Captulo 5

Problemas de contorno: elementos nitos

5.1. Introducci on
Presentaremos el metodo de los elementos nitos estudiando un problema
concreto,
u

+ u = f si a < x < b, u(a) = u(b) = 0. (5.1)

Nota. El problema con condiciones no homogeneas u(a) = , u(b) = se
reduce a este mediante el cambio de inc ognita u = u u
0
, siendo u
0
cualquier
funci on regular tal que u
0
(a) = , u
0
(b) = (tomar, por ejemplo, u
0
afn). La
funci on u es soluci on del problema homogeneo, eso s, con una nueva f.
Denici on 5.1. Sea f C([a, b]). Una solucion clasica del problema (5.1) es
una funcion u C
2
((a, b)) C([a, b]) que verica (5.1) para todo x [a, b].
Gracias a los resultados conocidos para ecuaciones diferenciales ordinarias
tenemos el siguiente teorema de existencia y unicidad.
Teorema 5.2. Dado f C([a, b]), existe una unica solucion clasica de (5.1).
101
C omo calcular la soluci on numericamente? En este caso, como la geometra
del dominio es sencilla, podemos utilizar un metodo de diferencias nitas. Por
ejemplo, si consideramos el conjunto de puntos
x
n
= a + nh, n = 0, 1, 2 . . . , N = (b a)/h,
y aproximamos la derivada segunda usando la f ormula de diferencias centradas,
los valores u
n
de las aproximaciones de la soluci on en los nodos x
n
se obtienen
resolviendo el sistema

u
n+1
2u
n
+ u
n1
h
2
+ u
n
= f
n
si 0 < n < N, u
0
= u
N
= 0.
Los valores u
n
se pueden interpolar para obtener una aproximaci on de u(x)
en puntos x que no pertenezcan al conjunto x
n
. Si, por ejemplo, usamos
interpolaci on lineal, entonces obtenemos como aproximaci on
u
h
(x) =
N1

n=1
u
n

n
(x),
con

n
(x) =
_

_
x x
n1
x
n
x
n1
, x [x
n1
, x
n
],
x
n+1
x
x
n+1
x
n
, x [x
n
, x
n+1
],
0, en el resto.
(5.2)
Veamos lo que hemos conseguido desde una perspectiva distinta. Hemos
obtenido una aproximaci on u
h
a la verdadera soluci on dentro del espacio de
dimensi on nita
V
h
= v C([a, b]) : v(a) = v(b) = 0, v

[x
n1
,x
n
]
P
1
([x
n1
, x
n
]), 1 n N.

Este ser a precisamente el punto de partida para el metodo de elementos

nitos:
102
Buscar una aproximaci on u
h
a la soluci on dentro de un espacio de dimen-
si on nita.
C omo hacerlo? Elegimos M funciones linealmente independientes que sa-
tisfagan las condiciones de frontera,
l
(a) =
l
(b) = 0, l = 1, . . . , M y consi-
deramos el espacio vectorial de dimensi on nita generado por ellas,
V
h
:= L(
1
, . . . ,
M
).
Buscamos una aproximaci on u
h
a u dentro de V
h
,
u
h
(x) =
M

l=1

l
(x), a x b, (5.3)
donde
1
, . . . ,
M
son constantes reales. N otese que, dado que todos los ele-
mentos de V
h
satisfacen las condiciones de frontera, u
h
tambien lo hace.
Elegiremos los n umeros
1
, . . . ,
M
de manera que u
h
V
h
aproxime a u
lo mejor posible. Que queremos decir con esto?
Para cualquier elecci on de
1
, . . . ,
M
consideramos el defecto o residuo
d
h
(x) := u

h
(x) + u
h
(x) f(x), a < x < b.
Nota. Para que el defecto este bien denido necesitamos que u
h
C
2
((a, b)).
Por tanto pedimos en principio que
l
C
2
((a, b)) C([a, b]), aunque m as
adelante rebajaremos esta hip otesis.
Si u
h
fuera la soluci on de (5.1), el defecto sera identicamente cero. Por
tanto, cuanto m as pr oximo este d
m
a la funci on cero, mejor esperamos que sea
nuestro candidato a soluci on.
Dado un producto escalar en C([a, b]) (espacio que incluye al de las solu-
ciones cl asicas) se puede escribir C([a, b]) = V
h
V

