Apuntes-Analisis Numerico 3

An alisis Num erico III
Apuntes Curso C odigo 525442 Segundo Semestre 2010
Dr. Raimund B urger Profesor Titular Departamento de Ingenier a Matem atica & Centro de Investigaci on en Ingenier a Matem atica (CI2 MA) Facultad de Ciencias F sicas y Matem aticas Universidad de Concepci on Casilla 160-C Concepci on, Chile
6 de septiembre de 2010
Indice general
Literatura Cap tulo 1. Problemas de valores iniciales para ecuaciones diferenciales ordinarias (Parte I) 1.1. M etodos de paso simple expl citos 1.1.1. M etodo general 1.1.2. M etodo de Euler 1.1.3. M etodos de Taylor 1.1.4. M etodos de Runge-Kutta 1.2. Consistencia y convergencia 1.2.1. M etodos consistentes 1.2.2. El orden de consistencia de algunos m etodos de paso simple 1.2.3. El orden de convergencia 1.3. M etodos de pasos m ultiples 1.3.1. M etodos de pasos m ultiples basados en integraci on num erica 1.3.2. M etodos impl citos de pasos m ultiples basados en derivaci on num erica 1.3.3. Breve teor a de m etodos de pasos m ultiples Cap tulo 2. Problemas de valores iniciales para ecuaciones diferenciales ordinarias (Parte II) 2.1. Ecuaciones r gidas (problemas sti) 2.2. Estabilidad de m etodos de discretizaci on para problemas de valores inicales de ecuaciones diferenciales ordinarias 2.2.1. Estabilidad lineal 2.2.2. Estabilidad no lineal 2.3. M etodos de Runge-Kutta impl citos y m etodos de Rosenbrock Cap tulo 3. Problemas de valores de frontera para ecuaciones diferenciales ordinarias 3.1. Introducci on 3.1.1. Ecuaciones diferenciales ordinarias autoadjuntas 3.1.2. Problemas de valores de frontera para sistemas de ecuaciones diferenciales ordinarias de primer orden 3.2. M etodos de diferencias nitas 3.2.1. M etodo de diferencias nitas para un problema de valores de frontera lineal 3.2.2. M etodo de diferencias nitas para un problema de valores de frontera no lineal 3.2.3. Convergencia del m etodo para problemas lineales 3.3. M etodos de disparo
3
7 9 10 10 11 12 12 15 15 16 17 20 20 22 23 27 27 29 29 33 36 41 41 42 43 44 44 47 49 52
Indice general
3.3.1. 3.3.2. 3.3.3. 3.3.4.
M etodos de disparo para problemas lineales M etodo de disparo num erico para problemas lineales M etodos de disparo para problemas de valores de frontera no lineales M etodos de disparos m ultiples
52 55 57 58 59 59 61 61 63 65 66
Cap tulo 4. Problemas de valores de frontera para ecuaciones diferenciales parciales el pticas 4.1. Clasicaci on 4.2. Problemas de valores de frontera para ecuaciones el pticas 4.3. Problemas de valores de frontera y problemas variacionales 4.4. M etodos de diferencias 4.5. Convergencia del m etodo de diferencias 4.6. Dominios con frontera curvada
Cap tulo 5. Problemas de valores iniciales y de frontera para EDPs hiperb olicas y parab olicas 69 5.1. Teor a de las caracter sticas 69 5.1.1. Ecuaciones cuasi-lineales escalares de segundo orden 69 5.1.2. Sistemas cuasi-lineales de primer orden 70 5.1.3. Caracter sticas de ecuaciones hiperb olicas 71 5.2. M etodos de caracter sticas num ericos 74 5.2.1. M etodo de caracter sticas aproximado 74 5.2.2. M etodo predictor-corrector 75 5.3. M etodos de diferencias nitas para problemas hiperb olicos 78 5.3.1. La f ormula de dAlembert 78 5.3.2. M etodos expl citos para la ecuaci on de la onda 80 5.3.3. La condici on de Courant-Friedrichs-Lewy (CFL) 80 5.3.4. Ecuaci on de la onda con datos iniciales y de frontera 83 5.3.5. M etodos de diferencias nitas para sistemas hiperb olicos de primer orden 84 5.4. M etodos de diferencias nitas para problemas parab olicos 86 5.4.1. Soluci on exacta y caracter sticas de la ecuaci on del calor 86 5.4.2. M etodos de paso simple para la ecuaci on del calor 87 5.4.3. M etodos de dos pasos para la ecuaci on del calor 90 5.5. La teor a de Lax y Richtmyer 91 5.5.1. El teorema de equivalencia de Lax 91 5.5.2. Conversi on de un m etodo de pasos m ultiples en un m etodo de paso simple 96 5.5.3. Transformaci on de Fourier de m etodos de diferencias 97 5.5.4. Matrices de amplicaci on 98 5.5.5. Teorema de Lax y Richtmyer y condici on de estabilidad de von Neumann 99 5.5.6. An alisis de estabilidad de algunos m etodos de diferencias 100 Cap tulo 6. Introducci on al M etodo de Elementos Finitos 107 6.1. Problemas de valores de frontera de ecuaciones diferenciales ordinarias 107 6.2. Elementos nitos para problemas de valores de frontera de ecuaciones diferenciales ordinarias 115
Indice general
6.2.1. Funciones de planteo lineales por trozos 115 6.2.2. Funciones de planteo c ubicas por trozos 117 6.2.3. Estudio del error y extensiones 119 6.3. El m etodo de Ritz y elementos nitos para problemas de valores de ontera de ecuaciones diferenciales parciales el pticas 121
Indice general
Literatura
1. H. Alder & E. Figueroa, Introducci on al An alisis Num erico, Fac. de Cs. F sicas y Matem aticas, UdeC, 1995. 2. K. Burrage & W.H. Hundsdorfer, The order of algebraically stable Runge-Kutta methods, BIT 27 (1987) 6271. 3. M.C. Bustos, M. Campos & G.N. Gatica, An alisis Num erico II, Direcci on de Docencia, UdeC, 1995. 4. P. Deuhard & F. Bornemann, Scientic Computing with Ordinary Dierential Equations, Springer-Verlag, New York, 2002. 5. K. Graf Finck von Finckenstein. Einf uhrung in die Numerische Mathematik, Band 2, Carl Hanser Verlag, M unchen 1978. 6. W. Gautschi, Numerical Analysis: An Introduction, Birkh auser, Boston, 1997. 7. R.D. Grigorie, Numerik gew ohnlicher Dierentialgleichungen, Vol. I, Teubner, Stuttgart, 1972. 8. M.H. Holmes, Introduction to Numerical Methods in Dierential Equations, SpringerVerlag, New York, 2007. 9. W. Hundsdorfer & J.G. Verwer, Numerical Solution of Time-Dependent AdvectionDiusion-Reaction Equations, Springer-Verlag, Berlin, 2003. 10. P. Kaps & P. Rentrop, Genralized Runge-Kutta methods of order 4 with stepsize control for sti ODEs, Numer. Math. 33 (1979) 5568. 11. P. Knabner & L. Angermann, Numerical Methods for Elliptic and Parabolic Dierential Equations, Springer-Verlag, New York, 2003. 12. S. Larsson & V. Thom ee, Partial Dierential Equations with Numerical Methods, Springer-Verlag, Berlin, 2003. 13. R.J. Le Veque, Finite Dierence Methods for Ordinary and Partial Dierential Equations, SIAM, Philadelphia, USA, 2007. 14. K.W. Morton & D.F. Mayers, Numerical Solution of Partial Dierential Equations, Second Edition, Cambridge University Press, Cambridge, UK, 2005. 15. R.D. Richtmyer & K.W. Morton, Dierence Methods for Initial-Value Problems, Wiley, New York, 1967. 16. J. Stoer & R. Bulirsch, Numerische Mathematik 2, Third Edition, Springer-Verlag, Berlin, 1990. 17. J.W. Thomas, Numerical Partial Dierential Equations. Finite Dierence Methods, Second Corrrected Printing, Springer-Verlag, Nueva York, 1998. 18. W. T ornig & P. Spellucci, Numerische Mathematik f ur Ingenieure und Physiker. Band 2: Numerische Methoden der Analysis, Second Ed., Springer-Verlag, Berlin, 1990.
7
LITERATURA
Cap tulo 1
Problemas de valores iniciales para ecuaciones diferenciales ordinarias (Parte I)

En este cap tulo tratamos la soluci on num erica de sistemas de ecuaciones diferenciales ordinarias (EDOs) de primer orden. En general, un tal sistema est a dado por
y1 = f1 (x, y1 , . . . , yn ), y2 = f2 (x, y1 , . . . , yn ), . . . yn = fn (x, y1 , . . . , yn ),
(1.1)
Cada sistema de funciones y1 = y1 (x), . . . , yn = yn (x), yi C 1 (a, b), i = 1, . . . , n
que satisface (1.1) id enticamente se llama soluci on de (1.1). En general, se consideran problemas de valores iniciales: yi = fi (x, y1 , . . . , yn ),
i yi (a) = ya ,
i = 1, . . . , n.
(1.2)
Entonces (1.2) se escribe como
No trataremos aqu problemas de existencia y unicidad de soluciones de (1.2), lo cual es t opico de cursos especializados de EDOs. Usaremos la siguiente notaci on compacta: 1 f1 (x, y) f1 (x, y1 , . . . , yn ) ya y1 . . . , f (x, y) = . = . . . y := . . . . . , ya := . n fn (x, y) fn (x, y1 , . . . , yn ) ya yn y = f (x, y), y(a) = ya . (1.3)
Cada problema de valores iniciales de una ecuaci on diferencial ordinaria de orden n puede ser reducido a un problema del tipo (1.2) o (1.3). Para un problema de valores iniciales de una ecuaci on diferencial ordinaria dada por y (n) := dn y = f x, y, y , . . . , y (n1) , dxn
j y (j ) (a) = ya ,
j = 0, . . . , n 1,
(1.4)
podemos identicar la j - esima derivada y (j ) de la funci on escalar y = y (x) con la (j +1)- esima componente yj +1 de un vector y(x) = (y1 (x), . . . , yn (x))T de n funciones escalares, y (j ) = yj +1 , j = 0, . . . , n 1,
9
10
1. PROBLEMAS DE VALORES INICIALES PARA EDOS I
y as convertir (1.4) al siguiente sistema de n ecuaciones diferenciales ordinarias escalares de primer orden:
y1 = y2 , y2 = y3 , . . . yn 1 = yn , yn = f (x, y1 , . . . , yn ),
(1.5)
La componente y1 (x) de la soluci on del sistema corresponde a la soluci on y (x) del problema de valores iniciales (1.4). 1.1. M etodos de paso simple expl citos 1.1.1. M etodo general. Para la aproximaci on num erica del problema (1.2) o (1.3), se subdivide el intervalo [a, b] en N subintervalos del tama no ba > 0, N el cual se llama tama no de paso. Los puntos h := xi = a + ih, i = 0, . . . , N (1.6)
es decir, obtenemos un sistema de ecuaciones diferenciales ordinarias del tipo (1.3) con 0 ya y2 1 . ya . . . y(a) = . , f ( y ) = . . y
n1 ya n
f (x, y1 , . . . , yn )
(1.7)
se llaman puntos de malla; la totalidad de los puntos para un valor de h > 0 se llama malla Gh . Ahora queremos calcular aproximaciones
h h h yi := y1 i , . . . , yni T
(1.8)
T
de los valores exactos y(xi ) = y1 (xi ), . . . , yn (xi ) (1.9)
de la soluci on en los puntos de la malla. Para tal efecto, los m etodos mas simples son m etodos h h de paso simple expl citos. Estos m etodos permiten la computaci on de yi+1 solamente de yi T (para un valor de h dado). Usando una funci on vectorial := (1 , . . . , n ) , obtenemos el m etodo general
h h h yi +1 = yi + h xi , yi ; h , h y0 = ya .
i = 0, . . . , N 1,
(1.10)
1.1. METODOS DE PASO SIMPLE EXPL ICITOS
11
En detalle,
h h h h y1 ,i+1 = y1i + h1 xi , y1i , . . . , yni ; h , . . . h h h h yn,i +1 = yni + hn xi , y1i , . . . , yni ; h , h k yk 0 = ya ,
(1.11)
k = 1, . . . , n.
El sistema (1.10) es un sistema de ecuaciones de diferencias. Obviamente, hay que elegir la h funci on de tal forma que los vectores yi efectivamente son aproximaciones de y(xi ), en un sentido que se especicar a m as abajo. En el caso m as simple, el sistema (1.10) resulta del sistema de ecuaciones diferenciales ordinarias a trav es de remplazar todas las derivadas por cuocientes de diferencias. El m etodo (1.10) se llama m etodo de diferencias nitas de paso simple. 1.1.2. M etodo de Euler. Consideremos el caso n = 1, o sea una ecuaci on diferencial ordinaria del tipo y = f (x, y ).
m
(1.12)
Si y = y (x) es una soluci on sucientemente suave de (1.12), tenemos la f ormula de Taylor y (x + h) =

k=0
hk (k) hm+1 (m+1) y (x) + y (x + h), k! (m + 1)!

m+1
[0, 1].
(1.13)
y (m+1) (x + h) de (1.13), podemos calcular Para x = xi y no considerando el t ermino (h m+1)! y (xi + h) de y (xi ), dado que (omitiendo los argumentos (x) y (x, y ) en el lado izquierdo y derecho, respectivamente) y = f, y = fx + f fy , y = fxx + 2fxy f + fyy f 2 + fx fy + f (fy )2 ,
(1.14) (1.15) (1.16)
etc. Este m etodo es poco u til, salvo en aquellos casos donde podemos desarrollar la funci on f en una series de potencias. Sin embargo, para m = 1 tenemos h2 y (xi + h) = y (xi ) + hf xi , y (xi ) + y (xi + h). 2 2 y ( x + h ), llegamos al m e todo Despreciando el t ermino h i 2
h h h yi +1 = yi + hf xi , yi ,
Este m etodo es un m etodo de paso simple con
i = 0, 1, . . . , N 1.
(1.17) (1.18)
(x, y ; h) = f (x, y ), o sea, la funci on no depende de h. Para el caso del sistema (1.3), un c alculo an alogo entrega el m etodo
h h h yi +1 = yi + hf xi , yi ,
i = 0, . . . , N 1,
(1.19)
12
donde (x, y; h) = f (x, y). (1.20) En ambos casos, (1.17) y (1.19), podemos reescribir el m etodo como 1 h h h , i = 0, . . . , N 1, (1.21) = f xi , yi y yi h i+1 lo que ilustra la idea b asica de la construcci on. El m etodo (1.17) o (1.19) se llama m etodo de Euler expl cito o m etodo de trazado poligonal. Este m etodo es el m as simple posible. (Por supuesto, el t ermino m etodo de Euler expl cito indica que existe tambi en una versi on impl cita, la cual vamos a conocer m as adelante.) 1.1.3. M etodos de Taylor. Los m etodos del tipo Taylor son basados en la f ormula ya indicada, (1.13), donde las derivadas de y son remplazadas por evaluaciones de la funci on f y ciertos t erminos que involucran sus derivadas parciales. Por ejemplo, partiendo del desarrollo en series de Taylor truncado y (x + h) = y (x) + hy (x) + y utilizando (1.14) y (1.15), obtenemos h2 fx x, y (x) + f x, y (x) fy x, y (x) y (x + h) = y (x) + hf x, y (x) + 2 de lo cual sigue el m etodo de Taylor de segundo orden
h h h yi +1 = yi + hf xi , yi +
h2 y (x) + O(h3 ) 2
(1.22)
+ O(h3 ), (1.23)
h2 h h h . (1.24) fy xi , yi + f x i , yi fx xi , yi 2 Como mencionamos anteriormente, la gran desventaja de estos m etodos es la necesidad de evaluar num ericamente (o por derivaci on autom atica o simb olica) las derivadas parciales de la funci on f . Salvo por casos excepcionales, no es aceptable el esfuerzo computacional requerido por tales m etodos. Conoceremos ahora los m etodos del tipo Runge-Kutta, que requieren solamente la evaluaci on de la funci on f misma. 1.1.4. M etodos de Runge-Kutta. Los m etodos que vamos a introducir ahora no se distinguen en los casos de ecuaciones escalares y de sistemas de ecuaciones, por lo tanto los presentamos desde el principio para el caso de sistemas. Supongamos que la soluci on y = y(x) del problema de valores iniciales (1.3) es conocida en x, y queremos evaluarla en x + h, h > 0. Utilizando el Teorema Principal del C alculo Diferencial e Integral, tenemos
1
y(x + h) = y(x) + h
0
y (x + h) d.
(1.25)
La integral se aproxima por una f ormula de cuadratura, donde los nodos i y los pesos i , i = 1, . . . , m, se reeren al intervalo de integraci on [0, 1]:
1 0 m
g(w) dw
i g(i );
i=1
(1.26)
1.1. METODOS DE PASO SIMPLE EXPL ICITOS
13
dado que la f ormula de cuadratura (1.26) debe ser exacta por lo menos para g const., obtenemos la restricci on
m
i = 1.
i=1
(1.27)
Aproximando la integral en (1.25) por la f ormula de cuadratura (1.26), obtenemos

m
y(x + h) y(x) + h
m
i y (xi + i h).
i=1
(1.28)
Usando la ecuaci on diferencial y = f (x, y), (1.28) se convierte en y(x + h) y(x) + h i f x + i h, y(x + i h) .
i=1
(1.29)
Obviamente, para i = 0 los valores y(x + i h) son desconocidos. Para su aproximaci on, usamos nuevamente el ya mencionado Teorema Principal, que esta vez entrega
i
y(x + i h) = y(x) + h
0
y (x + h) d,
i = 1, . . . , m.
(1.30)
Nuevamente queremos aproximar las integrales en (1.30) por f ormulas de cuadratura. Para no generar una cascada innita de nuevos valores de y desconocidos, exigimos que los nodos de las nuevas f ormulas de cuadratura sean los mismos valores 1 , . . . , m de (1.26), o sea para la aproximaco on de la integral en (1.30) sobre el intervalo [0, i ] [0, 1] usamos una f ormula del tipo
i 0 m
g(w) dw
ij g(j ),
j =1
i = 1, . . . , m,
(1.31)
donde los pesos ij a un est an libres, y los nodos j dados no necesariamente deben pertencer al intervalo [0, i ]. Obviamente, se debe satisfacer la restricci on
m
i =
j =1
ij ,
i = 1, . . . , m.
(1.32)
Las condiciones (1.27) y (1.32) aseguran que la cuadratura es exacta para g const. En virtud de lo anterior, un m etodo de Runge-Kutta de m pasos est a dado por las f ormulas
m
y (x + h) = y (x) + h
i=1 m
i ki , , i = 1, . . . , m.
(1.33) (1.34)
ki = f
x + i h, y (x) + h
j =1
ij kj
En general, (1.34) representa un sistema de m ecuaciones no lineales para m vectores k1 , . . . , km , cada uno con n componentes escalares. Incluso para una ecuaci on escalar, tenemos un sistema de m ecuaciones (algebraicas) de la dimensi on m.
14
Para el caso 1 = 0 y ij = 0 para j i, (1.34) no es intrinsicamente un sistema de ecuaciones no lineales, ya que en este caso podemos calcular k2 expl citamente de k1 = f (x, y(x)), k3 de k1 y k2 , etc. En este caso, se habla de un m etodo de Runge-Kutta expl cito. Dado que las f ormulas (1.33) y (1.34) son las mismas para todos los m etodos de RungeKutta, pero hay una gran cantidad de coecientes i , i y ij propuestos en la litaratura, es muy com un representar un m etodo de Runge-Kutta a trav es del llamado diagrama de Butcher: 1 11 12 1m . .. . . 2 21 . . . . ... (1.35) . . . . . . . m m1 mm 1 2 m Ejemplo 1.1. Para m = 3, los m etodos de Heun son especicados por 0 0 0 0 1/2 1/2 0 0 1 1 2 0 1/6 2/3 1/6 y 0 0 0 0 1/3 1/3 0 0 . 2/3 0 2/3 0 1/4 0 3/4 (1.36)
En detalle, combinando (1.33) y (1.34) con el diagrama de Butcher, podemos, por ejemplo, escribir el segundo m etodo como
h h yi +1 = yi + h (i) (i) (i)
1 (i) 3 (i) k + k3 , 4 1 4
donde las cantidades k1 , k2 y k3 , que corresponden a la i- esima iteraci on, est an dadas por
h , k1 = f xi , yi (i)
k2 = f k3 = f
(i)
(i)
h h h (i) + k1 , xi + , yi 3 3 2h h 2h (i) xi + , yi + k2 . 3 3
Ejemplo 1.2. El m etodo cl asico de Runge-Kutta de cuatro pasos (m = 4) corresponde al diagrama 0 0 0 0 0 1/2 1/2 0 0 0 1/2 0 1/2 0 0 , 1 0 0 1 0 1/6 1/3 1/3 1/6 es decir, a la f ormula
h h yi +1 = yi +
(1.37)
h (i) (i) (i) (i) k + 2k2 + 2k3 + k4 6 1
(1.38)
1.2. CONSISTENCIA Y CONVERGENCIA
15
(o equivalentemente, al m etodo (1.10) con 1 (i) (i) (i) (i) h xi , yi ; h = k1 + 2k2 + 2k3 + k4 , 6 donde
h , k1 = f xi , yi (i)
k2 = f k3 = f
(i) (i)
(i)
h h + xi + , yi 2 h h xi + , yi + 2
h (i) , k 2 1 h (i) , k 2 2
h k4 = f xi+1 , yi + hk3 .
(i)
1.2. Consistencia y convergencia 1.2.1. M etodos consistentes. Obviamente, queremos saber bajo qu e condiciones los valores num ericos generados por un m etodo de paso simple aproximan la soluci on exacta en los puntos de la malla, y queremos discutir la exactitud de la aproximac on. Para tal efecto, estudiamos el problema y = f (x, y), y el m etodo de paso simple
h h h yi +1 = yi + h xi , yi ; h , h Obviamente, los valores yi son aproximaciones de los valores reales de la soluci on y(xi ), i = 1, . . . , N , s olo si el sistema de ecuaciones de diferencias nitas (1.40), tambi en es una aproximaci on del sistema de ecuaciones diferenciales (1.39). Para precisar este requerimiento, denimos lo siguiente.
y(a) = ya , i = 0, . . . , N 1;
h y0 = ya .
(1.39) (1.40)
Denici on 1.1. Se dice que la funci on vectorial = (x, y; h) satisface la hip otesis de continuidad si depende de forma continua de sus n + 2 argumentos escalares en donde h0 es una constante sucientemente peque na. Rh0 := (x, y1 , . . . , yn , h) Rn+2 | a x b, y1 , . . . , yn R, 0 h h0 ,
Denici on 1.2. El esquema (1.40) se llama consistente al sistema de ecuaciones diferenciales ordinarias (1.39) si (x, y; 0) = f (x, y), x [a, b], y Rn . (1.41) En lo siguiente, se supone que el m etodo denido a trav es de la funci on satisface la hip otesis de continuidad, y que es consistente. Si y = y(x) es una soluci on exacta del sistema y = f (x, y), sabemos que 1 y(x + h) y(x) x, y(x); h h0 h 1 y(x + h) y(x) x, y(x); h = l m h0 h l m
y (x) f x, y(x)
16
= l m
h0
1 y(x + h) y(x) y (x) l m x, y(x); h f x, y(x) h0 h
= 0.
Entonces, cada soluci on del sistema y = f (x, y) satisface asintoticamente para h 0 el sistema de ecuaciones de diferencias nitas. Debido a la continuidad de 1 x, y(x); h := y(x + h) y(x) x, y(x); h (1.42) h con respecto a h para h 0, podemos considerar cada soluci on del sistema de ecuaciones diferenciales ordinarias como una soluci on aproximada del sistema de ecuaciones de diferencias (1.40). La cantidad (x, y(x); h) denida en (1.42) se llama error de truncaci on del m etodo de paso simple. Para obtener un m etodo de gran exactitud, se exige que para h 0, (1.42) desparace como hp , con p > 0 lo m as grande posible. Denici on 1.3. El m etodo (1.40) se llama consistente del orden p si p es el mayor n umero positivo tal que para cada soluci on y(x) de y = f (x, y) sucientemente diferenciable, y para todo x [a, b] tenemos x, y(x); h = O(hp ) cuando h 0. (1.43) En (1.43), O(hp ) denota un vector cuyos componentes son funciones de h, y cuya norma puede ser acotada por M hp , donde M es una constante que no depende de h, pero que puede depender de la norma considerada. Un m etodo consistente del orden p tambi en se llama m etodo del orden p. 1.2.2. El orden de consistencia de algunos m etodos de paso simple. Nos restringimos al caso n = 1, es decir, al caso escalar, y suponemos que la funci on f es sucientemente diferenciable. Ejemplo 1.3. Analizando el m etodo de Euler expl cito, tenemos x, y (x); h = 1 y (x + h) y (x) x, y (x); h h 1 = y (x + h) y (x) f x, y (x) = O(h), h
dado que y (x + h) = y (x) + hy (x) + O(h2 ) = y (x) + hf x, y (x) + O(h2 );
por lo tanto, el m etodo de Euler (es decir, el m etodo de trazado poligonal) es del primer orden. Ejemplo 1.4. Consideremos la familia de m etodos dada por (x, y; h) = (1 c)f (x, y) + cf x+ h h , y + f (x, y) , 2c 2c (1.44)
17
donde c R es un par ametro. Para c = 1/2 se recupera el m etodo de trazado poligonal mejorado con la representaci on expl cita h h h h h h yi ; (1.45) + f xi+1 , yi + hf x, yi f xi , yi +1 = yi + 2 para c = 1 obtenemos el m etodo del trazado poligonal modicado h h h h h h yi xi + , yi . (1.46) + f xi , yi +1 = yi + hf 2 2 Para el analisis del error de truncaci on de (1.44), volvemos al caso escalar y notamos que f x+ h h , y + f (x, y ) 2c 2c = f (x, y ) + h fx (x, y ) + fy (x, y )f (x, y ) + O(h2 ), 2c (1.47)
es decir, obtenemos el desarrollo del m etodo en series de Taylor (con respecto a h) h x, y (x); h = f x, y (x) + fx x, y (x) + fy x, y (x) f x, y (x) + O(h2 ). 2 Por otro lado, desarrollando la soluci on exacta en series de Taylor obtenemos h 1 y (x + h) y (x) = f x, y (x) + fx x, y (x) + fy x, y (x) f x, y (x) + O(h2 ), h 2 es decir, usando la denici on (1.42) del error de truncaci on, obtenemos aqu Esto signica que para el caso c = 0 todos los m etodos son de segundo orden. Se puede demostrar analogamente ques los esquemas de Heun y el m etodo cl asico de Runge-Kutta (con m = 4) son de los ordenes 3 y 4, respectivamente (Tarea). 1.2.3. El orden de convergencia. A parte de la consistencia del m etodo exigimos tambi en h que los valores yi aproximan mejor los valores de la soluci on exacta y (xi ) si se achica el h tama no de paso h. En consecuencia, queremos que los valores yi converjan a los valores exactos y(xi ) cuando h 0. Un m etodo con esta propiedad se llama convergente. Hay que tomar en cuenta que debido a xi a i= , h el n umero i crece cuando achicamos h. Denici on 1.4. Un m etodo de paso simple (1.40) se llama convergente en x [a, b] si
h0 a+ihx[a,b]
x, y (x); h = O(h2 ) cuando h 0.
l m
h yi y(x) = 0.
(1.48)
Adem as, el m etodo se llama convergente del orden p si donde O(h) denota un vector cuyos componentes dependen de h. Resulta que para los m etodos de paso simple, la consistencia junto con la propiedad adicional que se especica en la denici on abajo asegura la convergencia.
h yi y(x) = O(hp ),
h 0,
i = 1, . . . , N,
(1.49)
18
Denici on 1.5. Se dice que una funci on f = f (x, y ) satisface una condici on de Lipschitz o es Lipschitz continua en un dominio [a, b] x con respecto a y I si existe una constante L (la constante de Lipschitz) tal que para todo y , y I y x [a, b], M as general, una funci on satisface una condici on de Lipschitz en un dominio G Rn con respecto a la variable xk si para todo (x1 , . . . , xk1 , xk , xk+1 , . . . , xn )T , (x1 , . . . , xk1 , xk , xk+1 , . . . , xn )T G . x1 , . . . , xk1 , xk , xk+1 , . . . , xn x1 , . . . , xk1 , xk , xk+1 , . . . , xn
(1) (2) (1) (2)
f (x, y ) f (x, y )
L|y y |.
L xk xk
(1)
(2)
Ahora se supone que como funci on de x, y y h es Lipschitz continua con respecto a y . Precisamente, sea para todo x [a, b], y , y R, y h [0, h0 ]. (x, y ; h) (x, y ; h) L|y y | (1.50)
Teorema 1.1. Consideremos un m etodo de paso simple dado para n = 1 mediante la funci on = (x, y ; h). Supongamos que (a) la funci on satisface la hip otesis de continuidad (Denci on 1.1), (b) el m etodo es consistente del orden p, y (c) la funci on satisface la condici on de Lipschitz (1.50). En este caso, es m etodo converge del orden p. Demostraci on. El m etodo es especicado por
h h h yi +1 = yi + h xi , yi ; h ;
(1.51)
por otro lado, la suposici on del orden de consistencia implica que la soluci on exacta y = y (x) satisface Deniendo y (xi+1 ) = y (xi ) + h xi , y (xi ); h + O(hp+1 ).
h i := yi y (xi ),
(1.52)
restando (1.52) de (1.51) y tomando en cuenta que con una constante M que no depende de h, obtenemos la desigualdad |i+1 | En virtud de (1.50) y
h 0 = y 0 y (x0 ) = 0, h |i | + h xi , yi ; h xi , y (xi ); h
O(hp+1 )
M hp+1 + M hp+1 . (1.53)
obtenemos de (1.53) la desigualdad de diferencias |i+1 | (1 + hL)|i | + M hp+1 , |0 | = 0. (1.54)
19
Los valores i satisfacen |i | i , i = 0, . . . , N, 0 = 0. (1.55) (1.56) donde los valores i , i = 0, . . . , N son recursivamente denidos por la ecuaci on de diferencias i+1 = (1 + hL)i + M hp+1 , (Para demostrar (1.55), podemos proceder por inducci on, partiendo de |0 | = 0 = 0; ahora si |i | i para i = 0, . . . , k con h > 0, (1.54) y (1.56) implican |k+1 | (1 + hL)k + M hp+1 = k+1 .) (1 + hL)|k | + M hp+1
El problema (1.56) es un problema de valores iniciales de una ecuaci on de diferencias lineal de primer orden con coecientes constantes. Su soluci on es an aloga a la soluci on de una ecuaci on diferencial del mismo tipo, es decir es compuesta por la suma de la soluci on general de la ecuaci on homog enea m as una soluci on particular de la ecuaci on no homog enea. La soluci on de la ecuaci on homog enea i+1 = (1 + hL) i est a dada por i = C (1 + hL)i = C exp i ln(1 + hL) . El planteo i = = const. para la ecuaci on no homog enea nos lleva a = (1 + hL) + M hp+1 = entonces la soluci on general de (1.56) es i = i + i = C (1 + hL)i usando 0 = 0 = C obtenemos i = y nalmente
h yi y (xi ) = |i |
M hp , L
M hp ; L
M hp L
M hp (1 + hL)i 1 L M hp (1 + hL)i 1 L M iLh hp e 1 L M L(ba) hp e 1 = O(hp ). L
i =
(1.57)
20
Lamentablemente es imposible acotar M , ni siquiera su orden de magnitud, en situaciones pr acticas, asi que la desigualdad (1.57) es poco apta para estimar el error. La condici on de Lipschitz y el Teorema 1.1 pueden ser generalizados para sistemas de ecuaciones. Denici on 1.6. La funci on : Rh0 Rn satisface una condici on de Lipschitz en Rh0 con respecto a y1 , . . . , yn si la siguiente desigualdad es v alida en Rh0 con una constante L: (x, y; h) (x, y ; h)
2
L y y 2 .
(1.58) 1 mediante la funci on
Teorema 1.2. Consideremos un m etodo de paso simple dado para n vectorial = (x, y; h). Supongamos que
(a) la funci on satisface la hip otesis de continuidad (Denci on 1.1), (b) el m etodo es consistende del orden p, y (c) la funci on satisface la condici on de Lipschitz (1.58). En este caso, es m etodo converge del orden p, o sea existe una constante C tal que
h yi y(xi ) 2
Chp .
1.3. M etodos de pasos m ultiples En el caso de m etodos de paso simple podemos aumentar el orden del m etodo solamente si aumentamos el n umero de evaluaciones de f (o incluso de ciertas derivadas de f ) en cada paso, lo que signica que el orden del m etodo general puede ser mejorado solamente por un gran esfuerzo computacional. (El orden del m etodo debe ser alto para permitir la soluci on de un problema de valores iniciales de una ecuaci on diferencial ordinaria con tama nos de paso largos). Para mejorar esta situaci on, obervamos primero que si en los puntos xi , xi1 , . . . , xip ya h h hemos generado aproximaciones yi , . . . , yi p de y(xi ), . . . , y(xip ), podemos aprovechar de h toda esa informaci on al calcular la aproximaci on asociada con xi+1 , es decir, el vector yi +1 . Claramente debemos usar un valor de p + 1, es decir, del n umero de evaluaciones requeridas para ejecutar el paso, moderado. 1.3.1. M etodos de pasos m ultiples basados en integraci on num erica. Supongamos que y = y(x) es una soluci on exacta de y = f (x, y). Entonces podemos escribir
xi+1
y(xi+1 ) = y(xij ) +
xij xi+1
y ( ) d (1.59) f , y( ) d, j N {0}.
= y(xij ) +
xij
La funci on f (, y( )) bajo la integral es remplazada por el polinomio de interpolaci on del grado m aximo p denido por los puntos
h h , . . . , xip , f xip , yi xi , f xi , yi p ,
1.3. METODOS DE PASOS MULTIPLES
21
luego calculamos la integral exacta. Esto resulta en el m etodo

h h yi +1 = yij + xi+1 p p xij
si los nodos son equidistantes, podemos calcular a priori las constantes

xi+1 p
h f xik , yi k
k=0
l=0 l=k
xil d ; xik xil
(1.60)
j,p,k :=
xij
l=0 l=k
xil d. xik xil
(1.61)
As , el m etodo de paso m ultiples es dado por

p h yi +1
h yi j
+
k=0
h j,p,k f xik , yi k .
(1.62)
Para xi+1 xi = h para todo i y p = j = 0, resulta el m etodo de Euler expl cito; para j = 0, p arbitrario obtenemos los m etodos de Adams-Bashforth. A continuaci on comunicamos los valores de algunos de los coecientes (1.61) para valores moderados de p:
1 h 0,p,k
k = 0 k = 1 k = 2 k = 3 orden 1
3 2 23 12 55 24
p=0 p=1 p=2 p=3
1 16 12 59 24
1 2
2
5 12 37 24 9 24
(1.63)
3 4
En la pr actica, no se usan mucho los m etodos de Adams-Bashforth solos, a pesar de simplicidad y del alto orden que se puede lograr (por ejemplo, para p = 3 podemos alcanzar el orden 4, usando solamente una evaluaci on de f por paso). El problems consiste en el peque no dominio de establidad de estos m etodos; este aspecto se discutir a mas detalladamente m as adelante. Una alternativa (a los m etodos expl citos) podemos generar deniendo m etodos impl citos a trav es de la inclusi on del punto (xi+1 , f (xi+1 , yi+1 )) a la interpolaci on de f (, y( )). El h resultado es un m etodo impl cito que determina yi mediante un sistema de ecuaciones +1 habitualmente no lineal. En este caso, la ecuaci on que remplaza (1.60) es
h yi +1
h yi j
xi+1
xij
Para xi+1 xi = h, j = 0 y todo p = 1, 0, 1, . . . , obtenemos los m etodos de Adams-Moulton. Podemos calcular a priori los coecientes j,p,k :=
xi+1 xij p
h xik , yi k
k = 1
l=1 l=k
xil d. xik xil
(1.64)
l=1 l=k
xil d ; xik xil
(1.65)
22
as , el m etodo nal es de la forma

p h yi +1
h yi j
+
k = 1
j,p,k f xik , yh . ik
(1.66)
Para j = 0 y valores de p moderados resultan los siguientes valores:

