Escuela Matemtica de Amrica Latina y el Caribe

2010

Solucin Numrica de EDP, Introduccin al

Mtodo de Elemento Finito
Dr. L. Hctor Jurez V.

Villahermosa, Tabasco
02 al 13 de agosto de 2010

ndice
1. Problemas elpticos unidimensionales 2
1.1. Problema modelo (SturmLiouville) . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Existencia y unicidad de soluciones. Comportamiento asinttico . . . . . . . 4
1.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2. Formulacin variacional del problema unidimensional. 8

2.1. Problema de minimizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Derivacin del problema variacional de la ecuacin diferencial . . . . . . . . 9
2.3. Aproximaciones de RitzGalerkin . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3. El mtodo de elemento finito en el problema unidimensional 12

3.1. Construccin de las funciones base . . . . . . . . . . . . . . . . . . . . . . . 13
3.2. Aproximacin del problema variacional . . . . . . . . . . . . . . . . . . . . . 15
3.3. Propiedades de la matriz de rigidez . . . . . . . . . . . . . . . . . . . . . . . 16
3.4. Algunos clculos prcticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

4. Problema multidimensional elptico. 19

4.1. Problema modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2. Formulacin variacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1
 4.3. Problema de minimizacin asociado . . . . . . . . . . . . . . . . . . . . . . . 22
4.4. El problema de Neumann puro . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5. El mtodo de elemento finito en el problema bidimensional 24

5.1. Discretizacin del dominio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2. Construccin de las funciones base . . . . . . . . . . . . . . . . . . . . . . . 28
5.3. Aproximacin del problema variacional . . . . . . . . . . . . . . . . . . . . . 30
5.4. Propiedades de la matriz de rigidez . . . . . . . . . . . . . . . . . . . . . . . 32
5.5. Aspectos prcticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

6. Extensin a problemas parablicos 37

6.1. Problema modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.2. Formulacin variacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.3. Aproximacin por medio del mtodo de elemento finito . . . . . . . . . . . . 39
6.4. Solucin del sistema de EDO . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.5. Anlisis de estabilidad de los mtodos . . . . . . . . . . . . . . . . . . . . . . 42
6.6. Anlisis de estabilidad por medio de mtodos de energa . . . . . . . . . . . 44
6.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

1. Problemas elpticos unidimensionales

Objetivo: Introducir el mtodo de elemento finito y las matemticas asociadas
al mtodo. En una dimensin la construccin de los elementos es ms simple y
natural, adems la manipulacin matemtica es directa y simple. Por lo tanto,
comenzaremos con el caso de problemas unidimensionales y despus extendere-
mos los resultados a problemas en dos dimensiones.

1.1. Problema modelo (SturmLiouville)

Calcular u = u(x) tal que
( )
d du
p(x) + q(x) u = f (x), 0 < x < L, (1.1)
dx dx
u(0) = 0, (1.2)
du
(L) = 0. (1.3)
dx
A la condicin (1.2) se le denomina condicin de frontera de tipo Dirichlet esencial, mien-
tras que a la condicin (1.3) se le denomina condicin de frontera de tipo Neumann natural.
Podemos considerar q(x) = 0 en (1.1), sin prdida de generalidad.

2
Notacin. Con el objeto de simplificar la notacin escribiremos indistintamente
du
u = ux .
dx
A continuacin presentamos dos ejemplos de aplicacin en donde aparece un problema
de SturmLiouville del tipo (1.1)(1.3).

Ejemplo 1. Barra elstica sujeta a una carga. Consideremos una barra unidimensional
de longitud L sujeta a una carga tangencial de intensidad f, como se ilustra en la Figura 1.

Figura 1: Barra elstica de longitud L sometida a una intensidad de carga f .

Denotamos por:
(x), la traccin en x debido a la intensidad de carga f .
u (x), el desplazamiento en x debido a la intensidad de carga f .
k (x), el mdulo de elasticidad. Si k (x) = constante, el material es homogneo.
Suponiendo que el material de la barra es elstico lineal y que los desplazamientos u(x) son
pequeos, se tiene
(x) = k(x) u (x), (Ley de Hooke)
(x) = f (x), (Ecuacin de equilibrio)
u(0) = u (L) = 0. (Condicin de frontera)
Eliminando , obtenemos la ecuacin diferencial
( )
d du
k(x) = f (x), 0 < x < L, (1.4)
dx dx
u(0) = u (L) = 0. (1.5)
Ejemplo 2. Conduccin de calor en una barra. Consideremos el problema de la con-
duccin de calor en una barra de longitud L, sujeta a una fuente de calor de intensidad f .
Denotamos por:

3
 u(x), la temperatura de la barra en la posicin x debida a la fuente de calor f .

q(x), la cantidad de calor en x debida a la fuente de calor f .

k(x), el coeficiente de conductividad trmica.

Suponiendo que el extremo derecho de la barra se asla trmicamente y que el extremo

izquierdo se mantiene a una temperatura constante cero, se tiene

q(x) = k(x) u (x), (Ley de Fourier)

q (x) = f (x), (Conservacin de calor)
u (0) = u (L) = 0. (Condiciones de frontera)

Eliminando q, obtenemos la ecuacin diferencial

( )
d du
k(x) = f (x), 0 < x < L, (1.6)
dx dx
u(0) = u (L) = 0. (1.7)

1.2. Existencia y unicidad de soluciones. Comportamiento asintti-

co
Introducimos el operador ( )
. d d
L= p(x) . (1.8)
dx dx
Estamos interesados en analizar el problema

L u = f, (1.9)
u(0) = u (L) = 0. (1.10)

Problema fundamental: Para qu clase de funciones f hay una solucin u?

En primer trmino intentaremos obtener los espacios de funciones adecuados o espacios

de funciones admisibles. El conocer los espacios de funciones admisibles es de importancia
fundamental para estudiar los principios variacionales as como los mtodos de aproximacin.
Una posible eleccin especfica es admitir funciones f con energa finita, es decir que
satisfacen L
f (x)2 dx < . (f , potencial de carga) (1.11)
0
Por ejemplo, cualquier funcin suave por tramos es admisible. La funcin de Dirac no se
admite (descartamos las cargas puntuales de intensidad infinita). Denotamos por L2 () a
este conjunto de funciones admisibles, donde = (0, L). Para que la ecuacin diferencial
(1.9)(1.10) tenga solucin se requiere que

4
 1. p(x) p0 > 0.

2. u, u y u tengan energa finita.

Denotamos por H 2 () a este espacio de funciones. Entonces la solucin de la ecuacin

diferencial se encuentra en el espacio
{ }
V = v H 2 () : v (0) = 0 . (1.12)

Teorema. El operador L : V L2 () transforma biunvocamente V sobre L2 (). Por lo

tanto, para cada f L2 (), existe una nica solucin u V. Adems la solucin depende
continuamente de los datos, es decir pequeas perturbaciones en el dato f producen pequeas
perturbaciones en la solucin u.

Para explicar la dependencia continua entre f y u, observamos que estas funciones se

deben medir bajo normas distintas:
( L )1/2
f 0 = 2
f (x) dx , (1.13)
0

y
( )1/2
L [ ]
u2 = u(x)2 + u (x)2 + u (x)2 dx . (1.14)
0

Entonces la dependencia continua de la solucin respecto de los datos puede expresarse

en forma cuantitativa de la siguiente manera

u2 C f 0 . (1.15)

Unicidad de la solucin. La estimaciones del tipo (1.15) constituyen uno de los aspectos
fundamentales de la teora moderna de las ecuaciones diferenciales. Por ejemplo, utilizan-
do esta estimacin podemos probar unicidad de soluciones en forma inmediata, ya que si
suponemos que u1 y u2 son soluciones de la ecuacin diferencial, entonces u = u1 u2 es
solucin de

L u = 0,
u(0) = u (1) = 0,

y en consecuencia
u C00 = 0.
Es decir u1 = u2 .

5
Funciones propias del operador diferencial. Para continuar con el anlisis de las solu-
ciones de la ecuacin, primero construimos una solucin. La clave consiste en encontrar las
funciones propias y los valores propios del operador L. Para simplificar la exposicin haremos
la suposicin de que p(x) = p es constante. En este caso las funciones propias son
( ( ) )
2 1
un (x) = sen n x , n = 1, 2, . . . , . (1.16)
L L 2
Es fcil verificar que estas funciones satisfacen (1.10). Por otro lado, los valores propios n ,
asociados a las funciones un , satisfacen

Lun = n un ,

o bien
p un (x) = n un (x).
De (1.16) y de esta ltima condicin es fcil obtener
( )2
2 1
n = p 2 n . (1.17)
L 2

Ortogonalidad de las funciones propias. Las funciones propias {un } n=1 constituyen un
conjunto ortonormal de funciones bajo el producto escalar usual en L2 (). Se puede verificar
que L
un , um = un (x) um (x) dx = 0, m, n con m = n,
0
y que
un , un = 1, n.
Es decir
un , um = m n . (1.18)

Construccin de la solucin. Para construir la solucin de (1.9)(1.10) expresamos el

dato f como combinacin lineal de las funciones propias. Es decir, escribimos
( ( ) )

2 1
f (x) = an un (x) = an sen n x , (1.19)
n=1 n=1
L L 2

para algunas constantes an , n = 1, . . . , . Estas constantes deben satisfacer

L

f 0 =
2 2
f (x) dx = a2n < , (1.20)
0 n=1

para que f L2 ().

6
Nota. Aparentemente hay una paradoja en la definicin de f , puesto que uno podra pensar
que dado que un (0) = un (L) = 0, para toda n = 1, 2, . . ., entonces, en (1.19), f (0) = f (L) =
0. Sin embargo, independientemente de que f satisfaga condiciones de frontera espurias o
no, su expresin (1.19) es solamente vlida en el sentido de mnimos cuadrados. Es decir
L[ N
]2
f (x) an un (x) dx 0 cuando N . (1.21)
0 n=1

Podemos pensar que las condiciones a la frontera de f , heredadas de las funciones propias
un , son inestables y desaparecen tan pronto como N .

