Sunteți pe pagina 1din 8

Artculo de Investigacin

Puuuri, F. R. y Cab, C. A. / Ingeniera 12-2 (2008) 37-44

Mtodos variacionales en la solucin de ecuaciones diferenciales: una mejora al mtodo de colocacin


Peuuri, F. R.1 y Cab Cauich, C. A.2 Fecha de recepcin: 8 de junio de 2007 Fecha de aceptacin: 2 de agosto de 2008

RESUMEN En este artculo se estudian algunos mtodos variacionales para la solucin de ecuaciones diferenciales. Aunque estos mtodos se pueden utilizar por si solos en la solucin de tales ecuaciones, la simbiosis con el Mtodo del Elemento Finito produce muy buenos resultados. Con el fin de cuantificar el error se analizan dos tipos de normas, la norma euclidiana y la norma de suma. En el contexto de reducir la norma euclidiana del error, se presenta una alternativa para mejorar el mtodo de colocacin y se muestra que la mejor solucin dada por este nuevo mtodo coincide con la del mtodo de mnimos cuadrados. Finalmente, con la ayuda de un ejemplo sencillo, se revisan las ideas introducidas y se hace una comparacin numrica entre tales mtodos. Palabras claves: Mtodos variacionales, ecuaciones diferenciales, mtodo de colocacin.

Variational Methods in the solution of Differential Equations: an improvement to the collocation Method
ABSTRACT In this paper some variational methods for the solution of differential equations are studied. Although these methods can be used by itself in the solution of differential equations, the symbioses with the Finite Element Methods produce very good results. In order to quantify the error, two different kinds of norms, the Euclidian norm and the Sum norm, were analyzed. A method to reduce the error obtained by means of the Euclidian norm for the collocation method is proposed. Comparisons are made between the proposed method and the least square method and it is proved that the best solution given by the proposed method is the same as the one obtained through the least square method. Finally, a simple example with numerical comparisons is presented. Keywords: Variational Methods, Differential Equations, Collocation Method.

1 2

Profesor de carrera. Cuerpo Acadmico de Fsica. Facultad de Ingeniera-UADY. E-mail: francisco.pa@uady.mx Ingeniero Fsico. Egresado de la Facultad de Ingeniera-UADY

37

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44

INTRODUCCIN En general la descripcin matemtica de los fenmenos que ocurren en la naturaleza se presenta en forma de ecuaciones diferenciales (ED). Por tal motivo es de suma importancia tener un fuerte conocimiento de los mtodos que proporcionan soluciones a tales ecuaciones. Dado que la solucin analtica rara vez es posible, es necesario implementar diversos mtodos que permitan obtener, en la mayor de las veces numricamente, sus soluciones. Entre los mtodos de gran popularidad el mtodo de elemento finito (MEF) es conocido por sus buenos resultados y aplicaciones prcticas. Este mtodo consiste en hacer una particin en elementos finitos del dominio de definicin de la funcin para luego, usando algn mtodo aproximado, obtener la solucin en cada uno de los elementos. Por mencionar dos de tales mtodos aproximados tenemos: a) El mtodo de Rayleigh-Ritz b) El mtodo de residuos ponderados el cual se subdivide a su vez en: El mtodo de Galerkin El mtodo de mnimos cuadrados El mtodo de colocacin

clsica es por medio de fuerzas, esto lleva a ecuaciones diferenciales de segundo orden. De la discusin anterior, este trabajo se limita a ecuaciones diferenciales de segundo orden, no obstante, los resultados obtenidos sern aplicables a ecuaciones diferenciales de cualquier orden, incluso ecuaciones diferenciales parciales. Sea pues,

F (Y ( x), Y ' ( x), Y ' ' ( x), x) = 0

(1)

con condiciones iniciales y de frontera (CF) apropiadas, la ecuacin a resolver. La solucin es Y(x) tal que si se sustituye en la Ec. (1) y se verifican las (CF), la Ec. (1) se satisface idnticamente. Aqu x (a,b) con a y b nmeros reales. Se representar una solucin aproximada por y(x). Una sustitucin de y(x) en la Ec. (1) da un trmino R(x) 0 denominado residuo ya que la Ec. (1) no se satisface en forma exacta. Entonces

R( x) = F ( y ( x), y ' ( x), y ' ' ( x), x) .