1 h 0,p,k
k = 1 k = 0 k = 1 k = 2 orden 1
1 2 5 12 9 24 1 2 8 12 19 24 1 12 5 24
p = 1 p=0 p=1 p=2
1 2 3
1 24
(1.67)
4 (1.68)
Los m etodos de Adams-Moulton incluyen para p = 1 el m etodo de Euler impl cito

h h h yi +1 = yi + hf xi+1 , yi+1
y la regla trapezoidal h h h f xi , yi + f xi+1 , yi . (1.69) +1 2 Los m etodos impl citos se usan poco en la pr actica. Pero si usamos un m etodo de Adamsh h h i Moulton y remplazamos el valor f (xi+1 , yi ) por una aproximaci o n f ( x , y i+1 +1 i+1 ), donde y +1 es generado por un m etodo expl cito, obtenemos un m etodo del tipo predictor-corrector. Por ejemplo, combinando el m etodo de Adams-Moulton con 3 pasos y orden 4 con un m etodo de Adams-Bashforth con 3 pasos y del orden 3 (como predictor), resulta un m etodo expl cito de 3 pasos y del orden 4 que requiere s olo dos evaluaciones de f por paso, y que es esencialmente equivalente en sus caracter sticas al m etodo de Runge-Kutta cl asico del orden 4, y que requiere 4 evaluaciones de f por paso. Expl citamente, este m etodo predictor-corrector es dado por h h h h h h i , (1.70) 16f xi1 , yi 23f xi , yi y 1 + 5f xi2 , yi2 +1 = yi + 12 h h h h h h h i yi 9f xi+1 , y . (1.71) +1 = yi + +1 + 19f xi , yi 5f xi1 , yi1 + f xi2 , yi2 24 1.3.2. M etodos impl citos de pasos m ultiples basados en derivaci on num erica. Usamos la identidad
h h yi +1 = yi +
y (xi+1 ) = f xi+1 , y(xi+1 ) y aproximamos y(x) por el polinomio de interpolaci on P(x; i) del grado m aximo k + 1 para los datos
h h xi+1 , yi +1 ), . . . , xik , yik ,
0,
(1.72)
donde el valor
h yi +1
a un es desconocido, y denimos por la ecuaci on d h = f xi+1 , yi P(x; i) +1 . dx x=xi+1
h yi +1
(1.73)
23
Usando para la representaci on del polinomio la f ormula de Newton,

k+1 j 1
P(x; i) =
j =0
y[h xi+1 ,...,xi+1j ]

l=0
(x xi+1l ),
(1.74)
donde mos
y[h xi+1 ,...,xi+1j ]
es una j - esima diferencia dividida con respecto a los datos (1.72), tenek+1 j 1
y[h xi+1 ,...,xi+1j ]

j =1 l=1
h (xi+1 xi+1l ) = f xi+1 , yi +1 ,
(1.75)
h es decir, un sistema de ecuaciones para determinar yi +1 . Para el caso equidistante podemos calcular expl citamente los coecientes de estas f ormulas. Tal procedimiento entrega las f ormulas k h yi +1
=
l=0
h h kl yi l + h0 f xi+1 , yi+1
(1.76)
con los coecientes k 0 k1 k2 k3 k4 k5 0 1 1

2 3 4 3
2
6 11 18 11
3
12 25 48 25
4
60 137 300 137
5
60 147 360 147
k0 1
9 36 450 1 11 25 300 147 3 137 2 11 16 25 200 137
400 147
(1.77)
75 225 3 137 147 25 12 137 72 147
10 147
Veremos que estas f ormulas son interesantes solamente para k 5. Para k = 0, obtenemos nuevamente el m etodo de Euler impl cito. Las f ormulas (1.76) son conocidas como f ormulas BDF (backward dierentiation formula) o m etodo de Gear. 1.3.3. Breve teor a de m etodos de pasos m ultiples. En lo siguiente, consideraremos s olo m etodos lineales de k pasos, que pueden ser representados como
k h i ym +i i=0 k
=h
i=0
h i f xm+i , ym +i ,
m = 0, . . . , Nh k,
(1.78)
donde h = xj +1 xj para todo j . Eso incluye los m etodos de Adams-Bashforth, AdamsMoulton y BDF, pero no incluye el m etodo predictor-corrector. Las propiedades de (1.78) pueden ser caracterizadas por los polinomios
k k
( ) :=
i=0
i i ,
( ) :=
i=0
i i .
24
Los conceptos del error de truncaci on local y del error de discretizaci on global son introducidos en forma an aloga a los m etodos de paso simplie, es decir, denimos 1 x, y(x); h := h
k k
i=0
i y(x + ih) h
i f x + ih, y(x + ih)

i=0
(1.79) (1.80)
El m etodo se llama consistente al menos del orden p si y convergente del orden p si
h (x; h) := y(x) yN , h
donde Nh h = x x0 .
x, y(x); h = O(hp ) para h 0, (x; h) = O(hp ) para h 0.
Teorema 1.3. El m etodo de k pasos (1.78) es consistente al menos del orden p si 1 (1) = 0, 1 ( ) ( ), j +1 (1) = jj (1), j = 1, . . . , p,
j +1 ( ) j ( ).
(1.81)
donde los polinomios j y j son denidos por la recursi on El m etodo es convergente del orden p si adem as tenemos: 1. Todos los ceros de estan localizados en el interior o en el borde del c rculo unitario, y los ceros del borde son simples, es decir, 2. Los errores iniciales son del orden p: ( ) = 0 | | 1 ( ) = 0 | | = 1 ( ) = 0 . i = 0, . . . , k 1. (1.82) (1.83) 1 ( ) ( ), j +1 ( ) j ( ),
h yi y(xi ) = O(hp ),
Demostraci on. Ver, por ejemplo, Deuhard & Bornemann. Las raices diferentes de 1 se llaman raices parasitarias. Ellas afectan decisivamente el uso pr actico del m etodo. La condici on (1.82) es conocida como condici on de ceros o condici on de estabilidad asint otica. Veremos en una tarea que existen m etodos muy razonables que no satisfacen la condici on de estabilidad asint otica. Los m etodos de Adams-Moulton y AdamsBashforth satisfacen la condici on (Tarea), pro las f ormulas (1.76) no satisfacen (1.82) para k 6. Uno podria tratar de maximizar el orden de un m etodo eligiendo los coecientes j y j de forma optima para un valor dado de k . Este procedimiento permite alcanzar un orden de consistencia 2k . Sin embargo, los m etodos que resultan son inutiles para las aplicaciones debido al siguiente teorema. Teorema 1.4 (Primera cota de orden de Dahlquist). El orden m aximo de un m etodo estable y consistente de k pasos es p= k + 1 para k impar, k + 2 para k par.
Demostraci on. Ver Hairer, Nrsett & Wanner, 1993.
25
El orden k +1 ya se alcanza por las f ormulas de k pasos del tipo predictor-corrector usando las f ormulas de Adams-Bashforth y Adams-Moulton. Lo u nico que a un aparece interesante son las f ormulas del orden k + 2 para k par. La discusi on de un ejemplo, el m etodo de MilneSimpson, en el Ejemplo 1.5, require la presentaci on del siguiente teorema. (Sin embargo, el ejemplo ilustra el poco inter es pr actico para este tipo de m etodos.) Teorema 1.5. Consideremos la siguiente ecuaci on de diferencias para una sucesi on {i }iN0 :
k
i i+m = 0,
i=0
m N0 ,
0 k = 0.
(1.84)
Entonces la soluci on de (1.84) es dada por

s vl
j =
l=1 i=1
Cli j i1 lj ,
j > 0,
(1.85)
donde 1 , . . . , s , i = j para i = j , son los ceros del polinomio

k
P ( ) :=
i=0
i i
con las multiplicidades v1 , . . . , vs , o sea

s
vl = k,
l=1
v l N,
y las constantes Cli son determinadas unicamente por los valores iniciales 0 , . . . , k1 . Ejemplo 1.5. El m etodo de Milne-Simpson h h h h h h (1.86) f xi+1 , yi yi +1 + 4f xi , yi + f xi1 , yi1 +1 = yi1 + 3 (considerado aqu para n = 1) es un m etodo de dos pasos del orden 4. Lo aplicamos al problema y = y , y (0) = 1 con la soluci on y (x) = ex . Resulta la ecuaci on de diferencias lineal h h h h h . (1.87) (1 q )yi y0 = 1, q = +1 4qyi (1 + q )yi1 = 0, 3 Aplicando el Teorema 1.5 a la ecuaci on (1.87), llegamos a la representaci on
h donde C = C (y1 )y j h yj = Cj 1 + (1 C )2 ,
1 = Para < 0 tenemos
1 2q + 1q
1 + 3q 2 ,
2 =
1 2q 1q
1 + 3q 2 .
1 =
1 1 + 3q 2 2|q | = 1 O(h), 1 + |q | 1 1 + 3q 2 2|q | = 1 O(h) < 1. 2 = 1 + |q |
26
Entonces para C = 1 la soluci on siempre tiene una contribuci on oscilatoria 2 que crece con x = jh. (El efecto de error de redondeo causa que en la pr actica, siempre C = 1.) h Para y1 eh = O(h4 ), j N y N h = x jado esta contribuci on es s olo del orden 4 O(h ) cuando h 0, o sea el m etodo es convergente del orden 4. Pero para la computaci on pr actica uno no puede elegir h arbitrariamente peque no, y la contribuci on oscilatoria es muy molestosa.
Cap tulo 2
Problemas de valores iniciales para ecuaciones diferenciales ordinarias (Parte II)

2.1. Ecuaciones r gidas (problemas sti) Desde el estudio de problemas de interpolaci on, aproximaci on y cuadratura ya sabemos que el error cometido por esos m etodos depende de forma decisiva de una de las derivadas m as altas de la funci on aproximada o del integrando. Obviamente, se puede suponer que lo mismo es v alido para la soluci on del problema de valores iniciales de una ecuaci on diferencial ordinaria. Pero aqu , tambi en es importante la regularidad (suavidad) de la entera variedad de soluciones en la vecindad de la soluci on exacta del problema. Esta observaci on tiene consecuencias importantes para la aplicaci on de m etodos numericos. Discutiremos primero un ejemplo. Ejemplo 2.1. Se considera el problema de valores iniciales La ecuaci on diferencial ordinaria tiene la soluci on general y (x) = ex + ex , Usando el valor inicial prescrito, tenemos 1 + = + 1, es decir, = , y la soluci on del problema (2.1) es y (x) = ex + ex . (2.3) Para = 0 y x 0, la soluci on y todas sus derivadas son en valor ebsoluto menores que 1, cualquier que sea el valor de . En general, tenemos dp y y (p) (x) := p = p ex + (1)p ex , dx es decir, y (p) (x) ||p 1 p e || para x 0, 1 , < 0. R. y = (y ex ) ex , y (0) = 1 + , R. (2.1) (2.2)
Por ejemplo, para = 0 y = 1000 las derivadas asumen ordenes de tama no gigantescos en una peque na vecindad de x = 0. Lo mismo es v alido si para cualquier x0 prescribimos el valor inicial y (x0 ) = ex0 + .
27
28
2. PROBLEMAS DE VALORES INICIALES PARA EDOS II
Cuadro 2.1. Ejemplo 2.1: Valores de la soluci on aproximada de (2.1) con = 0, generados por el m etodo de Euler expl cito (2.4) con diferentes valores de h. x h = 0,1 h = 0,01 h = 0,001 h = 0,0005 0,1 0,904837 0,904884 0,904838 0,904838 0,5 0,696531 0,606562 0,606531 0,606531 1,0 0,367879 0,367899 0,367880 0,367880 Cuadro 2.2. Ejemplo 2.1: Valores de la soluci on aproximada de (2.1) con = 0, generados por el m etodo de Euler impl cito (2.5) con diferentes valores de h. En lo siguiente, consideremos = 1000 y = 0. En este caso, la soluci on consiste s olo en la componente suave ex . Ya para x > 1/10, cualquier soluci on es pr acticamente id entica a la componente suave, si es del orden de tama no 1, dado que exp(100) 3,7 1044 . Entonces la soluci on exacta y la componente suave disminuyen exponencialmente con x. Aplicaremos algunos m etodos de discretizaci on a este problema. El m etodo de Euler expl cito entrega la f ormula
h h h yi +1 = yi + h 1000 yi exp(ih) exp(ih) h y0 = 1. h = (1 1000h)yi + 999h exp(ih),
x h = 0,1 h = 0,01 h = 0,002 h = 0,001 h = 0,0005 0,1 0,9 1,74 105 0,905 0,904837 0,904837 6 38 0,5 4,6 10 | | > 10 0,607 0,6065304 0,606530 1,0 4,38 1016 | | > 1038 0,368 0,367879 0,367879
i = 0, 1, 2, . . . ,
(2.4)
Este m etodo entrega los valores aproximados del Cuadro 2.1, donde las 6 primeras cifras decimales de la soluci on exacta coinciden con el resultado num erico para h = 0,0005. Obviamente, s olo para h 0,002 obtenemos soluciones aceptables. (Esto proviene del requerimiento de estabilidad |1 1000h| 1 para este problema; este criterio se establecer a m as adelante.) Aplicamos ahora el m etodo de Euler impl cito. A pesar de ser impl cito, en el caso de la ecuaci on (2.1), que es lineal con respecto a y , obtenemos una f ormula de iteraci on expl cita:
h h (1 + 1000h)yi +1 = yi + 999h exp (i + 1)h 1 999h h h yi + yi exp (i + 1)h), +1 = 1 + 1000h 1 + 1000h h y0 = 1. h h h yi +1 = yi + h 1000yi+1 + 1000 exp (i + 1)h exp (i + 1)h
i = 0, 1, 2, . . . ,
(2.5)
Este m etodo genera los valores num ericos indicados el Cuadro 2.2. Obviamente, los malos resultados obtenidos por (2.4) no son una consecuencia del bajo orden de consistencia del
PARA PVIS DE EDOS 2.2. ESTABILIDAD DE METODOS DE DISCRETIZACION
29
m etodo, ya que el orden de (2.5) tambi en es solamente uno. Los mismos efectos pueden ser observados con cualquier m etodo de Runge-Kutta expl cito (Tarea). Los fen omenos observados en el ejemplo son relacionados con la presencia de soluciones de la ecuaci on diferencial ordinaria con derivadas grandes en la cercan a de la soluci on exacta del problema de valores iniciales dado. La soluci on exacta tambi en asume valores en este rango de pendientes fuertes, y los m etodos expl citos producen un efecto oscilatorio (si h no es sucientemente peque no) que nos aleja rapidamente de la soluci on exacta. (Por otro lado, el problema de valores iniciales y = y, y (0) = 1
con la misma soluci on exacta se podr a aproximar facilmente por el m etodo de Euler expl cito, usando h = 0,1 y calculando hasta x = 1.) Las ecuaciones diferenciales ordinarias que presentan este problema se llaman r gidas (problemas sti). El prototipo de una ecuaci on r gida es el siguiente sistema lineal homog eneo: y = Ay, y(0) = y0 , (A) = {1 , . . . , n }, Re 1 A Rnn diagonalizable, ... Re n 0, Re 1 1. (2.6)
Aqu uno podria elegir S := Re 1 como medida de la rigidez. En el caso de un sistema m as general y = f (x, y) podriamos denir S := nf (f (x, y) f (x, z))T (y z) . (y z)T (y z) (2.7)
(x,z),(x,y)Df y =z
2.2. Estabilidad de m etodos de discretizaci on para problemas de valores inicales de ecuaciones diferenciales ordinarias 2.2.1. Estabilidad lineal. Analizaremos ahora el comportamiento de de m etodos de discretizaci on aplicados al problema test y = y, y (0) = y0 ; Re < 0. (2.8)
Un sistema del tipo (2.6) puede ser transformado a un sistema de n ecuaciones deacopladas del tipo (2.8), donde representa uno de los valores propios de A. Por lo tanto, las siguientes consideraciones ser an relevantes no s olo para ecuaciones escalares, sino que tambi en para sistemas del tipo (2.6). Denici on 2.1. Se dice que un m etodo de paso simple o de pasos m ultiples pertenece a la clase CA (de coecientes anal ticos) si su aplicaci on al problema (2.8) lleva a una ecuaci on de diferencias
k h gj (h)ym +j = 0, j =0
m = 0, 1, . . . , N k,
(2.9)
30
donde las funciones g0 , . . . , gk , k gk (0) = 0, y el polinomio
1, son anal ticas (en el sentido de funciones complejas),

k
z satisface la condici on de ceros (1.82).
gj (0)z j
j =0
Ejemplo 2.2. El m etodo de Runge-Kutta cl asico (Ejemplo 1.2) corresponde a k = 1, g1 (z ) 1, k = 1, el m etodo trapezoidal (1.69) a k = 1, g0 (z ) = 1 + z + g1 (z ) = 1 z, z2 z3 z4 + + 2 6 24 , (2.10)
el m etodo de Euler impl cito (1.68) a g0 (z ) 1, z 2 (2.11)
z g1 (z ) = 1 , 2 y el m etodo predictor-corrector (1.70), (1.71) a k = 3, g3 (z ) 1,
g0 (z ) = 1 +
(2.12)
9 23 2 28 z z , 24 24 12 (2.13) 9 16 2 1 9 5 2 5 z , g0 (z ) = z + z . g1 (z ) = z + 24 24 12 24 24 12 Usando el Teorema 1.5 podemos determinar la soluci on de (2.9) (y entonces el crecimiento h de los valores discretizados yi ) directamente del polinomio (llamado polinomio de estabilidad) g2 (z ) = 1
k
P (z ; q ) :=
j =0
gj (q )z j ,
q = h.
(2.14)
Nuestra discusi on aclara que es deseable que el polinomio P satisfaga la condici on de ceros (1.82) para un dominio de valores lo m as grande posible. El interior del dominio donde se cumple (1.82) se llama dominio de estabilidad. Denici on 2.2. Un m etodo de paso simple o de pasos m ultiples de la case (CA) se llama absolutamente estable en un dominio G C so sus funciones coecientes gk son anal ticas en G, gk (q ) = 0 para todo q G, y si los zeros de P (z ; q ) de (2.14) tienen un valor absoluto menor que uno:
k
{q C | Re q < 0}
q G : P (z ; q ) =
j =0
gj (q )z j = 0 = |z | < 1.
(2.15)
El m etodo se llama A-estable si es absolutamente estable en G con z | Re z < 0 G,
31
A()-estable si es absolutamente estable en G con z | arg(z ) (, ) G y A0 -estable si es absolutamente estable en G con z | Re z < 0, Im z = 0 G. Si el m etodo es A-estable y adicionalmente
Re q
( > 0),
l m sup m ax |z | | P (z ; q ) = 0 < 1,
el m etodo se llama L-estable. Un m etodo A-estable permite la integraci on estable (no: exacta) de y = y , y (0) = y0 con un tama no de paso h arbitrario. Podemos esperarnos que un tal m etodo tambi en permite la integraci on estable y exacta de sistemas r gidos si el tama no de paso es determinado seg un los componentes suaves y lentamente decrecientes, una vez que los componentes rapidamente decrecientes de la soluci on ya no son importantes. Ningun m etodo expl cito es A-estable. Ejemplo 2.3. El m etodo de Euler expl cito es absolutamente estable precisamente en z C | |z + 1| < 1 , y no puede ser usado, por ejemplo, para ecuaciones diferenciales ordinarias de oscilaci on, dado que este m etodo siempre amplica las amplitudes de la soluci on por un factor (1 + hc) por paso, donde C es una constante que no depende de h. El m etodo de Euler impl cito es absolutamente estable precisamente en z C | |z 1| > 1 , este m etodo tambi en es A-estable y L-estable, pero no es apto para ecuaciones de oscilaci on ya que amortigua la amplitud de la soluci on discretizada por un factor 1/(1 + hC ) en cada paso. La regla trapezoidal (1.69) es absolutamente estable estrictamente para z 1+ 2 < 1, z 1 2 es decir, es absolutamente estable estrictamente para z C := {z C | Re z < 0}. Es apta para ecuaciones de oscilaci on (por ejemplo, y = iy , i = z 1+ 2 = 1. Re z = 0 = z 1 2
1) porque
32
k 1 2 3 4 5 6 90 90 88 02 73 21 51 50 17 50 Cuadro 2.3. Los angulos de A()-estabilidad de los m etodos BDF de k pasos.
Cuadro 2.4. Los intervalos reales (, 0) de estabilidad de algunos m etodos de Runge-Kutta con m = p pasos.
m=p 1 2 3 4 2 2 2,51 2,78
4 5 45 90 6 3 49 38 Cuadro 2.5. Los intervalos reales (, 0) de estabilidad de los m etodos de Adams-Moulton con k pasos. Sin embargo, la regla trapezoidal no es L-estable. Eso se nota de forma desgradable en el caso de soluciones decrecientes porque a la soluci on discretizada se agregan oscilaciones peque nas (pero acotadas). Para la soluci on discretizada de (2.8), el m etodo trapezoidal entrega h i i i 1+ h + 2 4 i i h 2 y = ( 1) 1 + y = ( 1) y0 , yi = 0 h 0 h 2 h 2 1 2 o sea, para h < 2 obtenemos una soluci on amortiguada, pero oscilatoria de la soluci on exacta mon otona. Los m etodos BDF de k pasos son A()-estables, con los valores = (k ) dados en el Cuadro 2.3. En particular, el m etodo con k = 2 es A-estable (e incluso L-estable). Con este m etodo (el m etodo BDF con k = 2) y la regla trapezoidal ya conocemos dos m etodos lineales de pasos m ultiples A-estables. Lamentablemente, no existen m etodos de pasos m ultiples lineales y A-estables del orden mayor que 2. Teorema 2.1 (Segunda cota de orden de Dahlquist). Cada m etodo consistente, A-estable, lineal y de pasos m ultiples es del orden de consistencia 2. El dominio de estabilidad de los m etodos de Adams-Moulton de k 2 pasos, de los m etodos de Adams-Bashforth de k 1 pasos, del m etodo predictor-corrector y de los m etodos expl citos de Runge-Kutta es relativamente peque no. Para todos estos m etodos, la condici on
33
3 4 5 6 3 90 2 1 11 10 551 Cuadro 2.6. Los intervalos reales (, 0) de estabilidad de los m etodos de Adams-Bashforth con k pasos. de estabilidad es h < C, (2.16)
donde C es una constante del orden de magnitud 1. Los intervalos reales (, 0) de la estabilidad absoluta son dados por el Cuadro 2.4 para los m etodos de Runge-Kutta expl citos de m pasos (lo que incluye el m etodo cl asico con m = 4, por el Cuadro 2.5 para los m etodos de Adams-Moulton de k pasos y por el Cuadro 2.6 para los m etodos de Adams-Bashforth de k pasos. De los m etodos discutidos hasta ahora, s olo el m etodo trapezoidal, el m etodo del punto medio impl cito, y los m etodos BDF con k 6 pasos son aptos para ecuaciones muy r gidas, estos u ltimos con la restricci on que no deben aparecer componentes de soluciones con arg() > , con del Cuadro 2.3. 2.2.2. Estabilidad no lineal. Los resultados de la Secci on 2.2.1 son insatisfactorios por que permiten solamente conclusiones muy tentativas respecto al comportamento de m etodos de disretizaci on aplicados a problemas no lineales. Vemos que sistemas lineales con coecientes variables ya presentan problemas particulares. Ejemplo 2.4. Consideremos el problema de valores iniciales y = (x)y, y (0) = y0 ; Aqu el m etodo de Euler impl cito es estable sin restricci on para h > 0. El m etodo trapezoidal genera la recursi on
h yi +1 =
: R+ R ,
C 1 (R+ ).
(2.17)
y la condici on nos entrega para
2 + (xi )h h y , 2 (xi+1 )h i
h yi +1 h yi
i N0 :
sup (x) = > 0

x R +
la restricci on h 2 .
34
El m etodo del punto medio impl cito,

h yi +1
h yi
+ hf
h h + yi xi + xi+1 yi +1 , 2 2
es equivalente al m etodo trapezoidal para una ecuaci on lineal con coecientes constantes. Pero aqu el m etodo del punto medio impl cito asume la forma xi + xi+1 2 = yh, xi + xi+1 i 2 h 2 2 + h
h yi +1
o sea el m etodo es estable sin restricciones. M as encima, para sistemas lineales con coecientes variables ya no podemos concluir que la soluci on es estable cuando los valores propios de 2 f (x, y)
y = y (x)
= A(x)
son sucientemente peque nos, como non muestra el siguiente ejemplo. Ejemplo 2.5. Consideremos el problema de valores iniciales 1 1 U(x)y A(x)y, y = UT (x) 0 1 con un par ametro > 0 y la matriz U(x) = cos(x) sin(x) sin(x) cos(x) y(0) = y0 , (2.18)
Aqu los valores propios de A son 1 = 2 = 1/. Usando la transformaci on v(x) := U(x)y(x), tenemos y(x) 2 = v(x) 2 , y v es soluci on del problema de valores inicales 1 + v, v(0) = y0 v = 1 es decir, v(x) = v1 exp(1 x) + v2 exp(2 x), 1 1,2 = + ,
donde los vectores v1 y v2 dependen de y0 . Vemos que para 0 < < 1, = 1 y > 2 existen soluciones que crecen exponencialmente. Existen varias extensiones de la teor a lineal de estabilidad para m etodos de discretizaci on a sistemas generales (esto es tema de investigaci on correinte). Para el siguiente tipo de ecuaciones ya existen resultados.
35
Denici on 2.3. Sea f : R+ Rn Rn , y para un producto escalar , , supongamos que x R+ : u, v Rn : Si m f (x, u) f (x, v), u v m u v, u v . (2.19) 0, entonces la ecuaci on diferencial ordinaria y = f (x, y) se llama disipativa.
Ejemplo 2.6. Consideremos el problema (t) = h x(t) , x t > 0; x(0) = x0 , (2.20)
donde h : Rn R sea una funci on dos veces continuamente diferenciable y uniformamente convexa, es decir, > 0 : y, z Rn : Con la notaci on de la Denici on 2.3, tenemos f = h (esta funci on no depende expl citamente de t), y usando el producto escalar denido por T x, y = x y, tenemos f (x) f (y)
T 1
zT z
zT 2 h(y)z.
(x y) = (y x)T
2 h x + (y x) d
(x y)
(x y)T (x y), o sea, m = < 0 en (2.19). La ecuaci on diferencial ordinaria (2.20) tiene como u nica soluci on estacionaria el u nico m nimo x de h, y para t la soluci on de cualquier problema de valores iniciales de = h(x) converge a x . Entonces, se puede aproximar x por la soluci x on num erica de (2.20), y como uno quiere hacer t , se preere usar u tama no de paso lo m as grande posible, sin destruir la convergencia del m etodo a la soluci on estacionaria. La ecuaci on (2.20) puede ser extraordinariamente r gida, lo que ocurre cuando 2 h es una matriz mal acondicionada. Hay que tomar en cuenta que (2.19) no utiliza 2 f , es decir, la clase de ecuaciones diferenciales disipativas incluye problemas arbitrariamente r gidos. Denici on 2.4. Un m etodo de discretizaci on para problemas de valores iniciales de ecuaciones diferenciales ordinarias se llama optimalmente B -convergente del orden p sobre la clase de todos los problemas de valores iniciales disipativos, si
h y(xi ) yi
C (xi )hp
y i N0 , para h < h x xi , 1 j p
(2.21)
donde C (xi ) depende solamente de m ax y(j ) (x) | x0
para un cierto p , suponiendo que la verdadera soluci on y(x) del problema es sucientemente diferenciable, para una funci on f que satisface (2.19) y m 0.
36
La gran ventaja de los m etodos optimalmente B -convergentes consiste en que la restricci on del tama no de paso no depende de la rigidez del sistema, y que el error global de la discretizaci on no depende tampoco de la rigidez del sistema. Al contrario de eso, los m etodos expl citos de Runge-Kutta, por ejemplo, poseen un error hp C (xi ), donde C (xi ) tambien en la Denci depende de 2 f . En general, el valor de h on 2.4 depende de m. Teorema 2.2. El m etodo de Euler impl cito es optimalmente B -convergente del orden 1, y la regla trapezoidal y la regla impl cita del punto medio son optimalmente B -convergentes del orden 2, en cada caso sobre la clase de los problemas de valores iniciales disipativos. 2.3. M etodos de Runge-Kutta impl citos y m etodos de Rosenbrock Los m etodos de Runge-Kutta generales son caracterizados por el diagrama de Butcher (1.35). Recordamos que un esquema de Runge-Kutta es impl cito si existe un coeciente ij = 0 con j i. Debido al alto esfuerzo computacional, la aplicaci on de tales m etodos para problemas no r gidos no ser a muy econ omica; sin embargo, para problemas r gidos estos m etodos pueden ser muy ventajosos, dado que incluyen m etodos optimalmente B convergentes de orden arbitrariamente alto. Primero demostramos que los m etodos de Runge-Kutta impl citos pertenecen a la clase CA, ver Denici on 2.1. Recordamos que
m
kj = f
x+
h hj , yi
+h
l=1
jl kl
j = 1, . . . , m,
Para h sucientemente pequen no, I hB siempre es invertible y por lo tanto, k es bien denido. Seg un la regla de Cramer tenemos
h kj = yj Rj (h),
lo que implica que para f (x, y) = y y n = 1 k1 . h . , (I hB)k = yi e, k = . km
B = (jl )j,l=1,...,m ,
1 . . . e = . 1
j = 1, . . . , m,
donde Rj es una funci on racional de h: Rj (z ) = Pj,m1 (z ) Pj,m1 (z ) , = m det(I z B) (1 zi )