Tomando en cuenta las anteriores consideraciones, podemos construir la solucin del

problema modelo (1.9)(1.10) mediante la suma infinita

an L2 an un (x)

u(x) = un (x) = 2 , (1.22)
n=1
n n=1
p (n 1/2)2

en donde L
an = f (x) un (x) dx. (1.23)
0
Se puede verificar directamente (a partir de (1.22)) que
[ ( )2 ( )4 ]
2L 2L
1+ +

u22 f 20 . (1.24)
p2
Por lo tanto, se satisface (1.15) con
( )2 ( )4
2L 2L
1+ +

c= .
p
Pregunta. Porqu entonces u (x) satisface las condiciones de frontera (1.10), mientras que
f (x) no las satisface, siendo que ambas tienen expansiones en trminos de las funciones
propias un (x)?

Respuesta. Porque
L2 an un (x)
N
uN (x) =
2 n=1 p (n 1/2)2
converge en sentido ms fuerte. Es decir
u uN (x)2 0 cuando N ,
N
mientras que fN (x) = n=1 an un (x) no converge a f (x) en la norma 2 , sino slo en la
norma 0 , como ya hemos comentado anteriormente.

7
1.3. Ejercicios
Ejercicio 1.1. Verificar que las funciones propias {un }, (1.16), y los valores propios {n },
(1.17), satisfacen L un = n un .

Ejercicio 1.2. Verificar la ortonormalidad, (1.18), de las funciones propias {un }.

Ejercicio 1.3. Verificar que (1.22) es solucin del problema (1.9)(1.10).

Ejercicio 1.4. Verificar la desigualdad (1.24).

2. Formulacin variacional del problema unidimensional.

El problema (1.9)(1.10) est relacionado con la minimizacin del siguiente funcional
cuadrtico (tambin llamado funcional de energa).
L L
1
J(v) = p (vx ) dx
2
f v dx. (2.1)
2 0 0

El primer trmino del lado derecho describe la energa potencial total asociada al desplaza-
miento v. El segundo trmino est relacionado con el potencial de carga f .

2.1. Problema de minimizacin

J(v) tiene un mnimo u slo s la primera derivada (o primera variacin) de J es cero en
u. Es decir J(v) tiene un mnimo u si

d J(u + v) J(u)
J(u + v) |=0 = lm = 0, v V. (2.2)
d 0
Obsrvese que
L
1 L
J(u + v) = p (u + v)x dx
2
f (u + v) dx
2 0 0
L L L
1 L 2 2 L 2
= p ux dx + p ux vx dx + p vx dx f u dx f v dx
2 0 2 0
{ L 0
L }
0 0
2 L 2
= J(u) + p ux vx dx f v dx + p vx dx.
0 0 2 0

Entonces
J(u + v) J(u) L L
lm = p ux vx dx f v dx, v V.
0 0 0

8
Por lo tanto, u V es un mnimo de J(v) s
L L
p ux vx dx = f v dx, v V. (2.3)
0 0

A este ltimo problema se le conoce como el problema variacional asociado a la ecuacin

diferencial, y su solucin u es la funcin en la cual la variacin del funcional J es mnima. El
problema de minimizacin del funcional (2.1) corresponde al principio de mnima energa
potencial en mecnica, mientras que el problema variacional (2.3) corresponde al principio
de trabajo virtual.

2.2. Derivacin del problema variacional de la ecuacin diferencial

Es posible derivar tambin el problema variacional (2.3) directamente de la ecuacin difer-
encial (1.9)(1.10). El procedimiento consiste en escoger una funcin de prueba v, conocida
tambin como funcin de desplazamiento virtual . Multiplicando la ecuacin diferencial
(1.9) por esta funcin e integrando, se obtiene
L L
(p ux )x v dx = f v dx, v V,
0 0

y al hacer integracin por partes en el lado izquierdo, se obtiene

L L
p ux v|x=0 +
x=L
p ux vx dx = f v dx, v V.
0 0

El trmino de frontera desaparece debido a que ux (L) = 0 y v(0) = 0, obteniendo el problema

variacional (2.3). A este problema variacional tambin se le conoce como forma dbil o de
Galerkin de la ecuacin diferencial. La equivalencia de ecuaciones diferenciales con problemas
variacionales es bsica para la eleccin del esquema computacional. Por ejemplo,

La ecuacin diferencial (1.9) puede aproximarse por medio de diferencias finitas.

El problema variacional (2.3) se puede aproximar por medio de un mtodo de Galerkin,

como veremos un poco ms adelante.

En muchas aplicaciones el principio fsico primario es el variacional. En tales aplicaciones

el problema fundamental es de minimizacin y es el que debe ser aproximado. Obsrvese
que en el problema de minimizacin del funcional (2.1) o en el problema variacional (2.3)
no intervienen derivadas segundas de las funciones, como sucede en el caso de la ecuacin
diferencial (1.9). En tales casos solo se requiere que ux tenga energa finita, y no es necesario
que uxx L2 ().
Obsrvese que s p(x) es acotada en 0 x L, y si adems tanto u como v se escogen
en el espacio { }
V = v H 1 () : v(0) = 0 , (2.4)

9
entonces    
 L   L 
 p ux vx dx P  ux vx dx P ux 0 vx 0 < ,
 
0 0

donde P = max |p(x)|. Por lo tanto el problema variacional (2.3) se define en forma natural
0xL
sobre el espacio de funciones (2.4). Es por esta razn que al problema variacional tambin se
le conoce como el problema dbil asociado a la ecuacin diferencial, pues la funcin prueba
y la solucin se buscan en un espacio de funciones (2.4), el cual es ms amplio pero con
funciones menos suaves o regulares que el espacio de funciones (1.12).
Esta ltima observacin tiene consecuencias prcticas (computacionales) importantes,
ya que podemos escoger funciones que sean continuas, pero lineales por tramos (las cuales
ciertamente pertenecen a H01 ()), con el objeto de buscar soluciones del problema variacional,
en lugar de buscar funciones en H 2 (). Ciertos tipos de funciones continuas lineales por
tramos, como las funciones polinomiales a trozos, son fciles de construir, y su primera
derivada tiene energa finita.
Para el espacio de Hilbert (2.4), el producto escalar y su norma correspondiente se definen
por
L
u, v1 = [u(x) v(x) + u (x) v (x)] dx, (2.5)
0
( )1/2
L [
]
v1 = 2 2
v(x) + v (x) dx . (2.6)
0

2.3. Aproximaciones de RitzGalerkin

El problema variacional consiste en encontrar

{ }
u V = v H 1 () : v(0) = 0 ,

tal que
L L
p ux vx dx = f v dx, v V. (2.7)
0 0
Dos propiedades del espacio de funciones V que juegan un papel crucial en las aproximaciones
del problema variacional (2.7) son:

1. V es un espacio vectorial lineal de funciones.

2. V es un espacio de dimensin infinita.

Por ejemplo, las funciones propias un (x), n = 1, 2, . . . , definidas en (1.16), pertenecen a V y

generan V . En realidad, no es necesario tener funciones tan suaves como las trigonomtricas.
Es suficiente con cualquier conjunto de funciones base {n } n=1 con una derivada generalizada
en = (0, L) y que se anulen en x = 0. Estas funciones, para que formen una base de V ,

10
deben ser linealmente independientes. Adems, toda v V se debe poder expresar como
combinacin lineal de la forma

v= i i , i R.
i=1

Si tomamos un nmero finito de trminos en esta serie, digamos N , obtenemos una aproxi-
macin vN a v, definida por

N
vN (x) = i i (x). (2.8)
i=1

Las N funciones base {1 , 2 , . . . , N } generan un subespacio N dimensional de V que

denotaremos por VN . El mtodo de Garlekin consiste en buscar una solucin aproximada
uN del problema variacional:
Encontrar uN VN tal que
L L

p uN v dx = f v dx, v VN . (2.9)
0 0

Se ha utilizado la notacin uN = d uN /dx y v = d v/dx. Como VN es un espacio de fun-

ciones de dimensin finita generado por {i }N

i=1 , entonces el problema (2.9) es equivalente al
siguiente problema:
Encontrar uN VN tal que
L L

p uN i dx = f i dx, i = 1, 2, . . . , N.
0 0

Si adems 1 , 2 , . . . , N son las constates tales que

N
uN (x) = j j (x), (2.10)
j=1

entonces este problema es, a su vez, equivalente al problema:

Encontrar los coeficientes 1 , 2 , . . . , N tales que
N ( L ) L

p i j dx j = f i dx, i = 1, 2, . . . , N.
j=1 0 0

Este problema constituye un sistema de ecuaciones que podemos escribir en la forma

K = F, (2.11)
en donde los coeficientes del vector son las incgnitas {i }N
i=1 , y los coeficientes de la matriz
K y el vector F son
L L

Kij = p i j dx y Fi = f i dx, 1 i, j N,
0 0

11
respectivamente. A la matriz K se le conoce como matriz de rigidez del problema, y al
vector F como el vector de carga. Estos nombres provienen de la mecnica de estructuras,
en donde primero se utilizaron estos mtodos de aproximacin. La matriz K es simtrica y,
debido a que p(x) p0 > 0, la matriz tambin es definida positiva, lo cual implica que es
invertible. Por lo tanto, el sistema de ecuaciones (2.11) tiene solucin nica.

La calidad de la aproximacin est completamente determinada por la eleccin de las

funciones base {i }Ni=1 , y el nmero N de ellas. Una vez que estas funciones base se han es-
cogido, la determinacin de los coeficientes j (grados de libertad del problema aproximado)
es un problema computacional, que consiste en la solucin de un sistema de ecuaciones. Es
posible verificar que la aproximacin uN es el elemento en VN que mejor aproxima a u, pues

u uN , v = 0, v VN , (2.12)

debido a la ortogonalidad de las funciones base i .

2.4. Ejercicios
Ejercicio 2.1. Escribe el funcional de minimizacin J(v) asociado con el problema (1.9)
(1.10). Escribe el correspondiente problema variacional.

Ejercicio 2.2. Demuestra que cualquier solucin de la ecuacin diferencial (1.9)(1.10) es

solucin del problema variacional (2.7). Sin embargo, no toda solucin del problema varia-
cional es solucin de la ecuacin diferencial. Intenta explicar por qu e indica cul es la
condicin adicional para que la solucin del problema variacional tambin sea solucin de la
ecuacin diferencial.

