METODO DE DIFERENCIAS FINITAS PARA LA SOLUCION DE

ECUACIONES DIFERENCIALES ELIPTICAS Y PARABOLICAS

DIFERENCIAS FINITAS

El Método de Diferencias Finitas es un método de carácter general que permite la

resolución aproximada de ecuaciones diferenciales en derivadas parciales definidas
en recintos finitos. Es de una gran sencillez conceptual y constituye un
procedimiento muy adecuado para la resolución de una ecuación bidimensional
como la que hemos planteado.
El primer paso para la aplicación del método consiste
en discretizar el recinto del plano en el que se quiere resolver la ecuación con una
malla, por conveniencia cuadrada. Los puntos de la malla están separados una
distancia h en ambas direcciones x e y.
El objetivo es aproximar la solución de ecuaciones diferenciales, es decir, encontrar
una función (o alguna aproximación discreta a esta función) que satisfaga la relación
de su(s) derivada(s) en alguna región del espacio y/o tiempo, con una serie de
valores en su frontera. En general, resolver una EDP es complicado y raramente se
puede encontrar una solución analítica que satisfaga el problema. El Método de
Diferencias Finitas procede reemplazando las derivadas de la ecuación con una
aproximación de una diferencia nita. Con esto obtenemos un sistema de ecuaciones
algebraicas a resolver, algo que es eciente resolverse utilizando una computadora.

Podemos desarrollar T(x,y) en serie de Taylor alrededor de un punto:

(1)

(2)
Sumando miembro a miembro, agrupando, despreciando los términos o(h3) y
despejando el término de la derivada segunda resulta:

(3)

De forma similar se obtiene la expresión equivalente:

(4)

Pero de la ecuación de Laplace:

(5)

Por lo tanto:

Lo que significa que el valor de la temperatura en un punto se puede escribir como la

media de las temperaturas de los 4 puntos vecinos.

PROBLEMAS NO LINEALES

La programación no lineal forma parte de la investigación de operaciones y también,

como la programación lineal, tiene como finalidad proporcionar los elementos para
encontrar los puntos óptimos para una función objetivo. En este planteamiento, tanto
la función objetivo como las restricciones son no lineales. Se presenta un problema
de programación no lineal cuando tanto la función objetivo que debe optimizarse,
como las restricciones del problema, o ambas, tienen forma de ecuaciones
diferenciales no lineales, es decir, corresponden a ecuaciones cuyas variables
tienen un exponente mayor que 1. El campo de aplicación de la programación no
lineal es muy amplio, sin embargo, hasta la fecha los investigadores de esta rama
del conocimiento no han desarrollado un método sistemático que sea práctico para
su estudio. La programación no lineal también es conocida con el nombre de
programación cuadrática, en virtud de que la mayor parte de los problemas que
resultan contienen ecuaciones cuadráticas o de segundo grado. Muchas veces se
presentan casos en que se deben maximizar funciones no lineales que presentan
restricciones lineales; esto es posible resolverlo, siempre y cuando se admita la
hipótesis de que la utilidad marginal no es constante, en este caso, la función
objetivo deja de ser lineal.

Las ventajas más importantes de la programación no lineal son dos:

1. En algunas ocasiones la distribución óptima del presupuesto excluye cualquiera

de los bienes considerados en el presupuesto general; esta situación se refleja en
cualquiera de las restricciones del modelo.

2. La programación no lineal aporta mayor información que la contenida en el

análisis marginal. No sólo define el objetivo, sino que también señala la orientación
específica para lograr el objetivo.

5.1 CARACTERÍSTICAS DE LOS PROBLEMAS NO LINEALES

Los problemas no lineales se caracterizan por tener relaciones no lineales; es decir,

no existe una relación directa y proporcional entre las variables que intervienen. Los
problemas de programación no lineal, también son llamados curvilíneos, ya que el
área que delimita las soluciones factibles en un gráfico se presenta en forma de
curva. La función objetivo en la programación no lineal, puede ser cóncavo o
convexo. Es cóncavo cuando se trata de maximizar utilidades, contribuciones, etc.
Es convexo cuando trata de minimizar recursos, costos, etc. Los problemas que
contienen restricciones lineales, se resuelven de una forma más sencilla que los
problemas con restricciones no lineales.