i=1
(2.22)
donde 1 , . . . , m son los valores propios de B y Pj,m1 es un polinomio del grado m aximo m 1; el grado m aximo del polinomio del denominador de (2.22) es m. Puesto que
m h yi +1
h yi
+ h
j =1
j kj ,
2.3. METODOS DE RUNGE-KUTTA IMPL ICITOS Y METODOS DE ROSENBROCK
37
obtenemos que
m h yi +1
h yi
h hyi j =1
m (h)y h , j Rj (h) = R i
m es una funci donde R on racional (cuociente de dos polinomios del grado m aximo m). Ejemplo 2.7. Consideremos el m etodo con 1 4 3 4 m = 2 dado por 1 0 4 1 1 . 2 2 1 1 2 2 1 1 k1 + k 2 2 4 h h y 2 i h 1 4 ,
(2.23)
Poniendo f (x, y ) = y obtenemos h h k1 = y i + k1 , 4 es decir, k1 =

h yi h k2 = yi +h
1 lo que signica que

h yi +1 h yi
h 4
k2 =
h yi
1
2
h 4
2,
h 1 4
h = yi
Dado que
h + h 1 4 2 h 1 4 h 1+ . (1 h/4)2
2
h 2
(Re )h (Im )2 h2 1+ + h 4 16 , 1+ 2 2 = (1 h/4) (Re )h (Im )2 h2 1 + 4 16 este m etodo es A-estable. Es consistente del orden 2. Tambi en es optimalmente B-convergente del orden 2. Seg un la Denici on 2.2, la propiedades de estabilidad lineal de un m etodo de Runge-Kutta impl cito depende de para cuales z C se cumple m (z ) < 1. R (2.24)
38
En esta clase de m etodos existen m etodos A-estables de orden arbitrariamente alto. Si elegimos como i los nodos de Gauss para la funci on de peso 1 sobre [0, 1], y como i los pesos de Gauss asociados y como ij (los pesos de la cuadratura interior) de tal forma que
m i
ij g (j ) =
j =1 0
g (x) dx para g m1 , i = 1, . . . , m,
obtenemos los m etodos de Gauss-Runge-Kutta. Por ejemplo, para m = 2 obtenemos el siguiente esquema. 3 3 32 3 1 6 4 12 1 3+ 3 3+2 3 . (2.25) 6 12 4 1 1 2 2 Teorema 2.3. (a) Los m etodos de Gauss-Runge-Kutta de m pasos son consistentes del orden 2m. (b) Los m etodos de Gauss-Runge-Kutta de m pasos son A-estables y optimalmente B convergentes del orden m sobre la clase de los problemas disipativos. Demostraci on. Para las demostraciones de (a) y (b), ver (por ejemplo) Grigorie (1972) y Burrage y Hundsdorfer (1987), respectivamente. En particular, el orden de la B -convergencia puede ser signicativamente menor que el orden de consistencia cl asico. Esto es debido al requerimiento de la B -convergencia optimal que el residuo (t ermino de error) debe ser independiente de la rigidez del sistema. Se puede demostrar que para una funci on f disipativa, las pendientes kj de un m etodo de Gauss-Runge-Kutta son determinados u nicamente de la ecuaci on del m etodo, indepen , para un h > 0 jo. Sin embargo, la dientemente de la rigidez del sistema y para h < h implementaci on de un tal m etodo es bastante dicil, dado que, por ejemplo, en cada paso de integraci on para un sistema de ecuaciones diferenciales del orden n hay que resolver un sistema no lineal del orden nm. En la pr actica se presenta una situaci on m as simple si ij = 0 para j > i, lo que corresponde a los m etodos de Runge-Kutta diagonalmente impl citos. Un ejemplo es el m etodo (2.23) del Ejempo 2.7. Desafortunadamente, la mayor a de estos m etodos son solamente optimalmente B -convergentes de primer orden. A veces se presentan problemas donde solamente 2 f es grande, mientras que el orden de magnitud de todas las dem as derivadas de f es peque no comparado con 2 f , por ejemplo, y = Az + g(x, y), con una funci on g para la cual todas las derivadas parciales tienen una norma del orden de magnitud O(1), mientras que los valores propios son dispersos en {z C | Im z < 0}.
2.3. METODOS DE RUNGE-KUTTA IMPL ICITOS Y METODOS DE ROSENBROCK
39
En estos casos, podemos aplicar exitosamente los m etodos de Rosenbrock y sus modicaciones. Podemos derivar los m etodos de Rosenbrock de la siguiente forma. Partimos de las ecuaciones de un m etodo de Runge-Kutta diagonalmente impl cito: k1 = f x + 1 h, yh + 11 hk1 , k2 = f x + 2 h, yh + 21 hk1 + 22 hk2 , . . . km = f x + m h, yh + m1 hk1 + . . . + mm hkm . Estas ecuaciones se resuelven sucesivamente de forma iterativa, ejecutando un paso del m etodo de Newton con ki := 0 como dato inicial. Esto entrega las ecuaciones expl citas
i1 (0)
I hii 2 f =f
x + i h, y + h
j =1 i1
ij kj ,
ki (2.26)
x + i h, yh + h
j =1
ij kj
i = 1, . . . , m.
Aqu hay que resolver sucesivamente m sistemas lineales. La desventaja aun consiste en el hecho de que hay que calcular m matrices de Jacobi 2 f y ejecutar m descomposiciones triangulares. Con una matriz ja I h2 f (x, y) en al lado izquierdo y una correcci on correspondiente al lado derecho obtenemos la f ormula de planteo modicada I h2 f (x, yh ) ki =f x + i h, yh + h
j =1 i1 i1
ij kj
+ h2 f (x, yh )
j =1
ij kj ,
i = 1, . . . , m.
(2.27)
Estas f ormulas son las f ormulas de Rosenbrock-Wanner. En esta clase de m etodos hay muchos ejemplos de m etodos A-estables o A()-estables. Ejemplo 2.8 (Kaps & Rentrop, 1979). Los siguientes coecientes denen un m etodo Rosenbrock-Wanner A-estable de orden 4: ij i=2 i=3 i=4 j=1 j=2 j=3 0,438 , 0,796920457938 0,073079542062 0 0 0
= 0,395,
40
i=1 i=2 i=3 i=4 . i 0,199293275702 0,482645235674 0,0680614886256 0,25
ij j=1 j=2 j=3 i = 2 0,767672395484 , i = 3 0,851675323742 0,522967289188 i=4 0,288463109545 0,08802142734 0,337389840627
Cap tulo 3
Problemas de valores de frontera para ecuaciones diferenciales ordinarias

3.1. Introducci on En el caso escalar, se busca una soluci on y = y (x) da le ecuaci on diferencial ordinaria F x, y, y , . . . , y (n) = 0 sujeta a las condiciones de frontera Rj (y ) = Rj y (a), y (a), . . . , y (n1) (a); y (b), y (b), . . . , y (n1) (b) = j , j = 1, . . . , n, (3.2) (3.1)
donde x = a y x = b son puntos en R y j R. En general, es dicil obtener resultados acerca de la existencia y la unicidad de soluciones de estos problemas de valores de frontera. Esencialmente, existen s olo resultados para el problema lineal
n
(Ly )(x) R j [y ] =
fi (x)y (i) = g (x),

i=0 n1
x (a, b),
fn 0 sobre (a, b), (3.3) j = 1, . . . , n,
j,k+1 y (k) (a) + j,k+1 y (k) (b) = j ,

k=0
donde j,k+1 y j,k+1 son constantes. Para g 0, la ecuaci on diferencial ordinaria se llama homog enea; para j 0, las condiciones de frontera se llaman homog eneas. Si g 0 y j 0, el problema de valores de frontera se llama homog eneo. En general, se supone que por lo menos f0 , . . . , fn C 0 (a, b). El problema de valores de frontera lineal de segundo orden es (Ly )(x) f2 (x)y (x) + f1 (x)y (x) + f0 (x)y (x) = g (x), R1 [y ] = 11 y (a) + 11 y (b) + 12 y (a) + 12 y (b) = 1 , (3.4)
R2 [y ] = 21 y (a) + 21 y (b) + 22 y (a) + 22 y (b) = 2 . En muchos casos, R1 [y ] = 11 y (a) + 12 y (a) = 1 , R2 [y ] = 21 y (b) + 22 y (b) = 2 . M as generalmente, las condiciones de frontera se llaman separadas si j,k+1 = 0, j,k+1 = 0, j = 1, . . . , m, k = 0, . . . , n 1, m < n; j = m + 1, . . . , n; k = 0, . . . , n 1.
41
(3.5)
(3.6)
42
3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS
Frecuentamente, el problema de valores de frontera (3.3) puede ser reducido facilmente a un problema con condiciones homog eneas, donde j = 0 para j = 1, . . . , n. Esto ocurre si existe un polinomio Q n1 tal que Rj [Q] = j , En este caso denimos z (x) := y (x) Q(x), f := LQ. j = 1, . . . , n.
Las condiciones de frontera se llaman linealmente independientes si el rango de la siguiente matriz es n: 11 . . . 1n 11 . . . 1n . . . . . . . A= . . . . . n1 . . . nn n1 . . . nn
Seg un (3.3), obtenemos entonces el problema de valores de frontera (Lz )(x) = (Ly LQ)(x) = g (x) f (x) = h(x), Rj [z ] = Rj [y ] Rj [Q] = j j = 0, j = 1, . . . , n.
3.1.1. Ecuaciones diferenciales ordinarias autoadjuntas. Para un operador diferencial L dado por (3.3) denimos el operador adjunto L a trav es de
n
Ly El operador se llama autoadjunto si
j =0
(1)j
dj fj (x)y . dxj
(3.7)
Ly L y,
y C n (a, b).
(3.8)
Obviamente, un operador dsiferencial autoadjunto es de orden par. Una ecuaci on Ly = g (x) con un operador diferencial L autoadjunto se llama ecuaci on autoadjunta. Para n = 2, la condici on (3.8) exige que f0 y + f1 y + f2 y f0 y (f1 y ) + (f2 y ) donde omitimos el argumento (x). Esto implica que
2(f1 f2 )y (f2 f1 )y 0, f0 y f1 y f1 y + f2 y + 2f2 y + f2 y
y C 2 (a, b),
lo cual es v alido si y s olo si

f1 (x) f2 (x).
Usando f2 (x) = p(x) y f0 (x) = q (x), podemos escribir una ecuaci on diferencial ordinaria de segundo orden autoadjunta como Ly = d dx p(x) dy dx + q (x)y = g. (3.9)
3.1. INTRODUCCION
43
(Un aspecto que se discutir a m as adelante es que (3.9) tambi en es la ecuaci on de Euler del problema variacional I [y ] := 1 2
b a
p(x)(y )2 + q (x)y 2 2g (x)y dx = m n .) f2 (x) = 0 para todo x (a, b) (3.10)
Teorema 3.1. Cada ecuaci on lineal de segundo orden puede ser transformada a una ecuaci on autoadjunta de segundo orden. Demostraci on. Multiplicamos (3.10) por la funci on
x
f2 (x)y + f1 (x)y + f0 (x)y h(x) = 0,
p(x) = exp
x0
f1 ( ) d , f2 ( )
x0 , x (a, b), (3.11)
donde x0 (a, b) puede ser elegido libremente. El resultado es La funci on p(x) satisface
p(x)f2 (x)y p(x)f1 (x)y p(x)f0 (x)y + p(x)h(x) = 0. p(x)f1 (x) = p(x) f1 (x) f2 (x) = p (x)f2 (x), f2 (x) h(x) , f2 (x)
(3.12)
es decir, dividiendo (3.11) por f2 (x) y deniendo q (x) := p(x) f0 (x) , f2 (x) g (x) := p(x)
obtenemos la ecucaci on autoadjunta dy d p(x) dx dx
+ q (x)y g (x) = 0.
(3.13)
Para el tratamiento de problemas de valores de frontera de ecuaciones diferenciales ordinarias de segundo orden podr amos limitarnos a ecuaciones autoadjuntas. Pero, si la ecuaci on del problema dado no es autoadjunta, la reducci on al tipo autoadjunto seg un la demostraci on del Teorema 3.1 frecuentamente entrega una ecuaci on bastante complicada. Por ello es m as adecuado resolver el problema en la forma originalmente dada, siempre que existe un m etodo adecuado. 3.1.2. Problemas de valores de frontera para sistemas de ecuaciones diferenciales ordinarias de primer orden. Similarmente a lo que hemos visto para problema de valores iniciales, podemos reducir problemas de valores de frontera de una ecuaci on diferencial ordinaria del orden n a sistemas de ecuaciones diferenciales de primer orden. Para ilustrar eso, supongamos que la ecuaci on (3.1) es dada en la forma expl cita y (n) = f x, y, y , . . . , y (n1) , y denimos y (j ) =: yj +1 , j = 0, . . . , n 1. (3.14)
44
Entonces resulta el sistema de primer orden

y1 = y2 , . . . yn 1 = y n , yn = f (x, y1 , . . . , yn )
(3.15)
con las condiciones de frontera Rj [y1 , . . . , yn ] = Rj y1 (a), . . . , yn (a); y1 (b), . . . , yn (b) = j , j = 1, . . . , n. (3.16) En particular, si (3.1), (3.2) es un problema de valores de frontera lineal, tambi en el problema (3.15), (3.16) es lineal. En general, el problema de valores de frontera de un sistema de ecuaciones diferenciales ordinarias de primer orden es
yi = fi (x, y1 , . . . , yn ),
i = 1, . . . , n, j = 1, . . . , n. 1 . := . . , n
Rj y1 (a), . . . , yn (a); y1 (b), . . . , yn (b) = j , Deniendo y1 . y := . . , yn f1 (x, y) . , . f (x, y) := . fn (x, y) y = f (x, y),
(3.17)
podemos escribir (3.17) como
R1 . R := . . , Rn
R y(a); y(b) = .
(3.18)
El problema (3.18) se llama lineal si posee la siguiente forma, donde A(x), B1 y B2 son matrices: y = A(x)y + g(x), B1 y(a) + B2 y(b) = . (3.19)
3.2. M etodos de diferencias nitas 3.2.1. M etodo de diferencias nitas para un problema de valores de frontera lineal. En lo siguiente, consideramos el problema de valores de frontera y + p(x)y + q (x)y g (x) = 0,
11 y (a) + 12 y (a) = 1 , 21 y (b) + 22 y (b) = 2 .
x (a, b),
(3.20) (3.21) (3.22)
Para discretizarlo, subdividimos el intervalo [a, b] en N subintervalos del tama no h poniendo x0 := a; xi = a + ih, i = 0, . . . , N ; xN = a + N h = b. En el punto xi se aproxima la soluci on del problema de valores de frontera (3.20)(3.22) remplazando el cuociente diferencial por un cuociente de diferencias. Un tal m etodo se llama m etodo de diferencias nitas.
3.2. METODOS DE DIFERENCIAS FINITAS
45
Si y C 4 es la soluci on de (3.20)(3.22), entonces en el punto x = xi tenemos que
y (xi1 ) 2y (xi ) + y (xi+1 ) y (xi+1 ) y (xi1 ) + p(xi ) + q (xi )y (xi ) g (xi ) = O(h2 ), 2 h 2h (3.23) 11 y (a) + 12
y (x1 ) y (a) = 1 + O(h), (3.24) h y (b) y (xN 1 ) 21 y (b) + 22 = 2 + O(h). (3.25) h h Despreciando los t erminos O(h2 ) y O(h) y remplazando y (xi ) por yi , obtenemos el sistema de ecuaciones lineales h h (12 + h11 )y0 + 12 y1 = h1 , h h h 2 h h 2 1 + p(xi ) yi 1 + 2 + h q (xi ) yi 1 p(xi ) yi+1 = h g (xi ), 2 2
h h 22 yN 1 + (22 + h21 )yN = h2 .
i = 1, . . . , N 1, (3.26)
Para un valor de h jo y deniendo h i := 1 + p(xi ), i := 2 + h2 q (xi ), 2 podemos escribir (3.26) como el sistema donde A(h) R(N +1)(N +1) es la matriz 12 + h11 1 A(h) = 0 . . . 0 y0 . y := . . , h yN
h
h i := 1 p(xi ), 2
i = 1, . . . , N 1, (3.27) (3.28)
A(h)yh = b(h), tridiagonal 12 1 ... ... ... 0 1 ... ... .. . ... 0 . . . 0
y denimos los vectores
N 1 N 1 N 1 0 22 22 + h21
Teorema 3.2. Bajo las siguientes condiciones existe una constante h > 0 tal que el sistema (3.27) tiene una soluci on u nica yh : 1. 11 > 0, 12 0, 21 > 0 y 22 0, 2. q (x) 0 y h0 |p(x)| < 2 para x [a, b].
h1 h2 g (x1 ) . . . b(h) := . h2 g (x ) N 1 h2
(3.29)
46
Para la demostraci on del Teorema 3.2, usaremos los siguientes conceptos ya introducidos en el An alisis Num erico II. Denici on 3.1. Una matriz A Rnn se llama M-matriz si ij existe y A1 0. 0 para i = j y A1
Teorema 3.3. Sea A estrictamente o irreduciblemente diagonaldominante con ii > 0 para i = 1, . . . , n y ij 0 para i = j (es decir, A es una L-matriz). En este caso, A es una M-matriz. Demostraci on del Teorema 3.2. Observamos primero que A(h) es una L-matriz. Si 12 < 0 y 22 > 0, entonces A(h) es irreduciblemente diagonaldominante, y por lo tanto una M-matriz. Por otro lado, consideremos el caso 12 = 0 o 22 = 0. Si por ejemplo 12 = 0, tenemos 1 h y0 = = y (a). 11
h Si 22 > 0 en este caso, despu es de remplazar y0 = y (a), 0 < h h0 el sistema (3.27) se h h h T reduce a un sistema de N ecuaciones en las desconocidas y = (y1 , . . . , yN ) , cuya matriz nuevamente es una M-matriz. Si adem as 22 = 0, tenemos que 2 h = y (b), yN = 21 h h T y obtenemos un sistema lineal de N 1 ecuaciones para yh = (y1 , . . . , yN 1 ) , cuya matriz es una L-matriz irreduciblemente diagonaldominante, es decir, una M-matriz.
Para la soluci on del sistema lineal (3.27), podr amos utilizar el algoritmo de Gauss (o el algoritmo de Thomas). Sin embargo, para valores de N muy grandes, es decir, para h muy peque no, este algoritmo es poco apropiado puesto que A(h) es casi singular. La mala condici on de A(h) en este caso tendr a como consecuencia que el resultado ser a substancialmente falsicado por errores de redondeo. Los m etodos num ericos iterativos para sistemas lineales han sido desarrollados para el tratamiento de aquellas matrices que provienen de discretizaciones de problemas de ecuaciones diferenciales. La convergencia del m etodo SOR fue demostrada para sistemas lineales con una M-matriz y un par ametro de relajaci on 0 < 1. La velocidad de convergencia tambi en depende del n umero de condici on de A(h). Por otro lado, hay que considerar que es suciente resolver el sistema (3.27) solamente aproximadamente, dado que ya se cometi o un error al remplazar la ecuaci on diferencial por su discretizaci on, y la soluci on exacta de (3.27) es solamente una aproximaci on a la verdadera soluci on de la ecuaci on diferencial. Para el caso 12 = 22 = 0, podemos ilustrar que A(h) es casi singular. Como h = (b a)/N 0 si N es muy grande, la matriz A(h) aproxima 2 1 0 . . . 0 . . 1 2 1 . . . . . . . .. .. .. 0 A= 0 . . . . . 1 2 1 . . 0 0 1 2
47
Esta matriz tiene los valores propios j = 2 1 cos j N , j = 1, . . . , N 1.
Es decir, el valor propio m nimo, 1 , satisface 1 < 103 para N = 100 y 1 < 105 para N = 1000, mientras que N 1 4. Una matriz sim etrica resulta para p(x) 0, 12 = 22 = 1 o 12 = 22 = 0. En este caso, el problema de valores de frontera (3.20)(3.22) asume la forma 11 y (a) y (a) = 1 , y + q (x)y g (x) = 0, 21 y (b) + y (b) = 2 (11 , 21 = 0). x (a, b), (3.30)
o alternativamente 11 y (a) = 1 ,
21 y (b) = 2
Para una ecuaci on autoadjunta siempre podemos hallar una aproximaci on de diferencias tal que la matriz del sistema lineal que resulta no s olo es sim etrica, sino que tamb en denida positiva. 3.2.2. M etodo de diferencias nitas para un problema de valores de frontera no lineal. Los m etodos de diferencias nitas tambi en pueden ser usados para la soluci on num erica de problemas no lineales. A modo de ejemplo, estudiamos el problema Se supone que la ecuaci on es no lineal, es decir, f es una funci on no lineal de y o de y . Se supone adem as que f es diferenciable con respecto a y e y , y que |fy | M . La discretizaci on entrega en este caso el sistema no lineal 1 h h h y 2yi + yi +1 + f h2 i1
h xh i , yi , h h yi +1 yi1 2h
y + f (x, y, y ) = 0,
a < x < b;
y (a) = ,
y (b) = .
(3.31)
= 0,
i = 1, . . . , N 1.
h h T Multiplicando por h2 y deniendo yh = (y1 , . . . , yN 1 ) , obtenemos h h h 2 ti (yh ) := yi 1 + 2yi yi+1 + h f h xh i , yi , h h yi +1 yi1 2h
= 0,
i = 1, . . . , N 1,
T
(3.32)
es decir T(yh ) = 0, La matriz funcional T (z) := puede ser evaluada facilmente: usando fy xi , zi , tenemos ti = 0, zj j {i 1, i, i + 1}, zi+1 zi1 2h
(i) =: fy ,
T(yh ) := t1 (yh ), . . . , tn (yh ) ti zj
(z)
i,j =1,...,N 1
fy xi , zi ,
zi+1 zi1 2h
=: fy ,
(i)
48
El sistema T(yh ) = 0 debe ser solucionado iterativamente, por ejemplo usando el m etodo SOR-Newton. El m etodo SOR-Newton es apto para resolver num ericamente el sistema no lineal f1 (x) n . n n 2 . F(x) = 0, F(x) = . , F : R B R , F C (B ) , fn (x) con la soluci on exacta x B. El m etodo es denido por la recursi on xi donde denimos x(k),i := x1
(k+1) k) , . . . , xi1 , xi , . . . , x( n (k+1) (k ) T (k+1)
ti ti h (i) ti h (i) (i) = 1 fy , = 2 + h2 fy , = 1 + fy . zi1 2 zi zi+1 2 Adem as, tenemos z0 = y zN = en (3.32). Deniendo h (i) h (i) (i) ci := 1 fy , di := 2 + h2 fy , ei := 1 + fy , i = 1, . . . , N 1, 2 2 podemos escribir d1 e1 0 ... 0 . .. . . c2 d2 e2 . .. .. .. T (z) = . . . 0 0 . . . . . cN 2 dN 2 eN 2 . . 0 ... 0 cN 1 dN 1
= xi
(k )
fi (x(k),i ) , i fi (x(k),i )
i = 1, . . . , n,
(3.33)
i = 1, . . . , n.
Teorema 3.4. Existe una vecindad B0 de x , B0 B, tal que para todo x(0) B0 el m etodo SOR-Newton converge si (a) 0 < 1 y F (x ) es estrictamente o irreduciblemente diagonaldominante o (b) 0 < 2 y F (x ) es sim etrica y denida positiva o (c) 0 < 1 y F (x ) es una M-matriz. En nuestro caso, tenemos el siguiente teorema. Teorema 3.5. Sea fy 0 y h tan peque no que hM < 2. Entonces para todo z RN 1 , T (z) es una matriz irreduciblemente diagonaldominante. Demostraci on. Dado que |fy | M , tenemos h (i) h (i) (i) 1 + fy < 0, 1 fy < 0, 2 + h2 fy 2, 2 2 y luego h (i) h (i) (i) 1 + fy + 1 fy = 2 2 + h2 fy , i = 2, . . . , N 2. 2 2
49
Finalmente, tenemos h (j ) 1 + fy < 2 2

(i) 2 + h2 fy ,
j {1, N 1}.
Concluimos que T (z) es diagonaldominante para todo z RN 1 , y la diagonaldominancia es estricta en la primera y la u ltima la. Adem as, las matriz es irreducible, lo que concluye la demostraci on del teorema. 3.2.3. Convergencia del m etodo para problemas lineales. Recordamos que un m etodo se llama del orden p, p > 0, si
h yi y (x) = O(hp ),
h 0,
x = a + ih [a, b]. y (a) = , y (b) = . (3.34)
Por simplicidad, consideremos ahora el problema de valores de frontera y + q (x)y g (x) = 0, a < x < b;
Suponiendo que la soluci on satisface y C 4 [a, b], tenemos (3.23) con p(x) 0, y para la computaci on de los valores aproximados obtenemos el sistema (3.27), en nuestro caso A(h)yh = b(h) con la matriz 2 + h2 q (x1 ) 1 0 0 . .. . . 1 2 + h2 q (x2 ) 1 . . . . . . . A(h) = . . . 0 0 . . 2 . . . 1 2 + h q (xN 2 ) 1 . 2 0 0 1 2 + h q (xN 1 ) + h2 g (x1 ) h2 g (x2 ) . . . (3.35)
(3.36)
y el vector
Sean y (xi ) los valores de la soluci on exacta de (3.34) en xi = a + ih, i = 0, . . . , N , con y (x0 ) = y (a) = , y (xN ) = y (b) = , y(h) = y (x1 ), . . . , y (xN 1 )
T
. b(h) = h2 g (x ) N 2 2 + h g (xN 1 )
(3.37)
Entonces en virtud de (3.23) sabemos que A(h)y(h) = b(h) + O(h4 ), donde O(h4 ) denota un vector de RN 1 . Entonces, la cantidad h := yh y(h) satisface h = A(h)1 O(h4 ). (3.38)
50
Las componentes de O(h4 ) son la cuarta derivada de la soluci on exacta y , evaluada en puntos intermedios y multiplicada por h4 /12. La cuarta derivada y (4) (x) est a acotada con respecto a seg un hip otesis. Entonces, existe una constante K tal que h
K A(h)1
h4 .
(3.39)
Teorema 3.6. Sean q (xi )
Obviamente, la dicultad es c omo estimar A(h)1 ? Sean G = (gij ) y H = (hij ) dos nm matrices de R , con gij hij para todo 1 i n y 1 j m. En este situaci on escribimos G H. Si una matriz B tiene s olo elementos no negativaos, entonces escribimos B 0, donde 0 representa la 0-matriz. Seg un (3.36), 2 1 0 0 . . 1 2 1 . . . . + hQ, A = 0 . . . . . . . . . 0 , Q = diag q (x1 ), . . . , q (xN 1 ) . A(h) = A . . . . . 1 2 1 . 0 0 1 2 0 para i = 1, . . . , N 1. Entonces A(h)1 1 . A (3.40)
son M-matrices irreduciblemente Demostraci on. Dado que q (xi ) 0, las matrices A(h) y A diagonaldominantes y sim etricas. Entonces A(h)1 0, 1 A 0. (3.41) = D L U con Ahora podemos escribir A 0 1 D = diag(2, . . . , 2), L = 0 . . . 0 Entonces
0 . .. . . . . ... ... . . , .. . .. .. . . . . . 0 1 0
U = LT .
A(h) = D L U + h2 Q, y poniento (h) := D + h2 Q D obtenemos (h) L U. A(h) = D Adem as, = I D1 (L + U), D 1 A (h)1 A(h) = I D (h)1 (L + U). D
51
Obviamente, D obtenemos
(h), D1 D
(h)1 , y entonces D1 D
(h)1 . Usando (3.41), D
(h)1 (L + U) A(h)1 D(h) I D
(h)1 A(h) 1 I D (h)1 (L + U) = D =I )1 I D1 (L + U) = (D1 A 1 D I D (h)1 (L + U) . (A
(h) I D (h)1 (L + U) A(h)1 D
es una M-matriz, tambi en
(h) > 0 y D > 0, podemos concluir que como Dado que D (h) L U A(h) = D
es una M-matriz, y por lo tanto
(h)1 A(h) = D I D (h)1 (L + U) DD (h)1 (L + U) D ID

1
0.
es una M-matriz, concluimos que (3.40) es v Dado que A alido. Teorema 3.7. Sea y (4) C [a, b] y |y (4) (x)| constante L 0 tal que
h yi y (xi )
M para x [a, b]. Entonces existe una (3.42)
Li(N i)h4 = L(xi a)(b xi )h2 . |u| := (|u1 |, . . . , |uN 1 |)T . h4 M A(h)1 e 12
Demostraci on. Sea e = (1, . . . , 1)T RN 1 y para u RN 1 escribimos Entonces, debido a A1 (h) 0, (3.38) y (3.40) implican que |h | = h4 1 M A e. 12 (3.43)
1 e. Hay que calcular A Ahora, los valores de la soluci on aproximada coinciden con la soluci on exacta si la soluci on es un polinomio del grado 2. La soluci on u nica de es y = 1, y (a) = y (b) = 0
1 y = (x a)(x b). (3.44) 2 Dado que q (x) 0, g (x) 1, = = 0, seg un (3.36) y (3.37) obtenemos en este caso 2 A(h) = A y b(h) = h e. Entonces, con (h) = y 1 1 (x1 a)(x1 b), . . . , (xN 1 a)(xN 1 b) 2 2
T
52
tenemos h = h2 e, Ay Usando (3.44), tenemos 1 1 h yi = y (xi ) = (xi x0 )(xi xN ) = hi(N i). 2 2 Con L = M/24 obtenemos de (3.43) y (3.45) |h | es decir
h yi y (xi )
1 e = y (h). yh = h2 A
(3.45)
1 4 1 (h), (h) = 2Lh2 y h M 2y 12 h Li(N i)h4 = L(xi a)(xi b)h2 .
(3.46)
3.3. M etodos de disparo La solucion de un problema de valores de frontera puede ser reducida a la soluci on de un n umero de problemas de valores iniciales. Esto es la idea b asica de los m etodos de disparo simple y m ultiple. Vamos a estudiar primero la situaci on en el caso lineal. 3.3.1. M etodos de disparo para problemas lineales. Comenzando con m etodos de disparo simple, estudiamos primero el problema Ry B1 y(a) + B2 y(b) = r. Ly y A(x)y = g(x), a < x < b, (3.47)
Aqu A(x) es una matriz n n cuyos elementos son funciones continuas de x en [a, b], y las matrices B1 y B2 son constantes. Cualquier problema de valores de frontera de mayor orden lineal puede ser reducido a este tipo. El concepto del m etodo de disparo es el siguiente. Para un vector de par ametros s = T (s1 , . . . , sn ) , calculamos la soluci on z = z(x; s) del problema Lz = g , z(a) = s; (3.48)
luego tratamos de determinar las componentes de s de tal forma que z tambi en satisface las condiciones de frontera, es decir Ry = B1 z(a; s) + B2 z(b; s) = r. Eligiendo s de forma correcta, disparamos a las condiciones de frontera. Para el problema (3.47), el m etodo de disparo consiste en los siguientes pasos. 1. Calcular z0 (x) de tal forma que L z0 = g , z0 (a) = 0. (3.50) (3.49)
3.3. METODOS DE DISPARO
53
2. Calcular un sistema fundamental zi (x), i = 1, . . . , n, de soluciones del problema homog eneo Lz = 0, con la condici on inicial zi (a) = ei , donde ei es el i- esimo vector unitario. Deniendo la matriz Z(x) := z1 (x) zn (x) , determinamos
n
(3.51)
z(x; s) = z (s) + Z(x)s = z (x) +

i=1
si zi (x).
(3.52)
3. Suponiendo que B1 + B2 Z(b) es no singular, calculamos s como soluci on del sistema lineal B1 + B2 Z(b) s = r B2 z0 (b) . (3.53)
Para el vector s que resulta de (3.53), la soluci on z(x; s) de (3.52) es la soluci on z (x) del problema de valores de frontera (3.47). Para vericar eso, notamos primero que (3.52) es la soluci on del problema de valores iniciales (3.48), ya que
n
L z = Lz +
i=1 n
s i L zi = g + 0 = g ,
n
z(a; s) = z0 (a) +
i=1
si zi (a) = 0 +
i=1
si ei = s.
Luego, del requerimiento Rz = r obtenemos r = R(z0 + Zs) = B1 z0 (a) + Z(a)s + B2 z0 (b) + Z(b)s = B1 + B2 Z(b) s + B2 z0 (b), lo que es precisamente (3.53). Efectivamente, hemos reducido la soluci on del problema de valores de frontera (3.47) a la soluci on de n + 1 problemas de valores iniciales: un problema de valores iniciales es (3.50); los n dem as problemas son Lzi = 0, zi (a) = ei , i = 1, . . . , n, (3.54)
cuyas soluciones forman el sistema fundamental Z(x). Ejemplo 3.1. Consideremos el problema de valores de frontera y (0) y (1) = 0,

y y = x2 2,
0 < x < 1, (3.55)
y (0) y (1) = 1.
54
Este problema de valores de frontera es equivalente al problema para un sistema de primer orden 0 0 1 , 0 < x < 1, y= y 2 x 2 1 0 (3.56) 0 y(0) y(1) = , 1 es decir, en este caso tenemos A= Un planteo polinomial entrega z0 (x) = x2 , 2x donde z(0) = 0 . 0 0 1 , 1 0 B1 = B2 = I.
Los valores propios de A son 1 = 1 y 2 = 1, con los vectores propios correspondientes (1, 1)T y (1, 1)T . Entonces, la soluci on general del sistema y Ay = 0 es y= C1 ex + C2 ex . C1 ex C2 ex z2 (0) =
Para obtener el sistema fundamental, es decir los vectores z1 y z2 , exigimos que z1 (0) = C11 + C12 C11 C12
1 2
= e1 =
1 , 0
lo que entrega C11 = C12 = z1 (x) = 1 2
Luego calculamos que Z(x) =
ex + ex ex e x
1 y C21 = C22 = 2 , entonces
C21 + C22 C21 C22 ex e x ex + ex
= e2 =
0 ; 1
cosh x , sinh x
z2 (x) =
1 2
sinh x . cosh x
cosh x sinh x , sinh x cosh x
det Z(x) = 1,
B1 + B2 Z(1) =
1 cosh 1 sinh 1 . sinh 1 1 cosh 1
Entonces, para := cosh 1 y := sinh 1 tenemos que resolver el sistema (3.53), es decir s1 + (1 )s2 = 1,
s 1 = s2 =
(1 )s1 s2 = 1,
con la soluci on
+1 =: = 0,58198. 2 Entonces, la soluci on deseada del problema de valores de frontera es z(x; s ) = z (x) = x2 + (cosh x + sinh x) . 2x + (sinh x + cosh x)
Esta soluci on tambi en satisface las condiciones de frontera z (0) z (1) = (0, 1)T .
55
3.3.2. M etodo de disparo num erico para problemas lineales. En general, los n + 1 problemas de valores iniciales no pueden ser resueltos exactamente; hay que utilizar m etodos num ericos. Se sugiere el siguiente procedimiento. Usando un m etodo de paso simple (o de paso m ultiple), se determinan soluciones aproximadas, es decir, vectores
h,i h,i zh,i j = z1,j , . . . , zn,j T
j = 0, . . . , N,
i = 0, . . . , n
(3.57) (3.58)
con los valores iniciales