(2)

La representacin para la solucin aproximada y(x) se escribe como:

Todos estos mtodos son bien conocidos en la literatura y se les llama mtodos variacionales. Es fcil pensar en variaciones de ellos. Por ejemplo, en el caso del mtodo de mnimos cuadrados en vez de minimizar la norma euclidiana del error (raz cuadrada de la suma de los cuadrados de los errores), se puede minimizar la norma de suma (la suma de los valores absolutos de los errores). Despus de un breve resumen de los mtodos mencionados, en la seccin II se muestra una mejora del mtodo de colocacin y se estudia el lmite de tal mejora de acuerdo a ciertos criterios que permitan decir si una solucin es mejor que otra. En la seccin III se revisa un ejemplo en el que se comparan los errores de las soluciones obtenidas con los distintos mtodos y, finalmente se presentan las conclusiones. Consideraciones generales Desde el punto de vista de la mecnica newtoniana, si se conocen las fuerzas que actan sobre un cuerpo es posible determinar su posicin en cualquier instante de tiempo, ya sea pasado presente o futuro. En particular se sabe que la fuerza es la derivada temporal del momento lineal lo que a su vez resulta en la segunda derivada de la posicin respecto del tiempo. La descripcin de la naturaleza en mecnica

y ( x) = c j j ( x); c 0 = 1
j =0

(3)

con

funciones linealmente independientes y cj parmetros desconocidos por determinar. Comnmente se escogen polinomios para las funciones j . Cuantificacin del error Si se conocen Y(xi) y y(xi) para algn xi dentro del intervalo (a,b), se define ei como:

ei e( xi ) = Y ( xi ) y ( xi ).

(4)

Con esto se construye un vector error E cuya i-sima componente es ei. La norma de suma del vector E se define como la suma de los valores absolutos de cada componente:

|| E || s = | ei | .
i

(5)

La definicin anterior es una muy buena alternativa para cuantificar el error. No obstante, en el lmite,

39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 cuando el ndice i se vuelve continuo, es complicado manejar los valores absolutos en forma analtica. Una alternativa muy comn para cuantificar el error es la norma euclidiana, su definicin es: asociadas a cierta funcin lagrangiana L(Y, Y ', x). La solucin se determina minimizando la accin:

|| E || E =

e .

2 i

(6)

S = dxL(Y , Y ' , x)
a

(13)

Cuando se minimiza el error dado por la norma euclidiana, se dice que el error se minimiza por mnimos cuadrados. Cuando el ndice i se vuelve continuo,

El mtodo de Rayleigh-Ritz consiste en sustituir la solucin exacta Y(x) por la aproximada y(x) la que depende de parmetros c1 , c2 , L . El hecho de que S sea un extremo implica que

dS [ y ( x; c1 , c 2 , L)] = 0
(7) de donde

(14)

|| E || s = dx | e( x) |
a

S S = =L= 0 c1 c2
(8)

(15)

|| E ||E =

dx e 2 ( x) .

Ya que la solucin exacta Y(x) es desconocida se usara el residuo, R(x) en el caso continuo y Ri R ( xi ) en el caso discreto, para cuantificar el error. Esto es:

De la Eq. (15) se plantea un sistema de n ecuaciones con n incgnitas. Resolviendo este sistema se obtiene los parmetros cj. El mtodo de residuos ponderados (PetrovGalerkin) Cuando se sustituye la solucin (3) en la ecuacin (1), resulta un residuo el cual es funcin de x, no obstante, debido a que los parmetros no son conocidos, a priori, se escribir

|| E || s = | Ri |
i

(9) (10)

|| E || E =
b

Ri2

R( x; c j ).

(16)

|| E || s = dx | R ( x) |
a

(11)

En el mtodo de residuos ponderados, los parmetros se determinan integrando el residuo multiplicado por ciertas funciones conocidas como funciones de peso.

|| E || E =

dxR 2 ( x) .

(12)

wi ( x) R ( x; c j ) = 0,

(17)

De acuerdo a la discusin previa, se dice que una solucin es mejor que otra dependiendo del criterio utilizado (Ecs. 9, 10, 11, 12). Mtodos variacionales La esencia fundamental de estos mtodos es optimizar cierta cantidad. En esta seccin se har una breve descripcin de ellos. Para una descripcin ms elaborada se recomienda la siguiente bibliografa (Redy, 1993; Hutton, 2004) El mtodo de Rayleigh-Ritz Este mtodo se aplica a ecuaciones diferenciales originadas de las ecuaciones de Euler-Lagrange

realizando las integrales anteriores, se obtiene un sistema de n ecuaciones con n incgnitas. Resolviendo tal sistema, se obtienen los parmetros cj que se sustituirn en la solucin aproximada. Ec. (3). El mtodo de Galerkin Para el caso en que las funciones de peso wi (x) de la Ec. (17) son las mismas que las de la solucin aproximada (las j ), el enfoque se conoce como el mtodo de Galerkin. Bajo ciertas circunstancias los mtodos de Galerkin y Rayleigh-Ritz son equivalentes (Redy, 1993).