Ejercicio 2.3. Explica en que consiste el mtodo de Galerkin para resolver el problema
variacional (2.7). Demuestra que la matriz de rigidez K es definida positiva si p(x) p0 > 0
para toda x.

Ejercicio 2.4. Demuestra la igualdad (2.12). Utiliza esa propiedad para demostrar que uN
es el elemento en VN que mejor aproxima a u.

3. El mtodo de elemento finito en el problema unidi-

mensional
El mtodo de elemento finito proporciona un tcnica particular, adems de sistemti-
ca, para construir funciones base {i }N
i=1 en la aproximacin de RitzGalerkin de problemas
con valores a la frontera. La idea principal detrs del mtodo de elemento finito consiste en
definir las funciones base i como funciones polinomiales por tramos, sobre subregiones
del dominio llamadas elementos finitos. En esta seccin mostraremos la construccin del

12
elemento finito ms simple para resolver problemas unidimensionales, el cual consiste de
funciones polinomiales lineales por tramos (elemento de Lagrange de primer orden).

3.1. Construccin de las funciones base

Dividimos la regin = (0, L) en un nmero finito de elementos. En el caso unidimen-
sional estos elementos son subintervalos i = (xi1 , xi ), i = 1, 2, . . . , N . La Figura 2 ilustra
el caso de cuatro elementos (N=4).

1 2 3 4

x 0= 0 h1 x1 h2 x2 h3 x3 h4 x4 = L

Figura 2: Malla unidimensional en el intervalo [0, L].

Se definen x0 = 0 y x4 = L, y se introducen los puntos intermedios x1 , x2 , x3 . Los puntos

x0 , x1 , x2 , x3 , x4 se denominan los nodos (o puntos nodales) de la malla, y los subintervalos
1 , 2 , 3 , 4 se denominan los elementos de la malla. Sea hi = xi xi1 , i = 1, . . . , 4 la
longitud del elemento i , entonces

nodos + elementos = malla de elemento finito.

El tamao de la malla se define por h = max hi .

1i4

Las funciones base {i }N

i=1 , que se utilizan en el mtodo de elemento finito, usualmente
se construyen tomando en cuenta los siguientes criterios:

1. Son funciones polinomiales simples definidas por tramos, es decir definidas elemento
por elemento sobre la malla.

2. Son funciones que pertenecen a H 1 (), es decir son funciones cuadrado integrables con
derivada generalizada tambin cuadrado integrable.

3. Son funciones que se escogen de tal manera que los coeficientes i en (2.10) sean iguales
a uN (xi ) para 1 i N .

Las funciones sombrero, (hat functions por su nombre en ingls, tambin cono-
cidas como chapeau functions), satisfacen estos criterios. Estas funciones son funciones
lineales (polinomios de grado 1) en cada elemento y se definen de la siguiente manera

x xi1

si xi1 x xi ,
hi
i (x) = xi+1 x (3.1)
si xi x xi+1 ,

h
i+1
0 en otro caso,

13
para i = 1, 2, . . . , N 1. Para i = 0 e i = N se definen por
{ x x
1
si x0 x x1 ,
0 (x) = h1 (3.2)
0 en otro caso.

x xN 1 si x x xN ,
N 1
N (x) = hN (3.3)
0 en otro caso.
Estas funciones se ilustran en la Figura 3, para el caso N = 4. Claramente estas funciones

Figura 3: Funciones sombrero

satisfacen el primer criterio. Para verificar que satisfacen el segundo criterio debemos verificar
que i (x) y i (x) son cuadrado integrables. Esto se muestra a continuacin
L
1
[i (x)]2 dx = (hi + hi+1 ) < , i = 1, . . . , N 1. (3.4)
0 3

14
Para los casos i = 0 e i = N se obtiene solamente h1 /3 y hN /3, respectivamente. Por otro
lado, para 1 i N 1, la derivada de i es

1

si xi1 < x < xi ,

h


i

1 si xi < x < xi+1 ,
i (x) =



h i+1



si x < xi1 x > xi+1 .
0
Obsrvese que para cada i su derivada, en sentido clsico, no est definida en los nodos,
pero si son cuadrado integrales, pues
L x i ( )2 xi+1 ( )2
2 1 1 1 1
[i (x)] dx = dx + dx = + < , (3.5)
0 xi1 hi xi hi+1 hi hi+1
para i = 1, . . . , N 1. Para los casos i = 0 e i = N se obtiene 1/h1 y 1/hN , respectivamente.

Se concluye que, dado que las integrales son finitas y que las funciones i (x), i =
0, . . . , N son continuas, entonces ellas pertenecen al espacio de funciones H 1 (). Finalmente
verificaremos el criterio 3. Por construccin de las funciones sombrero se tiene

i (xj ) = ij . (3.6)

Por lo tanto, en (2.10) se obtiene

N
N
uN (xj ) = i i (xj ) = i ij = j .
i=1 i=1

3.2. Aproximacin del problema variacional

Para aproximar el problema variacional (2.7), consideramos el espacio de dimensin finita
Vh , que es subespacio de V , definido por
{ }
Vh = vh C () : vh |e P1 (e ) , e = 1, . . . , N, vh (0) = 0 . (3.7)

ste es el conjunto de funciones continuas vh definidas en = (0, L) y que al restringirlas

a cada elemento e , son polinomios de grado uno, adems de que satisfacen la condicin de
tipo Dirichlet vh (0) = 0. Este espacio es de dimensin finita y est generado por

Vh = gen {1 , 2 , . . . , N } .

Obsrvese que hemos excluido 0 del conjunto generador de Vh , para forzar la condicin de
tipo Dirichlet vh (0) = 0. El problema variacional discreto asociado es:

15
 Calcular uh Vh tal que
L L
duh dvh
p dx = f vh dx, vh Vh . (3.8)
0 dx dx 0

Este problema es equivalente al problema:

Calcular uh Vh tal que
L L
duh i
p dx = f i dx, i = 1, 2, . . . , N.
0 dx dx 0

Adems uh se puede escribir como

N
uh (x) = uj j (x) , (3.9)
j=1

donde uj denota uh (xj ). Sustituyendo en la ecuacin integral anterior, se obtiene que el

problema variacional discreto es equivalente al siguiente problema aproximado:
Calcular u1 , u2 , . . ., uN tales que
N (
L ) L
p i j dx uj = f i (x) dx, i = 1, 2, . . . , N. (3.10)
j=1 0 0

ste es un sistema de ecuaciones

K U = F, (3.11)
en donde la matriz de rigidez K y el vector de carga F, del elemento lineal de Lagrange, se
construyen con las funciones sombrero {i }N i=1 (3.1)(3.3). El vector solucin U del sistema
(3.11) contiene los coeficientes uj , 1 j N , a partir de los cuales se obtiene la solucin
discreta uh (3.9).

3.3. Propiedades de la matriz de rigidez

La matriz de rigidez K en (3.11) posee algunas propiedades importantes desde el punto
de vista computacional:
1. Sumabilidad. sta es la propiedad ms importante cuando se utiliza el mtodo de
elemento finito. La sumabilidad consiste en que los coeficientes Kij pueden calcularse
como una suma de contribuciones en cada elemento, es decir
L N

N
Kij = p i j dx = p i j dx = Kije , (3.12)
0 e=1 e e=1

donde
Kije = p i j dx.
e

16
 En forma anloga se obtiene

N
Fi = Fie , con Fie = f i dx. (3.13)
e=1 e

La sumabilidad cobra una mayor importancia en problemas bidimensionales y tridi-

mensionales, en donde realmente ayuda a simplificar el proceso de clculo de K y F,
as como el proceso de su almacenamiento en la memoria de la computadora.
2. Escasez de coeficientes no cero. La mayora de los coeficientes Kij en la matriz de
rigidez son cero, debido a que
i (x) j (x) = 0 solo s j = i 1, i, i + 1.
Por lo tanto, L
Kij = p i j dx = 0,
0
slo cuando j = i 1, i, i + 1. Entonces K es una matriz tridiagonal, de la forma

K11 K12 0
K21 K22 K23

.. ..
K= . .

KN 1,N 2 KN 1,N 1 KN 1,N
0 KN 1,N KN,N
El hecho de que la matriz de rigidez sea rala o sparse, es decir que la inmensa mayora
de sus coeficientes son cero, es una caracterstica comn de las matrices que aparecen en
la discretizacin de problemas modelados por ecuaciones diferenciales cuando se utiliza
el mtodo de elemento finito. Otros mtodos de discretizacin, como los mtodos de
diferencias finitas y volumen finito, tambin producen matrices ralas. Tambin existen
mtodos de aproximacin que producen matrices densas, como por ejemplo mtodos de
aproximacion con funciones radiales (radial basis functions, por su nombre en ingls).
3. Simetra. Como ya hemos visto anteriormente, la matriz K es simtrica, es decir
Kij = Kji . Esta propiedad no est asociada a las funciones base, ni con el mtodo de
aproximacin utilizado, sino con el problema variacional de la ecuacin diferencial. Es
decir, el operador diferencial asociado al problema es autoadjunto.

3.4. Algunos clculos prcticos

En esta seccin calculamos los coeficientes (3.12) de la matriz de rigidez K y los coefi-
cientes (3.13) del vector de carga F. Utilizando la propiedad de que Kij = 0 slo si j = i 1,
j = i o j = i + 1, se obtiene
L xi
1
Ki,i1 = p (x) i (x) i1 (x) dx = 2 p (x) dx, (3.14)
0 hi xi1

17
para i = 2, . . . , N . Anlogamente
L xi xi+1
2 1 1
Kii = p (x) [i (x)] dx = 2 p (x) dx + 2 p (x) dx, (3.15)
0 hi xi1 hi+1 xi

para i = 1, . . . , N . Por simetra de K y analoga con (3.14), se obtiene

xi+1
1
Ki,i+1 = 2 p (x) dx, (3.16)
hi+1 xi

para i = 1, . . . , N 1. Por otro lado

L xi xi+1
Fi = f (x) i (x) dx = f (x) i (x) dx + f (x)i (x) dx, (3.17)
0 xi1 xi

para i = 1, . . . , N .