0 zh, 0 = 0;
zh,i 0 = ei ,
i = 1, . . . , n.
0 Aqu los vectores zh, son los valores aproximados de la soluci on de (3.50), evaluada en j h,i los puntos de malla xj , j = 0, . . . , N , y los vectores zj , i = 1, . . . , n, corresponden a los problemas de valores iniciales homog eneos (3.54). Como en el paso 2 mencionado arriba, formamos en cada punto de malla xj las matrices h,1 Zh , zh,n j = zj j
j = 0, . . . , N, zh,i j .
(3.59)
es decir, las matrices cuyas columnas son los vectores El algortimo que resulta de estas consideraciones es el siguiente. 0 1. Usando el m etodo de paso simple o de pasos m ultiples, determinamos los vectors zh, j , h,0 donce z0 = 0 para j = 0, . . . , N . 2. Para zh,i etodo de paso simple o de pasos m ultiples) 0 = ei se calculan (mediante el m h,i los vectores zj , i = 1, . . . , n, j = 1, . . . , N . Ponemos
n
zh j
0 zh, j
h Zh js
0 zh, j
+
i=1
h,i sh i zj .
(3.60)
3. Si B1 + B2 Zh N es regular, resolvemos el sistema Para el vector sh, que resulta de (3.61), (3.60) es, en los puntos de malla x0 , . . . , xN , una soluci on aproximada zh, de la soluci on exacta z (xj ) del probelma de valores de j frontera (3.47). Efectivamente, la funci on de malla determinada as satisface las condiciones de frontera
h, B1 zh, 0 + B2 zN = r; 0 h, (B1 + B2 Zh = r B2 zh, N )s N .
(3.61)
en virtud de
0 0 h h h h + B2 zh, r = B1 zh, 0 + Z0 s N + ZN s , 0 h y dado que zh, etodo de paso simple o de 0 = 0 y Z0 = I, tambien tenemos (3.61). Si el m pasos m ultiples es del orden p, tenemos que p z (xj ) zh, k = O (h ),
j = 0, . . . , N ;
(3.62)
entonces el esquema es del mismo orden.
Ejemplo 3.2. Seguimos considerando el problema introducido en el Ejemplo 3.1. Usando el m etodo de Euler expl cito (p = 1), obtenemos los siguientes valores num ericos para h = 0,125 (N = 8).
56
j
h,0 z1 ,j h,0 z2,j h,1 h,2 z1,j = z2 ,j h,1 h,2 z2,j = z1,j h, z1 ,j h, z2 ,j
1 0 0,25 1 0,125 0,69331 0,31256
4 0,98434 1,09400 0,50781 0,78259 0,13406 0,15528
5 1,22250 1,15748 0,64456 0,76584 0,25499 0,27832
8 1,92302 1,45471 1,11110 0,63288 0,51673 0,82494
0,49805 0,74414 1,01563 0,25 0,92313 0,15118 1,04688 0,37695 0,78253 0,00054
0,03125 0,06226
1,45846 1,69204 1,23805 0,78925 0,73397 1,33671 0,94401 0,68892
0,43113 0,61344
0,36042 0,44836
Cuadro 3.1. Ejemplo 3.1: Soluci on de un problema de valores de frontera mediante el m etodo de disparo: valores num ericos.
1. Usando
0 h,0 zh, j +1 = zj + 0,125 0 zh, 0 = 0
0 0 1 h,0 , z + 0,125 (0,125j )2 2 1 0 j
j = 0, . . . , 7,
obtenemos los valores de las primeras dos las del Cuadro 3.1. 2. Luego calculamos
h,i zh,i j +1 = zj + 0,125 1 zh, 0 =
0 1 h,i z , 1 0 j 0 . 1
i = 1, 2;
1 , 0
2 zh, 0 =
h,1 h,1 T h,2 h,1 h,1 T 1 Si zh, k = (z1,k , z2,k ) , esto implica que zk = (z2,k , z1,k ) . La tercera y la cuarta la del Cuadro 3.1 muestran los valores num ericos. 3. Hay que resolver el sistema de ecuaciones lineales 0 h, = r B2 zh, B1 + B2 Zh 8 , 8 s
es decir I 1,45471 1,11110 1,11110 1,45471

sh, 1 sh, 2
0,82494 0 . + 1,92302 1 0,63288 . 0,48345
h, El resultado es sh, 1 = 0,63288, s2 = 0,48345. Las soluciones (3.52) son h,0 h, h,1 h, h,2 zh, j = zj + s1 zj + s2 zj , 1 h, zh, = 0 = s
Las dos u ltimas las del Cuadro 3.1 muestran los valores num ericos. Vemos que la condici on de borde en x = 1 es satisfecha aproximadamente ya que
h, zh, 0 z8 =
0 . 1,00018
57
3.3.3. M etodos de disparo para problemas de valores de frontera no lineales. El m etodo de disparo ya discutido de la reducci on de un problema de valores de frontera a la soluci on de n + 1 problemas de valores iniciales es simple por dos motivos. Por un lado, para un problema lineal la existencia de la soluci on del problema de valores iniciales para todo s Rn y x [a, b] est a asegurada siempre que A C [a, b]. Por otro lado, existe un sistema fundamental Z(x) que describe la soluci on general del problema de valores iniciales homog eneo. Ambas propiedades no son v alidas para un problema de valores de frontera no lineal. Vamos a describir simplemente el m etodo de disparo que puede ser aplicado en el caso no lineal. El problema est a dado por y = F(x, y),
n
y A(x)y = g(x),
y(a) = s
R y(a), y(b) = 0, R : Rn Rn Rn . y(a) = s.
El problema de valores iniciales asociado es
F : [a, b] R Rn , y = F(x, y),
(3.63)
(3.64)
Se supone que la soluci on de (3.64) existe en el intervalo [a, b] completo; si F depende de forma diferenciable de y, esa soluci on existe en un intervalo sucientemente peque no [a, a + ]. En lo siguiente, se supone que la funci on F es diferenciable. Entonces, la soluci on de (3.64) tambi en es una funci on de s, y depende de forma diferenciable de s: y = y(x; s). La ecuaci on se escribe entonces como y (x; s) = F x, y(x; s) ; Ahora tenemos que resolver el sistema no lineal R y(a; s), y(b; s) = R(s; y(b; s) = 0 con respecto a s, donde y(b; s) es la soluci on de (3.64) evaluada en x = b. En general, este sistema no lineal puede ser resuelto solamente por el m etodo de Newton-Raphson o alguna de sus variantes. Para discutir eso, denimos G(s) := R(s; y(b; s) . Ahora tenemos que determinar la matriz s G(s) para poder ejecutar el m etodo de NewtonRaphson. Te oricamente podemos cacular esa matriz a trav es de un problema de valores iniciales. Sin embargo, es m as simple (y el m etodo preferido en las aplicaciones) aproximar la matriz por diferencias nitas, por ejemplo 1 G(s + e1 ) G(s) G(s + en ) G(s) . s G(s) Para calcular G(s) y la aproximaci on para s G(s) se deben resolver n + 1 problemas de valores iniciales (3.64) con los valores iniciales s, s + e1 , . . . , s + en . Un paso con el m etodo de Newton-Raphson (amortiguado) entrega un valor mejorado de s con el cual se repite el procdimiento, etc. En la mayor a de las aplicaciones, no se conoce un valor inicial s(0) muy bueno para buscar s con G(s ) = 0. Adem as, aparece el problema y(a; s) = s.
58
de que para alg un valor de k , y(x; s(k) ) puede no existir en el intervalo completo [a, b], pero s olo en un sub-intervalo. Ejemplo 3.3. Consideremos el problema y + (y )2 = 0, y (0) = 1, con la soluci on exacta y (x) = ln(s x + 1) + 1, s = e5 1, y s y (x) = , s x+1 entonces, y (0) = s . El problema de valores iniciales y + (y )2 = 0, y (0) = 1, tiene la soluci on y (x; s) = 1 + ln(sx + 1), entonces y (1; s = 0,993262053 . . . ) = 4,
y (1) = 4
(3.65)
y (0) = s
(3.66)
y (1; 0,99) = 3,6052,
mientras que para s 1, la soluci on del problema de valores iniciales existe solamente en en intervalo [0, 1/s]. 3.3.4. M etodos de disparos m ultiples. Dado que para cada xi [a, b], la soluci on del problema de valores iniciales y = F(x, y), y(xi ) = si (3.67) existe en un intervalo xi i < x < xi + i , posdemos tratar de evitar el problema de no existencia de una soluc on global por la subdivisi on en problemas parciales. Para una partici on y valores iniciales apropiados si Rn en las posiciones xi se denen soluciones parciales y[i] (x; si ) a trav es de y[i] (x; si ) = F x, y[i] (x; si ) , y[i] (xi , si ) = si , xi x xi+1 , i = 0, . . . , m 1, (3.68) a = x0 < x1 < x2 < < xm = b
y (1; 0,999) = 5,9078,
donde y[0] (a; s0 ) = y(a). Las soluciones parciales de (3.68) forman una funci on continua si y[i] (xi+1 ; si ) = si+1 , donde sm = y(b), y la soluci on as compuesta es una soluci on del problema de valores de frontera si R(s0 , sm ) = 0. (3.70) En total, tenemos m + 1 ecuaciones de n componentes para las m + 1 desconocidas de n componentes s0 , . . . , sm , cuya soluci on simult anea entrega la soluci on del problema de valores de frontera. El sistema no lineal denido por (3.69) y (3.70) se resuelve por el m etodo de Newton-Raphson amortiguado. Este procedimiento de llama m etodo de disparos m ultiples. i = 0, . . . , m 1, (3.69)
Cap tulo 4
Problemas de valores de frontera para ecuaciones diferenciales parciales el pticas

4.1. Clasicaci on Una ecuaci on diferencial parcial de segundo orden en n variables independientes x1 , . . . , xn para una funci on buscada u = u(x1 , . . . , xn ) es la ecuaci on F x1 , . . . , xn , u, ux1 , . . . , uxn , ux1 x1 , ux1 x2 , . . . , uxn xn = 0, n 2. (4.1) Las ecuaciones de segundo orden que aparecen en las aplicaciones casi siempre son quasilineales, semi-lineales o lineales y pueden ser representadas en la forma
n
Lu
Aik uxi xk = f.
i,k=1
(4.2)
Denici on 4.1. Una ecuaci on diferencial parcial de la forma (4.2) se llama quasi-lineal, si por lo menos uno de los coecientes Aik es una funci on de por lo menos una de las variables u, ux1 , . . . , uxn , semi-lineal, si las funciones Aik son a lo m as funciones de x1 , . . . , xn , pero f depende de forma no lineal de por lo menos una de las variables u, ux1 , . . . , uxn , lineal, si las funciones Aik son a lo m as funciones de x1 , . . . , xn , y
n
f=
i=1
Ai uxi + Au + B,
(4.3)
donde A1 , . . . , An , a y B pueden ser funciones de las variables independientes x1 , . . . , xn . Para la clasicaci on seg un tipo, denimos la forma cuadr atica
n
Q=
i,k=1
Aik pi pk
(4.4)
con las variables p1 , . . . , pn . Deniendo la matriz A := (Aik ) y el vector p := (p1 , . . . , pn )T , podemos escribir (4.4) como Q = pT Ap. = 1 (A + AT )). Supongamos Se supone que A es sim etrica (si no lo es, remplazamos A por A 2 n que en un dominio B R existe una soluci on u(x) = u(x1 , . . . , xn ). En el caso quasi-lineal, se supone que la soluci on est a incertada en los Aik , entonces en cada caso A depende s olo de x = (x1 , . . . , xn )T . Debido a la simetr a de A, existe una matriz ortonormal T tal que TT AT = B,
59
(4.5)
60
4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL IPTICAS
donde B = diag(B1 , . . . , Bn ), y B1 , . . . , Bn son los valores propios de A. Deniendo q = TT p, tenemos

n
Q = p Ap = q Bq =
i=1
2 Bi qi .
(4.6)
Se llama ndice inercial al n umero de los Bi negativos y defecto al n umero de los Bi = 0 de la forma cuadr atica Q. Denici on 4.2. En x B Rn , la ecuaci on diferencial parcial (4.2) se llama hiperb olica, si all = 0 y = 1 o = n 1, parab olica, si all > 0, el ptica, si all = 0 y = 0 o = n, y ultrahiperb olica, si all = 0 y 1 < < n 1 (obviamente, esto puede ocurrir s olo si n 4). La clasicaci on es del tipo geom etrico para ecuaciones diferenciales parciales de segundo orden, dado que
n
Bi x2 i = c,
i=1
c>0
es un hiperboloide, un paraboloide o un elipsoide en los respectivos casos (a), (b) y (c) de la Denici on 4.2. Por otro lado, la clasicaci on puede ser realizada s olo en un punto x, y entonces es de naturaleza local. Si todos los coecientes Aik son constantes, la clasicaci on es global. De hecho, el tipo de una ecuaci on quasi-lineal no s olo depende de x B Rn , sino que tambi en del valor de la soluci on. Por ejemplo, la ecuaci on ux1 x1 + uux2 x2 = 0 es hiperb olica, parab olica o el ptica en un punto x = (x1 , x2 ) dependiendo de si u(x) < 0, u(x) = 0 o u(x) > 0 en este punto. En lo siguiente, nos restringimos al caso n = 2, y ponemos x = x1 e y = x2 . Consideramos la ecuaci on es decir, consideramos la matriz Lu auxx + 2buxy + cuyy = f, A= cuyos valores propios son 1 ,2 = Obviamente, 1 = a + c, sgn 1 = sgn 2 sgn 1 = sgn 2 2 = 0 si ac b2 < 0, si ac b2 = 0, a+c 1 2 2 (a + c)2 4(ac b2 ). a b , b c (4.7)
si ac b2 > 0.
4.3. PROBLEMAS DE VALORES DE FRONTERA Y PROBLEMAS VARIACIONALES
61
El tipo de las condiciones de borde adecuadas para (4.7) depende intrinsicamente del tipo de la ecuaci on. 4.2. Problemas de valores de frontera para ecuaciones el pticas Para ecuaciones hiperb olicas, los problemas de valores iniciales, y para ecuaciones parab olicas, los problemas de valores iniciales y de frontera son bien puestos en general. (Tambi en hay situaciones donde los problemas vice versa son bien puestos.) Para las ecuaciones el pticas, los problemas de valores de frontera en general son bien puestos. Se considera un dominio G R2 abierto y acotado, cuya frontera G es una curva diferenciable, es decir, existe el vector normal . Si , y son funciones continuas dadas , podemos identicar los siguientes problemas de valores de frontera, que son los m sobre G as importantes: el primer problema de valores de frontera u(x, y ) = (x, y ) para (x, y ) G, Lu f para (x, y ) G, Lu f para (x, y ) G, (4.8)
Lema 4.1. En R2 jo, la ecuaci on diferencial parcial (4.7) es del tipo un punto (x, y ) olico ac b2 < 0 hiperb ac b2 = 0 . parab olico si en este punto, el ac b2 > 0 ptico
el segundo problema de valores de frontera
u (x, y ) = (x, y ) para (x, y ) G, y el tercer problema de valores de frontera u (x, y ) = (x, y ) para (x, y ) G, si = 1 . 2 Lu f para (x, y ) G,
(4.9)
(x, y )u(x, y ) (x, y ) donde denimos
(4.10)
u u u = 1 + 2 x y
En lo siguiente, siempre se supone que existe una soluci on del problema de valores de frontera considerado. 4.3. Problemas de valores de frontera y problemas variacionales Consideremos la ecuaci on donde aik , ai , a y f (i, k = 1, 2) son funciones de (x, y ). Si aik C 2 (G) y ai C 1 (G), i, k = 1, 2, el operador L u (a11 u)xx 2(a12 u)xy (a22 u)yy + (a1 u)x + (a2 u)y + au (4.12) Lu a11 uxx 2a12 uxy a22 uyy a1 ux a2 uy + au = f, (4.11)
62
se llama operador adjunto de L. Si L u = Lu para toda funci on u C 2 (G), el operador L s llama autoadjunto sobre G; en este caso, la ecuaci on diferencial Lu = f se llama ecuaci on diferencial autoadjunta. Facilmente podemos concluir que un operador autoadjunto siempre es de la forma En particular, para a11 a22 1 y a12 a 0 obtenemos el operador de Laplace Lu = 2 u uxx uyy . Lu = (a11 ux )x (a12 ux )y (a12 uy )x (a22 uy )y + au. (4.13) (4.14)
Como para las ecuaciones diferenciales ordinarias, existe una conexi on entre los problemas de valores de frontera para ecuaciones autoadjuntas y problemas variacionales. Para explicar eso, consideremos el problema Lu = f en G, u = 0 en G, (4.15) donde L es el operador autoadjunto (4.13). El dominio de L es el conjunto de todas las = G G y dos veces continuamente diferenciables sobre G que funciones denidas sobre G desaparecen sobre G, es decir, este dominio es ) C 2 (G) | v = 0 en G . D := v C 0 (G As , el problema (4.15) puede ser escrito de la siguiente forma: se busca una soluci on de Lv = f, v D. (4.16)
Luego, sea L2 (G) el espacio de las funciones cuadraticamente integrables sobre G, para el cual denimos el producto escalar (v, w) :=
G
v (x, y )w(x, y ) dx dy,
v, w L2 (G),
y la norma asociada v
2
:= (v, v )1/2 . a(x, y ) 0, (x, y ) G, (4.17)
Respecto a la ecuaci on Lu = f , se supone que ), i, k = 1, 2, a, f C 0 (G ), aik C 2 (G

2 2
aik (x, y )i k
i,k=1
i=1
i2 ,
(x, y ) G,
1 , 2 R,
donde > 0 es independiente de 1 y 2 . Se sabe que bajo las hip otesis (4.17), v, w D : (v, Lw) = (Lv, w), (Lv, v ) > 0 (v = 0). (4.18) Teorema 4.1. La funci on u D es una soluci on del problema de valores de frontera (4.16) con el operador el ptico autoadjunto L si y s olo si bajo las hip otesis (4.17) y deniendo tenemos I [v | := (v, Lv ) 2(v, f ), I [u] = m n I [v ].
v D
(4.19) (4.20)
4.4. METODOS DE DIFERENCIAS
63
Seg un este teorema, podemos resolver el problema (4.15), (4.16) resolviendo el problema variacional (v, Lv ) 2(v, f ) =
G 2 2 a11 vx + 2a12 vx vy + a22 vy + av 2 2vf dx dy m n, !
v D. (4.21)
), v es diferenciable Denici on 4.3. Una funci on v pertenece al espacio V (G) si v C 0 (G 2 , y vx , vy L (G), es decir, por trozos con respecto a x e y sobre G v
V (G)
Obviamente, no podemos resolver el problema variacional de forma exacta, sino que solamente de forma aproximada. Observamos que la integral en (4.21) no es denida solamente para funciones v, w D, sino que para una mayor clase de funciones.
:=
G
v (x, y )
+ vx (x, y )
+ vy (x, y )
1/2
dx dy
< .
Se conrma facilmente que
V (G) .
Ahora denimos
D := v V (G) | v = 0 en G , y para v, w D la forma bilineal sim etrica [v, w] :=

G
a11 vx wx + a12 (vx wy + vy wx ) + a22 vy wy + avw dx dy.
(4.22)
Obviamente, D D y [v, w] = (Lv, w) para v, w D. Teorema 4.2. Sea u D la soluci on del problema de valores de frontera (4.16). Entonces v D : donde I [v ] := [v, v ] 2(v, f ) Consideremos ahora el problema modelo u = uxx uyy = f (x, y ), u(x, y ) = 0, (x, y ) G, (x, y ) G := (0, 1)2 , (4.24) para v D. I [u] I [v ], (4.23)
4.4. M etodos de diferencias
). Sobre el cuadrado G = G G se dene una malla con donde se supone que f C 0 (G x = y = h, donde Gh denota la totalidad de los puntos interiores y Gh la de los puntos de frontera. Se supone que u = u(x, y ) es una soluci on de la ecuaci on diferencial en (4.24), 4 la cual no necesariamente debe desaparacer en G, y sea u C (G). En este caso, uxx (xi , yk ) = u(xi+1 , yk ) 2u(xi , yk ) + u(xi1 , yk ) + ik (h), h2 u(xi , yk+1 ) 2u(xi , yk ) + u(xi , yk1 ) + ik (h), uyy (xi , yk ) = h2 (4.25)
64
donde h2 4 u ik (h) = (xi + 1 h, yk ), 12 x4 h2 4 u ik (h) = (xi , yk + 2 h), 12 y 4 Insertando (4.25) y (4.26) en (4.24), obtenemos (2 u)(xi , yk ) f (xi , yk ) 1 = 2 4u(xi , yk ) u(xi1 , yk ) u(xi+1 , yk ) u(xi , yk1 ) u(xi , yk+1 ) h f (xi , yk ) ik (h) ik (h) = 0. Despreciando el t ermino ik (h) + ik (h) = O(h2 ), obtenemos el sistema lineal 1 h h h h 4uh ik ui1,k ui+1,k ui,k1 ui,k+1 = f (xi , yk ), h2 i, k = 1, . . . , Nh 1. (Lh uh )ik = (4.28) 1 1 1 2 1; (4.26) 1.
(4.27)
Aqu uh on de malla uh , la cual podemos representar como un vector ik son valores de la funci h con las componentes uik , i, k = 1, . . . , Nh 1. Se presenta el problema de la enumeraci on h apropiada de los uik . Por motivos que se excplicar an m as abajo, denimos
h h h h h uh := uh 11 , u21 , . . . , ul1,1 , ul2,2 , . . . , u1,l1 , . . . , uNh 1,Nh 1 T
(4.29)
h es decir, despu es de uh 11 siguen sucesivamente los uik con i + k = 3, 4, . . . , 2Nh 2, donde dentro del bloque con i + k = l el ordenamiento es h h uh l1,1 , ul2,2 , . . . , u1,l1 ,
l = 3, 4, . . . , 2Nh 2. (4.30)
Despu es de multiplicar con h2 , el sistema (4.28) asume la forma A(h)uh = b(h).
donde los Di son matrices diagonales (de diferentes tama nos) de la forma Di = diag(4, . . . , 4), i = 1, . . . , s;
Teorema 4.3. La matriz A(h) es una M-matriz irreduciblemente diagonaldominante y sim etrica, y A(h) es una matriz tridiagonal por bloques de la forma D1 H1 H1 D2 H2 . . . , .. .. .. (4.31) A(h) = Hs2 Ds1 Hs1 Hs1 Ds (4.32)
4.5. CONVERGENCIA DEL METODO DE DIFERENCIAS
65
adem as, f (h, h) f (2h, h) . b(h) = h2 . . . f ((Nh 1)h, (Nh 1)h)
(4.33)
Dado que A(h) es denida positiva, el sistema (4.30) puede ser resuelto usando el m etodo SOR con 0 < 2. Dado que adem as A(h) es ordenada consistentemente, existe un par ametro optimo de relajaci on opt que asegura la velocidad de convergencia optima del h m etodo SOR. Con nuestra enumeraci on de las componentes de u hemos entonces asegurado que la matriz es ordenasa consistentemente y admite la existencia de opt . En la mayor a de casos, el sistema (4.30) es esparso, pero de gran tama no. Por otro lado, se puede demostrar que el n umero de condici on es cond
(A(h)) = A(h)
A(h)1
es decir, el sistema es mal acondicionado para h 0. Sea u = u(x, y ) la soluci on del problema (4.24), y
2 = O(h2 ) = O(Nh ),
4.5. Convergencia del m etodo de diferencias

T
donde respetamos la enumeraci on ya establecida, y el vector de errores Usando (4.27) y tenemos (an alogamente a (4.30)) h := uh u(h). ik (h) + ik (h) = O(h2 ), i, k = 1, . . . , Nh 1,
u(h) = u(h, h), u(2h, h), u(h, 2h), . . . , u((Nh 1)h, (Nh 1)h)
, (4.34)
lo que representa el sistema (4.27) multiplicado por h2 . Restando (4.35) de (4.30) obtenemos o sea A(h)h = h2 O(h2 ), h = h2 A(h)1 O(h2 ). (4.36)
A(h)u(h) = b(h) + h2 O(h2 ),
(4.35)
Aqu , O(h2 ) es un vector de (Nh 1)2 componentes, cada una acotada por Ch2 . Supongamos que A(h)1 h
Kh2
(4.37) (4.38) i, k = 1, . . . , Nh 1,
con una constante K independiente de h. En este caso, (4.36) implicar a
Ch2 K = M h2 M h2 ,
con una constante M independiente de h. Para h 0, tendr amos