h
, lo que se traduce en
la descomposici on u = u
h
+ u

h
, y la f ormula para el defecto es simplemente
d
h
= (u

h
)

h
. Como esperamos que V
h
sea tan grande que contenga to-
das las funciones de interes, es natural imponer, para minimizar errores que la
103
proyecci on de d
h
sobre V
h
sea nula, esto es, d
h
V

h
, o lo que es lo mismo
d
h
,
k
) = 0, k = 1, . . . , M. (5.4)
Estas condiciones se llaman ecuaciones de Galerkin. Tambien podemos re-
interpretar lo anterior diciendo que consideramos que V

h
es el espacio de
funciones despreciables, y lo que imponemos es que el operador de error
u

h
d
h
= (u

h
)

h
aplique V

h
en V

h
para que una aproximaci on buena
no de lugar a un defecto grande.
Nuestro segundo principio es por tanto:
Elegir la aproximaci on de forma que el defecto sea ortogonal al espacio V
h
.
En nuestro caso podemos tomar como producto escalar en C([a, b]) el pro-
ducto escalar de L
2
((a, b)),
v, w) =
_
b
a
vw.
Por otra parte, usando la representaci on (5.3) tenemos que
d
h
=
M

l=1

l
+
M

l=1

l
f,
que sustituido en (5.4) produce
M

l=1

l
_
b
a
(

l

k
+
l

k
) =
_
b
a
f
k
, (5.5)
para k = 1, . . . , M. Es decir, tenemos el sistema lineal
M

l=1
a
kl

l
=
_
b
a
f
k
, k = 1, . . . , M,
donde
a
kl
:=
_
b
a
(

l

k
+
l

k
), k, l = 1, . . . , M.
104
La resoluci on del sistema nos produce los
l
y por tanto la aproximaci on
numerica u
h
.

Este es el llamado metodo de Galerkin.
Para la puesta en pr actica del metodo hay que evaluar M
2
integrales, bien
explcitamente, o bien por medio de f ormulas de cuadratura numerica, as co-
mo resolver un sistema lineal de dimensi on M. Si M es un poco grande la tarea
computacional, as como las necesidades de almacenamiento en memoria, pue-
den ser excesivas. Ah es donde entra el principio que distingue al metodo de
elementos nitos de otros metodos de Galerkin:
Elegir las funciones
k
de manera que sop
k
sop
l
= para la mayor
parte de las elecciones de k, l = 1, . . . , M.
De esta forma, habremos reducido ampliamente tanto el n umero de integra-
les a calcular, como el n umero de elementos no nulos de la matriz del sistema.

Esta ser a dispersa, con el consiguiente ahorro de memoria y de n umero de

operaciones para resolver el sistema.
Una elecci on excelente en este sentido sera tomar
V
h
= L(
1
, . . . ,
N1
),
con
n
como en (5.2). De esta forma, sop
k
sop
l
= si [k l[ > 1. Pero
hay un problema: estas funciones b asicas
n
no pertenecen a C
2
((a, b)), y de
hecho, ni siquiera a C
1
((a, b)). Aun as, desearamos poder trabajar con este
espacio, pues la matriz de coecientes sera tridiagonal.
Que hacer? Podemos integrar por partes las ecuaciones de Galerkin (5.5),
usando que las funciones
l
se anulan en los extremos del intervalo, para obte-
ner
M

l=1

l
_
b
a
(

k
+
l

k
) =
_
b
a
f
k
, (5.6)
para k = 1, . . . , M. Es decir, tenemos el sistema lineal
M