Las integrales resultantes en (3.14)(3.17), cuando no se puedan calcular en forma exacta,

se pueden aproximar mediante la regla del trapecio:
b
ba
f (x) dx {f (a) + f (b)} .
a 2
Introduciendo las notaciones pi = p (xi ) y fi = f (xi ) y aplicando la regla del trapecio,
obtenemos
pi1 + pi
Ki, i1 i =2, . . . , N. (3.18)
2 hi
pi1 + pi pi + pi+1
Kii + i =1, . . . , N. (3.19)
2 hi 2 hi+1
pi + pi+1
Ki,i+1 i =1, . . . , N 1. (3.20)
2 hi+1
hi + hi+1
Fi fi i =1, . . . , N. (3.21)
2
El clculo aproximado de las integrales no degrada el resultado final de la aproximacin,
debido a que el error de integracin numrica es del mismo orden que el que resulta de la
aproximacin con el mtodo de elemento finito. Se puede probar que este error de aproxi-
macin es O (h2 ), en donde h = max hi es el tamao de la malla.
1iN

Un caso muy frecuente se presenta cuando p (x) = p0 = constante y hi = h, para toda

i = 1, . . . , N (malla uniforme). En este caso las frmulas para el clculo de los coeficientes
de la matriz de rigidez y del vector de carga se simplifica, obteniendo
2p0 p0
Ki,i = , Ki,i1 = Ki,i+1 = , Fi = h fi .
h h

18
Por lo tanto, la matriz de rigidez y el vector de carga, en este caso especial, son de la forma

2 1 0 f (x1 )
1 2 1 f (x2 )
p0
. .



.


K= . . . . y F = h .
.
h
1 2 1 f (xN 1 )
0 1 2 f (xN )

Las integrales tambin se pueden aproximar utilizando la regla del punto medio
b ( )
a+b
f (x) dx (b a) f .
a 2
En este caso, los coeficientes son
1 ( ) 1 ( ) 1 ( )
Ki,i1 = p xi1/2 , Kii = p xi1/2 + p xi+1/2 ,
hi hi hi+1
1 ( ) hi ( ) hi+1 ( )
Ki,i+1 = p xi+1/2 , Fi = f xi1/2 + f xi+1/2 ,
hi+1 2 2
en donde
xi1 + xi xi + xi+1
xi1/2 = , xi+1/2 = .
2 2

3.5. Ejercicios
Ejercicio 3.1. El mtodo de elemento finito es un mtodo particular de tipo Galerkin para
resolver ecuaciones diferenciales. Explica cul es la idea principal detrs del mtodo de ele-
mento finito.

Ejercicio 3.2. Escribir las propiedades principales de las funciones sombrero.

Ejercicio 3.3. Verificar las propiedades (3.4), (3.5), (3.6).

Ejercicio 3.4. Indicar cules son las propiedades de la matriz de rigidez obtenida con el
elemento lineal de Lagrange.

Ejercicio 3.5. Verificar las aproximaciones (3.18) a (3.21).

4. Problema multidimensional elptico.

4.1. Problema modelo
Considrese una regin en Rd , con d = 2 o 3, la cual es abierta y conexa, y cuya
frontera es la unin de dos porciones = 0 1 . La porcin 0 es la parte de la frontera

19
donde se imponen condiciones de frontera de tipo Dirichlet (tambin llamadas esenciales),
y la porcin 1 es la parte de la frontera donde se imponen condiciones de frontera de tipo
Neumann (tambin llamadas naturales), como se ilustra en la Figura 4. Denotamos por n
la normal
unitaria exterior a la frontera , y por x = (x1 , . . . , xd ) a cualquier punto en
= .

Figura 4: a) Dominio del problema, b) frontera que lo delimita

Consideremos el siguiente problema elptico:

Encontrar u = u (x) tal que
(a u) = f en , (4.1)
sujeta a las condiciones de frontera
Dirichlet: u = g0 sobre 0 , (4.2)
u
Neumann: a = g1 sobre 1 , (4.3)
n
en donde a y f son funciones que dependen de x y estn definidas sobre , mientras que
g0 , g1 estn definidas sobre 0 y 1 , respectivamente. En (4.3), u/n indica la derivada
direccional de u en la direccin de la normal exterior n, es decir
u
= u n. (4.4)
n
En el problema elptico (4.1)(4.3) el coeficiente de difusin a(x) se entender como una
funcin escalar, pero en algunos problemas sobre medios anisotrpicos puede manejarse como
una matriz A (x) = {aij (x)}1i, jd . Supondremos que existen constantes a0 y M tales que
0 < a0 a (x) M, x . (4.5)
Obsrvese que para el caso en que el coeficiente de difusin sea una constante a (medio
homogneo), la ecuacin (4.1) se reduce a la ecuacin de Laplace
a2 u = f en .

20
4.2. Formulacin variacional
Al igual que el caso unidimensional, es conveniente introducir una funcin de prueba v
suficientemente suave y que, de preferencia, pertenezca a un espacio de Hilbert, adems de
anularse en la frontera Dirichlet 0 . Multiplicando la ecuacin (4.1) por una funcin de este
tipo e integrando sobre , se obtiene

(au) v dx = f v dx, (4.6)

en donde dx = dx1 dxd (la integracin es mltiple). Utilizando la identidad vectorial

(au v) = (au) v + au v, la ecuacin se puede reescribir en la forma

au v dx = f v dx+ (au v) dx.

Utilizando el teorema de la divergencia (Gauss)

F dx = F n d,

con F = au v , la ecuacin anterior resulta en

au v dx = f v dx + (au v) n d.

La integral de frontera en esta ltima expresin se puede simplificar debido a que =

0 1 , la funcin de prueba satisface v = 0 sobre 0 , y a que la solucin u debe satisfacer
u/n = g1 sobre 1 . Por lo tanto,

au v dx = f v dx + g1 v d.
1

Se observa que tanto u como v deben tener al menos una derivada generalizada para que las
integral del lado izquierdo tenga sentido. Por lo tanto, basta con escoger como espacio de
funciones prueba al conjunto
{ }
V0 = v H 1 () : v = 0 sobre 0 , (4.7)

mientras que la solucin la buscaremos en el espacio afn

{ }
Vg = v H 1 () : v = g0 sobre 0 . (4.8)

Luego, el problema variacional asociado a (4.1)(4.3) se puede formular de la siguiente

manera:
Encontrar v Vg , tal que

au v dx = f v dx + g1 v d, v V0 . (4.9)
1

21
En torno a este problema se tiene el siguiente resultado:

S los problemas (4.1)(4.3) y (4.9) tienen solucin, entonces sta tiene que ser
nica.

Demostracin: Si u1 y u2 son dos soluciones de (4.9), entonces u = u1 u2 satisface

a u v dx = 0, v V0 .

Puesto que, en particular, u V0 , entonces tomando v = u en la ltima ecuacin, se obtiene:

a | u|2 dx = 0.

Esta ltima igualdad y (4.5) implican que | u| = 0, es decir u es constante. Sin embargo,
u = 0 sobre 0 por lo que se debe satisfacer u1 = u2 .

4.3. Problema de minimizacin asociado

Es bien conocido que la solucin del problema variacional (4.9) minimiza el funcional de
energa potencial del problema, definido por

1
J (v) = a |v| dx f v dx
2
g1 v d, v V0 . (4.10)
2 1

Este funcional cuadrtico es estrictamente convexo si a > 0, por lo que una funcin u
minimiza J (v) s, y slo s, la primera variacin de J en u, en cualquier direccin v, es cero.
Es decir, si la derivada de de Gataux,
J (u + tv) J (u)
J (1) (u; v) = lm , (4.11)
t0 t
es igual a cero para toda v V0 .

Afirmacin. La primera derivada de J (v) es

(1)
J (u; v) = au v dx f v dx g1 v d. (4.12)
1

Demostracin: De acuerdo a (4.10) se tiene

1
J(u + tv) = (u + tv) (u + tv) dx f (u + tv) dx g1 (u + tv) d
2
{

}
1

t2
= J(u) + t au v dx f v dx g1 v dx + a |v|2 dx.
1 2

22
De esta ltima expresin se obtiene

J (u + tv) J (u) t
= au v dx f v dx g1 v d + a |v|2 dx.
t 1 2

Tomando el lmite cuando t 0, obtenemos la expresin (4.12). Esto demuestra que la

solucin del problema variacional (4.9) minimiza el funcional cuadrtico (4.10).

4.4. El problema de Neumann puro

Cerraremos la discusin del problema elptico considerando el caso 0 = , es decir
cuando no se tienen condiciones tipo Dirichlet en el problema. El problema resultante se le
denomina problema de Neumann puro, y consiste de las ecuaciones

(a u) = f en , (4.13)
u
a = g1 sobre = . (4.14)
n
Este problema no tiene solucin para funciones arbitrarias f y g1 . Para que exista solucin,
las funciones f y g1 deben estar relacionadas de manera especial mediante una condicin
de compatibilidad . Esta condicin de compatibilidad (de los datos) puede derivarse de la
formulacin variacional

a u v dx = f v dx + g1 v d, v H 1 () .

Tomando v = 1 sobre , la ecuacin anterior se reduce a

f dx + g1 d = 0. (4.15)

Esta ltima ecuacin es precisamente la condicin de compatibilidad que los datos f y g1

deben satisfacer para que el problema Neumann puro (4.13)(4.14) tenga solucin. Esta
condicin significa fisicamente que el flujo g1 , a travs de la frontera , debe estar blanceado
por la fuente f , definida en . Por lo tanto, suponiendo que se satisface (4.15), entonces el
problema de Neumann puro tiene solucin. Pero tambin se observa que la solucin no es
nica, debido a que s u es una solucin del problema, entonces u + c con c R tambin es
solucin del mismo problema. Sin embargo, podemos pensar que la solucin es nica salvo
constantes, introduciendo el espacio cociente H 1 () /R. En resumen, tenemos que

Si f es una funcin en L2 (), y g1 es una funcin en L2 (), y ambas satisfacen la

condicin de compatibilidad (4.15), entonces el problema de Neumann (4.13)(4.14) tiene
solucin y esta solucin es nica salvo por una constante. Es decir, la solucin es nica en
el espacio cociente H 1 () /R.