h uh ik u(xi , yk ) = uik u(ih, kh)
66
donde la constante M es independiente de h, y el m etodo ser a de segundo orden. La propiedad (4.37) efectivamente se cumple (literatura especializada). Teorema 4.4. Supongamos que el problema de valores de frontera (4.24) posee una soluci on ). Entonces el m u C 4 (G etodo de diferencias nitas dado por (4.28) es convergente del orden 2, es decir para h 0 tenemos
2 uh ik u(xi , yk ) = O (h ),
i, k = 1, . . . , Nh 1.
4.6. Dominios con frontera curvada Ahora consideramos el caso donde G es un dominio abierto, acotado y convexo, con una frontera continua G. Sobre G podemos denir una malla rectangular con x y y como largo de los lados de cada rect angulo. Por simplicidad, usaremos una malla cuadr atica Gh con x = y = h. Ahora los puntos del borde de la malla, Gh , no van en general pertenecer a G. Entonces tenemos que construir el conjunto de los puntos Gh , que forman el borde num erico. Para tal efecto, denominamos como estrella o mol ecula el siguiente arreglo de puntos: (xi , yk+1 )
t
(xi , yk )
t t t
(xi1 , yk )
t
(xi+1 , yk )
(xi , yk1 ) El conjunto de todos los puntos de la malla que son puntos centrales de estrellas que entera son la malla Gh . El conjunto Gh de los puntos de borde est mente pertenecen a G a formado , por todos los puntos de la malla que pertenecen a estrellas completamente contenidas en G pero que no son puntos centrales de tales estrellas. Ahora podemos resolver num ericamente el problema (4.24) con el mismo m etodo num erico usado anteriormente, donde exigimos que Obviamente, estos valores de frontera causan un error si (xr , ys ) G. Podemos ver facilmente que estos errores son proporcionales a h, es decir, los valores exactos de borde en los puntos de Gh son del orden de magnitud O(h). Podemos construir valores de frontera m as exactos por interpolaci on lineal, ver Figura 4.1. Consideremos los puntos co-lineales (xi1 , yk ) Gh , (xi , yk ) Gh y (x, yk ) G para x > xi . Con x xi =: < h y usando u(x, yk ) = 0 obtenemos, usando interpolaci on lineal, h u(xi , yk ) u(xi1 , yk ) = u(x, yk ) + O(h2 ) = O(h2 ). (4.40) h+ h+ uh rs = 0 para (xr , ys ) Gh . (4.39)
4.6. DOMINIOS CON FRONTERA CURVADA
67
h (xi1, yk )
(xi, yk )
(x, yk )
Figura 4.1. Derivaci on de valores de borde por interpolaci on. Despreciando el t ermino O(h2 ), obtenemos la ecuaci on aproximada uh ik uh = 0, h + i1,k (xi , yk ) Gh . (4.41)
Ahora, el borde G no necesariamente debe ser localizado como en la Figura 4.1. Pero vemos facilmente que la interpolaci on siempre entrega una de las ecuaciones aproximadas uh ik ik uh = 0, h + ik i1,k uh ik ik uh = 0, h + ik i,k1 (xi , yk ), (xi1 , yk ), (xi , yk1 ) Gh ,
(4.42)
donde ik (0, h) es la distancia del punto (xi , yk ) Gh de aquel punto de G que est a situado sobre la recta que pasa por (xi , yk ) y (xi1 , yk ) o (xi , yk ) y (xi , yk1 ), respectivamente. h h En (4.42), ambas cantidades uh ik y ui1,k , ui,k1 son desconocidas, es decir, para cada punto de Gh obtenemos una ecuaci on adicional. Si Gh y Gh contienen exactamente Mh y h ecuaciones. Mh puntos respectivamente, tenemos que resolver ahora un sistema de Mh + M El esfuerzo adicional nos asegura valores num ericos de frontera de mayor exactitud; debido a 2 (4.40) su error es proporcional a h . Si agregamos (4.42), la matriz del sistema de ecuaciones lineales que resulta en general ya no es sim etrica, pero se puede demostrar que todav a es una M-matriz. Ejemplo 4.1. Consideremos el dominio G dibujado en la Figura 4.2. Para cada punto (xi , yk ) Gh (puntos marcados por ) usamos la ecuaci on (4.28) (despu es de la multiplica2 ci on con h ), y para cada punto (xi , yk ) Gh (puntos marcados por ), usamos una versi on de (4.42). Entonces, la discretizaci on entrega aqu la matriz A(h) y el vector correspondiente
68
y y4 G
y3
11 00 11 00 11 00
y2
11 00 11 00 11 00
11 00 11 00 11 00
y1
@ @
G x4 x
x1
x2
x3
Figura 4.2. Ejemplo 4.1: Dominio G y puntos de malla en Gh () y en Gh (). uh dados por 21 0 0 0 0 0 0 1 0 0 h+ 21 12 0 0 0 0 0 0 0 1 0 h+12 31 0 1 0 h+31 0 0 0 0 0 0 1 1 0 4 1 1 0 0 0 0 0 0 1 1 4 0 1 1 0 0 A(h) = , 23 0 0 1 0 0 0 0 0 0 h+23 42 0 0 0 0 h+42 0 1 0 0 0 0 0 0 0 1 1 0 4 1 1 43 0 0 0 0 0 0 0 0 h+43 1 34 0 0 0 0 0 0 0 h+34 0 1 uh 21
Dado que 0 ik < h, la matriz A(h) es una L-matriz debilmente diagonaldominante con dominancia diagonal fuerte, por ejemplo, en la la 1. La matriz es irreducible y por lo tanto, una M-matriz.
h u12 h u31 u h 22 u h 32 uh = h . u23 h u42 u h 33 u h 43 uh 34
Cap tulo 5
Problemas de valores iniciales y de frontera para EDPs hiperb olicas y parab olicas
Este cap tulo trata de la soluci on num erica de aquellos tipos de ecuaciones de derivadas parciales de segundo orden que normalmente describen procesos que dependen del tiempo: las ecuaciones hiperb olicas describen procesos de radiaci on (por ejemplo, la propagaci on de ondas), mientras que las ecuaciones parab olicas describen procesos de difusi on (por ejemplo, la conducci on del calor). Antes de discutir m etodos num ericos para estos tipos de ecuaciones vamos a introducir el concepto importante de las caracter sticas. Sin embargo, en lo siguiente nos limitaremos a sistemas de dos ecuaciones escalares de primer orden y a ecuaciones escalares de segundo orden, y a ecuaciones con solamente dos variables independientes. 5.1. Teor a de las caracter sticas 5.1.1. Ecuaciones cuasi-lineales escalares de segundo orden. Sea G R2 un dominio y u(x, y ) : R2 G R una soluci on de la siguiente ecuaci on cuasi-lineal denida en G: auxx + buxy + cuyy = f, (5.1) donde a, b, c, f : G R3 R son funciones sucientemente suaves de x, y , u y u. Adem as, 3 se supone que a = 0 en G R . Sea G una curva suave, por ejemplo representada por una parametrizaci on x( ), y ( ) : R [0, 1] G R2 . Sin restricci on esencial supondremos que siempre dx( )/d = 0, es decir, en ning un punto posee una tangente vertical, asi que est an bien denidos los conceptos de los puntos arriba y debajo de . Para un punto arbitrario P nos preguntamos si el comportamento de la soluci on de (5.1) en una vecindad de P arriba de (o tamb en debajo de ) est a unicamente denido por el conocimiento de la soluci on y de sus primeras derivadas en una vecindad de P en . En otras palabras, se pueden determinar las segundas derivadas uxx , uxy y uyy en P de forma u nica si conocemos u, ux y uy en P ? Formando para las funciones ux y uy las derivadas tangenciales d(ux ) y d(uy ) en P , es decir, las derivadas en la direcci on de la curva , obtenemos las siguientes ecuaciones diferenciales: d(ux ) = uxx dx + uxy dy, d(uy ) = uxy dx + uyy dy.
69
(5.2)
70
5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS
Combinando (5.1) y (5.2) obtenemos a b dx dy 0 dx
Claramente, la pregunta formulada aqu debe ser contestada por no si y s olo si el sistema (5.3) no posee una soluci on u nica. Esto sucede si y s olo si el determinante de la matriz en (5.3) desaparece, es decir, si a dy dx
2
el sistema de ecuaciones f c uxx 0 uxy = d(ux ) . d(uy ) dy uyy
(5.3)
dy + c = 0, dx
con a = 0 en P ,
dx = 0.
(5.4)
La ecuaci on (5.4) se llama ecuaci on caracter stica de (5.1) y es una ecuaci on cuadr atica en dy/dx(P ). Las soluciones de (5.4) se llaman direcciones caracter sticas de (5.1) en el punto P . Podemos denir ahora: Denici on 5.1. En el punto P G, la ecuaci on diferencial (5.1) se llama a) el ptica, si (5.4) no posee soluciones reales, es decir, si b2 4ac < 0, b) hiperb olica, si (5.4) posee dos soluciones reales, es decir, si b2 4ac > 0, b) parab olica, si (5.4) posee exactamente una soluci on real, es decir, si b2 4ac = 0. 5.1.2. Sistemas cuasi-lineales de primer orden. En lo siguiente, consideraremos en G R2 un sistema cuasi-lineal de primer orden (a1 c2 a2 c1 = 0): a1 ux + b1 uy + c1 vx + d1 vy = f1 , a2 ux + b2 uy + c2 vx + d2 vy = f2 , (5.5)
donde los coecientes ai , bi , ci y di (i = 1, 2) sun funciones de x, y , u y v . Se supone que los valores u, v de la soluci on est an dados sobre G. Fijamos un punto P y preguntamos si las primeras derivadas ux , uy , vx y vy pueden ser determinadas de forma u nica en el punto P . Formando las derivadas de u y v en P en la direcci on de obtenemos du = ux dx + uy dy, dv = vx dx + vy dy. (5.6)
cuyo determinante desaparece si y s olo si las primeras derivadas de la soluci on no son unicamente determinadas en P . Esto entrega la ecuaci on (a1 c2 a2 c1 ) dy dx
2
Combinando (5.5) y (5.6) obtenemos a1 b1 a2 b2 dx dy 0 0
el sistema lineal f1 ux c1 d1 c2 d2 uy f2 , = 0 0 vx du dv dx dy vy
(5.7)
(a1 d2 a2 d1 + b1 c2 b2 c1 )
dy dx +b1 d2 b2 d1 = 0 con a1 c2 a2 c1 = 0.
(5.8)
5.1. TEOR IA DE LAS CARACTER ISTICAS
71
La ecuaci on (5.8) es la ecuaci on caracter stica asociada al sistema (5.6), y sus soluciones son las direcciones caracter sticas en el punto P . El discriminante de (5.8) es D(P ) = (a1 d2 a2 d1 + b1 c2 b2 c1 )2 4(a1 c2 a2 c1 )(b1 d2 b2 d1 ). (5.9)
Denici on 5.2. En el punto P G el sistema (5.5) se llama a) el ptico si D(P ) < 0, es decir, en P no existe nunguna direcci on caracter stica (real), b) hiperb olico si D(P ) > 0, es decir, en P existen dos direcciones caracter sticas diferentes, b) parab olico si D(P ) = 0, es decir, en P existe existe exactamente una direcci on caracter stica. Si transformamos una ecuaci on azxx + bzxy + czyy = f a un sistema de primer orden del tipo (5.5) mediante la transformaci on u := zx , v := zy , por supuesto las Deniciones 5.1 y 5.2 deben ser equivalentes. Pero es facil vericar que efectivamente son equivalentes: las ecuaciones caracter sticas (5.4) y (5.8) son id enticas, y por lo tanto el sistema posee las mismas direcciones caracter sticas que la ecuaci on diferencial escalr de segundo orden. Mencionamos que las mismas consideraciones pueden ser aplicadas a ecuaciones escalares de primer orden del tipo aux + buy = f, Diferenciano en P a lo largo de obtenemos du = ux dx + uy dy, y combinando (5.10) y (5.11) llegamos a la ecuaci on caracter stica dy b = , dx a es decir, la ecuaci on diferencial posee en cada punto solo una direcci on caracter stica, lo es el resultado esperado ya que las ecuaciones del tipo (5.10) describen fen omenos de convecci on. 5.1.3. Caracter sticas de ecuaciones hiperb olicas. Queremos dedicarnos ahora al caso hiperb olico, es decir al caso en el cual en cada punto del dominio de denici on existen dos direcciones caracter sticas diferentes. Si los coecientes en (5.1) y (5.5) son continous, entonces la soluci on de las ecuaciones caracter sticas (5.4) y (5.8), respectivamente, entrega dos campos de direcciones continuos sobre el dominio considerado. Estos campos de direcciones denen dos familias de curvas, las llamadas caracter sticas de las ecuaciones diferenciales respectivas (5.1) y (5.5). La suavidad de los coecientes en (5.1) y (5.5) se reeja en la suavidad de las caracter sticas. Las caracter sticas son portadores de informaci on de la soluci on; en otras palabras, a lo largo de las caracter sticas se realizan fen omenos f sicos de propagaci on. Volviendo al origen de nuestras consideraciones, podemos formular el siguiente teorema. (5.11) a = 0. (5.10)
72
Teorema 5.1. Una soluci on de la ecuaci on diferencial hiperb olica (5.1) (respectivamente, del sistema hiperb olico (5.5)) dada sobre G (en el caso de (5.1), se supone que tambi en las primeras derivadas est an dadas sobre ) est a determinada localmente y unicamente mas all a de si y s olo si en ning un punto de , la curva coincide con una de las direcciones caracter sticas de (5.1) (respectivamente, (5.5)); en otra palabras, si y s olo si intersecta las caracter sticas bajo un angulo positivo. En particular, este teorema implica que si los coecientes de la ecuaci on diferencial son sucientemente suaves, un problema de valores iniciales hiperb olico posee una soluci on unicamente determinada si los valores iniciales estan dados sobre una curva no caracter stica. Consideremos ahora problemas de valores iniciales de ecuaciones diferenciales hiperb olicas de segundo orden y de sistemas hiperb olicos de primer orden. Sea una curva suave en el plano (x, y ), y supongamos que en cada punto posee una pendiente nita, o sea, existe una parametrizaci on (x( ), y ( )) de con dx = 0 sobre la totalidad de . Adem as, sea una curva no caracter stica de las ecuaciones diferenciales correspondientes. Ahora estamos buscando soluciones de los problemas a1 ux + b1 uy + c1 vx + d1 vy = f1 a2 ux + b2 uy + c2 vx + d2 vy = f2 para (x, y ) G arriba de , para (x, y ) G arriba de ,
uy (x, y ) = u1 (x, y ) para (x, y ) , o alternativamente, auxx + buxy + cuyy = f u(x, y ) = u0 (x, y ) para (x, y ) , para (x, y ) G arriba de , (5.13)
u(x, y ) = u0 (x, y ) para (x, y ) ,
(5.12)
uy (x, y ) = u1 (x, y ) para (x, y ) .
Comentamos que en (5.13) al lugar del dato uy se puede especicar alguna otra derivada direccional de u sobre , siempre que esta derivada direccional no coincida con la derivada en la direcci on de , dado que esta derivada ya esta automaticamente dada a trav es del dato u sobre . Los problemas de valores iniciales del tipo (5.12) y (5.13) conducen a soluciones unicamente determinadas. Aplicando la teor a de las caracter sticas, analizaremos solamente el problema (5.13); las consideraciones para (5.12) son an alogas. Las soluciones de la ecuaci on cuadr atica entregan las direcciones caracter sticas de (5.13); aqu obtenemos dy dx dy dx ==
1
1 b + b2 4ac , 2a 1 b b2 4ac , == 2a
(5.14) a = 0.
A lo largo de las curvas caracter sticas el determinante del sistema de ecuaciones (5.3) desaparece, por lo tanto en este caso (5.3) posee soluciones en este caso solamente si no crece el
5.1. TEOR IA DE LAS CARACTER ISTICAS
73
R B P Q P
Figura 5.1. El intervalo de dependencia [P, Q] del punto R (izquierda) y el de inuencia del punto P (derecha). dominio B rango se la matriz extendida en (5.3), es decir, por ejemplo se debe satisfacer a f c dx d(ux ) 0 = 0, 0 d(uy ) dy o sea, por lo tanto, utilizando (5.14) obtenemos las siguientes ecuaciones (a = 0:) ad(ux ) + cd(uy ) f dy = 0, ad(ux ) + cd(uy ) f dy = 0. (5.15) ad(ux )dy f dxdy + cd(uy )dx = 0;
Estas ecuaciones describen condiciones que la soluci on de (5.13) debe satisfacer a lo largo de las caracter sticas , . Hay que tomar en cuenta que las derivadas d(ux ), d(uy ) y dy se reeren a las direcciones caracter sticas y , respectivamente. Las ecuaciones (5.15) dan origen a un m etodo de construcci on de soluciones, ver Secci on 5.2. El comportamiento de la soluci on u(x, y ) de (5.13) depende solamente de los datos iniciales especicados en el segmento [P, Q] , es decir una modicaci on de los datos iniciales en \[P, Q] (fuera de [P, Q]) no afecta el valor de la soluci on u(R). El segmento [P.Q] se llama intervalo de dependencia del punto R (ver Figura 5.1 (izquierda)). Por otro lado, sea P un punto arbitrario B G el domino arriba de localizado es el conjunto de aquellos puntos entre las dos caracter sticas que pasan por P . Su clausura B en los cuales el valor de la soluci on u(x, y ) de (5.13) depende de los valores iniciales puestos no es afecto en P ; en otras palabras, el valor de la soluci on en alg un punto fuera de B por una modicaci on de las condiciones iniciales en P (y en una vecindad U (P ) sucientemente peque na). El dominio B se llama dominio de inuencia del punto P (ver Figura 5.1 (derecha)). Finalmente, comentamos que si a las ecuaciones (5.14) y (5.15) se agrega la ecuaci on diferencial du = ux dx + uy dy, donde hay que tomar las derivadas en una de las dos direcciones caracter sticas, entonces la soluci on de (5.13) junto con los datos iniciales est a determinada u nicamente si suponemos que a = 0 y c = 0 en G R3 .
74
R P Q
Figura 5.2. La curva inicial P, Q y la interesecci on de las caracter sticas. 5.2. M etodos de caracter sticas num ericos Utilizando el concepto de caracter sticas podemos calcular soluciones de problemas de valores iniciales de ecuaciones hiperb olicas por un m etodo que usa una malla caracter stica compuesta por los puntos de intersecci on de l neas caracter sticas. Este m etodo origina en un trabajo de Massau (1899). 5.2.1. M etodo de caracter sticas aproximado. Queremos estudiar este m etodo para eole ejemplo de un problema de valores iniciales del tipo (5.13). Supongamos que la curva inicial que aparece en (5.13) sea no caracter stica. Entonces, seg un la teor a desarrollada en la Secci on 5.1, el sistema que debe ser aproximado num ericamente es dy 1 b + b2 4ac , == (5.16) dx 1 2a 1 dy (5.17) == b b2 4ac , dx 2 2a ad(ux ) + cd(uy ) f dy = 0, (5.18) ad(ux ) + cd(uy ) f dy = 0, (5.19) du ux dx uy dy = 0, a, b, c, f : G R3 R son funciones dadas de x, y , u y u. Las derivadas que aparecen en (5.18) y (5.19) se toman en las direcciones caracter sticas y , respectivamente, mientras que las derivadas en (5.20) se toman en una de esas direcciones ( o ). Adem as, se supone que b2 4ac > 0 (hiperbolicidad), ac = 0 en G R3 . (5.21) (5.20)
donde los coecientes
El caso c = 0 requiere un an alisis separado. Las ecuaciones (5.16)(5.20) junto con los valores iniciales en determinan la soluci on de (5.13) de manera u nica y por lo tanto son equivalentes a (5.13). Ahora la curva se particiona por un n umero de puntos, y sean P y Q puntos de partici on vecinos, ver Figura 5.2. Sea R el punto de intersecci on de la -caracter stica por P con la -caracter stica por Q. Aproximando las derivadas en (5.16)(5.20) por cuocientes
5.2. METODOS DE CARACTER ISTICAS NUMERICOS
75
de diferencias y formando promedios para obtener los valores de promedio de los valores de las funciones restantes, obtenemos 1 y (R) y (P ) (R) + (P ) x(R) x(P ) = 0, (5.22) 2 1 (5.23) y (R) y (Q) (R) + (Q) x(R) x(Q) = 0, 2 1 a(R)(R) + a(P )(P ) ux (R) ux (P ) 2 1 1 (5.24) + c(R) + c(P ) uy (R) uy (P ) f (R) + f (P ) y (R) y (P ) = 0, 2 2 1 a(R) (R) + a(Q) (Q) ux (R) ux (Q) 2 1 1 (5.25) + c(R) + c(Q) uy (R) uy (Q) f (R) + f (Q) y (R) y (Q) = 0, 2 2 1 u(R) u(P ) ux (R) + ux (P ) x(R) x(P ) 2 1 (5.26) uy (R) + uy (P ) y (R) y (P ) = 0. 2 Al lugar de (5.26) podriamos tambien considerar una aproximaci on en la direcci on : 1 ux (R) + ux (Q) x(R) x(Q) 2 1 uy (R) + uy (Q) y (R) y (Q) = 0. 2 Las ecuaciones de diferencias (5.22)(5.26) entregan un m etodo que es consistente de segundo orden con (5.16)(5.20) si todos los tama nos de paso se eligen del mismo orden de magnitud. En virtud de los datos iniciales puestos en , todos los valores de funciones en los puntos P y Q son conocidos (Tarea). Las cantidades que hay que determinar son las cinco desconocidas u(R) u(Q) x(R), y (R), u(R), ux (R), uy (R). (5.27) Entonces, tenemos que resolver un sistema de cinco ecuaciones no lineales en cinco desconocidas. Aplicando el m etodo (5.22)(5.26) a una familia de puntos P1 , . . . , PN obtenemos los datos (5.27) en una sucesi on de puntos arriba de , y desde all se puede seguir con el m etodo (ver Figura 5.3). As , el dominio de computaci on queda acotado por las dos caracter sticas l mites por P1 y PN . El dominio incluido por estas dos caracter sticas se llama dominio de determinaci on de la soluci on de (5.13) asociado con sel segmento [P1 , PN ] . Se puede demostrar que el m etodo de caracter sticas es convergente de segundo orden. 5.2.2. M etodo predictor-corrector. Discutiremos ahora la soluci on del sistema de ecuaciones no lineales, proponiendo el m etodo predictor-corrector. Para la computaci on de la primera soluci on aproximada (del predictor) utilizamos f ormulas expl citas al lugar de las cuatro ecuaciones impl citas (5.22)(5.25). Luego, despu es de la soluci on de estas ecuaciones, se calcula la primera aproximaci on de u(R) desde la quinta ecuaci on (5.26). Con la ayuda
76
...
...
PN
P1
Pi
Figura 5.3. M etodo de caracter sticas. de estas primeras soluciones aproximadas y de las ecuaciones (5.22)(5.26) podemos calcular segundas soluciones aproximadas (el corrector). Las f ormulas son las siguientes. 1. Denimos las abreviaturas (0) := (P ), (0) := (Q),
(0) fp := f (P ), (0) fq := f (Q),
c(0) p := c(P ), c(0) q := c(Q), (0) p := a(P )(P ), (0) q := a(Q) (Q),
y para = 1, . . . , K 1: ( ) := ( )
( ) fp ( ) fq
1 2 1 := 2 1 := 2 1 := 2
( ) (R) + (P ) , ( ) (R) + (Q) , f ( ) (R) + f (P ) , f ( ) (R) + f (Q) ,
) c( p := ) c( q ) ( p ) ( q
1 2 1 := 2 1 := 2 1 := 2
c( ) (R) + c(P ) , c( ) (R) + c(Q) , a( ) (R)( ) (R) + a(P )(P ) , a( ) (R) ( ) (R) + a(Q) (Q) ,
y para = 0, . . . , K 1: 1 := ( ) x(P ) y (P ), 2 := ( ) x(Q) y (Q),

( ) ( ) ) ( ) ( ) 3 := ( p ux (P ) + cp uy (P ) fp y (P ), ( ) ( ) ) ( ) ( ) 4 := ( q ux (Q) + cq uy (Q) fq y (Q),
5.2. METODOS DE CARACTER ISTICAS NUMERICOS
77
y para = 1, . . . , K 1:
) u( x := ) u( y
1 ( ) u (R) + ux (P ) , 2 x 1 ( ) := u (R) + uy (P ) , 2 y
x( ) := x( ) (R) x(P ), y ( ) := y ( ) (R) y (P ).
2. Luego, para = 0, 1, . . . , K 1 se resuelven las ecuaciones ( ) ( +1) ( ) 1 x (R) 1 0 0 ( ) ( +1) ( ) (R) 1 0 0 2 y = ( ) , ( +1) ( ) ( ) ( ) 0 fp ( R ) c p p u x 3 0
+1) +1) u( +1) (R) = u(P ) + u( x( +1) + u( y ( +1) . x y
(5.28)
fq
( )
( )
cq
( )
uy
( +1)
(R)
( )
Los coecientes que aparecen en la matrix y en el vector del lado derecho de (5.28) son funciones de a, b, c y f y por lo tanto funciones de x, y , u y u en los puntos P , Q y R( ) . Se calculan utilizando la soluci on determinada en el paso anterior (con el ndice ). 3. Ponemos x(R) := x(K ) (R),
K) ux (R) := u( x (R),
y (R) := y (K ) (R),
(K ) uy (R) := uy (R),
u(R) = u(K ) (R).
La selecci on de K Z depende de la exactitud con la cual queremos resolver el sistema no linear. Para K = 2 se calcula solamente una soluci on corrector. La ecuaci on (5.28) implica que las primeras dos ecuaciones pueden ser resueltas independientemente de las dem as ecuaciones. Estas ecuaciones sirven para la computaci on de las caracter sticas. Geometricamente, (5.22) y (5.23) signican que las curvas caracter sticas son remplazadas por segmentos de par abolas. Si la ecuaci on (5.13) es lineal o semilineal, se puede anticipar la computaci on completa de las caracter sticas, dado que en este caso la soluci on de las primeras dos ecuaciones no es necesaria la computaci on de los valores u(R), ux (R) y uy (R). Frecuentamente, en este caso tambi en es posible integrar directamente, por m etodos elementales, las ecuaciones diferenciales ordinarias (5.16) y (5.17), de manera que no es necesario utilizar las aproximaciones por diferencias (5.22) y (5.23). En el caso lineal, adem as, no se requiere aplicar el m etodo predictor-corrector, dado que solamente hay resolver un sistema de ecuaciones lineales para cada punto de la malla. Es facil ver que las condiciones (5.21) implican que las matrices que aparecen en (5.28) son no singulares, es decir, existe una soluci on u nica. El m etodo no funciona bien para valores peque nos de b2 4ac, es decir, si las dos familias caracter sticas cas coinciden, en otras palabras, si la malla caracterist ca es muy degenerada. En el caso l mite (b2 4a = 0), es decir, en el caso parab olico, ya no se puede ejecutar el m etodo de caracter sticas. En aquellos puntos en los cuales c desaparece (siempre suponiendo que a = 0) la ecuaci on (5.19) ya no aparece (puesto que = 0 y dy = 0). Para la discretizaci on esto implica que
78
(5.28) se pone singular, y ya no podemos determinar uy . Sin embargo podemos utilizar el m etodo en el caso lineal (Tarea). Ejemplo 5.1. Consideremos dos ejemplos elementales de ecuaciones diferenciales lineales que permiten la computaci on de la malla caracter stica a priori. 1. Sean a, b, c R constantes. Las ecuaciones (5.16) y (5.17) inmediatamente implican que , R son constantes, es decir, las caracter sticas son dos familias paralelas de rectas. 2. Sean a x2 , b 0, c 1, G := {(x, y ) : x > 0} R2 , y := {(x, y ) : x > 0, y = 0} G. Las ecuaciones (5.16) y (5.17) implican dy dx
1 ,2
1 = , x
x > 0.
Integrando obtenemos para (x, y ) G las siguientes ecuaciones de las caracter sticas: y1 (x) = log x + d, y2 (x) = log x + d, d R. 5.3. M etodos de diferencias nitas para problemas hiperb olicos A parte de los m etodos de caracter sticas existen los m etodos de diferencias nitas. Estos m etodos usan una malla rectangular, paralela a los ejes, y en los puntos de la malla de aproximan las derivadas por cuocientes de diferencias. Obviamente, debido a la regularidad de la malla este m etodo posee grandes ventajas comparado con los m etodos de caracter sticas, pero hay que tomar en cuenta que posiblemente la malla rectangular no reeja adecuadamente la naturaleza del problema matem atico, dado que esta malla se impone articialmente, y siempre hay que considerar las caracter sticas. Queremos estudiar este problema para el siguiente problema de valores iniciales de la ecuaci on de la onda: utt (x, y ) =c2 uxx (x, y ), u(x, 0) =f (x), ut (x, 0) =g (x), x R, x R, t > 0, (5.29)
x R.
5.3.1. La f ormula de dAlembert. Antes de discutir m etodos de diferencias nitas para (5.29) demostraremos que (5.29) puede ser resuelto explicitamente. De hecho, usando la transformaci on de variables = x + ct, y observando que = x ct, =c t (, ) = u(x, t) (5.30)
= + , x
c > 0,
obtenemos de (5.29) la ecucaci on diferencial transformada 2 = 0, cuyas soluciones son faciles de determinar: 4c2 (, ) = P ( ) + Q( ),
5.3. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS HIPERBOLICOS
79
t
ppppppppppppppppppppppppppppppppppppppA p pp t 6 pp ppp A 1 1 ppp A pp t2 = x + const. t1 = x + const. p p pp A c c p pp pp ppp ppp pp pp pp ppp pp pp p A A A A
0 0
A A
x ct
x + ct
Figura 5.4. Caracter sticas (5.32) y el intervalo de dependencia [x ct , x + ct ] de la ecuaci on de la onda (5.29). tn+1 tn tn1 xj 1
v v
uj,n+1 uj,n uj,n1 xj +1 uj +1,n
uj 1,n
xj
Figura 5.5. Esquema de 5 puntos del m etodo (5.33). con lo cual obtenemos en virtud de (5.30) Aqu , P y Q son funciones arbitrarias y dos veces continuamente diferenciables. Utilizando esta soluci on general, obtenemos de las condiciones iniciales de (5.29) la siguiente expresi on, conocida como la f ormula de dAlembert: u(x, t) = 1 1 f (x + ct) + f (x ct) + 2 2c
x+ct
u(x, t) = P (x + ct) + Q(x ct).
g ( ) d.
xct
(5.31)
Calculando las caracter sticas de la ecuaci on de la onda (5.29), obtenemos 1 dt = , dx c es decir, 1 1 t1 = x + const., t2 = x + const. (5.32) c c La f ormula (5.31) implica directamente que el valor de la soluci on en el punto (x , t ) depende precisamente de los valores iniciales en el intervalo [x ct , x + ct ] del eje x. Esto es precisamente el intervalo de dependencia del punto (x , t ), ver Figura 5.4.
80
5.3.2. M etodos expl citos para la ecuaci on de la onda. Consideraremos ahora aproximaciones de la ecuaci on de la onda por diferencias nitas. Para tal efecto utilizamos la malla (xj , tn ) = (j x, nt), y los siguientes cuocientes de diferencias de segundo orden para aproximar las derivadas en (5.29): uj,n+1 = 2(1 c2 2 )ujn + c2 2 (uj +1,n + uj 1,n ) uj,n1 , (5.33) t j Z, n N, := , x donde ujn u(x, tn ). Este m etodo conecta 5 puntos de la malla seg un el esquema de la Figura 5.5. Para la computaci on de la capa de t n umero n + 1 necesitamos los valores de las funciones de las dos capas que est an debajo, por lo tanto tenemos que resolver el problema de calcular los valores num ericos en la primera capa t1 , es dedir, en los puntos de malla (xj , t). Dado que el m etodo (5.33) es de segundo orden de consistencia en t y x, queremos mantener el segundo orden de consistencia tambi en al calcular la primera capa de tiempo. En virtud de (5.29) obtenemos mediante un desarrollo en series de Taylor: t2 2 c f (x) + O(t3 ), u(x, t) = f (x) + tg (x) + 2 lo que corresponde a la aproximaci on uj 1 = fj + tgj + (5.34) j Z, n N0 ,
c 2 2 (fj 1 2fj + fj +1 ), j Z. (5.35) 2 Por otro lado, extendiendo el desarrollo en series de Taylor en (5.34) podemos lograr aproximaciones mas exactas; por ejemplo, (5.29) implica que t2 2 t3 2 c f (x) + c g (x) + O(t4 ), 2 6 lo que motiva la aproximaci on de tercer orden u(x, t) = f (x) + tg (x) + c 2 2 c 2 2 (fj 1 2fj + fj +1 ) + t (gj 1 2gj + gj +1 ), j Z. (5.36) 2 6 Por supuesto, si podemos calcular las derivadas de f y g en forma expl cita, no es necesario utilizar las aproximaciones por diferencias en (5.35) y (5.36). uj 1 = fj + tgj + 5.3.3. La condici on de Courant-Friedrichs-Lewy (CFL). La convergencia del m etodo (5.33) o de un m etodo equivalente a (5.33) se estudiar a en la Secci on 5.5 en el marco de una teor a general de convergencia para problemas de valores iniciales lineales. Aqu queremos estudiar desde un punto de vista puramente geom etrico bajo qu e condiciones (5.33) no puede converger a la soluci on de (5.29) para x, t 0. La ecuaci on (5.33) implica que el valor de la soluci on aproximada en el punto (x , t ) depende precisamente de los datos iniciales en los puntos de malla en el intervalo x x t ,x + t I := x t t
81
t
6
t t
t
t t t t @ @ t t t t @ t t t @ @ @ t t t t t t @t @ I @ @tt t t t t t @
x t t
x +
x t t
Figura 5.6. El intervalo I de dependencia num erica del punto de malla (x , t ).