5.2 FORMULACIÓN Y RESOLUCIÓN DE MODELOS MATEMÁTICOS CON

RESTRICCIONES U OBJETIVOS NO LINEALES.

Una forma de resolver los problemas de programación no lineal es convirtiendo los

problemas de forma tal, que se pueda aplicar la programación lineal. Los problemas
de programación no lineal abarcan problemas con función objetivo no lineal y
restricciones no lineales, como se presenta en el ejemplo siguiente:

Maximizar Z= ($9.6 X - $0.06 X2 ) + $10Y

Sujeto a: 3 X2 + 2Y2 < 13,950

X > 0, Y > 0

Como se puede observar, tanto la función objetivo como la restricción presentan

variables de segundo grado (potencia cuadrática); por lo tanto, son no lineales. Para
comenzar con la resolución de un problema no lineal se representa la restricción en
un gráfico, para ello, se utiliza el mismo procedimiento empleado en el método
gráfico de programación lineal (véase tema 2.3 Algoritmos de solución).

Considerando la desigualdad 3 X2 + 2Y < 13, 950, se le asigna un valor de 0 a la

variable Y, para encontrar el punto de X en el gráfico. Así mismo, se asigna un valor
de 0 a la variable X, para encontrar el punto Y en el gráfico:

Despejando la variable X se procede de la forma siguiente:

3 X2 + 2Y2 < 13,950

3 X2 + 2(0)2 < 13,950

X 2 < 13,950 / 3

X 2 < 4,650

X < 4,650
X < 68.19

Para despejar la variable Y se procede como sigue:

3 X2 + 2Y2 < 13,950

3 (0)2 + 2Y2 < 13,950

Y 2 < 13,950 / 2

Y 2 < 6,975

Y < 6,975

Y < 83.51

De acuerdo con el procedimiento por el método grafico de programación lineal, se

debe dibujar en un plano cartesiano cada una de las restricciones formuladas
matemáticamente, de esa forma se representa como se muestra en el grafico
siguiente la restricción considerada para este ejemplo:

Como podemos observar, la restricción se representa por una curva convexa, por
lo que la función objetivo es cóncava. Para graficar la función objetivo, se asigna un
valor cualquiera a la variable X y a la contribución; para este ejemplo, se asignó un
valor a X=40 y una contribución de $1,000.
Sustituyendo el valor de X en la función objetivo, se puede encontrar el valor de la
variable Y, como se presenta a continuación:

($9.6 X - $0.06 X2 ) + $10Y$ = $1,000 Función objetivo

$9.6 (40) - $0.06 (402 ) + $10Y$ = $1,000

$288 + $10Y$ = $1,000

$10Y = 1,000 - $288

Y = $712 / $10

Y = 71.2

Una vez obtenidos los valores de X, Y para la función objetivo, se pueden

representar en un gráfico y prolongarlo hasta tocar el punto más lejano del área de
soluciones factibles, para hallar la solución óptima.

La solución óptima para este ejemplo es X=30 y Y=75; sin embargo, puede
calcularse matemáticamente. Para ello, se debe encontrar la derivada de la función
objetivo, como se muestra a continuación:

Se resuelve la ecuación de la función objetivo para encontrar a través de un

procedimiento matemático el valor de las variables, despejando las variables
mediante el uso del álgebra y aplicando el cálculo diferencial, como sigue:

Z= ($9.6 X – $0.06 X2) + $10Y

Z - $10 Y =($9.6X - $0.06X2)

-Y =$9.6 X/10 + $0.06 X2/10 – Z/10

Y=$9.6x/10 + $0.06X2/10 + z/10

Dy/dx=-0.96+0.06x/5

A partir de aquí se puede derivar, tomando en cuenta que Z es constante.