l=1
a
kl

l
=
_
b
a
f
k
, k = 1, . . . , M,
105
donde
a
kl
:=
_
b
a
(

k
+
l

k
), k, l = 1, . . . , M.
Que hemos ganado? La integraci on por partes elimina una derivada, as que
ya no hay que pedir que las funciones b asicas tengan dos derivadas. De hecho,
incluso pedir
l
C
1
((a, b)) es excesivo. Los coecientes a
kl
tienen sentido
para funciones
l
mucho m as generales, por ejemplo para funciones derivables
a trozos como las denidas en (5.2).
La integraci on por partes reduce los requisitos de regularidad sobre las
l
.
Cuanto menores sean dichos requisitos, mayor ser a la clase de funciones base
que podemos considerar. Esto facilitar a nuestra tarea de construir funciones
base que se anulen en casi todo el intervalo. Tenemos as un nuevo principio:
Integrar por partes para reducir lo m as posible las exigencias de regula-
ridad sobre el espacio V
h
.
5.2. Un poco de analisis funcional. Espacios de Sobolev
Llegados a este punto, nos gustara saber cu al es la regularidad mnima
necesaria para que las ecuaciones (5.6), o equivalentemente los coecientes a
kl
,
tengan sentido. Esto nos lleva a estudiar los llamados espacios de Sobolev.
Sea I = (a, b) un intervalo, no necesariamente acotado, y 1 p .
Denotamos por C
1
c
(I) al conjunto de las funciones derivables en I con soporte
compacto en I.
Denici on 5.3. El espacio de Sobolev W
1,p
(I) se dene por
W
1,p
(I) = u L
p
(I) : g L
p
(I) tal que
_
b
a
u

=
_
b
a
g C
1
c
(I).
Notacion. Se suele escribir H
1
(I) = W
1,2
(I).
106
La funci on g desempe na el papel de u

cuando se integra por partes. As,

para cada u W
1,p
(I) se escribe g = u

, y se dice que g es la derivada debil

de u. De esta forma, W
1,p
(I) es el espacio de las funciones de L
p
(I) cuya
derivada (debil) est a en L
p
(I).
Observacion. Si u C
1
(I) L
p
(I) y u

L
p
(I) (aqu u

es la derivada usual
de u), entonces u W
1,p
(I). Adem as la derivada usual de u coincide con la
derivada de u en el sentido de W
1,p
. En particular, si I est a acotado, entonces
C
1
(I) W
1,p
(I) para todo 1 p .
Ejemplo. Consideramos la funci on u(x) = [x[ para x (1, 1). Dada
C
1
c
(I) se tiene que
_
I
u

=
_
0
1
x

+
_
1
0
x

=
_
0
1
+
_
1
0
,
donde la ultima igualdad proviene de integrar por partes teniendo en cuenta
que (1) = 0. Por tanto,
_
I
u

=
_
I
g,
con
g(x) =
_
1 si 1 < x < 0,
1 si 0 < x < 1.
Evidentemente g L
p
(I) para todo 1 p . As u W
1,p
(I) para todo
1 p , y la derivada debil de u es u

= g. Sin embargo, la funci on

u(x) = [x[ no es derivable en x = 0 en el sentido usual, y por tanto u , C
1
(I).
De la misma forma se prueba que si el intervalo I est a acotado, entonces
toda funci on continua en I y derivable con continuidad a trozos en I pertenece
a W
1,p
(I) para todo 1 p .
Notaciones. El espacio W
1,p
est a dotado de la norma
|u|
W
1,p = (|u|
p
L
p +|u

|
p
L
p)
1/p
.
107
En H
1
esta norma corresponde al producto escalar
u, v)
H
1 = u, v)
L
2 +u

, v

)
L
2.
Teorema 5.4. El espacio W
1,p
es un espacio de Banach para 1 p .
Prueba. Sea u
n
una sucesi on de Cauchy en W
1,p
; entonces u
n
y u