t t
6 v
v v v v \ @ \ @ @ \ @ \ v v v v v v v \@ \@ \@ t \ @ x v v v v v \ @v v \ @ \ @ \ @ @ \ } m v m @ } v v v v v \ v - x @ \ x x ct x + ct 6 6
x t t x t t
x +
Figura 5.7. Satisfacci on de la condici on CFL para t/x 1/c. Los subintervalos del eje x limitados por c rculos grandes abiertos () y cerrados () son los intervalos de dependencia anal tica y num erica del punto (x , t ), respectivamente. del eje x. El intervalo I se llama intervalo de dependencia num erica del punto de malla (x , t ), ver Figura 5.6. Ahora, si c = ct x 1,
82
t t
6 v v v v v v # @ c # c @c # @c # # @c v v v v v v v v v # c @ # @cc # @ c t # # @ c x # @v c v v # v v v v v v @ cc # @ # c # @ c # c @ # cm } } v m v v v v v v v v @ # c @
x ct
6
x t t
x + ct
x +
x t t
Figura 5.8. Violaci on de la condici on CFL para t/x > 1/c. Los subintervalos del eje x limitados por c rculos grandes abiertos () y cerrados () son los intervalos de dependencia anal tica y num erica del punto (x , t ), respectivamente. entonces t x 1 c
y el intervalo de dependencia num erica de (x , t ) incluye el intervalo de dependencia anal tica [x ct , x + ct ] de este punto, ver Figura 5.7. Por otro lado, si > 1/c y dejamos x y t tender a cero, entonces llegamos a un intervalo de dependencia de (x , t ) que intr nsicamente est a contenido en el intervalo de dependencia anal tica, ver Figura 5.8. Por lo tanto, en este caso el m etodo (5.33) no puede converger. Tenemos el siguiente teorema. Teorema 5.2 (Condici on de Courant, Friedrichs y Lewy (CFL)). Una condici on necesaria para que la soluci on de (5.33) converge en (x , t ) hacia la soluci on de (5.29) para x, t 0 y datos iniciales f (x) y g (x) arbitrariamente suaves es la condici on que el intervalo de dependencia num erica de (x , t ) incluya el intervalo de dependencia anal tica de este punto. Este teorema es v alido para problemas de valores iniciales de ecuaciones hiperb olicas en general, y para todos m etodos de diferencias nitas. El m etodo (5.33) es un m etodo de dos pasos expl cito. Queremos indicar dos m etodos impl citos para la ecuaci on de la onda. La computaci on de la primera capa de tiempo se realiza como en (5.33) o (5.35). Utilizando la notaci on 2 j := j 1 2j + j +1
83
podemos aproximar (5.29) por uj,n+1 2ujn + uj,n1 = o equivalentemente, c 2 2 c 2 2 uj 1,n+1 + (1 + c2 2 )uj,n+1 uj +1,n+1 2 2 (5.37) c 2 2 c 2 2 2 2 = 2ujn + uj 1,n1 (1 + c )uj,n1 + uj +1,n1 . 2 2 Una s ola aplicaci on del esquema (5.37) conecta 7 puntos de la malla. La evaluaci on num erica de (5.37) se realiza para cada capa de t mediante la soluci on de un sistema de ecuaciones lineales cuya matriz es una M-matriz sim etrica, por lo tanto la soluci on de (5.37) es u nica y no pone problemas. Otra posibilidad de aproximaci on es la f ormula uj,n+1 2ujn + uj,n1 = o equivalentemente, c 2 2 c 2 2 c 2 2 uj 1,n+1 + 1 + uj +1,n+1 uj,n+1 4 2 4 c 2 2 c 2 2 uj 1,n + (2 c2 2 )ujn + uj +1,n = 2 4 c 2 2 c 2 2 c 2 2 uj 1,n1 1 + uj,n1 + uj +1,n1 . + 4 2 4 c 2 2 2 ( uj,n+1 + 2 2 ujn + 2 uj,n1 ), 4 c 2 2 2 ( uj,n+1 + 2 uj,n1 ), 2
(5.38)
El esquema (5.38) conecta 9 puntos. Igualmente, tal como para el m etodo (5.37), la soluci on de (5.38) requiere la soluci on de un sistema de ecuaciones lineales. Los m etodos (5.37) y (5.38) son consistentes de segundo orden en t y x, lo que se puede demostrar facilmente calculando el error de truncaci on local (Tarea). Tambi en se puede demostrar la convergencia de estos m etodos para x, t 0 y > 0 arbitrario (ver Richtmyer & Morton 1967). 5.3.4. Ecuaci on de la onda con datos iniciales y de frontera. Hasta ahora solamente hemos considerado el problema de valores iniciales para la ecuaci on de la onda. Sin embargo, frecuentamente esta ecuaci on aparece con datos inicales y de frontera, por ejemplo en el siguiente problema de valores iniciales y de frontera: utt (x, t) = c2 uxx (x, t), u(x, 0) = f (x), ut (x, 0) = g (x), u(0, t) = 0, u(L, t) = 0, t t 0 0 0, 0. x x t 0, L, L, (5.39) 0 x L,
84
Por supuesto, los datos iniciales y de frontera deben satisfacer ciertas condiciones de compatibilidad. Utilizando un planteo de separaci on tambi en podemos resolver exactamente el problema (5.39). Por otro lado, en otras situaciones se presentan condiciones de periodicidad, por ejemplo como utt (x, t) = c2 uxx (x, t), u(x, 0) = f (x), ut (x, 0) = g (x), t 0, x R, t 0, x R, (5.40) x R.
u(x, t) = u(x + L, t),
x R,
El tratamiento num erico de (5.39) y (5.40) puede ser realizado mediante el m etodo (5.33), (5.37) o (5.38). Debido a la periodicidad, el problema (5.40) debe ser resuelto s olo en el intervalo 0 x L, y para la computaci on de cada capa de t se pueden utilizar los puntos de malla en [0, L] a la izquierda y a la derecha. 5.3.5. M etodos de diferencias nitas para sistemas hiperb olicos de primer orden. Ya mencionamos que las ecuaciones diferenciales de segundo orden pueden ser transformadas en sistemas equivalentes de primer orden. Por ejemplo, denamos
t 1 x ux (x, ) d, c > 0. g ( ) d + c c 0 0 Ahora un c alculo directo, con la ayuda de (5.29), entrega las siguientes identidades:
v (x, t) := u(x, t),
w(x, t) :=
v t = ut =
0 t
u d + g (x) = c2
0
uxx d + g (x) = cwx ,
=c c
0
uxx (x, ) d +
g (x) c
wt = cux = cvx , v (x, 0) = u(x, 0) = f (x), 1 x w(x, 0) = g ( ) d =: G(x). c 0 Entonces, podemos escribir el problema de valores iniciales como vt (x, t) wt (x, t) Sustituyendo v := ut , v (x, 0) w(x, 0) w := cux g (x) . cf (x) obtenemos el mismo sistema de ecuaciones, pero con la condici on inicial = =c 0 1 1 0 vx (x, t) , wx (x, t) v (x, 0) w(x, 0) = f (x) . G(x) (5.41)
Para el tratamiento num erico por m etodos de diferencias nitas la ventaja de sistemas de primer orden (comparado con ecuaciones escalares de segundo orden) es la posibilidad de poder aplicar m etodos de paso simple, es decir podemos considerar m etodos de diferencias
85
nitas que conectan solamente dos capas de t. Por supuesto, tambi en aqu hay que considerar el comportamiento de las caracter sticas. Se puede vericar que las caracter sticas del sistema (5.41) son id enticas a las caracter sticas de la ecuaci on de la onda (5.29). Consideraremos ahora problemas de valores iniciales hiperb olicos que poseen la forma un poco m as general ut = Aux , u(x, 0) = (x), donde u(x, t) = v (x, t) , w(x, t) (x) = f (x) , g (x) A= a b , b c a, b, c R, (5.43) x R, t 0, x R, (5.42)
y donde se supone que A es regular y (a + c)2 4(ac b2 ) > 0.
En virtud de la Denici on 5.2 y (5.9), (5.43) implica la hiperbolicidad del sistema (5.42). Utilizando (5.8) se puede demostrar facilmente que los valores propios de A1 son las direcciones caracter sticas de (5.42). La hip otesis de simetr a de A no es una restricci on esencial, dado que en muchas aplicaciones pr acticas A es efectivamente sim etrica. Sea := t/x. Se puede denir el m etodo de diferencias vj,n+1 wj,n+1 vj,0 wj,0 = = vjn vj +1,n vj 1,n + A , wjn wj +1,n wj 1,n 2 fj , j Z. gj j Z, n N0 ;
(5.44)
Sin embargo, en el Ejemplo 5.2 en la Secci on 5.5 veremos que este m etodo posee propiedades de convergencia muy desventajosas y por lo tanto es inutil para la pr actica. Otro m etodo (mucho mejor, como veremos en el Ejemplo 5.3 en la Secci on 5.5) es vj,n+1 wj,n+1 = 1 2 vj +1,n + vj 1,n vj +1,n vj 1,n + A , wj +1,n + wj 1,n wj +1,n wj 1,n 2 j Z, n N0 . (5.45)
Los m etodos (5.44) y (5.45) son m etodos de paso simple que son consistentes de segundo orden en x y de primer orden en t. Otro m etodo consiste en calcular los valores de v en los puntos (j x, nt) y los valores de w en los puntos intermedios ((j + 1/2)x, nt). Esto entrega, por ejemplo, vj,n+1 wj 1/2,n+1 = vjn wj 1/2,n + A vj,n+1 vj 1,n+1 , wj +1/2,n wj 1/2,n j Z, n N0 .
Este es un m etodo impl cito. En el caso de que A posee la forma especial dada por (5.41), obtenemos el m etodo wj 1/2,n+1 = wj 1/2,n + c (vj,n+1 vj 1,n+1 ) . vj,n+1 = vjn + c wj +1/2,n wj 1/2,n , (5.46)
86
Este m etodo es facil de resolver, dado que podemos primero calcular los valores vj,n+1 desde la primera ecuaci on (expl cita), luego utilizando los valores vj,n+1 podemos calcular todos los valores wj 1/2,n+1 usando la segunda ecuaci on. Otro m etodo para el sistema (5.41) es c wj +1/2,n wj 1/2,n + wj +1/2,n+1 wj 1/2,n+1 , 2 (5.47) c wj 1/2,n+1 = wj 1/2,n + (vj,n+1 vj 1,n+1 + vjn vj 1,n ) . 2 Los sistemas de ecuaciones de diferencias (5.46) y (5.47) son equivalentes a las ecuaciones (5.33) y (5.38), respectivamente, si identicamos vjn con (1/t)(ujn uj,n1 ) y wj 1/2,n con (c/x)(ujn uj 1,n ). Esta identicaci on es razonable en virtud de la substituci on v = ut y w = cux . vj,n+1 = vjn + 5.4. M etodos de diferencias nitas para problemas parab olicos 5.4.1. Soluci on exacta y caracter sticas de la ecuaci on del calor. Para las ecuaciones diferenciales parab olicas tenemos una sola direcci on caracter stica en cada punto, y por lo tanto no podemos aplicar los m etodos caracter sticos descritos en Secci on 5.2. Aqu consideraremos m etodos de diferencias nitas para el siguiente problema de valores iniciales para la ecuaci on del calor: ut = uxx , t > 0, x R, (5.48) u(x, 0) = f (x), x R.
Aqui se supone que f C (R) es una funci on acotada. La soluci on expl cita de (5.48) es dada por f ( ) d, (5.49) 4t R lo que es f acil de vericar tomando las derivadas bajo la integral. Por otro lado, en virtud de exp(y 2 ) dy = exp
R
u(x, t) =
( x)2 4t
podemos escribir la soluci on (5.49) en la forma u(x, t) = f (x) + Esto implica que = 0 para = x, 4t adem as el integrando en (5.50) desaparece para = x. Por lo tanto, las funciones (5.50) y (5.49) satisfacen la condici on inicial en (5.48). A trav es de la sustituci on
t0
1 4t
exp
( x)2 4t
f ( ) f (x) d,
t > 0.
(5.50)
l m
exp
( x)2 4t
v := u,
w := ux
5.4. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS PARABOLICOS
87
podemos transformar (5.48) al siguiente problema de valores iniciales: vx = w, vt wx = 0, t > 0, x R; v (x, 0) = f (x), w(x, 0) = f (x), x R.
(5.51)
La ecuaci on caracter stica (5.8) para el sistema (5.51) entrega la ecuaci on (dt/dx)2 = 0, es decir t = const. (5.52)
Entonces, las caracter sticas de (5.48) es la familia de rectas paralelas al eje x. Adem as, (5.49) implica que el comportamiento de la soluci on u(x, t) en un punto (x , t ) depende de la funci on inicial f (x) en la totalidad de la recta t = 0, es decir, el intervalo de dependencia de cada punto (x , t ), t > 0, es el eje x entero. Adem as, la condici on inicial in (5.48) es dada a lo largo de una caracter stica, al contrario de los problemas de valores iniciales hiperb olicos. Normalmente, la ecuaci on del calor aparece en la combinaci on con datos iniciales y de la frontera, por ejemplo como ut = uxx , u(x, 0) = f (x), u(0, t) = g (t), u(1, t) = g (t), 0 0 x x 1, 1, t > 0, (5.53)
t > 0, t > 0.
5.4.2. M etodos de paso simple para la ecuaci on del calor. Para el tratamiento num erico de (5.53) utilizamos la malla de puntos (xj , tn ) = (j x, nt), j = 0, . . . , N + 1, n N0 , (N + 1)x = 1,
sobre la cual denimos la aproximaci on por diferencias 1 1 (uj,n+1 ujn ) = (1 )(uj 1,n 2ujn + uj +1,n ) t x2 + (uj 1,n+1 2uj,n+1 + uj +1,n+1 ) . Deniendo := t , x2 2 j := j 1 2j + j +1
y utilizando las condiciones iniciales y de frontera adicionales de (5.53), obtenemos los siguientes sistemas de ecuaciones: uj,n+1 2 uj,n+1 = ujn + (1 ) 2 ujn , j = 1, . . . , N, uj 0 = fj , j = 0, . . . , N + 1, u0n = gn , uN +1,n = g n , n 0. n 0, (5.54)
88
El m etodo es expl cito para = 0 e impl cito para > 0. Se trata de un m etodo de paso simple que conecta la nueva capa de tiempo (n + 1)t con el peso y la capa antigua con el peso 1 . Podemos reescribir (5.54) en la forma (I + B)un+1 = I (1 )B un + gn , n N0 , (5.55) con u0 := (f1 , . . . , fN )T RN , un := (u1n , . . . , uN n )T RN , y 2 1 0 0 gn + (gn+1 gn ) . . 1 2 1 . . . . 0 . N N . . . R RN . . . . . B= , g = . . . n 0 0 . . . 0 . . . 1 2 1 . g n + ( gn+1 g n ) 0 0 1 2
Dado que I + B es una M-matriz tridiagonal, la soluci on de (5.55) no presenta problemas. Para vericar la consistencia del m etodo queremos calcular el error de truncaci on de (5.54). Supongamos que la soluci on de (5.53) es sucientemente suave. Puesto que utt = uxxxx , un desarrollo en series de Taylor entrega 2u t2 4 u ( x , t ) + (xj , tn ) + O(t3 ), j n x2 2 x4 1 2 x2 4 u 2u u(xj , tn ) = u(xj , tn ) (xj , tn ) + O(x4 ). 2 2 4 x x 12 x Insertando (5.57) en (5.56) obtenemos u(xj , tn+1 ) u(xj , tn ) = t u(xj , tn+1 ) u(xj , tn ) = 2 u(xj , tn ) + t t x2 2 12 4 2 + t O(x ) + O(t ) . 4u (xj , tn ) x4 (5.56) (5.57)
Analogamante, desarrollando por (xj , tn+1 ) obtenemos u(xj , tn+1 ) u(xj , tn ) = 2 u(xj , tn+1 ) + t t x2 2 12 4 2 + t O(x ) + O(t ) . 4u (xj , tn+1 ) x4
Multiplicando la primera ecuaci on por (1 ), la segunda por , y sumando los resultados obtenemos u(xj , tn+1 ) u(xj , tn ) = (1 ) 2 u(xj , tn ) + 2 u(xj , tn+1 ) + tjn , donde jn 2 O(t) + O(x ) para 0 1, = 1/2, = O(t2 ) + O(x4 ) para = 0 y = 1/6, O(t2 ) + O(x2 ) para = 1/2. (5.58)
5.4. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS PARABOLICOS
89
El resultado (5.58) implica que (5.54) es consistente a (5.53); en particuar, para el caso expl cito ( = 0) la selecci on = 1/6 entrega un orden de consistencia mayor que para = 1/6. Este resultado interesante fur observado por Milne en 1953. El m etodo para = 1/2 se llama m etodo de Crank-Nicolson (1947) y se usa frecuentemente debido a su alto orden de consistencia. Obviamente, un m etodo expl cito posee la ventaja de que no es necesario resolver sistemas de ecuaciones diferenciales. Conoceremos sus desventajas ahora al investigar las propiedades de convergencia. En lo siguiente, no consideraremos errores de redondeo o de ingreso de datos. Sea zjn := ujn u(xj , tn ), j = 0, . . . , N + 1, n = 0, . . . , M el error entre la soluci on exacta y la soluci on aproximada. Supongamos que las computaciones se realizan hasta un tiempo nito y jo T = M t. Denamos zn := (z1n , . . . , zN n )T RN , y consideremos que ujn = u(xj , tn ) para n = 0, j = 0 y j = N + 1 y por lo tanto zon = zN +1,n = zj 0 = 0, j = 0, . . . , N + 1, n = 0, . . . , M. (5.59) n = 0, . . . , M
Entonces, restando (5.54) de (5.58), obtenemos en virtud de (5.59) zn+1 = Czn + t n , z0 = 0, donde denimos n := (I + B)1 n RN , n := (1n , . . . , N n )T RN . 1 N
N 2 yi i=1
n = 0, . . . , M 1,
(5.60)
C := (I + B)1 I (1 )B RN N ,
Para vectores y = (y1 , . . . , yN )T RN denimos la norma Euclidiana

1/2
:=
entonces la norma matricial inducida es la norma espectral. Supongamos ahora que := t/x2 satisface la condici on 1 1 si 0 < , 2(1 2) 2 (5.61) 1 arbitrario 1. si 2 Entonces la simetr a de C entrega despu es de un peque no c alculo C
2
= r (C) < 1,
90
puesto que los valores propios 1 , . . . , N de B satisfacen j j = 4 sin2 , j = 1, . . . , N. 2(N + 1) Adem as, sabemos que (I + B)1 y por lo tanto n
2 2
< 1,
n 2. T t , t
Entonces, tomando la norma en (5.60) obtenemos zn+1 z0 Puesto que n

2 1 j N 2 2
zn = 0.
+ t n 2 ,
n = 0, . . . , M 1 =
(5.62)
m ax |jn |, n 2,
se tiene que (5.58) tambi en es v alido para n 2 , n = 0, . . . , M . Deniendo := m ax

0 n M
obtenemos de (5.58) y (5.62) 2 O(t) + O(x ) para 0 1 zn 2 T = O(t2 ) + O(x4 ) para = 0 y = 1/6, O(t2 ) + O(x2 ) para = 1/2,
n = 0, . . . , M.
(5.63)
Resumimos los resultados de nuestro an alisis en el siguiente teorema.
Teorema 5.3. Bajo la condici on (5.61) la soluci on del m etodo de diferencias (5.54) converge para x, t 0 a la soluci on de (5.53) en la norma Euclidiana, y del orden indicado por (5.63). Aqui se supone que la soluci on de (5.53) es sucientemente suave. Comentamos que (5.61) implica que para 1/2 no es necesario imponer restricciones a t/x2 . En la Secci on 5.5 veremos que (5.61) esencialmente tambi en es necesario para la convergencia. 5.4.3. M etodos de dos pasos para la ecuaci on del calor. Enseguida discutiremos dos m etodos de dos pasos para el tratamiento num erico de (5.48) y (5.53), respectivamente. Desde un punto de vista naivo, se podria considerar el siguiente m etodo uj,n+1 = uj,n1 + 2 2 ujn , j = 1, . . . , N, n 1. (5.64) En la Secci on 5.5 veremos que este m etodo es enteramente inutil, puesto que no converge para ning un valor de , tan peque no que sea. Por otro lado, s se recomienda el uso del m etodo de Du Fort y Frankel (1953): uj,n+1 = uj,n1 + 2(uj +1,n uj,n+1 uj,n1 + uj 1,n ), j = 1, . . . , N, n 1. (5.65)
5.5. LA TEOR IA DE LAX Y RICHTMYER
91
Veremos en la Secci on (5.5) que el m etodo (5.65) tiene muy buenas propiedades de convergencia. Puesto que, adem as, el m etodo es expl cito, requiere s olo poco esfuerzo computacional. Sin embargo, queremos destacr una particularidad de la consistencia de (5.65). Algunos desarrollos en series de Taylor de la soluci on exacta entregan las siguientes identidades: 1 u t2 3 u (xj , tn ) + O(t4 ), u(xj , tn+1 ) u(xj , tn1 ) = (xj , tn ) + 2t t 6 t3 1 2 2u x2 4 u u ( x , t ) = ( x , t ) + (xj , tn ) + O(x4 ), j n j n 12 x4 x2 x2 1 u(xj +1 , tn ) u(xj , tn+1 ) u(xj , tn1 ) + u(xj 1 , tn ) x2 t2 2 u 1 2 t4 . u ( x , t ) ( x , t ) + O = j n j n x2 x2 t2 x2 Debido a ut = uxx la combinaci on de esas tres ecuaciones lleva a u(xj , tn+1 ) u(xj , tn1 ) (u(xj +1 , tn ) u(xj , tn+1 ) u(xj , tn1 ) + u(xj 1 , tn ) 2t x2 t2 3 u x2 4 u t2 2 u ( x , t ) + ( x , t ) (xj , tn ) = j n j n 6 t3 12 x4 x2 t2 t4 + O(x4 ) + O(t4 ). +O x2 Aqui vemos que una condici on necesaria para la consistencia de (5.65) con la ecuaci on del calor ut = uxx es t = 0, x,t0 x l m ya que si existiera un n umero > 0 tal que
x,t0
l m
t = , x
entonces (5.65) seria una aproximaci on consistente con la ecuaci on hiperb olica ut uxx + 2 utt = 0. 5.5. La teor a de Lax y Richtmyer 5.5.1. El teorema de equivalencia de Lax. Esta secci on resume la teor a de estabilidad para m etodos de diferencias nitas de problemas de valores iniciales publicada en 1956 por P.D. Lax y R.D. Richtmyer. La teor a es similar a la teor a de Dahlquist para problemas de valores iniciales de ecuaciones diferenciales ordinarias. Aqu tambien obtenemos un teorema de equivalencia que nos permite estudiar el comportamiento de m etodos de diferencias para una gran clase de problemas de valores iniciales, y queremos aplicar esta teor a a los m etodos estudiados en las u ltimas dos secciones. La transformaci on de Fourier sera una herramienta u til para lograr esto.
92
Sea I R un intervalo y X un espacio de Banach de funciones vectoriales denidas sobre I : X = u = u(1) , . . . , u(p)
T
: R I Cp .
Sea la norma de X . Sea 0 t T el intervalo de un par ametro, y sea A : X D(A) X un operador lineal diferencial con el dominio D(A) X . Podemos escribir A en forma matricial de la siguiente manera:
s
A = (aik ),
i, k = 1, . . . , p,
aik =
=0
aik (x)
( )
, x
aik : R I C,
( )
es decir, A no debe depender del par ametro t. Se considera ahora el problema de valores iniciales d u(t) = Au(t), 0 < t T ; u(0) = u0 X. (5.66) dt Una soluci on de (5.66) es una familia de elementos de X , u(t) : R [0, T ] X , que depende de t de forma diferenciable, y que satisface (5.66). Ahora, sea D D(A) X el conjunto de aquellas funciones u0 X a las cuales pertenece una soluci on cl asica (o intr nsica) de (5.66). A trav es de (5.66), se dene para cada t [0, T ] un operador lineal E0 (t) : X D X, E0 (t)u0 = u(t), u0 D. El operador E0 (t) se llama operador de soluci on asociado al problema (5.66). Se dene lo siguiente. Denici on 5.3. El problema de valores iniciales (5.66) se llama correctamente puesto si a) El dominio D X de E0 (t) es denso en X . b) La familia de operadores E0 (t), t [0, T ], es uniformamente acotada, es decir, KE > 0 : t [0, T ] : E0 (t) KE . La segunda condici on (b) dice que cada soluci on cl asica u(t) de (5.66) depende continuamente de la funci on inicial u0 D X . La primera condici on (a) dice que cualquier funci on inicial u0 X puede ser aproximada arbitrariamente exactamente por una funci on inicial que pertenece a D. Adem as, E0 (t) posee una extensi on lineal y continua bien denida E (t) : X X denida sobre todo el espacio X con E (t) = E0 (t) u(t) = E (t)u0 , para t [0, T ]. u0 X, 0. (5.67) Nos referimos a E (t) como operador de soluci on generalizado y a las funciones como soluciones generalizadas de (5.66). Se puede vericar facilmente que E (s + t) = E (s)E (t) para s, t Comentamos que los problemas de valores iniciales estudiados en las dos secciones anteriores son correctamente puestos.
93
Ahora consideremos aproximaciones por diferencias nitas al problema (5.66). Sean x y t tama nos de pasos escogidos de tal manera que x depende de alguna manera de t: x = (t), donde
t0
l m (t) = 0.
Adem as, sea T : X X el siguiente operador de translaci on: T u(x) = u(x + x) u X. (5.68) En los ejemplos que se considerar an m as adelante, el espacio de Banach X siempre es id entico a X . En virtud de (5.68) es obvio como hay que denir las potencias T , N. Una aproximaci on por diferencias nitas que conecta dos capas de t (es decir, un m etodo de paso simple) puede ser escrita en la forma B1 (t)un+1 = B0 (t)un , donde B (t) =
| |< ) B( T , ) pp B( , C
n = 0, . . . , N 1 =
T t , t (5.69)
= 0, 1.
Suponiendo que el operador B1 (t) es invertible, podemos denir

1 C(t) := B 1 (t)B0 (t)
y escribir la aproximaci on por diferencias nitas en la forma un+1 = C(t)un , n = 0, . . . , N 1. (5.70)
Denici on 5.4. La aproximaci on por diferencias nitas (5.70) se llama consistente a (5.66) si para cada soluci on intr nsica u(t), t [0, T ], de una clase U X de funciones cuyas funciones iniciales u(0) = u0 forman un conjunto denso en X , se satisface la relaci on 1 u(t + t) C(t)u(t) = 0 t0 t l m La expresi on 1 u(t + t) C(t)u(t) t se llama error de truncaci on de la aproximaci on (5.70). Denici on 5.5. La aproximaci on por diferencias nitas (5.70) se llama convergente si para cada sucesi on {j t}j N tal que j t 0 para j y cada sucesi on {nj }j N , nj N tal que nj j t t para j con t [0, T ] arbitrario, y cualquier funci on inicial u0 X , tenemos para la soluci on u(t) X (posiblemente se trata de una soluci on generalizada) de (5.66) correspondiente:
j
uniformamente para t [0, T ].
(5.71)
l m C(j t)nj u0 u(t) = 0.
(5.72)
94
Denici on 5.6. La familia de operadores de diferencias se llama estable si existen constantes > 0 y K > 0 tales que C(t)n Cn (t)u K Lema 5.1. Si para cada u X existe una constante K (u) > 0 tal que K (u) para t (0, ], nt [0, T ]. (5.73) C(t) : X X, t > 0
entonces existe una constante K tal que se satisface la condici on de estabilidad (5.73). Teorema 5.4 (Teorema de equivalencia de Lax). Sea el problema de valores iniciales (5.66) correctamente puesto, y sea (5.70) consistente a (5.66). Entonces la estabilidad de los operadores de diferencias C(t) en (5.70) es equivalente con la convergencia de (5.70). Demostraci on. 1. Primero demostramos que la convergencia implica la estabilidad. Para tal efecto, notamos primero que para t > 0, los operadores C(t) : X X son lineales y continuos. Supongamos ahora que (5.73) no es v alido. Entonces, existen una funci on u0 X y sucesiones {j t}j N y {nj }j N , nj N, j N y nj j t [0, T ] tales que Como consecuencia, se debe satisfacer C(j t)nj u0 para j . j t 0,
j
para t (0, ], nt [0, T ],
Demostraci on. Ver Richtmyer & Morton (1967), 2.5.
(5.74)
puesto que sino la sucesi on {nj }j N ser a acotada y en virtud de la dependencia continua de C(t) de t > 0, (5.74) no podria ser v alido. Entonces existe una subsucesi on {j } N tal que nj j t t0 para y alg un t0 [0, T ]. En virtud de (5.74) tenemos que la condici on de convergencia (5.72) no puede estar satisfecha, puesto que debido a la hip otesis de la correctitud del problema (5.66), el valor es nito. Esto concluye la demsotraci on de esta direcci on. Se nota que hasta ahora no hemos utilizado la condici on de consistencia (5.71). Efectivamente existen m etodos de diferencias inconsistentes que convergen. 2. Ahora demostramos que la estabilidad implica la convergencia. Sea D X un subconjunto denso en X , tal que para cada u0 D la familia de funciones u(t) = E (t)u0 entrega una soluci on intr nsica de (5.66), y la condici on de consistencia (5.71) se satisface. Sean {nj }j N y {j t}j N sucesiones tales que nj j t t [0, T ] para j . Adem as, sea j la diferencia entre la soluci on num erica y la soluci on exacta en el punto nj j t, es decir, j = C(j t)nj E (nj j t) u0
nj 1
E (t0 )u0 = u(t0 )
=
k=0
C(j t)k C(j t) E (j t) E (nj 1 k )j t u0 ;
(5.75)
95
facilmente podemos conrmar que la segunda ecuaci on es correcta. Debido a la condici on de estabilidad (5.73) sabemos que C(j t)k K para k = 0, . . . , nj 1.
Adem as, la condici on de consistencia (5.71) implica que para cada > 0 existe un n umero > 0 tal que para j t < y k = 0, . . . , nj 1 se tiene que C(j t) E (j t) u (nj 1 k )j t j Knj j t j t. Utilizando la desigualdad triangular, obtenemos ahora de (5.75): KT para j t < . (5.76)
Dado que fue elegido arbitrariamente peque no, (5.76) implica que
j
l m j = 0,
(5.77)
es decir, la condici on de convergencia (5.72) est a demostrada para cada u0 D si el operador E (nj j t) puede ser remplazado por el operador E (t). Deniendo t := m n{t, nj j t}, s := |t nj j t|, obtenemos de (5.67) E (nj j t) E (t) = E (s) I , donde + y son v alidos para t < nj j t y t concluimos que E (nj j t) E (t) u0 KE nj j t, respectivamente. Ahora
E (s) I u0 ,
donde KE es la constante de la Denici on 5.3. Puesto que s 0 cuando nj j t t y E (0) = I, esta u ltima desigualdad nos permite concluir que E (nj j t) E (t) u0 0 para nj j t t y u0 D. Ahora, tomando en cuenta que C(j t)nj E (t) u0 j + E (nj j t) E (t) u0 , (5.78)
podemos deducir de (5.77) y (5.78) la condici on de convergencia (5.72) para todo u0 D. Ahora sea u X arbitrario y {u } N D una sucesi on que converge a u. En este caso, C(j t)nj E (t) u = C(j t)nj E (t) u + C(j t)nj (u u ) E (t)(u u ). Obviamente, para j y sucientemente grande podemos achicar arbitrariamente los tres t erminos del lado derecho. Entonces, hemos establecido (5.72) para funcions u X arbitrarias, lo que concluye la demostraci on del teorema.
96
Seg un el Teorema 5.4, para la investigaci on de la convergencia de m etodos de diferencias consistentes para problemas de valores iniciales correctamente puestos es suciente vericar la estabilidad (o la inestabilidad) de la familia de operadores C(t) para t > 0. Antes de examinar algunos m etodos especicos, demostraremos como podemos convertir un m etodo de pasos m ultiples en un m etodo de paso simple. 5.5.2. Conversi on de un m etodo de pasos m ultiples en un m etodo de paso simple. En general, un m etodo de diferencias nitas es de la forma Bq (t)un+q + . . . + B1 (t)un+1 + B0 (t)un = 0. (5.79) Aqu se supone que un , . . . , un+q1 son conocidas, y que hay que calcular un+q desde (5.79). Para q = 1, nos encontramos en el caso especial (5.66). Para admitir una soluci on u nica, la inversa (Bq (t))1 debe existir; ahora denimos C (t) := Bq (t) es decir podemos escribir (5.79) como un+q = Cq1 (t)un+q1 + . . . + C0 (t)un . Ahora consideramos n := (un+q1 , . . . , un )T , u como elementos del espacio de Banach := X q = X X . X
q 1
B (t),
= 0, . . . , q 1, (5.80)
n N0 ,
u X
para = n, . . . , n + q 1
de la siguiente manera: si u , = n, . . . , n + q 1 es la Aqui denimos la norma de X est norma de X , entonces el espacio X a equipado con la norma
n+q 1 1 /2
n := u
= n
: Ahora denimos los siguientes operadores de diferencias sobre X Cq1 (t) C0 (t) I 0 0 0 . . . .. . .. (x) := . , t > 0. 0 C . . .. .. .. . . . . . . . 0 0 I 0 El sistema de ecuaciones de diferencias (5.80) es equivalente a (t) n+1 = C u un . Una peque na modicaci on (ver 7.3 en Richtmyer y Morton, 1967) de la demostraci on del Teorema 5.4 demuestra que la estabilidad de la familia de operadores C(t) : X X es equivalente con la convergencia del m etodo de q pasos (5.79) o (5.80).
97
5.5.3. Transformaci on de Fourier de m etodos de diferencias. Consideremos ahora la aplicaciones del Teorema de Equivalencia de Lax. El an alisis se realizar a en la norma L2 , ya que en este caso los espacios de Banach X son espacios de Hilbert, y podemos utilizar la herramienta del an alisis de Fourier. Sea I = [0, L] R un intervalo jo, y consideremos funciones cuadraticamente integrables del per odo L: u(x) := u(1) (x), . . . , u(p) (x)
T
: R Cp ,
L p
donde u(x) = u(x + L) para x R.
Adem as, denimos la forma bilineal (u, v) :=