Una vez encontrada la derivada de la función objetivo, se procede a encontrar la

derivada de la restricción, como se muestra a continuación:

El siguiente paso consiste en igualar los resultados de las dos derivadas, la derivada
de la restricción con la derivada de la función objetivo.
Enseguida, se sustituye la ecuación Y resultante en la ecuación original de
restricción.

Con el resultado anterior de la ecuación Y, sustituida en la ecuación original de

restricción, se debe asignar un valor a X. Como se observa en el gráfico anterior, la
solución óptima es X =30, por lo que sustituiremos ese valor en la ecuación
resultante:
Como el valor de X=30 satisface la ecuación, se puede considerar ese valor como
un valor óptimo para el problema. Ese mismo valor puede sustituirse en la ecuación
de restricción original, para encontrar el valor óptimo de la variable Y.

Con lo anterior, se tienen los valores óptimos de X e Y, por lo que ahora se procede
a calcular la contribución óptima, sustituyendo los valores encontrados en la función
objetivo:

Se puede concluir que la empresa necesita producir 30 unidades del producto X y

75 unidades del producto Y para tener una contribución máxima de $984.

ACTIVIDADES DE APRENDIZAJE

1. Resolver el siguiente problema de programación no lineal

FUNCIONES DE BESSEL

Con ν ≥ 0, que se denomina ecuación de Bessel de orden ν. Se trata de una

ecuación diferencial ordinaria de orden dos con coeficientes no contantes. Nótese
en primer lugar que la ecuación dada en (7.1) se reduce a la ecuación (7.2) con el
cambio R (r) = u (x), x = rµ.

Para resolver la ecuación (7.2) se propone una solución que se pueda escribir en la
forma

Donde el exponente b y los coeficientes ak han de ser calculados. Sustituyendo

(7.3) en (7.2) y tras hacer algunos cálculos se llega a que la función

que se denomina función de Bessel de primera especie de orden ν, es solución de

la ecuación (7.2).

Si ν ∈/ N, entonces las funciones Jν y J−ν son linealmente independientes y forman

una base del espacio de soluciones de (7.2), es decir, que la solución general de la
ecuación de Bessel (7.2) es combinación lineal de Jν y J−ν.

Si ν ∈ N, entonces las funciones Jν y J−ν son linealmente dependientes. De hecho,

se verifica que J−ν = (−1)ν Jν. Para resolver este problema se introduce la llamada
función de Weber o función de Bessel de segunda especie Yν, la cual se define
como

Y finalmente
Las funciones Jn e Yn son linealmente independientes y por tanto, la solución
general de (7.2), en el caso ν = n ∈ N, es combinación lineal de Jn e Yn.

En la proposición que sigue recogemos algunas de las principales propiedades de

las funciones de Bessel. En particular, estudiaremos el comportamiento de dichas
funciones cuando x → 0 y x → ∞. La demostración de estos resultados puede
encontrarse en [8, p.p. 133-136].
POLINOMIOS DE LEGENDRE

PORQUÉ LEGENDRE

Los Polinomios de Legendre son uno de los ejemplos más importantes de los
Polinomios Ortogonales, porque aparecen como soluciones en varios problemas
clásicos de la física como:

1. Movimiento de los planetas: Ecuación de Kepler.

2.- Resolución de los modelos de la física con Ecuaciones Diferenciales en

Derivadas Parciales (EDDP) en coordenadas esféricas.

Son ejemplo de estos modelos de la física, los campos conservativos, no

conservativos, propagación de calor, propagación de ondas, propagación de
señales telegráficas, propagación de ondas de partículas simples.

Aplicaciones de matemática.