23
 El hecho de que la solucion sea nica solo en el espacio cociente, indica implcitamete
que la cantidad fsica relevante no es la funcin escalar (potencial) u(x), sino la funcin
vectorial (x) = a(x) u(x), la cual si es nica cuando el problema tiene solucin. La
funcin representa el vector flujo de energa trmica en un problema de calor y la traccin
en un problema de elasticidad. Tomando en cuenta estas consideraciones, es posible derivar
la condicin de compatibilidad (4.15) utilizando el teorema de la divergencia:

f dx = dx = n d = a u n d = g1 d.

4.5. Ejercicios
Ejercicio 4.1. Escribe el problema modelo elptico multidimendional, incluyendo la ecuacin
diferencial y las condiciones de frontera. Indica las condiciones que se pide que satisfaga el
coeficiente de difusin.

Ejercicio 4.2. Repite el procedimiento de la Seccin 4.2 para encontrar la formulacin varia-
cional del problema elptico, y verifica que esta minimiza el funcional definido en (4.10).

Ejercicio 4.3. Indica bajo que condiciones el problema de Neumann puro (4.13)(4.14) tiene
solucin y sta es nica.

5. El mtodo de elemento finito en el problema bidimen-

sional
Para facilitar el estudio, escribimos de nuevo el problema elptico:
(a u) = f en , (5.1)
u = g0 sobre 0 , (5.2)
u
a = g1 sobre 1 , (5.3)
n
cuya formulacin variacional es:
Encontrar u Vg tal que

au v dx = f v dx + g1 v d, v V0 , (5.4)
1

en donde
{ }
V0 = v H 1 () : v = 0 sobre 0 , (5.5)
{ }
Vg = v H 1 () : v = g0 sobre 0 . (5.6)

24
Al igual que en el caso unidimensional, para encontrar soluciones numricas del problema
(5.4), se deben aproximar los espacios de funciones de prueba V0 y el espacio afn Vg por
medio de espacios de funciones de dimensin finita. Para realizar la aproximacin por medio
del mtodo de elemento finito, los espacios de funciones de aproximacin debern consistir
de funciones continuas y que son polinomiales por tramos. Es decir, sobre cada elemento
de una triangulacin de la regin , la solucin se aproxima por medio de un polinomio.
Cuando se utilizan polinomios lineales, se obtienen las funciones piramidales, las cuales
son el anlogo bidimensional de las funciones sombrero, como veremos en esta seccin.

5.1. Discretizacin del dominio

Dado el dominio , existen muchas formas de subdividirlo en subdominios o elementos.
Para simplificar la exposicin, supondremos que el dominio es poligonal y escogemos trin-
gulos como elementos de discretizacin. La Figura 5 ilustra el dominio y una triangulacin
del mismo.

G0
W G0

G1 G1

Figura 5: Dominio con frontera = 0 1 y su triangulacin.

Denotaremos a la triangulacin de por

Th = conjunto de tringulos en la discretizacin de .
El parmetro de discretizacin h, proporciona una medida de la malla o triangulacin, y se
refiere al dimetro mximo de los tringulos en Th . A diferencia del caso unidimensional,
en donde la subdivisin de consiste de subintervalos adyacentes y no requiere de restric-
ciones especiales, en el caso bidimensional se requiere que la triangulacin satisfaga ciertas
propiedades adicionales con el objeto de asegurar una aproximacin correcta de las funciones
en el espacio de funciones V0 y en el espacio afn Vg . Estas propiedades (restricciones) se in-
troducen a continuacin.

La triangulacin Th debe satisfacer las siguientes propiedades:

a) El conjunto de todos los tringulos forma el dominio y sus fronteras, es decir T = .
T Th

25
 b) Dos tringulos T y T en Th satisfacen una, y slo una, de las siguientes propiedades

1. No se intersectan, es decir T T = .

2. Si se intersectan, lo hacen en un vrtice comn en una arista comn.

c) En la interfase entre la frontera Dirichlet 0 y la frontera Neumann 1 debe encontrarse

un vrtice de la triangulacin.

La Figura 6 ilustra estas propiedades. Ah se indican con una cruz (roja) las situaciones
que no son permitidas en la triangulacin, mientras que, encerradas (en verde), se indican
algunas situaciones permitidas.

G0

G1

Figura 6: Propiedades de la triangulacin

Una vez obtenida la triangulacin Th , se construye la aproximacin al espacio H 1 (). Los

elementos en este espacio, como ya hemos mencionado anteriormente, se aproximan mediante
funciones continuas que al restringirlas a cada tringulo resultan ser polinomios de primer
grado. Es decir, las funciones se aproximan mediante polinomios lineales por tramos y que
coinciden a lo largo de cada arista de dos tringulos adyacentes. A este espacio discreto lo
denotamos por Vh , y formalmente se define como
{ }
Vh = v C 0 () : v|T P1 , T Th , (5.7)

en donde C 0 () denota al conjunto de funciones continuas en , mientras que P1 denota el

conjunto de polinomios de primer grado (lineales) en R2 . Los polinomios lineales en R2 son
de la forma

p (x1 , x2 ) = a0 + a1 x1 + a2 x2 , con a0 , a1 , a2 constantes. (5.8)

Por lo tanto, si queremos aproximar una funcin u(x1 , x2 ) H 1 () por medio de una funcin
uh Vh , es necesario que en cada elemento triangular calculemos los coeficientes ai . Estos

26
 Figura 7: Polinomio lineal que aproxima a u sobre T.

coeficientes se pueden determinar de manera nica, sobre cada tringulo T , con los valores
de u en los tres vrtices de dicho tringulo, como se muestra en la Figura 7.
Por otro lado, si se requiere un mayor orden de aproximacin, el mtodo de elemento
finito permite aproximar con polinomios de orden mayor. As por ejemplo, los polinomios de
segundo grado en R2 son de la forma

p (x1 , x2 ) = a0 + a1 x1 + a2 x2 + a3 x1 x2 + a4 x21 + a5 x22 ,

por lo que se tienen seis grados de libertad, y hay que determinar seis coeficientes. En
este caso, para determinar los coeficientes de manera nica, es posible utilizar los valores
de la funcin sobre los vrtices y sobre los puntos medios de cada tringulo T T . En
forma anloga, se construyen elementos de grados mayores. En la Figura 8 se muestran los
elementos de segundo y tercer orden y sus grados de libertad.

2o. ORDEN 3er. ORDEN

u(x1 , x2 ) a0 + a1 x1 + a2 x2 + a2 3 x1 x2 , x2 )
u(x1u(x,y) = aa0++
a xa1+xa1 y++aa2 xxy
2+
2 2 2
1 xa2 y+ a4 x1 + a5 x2
+ aa3xx2+
+a4 x21 + a5 x22 +a6 x21 x2 + a7 x1 x22 + a8 x31 + a9 x32

Figura 8: Elementos de 2o. y 3er. orden.

Malla y nodos de elemento finito

Al conjunto de vrtices en la triangulacin lo denotaremos por h . Es decir

{ }
h = P = (x1 , x2 ) R2 : P es vrtice de algn T Th . (5.9)

27
De esta manera el conjunto de vrtices de la triangulacin ms el conjunto de tringulos
mismos constituyen la malla triangular del elemento finito:

h + Th = Malla triangular de elemento finito. (5.10)

Por otro lado, los nodos del elemento finito son los puntos que se utilizan para realizar
la aproximacin sobre cada tringulo. As por ejemplo, para el elemento de primer orden
el conjunto de nodos coincide con los vrtices de la triangulacin, mientras que para el
elemento de segundo orden, el conjunto de nodos son los vrtices ms lo puntos medios de
cada tringulo.

5.2. Construccin de las funciones base

El anlogo bidimensional de las funciones sombrero (3.4) son las funciones piramidales.
Estas funciones pertenecen al espacio de aproximacin Vh , (5.7), y cada nodo P tiene asociada
una de estas funciones. La funcin piramidal asociada al nodo P se define como uno en dicho
nodo y cero en todos lo dems nodos de la malla, como se ilustra en la Figura 9. En dicha
figura no se muestra todo el dominio, solo se muestra la grfica de la funcin en el soporte de
la misma, pero se entiende que en todos los dems tringulos de la malla la funcin es igual
a cero. Obsrvese que, restringida a cada tringulo T , la funcin piramidal es un polinomio
lineal.

Figura 9: Soporte y grfica de la funcin piramidal P .

Las funciones piramidales son las funciones bsicas que sirven para para generar las fun-
ciones de aproximacin en el elemento finito lineal de Lagrange. Claramente, estas funciones
pertenecen a Vh y su propiedad bsica es que, para todo P , Q en h
{
1 si P = Q,
P (Q) = P Q = (5.11)
0 si P = Q.

Propiedades de las funciones piramidales. Las principales propiedades de las fun-

ciones piramidales son:

28
 1. Son funciones en Vh con soporte compacto. El soporte de cada funcin piramidal
P , es el conjunto de tringulos en Th que tienen como vrtice comn al punto P .
Utlizaremos la siguiente notacin para indicar al soporte de P
Th (P ) = sup P .

2. Son funciones linealmente independientes. Con el objeto de verificarlo, sean P ,

con P h un conjunto de coeficientes constantes tales que

P P (x) = 0, x = (x1 , x2 ) .
P h

Para cada Q = P en h , se tiene

0= P P (Q) = P P Q = Q ,
P h P h

lo cual comprueba la independencia lineal.

3. Son funciones que generan Vh . Para probarlo, sea cualquier vh Vh y defnase la
funcin vh Vh por medio de la combinacin lineal

vh (x) = vh (P ) P (x) .
P h

Para cada Q h se tiene

vh (Q) = vh (P ) P (Q) = vh (P ) P Q = vh (Q) ,
P h P h

por lo que vh = vh . Es decir, vh es una combinacin lineal de las P con coeficientes

constantes P = vh (P ).
Resumiendo, toda vh Vh , es combinacin lineal de funciones piramidales y adems

vh (x) = vh (P ) P (x) . (5.12)
P h

Esta propiedad es el anlogo a la propiedad 3 de las funciones sombrero.