n
son
sucesiones de Cauchy en L
p
. Por la completitud u
n
u en L
p
y u

n
g en
L
p
. Se tiene
_
b
a
u
n

=
_
b
a
u

n
C
1
c
(I),
y en el lmite
_
b
a
u

=
_
b
a
g C
1
c
(I),
Por tanto u W
1,p
, u

= g y |u
n
u|
W
1,p 0.
Consecuentemente, H
1
(I) es un espacio de Hilbert. Dicho espacio parece
ser el adecuado para plantear las ecuaciones (5.6), salvo porque sus elementos
no satisfacen en general las condiciones de frontera homogeneas. Las funciones
de W
1,p
est an denidas en casi todo punto, y la frontera I tiene medida cero,
as que en principio no tiene sentido pedir que las funciones de la base
l
, y
por tanto la soluci on aproximada u
h
, valgan cero en I. Nos tendremos que
contentar con que esa propiedad se verique en un sentido debil. Para ello
introducimos un nuevo espacio.
Denici on 5.5. Dado 1 p < , se designa por W
1,p
0
(I) al cierre de C
1
c
(I)
en W
1,p
(I). Se nota H
1
0
(I) = W
1,2
0
(I).
El espacio W
1,p
0
est a dotado de la norma inducida por W
1,p
y con esta
norma es un espacio de Banach; el espacio H
1
0
est a dotado del producto escalar
inducido por H
1
, y con este producto escalar es un espacio de Hilbert.
Pedir que una funci on u este en W
1,p
0
(I) es una forma debil de pedir que
u = 0 en I, en el sentido de que podemos aproximar u tanto como queramos
(en la norma de W
1,p
) por funciones de C
1
c
(I) que tienen esa propiedad.
108
En realidad no es completamente satisfactorio que las condiciones de con-
torno se satisfagan tan s olo en un sentido debil. Afortunadamente, en dimen-
si on d = 1 las funciones de W
1,p
(I) son mejores de lo que cabra esperar, lo
que permitir a dar sentido al valor que toman en un punto.
Teorema 5.6. Sea u W
1,p
(I); existe una funcion u C(I) tal que u = u
c.t.p. en I; es decir, u tiene un representante continuo. Ademas, u(x)u(y) =
_
x
y
u

(t) dt, x, y I.
En general se sustituir a sistem aticamente u por su representante continuo; y
con el n de no recargar la notaci on se designar a tambien por u al representante
continuo. Podemos por tanto hablar del valor de una funci on u W
1,p
(I) en
un punto de I. Nos estaremos reriendo al valor de su representante continuo
en dicho punto. En particular, las funciones de W
1,p
0
(I) se pueden caracterizar
de la forma siguiente.
Teorema 5.7. Sea u W
1,p
(I); entonces u W
1,p
0
si y solamente si u = 0
sobre I.
As que ya tenemos el espacio que est abamos buscando: pediremos que

l
H
1
0
.
5.3. Soluciones debiles. Formulaci on de Galerkin
Conviene que revisemos lo que hemos hecho. Para tener m as exibilidad
en la elecci on del espacio de dimensi on nita V
h
, hemos rebajado las hip otesis
de regularidad sobre las funciones
l
, pidiendo tan s olo que
l
H
1
0
. Con esto
las ecuaciones de Galerkin (5.6) tienen perfecto sentido y permiten calcular
la aproximaci on u
h
V
h
. Estas ecuaciones caracterizan a u
h
como la unica
funci on en V
h
(subespacio de dimensi on nita de H
1
0
) tal que
_
b
a
u

+
_
b
a
u
h
=
_
b
a
f V
h
. (5.7)
109
Observese que u
h
H
1
0
(I), pero que en general u
h
, C
2
(I). Es decir, la
aproximaci on tiene menos regularidad que la verdadera soluci on. Esto, que en
principio no es demasiado importante, produce sin embargo un punto debil
en nuestros argumentos. Para llegar a las ecuaciones (5.6) hemos partido de
las ecuaciones (5.4), que involucran al defecto d
h
; y el defecto no est a bien
denido para funciones que s olo est an en H
1
0
, pero no en C
2
. Esta situaci on
parece inevitable, acaso es posible escribir un problema en derivadas segundas
sin usar derivadas segundas? Sorprendentemente la respuesta es armativa en
muchos casos importantes, y conduce al concepto de solucion debil.
Sea u una soluci on cl asica de (5.1). Si multiplicamos la ecuaci on por una
funci on C
1
c
(I) e integramos por partes se tiene que
_
b
a
(u