Algunas de las aplicaciones de los polinomios de Legendre son:

1.- Cálculo de Integrales

2.- Series de Fourier-Legendre

3.- Estudio de raíces de z – a – w f(z) = 0

ECUACIÓN DIFERENCIAL DE LEGENDRE.

FORMA CANÓNICA
Se define como Ecuación Diferencial de Legendre en su forma canónica a:

Cuya solución general es entonces la combinación lineal de dos soluciones

linealmente independientes

Como caso particular de estas soluciones si λ = ν (ν+1) con ν = n ∈ N una de dichas

soluciones es un Polinomio de Legendre de orden n. En este caso la solución
general toma la forma:

POLINOMIOS DE LEGENDRE

Las funciones de Legendre para ciertos valores particulares de ν son Polinomios.

En efecto dichas funciones para valores naturales de ν se reducen a Polinomios. La
constante C0 se fija de manera tal que dichos Polinomios, llamados de Legendre
Pn(x) , tengan valor 1 para x = 1.

Obs: Por supuesto que en el caso de los Polinomios de Legendre su Campo de

Convergencia se extiende a todo el Plano Complejo y en particular se puede
estudiar su comportamiento en otros puntos como el V(1).

OBTENCIÓN DE LOS POLINOMIOS DE LEGENDRE A PARTIR DE LAS

FUNCIONES DE LEGENDRE. PRIMERA EXPRESIÓN

Una primera forma o expresión de los Polinomios de Legendre se deduce de la

siguiente manera: I.- En la primera solución y1, si ν = n es Natural e Impar se obtiene
un Polinomio de orden n pues los coeficientes de la serie se anulan a partir de 2p+1
>n
Con la convención que Cᶿ : Pn(1) = 1

II.- En la segunda solución y2, si ν = n es Natural y Par también se obtiene un

Polinomio de orden pues los coeficientes de la serie se anulan a partir de 2p > n

Siempre con la convención que Cᶿ : Pn(1) = 1

TABLA DE LOS PRIMEROS POLINOMIOS DE LEGENDRE

SOLUCION DE LA ECUACION DE LEGENDRE EN V(1)

PRIMERA SOLUCION POR EL METODO DE FUCHS EN V(1)

Si a la ED Legendre la llevamos al V(1) con la translación z = x – 1

toma la forma de ED modificada:

Cuyo campo de convergencia es

Aplicando el método de Fuchs

Tomando el coeficiente de la potencia z r + k–1 se forma la Ecuación de Recurrencia

Que lleva a la Ecuación característica

Para operar la Ecuación de Recurrencia más fácilmente se transforma el segundo

término en producto de monomios

Para ello se buscan las raíces de este polinomio de 2º grado

y se completa el cuadrado perfecto dentro del radicando, tomando λ = ν(ν+1)

Queda

Para hallar la primera solución y1 con r1 = 0;

Entonces la primera solución de la ecuación de Legendre es:

INTRODUCCION AL METODO DE ELEMENTO FINITO

El método del elemento finito es una técnica numérica para resolver problemas que
se pueden describir por ecuaciones diferenciales parciales o que pueden ser
formulados por medio de una minimización de un funcional (cálculo variacional).

El método del elemento finito es una herramienta de análisis muy poderosa que
permite obtener soluciones aproximadas a una amplia variedad de problemas de
mecánica en el continuo.

La premisa básica es que una región de solución puede ser modelada

analíticamente reemplazándola con un arreglo de elementos discretos. Esto permite
reducir un número infinito de incógnitas del problema a uno con un número finito de
incógnitas.

Por otro lado, el método también permite variar las condiciones (parámetros
elásticos, viscosidad, densidad, temperatura, etc.) de los elementos individualmente
o en grupos de acuerdo a las
ecuaciones constitutivas que se
empleen en el problema.

El método trabaja dividiendo la región de

solución en elementos y expresando las
variables de campo incógnitas en
términos de funciones aproximadas
dentro de cada elemento.