Conclusin. El conjunto de las funciones piramidales P , con P h , forma una base del
espacio de funciones Vh que aproxima H 1 (). A este conjunto base lo denotaremos por
h = {P : P h } . (5.13)
Por lo tanto, Vh es un espacio de funciones de dimensin finita y su dimensin es
dim Vh = #(h ) = nmero de vrtices de la triangulacin.
Denotamos por N este nmero, es decir
N dim Vh nmero de vrtices de la triangulacin. (5.14)

29
5.3. Aproximacin del problema variacional
Con el objeto de encontrar una solucin aproximada del problema variacional (5.4), debe-
mos encontrar una aproximacin del espacio de funciones prueba V0 (5.5). Para ello intro-
ducimos la siguiente notacin
NI nmero de vrtices interiores. (5.15)
Por vrtices interiores entendemos aquellos vrtices donde se debe calcular el valor de
la solucin u. Ms precisamente, un vrtice es interior si este no es un vrtice sobre la
frontera Dirichlet 0 . Por lo tanto, los vrtices interiores son los que se encuentran en el
interior de y sobre el interior de la porcin de frontera Neumann 1 . Numerando los
vrtices de la triangulacin, y suponiendo que primero se numeran los vrtices interiores,
entonces escribimos
Ih = {Pi }N I
i=1 , (Nodos interiores) (5.16)
Dh = {Pi }N
i=NI +1 . (Nodos Dirichlet) (5.17)
Obsrvese que
Ih = h Dh .
Por lo tanto, el conjunto de funciones que aproxima el espacio V0 es
0h = {P : P Ih } , (5.18)
por lo que podemos escribir
V0h = gen {0h } . (5.19)
Con los anteriores elementos podemos formular el problema variacional discreto, asociado
a (5.4) de la siguiente manera:

Encontrar uh Vh con uh (P ) = g0 (P ), P Dh , tal que

auh vh dx = f vh dx + g1 vh d, vh V0h . (5.20)
1

Este problema discreto puede formularse en trminos de funciones piramidales, notando que
Para que se satisfaga (5.20), basta con que se cumpla para cada una las funciones base
Q 0h , debido a (5.19).
La incgnita uh Vh se puede expander como combinacin lineal de las funciones base
piramidales

uh (x) = uh (P ) P (x) = uh (P ) P (x) + g0 (P ) P (x).
P h P Ih P Dh
| {z } | {z }
interior Frontera Dirichlet

En la ltima sumatoria se ha hecho uso de que uh (P ) = g0 (P ) si P es un vrtice sobre

la frontera Dirichlet 0 .

30
Tomando en cuenta estas consideraciones, el problema variacional discreto (5.20) tambin se
puede escribir de la siguiente manera:

Para cada P Ih , encontrar uh (P ), tal que:

( )
aP Q dx uh (P ) = f Q dx + g1 Q d
P Ih 1
( )
aP Q dx g0 (P ) , Q Ih .
P Dh

Tomando en cuenta la numeracin de los nodos Dirichlet y de los nodos interiores, (5.16) y
(5.17), tambin se puede escribir el problema variacional discreto de la siguiente manera:

Encontrar los valores uj uh (Pj ), j = 1, . . . , NI , tales que

NI ( )
aj i dx uj = f i dx + g1 i d
j=1 1
( ) (5.21)

N
aj i dx g0 (Pj ) , i = 1, . . . , NI .
j=NI +1

en donde se ha hecho la identificacin j = Pj para todo 1 j N . Ntese que la expresin

anterior constituye un sistema de NI ecuaciones con NI incgnitas de la forma
Ah Uh = bh , (5.22)
en donde Uh es el vector de incgnitas {uj }. Los coeficientes de la matriz Ah y el vector bh
son, respectivamente,
aij = ai j dx, (5.23)


N ( )
bi = f i dx + g1 i d ai j dx g0 (Pj ) . (5.24)
1 j=NI +1

NOTA. En el desarrollo anterior se pueden tomar las siguientes aproximaciones

N
a (x) ah (x) = a (Pj ) j (x) . (5.25)
j=1

NI
g1 (x) g1h (x) = g1 (Pj ) j (x) . (5.26)
j=1

N
g0 (x) g0h (x) = g0 (Pj ) j (x) , . (5.27)
j=NI +1

31
o bien trabajar con las funciones originales y despus aproximar las integrales resultantes en
(5.23), (5.24). Obsrvese que se puede sustituir (5.27) en (5.24) para obtener la frmula ms
corta
bi = f i dx + g1 i d ai g0 dx. (5.28)
1

5.4. Propiedades de la matriz de rigidez

Las propiedades ms importantes de la matriz de rigidez Ah son que sta es simtrica
y definida positiva, por lo que el sistema de ecuaciones (5.22) tiene solucin nica Uh =
{uj }N
j=1 . Esta propiedad inmediatamente implica que el problema discreto (5.20) asociado al
I

problema variacional (5.4) tiene la solucin nica

NI
N
uh (x) = uj j (x) + g0 (Pj ) j (x) . (5.29)
j=1 j=NI +1

A continuacin demostramos las principales caractersticas de la matriz Ah :

Simetra. Es obvio que la matriz Ah es simtrica dado que

aij = a (x) i (x) j (x) dx = a (x) j (x) i (x) dx = aji .

Positividad. No es tan obvio, sin embargo, que Ah sea definida positiva. Para demostrarlo,
considrese la isima componente de Ah Uh

NI
(Ah Uh )i = aij uj .
j=1

Entonces

NI NI
NI
UTh Ah Uh = ui (Ah Uh )i = aij ui uj
i=1 i=1 j=1

NI (
NI )
= a (x) i (x) j (x) dx ui uj
i=1 j=1

NI
= a (x) uh uh dx , donde uh (x) = ui j (x) ,
j=1

a0 uh 2 dx 0, por (4.5),

32
lo cual demuestra que Ah es positiva semidefinida. Para completar la demostracin basta
con verificar que
uh 2 dx = 0 solo si uh = 0.

Suponiendo que la integral es cero, se sigue que uh es constante y, dado que uh = 0 sobre
0 , entonces uh = 0 sobre . Se concluye que la matriz Ah es definida positiva.

Sumabilidad. Al igual que en el caso unidimensional la matriz de rigidez Ah posee la

propiedad de sumabilidad

aij = a (x) i j dx = a(x) i j dx. (5.30)
T Th T

Esta propiedad es clave en el mtodo de elemento finito y se utiliza para ensamblar la matriz
de rigidez en forma eficiente, as como para simplificar los clculos. Anlogamente, se obtiene
la propiedad de sumabilidad para el vector de carga (fuente) bh :

f i dx = f i dx. (5.31)
T Th T

Escasez de coeficientes no cero. La matriz de rigidez Ah , al igual que en el caso unidimen-

sional, tambin tiene escasez de coeficientes no cero, es decir es una matriz rala (sparse).
Sin embargo, a diferencia del caso unidimensional, la matriz Ah no es tridiagonal, debido a
que aij = 0 solo s Pi y Pj son vrtices adyacentes en la malla triangular. Por lo tanto los
coeficientes no cero de la matriz dependern de la triangulacin y de la forma en como se
numeren los vrtices de la malla.

5.5. Aspectos prcticos

Con el objeto de simplificar la exposicin, hacemos un resumen de la notacin utilizada
hasta el momento:

Th , triangulacin del dominio .

h , conjunto de vrtices de la triangulacin.

Ih , conjunto de vrtices interiores (sobre 1 ).

Dh , conjunto de vrtices Dirichlet (sobre 0 ).

N , nmero de vrtices en la triangulacin = # (h ).

NI , Nmero de vrtices interiores = # (Ih ).

33
 h = {P }P h = {i }N
i=1 , funciones base piramidales.

0h = {P }P 0h = {i }N I
i=1 , funciones base interiores.

Vh = {vh C 0 () : vh |T P1 , T Th } = gen {h }, espacio discreto de funciones

que aproxima H 1 ().

V0h = {vh Vh : vh = 0 sobre 0 } = gen {0h }, espacio discreto de funciones que

aproxima V0 .

La solucin aproximada uh del problema variacional (5.4) satisface el problema discreto

(5.20). Esta solucin discreta es de la forma

NI
N
uh (x) = uj j (x) + g0 (Pj ) j (x) , x .
j=1 j=NI +1

en donde los coeficientes {uj }N I

j=1 resuelven el sistema de ecuaciones

NI
aij uj = bi , i = 1, . . . , NI ,
j=1

con
aij = a i j dx, i = 1, . . . , NI ,

y
bi = f i dx + g1 i d a i g0 dx.
1

Entonces, para tener completamente determinada la solucin discreta uh , solo hay que calcu-
lar las integrales que definen ai,j y bi , y despus resolver el sistema de ecuaciones resultante.
Cuando las funciones a(x), f (x) y g1 (x) no sean simples ser necesario utilizar mtodos
de integracin numrica para calcular, con cierto nivel de precisin, los coeficientes aij y bi .
Estos mtodos de integracin numrica no deben introducir un error mayor al que produce
la aproximacin del problema por medio del mtodo de elemento finito. El siguiente resul-
tado, indica el orden de aproximacin de la solucin cuando se utiliza el elemento lineal de
Lagrange para resolver el problema variacional.

Teorema. Sea uh la solucin del problema variacional discreto (5.20) obtenida mediante
el mtodo de elemento finito lineal, y sea u la solucin exacta del problema variacional (5.4).
Supngase que a medida que refinamos la malla, los ngulos de cada tringulo T de Th estn
acotados inferiormente por un ngulo 0 > 0, entonces

lm |uh u| dx = 0
2
y lm |uh u|2 dx = 0.
h0 h0

34
Adems el error eh est dado por
eh = uh uL2 () c h2 , (5.32)
en donde c es una constante que no depende de h.

Entonces, el error en el clculo de la solucin por medio del mtodo del elemento finito
es de orden O (h2 ). Por lo tanto, basta utilizar mtodos de integracin numrica que tengan
al menos este orden de aproximacin.