+ u) =
_
b
a
f. (5.8)
De hecho, por ser C
1
c
(I) denso en H
1
0
(I), la igualdad es cierta para cada
H
1
0
(I). En efecto, dada H
1
0
(I), existe una sucesi on
n
de funciones
de C
1
c
(I) tal que |
n
|
H
1
(I)
0 cuando n . Para cada una de las
funciones
n
se tiene que
_
b
a
(u

n
+ u
n
) =
_
b
a
f
n
. (5.9)
Ahora bien, usando la desigualdad de Cauchy-Schwarz tenemos que

_
b
a
(u

n
+ u
n
)
_
b
a
(u

+ u)

= [u,
n
)
H
1[ |u|
H
1
|
n
|
H
1,

_
b
a
f
n

_
b
a
f

= [f,
n
)
L
2[ |f|
L
2|
n
|
L
2.
Por tanto, pasando al lmite en (5.9) obtenemos que (5.8) es cierta para cual-
quier H
1
0
(I).
En realidad para que (5.8) tenga sentido basta con que f L
2
(I) y u
H
1
0
(I), lo que motiva la siguiente denici on.
110
Denici on 5.8. Sea f L
2
(I). Una solucion debil de (5.1) es una funcion
u H
1
0
(I) que verica (5.8) para toda funcion H
1
0
(I).
Con esta denici on las condiciones de contorno est an implcitas en el espacio
funcional.
Observacion. Sea f C([a, b]). Hemos visto que la soluci on cl asica es soluci on
debil. Recprocamente, si una soluci on debil es C
2
(I) C(I), entonces es solu-
ci on cl asica. Para verlo, integramos por partes la expresi on (5.8) y obtenemos
que
_
b
a
(u

+ u f) = 0 C
1
c
(I).
Supongamos que g = u

+uf es distinto de cero para alg un punto x

0
I.
Para concretar supongamos que g(x
0
) > 0. Por continuidad, existe > 0 tal
que g(x) > 0 en (x
0
, x
0
+). Tomando C
1
c
(I) tal que 0, (x
0
) > 0,
sop (x
0
, x
0
+ ), tenemos que
_
b
a
(u

+ u f) > 0,
una contradicci on. Concluimos que
u

+ u = f si a < x < b.
Las condiciones de contorno se verican, por ser u una funci on de H
1
0
(I).
Sea V
h
un subespacio de dimensi on nita de H
1
0
(I). Si pedimos que se satis-
faga la condici on de soluci on debil (5.8), pero restringiendonos a funciones u
h
y del subespacio V
h
(en lugar de considerar todo el espacio H
1
0
), obtenemos
(5.7), que es la llamada forma de Galerkin del metodo de elementos nitos.
N otese que para llegar a (5.7), que es equivalente a (5.6), no hemos usado para
nada el defecto d
h
, ni nada que nos exija una mayor regularidad para u
h
.
Se podra objetar que de esta forma lo que hemos obtenido es una aproxi-
maci on a una soluci on debil del problema. Sabemos que la soluci on cl asica es
111
tambien soluci on debil; pero, no habr a m as soluciones debiles? La respuesta
viene dada por el siguiente teorema.
Teorema 5.9. El problema (5.1) tiene una unica solucion debil.
Prueba. Sean u, v H
1
0
dos soluciones debiles. De (5.8) se tiene que
_
b
a
(u v)

+
_
b
a
(u v) = 0 H
1
0
.
Tomando = u v se tiene que
_
b
a
((u v)

)
2
+
_
b
a
(u v)
2
= 0,
y por tanto u v = 0 c.t.p., es decir, u = v.
El metodo de elementos nitos da una aproximaci on de la soluci on debil
incluso cuando esta no es cl asica. Pero, sucede esto alguna vez? La respuesta
es armativa. Un ejemplo sencillo es tomar el problema (5.1) con un dato
f L
2
(I), pero f , C([a, b]). Se puede probar que el problema tiene una
soluci on debil, pero no es, evidentemente, cl asica. Veamos que regularidad
tiene una soluci on debil que corresponda a un dato con estas caractersticas.
Sea u soluci on debil, entonces u H
1
0
y adem as
_
b
a
u