39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 trabajos (Jia-Yi Yeh, 2007; Pontaza, 2005; Hossne, 2007) METODOLOGA Mtodo de colocacin mejorado (MCM) El MC es muy sencillo pero tiene serias deficiencias. Supngase que en la Ec. (3) se tienen nicamente dos parmetros y se escogen dos puntos entre a y b, de acuerdo a la seccin anterior, se tiene:

El mtodo de mnimos cuadrados (MMC) El mtodo de mnimos cuadrados consiste en minimizar la norma euclidiana del vector error. Ec. (12):

I RE = dx R 2 ( x; c1 , c2 , L).
a

(18)

Luego, de la condicin de mnimo,

I RE =0 c j

(19)

R ( x1 ; c1 , c2 ) = 0 R ( x2 ; c1 , c2 ) = 0.

(22)

se obtiene de nuevo un sistema de n ecuaciones con n incgnitas que se debe resolver para obtener los parmetros cj. Alternativamente, se puede minimizar la norma de suma del vector error:

Resolviendo el sistema anterior se hace que el residuo de la solucin aproximada sea cero en los puntos x1 y x2 , pero quedan infinitos puntos donde el residuo puede ser grande. De la Ec. (22), se puede escribir el conjunto de ecuaciones lineales en forma matricial como

I Rs = dx | R ( x; c1 , c 2 , L) | .
a

(20)

Desafortunadamente un tratamiento analtico de tal ecuacin es complicado pero se puede tratar un enfoque numrico para obtener los parmetros cj. El mtodo de colocacin (MC) Este mtodo es quiz el ms simple de los mencionados hasta ahora pero es tambin el menos confiable. El MC consiste en evaluar el residuo en ciertos puntos arbitrarios xi ( a, b) e igualarlo a cero. El nmero de puntos a evaluar ser tantos como parmetros haya en la Ec. (3) para formar un sistema de n ecuaciones con n incgnitas. Se procede como antes para obtener los cj. Ntese que este mtodo es un caso especial de (17) cuando se escogen las funciones de peso como la delta de Dirac,

c e M 22 1 = 1 . Los puntos x1 y x2 son c e 2 2


arbitrarios pero teniendo en cuenta que la matriz M sea invertible. Para mejorar el mtodo se propone agregar ms puntos en la expresin (22). Por ejemplo si se agrega x3 :

R ( x1 ; c1 , c 2 ) = 0 R ( x 2 ; c1 , c 2 ) = 0 R( x3 ; c1 , c 2 ) = 0
el conjunto de ecuaciones lineales es ahora:

(23)

dx ( x xi ) R( x; c j ) = R ( xi ; c j ). (21)

De lo expuesto, es claro que si se desea obtener el menor valor de la norma euclidiana del error se debe usar el MMC, si lo que importa es minimizar la accin, se deber escoger el mtodo de Rayleigh-Ritz. La eleccin de un mtodo en particular depender de lo que se quiera minimizar y/o de lo que sea factible de llevar a cabo. Conviene mencionar que los mtodos ms utilizados en el MEF son el mtodo de Rayleigh-Ritz y el de Galerkin, por citar algunos

e1 c1 M 32 = e2 . c 2 e 3

(24)

Es bien sabido que tal sistema no tiene solucin en el sentido usual, de hecho el sistema es claramente inconsistente, a menos que alguna de las ecuaciones sea linealmente dependiente de las otras dos lo que en ltima instancia se reducira a un sistema de 2 2.