Clculo de los coeficientes aij : Utilizando la propiedad de sumabilidad se tiene

aij = a i j dx = a i j dx.
T Th T

Debido a que i es una funcin vectorial constante sobre cada tringulo T , entonces

aij = i j |T a (x) dx, (5.33)
T Th T

en donde i j |T denota el valor (constante) de i j sobre el tringulo T . La

integral en (5.33), cuando a (x) = a = constante es a |T |, en donde |T | denota el rea del
tringulo T . Por lo tanto, en este caso

aij = a i |T |T |.
T Th

Por otro lado, cuando a depende de x, y no es posible calcular la integral en (5.33) de

manera exacta, se puede utilizar cualquiera de las siguientes aproximaciones:
1. Regla del trapecio:

|T |
3
a (x) dx a(PkT ),
T 3 k=1
en donde P1T , P2T , P3T son los vrtices del tringulo T .
2. Regla de Simpson:

|T |
3
a (x) dx a(MkT ),
T 3 k=1
en donde M1T , M2T , M3T son los puntos medios de las aristas del tringulo T .
3. Regla del centro gravitacional

a (x) dx |T | a(GT ),
T

en donde GT es el centro gravitacional del tringulo T .

35
 GT

Figura 10: Vrtices, puntos medios y centro gravitacional.

La Figura 10 muestra los puntos de cuadratura para cada una de las reglas anteriores.

El orden de aproximacin de la integral es, O (h2 ) para la regla del trapecio, O (h4 )
para la regla de Simpson y O (h2 ) para la regla del centro gravitacional. Adems la regla
del trapecio proporciona la integral exacta si a (x) es un polinomio de grado 1 sobre cada
tringulo T ; la regla de Simpson es exacta si a (x) es un polinomio de grado 3 sobre cada
tringulo T ; la regla del centro gravitacional es exacta si a (x) es un polinomio de grado 1
sobre cada tringulo T .

Por otro lado, las integrales en (5.28) se pueden calcular en forma aproximada como se
indica a continuacin.

1. Las integrales de la forma

a (x) i g0 dx,

pueden aproximarse en forma anloga a como se calcularon los coeficientes aij
2. Las integrales de la forma
f i dx,

se expresan como:
f i dx = f i dx,
T Th T

y sobre cada tringulo T Th se utiliza ya sea la regla del trapecio o bien la regla de
Simpson. Estas integrales son no cero slo cuando el nodo Pi es un vrtice del tringulo
T , y en este caso

|T |
Regla del trapecio : f i dx f (Pi ) .
T 3

|T |
3
Regla de Simpson : f i dx a (MkT ) i (MkT ) .
T 3 k=1

Obsrvese que i (MkT ) = 0 para el punto medio sobre la arista opuesta al vrtice Pi ,
y vale 1/2 sobre los puntos medios de las aristas adyacentes a dicho vrtice.

36
 3. Las integrales de lnea
g1 i d,
1

se pueden calcular con la regla del trapecio o la regla de Simpson a lo largo de cada
arista de la triangulacin que se encuentre sobre 1 . Esta integral es no cero slo en
los segmentos sobre 1 que contenga a el nodo Pi .

5.6. Ejercicios
Ejercicio 5.1. Dada una regin R2 , indica como se construye una triangulacin de
elemento finito y las propiedades que debe satisfacer. Cules son los ingredientes de una
malla de elemento finito?

Ejercicio 5.2. Dada la triangulacin Th del dominio describe al conjunto de funciones que
aproximan el espacio H 1 (). Las funciones piramidales forman una base de este conjunto,
indica cules son sus propiedades principales.

Ejercicio 5.3. Dado el dominio R2 y una triangulacin de elemento finito, indica lo que
significa cada uno de los siguientes smbolos: h, Th , N , NI , h , Dh , Ih , Vh , V0h , h , 0h .

Ejercicio 5.4. Escribe el procedimiento para aproximar el problema variacional mediante las
funciones piramidales para llevarlo a un sistema de ecuaciones con matriz A y lado derecho
bh .

Ejercicio 5.5. Cules son las propiedades de la matriz de rigidez del problema discreto
(5.21)? Demuestra que la matriz de rigidez es definida positiva.

Ejercicio 5.6. Escribe la regla del trapecio, la regla de Simpson y la regla del centro gravita-
T Th . Ahora escribe
cional para aproximar la integral de una funcin f sobre un tringulo
las reglas de aproximacin para integrar sobre f sobre todo = T Th T .

6. Extensin a problemas parablicos

En esta seccin consideraremos un problema parablico. Este tipo de problemas son una
extensin del problema elptico al agregar un trmino dependiente del tiempo de la forma
(x, t) u/t. Este tipo de ecuacin diferencial aparece en problemas de difusin dependi-
entes del tiempo. El nuevo trmino nos obliga a discretizar la variable en el tiempo adems
de las variables espaciales. Para la integracin en el tiempo consideraremos el estudio de dos
de los mtodos ms sencillos, a saber, el mtodo explicito y el mtodo implcito de Euler.

37
6.1. Problema modelo
Considrese el siguiente problema parablico:
Encontrar u = u(x, t) que satisface
u
(a u) = f en (0, T ) , (6.1)
t
u = g0 sobre 0 (0, T ) , (6.2)
u
a = g1 sobre 1 (0, T ), (6.3)
n
u(x, 0) = u0 (x) x , (6.4)

en donde las funciones , a, g0 , g1 , y f , as como la incgnita u, dependen de x y t 0.

La frontera est dividida en dos porciones como se ilustra en la Figura 11. En una porcin
de la misma, 0 , se imponen condiciones de tipo Dirichlet (6.2), y en la porcin restante, 1 ,
se imponen condiciones de tipo Neumann (6.3).

GO

G1

Figura 11: Dominio de inters, Rd , d = 2 3.

Adems, suponemos que las funciones a y satisfacen las siguientes restricciones:

0 a(x, t) M , (6.5)
0 < 0 (x, t) Q , (6.6)

en donde M y Q son constantes reales positivas.

6.2. Formulacin variacional

Al igual que para el problema elptico, introducimos los siguientes espacios de funciones

V = H 1 () , (6.7)
V0 = {v V : v = 0 sobre 0 } . (6.8)

El espacio V0 es el espacio de funciones de prueba para derivar el problema parablico varia-

cional. Para simplificar la notacin denotamos u/t por u. La formulacin variacional del

38
problema parablico es:

Dado u(0) = u0 (x), para t > 0 calcular u(t) V tal que u(t) = g0 (t) sobre 0 , y que
satisface la ecuacin integral

u v dx + au v dx = f v dx + g1 v d, v V0 . (6.9)
1

En esta formulacin hemos utilizado la notacin u(t) = u(x, t) y g0 (t) = g0 (x, t), con el
objeto de simplificar.

6.3. Aproximacin por medio del mtodo de elemento finito

El procedimiento para discretizar el problema variacional (6.9) es el mismo que utilizamos
para discretizar la formulacin variacional del problema elptico. Dada una triangulacin Th
de , como la mostrada en la Figura 5, se definen las funciones piramidales {i }N i=1 , cuya
construccin y propiedades se establecen en la Seccin 5.2. Los espacios de funciones V y V0 ,
definidos en (6.7) y (6.8), se aproximan mediante los espacios discretos
Vh = {v C() : v |T P1 , T Th } = gen{1 , , N }, (6.10)
V0h = {v Vh : v = 0 sobre 0 } = gen{1 , , NI }. (6.11)
Por lo tanto, el problema variacional discreto asociado a (6.9) se puede escribir de la siguiente
manera:

Dado el estado inicial uh (x, 0) = u0 (x), para t > 0 encontrar uh (x, t) Vh con uh (P, t) =
g0 (P, t) en cada vrtice P 0h , de tal manera que:

[ uh vh + auh vh ] dx = f vh dx + g1 vh d, vh V0h . (6.12)
1

Utilizando la notacin uj (t) = uh (Pj , t) y g0j (t) = g0 (Pj , t), en donde Pj h , son los vrtices
de la triangulacin, podemos escribir a uh Vh como

NI
N
uh (x, t) = uj (t) j (x) + g0j (t) j (x). (6.13)
j=1 j=N1 +1

Adems, si tomamos vh = i , con i = 1, . . . , NI , en (6.12), obtenemos

NI [(
) ( ) ]
j i dx uj + aj i dx uj = f i dx + g1 i d
j=1 1

N [( ) ( ) ]
j i dx g0j + aj i dx g0j , (6.14)
j=NI +1

39
con
uj (0) = u0 (Pj ), j = 1, . . . , NI . (6.15)

Observamos que (6.14) y (6.15) constituyen un sistema de NI ecuaciones diferen-

ciales ordinarias (EDO) con NI incgnitas, que podemos representar en la forma

Sh Uh (t) + Ah Uh (t) = bh (t), t > 0, (6.16)

Uh (0) = U0 . (6.17)

en donde las matrices Sh y Ah tienen los coeficientes

sij = (t) i j dx, aij = a(t) i j dx, 1 i, j NI , (6.18)

respectivamente. Los vectores Uh (t), U0 , son

Uh (t) = {uj (t)}N I

j=1 , U0 = {u0 (Pj )}N I
j=1 , (6.19)

respectivamente. Finalmente el vector bh (t) tiene los coeficientes:

N ( )
bi (t) = f (t) i dx + g1 (t) i d i j dx g0j (t)
1 j=NI +1
( ) (6.20)

N
ai j dx g0j (t).
j=NI +1

6.4. Solucin del sistema de EDO

La discretizacin del problema parablico (6.1)(6.3), mediante el mtodo de elemento
finito, produce un sistema de ecuaciones diferenciales ordinarias (EDO) lineales de primer
orden con matrices simtricas S y A. El sistema de EDO ser un sistema con coeficientes
constantes si las funciones y a no dependen de la variable t, de otra manera el sistema ser
de coeficientes variables. Al igual que en el caso del problema elptico, es fcil demostrar que
la matriz Ah es definida semipositiva si a(x, t) 0, x and t > 0. En forma anloga,
se puede demostrar que la matriz Sh es definida positiva (y por lo tanto invertible) si existe
0 > 0 tal que (x, t) > 0 , x and t > 0.