=
_
b
a
(f u) C
1
c
.
Dado que f u L
2
, concluimos que u

H
1
. La funci on u

est a por tanto

en el espacio H
2
(I), que se dene por recurrencia como
H
2
(I) = u H
1
(I) : u

H
1
(I).
A la derivada debil de u

, (u

se la llama derivada debil segunda de u; se

denota por u

. En nuestro caso se tiene que u

= u f.
Resumiendo, si f L
2
entonces u H
2
. Que pasa si f C([a, b])?
Tenemos entonces que u

= uf C([a, b]), y por tanto u es soluci on cl asica.

112
5.4. Minimizaci on de funcionales. Formulaci on de Ritz
Un paradigma que se remonta a Euler es que el mundo fsico se explica
imponiendo que ciertas cantidades (acciones) son mnimas; por ello no es
extra no que podamos representar algunos problemas de ecuaciones ordinarias y
parciales (que tratan de representar fen omenos fsicos) a otros de minimizac` on.
Sea f L
2
(I). Denimos un funcional de energa : H
1
0
R mediante
(v) =
1
2
_
b
a
((v

)
2
+ v
2
)
_
b
a
fv.
Teorema 5.10. (i) Si u H
1
0
es tal que (u) (v) para todo v H
1
0
(I),
entonces u es solucion debil de (5.1).
(ii) Recprocamente, si u H
1
0
(I) es solucion debil de (5.1), entonces (u)
(v) para todo v H
1
0
(I).
Prueba. (i) Dada H
1
0
, denimos g() = (u + ), R. Se tiene que
g(0) g() para todo R. Si la derivada g

(0) existe, se tendr a que g

(0) = 0.
Ahora bien,
g() = (u) +
_
b
a
(u

+ u f) +

2
2
_
b
a
((

)
2
+
2
), (5.10)
y por tanto
g

(0) =
_
b
a
(u

+ u f).
La condici on g

(0) = 0 para todo H

1
0
, es precisamente la condici on de
soluci on debil de (5.1).
(ii) Si u H
1
0
(I) es soluci on debil, entonces (5.10) se convierte en
(u + ) = (u) +

2
2
_
b
a
((

)
2
+
2
) (u) R, H
1
0
.
Para cualquier v H
1
0
(I) tomamos = v u y = 1 y obtenemos que
(v) (u).
113
El area de la matem aticas que estudia problemas de minimizaci on es el
calculo de variaciones. Hemos visto que minimizar el funcional es equivalente
a encontrar una soluci on debil de una ecuaci on. Dicha ecuaci on se conoce como
ecuacion de Euler-Lagrange del problema de minimizaci on.
A partir del teorema observamos que una forma alternativa de encontrar
una soluci on aproximada al problema (5.1) es minimizar (v) en un subespacio
V
h
H
1
0
de dimensi on nita; es decir, buscamos u
h
V
h
tal que
(u
h
) (v
h
) v
h
V
h
.
Sea
1
, . . . ,
M
una base de V
h
. Cualquier v
h
V
h
se puede escribir como
v
h
=
M

l=1

l
,
y el valor del funcional ser a
(v
h
) =
1
2
M

k,l=1

k
_
b
a
(

k
+
l

k
)
M

k=1

k
_
b
a
f
k
.
Minimizar el funcional en V
h
es por tanto equivalente a minimizar la forma
cuadr atica
Q(
1
, . . . ,
M
) =
1
2
M

k,l=1

k
a
kl

l

M

k=1

k
_
b
a
f
k
, a
kl
=
_
b
a
(

k
+
l

k
)
La condici on Q(
1
, . . . ,
M
) = 0 es equivalente al sistema lineal (5.6). Obte-
nemos las ecuaciones de Galerkin partiendo de un punto de vista distinto
(aunque equivalente). Esta forma de llegar al sistema (5.6) se conoce como
formulacion de Ritz del metodo de elementos nitos.
5.5. Convergencia
Revisemos lo que hemos hecho hasta ahora. Tenemos dos problemas equi-
valentes:
114
Problema de minimizaci on (M): encontrar u H
1
0
(I) tal que
(u) = mn
vH
1
0
(I)
(v),
donde
(v) =
1
2
_
b
a
((v