0 =1
u( ) (x) v ( ) (x) dx
y la norma u := (u, u)1/2 . Ahora, el espacio de Hilbert es X := u : R Cp : u(x) = u(x + L) para x R; (u, v) < . (5.81)
Cada funci on u X puede ser representada como series de Fourier en exactamente una manera. Por ejemplo, si denimos L := {k = 2m/L : m Z}, podemos escribir 1 u(x) = L Denimos ck := ck , . . . , ck
p (1) (p) T
ck eikx ,
kL
x R;
1 ck = L
L 0
eikx u(x) dx Cp ,
k L.
(5.82)
Cp
y la sucesi on c = {ck }kL . Entre dos sucesiones c y d de este tipo denimos la forma bilineal (c, d) :=
=1 kL ( ) ( ) ck d k
y la norma c := (c, c)1/2 . Ahora sea V el espacio de Hilbert V := c = {ck }kL : ck Cp , (c, d) < . : X u c V. (5.83)
Con cada u X asociamos de manera u nica el sistema c V de sus coecientes de Fourier:
98
Es f acil ver que la aplicaci on es biyectiva y lineal. Adem as, en virtud de (5.82), sabemos que
L p
=
0
u( ) (x) u( ) (x) dx 1 L
p =1 p
= =
l ck c
=1 k,lL
( ) ( ) 0
exp i(k l)x dx
ck
=1 kL
( ) 2
= (c, c) = c 2 .
Acabamos de demostrar el siguiente resultado. Lema 5.2. Sean X y V los espacios de Hilbert denidos por (5.81) y (5.83), respectivamente. Entonces la aplicaci on : X V mapea X a V de manera isomorfa e isom etrica (es decir, se conserva la norma). Sea x > 0 un tama no de paso y T : X X el operador de translaci on denido en (5.68). Ahora queremos ver de cu al forma es el an alogo isom etrico de T , es decir, el operador T 1 : V V. Para u X y utilizando (5.68) y (5.82), obtenemos v(x) = (T u)(x) = T 1 = L 1 = L 1 = L es decir, los coecientes de Fourier de v(x) son dk = ck eikx para k L, 1 L ck eikx
kL
ck T eikx
kL
ck eikx eikx
kL
dk eikx ,
kL
o sea, a la translaci on T : X X por x (ver (5.68)) corresponde, en el espacio V de los coecientes de Fourier, la multiplicaci on del coeciente n umero k (k L) por eikx . 5.5.4. Matrices de amplicaci on. Ahora supongamos que el operador A de (5.66) posee coecientes constantes. En este caso, la aplicaci on mapea los operadores de diferencias B (t) =
| |< ) B( T : X X,
= 0, 1
99
ya denido en (5.69) a la siguiente familia de matrices en el espacio V : H (t, k ) :=

| |< () eikx B Cpp ,
= 0, 1,
k L.
Deniendo
1 G(t, k ) := H 1 (t, k )H0 (t, k ),
k L,
obtenemos como an alogo isom etrico de (5.70) la familia de sistemas lineales ck,n+1 = G(t, k )ck,n , G(t, k ) donde ck,n , ck,n+1 Cp y G(t, k ) Cpp . Formalmente, podemos escribir
kL
k L,
n = 0, . . . , N 1,
= C(t)1 .
Denici on 5.7. Las matrices G(t, k ) Cpp , k L, se llaman matrices de amplicaci on asociadas al operador de diferencias C(t). 5.5.5. Teorema de Lax y Richtmyer y condici on de estabilidad de von Neumann. Debido a la isometr a de los espacios X y V podemos demostrar el siguiente teorema. Teorema 5.5 (Lax y Richtmyer, 1956). Los operadores de diferencias C(t) que aparecen en (5.70) son estables (ver Denici on 5.6) si y s olo si existen constantes > 0 y K > 0 tales que Gn (t, k )
2
Aqu las matrices G(t, k ) Cpp son las matrices de amplicaci on asociadas a C(t), y 2 es la norma espectral. Demostraci on. a) Escogemos un elemento arbitrario k L y ck Cp tal que ck
2
para t (0, ], nt [0, T ], k L.
(5.84)
= 1,
Gn (t, k )ck
= Gn (t, k )
para alg un n N. Luego denimos
1 u(x) := ck eikx X. L Sabemos que u = 1, y en virtud del an alisis anterior, Gn (t, k )

2
= Gn (t, k )ck sup Gn (t, k )

kL
= Cn (t)u Cn (t) .
Cn (t) ,
por lo tanto obtenemos que

2
b) Sea u X tal que u = 1. Si {ck }kL son los coecientes de Fourier de u, entonces sabemos que ck
kL 2 2
= u
= 1,
100
y luego Cn (t)u
2
=
kL
Gn (t, k )ck sup Gn (t, k )

kL 2 2
2 2
ck
2 2
= sup G (t, k )
kL
kL 2 . 2
Dado que u X con u = 1 fue arbitrario, podemos concluir que Cn (t) sup Gn (t, k ) 2 .
kL
Esto concluye la demostraci on del Teorema 5.5.
En virtud de los Teoremas 5.4 y 5.5, la convergencia del m etodo de diferencias (5.70) es equivalente con la validez de (5.84). Veremos que esta condici on resulta muy u til. El siguiente teorema entrega un criterio de estabilidad necesario muy importante. Teorema 5.6 (Condici on de estabilidad de von Neumann). Una condici on necesaria para la convergencia del m etodo de diferencias (5.70) es la condici on r G(t, k ) 1 + O(t) para t (0, ], k L. (5.85)
Demostraci on. Sea (5.70) convergente. En virtud de los Teoremas 5.4 y 5.5 obtenemos la validez de (5.84). Sin p erdida de generalidad sea K > 1, donde K es la constante que aparece en (5.84). Puesto que
n r (G) = r (Gn )
Gn
tenemos que r (G)
K 1/n , y en particular r (G) K t/T = (K 1/T )t =: f (t).
La funci on f : [0, ] R es estrictamente isot onica y convexa con f (0) = 1. Entonces existe una constante c > 0 tal que f (t) 1 + ct para t [0, ]. Comentamos que en muchos casos la condici on (5.85) tambi en es suciente para la convergencia, por ejemplo si las matrices de amplicaci on G(t, k ) son normales. En este caso se tiene r (G) = G 2 . Trivialmente, esto se cumple para p = 1. 5.5.6. An alisis de estabilidad de algunos m etodos de diferencias. En lo siguiente, analizaremos las propiedades de estabilidad y convergencia de los m etodos de diferencias presentados en las Secciones 5.3 y 5.4. Aqui vamos a vericar la validez de (5.84) para cada uno se los m etodos. Todos los m etodos de diferencias examinados son consistentes con los problemas de valores iniciales correspondientes.
101
Ejemplo 5.2. Se examina el m etodo (5.44) de la Secci on 5.3, el cual puede ser escrito en la forma vj,n+1 wj,n+1 = IT 0 + A(T 1 T 1 ) 2 vj,n , wj,n = t . x
El operador {. . . } corresponde a C(t) en (5.70). Deniendo := k x y aplicando la substituci on T ei obtenemos las matrices de amplicaci on G(t, k ) = I + i sin A C22 , k L, t > 0.
(5.86)
Dado que seg un hip otesis, la matriz A R22 es sim etrica, podemos chequear facilmente que GG = G G, lo que es equivalente con que la matriz G en (5.86) es normal, y la condici on de von Neumann (5.85) es equivalente con la estabilidad (5.84). Obtenemos el radio espectral
2 r (G) = 1 + 2 sin2 r (A) 1 /2
En virtud de r (A) > 0, esto implica que la condici on de von Neumann (5.85) est a satisfecha para todo [0, 2 ] si y s olo si 0:
t . (5.87) x2 Por lo tanto, (5.87) es equivalente con la convergencia del m etodo. Dado que la relaci on (5.87) es muy deventajosa, no se puede recomendar este m etodo.
Ejemplo 5.3. Se examina el m etodo (5.45) de la Secci on 5.3, el cual puede ser escrito en la forma vj,n+1 wj,n+1 = 1 I(T + T 1 ) + A(T 1 T 1 ) 2 2 vj,n , wj,n k L, = t . x
Deniendo := k x obtenemos las matrices de amplicaci on correpondientes Tal como en el Ejemplo 5.2 vemos que G es normal. Si 1 , 2 R son los valores propios de A, entonces los valores propios 1 , 2 C de G satisfacen lo que implica que la condici on
2 |j |2 = cos2 + 2 2 j sin ,
G(t, k ) = cos I + i sin A C22 ,
t > 0.
j = 1, 2,
1 r (A)
(5.88)
es equivalente con (5.85) y por lo tanto con la convergencia del m etodo, puesto > 0 se considera jo. Para cualquier constante que no satisface (5.88) el m etodo ya no converge. Ejemplo 5.4. Se examina el m etodo (5.46) de la Secci on 5.3, el cual entrega la matrices de amplicaci on G(t, k ) = 1 ia , ia 1 a2 a := 2c sin , 2 := k x. (5.89)
102
Aqu G no es normal. La matriz G posee los valores propios 1 a 1,2 = 1 a2 i 4 a2 . 2 2 Seg un el Teorema de Schur existe una matrix unitaria U tal que G = UU , donde es una matriz triangular superior. Aqu obtenemos 1 1 i 1 1 1 b a 2 1 , U= = 1 , b := a a 4 a2 + i a2 0 2 1 2 2 i 1 a En virtud de U sabemos que Gn
2 2
(5.90)
con U = U1 C22 ,
= U
=1 n N,
= n 2 ,
es decir podemos utilizar las matrices = (t, k ) para vericar (5.84). Dado que para cada par de normas matriciales y existen constantes m > 0 y M > 0 tales que sabemos que (5.84) se satisface si y s olo si todos los elementos de n , n N0 son uniformamente acotados. En nuestro caso, n bpn = 1 n , 0 2
n n1
n N : A Cnn :
m A
M A ,
pn =
=0
n 1 1 2 ,
n N.
(5.91)
Supongamos ahora que 1 < . c En este caso, en virtud de (5.89), a2 < 4, Adem as, sabemos que Utilizando (5.91) sabemos que |1 2 | |a|, |1 | = |2 | = 1. := 2 1 c2 2 > 0. si a = 0.
Ademas chequeamos que por lo tanto
n n 1 2 pn = 1 2
|b| |bpn | 8 ,
4|a|, n N,
103
lo que signica que (5.84) se satisface para (t, k ), y el m etodo converge. Supongamos ahora que 1 . c En el caso > 1/c, para algunos = k x la condici on de von Neumann (5.85) ya no se cumple, y el m etodo ya no converge. Para = 1/c tenemos que a2 = 4 para ciertos y debido a (5.90) 1 = 2 = 1. Utilizando (5.91) se tiene en este caso n = (1)n 1 nb , 0 1 n N.
Puesto que b = 0 (acord andonos que G no es normal) vemos que (5.84) no est a satisfecha y por lo tanto el m etodo no converge. Ejemplo 5.5. Consideremos el m etodo (5.47) de la Secci on 5.3. Las matrices de amplicaci on para este m etodo son a2 ia 1 1 4 G(t, k ) = a := 2c sin . 2, 2 a 2 a ia 1 1+ 4 4 Aqu se verica de inmediato que GG = G G = I, lo que signica r (G) = G 2 = 1 para todo a R. Entonces, la condici on (5.84) est a satisfecha para todo > 0, lo que implica la convergencia del m etodo para todo valor de = t/x > 0. Tales m etodos de diferencias se llaman incondicionalmente estables. Ejemplo 5.6. Consideremos el m etodo (5.54) de la Secci on 5.4. Este m etodo puede ser escrito como I (T 1 2I + T ) uj,n+1 = I + (1 )(T 1 2I + T ) uj,n , Para las matrices de amplicaci on (p = 1) obtenemos G(t, k ) = 1 2(1 )(1 cos ) R, 1 + 2(1 cos ) 1 = k x. [0, 1], = t . x2
Ahora se verica facilmente que la condici on (5.61) es equivalente con G(t, k ) para t > 0, k L. Pero esto signica la satisfacci on de (5.84), y el m etodo converge. El m etodo a un converge si la cota para en (5.61) se excede en una cantidad O(t), ya que la condici on (5.85) a un est a satisfecha en este caso- Sin embargo, para cualquier jo tal que 1 1 > , < , 2(1 2) 2 el m etodo diverge.
104
Ejemplo 5.7. Consideremos el m etodo (5.64) de la Secci on 5.4. Primero transformamos este m etodo de dos pasos en un m etodo de paso simple. La substituci on vjn := uj,n1 entrega uj,n+1 vj,n+1 = 2(T 1 2I + T ) I I 0 ujn , vjn = t . x2
Las matrices de amplicaci on son G(t, k ) = 4(1 cos ) 1 , 1 0 1 + 2 < 0, = k x. (5.92)
Para cos = 1, los valores propios 1 y 2 de (5.92) satisfacen por lo tanto r (G) > 1 para cos = 1 y cada valor jo > 0. Entonces, no est a satisfecha la condici on de Neumann (5.85), y vemos que el m etodo es inutil. Ejemplo 5.8. Consideremos el m etodo (5.65) de la Secci on 5.4. Tal como en el ejemplo anterior, transformamos el m etodo a un m etodo de paso simple. Aqu obtenemos las matrices de amplicaci on 4 cos 1 2 t G(t, k ) = 1 + 2 1 + 2 , = , = k x. x2 1 0 Los valores propios de (5.68) son , (5.93) 1 + 2 lo que implica que |1 | 1, |2 | 1 para todo > 0 y R. Podemos proceder como en el Ejemplo 5.4 analizando las potencias de la matriz triangular (, k ) (ver (5.91)). Para 1/2 podemos concluir (como en el Ejemplo 5.4) que (5.84) es v alido. Nos queda para analizar el caso > 1/2. Aqui distinguimos dos casos de los valores propios. a) Si 1 , 2 R, un peque no c alculo (utilizando (5.93)) verica que 2 m n |1 |, |2 | < 1, 1 + 2 lo que implica Esto nos permite concluir que (5.84) queda v alido para (t, k ). b) Si 1 , 2 R, podemos calcular (utilizando (5.93)) que
2 2 |1 | = |2 |=
1 2 = 1,
1,2 =
2 cos
1 42 sin2
|pn |
1 + 2,
n N.
42 1 =: 2 < 1. 42 + 4 + 1 n n1 , n N,
Esto inmediatamente entrega que |pn |
105
lo que signica que tambi en en este caso las potencias en (5.91) estan uniformamente acotadas. Cocluimos que el m etodo converge para todo > 0, es decir, el m etodo es incondicionalmente estable. Los resultados de convergencia son v alidos en la norma L2 , dado que esta norma aparece en la transformaci on de Fourier. Tambien existen an alises de convergencia en otras normas. Por supuesta, toda la teor a puede ser extendidad al caso de varias variables espaciales.
106
Cap tulo 6
Introducci on al M etodo de Elementos Finitos

6.1. Problemas de valores de frontera de ecuaciones diferenciales ordinarias Ya comentamos anteriormente que la ecuaci on diferencial ordinaria de segundo orden autoadjunta Ly d dx p(x) dy dx + q (x)y = g (x) (6.1)
es la ecuaci on diferencial de Euler del problema variacional 1 I [u ] = 2

b a
p(x)(u )2 + q (x)u2 2g (x)u dx = m n .
(6.2)
Cada funci on y = y (x), y C [a, b], que minimiza I [u], es decir, que satisface u C 2 [a, b] : I [y ] I [u], necesariamente es una soluci on de la ecuaci on diferencial ordinaria (6.1). Por otro lado, bajo ciertas hip otesis una soluci on y = y (x), y C 2 [a, b], de (6.1) tambi en es una soluci on del ! problema variacional I [u]= m n. Es la equivalencia entre ambos problemas que forma el fundamento de los m etodos que vamos a discutir ahora, y que se llaman m etodos variacionales. Basicamente la idea de estos m etodos es la soluci on aproximada del problema variacional, pero donde uno no se limita a funciones en C 2 [a, b]. La soluci on aproximada del problema variacional tambi en es considerada una soluci on de la ecuaci on diferencial. Consideremos la ecuaci on (6.1) junto con las condiciones de borde y (a) = , y (b) = . (6.3)
Las condiciones se convierten en condiciones homog eneas si denimos z (x) := y (x) Q(x), de manera que Q(a) = , Q(b) = , dQ = , dx ba LQ = q (x) := bx ax , ba ba p (x) + q (x)Q(x) =: f (x), ba
y deniendo h(x) := g (x) f (x), podemos escribir el problema de valores de frontera como (Lz )(x) = h(x), z (a) = z (b) = 0.
107
108
A LOS ELEMENTOS FINITOS 6. INTRODUCCION
Entonces, en general podemos limitarnos a estudiar el problema de valores de frontera semihomog eneo d dy Ly p(x) + q (x)y = g (x), y (a) = y (b) = 0. (6.4) dx dx Aqu se supone que Se puede demostrar que en este caso, el problema (6.4) posee una u nica soluci on y C 2 [a, b]. El dominio D del operador diferencial L es el conjunto de todas las funciones en C 2 [a.b] que desaparecen en a y b: El problema de valores de frontera es equivalente al problema de encontrar una soluci on de Lu = g, Bajo las hip otesis (6.5) existe una u nica soluci on de este problema. Ahora denimos el producto escalar
b
p C 1 [a, b],
q, g C 1 [a, b],
p(x)
p0 > 0,
q (x)
0, x [a, b].
(6.5)
D := u C 2 [a, b] | u(a) = u(b) = 0 . u D.
(6.6)
(u, v ) :=
a
u(x)v (x) dx,
u, v L2 [a, b]
y la norma u
2
:= (u, u)1/2 . (u, T v ) = (T u, v )
Un operador T con el dominio (de denici on) DT y la propiedad se llama sim etrico o autoadjunto sobre DT . Adem as, este operador se llama denido positivo si u DT : u 0 = (T u, u) > 0. Teorema 6.1. El operador L es sim etrico y denido positivo sobre D.
b
u, v DT :
Demostraci on. Dado que Lv = (pv ) + qv , obtenemos (u, Lv ) =

a
u(x) p(x)v (x) + q (x)v (x) dx

b b a
(6.7)
= u(x)p(x)v (x) +
p(x)u (x)v (x) + q (x)u(x)v (x) dx.

a
El primero t ermino en el lado derecho de (6.7) desaparece ya que u D, y el segundo es sim etrico con respecto a u y v , es decir, (u, Lv ) = (v, Lu) = (Lu, v ). Entonces, L es sim etrico. Ahora, en virtud de (6.2) resulta para u|[a,b] 0
b
(Lu, u) =
a
p(x) u (x)
+ q (x) u(x)
dx
6.1. PROBLEMAS DE VALORES DE FRONTERA DE EDOS

b
109
p0
a
u (x)
b
dx +
a 2
q (x) u(x) dx > 0.
dx
p0 (b a)2
2 x 2 x
u(x)
a
Aqu usamos la desigualdad de Cauchy-Schwarz para integrales

x
u(x)
=
a
1 u ( ) d
b
12 d
a a
u ( )
(b a)
b
u ( )
a
d,
la cual a su vez implica

b
u(x)
a
dx
a
(b a)
u ( )
a
d dx = (b a)2
u ( )
a
d.
Ahora, (6.7) implica

b
u, v D :
(u, Lv ) = (Lu, v ) =
a
p(x)u (x)v (x) + q (x)u(x)v (x) dx.
Pero la integral no existe s olo para u, v D, sino que tambi en (por ejemplo) para funciones diferenciables por trozos cuyas primeras derivadas son cuadraticamente integrables. En general, consideraremos el espacio de funciones V r [a, b), donde w V r (a, b) si y s olo si se cumplen las siguientes condiciones: a) w C r1 [a, b]. b) Con la excepci on de un n umero nito o a lo m as contable de puntos, w(r1) es diferenciable en [a, b]. c) La funci on w(r) (x) es cuadraticamente integrable sobre [a, b], donde r N {0}. d) Adem as, se requiere que
b r 1/2
V r (a,b)
:=
a =0
w (x)
( )
dx
< .
(6.8)
Obviamente, para r = 0, (a) y (b) no hacen sentido, y (c) exige que

b 1/ 2
V 0 (a,b)
=
a
|w(x)| dx
= w
< ,
es decir, V 0 (a, b) = L2 (a, b). Ejemplo 6.1. Subdividimos el intervalo [a, b] en n sub-intervalos del tama no h y denimos los nodos xi = a + ih para i = 0, . . . , n, a + nh = b. En este caso, los trazados poligonales s (x) := fi+1 fi fi+1 fi (x xi ) + fi = (x xi ) + fi , xi+1 xi h x [xi , xi+1 ]
110
son elementos de V 1 (a, b), puesto que s C 0 [a, b] y s (x) es diferenciable en todas partes con la excepci on de los nodos x1 , . . . , xn1 . Finalmente, para f C 1 [a, b] resulta s (x) = lo que nos permite concluir que
b
fi+1 fi = f (i ), h
n1 xi+1
i [xi , xi+1 ],
s (x)
a
+ s (x)
dx =
i=0 xi
s (x)
+ s (x)
dx < .
Ahora sea y denimos la forma bilineal sim etrica

b
D := w V 1 (a, b) | w(a) = w(b) = 0 , p(x)u (x)v (x) + q (x)u(x)v (x) dx,

a
[u, v ] :=
u, v D.
(6.9)
Obviamente, D D. Para u, v D D tenemos [u, v ] = (Lu, v ). Si g (x) denota la parte derecha de la ecuaci on diferencial (6.1), la siguiente expresi on es bien denida para cada u D: I [u] = [u, u] 2(u, g ) b (6.10) 2 2 p(x) u (x) + q (x) u(x) 2u(x)g (x) dx. =
a
Ahora demostramos que I [u] asume su m nimo para la soluci on del problema de valores de frontera. Teorema 6.2. Sea y la soluci on de (6.1) o (6.3), respectivamente. Entonces u D, u = y : I [y ] < I [u].
Demostraci on. Dado que Ly = g e y D, sabemos que y seg un (6.10),
(u, g ) = (u, Ly ) = [u, y ],
I [y ] = [y, y ] 2(y, g ) = (y, Ly ) 2(y, Ly ) = (y, Ly ) = [y, y ]. La simetr a de [, ] implica que [u y, u y ] = [u, u] 2[u, y ] + [y, y ]. I [u] = [u, u] 2(u, g )
Entonces podemos expresar I [u] como = [u, u] 2(u, Ly )
= [u y, u y ] [y, y ].
= [u, u] 2[u, y ] + [y, y ] [y, y ]
111
Pero en virtud de (6.9), tal que u D, u = y : [u y, u y ] > 0,
I [u] = [u y, u y ] [y, y ] > [y, y ] = I [y ]. Si tenemos solamente p(x), q (x) 0, entonces (Lu, u) u D. Si (6.1) o (6.3) tiene la soluci on y , u D : I [y ] I [u], 0 para u D y [u, u] 0 para (6.11)
pero la funci on y posiblemente no es u nica. Seg un el Teorema 6.2, el problema de valores de frontera (6.6) es resuelto si se ha encontrado la funci on y para la cual I [u] asume su m nimo. En el m etodo de Ritz (1908), se minimiza I [u] de forma aproximada. Se considera un sub-espacio M -dimesnsional DM D, por ejemplo generado por las funciones 1 , . . . , M . Puesto que DM D, estas funciones deben satisfacer j (a) = j (b) = 0, y toda funci on v DM puede ser representada como combinaci on lineal
M
v=
=1
1 , . . . , M R.
Esta funci on v satisface I [v ] = [v, v ] 2(v, g )

M M
=
=1 M
,
=1
2
M
, g
=1
(6.12)
=
, =1
[ , ] 2
( , g )
=1
=: (1 , . . . , M ). Los n umeros 1 , . . . , M se determinan de tal forma que (1 , . . . , M ) asume su m nimo. Una condici on necesario para que eso ocurra es la condici on 1 1 (1 , . . . , M ) = [ , ] 2 i 2 , =1 Dado que k = ik = i podemos escribir 1 2 1 [i , ] + 2 =1
M M M M
+ i i
(i , g ) = 0.
1 si i = k , 0 sino,
[ , i ] =
=1 j =1
[i , j ]j ,
112
por lo tanto los coecientes 1 , . . . , M buscados deben satisfacer el sistema lineal 1 (1 , . . . , M ) = 2 i Deniendo a11 . A := . . aij := [i , j ], bi := (i , g ), a1M b1 1 . . . , . . , b := . . , := . . aM M bM M A = b. (6.14) (6.15)
M
j =1
[i , j ]j (i , g ) = 0,
i = 1, . . . , M.
(6.13)
aM 1
obtenemos el sistema
(6.16)
La matriz A es sim etrica. Para ver que tambi en es denida positiva, supongamos que k = (k1 , . . . , kM )T = 0. Entonces
M
i=1
ki i =: w DM ,
w 0,
y calculamos que
M M
0 < [w, w] =
i,j =1
[ i , j ]k i k j =
i,j =1
aij ki kj = kT Ak,
es decir, A es denida positiva; por ello concluimos que el sistema lineal posee una soluci on T ) . Ahora, seg un (6.12) y (6.14), u nica = (1 , . . . , M () = T A 2T b, y por lo tanto ( )T A( ) = T A 2T A + ( )T A = T A 2T b + ( )T A = () + ( )T A . (6.18) (6.17)
De (6.17) obtenemos con = y A = b: ( ) = ( )T A 2( )T A = ( )T A . ( )T A( ) > 0. Finalmente, en virtud de lo anterior, (6.18) implica que 0 < () ( ), = .
Por otro lado, como A es denida positiva, para = sabemos que
113
Eso signica que la funci on buscada de DM , para la cual I [v ] asume su m nimo sobre DM , es
M
v (x) =
=1
(x),
(6.19)
donde
v DM
m n I [v ] = I [v ].
(6.20)
Si por casualidad entre las funciones 1 , . . . , M se encuentra la soluci on del problema de valores de frontera, o sea si y k para alg un ndice k , la soluci on del sistema lineal (6.16) es i = 0 para i = 1, . . . , M , i = k , 1 para i = k ,
es decir, v (x) = k (x) = y (x). Esto es una consecuencia directa del Teorema 6.2, tomando en cuenta que I [v ] = () ( ) = I [v ] I [y ].
Podemos resumir que el m etodo de Ritz consiste en la computaci on del vector del sistema A = b, donde A = ([i , j ])i,j =1,...,M , bi = (i , g ). La combinaci on
M
v =
=1
es la funci on deseada, la cual minimiza el funcional I [u] sobre D. Para discutir algunos aspectos pr acticos, recordamos que las componentes de A y b son dadas por
b
aij = [i , j ] =
a b
p(x)i (x)j (x) + q (x)i (x)j (x) dx, i (x)g (x) dx.
bi = (i , g ) =
a
El problema de si estas integrales pueden ser calculadas exactamente depende de las funciones de base 1 , . . . , M . En general, tendremos que utilizar un m etodo de cuadratura (integraci on num erica), lo cual causa un error adicional. La selecci on de las funciones 1 , . . . , M frecuentamente es una tarea bastante dicil, la cual requiere de cierta experiencia. Depende del problema puesto y de la exactitud deseada. Por ejemplo, se usar an funciones de base peri odicas si se sabe que la soluci on del problema de valores de frontera es peri odica. Por otro lado, cuando no hay ninguna informaci on acerca de la soluci on, frecuentamente se usan polinomios, por ejemplo polinomios ortogonales. Las dicultades mencionadas aqu se pueden evitar parcialmente si usamos polinomios denidos por trozos, por ejemplo funciones spline. Estas consideraciones nos llevan al m etodo de elementos nitos.
114
Ejemplo 6.2. Consideremos el problema de valores de frontera y = sin x, y (0) = y ( ) = 0,
el cual puede ser resuelto exactamente. Aqu p 1, q 0, y g (x) = sin x. a) Sea M = 1 y 1 (x) = x( x), 1 (x) = 2x. En este caso,
a11 =
0
2 1 (x)
dx =
0
3 ( 4x + 4x ) dx = , 3
2 2
b1 =
0
1 (x)g (x) dx =
0 0
x( x) sin x dx
x sin x dx
0 2
x2 sin x dx
0
= sin x x cos x
2
2x sin x + (2 x2 ) cos x
= + (2 ) + 2 = 4. Entonces, 1 = 12/ 3 y v (x) = 1 1 (x) = 12 x( x) 0,387x( x). 3 3 0,955.
La funci on v (x) asume su m aximo en x = /2 con v 2 =
b) Sea M = 2, 1 (x) = sin x, 1 (x) = cos x, 2 (x) = sin(2x), 2 (x) = 2 cos(2x). Tenemos
a11 =
0
1 (x)
dx =
0
cos2 x dx =
, 2
a12 =
0
1 (x)2 (x) dx = 2 2 (x)

2
cos x cos(2x) dx = 0,
0
a22 =
0
dx = 4
0
cos2 (2x) dx = 2, sin2 x dx =

0
b1 =
0
1 (x)g (x) dx = 2 (x)g (x) dx =

0 0
, 2
b2 = Entonces A=
sin(2x) sin x dx = 0.
/2 0 ; 0 2
1 = 1,
2 = 0;
v (x) = sin x,
lo que es la soluci on exacta del problema.
6.2. ELEMENTOS FINITOS PARA PVFS DE EDOS
115
i 1 2 3 4 ppppp ppppp ppppp pppp pp 1 ppppp p p p p ppp p ppp p ppp pp pppp pp ppp p p p p p p p p p ppp pp ppppp pp ppppp pp ppppp pp ppppp 5 p p p ppp 0 p p p p p p p p p p p p p ppp ppp ppp ppp ppp ppp pp ppp pp ppp pp ppp pp ppp pp p p p p p ppp ppp ppp ppp ppp 0,75 pp pp pp pp pp ppp ppp ppp ppp ppp p p p p p p p p p p ppp ppp ppp ppp ppp ppp pp ppp pp ppp pp ppp pp ppp p p ppp pp ppp pp ppp pp ppp pp ppp pp ppp p p ppp pp ppp pp ppp pp ppp pp pppp pppp pppp pppp pp p 0,5 p pppp p pppp p pppp p pppp pppppp p p p p p p pp p pp p pp p pp p pp pp pppp pp pppp pp pppp pp pppp p p pppp p p p p p ppp ppp ppp ppp ppp p p p p p ppp ppp ppp ppp ppp pp pp pp pp pp ppp ppp ppp ppp ppp p p p p p p p p p p ppp ppp ppp ppp ppp 0,25 pp p p p p p p p p p p p p ppp ppp ppp ppp ppp p p p p p ppp p p p p p ppp p ppp p ppp p ppp p p ppp p ppp p p ppp pp ppp p p ppp pp p ppp ppp p ppp p ppp p ppp p p pp p p p p p p p p p ppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppp 0 x0 = a x1 x2 x3 x4 x x5 = b
Figura 6.1. Las funciones i , i = 0, . . . , n, dadas por (6.22) para n = 5. 6.2. Elementos nitos para problemas de valores de frontera de ecuaciones diferenciales ordinarias 6.2.1. Funciones de planteo lineales por trozos. Ahora seguimos desarrollando el m etodo de Ritz en una versi on donde cada funci on i es diferente de cero s olo en un (peque no) subintervalo de [a, b]. Como para la interpolaci on por splines, subdividimos el intervalo en n partes de igual tama no h introduciendo los nodos xi = a + ih, i = 0, . . . , n; a + nh = b. (6.21) Consideremos primero funciones de planteo lineales por trozos y continuas sh . El espacio Sh de estas funciones tiene como base las funciones 0 , . . . , n denidas por x a i+1 si xi1 x xi , h xa i (x) = i = 1, . . . , n 1, + i + 1 si xi x xi+1 , h 0 sino, (6.22) x a + 1 si x x x1 , 0 h 0 (x) = 0 sino, x a n + 1 si x x xn , n1 h n (x) = 0 sino.
116
Cada funci on de Sh tiene la representaci on

n
sh (x) =
i=0
i i (x).
(6.23)
Para la aproximaci on de la soluci on de (6.4), usaremos solamente aquellas funciones en Sh que satisfacen las condiciones de borde sh (a) = sh (b) = 0, es decir, para las cuales
n n
sh (a) =
i=0
i i (a) = 0 0 (a) = 0,
sh (b) =
i=0
i i (b) = n n (b) = 0.
Dado que 0 (a) = n (b) = 1, este requerimiento implica que 0 = n = 0, o sea podemos considerar el espacio de las funciones s0 h (x) que pueden ser representadas como
n1
s0 h (x) =
i=1
i i (x).
(6.24)
Cada funci on s0 on de los nodos h es diferenciable en [a, b] en todas partes, con la excepci 1 x1 , . . . .xn1 , e integrable cuadraticamente junto con su derivada. Si llamamos Ph (a, b) al 1 espacio de todas las funciones (6.24), observamos que Ph (a, b) D, o sea las funciones (6.24) sirven de planteo para el m etodo de Ritz. Ya sabemos que los elementos de la matriz A se calculan de la siguiente forma:
b
aij = [i , j ] =
a n
p(x)i (x)j (x) + q (x)i (x)j (x) dx