39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 Se propone ahora, cambiar el criterio usado para encontrar los parmetros c1 y c2 . En lugar de tratar resolver el sistema de ecuaciones lineales (24) se pretende encontrar c1 y c2 de tal forma que Ntese que un procedimiento similar se podra usar para mejorar el mtodo de Petrov-Galerkin (desde luego que tambin el mtodo de Galerkin que como ya se mencion es un caso particular de ste), se tratara con p funciones de peso extra, tantas como se quiera, para tener un sistema de n+p ecuaciones con n incgnitas, n de estas ecuaciones saldran de (17) las otras de las funciones extra que se haya propuesto. Se procedera de la misma forma que en el MCM para obtener los cj. DISCUSIN Y RESULTADOS Comparacin con el mtodo de mnimos cuadrados En ocasiones no es posible realizar analticamente el mtodo de mnimos cuadrados y se usa un tratamiento numrico de la Ec. (18). Es claro que el resultado de la integral involucrada depender de la particin hecha para realizar la integral en forma numrica, pero si la particin es de dos rectngulos de igual base, el resultado ser el mismo que el dado por el mtodo de colocacin si se usan los mismos puntos xk en ambos mtodos. De igual forma, existe una particin que dar los mismos resultados que el mtodo de colocacin mejorado, sta es:

tenga el mnimo valor posible. Se expresa lo anterior formalmente a travs del siguiente teorema: Teorema . Entonces Sea A una matriz real m n y en el Ax=b siempre tiene al menos una solucin sentido que: si las columnas de A son linealmente independientes, la solucin es nica y est dada por: (25) Para ver una demostracin se recomienda la referencia (Poole, 2003). La generalizacin de la ecuacin (23) a una introduccin de l puntos queda:

dxR 2 ( x; c j ) R 2 ( xk ; c j )x. (28)


k

Ntese que en la expresin anterior se ha tomado x y no x k , la particin se toma a intervalos constantes, x=cte. Una minimizacin de

R ( x1 ; c j ) = 0

(26)

R ( x2 ; c j ) = 0
M R ( xl ; c j ) = 0.
o en forma matricial:

R 2 ( x k ; c j ) x

(29)

dar los mismos cj que resolver el sistema de ecuaciones (26) o la Ec. (27). El mejor resultado del mtodo de colocacin mejorado ser tal que el nmero de puntos en los que el residuo se hace cero, sea infinito. Matemticamente,

e1 c1 e2 Al2 = c 2 M e l

(27)

R( x1 ; c j ) = 0

(30)

El mtodo de colocacin mejorado har uso de la Ec. (25) con el fin de obtener el conjunto de parmetros que describan la mejor solucin.

R ( x2 ; c j ) = 0
M R( xl ; c j ) = 0 M
39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 y es bien sabido que cuando la particin se hace infinita, la integral ya no depende de sta, luego entonces, por el teorema previamente discutido la solucin del sistema Ec. (30) coincidir con los resultados del mtodo de mnimos cuadrados. Ciertamente habr situaciones en las que una minimizacin de la Ec. (29) sea conveniente en vez de resolver el sistema Ec. (27), pero es claro que tambin habr situaciones donde una realizacin del mtodo de colocacin mejorado sea ms conveniente. Aplicacin de los mtodos a la solucin de una ecuacin diferencial. Con el propsito de hacer algunas comparaciones entre los mtodos ya mencionados se realiza el siguiente ejemplo tomado de Ref. (Hoffman, 2001). Se propone resolver la siguiente ecuacin diferencial usando 4 funciones prueba en el intervalo [0,1]: Y '' (x)16 Y = 0; Y (0) = 0; Y (1) = 100 (31) de (3)

c2 =
as que

21600 5600 ; c3 = 377 29

(37)

y RR

= 100 x + +

21600 ( x 1) x 377 5600 ( x 1) x 2 (38) 29

Para este ejemplo, el mtodo de Galerkin coincide con el mtodo de (R-R). Usando las mismas funciones j (x) el MMC da:

y MMC

= 100 x + +

51630 ( x 1) x 8961 21280 ( x 1) x 2 103

(39)

y ( x) = 0 ( x) + c11 ( x) + c 2 2 ( x) + c33 ( x),


(32)

El MC, evaluando en los puntos x1 = da:

1 2 y x2 = 3 3

escogiendo polinomios para las funciones tiene que

j (x) , se

0 ( x) = 0

para que Y(x) y y(x) satisfagan

y MC

= 100 x + +

las mismas condiciones de frontera. Para las otras funciones se escogen los polinomios:

1 ( x) = x; 2 ( x) = x( x 1);3 ( x) = x 2 ( x 1)
(33) Entonces

2592 ( x 1) x 43 7200 ( x 1) x 2 43

(40)