)
2
+ v
2
)
_
b
a
fv.
Problema en forma debil (D): encontrar u H
1
0
(I) tal que
_
b
a
(u

+ uv) =
_
b
a
fv v H
1
0
(I).
Sea ahora V
h
un subespacio de H
1
0
(I) de dimensi on nita M. Podemos formular
los siguientes problemas discretos, an alogos a los problemas (M) y (D):
Problema (M
h
): encontrar u
h
V
h
tal que
(u
h
) (v) v V
h
.
Problema (D
h
): encontrar u
h
V
h
tal que
_
b
a
(u

h
v

h
+ u
h
v
h
) =
_
b
a
fv
h
v
h
H
1
0
(I).
Estos dos problemas discretos son equivalentes al mismo sistema matricial,
A = b.
La matriz A recibe el nombre de matriz de rigidez y b es el vector de carga. Estos
nombres provienen de las aplicaciones m as antiguas del metodo de elementos
nitos, que correspondan a c alculos de estructuras mec anicas.
Lema 5.11. La matriz de rigidez A es simetrica y denida positiva.
Prueba. La simetra es inmediata. Que A sea denida positiva es consecuencia
de que es la matriz de un producto escalar.
Podemos probar el siguiente resultado b asico.
115
Teorema 5.12. Existe una unica solucion de los problemas equivalentes (M
h
)
y (D
h
).
Prueba. A es denida positiva, y por tanto no singular, lo que prueba la
existencia y unicidad.
A continuaci on obtenemos una estimaci on para el error.
Teorema 5.13 (Lema de Cea). Sea u H
1
0
(I) solucion de (D) y u
h
V
h
solucion de (D
h
) con V
h
H
1
0
(I). Entonces
|u u
h
|
H
1
0
(I)
|u w|
H
1
0
(I)
w V
h
.
Prueba. Sabemos que
u, v)
H
1
0
(I)
= f, v) v H
1
0
(I),
u
h
, v)
H
1
0
(I)
= f, v) v V
h
,
y por tanto que
u u
h
, v)
H
1
0
(I)
= 0 v V
h
.
Para w V
h
arbitrario denimos v = u
h
w. Entonces v V
h
. Tenemos que
|u u
h
|
2
H
1
0
(I)
= u u
h
, u u
h
)
H
1
0
(I)
= u u
h
, u u
h
+ v)
H
1
0
(I)
= u u
h
, u w) |u u
h
|
H
1
0
(I)
|u w|
H
1
0
(I)
.
Dividiendo por |u u
h
|
H
1
0
(I)
,= 0 se obtiene el resultado.
El lema de Cea nos da una condici on suciente para la convergencia del
metodo de elementos nitos.
Corolario 5.14. Sea V
h

h>0
una familia de subespacios de H
1
0
(I) de dimen-
sion nita tales que para todo u H
1
0
(I) se tiene que
lm
h0
nf
vV
h
|u v|
H
1
0
(I)
= 0; (5.11)
entonces el metodo de elementos nitos converge, es decir,
lm
h0
|u u
h
|
H
1
0
(I)
= 0.
116
Observacion. Para que el metodo converja basta con que la condici on (5.11)
se cumpla para la verdadera soluci on.
N otese que hemos reducido la cuesti on de la convergencia del metodo de
elementos nitos a una cuesti on de teora de aproximaci on: C omo de lejos de
V
h
est an las funciones de V ?
Veamos la convergencia para una elecci on concreta de los espacios V
h
.
Dada una partici on
a = x
0
< x
1
< . . . < x
N
= b,
del intervalo [0, L] denotaremos
h
j
= x
j
x
j1
, j = 1, . . . , N, h = m ax
1jN
h
j
.
Tomamos
V
h
:= L(
1
, . . . ,
N1
),
donde las
n
son las funciones tejado dadas por (5.2).
Observamos que nf
vV
h
|uv|
V
|uu
I
|
V
, donde u
I
V
h
es el interpolante
lineal a trozos de u en los nodos x
0
, . . . , x
N
de la partici on. Se tiene el siguiente
resultado de aproximaci on.
Lema 5.15. Si u C
2
([a, b]), entonces
m ax
[x
j1
,x
j
]
[u u
I
[
1
8
h
2
j
m ax
[x
j1
,x
j
]
[u