En turno, las funciones aproximadas se

expresan en términos de valores de la
variable de campo para ciertos puntos llamados nodos o puntos nodales.

El conjunto de nodos configura una malla o rejilla de solución para el problema. Esta
malla puede o no seguir la configuración física del campo. Por ejemplo, se puede
trasladar el problema al campo de solución matemático, cuyas fronteras pueden no
coincidir con las orillas del cuerpo físico.

Existen básicamente cuatro maneras de formular las ecuaciones del sistema:

1. Aproximación directa.
 Las ecuaciones del sistema se ensamblan directamente de las ecuaciones
que gobiernan el problema. Desventaja: Sólo se pueden analizar elementos
de formas o geometrías simples.
2. Aproximación Variacional.
En esta alternativa, se requieren usar funciones obtenidas del cálculo
variacional, es decir, encontrando los valores extremos de un funcional (por
ej. la Energía Potencial). Ventaja: Se pueden usar formas de elementos tanto
simples como complejos.
3. Aproximación de Residuales Pesados (Weighted Residuals).
En esta forma se traslada el problema del campo de solución físico al campo
de solución puramente matemático. Ventaja: Puede aplicarse en problemas
donde no se cuenta con un funcional adecuado.
4. Aproximación de Balance de Energía.
(Muy empleado en casos de mecánica de sólidos) Se basa en el balance de
la energía térmica o mecánica del sistema. Ventaja: Igual al anterior.

En una aproximación de solución a los desplazamientos, el error de discretización

introducido al suponer un polinomio como función de interpolación es del orden de:

donde h es el tamaño del elemento y p es el orden del polinomio que se usa en la

interpolación.

Lo anterior se debe a que mientras mayor sea el número de elementos empleado

(reduciendo, por tanto, el tamaño de los mismos) tendremos una mejor
aproximación a la solución exacta del problema. Por ejemplo, en el caso de
problemas de elasticidad plana (podría un caso ser deformación plana), donde se
puede suponer una expansión lineal, por lo tanto una interpolación lineal (p = 1)
podemos esperar una convergencia del orden de:
es decir, el error en desplazamiento se reduciría a 1/4 , si reducimos el espacio entre
nodos a la mitad (1/2).

Por otro lado, los esfuerzos y las deformaciones, los cuales corresponden a la
mésima derivada del desplazamiento, convergen con un error del orden de:

Pasos a seguir (de manera general y a manera de receta) para encontrar la solución
a un problema del continuo usando el MEF.

1. Discretizar el continuo

2. Seleccionar funciones de interpolación apropiadas

3. Encontrar las propiedades de los elementos (ecuaciones que relacionan las

condiciones de los elementos con la solución buscada, p.ej. ecuaciones fuerza-
desplazamiento en caso de elasticidad), se emplea uno de los cuatro
procedimientos.

4. Ensamblar las propiedades de los elementos para formar las ecuaciones del
sistema (trasladar las ecuaciones del esquema local, por elemento, al esquema
global, del sistema)
5. Modificar las ecuaciones del sistema para tomar en cuenta las condiciones de
frontera.

6. Resolver el sistema de ecuaciones.

7. Desplegar los resultados en manera gráfica conveniente

En la discretización del contínuo, el mallado y la numeración se deben efectuar con

cuidado ya que ambos afectan la calidad, resolución y tiempo del método.
En ocasiones el modelo físico está directamente relacionado (idealizado) por el
modelo matemático, pero no tiene que ser siempre asi.

Veamos un ejemplo del Método de Galerkin usando un elemento sencillo.