El MCM con siete ecuaciones cuyo residuo se evalu en el intervalo [1/8,7/8] con incrementos de 1/8 da:

y ( x) = c1 x + c 2 x( x 1) + c3 x 2 ( x 1) (34)
y MCM
y de la segunda condicin de frontera c1=100 de donde:

= 100 x + +

15564800 ( x 1) x 263577 492800 (41) ( x 1) x 2 2559

y ( x) = 100 x + c 2 x( x 1) + c3 x 2 ( x 1) (35)
Aplicando el mtodo de (R-R) con la lagrangiana: Una minimizacin numrica de la norma de suma del error nos da:

L = 8Y 2 +
se tiene

Y '2 2

(36)

y ns

= 100 x + 63.9476( x 1) x + 171.09( x 1) x 2


(42)

39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 Los errores correspondientes se muestran en la tabla 1, stos son respecto a la ecuacin (2), no con respecto a la Ec.(4).

Tabla 1: Errores (Norma euclidiana y norma de suma) Mtodo R-R MMC MC MCM ns La solucin exacta es: Y(x)=100 Csch(4) Senh(4 x) (43)

|| E || E
212.755 207.871 239.527 211.891 228.966

|| E || s
158.25 167.183 156.444 158.678 154.422 y en la figura (1) se muestran las grficas para algunas de las soluciones en el rango 0x0.5.

Figura 1: Grficas; solucin exacta, R-R y MCM En la tabla 2, se compara la norma euclidiana del error para los mtodos MMC y MCM. Se observa que si el nmero de ecuaciones se incrementa, las normas euclidianas de los errores para ambos mtodos coinciden.

Tabla 2: Comparacin entre las normas euclidianas de los errores para (MCM) y (MMC) No. de ecuaciones 7 99 999 9999 ||EMCM||E-||EMMC||E 4.01966 0.02395 0.00023 210-6 ||EMMC||E 207.87115 207.87115 207.87115 207.87115

CONCLUSIONES Despus de un breve resumen de algunos mtodos variacionales, se escogi el mtodo de colocacin para realizar mejoras sobre ste con lo que se obtuvo

un nuevo enfoque al cual se le ha llamado mtodo de colocacin mejorado (MCM). Con el propsito de ilustrar las ideas expuestas se analiz un ejemplo sencillo y se vio que con una introduccin de siete

39

Puuuri, F. R. y Cab Cauich, C. A. / Ingeniera 12-2 (2008) 37-44 ecuaciones en el MCM se tiene un error por mnimos cuadrados menor que en el mtodo de Rayleigh-Ritz. Se hicieron comparaciones entre ellos y se mostr que la mejor solucin del MCM (en el sentido de minimizar la norma euclidiana del error) es la misma que en el mtodo de mnimos cuadrados. Numricamente, para una introduccin de 9999 ecuaciones en el MCM se obtuvo una diferencia entre

|| E MCM || E y || E MMC || E del orden de 2 10 6 .

REFERENCIAS BIBLIOGRFICAS Reddy, J.N (1993). An Introduction to the Finite Element Method. McGraw-Hill. Hutton, D.V (2004). Fundamentals of Finite Elements Analysis. McGraw-Hill. Jia-Yi Yeh (2007). Vibration analyses of the annular plate with electrorheological fluid damping treatment. Finite Elements in Analysis and Design, Volume 43, Issues 11-12, 965-974. Pontaza, J.P (2005). Least-squares variational principles and the finite element method: theory, formulations, and models for solid and fluid mechanics. Finite Elements in Analysis and Design, Volume 41, Issues 7-8, 703-728. Hossne, A.G (2007). Lagrangiano de un elemento finito plano elstico con ocho grados de libertad. Ingeniera, Revista Acadmica de la FI-UADY,11-1,pp.25-36,ISNN:1665-529X. Poole, D (2003). Linear Algebra. A modern Introduction. Thomson Brooks/Cole. Hoffman, J.D (2001). Numerical Methods for Engineers and Scientists. McGraw-Hill.

_______________________________ Este documento se debe citar como: Peuuri, F. R. y Cab Cauich, C. A. (2008). Mtodos variacionales en la solucin de ecuaciones diferenciales: una mejora al mtodo de colocacin. Ingeniera, Revista Acadmica de la FI-UADY, 12-2, pp. 37-44, ISSN: 1665529X

44

S-ar putea să vă placă și