Existencia y unicidad del sistema lineal de EDO. De acuerdo a lo anterior, si suponemos

que las condiciones (6.5)(6.6) se satisfacen para las funciones (x, t) y a(x, t), entonces pode-
mos asegurar que el sistema lineal de EDO (6.16)(6.17) tiene solucin y que esta solucin
es nica. Esto debido a que de (6.16) se obtiene

U(t) = S1 1
h b + Sh Ah U(t),

40
en donde el lado derecho es una funcin continua respecto de t y Lipschitz continua respecto
de U.

Por otro lado, dado que el nmero de ecuaciones diferenciales NI puede llegar a ser de
decenas de miles, o incluso millones en el caso tridimensional, entonces es conveniente aplicar
algn mtodo numrico para resolver el sistema lineal de EDO. En este trabajo solo con-
sideraremos los mtodos ms simples: el mtodo explcito de Euler y el mtodo implcito de
Euler. Estos mtodos, aunque son mtodos de primer orden (orden bajo), son muy robustos y
permiten resolver el sistema lineal de EDO en forma sencilla y econmica, sobre todo cuando
el nmero de ecuaciones es grande.

Mtodo explcito de Euler. Sea t el parmetro de discretizacin en el tiempo, denotamos

por Un a U(nt) para cada n N. El mtodo explcito de Euler consiste en reemplazar
la derivada temporal de U en t = n t por medio del cociente de diferencias haca adelante,
as como reemplazar los trminos restantes por sus valores en el tiempo t = n t. Se obtiene
el siguiente esquema:

Dado U0 = U0 , para n > 1 suponiendo conocido Un , calcular Un+1 por medio del
siguiente esquema:
Un+1 Un
Sh + Ah Un = bn . (6.21)
t
Entonces, si se conoce Un , se calcula Un+1 resolviendo el sistema de ecuaciones algebraicas:
Sh Un+1 = t bn + (Sh t Ah ) Un . (6.22)
Sin embargo, es posible simplificar el proceso mediante una tcnica, muy utilizada por los
usuarios del mtodo de elemento finito, denominada mass lumping . Esto es posible cuando
la funcin no depende de x, ya que es posible aproximar las integrales de masa en (6.18)
mediante la regla del trapecio para obtener los coeficientes sij sin degradar el orden del
mtodo de elemento finito. El resultado es que la matriz S ser un mltiplo de la matriz
identidad, lo cual es crucial, ya que para calcular Un+1 en (6.22) no ser necesario resolver
un sistemas de ecuaciones. En su lugar solo se necesita evaluar la multiplicacin de una
matriz por un vector en cada paso de tiempo, lo cual es mucho ms econmico, justificando
la denominacin del mtodo como esquema explcito.

Mtodo implcito de Euler. El mtodo implcito de Euler consiste en reemplazar la deriva-

da temporal de U en t = (n + 1) t por medio del cociente de diferencias haca atrs, as
como reemplazar los trminos restantes por sus valores en el tiempo t = (n+1) t. Se obtiene
el esquema:

Dado U0 = U0 , para n > 1 suponiendo conocido Un , calcular Un+1 por medio del
siguiente esquema:
Un+1 Un
Sh + Ah Un+1 = bn+1 . (6.23)
t

41
Entonces, si se conoce Un , se calcula Un+1 implcitamente de la solucin del sistema de
ecuaciones algebraicas

(Sh + t Ah ) Un+1 = t bn+1 + Sh Un . (6.24)

Por lo tanto, con el mtodo implcito es necesario resolver un sistema de ecuaciones de

tamao NI NI en casa paso del tiempo, independientemente de si se realiza mass lumping
o no, y por eso el esquema se denomina implcito. Por esta razn se podra pensar que
los mtodos implcitos son mucho ms caros, desde el punto de vista computacional, que
los mtodos explcitos. Sin embargo, esto no es del todo cierto debido a que los esquemas
implcitos usualmente no necesitan restricciones sobre el parmetro de discretizacin t
para garantizar estabilidad numrica, a diferencia de los esquemas explcitos, como veremos
a continuacin. Adems, los mtodos implcitos son mucho ms efectivos en problemas rgidos
(problemas de mutiescala).

6.5. Anlisis de estabilidad de los mtodos

Existen diferentes conceptos de estabilidad cuando se estudian ecuaciones diferenciales.
En el caso que nos ocupa estamos interesados en la estabilidad numrica del esquema utiliza-
do. La estabilidad de los esquemas numricos esta muy relacionada con el error numrico.
Un esquema es estable si los errores cometidos en un paso de tiempo no crecen conforme se
avanza en los clculos en pasos posteriores. Para los problemas dependientes del tiempo, la
estabilidad garantiza que el mtodo numrico proporciona una solucin acotada cuando la
solucin exacta es acotada. En muchos casos se investiga la estabilidad por medio del anlisis
de Von Neumann.

Estabilidad del mtodo explcito de Euler. Para el anlisis de estabilidad de los es-
quemas numricos, usualmente se suprime el efecto de las fuentes, para descartar los efectos
externos, y solo se toman en cuenta las propiedades fundamentales del sistema discretizado.
Por lo tanto, tomamos b = 0 en (6.22), y obtenemos la siguiente solucin de la ecuacin
homognea: ( ) n
Un+1 = I t S1h Ah U . (6.25)

Con el objeto de garantizar que Un permanezca acotado para toda n, es necesario que
los modos fundamentales de la solucin numrica permanezcan acotados conforme se avanza
en el tiempo. Los modos fundamentales de (6.25) estn dados por los vectores propios de la
matriz I t S1
h Ah . Debido a que S es simtrica definida positiva y A es simtrica definida
semipositiva, entonces S1
h Ah es simtrica definida semipositiva, y sus valores propios son
reales y no negativos.
Sea i 0 un valor propio de S1
h Ah , y sea i su correspondiente vector propio. Entonces
por (6.25), se obtiene
n+1
i = (1 t i ) ni , n.

42
Procediendo recursivamente, se obtiene
ni = (1 t i )n 0i , n.
Por lo tanto, el modo permanecer acotado, para toda n, si
|1 t i | 1, o equivalentemente, si t 2/i .
Este resultado lo podemos resumir en el siguiente enunciado:

El mtodo explicito de Euler es estable si el paso de discretizacin en el tiempo satisface

la condicin
2
t . (6.26)
max (S1
h Ah )
Debido a esto, se dice que el mtodo explcito es condicionalmente estable.

Por supuesto que esta condicin podra ser demasiado restrictiva para ciertos problemas,
en los cuales el paso de discretizacin se escogera muy pequeo con el fin de mantener la
estabilidad. Esta es la principal razn por la cual los mtodos explcitos no son los ms
populares para resolver numricamente ecuaciones diferenciales.

Estabilidad del mtodo implcito de Euler. Haciendo b = 0 en (6.24), obtenemos

( ) n+1
I + t S1
h Ah U = Un . (6.27)
Si disponemos de los valores propios de la matriz S1 h Ah , y estos son 1 , 2 , . . ., q , con
sus correspondientes vectores propios 1 , 2 , . . ., q , entonces para cada uno de ellos se
satisface
(1 + t i ) n+1
i = ni , n.
Procediendo recursivamente y despejando, se obtiene
( )n
1
n
i = 0i , n. (6.28)
1 + t i
Como i 0, se obtienen los siguientes casos
ni = 0i si i = 0,
lm ni 0, si i > 0.
n

En consecuencia, la solucin Un del sistema homogneo en (6.24) es acotada para toda n,

independientemente del valor del parmetro de discretizacin t > 0. Por esta razn se dice
que el esquema es incondicionalmente estable. Por lo tanto, la eleccin del parmetro de
discretizacin en el tiempo esta determinada nicamento por el grado de precisin deseado
en la solucin numrica y no por restricciones de estabilidad. Los mtodos implcitos gen-
eralmente se prefieren sobre los implcitos principalmente en problemas rgidos cuando se
buscan soluciones estacionarias.

43
6.6. Anlisis de estabilidad por medio de mtodos de energa
Una forma alternativa de verificar la estabilidad de los esquemas numricos es mediante
tcnicas de estimaciones de energa. La idea central se basa en la observacin de que la matriz
Sh , al ser simtrica y definida positiva, induce una norma:

U2S = (Sh U) U. (6.29)

Para ilustrar como podemos utilizar esta propiedad en el anlisis de estabilidad, considere-
mos el mtodo implcito de Euler (6.23) con b = 0.

Multiplicando la ecuacin (6.23) escalarmente por Un+1 , obtenemos

( )
Un+1 Un ( )
Sh Un+1 + A Un+1 Un+1 = 0.
t

De esta ecuacin y de (6.29), obtenemos

1 ( )
Un+1 2 + A Un+1 Un+1 = 1 (S Un ) Un+1 .
t S t
Puesto que (A Un+1 ) Un+1 0, entonces podemos escribir la siguiente desigualdad
1
Un+1 2 1 (S Un ) Un+1 1 Un Un+1 ,
S S S
t t t
que es una forma de la desigualdad de Cauchy-Schwartz. De esta ltima desigualdad se
obtiene n+1
U Un .
S S

Procediendo recursivamente, obtenemos

Un S U0 S . n,

lo cual demuestra que la solucin numrica permanece acotada para toda n, independiente-
mente del tamao del paso de discretizacin t.

6.7. Ejercicios
Ejercicio 6.1. Escribe el problema parablico incluyendo la ecuacin diferencial, las condi-
ciones de frontera y las condiciones iniciales. Indica las condiciones que deben satisfacer el
coeficientes de difusin a y de densidad .

Ejercicio 6.2. Encuentra el problema variacional del problema parablico y la aproximacin

de elemento finito para obtener el problema de valores iniciales (6.14)(6.15).

44
Ejercicio 6.3. Describe los mtodos explcito e implcito de Euler para integrar el sistema
de ecuaciones (6.14)(6.15) e indica cuales son sus diferencias.

Ejercicio 6.4. Qu se entiende por estabilidad de un mtodo numrico para resolver un

problema dependiente del tiempo? Cules son la propiedades de estabilidad de los mtodos
explcito e implcito de Euler?

45