xk xk1
=
k=1
p(x)i (x)j (x) + q (x)i (x)j (x) dx.
Dado que j (x) = 0 para j {i 1, i, i + 1} y x [xi1 , xi+1 ], sabemos que [i , j ] = 0 para |i j | 2, es decir, a11 a21 0 0 . ... . a21 a22 . a23 .. .. .. , A= . . . 0 0 . . . . . an1,n2 an1,n1 an,n1 . 0 0 an,n1 ann
xi+1
bi = (i , g ) =
xi1
i (x)g (x) dx.
T , . . . , n Ahora, para = (1 , . . . , n1 )T y b = (b1 , . . . , bn1 )T determinamos = (1 1 ) como soluci on del sistema lineal
A = b.
(6.25)
117
La soluci on del sistema (6.25) entrega la soluci on aproximada del problema de valores de frontera (6.4):
n1
s h (x)
=
i=1
i i (x).
Ya demostramos que la matriz A siempre es sim etrica y denida positiva. Para que una funci on sh sea una aproximaci on sucientemente exacta de la verdadera soluci on y , el tama no de paso h debe ser muy peque no. Normalmente, (6.25) es un sistema de gran tama no, con una matriz que siempre es sim etrica, denida positiva y tridiagonal, por lo tanto, el sistema (6.25) puede ser resuelto por muchos m etodos iterativos. Ejemplo 6.3. Consideremos nuevamente el ejemplo de la ecuaci on diferencial ordinaria y = sin x con las condiciones de borde y (0) = y ( ) = 0. Para i = 1, . . . , n, obtenemos
ai,i1 =
0
i (x)i1 (x) dx
xi
=
xi1
i (x)i1 (x) dx,
dado que fuera de [xi1 , xi ], por lo menos una de las funciones o i1 o i desaparece. Entonces
xi
ai,i1 =
xi1
1 h
1 h
1 dx = , h
xi+1 xi1
aii =
0
2 i (x)
dx =
i (x)
dx =
2 , h
ai,i+1 = ai+1,i =
1 h
para i = 1, . . . , n 1, es decir, obtenemos la matriz denida positiva 0 . . 1 2 1 . 1 .. .. .. A= . 0 . . 0 h . . . . 1 2 1 . . 0 0 1 2 2 1 0 ... 6.2.2. Funciones de planteo c ubicas por trozos. Para poder aplicar el m etodo de Ritz con funciones de planteo c ubicas, denimos la siguiente base de funciones sobre [a, b], donde
118
i 1 2 3 4 pppppppp ppppppp ppppppppppppppp ppppppp pppppppp ppppppppppppp pp pppppp 4 p ppppppppp p p p p p p p p ppp ppp ppp ppp p p p p p pp ppp p p p p p p p p p p p p p p ppp 0 pp ppp ppp ppp ppp 5 pp p p p ppp p pp pp pp p ppp ppp ppp ppp ppp p pp ppp p pp ppp p pp ppp p pp ppp p pp p p p p ppp p p ppp p ppp p ppp p ppp p ppp ppp ppp ppp ppp ppp ppp ppp ppp ppp pppp 3 pppp pppp pppp ppp p p p p p p pppp p pppp p pppp p pppp pp ppppp p p p p p p pp p pp p pp p pp p pp pp ppppp pp ppppp pp ppppp pp ppppp pp ppppp p p p p p ppp ppp ppp ppp ppp p p p p pp ppp ppp ppp ppp ppp pp pp pp pp 2 ppp p p p ppp p p p p ppp ppp ppp ppp p p p p ppp ppp p p p p p p p p p p p p p p p p ppp ppp ppp ppp ppp p p p p p p p p p p p p p ppp p p p p p p ppp pp ppp pp ppp pp ppp pp pp ppp p p p p p p p p p ppp p ppp p ppp p ppp p p ppp p ppp p ppp p ppp p ppp p p p ppppp ppppp ppppp ppppp pp 1 ppppp p p p p p p p p p p p p p p p p p p p p p p p ppp p pp p pp p pp p pp p ppp p pp pppppp p pp ppppp p p pp pppppp p p p p p p p p p 6 p p p p p p p p p ppp p p p p 1 p p p p p p p p p pppp p pppp p pppp pppp pppp p p p ppppp pp ppp ppp pppppp ppp ppp pp p ppppp ppp ppp pp pppppp ppp ppp pp pp pppp p pp ppp pp p pppppppp p ppppppp p ppppppp p ppppppp p pp ppppp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p 0 p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p pp pp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p pp p p p p p p p pp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p x0 = a x1 x2 x3 x4 x x5 = b
Figura 6.2. Las funciones i , i = 1, . . . , n + 1, dadas por (6.26) para n = 5. a los nodos ya denidos (6.21) agregamos xk = a kh y xn+k = b + kh para k = 1, 2, 3: 3 ax i + 2 para x [xi2 , xi1 ] [a, b], h 2 3 ax ax ax 1 + 3 i + 1 + 3 i + 1 i + 1 3 h h h para x [xi1 , xi ] [a, b], 2 3 i (x) = ax ax ax +i+1 +3 +i+1 3 +i+1 1+3 h h h para x [xi , xi+1 ] [a, b], 3 ax +i+2 para x [xi+1 , xi+2 ] [a, b], h 0 sino, i = 1, 0, . . . , n, n + 1. (6.26) A modo de ejemplo, la Figura 6.2 muestra las funciones i , i = 1, . . . , n + 1, dadas por (6.26) para n = 5.
119
Cada funci on spline es de la forma

n+1
sh (x) =
i=1
i i (x).
(6.27)
Sin embargo, para la aproximaci on usaremos s olo aquellas funciones spline que satisfacen 3 las condiciones de borde sh (a) = sh (b) = 0. Sea Ph (a, b) el espacio de estas funciones. Pero 1 (a) = 1 (a) = n1 (b) = n+1 (b) = 1 y 0 (a) = n (b) = 4, es decir, las funciones (6.27) no van a satisfacer en general las condiciones de borde, por lo tanto denimos las nuevas funciones de base i (x) para i = 2, . . . , n 2, 0 (x) 41 (x) para i = 0, (6.28) i (x) := 0 (x) 41 (x) para i = 1, n (x) 4n1 (x) para i = n 1, n (x) 4n+1 (x) para i = n. Obviamente, esas funciones satisfacen 0 (a) = 1 (a) = n1 (b) = n (b) = 0; entonces, i (a) = i (b) = 0 para i = 0, . . . , n. Se puede demostrar que estas funciones son linealmente 3 independientes. Concluimos que cada funci on s0 on h Ph (a, b) posee una representaci
n
s0 h (x)
=
i=0
i i (x),
0 s0 h (a) = sh (b) = 0.
3 Las funciones i forman una base del espacio Ph (a, b), el cual a su vez es un subespacio de D. Por lo tanto, podemos usar las funciones i como funciones de planteo para el m etodo de Ritz. Los elementos de la matriz A ahora son b
aij = [i , j ] =
a n
p(x)i (x)j (x) + q (x)i (x)j (x) dx xk xk1 p(x)i (x)j (x) + q (x)i (x)j (x) dx.
=
k=1
Obviamente, [i , j ] = 0 para |i j | 4. Ahora la matrix A es una matriz de banda, que en su i- esima la tiene s olo los elementos ai,i3 , ai,i2 , . . . , ai,i+3 diferentes de cero. La matriz es sim etrica y denida positiva. 6.2.3. Estudio del error y extensiones. Brevemente vamos a discutir el error cometido por el m etodo de Ritz. Para el espacio D ya denimos la norma V 1 (a,b) en (6.8). Si y es la soluci on exacta del problema de valores de frontera (6.4) y u D es una soluci on aproximada, nso interesa una cota del error u y V 1 (a,b) . Para el planteo con funciones c ubicas por trozos, tambi en es posible estimar u y
:= m ax u (x) y (x) .
x[a,b]
Nos vamos a referir al siguiente lema sin desmostraci on.
120
Lema 6.1. Bajo las hip otesis de regularidad (6.5), existen constantes 0 < 2,1 < 2,1 y 0 < < tales que u V 1 (a, b) : u V 2 (a, b) : u 2,1 u
2 [u, u] 2 [u, u] V 1 (a,b)
2 , 2 V 1 (a,b) .
2,1 u
(6.29)
Teorema 6.3. Sea y la soluci on exacta del problema de valores de frontera (6.4) y v DM la aproximaci on obtenida por el m etodo de Ritz. Entronces, para cada v DM tenemos las desigualdades v y
V 1 (a,b)
2,1 2,1
1/2
vy
1/2
V 1 (a,b)
si DM V 1 (a, b),
2
(6.30)
v y
v y
si DM V (a, b).
Demostraci on. Ya establecimos [v y, v y ] = I [v ] + [y, y ] para toda funci on v V 1 (a, b), es decir, tambien para todo v DM D = V 1 (a, b). Por otro lado, de acuerdo con m nvDM I [v ] = I [v ],
v DM
m n [v y, v y ] = m n I [v ] + [y, y ] = I [v ] + [y, y ] = [v y, v y ].
v DM
Entonces, v DM : [v y, v y ] [v y, v y ].
Dado que v y V 1 (a, b) para DM V 1 (a, b) y (v y ) V 2 (a, b) si DM V 2 (a, b), Teorema 6.3 sigue en virtud del Lemma 6.1. Usaremos el teorema para estimar el error cometido por el m etodo de elementos nitos. Para ello aprovechamos que (6.30) es v alido para cada funci on v DM . Primero, sea DM = 1 Ph (a, b), es decir, el espacio de las funciones continuas y lineales por trozos con sh (a) = 1 sh (b) = 0. Adem as, sea vh la u nica funci on de Ph (a, b) que satisface vh (xi ) = y (xi ) para i = 0, . . . , n: y (xi+1 ) y (xi ) (x xi ) + y (xi ), x [xi , xi+1 ], h Entonces, para cada y C 2 [a, b] tenemos las cotas vh (x) =
vh y
i = 0, . . . , n 1.
(6.31)
2Lh,
vh y
Lh2
con una constante L. Insertando esta expresi on en (6.30), obtenemos v y

V 1 (a,b)
(2,1 /2,1 )1/2 vh y
V 1 (a,b)
(2,1 /2,1 )1/2 L(b a)h(4 + h2 )1/2 .
(6.32)
Esto demuestra que el error medido en la norma V 1 (a,b) es por lo menos proporcional a h, o sea el m etodo converge para h 0, n , y nh = b a del primer orden. El m etodo parece menos exacto que el m etodo de diferencias nitas. Pero hay que tomar en cuenta que
6.3. ELEMENTOS FINITOS PARA EDPS EL IPTICAS
121
en V 1 (a,b) tambi en se mide el error de la aproximaci on de la derivada. Por ejemplo, se puede demostrar que v y
V 0 (a,b)
= O(h2 ).
3 Ahora elegimos el espacio Ph (a, b) V 2 (a, b) de las funciones spline c ublicas, y sea vh (x) el spline que satisface las condiciones
vh (xi ) = y (xi ),
vh (a)
i = 0, . . . , n;
vh (b)
(6.33) (6.34)
= y (a),
= y (b).
A trav es de las condiciones (6.33) y (6.34), la funci on vh est a determinada unicamente. Seg un resultados de la aproximaci on de una funci on por una funci on spline,
vh y
M1 N Lh3 .
Usando (6.30), obtenemos m ax v (x) y (x) = v y
x[a,b]
M1 N L
3 h = O(h3 ).
(6.35)
Eso signica que el error es del orden a lo menos O(h3 ), y el m etodo es m as exacto que el de diferencias nitas; sin embargo, aqu la cota (6.35) a un puede ser mejorada. Por otro lado, un m etodo de diferencias nitas es mucho m as facil de implementar. En general, para el m etodo de Ritz podriamos usar funciones de planteo i polinomiales por trozos de alto orden para incrementar el orden de convergencia. Sin embargo, tal medida no vale el esfuerzo computacional adicional. El m etodo de elementos nitos puede ser aplicado a la soluci on num erica de cualquier problema lineal de valores de frontera de una ecuaci on diferencial ordinaria de segundo orden. 6.3. El m etodo de Ritz y elementos nitos para problemas de valores de ontera de ecuaciones diferenciales parciales el pticas Seg un el Teorema 4.1, ya sabemos que el problema Lv = f, L u (a11 u)xx 2(a12 u)xy (a22 u)yy + (a1 u)x + (a2 u)y + au, ) C 2 (G) | v = 0 en G D := v C 0 (G es solucionado si encontramos una funci on u = u(x, y ) tal que I [u] = m n = m n (v, Lv ) 2(v, f ) ,
v D v D
v D,
(6.36) (6.37) (6.38)
(6.39)
donde (v, Lv ) 2(v, f ) =

G 2 2 a11 vx + 2a12 vx vy + a22 vy + av 2 2vf dx dy.
122
En el m etodo de Ritz, I [v ] se minimiza aproximadamente. Este m etodo es muy similar al m etodo ya discutido para la soluci on de problemas de valores de frontera para ecuaciones diferenciales ordinarias. Se elige un sub-espacio DM D M -dimensional, donde y se considera como base un sistema de funciones 1 , . . . , M linealmente independientes. Cada funci on v DM es de la forma
M
D = v V (G) | v = 0 en G ,
(6.40)
v=
=1
1 , . . . , M R.
(6.41)
Esta funci on v satisface I [v ] = [v, v ] 2(v, f )

M M M
=
=1 M
,
=1
2
M
, f
=1
=
, =1
[ , ] 2
( , f )
=1
=: (1 , . . . , M ). Como en el caso de ecuaciones diferenciales ordinarias, el requerimiento I [v ] m n lleva al sistema de ecuaciones lineales 1 (1 , . . . , M ) = 2 i Deniendo S = ([i , j ]), (i , f ) = bi , b = (b1 , . . . , bM )T , S = b. = (1 , . . . , M )T , (6.43) podemos escribir el sistema (6.42) en la forma La matriz S es sim etrica y denida positiva, es decir (6.43) tiene una soluci on u nica = T (1 , . . . , M ) . Tal como en el caso de ecuaciones diferenciales ordinarias, se demuestra que ( ) () y entonces
M M
j =1
[i , j ]j (i , f ) = 0,
i = 1, . . . , M.
(6.42)
I [v ] = m n I [v ],
v DM
v (x, y ) =
=1
(x, y ).
La selecci on de las funciones , es decir, del sub-espacio DM , es dicil; adem as, hay que determinar los valores de las integrales numericamente. Una parte de las dicultades puede an ser evitada si subdividimos G areas peque nos y usamos s olo funciones de base donde cada una es diferente de cero s olo sobre pocos subdominios. en peque Consideremos una subdivisi on de G nos tri angulos, es decir, una triangulaci on. Supongamos que G es un dominio acotado, abierto y convexo con una frontera G continua,
123
la cual puede ser aproximada por un trazado poligonal Gh , el cual enteramente pertenece a G y cuyos v ertices pertenecen a G. Este trazado poligonal es el borde de un dominio poligonal Gh . en la siguiente forma, que permite representar G h como Ahora triangulamos el dominio G
N
h = G
i=1
Di ,
con tri angulos D1 , . . . , DN , donde dos tri angulos o no tienen ning un punto en com un, o coinciden en exactamente un lado que pertenece a ambos tri angulos, o coinciden en exactamente un v ertice. De este modo, se evitan los llamados nodos colgantes. Sea hi la distancia m axima de dos v ertices de Di y h := m ax hj .
1 j N
(6.44)
h depender En este caso, Gh y G an de h, y obviamente, G es mejor aproximado por Gh cuando h es peque no. Los v ertices de los tri angulos Di se llaman nodos, el conjunto de los nodos de llama R, el conjunto de los nodos en Gh se llama R. Bajo nustras hip otesis, Gh puede ser contruido de tal forma que los nodos en Gh tambi en pertenece a G, es decir, exigimos que R G. En general, una modicaci on del par ametro h implicar a un nuevo borde Gh . nodos, respectivamente, los que enumeramos en Supongamos que R y R contienen M y M estos puntos. Denimos un cierto orden; sean (xj , yj ), j = 1, . . . , M y ( xk , y k ), k = 1, . . . , M las funciones base i , i = 1, . . . , M , de la siguiente forma: h ). 1. Para i = 1, . . . , M , i C 0 (G 2. Sobre cada tri angulo Dl , l = 1, . . . , N , cada funci on i es un polinomio de grado 1 en x e y . 3. Para i, j = 1, . . . , M , i (xj , yj ) = ij . , i ( 4. Para i = 1, . . . , M y k = 1, . . . , M xk , y k ) = 0. Estos requerimientos determinan las funciones 1 , . . . , M en forma u nica. En (xi , yi ), la funci on i tiene el valore 1, y en todos los dem as nodos el valor cero. Las funciones i son elementos del espacio V (Gh ), o sea podemos formar las formas bilineales [i , j ] remplazando G por Gh , dado que las funciones i son diferenciables con respecto a x e y sobre cada tri angulo Dl , l = 1, . . . , N . La integral puede ser representada como
N
=
Gh i=1 Di
h . (Si no fuera as Las funciones 1 , . . . , M son linealmente independientes sobre G , deber a existir una ecuaci on
M
i i (x, y ) = 0,
i=1
h, (x, y ) G
124
donde no todos los coecientes i desaparecen. Pero

M M
i i (xj , yj ) =
i=1 i=1
i ij = j = 0,
j = 1, . . . , M,
as que todos los coecientes deben desaparecer.) Entonces, las funciones i generan como funciones base un espacio DM ; especicamente, DM es el espacio de aquellas funciones continuas denidas sobre Gh que son anamente lineales sobre cada tri angulo Dl , y que desaparecen sobre Gh . Ahora queremos aproximar la soluci on del problema variacional (6.39) por una funci on de DM ; esta funci on ser a tambi en una aproximaci on del problema de valores de frontera (6.36). El planteo (6.41) nos lleva a la soluci on aproximada
M
v (x, y ) =
i=1
i i (x, y ),
donde
M M i (xj , yj ) i i=1
v (xj , yj ) = es decir
=
i=1
, ij = j i
v (x, y ) =
i=1
v (xi , yi )i (x, y ).
La matriz S del sistema lineal (6.43) tiene muy pocos elementos diferentos de cero, dado que [ i , j ] =
Gh
a11 (i )x (j )y + a12 (i )x (j )y + (i )y (j )x + a22 (i )y (j )y + ai j dx dy
y i j = 0 si (xi , yi ) y (xj , yj ) no son puntos vecinos. Si existen exactamente ki tri angulos con el v ertice (xi , yi , la matriz S tendr a en su i- esima la exactamente ki + 1 elementos diferentes de cero. En el caso discutido, la matriz S es sim etrica y denida positiva, y por lo tanto apta para la soluci on num erica del sistema (6.43) por el m etodo SOR, de gradientes conjugados, o un m etodo multi-mallas. Si la triangulaci on no es uniforme, la computaci on de los coecientes del sistema lineal (6.43) puede ser bastante costosa; pero normalmente existe software que se encarga automaticamente de esta tarea. En general, se trata de trinagular un dominio de tal forma que los tri angulos Di no diferen demasiado en forma y area. Pero para un dominio G con una frontera curvada habr a que elegir tri angulos diferentes cerca de la frontera. La gran libertad que existe en la selecci on de los tri angulos constituye una gran ventaja de los m etodos de elementos nitos comparado con el m etodo de diferencias nitas. En el interior de G, en muchos casos facilmente de puede generar una triangulaci on donde xi e yi son m ultiples enteros de h, por ejemplo xi = mi h, y = ni h. (6.45)
125
yi+1
yi
yi1
yi2
h h Di4 h Di3 Di5 D i 2 Di6 h D i 1
xi2
xi1
xi
xi+1
xi+2
Figura 6.3. La denci on de la funci on base i seg un (6.46). En este caso (ver Figura 6.3), y 1 ni + h xy 1 + mi ni h x 1 + mi h y i (x, y ) = 1 + n i h xy 1 mi + ni + h x 1 mi + h 0
en Di1 , en Di2 , en Di3 , en Di4 , en Di5 , en Di6 , en todas otras partes. (6.46)
Para la computaci on de [i , j ] y (i , f ) habr a que usar una f ormula de cubatura si aik , a y f son funciones complicadas. Para la discusi on de algunos aspectos pr acticos, consideremos el problema de valores de frontera Lu uxx uyy = f en G, (6.47) u = 0 en G con el problema variacional asociado I [v ] =
G 2 2 (vx + vy 2vf ) dx dy = m n, !
v = 0 en G.
(6.48)
126
Supongamos que
N
= G
i=1
Di ,
es decir, G es la uni on de un n umero nito N de tri angulos, entonces (6.48) implica que
N
I [v ] =
i=1 Di
2 2 (vx + vy 2vf ) dx dy = m n .
(6.49)
Sobre cada tri angulo Di , v es una funci on ana, es decir, existen constantes ai , bi y ci tales que v (x, y ) = ai + bi x + ci y, v x = bi , vy = c i , Los v ertices de Di sean (xik , yik ) para k = 1, . . . , 3. Si vik es el valor de la aproximaci on v = v (x, y ) en (xik , yik ), podemos escribir v (xik , yik ) = vik = ai + bi xik + ci yik , k = 1, . . . , 3, y de este sistema de ecuaciones podemos determinar de forma u nica ai , bi y ci como funciones de xik , yik y vik . Por lo tanto, en nuestro caso podemos escribir (6.49) como
N
(x, y ) Di .
I [v ] =
i=1 Di
2 b2 n . i + ci 2f (x, y )(ai + bi x + ci y ) dx dy = m
(6.50)
Si denominamos por vj el valor de v (x, y ) en el nodo (xj , yj ), j = 1, . . . , M , podemos escribir obviamente I [v ] = (v1 , . . . , vM ). El valor vj , 1 j M , aparece entre los valores vik , i = 1, . . . , N , k = 1, . . . , 3, Lj veces si (xj , vj ) es v ertice de Lj tri angulos. Si denimos vh := (v1 , . . . , vM )T , obtenemos con la M M matriz S R y el vector b RM la identidad El requerimiento (v1 , . . . , vm ) = m n lleva al sistema de ecuaciones Svh = b. (6.51) La computaci on de S y b es (por lo menos) un poco complicada, puesto que hay que integrar sobre cada tri angulo separadamente. Esta complicaci on puede ser evitada mediante la interoducci on de un tri angulo de referencia. A trav es de una transformaci on de coordenadas biyectiva, cada tri angulo Di puede ser transformado al tri angulo de referencia con los v ertices (0, 0), (1, 0) y (0, 1). La transformaci on es x = i (, ) = xi1 + (xi2 xi1 ) + (xi3 xi1 ), Denominamos el tri angulo de referencia por D0 , deniendo v (x, y ) = v i (, ), i (, ) = wi (, ), y = i (, ) = yi1 + (yi2 yi1 ) + (yi3 yi1 ). (6.52) (v1 , . . . , vM ) = (vh )T Svh 2(vh )T b.
!
(, ) D0 .
127
En este caso, wi (, ) est a denido sobre D0 y wi (, ) = ci0 + ci1 + ci2 . Los coecientes cij pueden ser calculados facilmente; de wi (0, 0) = ci0 , wi (1, 0) = ci0 + ci1 , wi (0, 1) = ci0 + ci2 obtenemos ci0 = wi (0, 0), ci1 = wi (1, 0) wi (0, 0), y por lo tanto ci2 = wi (0, 1) wi (0, 0)
Para la formulaci on de las ecuaciones de los elementos nitos, podr amos partir de (6.50), pero consideramos otro planteo. Escribimos (6.49) como
N
wi (, ) = (1 )wi (0, 0) + wi (1, 0) + wi (0, 1).
F (x, y ) dx dy = m n,
i=1 Di
2 2 (x, y ) + vy (x, y ) 2v (x, y )f (x, y ), F (x, y ) := vx
y tomamos en cuenta que F (x, y ) dx dy =

Di D0
F i (, ), i (, ) i (, ) d d
con el determinante funcional i (, ) = x y (i ) (, ) (i ) (, ) = . x y (i ) (, ) (i ) (, )
Las derivadas de i y i pueden ser calculadas inmediatamente; obtenemos es decir, para cada i, i es constante: i (, ) = i . La transformaci on (6.52) puede ser invertida facilmente, y nos entrega 1 = i (x, y ) = (x xi1 )(yi3 yi1 ) (y yi1 )(xi3 xi1 ) , i (6.53) 1 (x xi1 )(yi2 yi1 ) + (y yi1 )(xi2 xi1 ) . = i (x, y ) = i Dado que v (x, y ) = wi (, ) para (x, y ) Di , tenemos vx = (wi ) x + (wi ) x , vy = (wi ) y + (wi ) y xi3 xi1 , i en Di . Usando (6.53), podemos escribir yi2 yi1 yi3 yi1 , x = , x = i i i (, ) = (xi2 xi1 )(yi3 yi1 ) (xi3 xi1 )(yi2 yi1 ),
y =
y =
xi2 xi1 , i
128
y nalmente Ii [v ] :=
Di 2 2 vx (x, y ) + vy (x, y ) 2v (x, y )f (x, y ) dx dy
= i
D0
yi3 yi1 yi2 yi1 (wi ) (wi ) i i
(6.54)
2
xi3 xi1 xi2 xi1 + (wi ) + (wi ) i i
2wi hi (, ) d d,
donde denimos hi (, ) := f (i (, ), i (, )). En virtud de (wi ) = ci2 = wi (0, 1) wi (0, 0) = v (xi3 , yi3 ) v (xi1 , yi1 ) = vi3 vi1 , wi = ci0 + ci1 + ci2 = vi1 + (vi2 vi1 ) + (vi3 vi1 ) 1 i
2
(wi ) = ci1 = wi (1, 0) wi (0, 0) = v (xi2 , yi2 ) v (xi1 , yi1 ) = vi2 vi1 ,
obtenemos de (6.54) Ii [v ] = (vi2 vi1 )(yi3 yi1 ) (vi3 vi1 )(yi2 yi1 )
D0
+ (vi3 vi1 )(xi2 xi1 ) (vi2 vi1 )(xi3 xi1 ) Del requerimiento
N
(6.55)
22 i vi1 + (vi2 vi1 ) + (vi3 vi1 ) hi (, ) d d.
Ii [v ] = m n
i=1
vi expl A modo de ejemplo, calculamos (vi )T S citamente. Obtenemos 1

(i)
obtenemos nalmente los valores deseados de v en los nodos. Formulamos el sistema de ecuaciones correspondiente. Primero calcuamos Ii [v ], en general por integraci on num erica. Las primeras dos l neas de (6.55) llevan a la expresi on 3 vi1 (i) i (i) + S (i) vi = (vi )T S (i) vi = . v (vi )T S v v , v = s i2 1 2 lm il im vi3 l,m=1
(i)
vi = (yi2 yi3 )2 v 2 + (yi3 yi1 )2 v 2 + (yi2 yi1 )2 v 2 2(yi3 yi1 )(yi3 yi2 )vi1 vi2 (vi )T S 1 i1 i2 i3 (i) es Entonces, la matriz sim etrica S 1 (yi2 yi3 )2 (yi3 yi1 )(yi3 yi2 ) (yi2 yi1 )(yi2 yi3 ) (i) = (yi3 yi1 )(yi3 yi2 ) (yi3 yi1 )2 (yi3 yi1 )(yi2 yi1 ) . S 1 (yi2 yi1 )(yi2 yi3 ) (yi3 yi1 )(yi2 yi1 ) (yi2 yi1 )2 2(yi2 yi1 )(yi2 yi3 )vi1 vi3 2(yi3 yi1 )(yi2 yi1 )vi2 vi3 .
129
La matriz cuenta que
(i) S 2
1 (i) puede ser calculada analogamente. Deniendo S(i) := y tomando en i S
1 d d = , 2 D0 obtenemos 1 Ii [v ] = (vi )T S(i) vi 2i 2

D0
vi1 + (vi2 vi1 ) + (vi3 vi1 hi (, ) d d.
La integral puede ser aproximada por la f ormula de cuadratura de Gauss m as simple, 1 1 1 . , F (, ) d d F 2 3 3 D0 Despu es de una peque na compuatci on llegamos a i [v ] := 1 (vi )T S(i) vi i hi 1 , 1 (vi1 + vi2 + vi3 ). Ii [v ] I 2 3 3 3 Con S(i) = (slm ), l, m = 1, . . . , 3 tenemos
N (i)
[v ] = I [v ] I
i=1
i [v ] = 1 I 2 1 = 2
i=1 N
(vi )T S(i) vi 2(bi )T vi

3 (i) slm vil vim
i=1
l,m=1
1 1 2i (vi1 + vi2 + vi3 ) . hi , 3 3 3
(6.56)
[v ] entrega el sistema de ecuaciones Ahoram, la tarea de minimizar I [v ] I = 0, k = 1, . . . , M, (6.57) vk donde vk = v (xk , yk ). Estas variables tambi en se llaman variables de nodos. Deniendo vij (ij ) = k = vk podemos escribir (6.57) como [v ] 1 I = vk 2
N 3
0 si vij = vk , 1 si vij = vk ,
slm k vim + k
i=1 l,m=1
(i)
(li)
(mi)
vil
2i 1 1 hi , 3 3 3
(1i)
+ k
(2i)
+ k
(3i)
= 0.
Entonces, el sistema de ecuacions de los elementos nitos es 1 2 donde bk =

(i) N 3 (i) slm i=1 l,m=1 (li) k vim N
(mi) k vil
=
i=1
bk ,
(i)
k = 1, . . . , M,
(6.58)
1 1 2i hi , 3 3 3
(1i)
+ k
(2i)
+ k
(3i)
(6.59)
130
Este sistema tiene la forma Svh = b, vh = (v1 , . . . , vM )T . La parte derecha (6.59) puede ser calculada facilmente, pero es costoso determinar los elementos de S desde (6.58). Para eso, volvemos nuevamente a (6.56) y jamos la numeraci on de las variables de nodo vk , k = 1, . . . , M . Las identicamos con aquellos vij , i = 1, . . . , N , j = 1, . . . , 3, que no corresponden a valores de frontera. Cada vij es igual a una variable de nodos vk . (Por supuesto, una variable vk puede corresponder a varios vij .) Puesto que vij = 0 en los punto de frontera, podemos escribir (6.56) como [v ] = 1 I skl vk vl bk vk , 2 k,l=1 k=1
M M N
bk =
i=1
bk .
(i)
Obviamente, podemos facilmente determinar la matriz S = (skl ). Sus elementos son sumas de elementos de las matrices S(i) .

Apuntes-Analisis Numerico 3

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apuntes-Analisis Numerico 3

Загружено:

Авторское право:

Доступные форматы

An alisis Num erico III

Apuntes Curso C odigo 525442 Segundo Semestre 2010

3.3.1. 3.3.2. 3.3.3. 3.3.4.

Problemas de valores iniciales para ecuaciones diferenciales ordinarias (Parte I)

Cada sistema de funciones y1 = y1 (x), . . . , yn = yn (x), yi C 1 (a, b), i = 1, . . . , n

Entonces (1.2) se escribe como

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

de los valores exactos y(xi ) = y1 (xi ), . . . , yn (xi ) (1.9)

1.1. METODOS DE PASO SIMPLE EXPL ICITOS

Si y = y (x) es una soluci on sucientemente suave de (1.12), tenemos la f ormula de Taylor y (x + h) =

hk (k) hm+1 (m+1) y (x) + y (x + h), k! (m + 1)!

(1.14) (1.15) (1.16)

Este m etodo es un m etodo de paso simple con

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

1.1. METODOS DE PASO SIMPLE EXPL ICITOS

Aproximando la integral en (1.25) por la f ormula de cuadratura (1.26), obtenemos

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

h (i) (i) (i) (i) k + 2k2 + 2k3 + k4 6 1

1.2. CONSISTENCIA Y CONVERGENCIA

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

1 y(x + h) y(x) y (x) l m x, y(x); h f x, y(x) h0 h

dado que y (x + h) = y (x) + hy (x) + O(h2 ) = y (x) + hf x, y (x) + O(h2 );

1.2. CONSISTENCIA Y CONVERGENCIA

x, y (x); h = O(h2 ) cuando h 0.

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

M hp+1 + M hp+1 . (1.53)

obtenemos de (1.53) la desigualdad de diferencias |i+1 | (1 + hL)|i | + M hp+1 , |0 | = 0. (1.54)

1.2. CONSISTENCIA Y CONVERGENCIA

M hp (1 + hL)i 1 L M hp (1 + hL)i 1 L M iLh hp e 1 L M L(ba) hp e 1 = O(hp ). L

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

(1.58) 1 mediante la funci on

1.3. METODOS DE PASOS MULTIPLES

luego calculamos la integral exacta. Esto resulta en el m etodo

si los nodos son equidistantes, podemos calcular a priori las constantes

xil d ; xik xil

xil d. xik xil

As , el m etodo de paso m ultiples es dado por

p=0 p=1 p=2 p=3

xil d. xik xil

xil d ; xik xil

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

as , el m etodo nal es de la forma

Para j = 0 y valores de p moderados resultan los siguientes valores:

p = 1 p=0 p=1 p=2

Los m etodos de Adams-Moulton incluyen para p = 1 el m etodo de Euler impl cito

a un es desconocido, y denimos por la ecuaci on d h = f xi+1 , yi P(x; i) +1 . dx x=xi+1

1.3. METODOS DE PASOS MULTIPLES

Usando para la representaci on del polinomio la f ormula de Newton,

y[h xi+1 ,...,xi+1j ]

y[h xi+1 ,...,xi+1j ]

y[h xi+1 ,...,xi+1j ]

h (xi+1 xi+1l ) = f xi+1 , yi +1 ,

con los coecientes k 0 k1 k2 k3 k4 k5 0 1 1

9 36 450 1 11 25 300 147 3 137 2 11 16 25 200 137

75 225 3 137 147 25 12 137 72 147

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

i f x + ih, y(x + ih)

El m etodo se llama consistente al menos del orden p si y convergente del orden p si

x, y(x); h = O(hp ) para h 0, (x; h) = O(hp ) para h 0.

Demostraci on. Ver Hairer, Nrsett & Wanner, 1993.

1.3. METODOS DE PASOS MULTIPLES

Entonces la soluci on de (1.84) es dada por

donde 1 , . . . , s , i = j para i = j , son los ceros del polinomio

con las multiplicidades v1 , . . . , vs , o sea