[, m ax
[x
j1
,x
j
]
[u

I
[ h
j
m ax
[x
j1
,x
j
]
[u

[,
y por tanto
|u u
I
|
H
1
(I)
Chm ax
[a,b]
[u

[.
Prueba. Consideramos la diferencia (x) = u(x) u
I
(x) sobre el intervalo
[x
j1
, x
j
]. Dado que se anula en ambos extremos del intervalo, debe existir
al menos un punto z en el que

(z) = 0. Entonces para todo x,

(x) =
_
x
z

(y) dy.
117
Ahora bien, como u
I
es lineal,

= u

, y se tiene que
[

(x)[ =

_
x
z
u

(y) dy

h
j
m ax
[x
j1
,x
j
]
[u

[, x [x
j1
, x
j
],
que es la segunda de las estimaciones.
El m aximo de [(x)[ en [x
j1
, x
j
], ocurrir a en un punto en el que la derivada
se anula,

(z) = 0. Miramos en que mitad del intervalo est a z; supongamos,

por ejemplo, que est a m as pr oximo al extremo derecho, de manera que x
j
z
h
j
/2. Desarrollando en serie de Taylor alrededor de z,
(x
j
) = (z) + (x
j
z)

(z) +
1
2
(x
j
z)
2

(w),
donde z < w < x
j
. Usando que se anula en el extremo x
j
y que

= u

,
[(z)[ =

1
2
(x
j
z)
2

(w)

1
8
h
2
j
m ax
[x
j1
,x
j
]
[u

[.
Combinando las dos primeras estimaciones se obtiene inmediatamente la
estimaci on del error de interpolaci on en norma H
1
|u u
I
|
H
1
(I)
=
_
N

j=1
_
x
j
x
j1
[(u u
I
)
2
+ (u

I
)
2
]
_
1/2

_
_
h
4
(ba)
64
+ h
2
(b a)
_
(m ax
[a,b]
[u

[)
2
_
1/2
Chm ax
[a,b]
[u

[.
El lema garantiza la convergencia de la soluci on de elementos nitos a la
verdadera soluci on u si esta es tal que u C
2
([a, b]).
Ejemplo. Sea u la soluci on (cl asica) del problema (5.1) con dato f C([a, b]).
Por ser u

= u f, y ser u C([a, b]) tenemos a posteriori que u

C([a, b]).
Por tanto tenemos convergencia de la soluci on de elementos nitos a la soluci on
cl asica.
El resultado del lema 5.15 no es en realidad el m as adecuado para nuestros
nes. El factor h es correcto, y reeja la tasa observada de decrecimiento del
118
error cuando se rena la partici on. La imperfecci on est a en el otro factor,
m ax [u

[. Las soluciones debiles u de problemas elpticos de segundo orden no

verican en general que u C
2
([a, b]), sino que u H
2
(I). La estimaci on
id onea para el error de interpolaci on se da, sin prueba, a continuaci on.
Lema 5.16. Si u H
2
(I), entonces
|u u
I
|
L
2
(I)
Ch
2
|u

|
L
2
(I)
, |u

I
|
L
2
(I)
Ch|u

|
L
2
(I)
,
y por tanto
|u u
I
|
H
1
(I)
Ch|u

|
L
2
(I)
.
Combinando este resultado con el lema de Cea tenemos el siguiente resul-
tado de convergencia.
Corolario 5.17. Sea I = (a, b), u V H
1
(I) solucion de (D) y u
h
V
h
solucion de (D
h
) con V
h
V . Si u H
2
(I) , entonces
|u u
h
|
H
1
(I)
Ch|u

|
L
2
(I)
.
119