Supongamos que necesitamos resolver numéricamente la siguiente ecuación
diferencial (u es desplazamiento):

y condiciones de frontera:

u es nuestra incógnita.
Usaremos dos elementos unidimensionales como los de la figura:

Primero, consideremos el elemento finito de la derecha. Este elemento tiene dos

nodos. Una aproximación de la función u(x) puede efectuarse de la siguiente
manera:

donde Ni son conocidas como funciones de interpolación o forma (shape functions)

Las cuales se emplean para interpolar u(x) usando sus valores nodales. Los valores
nodales u1 y u2 son incógnitas que deben ser determinadas por la discretización
global del sistema. Después de sustituir u expresada por medio de sus valores
nodales y funciones de forma, la ecuación diferencial nos queda:
donde ψ es un residual diferente de cero debido a la representación aproximada de
la función dentro del elemento. El método de Galerkin minimiza el residual por medio
de multiplicar los términos de la ecuación anterior por las funciones de forma,
integrar sobre el elemento e igualar con cero:

Si integramos por partes nos lleva a la la siguiente solución:

Aquí ya se empieza a notar la formulación típica del elemento finito.

La relación anterior puede ser escrita como:

En mecánica de sólidos a [ k ] le llamamos la matriz de dureza o resistencia (stiffness

matrix) y { f } se le llama el vector de cargas (load vector). Se usa la misma
terminología en elemento finito. De esta forma tenemos:
En el sencillo ejemplo considerado para dos elementos de longitud L las matrices
de resistencia y vectores de carga pueden ser calculados de manera simple:

La relaciones anteriores proporciononan las ecuaciones de cada elemento. Para

obtener la ecuación global del sistema de dos elementos unidos, tendremos el caso
de un dominio de dos elementos con 3 nodos (uno es compartido), para lo que
necesitamos ensamblar las ecuaciones de los elementos individuales.

En nuestro ejemplo el sistema queda de la siguiente forma:

Después de aplicar las condiciones de frontera u(x = 0) = 0 el sistema global de

ecuaciones nos queda así:
Los valores nodales ui se obtienen como resultado de la solución del sistema lineal
de ecuaciones algebraicas.

El valor de u para cualquier punto dentro de un elemento puede ser calculado por
medio de las funciones de interpolación o de forma.

La solución exacta es una función cuadrática. La solución de elemento finito con la

ayuda de los elementos más simples es lineal pieza a pieza. Una solución más
precisa puede ser obtenida aumentando el número de elementos sencillos o por
medio de elementos con funciones de interpolación más complicadas. Para nuestro
ejemplo se puede notar que en los nodos el método de elemento finito proporciona
los valores exactos de u.

Elementos finitos con funciones lineales de interpolación producen valores exactos

en los nodos si la solución que se busca es cuadrática. Elementos con funciones de
interpolación cuadráticas dan una solución nodal exacta para una solución cúbica,
etc.

La solución de la ecuación diferencial se muestra en la siguiente figura. para a = 1,

b = 1, L = 1 y R = 1.
EJEMPLO 1

Otra forma de obtener la matriz de rigidez es tratando el encaje de cada elemento y

sus nudos. Observando las matrices y los grados de libertad de cada una de las
matrices locales generales, que son:
Al haber dado esos grados de libertad en ese orden para cada matriz,
indirectamente estamos asignando unos nudos iniciales y finales a cada elemento
que es lo primero que se hace al calcular una estructura. Por ejemplo, de lo de arriba
se concluye que el nudo inicial para el elemento 1 es el 1 (grados 1,2), mientras que
el final es el 2 (grados 3 y 4). La matriz de rigidez de la estructura se calcula
observando las matrices de rigidez globales de cada elemento mediante el encaje
de los grados de libertad correspondientes:

que es la mejor manera de calcular la matriz de rigidez, aunque se han puesto dos
formas de hacerlo. La nomenclatura de cada elemento de la matriz viene a decir:
Kn ij = submatriz del elemento n correspondiente a la caja ij y la posición relativa la
da los nudos y su conexión tras observar las filas y columnas de cada matriz.

La matriz de rigidez es, teniendo en cuenta el acople de las matrices elementales

globales y de acuerdo a los grados de libertad en el orden 1,2,3,4,5,6, la siguiente: