método de diferencias finitas y el uso de matlab para ecuaciones ...
DIFERENCIAS FINITAS ASISTIDAS CON MATLAB EN LA SOLUCIÓN DE …
Transcript of DIFERENCIAS FINITAS ASISTIDAS CON MATLAB EN LA SOLUCIÓN DE …
UNIVERSIDAD NACIONAL
"PEDRO RUÍZ GALLO"
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
ESCUELA PROFESIONAL DE MATEMÁTICA
"DIFERENCIAS FINITAS ASISTIDAS CON MATLAB EN LA SOLUCIÓN DE
ECUACIONES DIFERENCIALES PARCIALES PARABÓLICAS"
TESIS
Para Optar el Título Profesional de
Licenciado en Matemáticas
PRESENTADO POR:
Bach. Mat. Cabrera Santamaría Marco Antonio
Bach. Mat. Tenorio Retis lsaias Eleuterio
ASESOR:
Dr. Carpena Velásquez Enrique
Lambayeque - Perú
Marzo 2015
UNIVERSIDAD NACIONAL
"PEDRO RUIZ GALLO"
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
ESCUELA PROFESIONAL DE MATEMÁTICA
"DIFERENCIAS FINITAS ASISTIDAS CON MATLAB EN LA SOLUCIÓN DE
ECUACIONES DIFERENCIALES PARCIALES PARABOLICAS"
Tesis
Para optar el título profesional de
Licenciado en Matemáticas
presentado por:
Bach. Mat. Cabrera Santamaria Marco Antonio Bach. Mat. Tenorio Retis Isaias Eleuterio
Asesor
Dr. Cárpena Velásquez Enrique
Lambayeque - Perú
Marzo 2015
Universidad Nacional Pedro Ruiz Gallo
Escuela Profesional De Matemática
Los firmantes, por la presente certifican que han leído y recomiendan a la Facultad de
Ciencias Físicas y Matemáticas la aceptación de la tesis titulada "Diferencias finitas
asistido con MATLAB en la solución de Ecuaciones Diferenciales Parciales Paraboli
cas" , presentado por el Bach. Mat. Cabrera Santamaria Marco Antonio y el Bach. Mat.
Tenorio Retis Isaias Eleuterio en el cumplimiento parcial de los requisitos necesarios
para la obtención del título profesional de Licenciado en Matemáticas.
Cuti Gutierrez Raul
Presidente Jurado de Tesis
Cornetero Capitan Juan Antonio
Secretario Jurado de Tesis
Valdivia Velasquez Segundo Leonardo
Vocal Jurado de Tesis
Fecha de defensa: Marzo - 2015
Universidad Nacional Pedro Ruiz Gallo
Facultad de Ciencias Físicas y Matemáticas
Escuela Profesional de Matemática
"DIFERENCIAS FINITAS ASISTIDAS CON MATLAB EN LA SOLUCIÓN DE
ECUA ClONES DIFERENCIALES PARCIALES PARABOLICAS"
Bach. Mat. Cabrera Santamaria Marco Antonio
Autor
Bach. Mat. Tenorio Retis Isaias Eleuterio
Autor
Dr. Cárpena Velásquez Enrique
Asesor
Lambayeque - Perú
Marzo del 2015
AGRADECIMIENTOS
A Dios nuestro supremo creador;
Por cuidarnos y guiar nuestros pasos.
Por su infinito amor y sus bendiciones
derramadas sobre nuestras familias y seres queridos
A mis queridos padres: Yolanda y Santos, por su amor,
abnegación, constancia y corrección, las cuales me han
convertido en una persona con principios y espíritu de lucha.
Isaias Eleuterio Tenorio Retis
A mis amados padres: Marco y María. Gracias
por su apoyo inquebrantable e incondicional, por sus
consejos certeros y su gran amor.
Marco Antonio Cabrera Santamaría
Al Dr. Enrique Cárpena Velásquez un gran amigo
y profesor que conocimos en las aulas universitarias de la
UNPRG. Gracias por su excelente asesoramiento académico,
sin el cual el presente trabajo no hubiera sido posible
DEDICATORIA
La presente tesis se la dedico a Dios
quien me ha dado la fortaleza y la vida,
a mis padres, por su amor, trabajo y sacrificio
en todos estos años, gracias a ustedes he logrado
llegar hasta aquí y convertirme en lo que soy,
A mis compañeros y amigos presentes y pasados,
quienes sin esperar nada a cambio compartieron
su conocimiento, alegrías y tristezas y a todas
aquellas personas que durante estos cinco años
estuvieron a mi lado apoyándome y lograron
que este sueño se haga realidad.
Isaias Eleuterio Tenorio Retis
Este proyecto de tesis dedico a Dios con toda la
humildad que de mi corazón puede emanar; porque
ha estado conmigo a cada paso que doy, cuidándome y
dándome fortaleza para continuar adelante.
A mis queridos padres; quienes me impulsaron a seguir
una carrera universitaria, Gracias a ellos e llegado a
mis objetivos trazados.
Marco Antonio Cabrera Santamaría
Resumen
En el presente trabajo de investigación se presenta la solución numérica de Ecuacio
nes Diferenciales Parciales parabólicas asistidas con el software matemático Matlab. Se
aplican los métodos de diferencias finitas progresivas, diferencias finitas regresivas y el
método de Crank-Nicolson para hallar la solución más aproximada de una Ecuación Di
ferencial Parcial parabólica, por lo que es necesario presentar el problema de una manera
puramente algebraica.
Se muestra ademas que los cálculos pueden hacerse por medio de paquetes matemáticos
como el Matlab o calculadora programables las cuales tienen importantes aplicaciones
en los cursos de Matemáticas y de la Ingeniería.
I
Abstract
In the present research the numerical solution is presented Parabolic Partial Differential
Equations assisted with the mathematical software Matlab. Progressive methods of fini
te differences, finite difference regressive and Crank-Nicolson method is applied to find
the approximate solution of a Parabolic Partial Differential Equation, so it is necessary
to present the problem in a purely algebraic way.
It also shows that the calculations can be done by means of mathematical packages
such as Matlab or programmable calculator which have important applications in the
courses of Mathematics and Engineering.
II
Introducción
En la ciencia y tecnología se presentan fenómenos que habitualmente son modelados
por medio de Ecuaciones Diferenciales Parciales, las cuales muchas veces no pueden
ser resueltas mediante los métodos clásicos, motivo por el cual acudimos a los métodos
numéricos. Las Ecuaciones Diferenciales Parciales se clasifican en 3 grupos: Elípticas,
Parabólicas, Hiperbólicas; en el presente trabajo se trata sobre la solución numérica de
Ecuaciones Diferenciale Parciales parabólicas utilizando diferencias finitas asistido con
Matlab, las cuales permiten discretizar una ecuación y llegar a la solución mas aproxi
mada.
El presente trabajo se ha dividido en 3 capítulos:
En el capitulo 1 se trata sobre unos tópicos de Algebra lineal tales como matrices,
determinantes. El uso de algunos comandos del software matemático Matlab y la solu
ción de sistemas de ecuaciones lineales clásicas y numéricas.
En el capitulo 2 se hace un repaso de las Ecuaciones Diferenciales Parciales de segundo
orden, la solución clasica de la Ecuación Diferencial Parcial parabólica,diferencias finitas
y la definición de cuadrilla o malla.
En el capitulo 3 se trata la solución numérica de las Ecuaciones Diferenciales Parciales
parabólicas en sus formas: progresivas, regresivas y de Crank-Nicolson asistidas con el
software matemático Matlab.
Finalmente se da a conocer la bibliografia utilizada para el desarrollo del presente tra
bajo. De igual forma se dan las conclusiones y sugerencias que los autores del presente
trabajo han creído conveniente.
III
" .
Indice general
Resumen I
Abstract II
Introducción III
l. Métodos iterativos para la solución de sistemas de ecuaciones lineales 1
1.1. Matrices , Propiedades 1
1.2. Matrices Especiales 2
1.3. Determinantes . 5
1.4. Matlab . . . . . 8
1.5. Solución de Ecuaciones Lineales por métodos clásicos 13
1.6. Método de Jacobi . . . . . . . . . . 16
l. 7. El Método de Gauss-Seidel . . . . . 19
1.8. Gauss Seidel con Relajación (SOR) 21
2. Ecuaciones Diferenciales Parciales y Diferencias Finitas 24
2.1. Ecuaciones Semilineales de Segundo Orden . . . . . . . . . 24
2.2. Tipos de Ecuaciones Diferenciales parciales de Segundo Orden 26
2.3. Ecuación Diferencial Parcial Parabólica . 29
2.4. Malla o Cuadrilla . 31
2.5. Diferencias Finitas . . . . . . . . . 32
2.6. Método de separación de variables . 34
2.7. Transformada de Fourier . . . . . . 37
3. Ecuaciones Diferenciales Parciales Parabólicas de una Dimensión 40
3.1. Método de diferencias finitas progresivas 40
3.2. Método de diferencias finitas regresivas 52
IV
Índice general V
3.3. Método de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Conclusiones
Sugerencias
Bibliografia
71
72
73
Capítulo 1------
Métodos iterativos para la solución de
sistemas de ecuaciones lineales
1.1 Matrices , Propiedades
Definición 1.1.1. Una matriz Amxn es un arreglo rectangular de m x n números
dispuestos en m filas (renglones) y n columnas.
Así tenemos:
a u a12 ali aln
a21 a22 a2i a2n
Amxn= aíl ai2 aii a in
aml am2 amj amn
El símbolo mxn se lee: m por n.
El vector fila (ai1ai2 · · · aij · · · ain) se llama fila i, al vector columna se llama
columnaj
1
1.2. Matrices Especiales
aii es el número que aparece en la i-ésima fila y la j-ésima columna.
~=plo 1.1. A ~ [ -: ] B=[23 1 5 o -2
A es una matriz de orden 3 x 1 , aii E R.
B es una matriz de orden 2 x 4 , bii E R.
C es una matriz de orden 3 X 2 , Cij E C.
NOTACIÓN
' C=
[
1- i
3+2~
2
4 + 2i l 1- 5i
3
Se denota las matrices por: Amxn=[~i] ó (aij) , i = 1, 2, ... ,m; j = 1, 2, ... , n donde aij
es la i-jésima entrada, i=fila, j= columna.
ORDEN DE UNA MATRIZ
El orden de una matriz está dado por el producto mxn, donde m indica el número de
filas y n el número de columnas.
El conjunto de matrices m x n con elementos aij E K se denota por Kmxn
1.2 Matrices Especiales
Las matrices especiales son:
A) Matriz Cuadrada:
Es aquella que tiene igual número n de filas que de columnas (n=m). En ese caso se
dice que la matriz An = (aii) o [aij] es de orden n. Por ejemplo, la matriz
1.2. Matrices Especiales 3
Es cuadrada de orden 3.
Denotaremos el conjunto de todas las matrices cuadradas de orden n por Mn. Así, en
el ejemplo anterior, A E M3
B )Matriz Nula:
Una matriz es nula si todos sus elementos son iguales a cero.
Denotaremos por 8nxm
En el siguiente ejemplo se muestra la matriz nula 8 3x 2 de orden 3 x 2.
Más adelante veremos que la matriz nula, respecto a la adición y multiplicación de ma
trices,juega un papel similar al número cero respecto a la adición y multiplicación de
números reales.
C) Matriz Diagonal:
Una matriz cuadrada A= (aii), es diagonal si aii =O, para i =!= j y :Ji, aii =/=O, 1 :::; i :::; n
. Es decir, si todos los elementos situados fuera de la diagonal principal son cero. Por
ejemplo, la siguiente matriz es diagonal:
1 o o o o
[ -1 o ~],A,~ o o o o o
Aa = ~ -2 o o 2 o o o o o o -1 o
o o o o o D)Matriz Identidad (Unidad):
La matriz cuadrada In es una matriz diagonal ,si y sólo si aii = O ; Vi =/= j 1\ aii = 1
;Vi =j.
1.2. Matrices Especiales 4
1 o o o o 1 o o
In= o o 1 o
o o o 1
Ejemplo 1.2.
1 o o o o
J, = [ ~ ~ ] ,I, = [ ~ n ,J.=
1 o o o o o 1 o o o o 1 o o 1 ,!5 = o o 1 o o o o 1 o o o o o 1 o o o o 1 o o o o 1
E)MATRIZ TRIANGULAR:
E.1)La matriz cuadrada An es TRIANGULAR SUPERIOR si aii =O, Vi> j.
an a12 a1a a14
A4= o a22 a2a a24
o o aaa a34
o o o a44
E.2)La matriz cuadrada An es TRIANGULAR INFERIOR si aii = O, Vi < j.
an o o o
A4 = a21 a22 o o aa1 aa2 a33 o a41 a42 a43 a44
E)MATRIZ TRIDIAGONAL:
En diversas aplicaciones nos encontramos con sistemas Ax = z donde A es cuadrada
y sus elementos son todos nulos excepto los de la diagonal principal y algunas de las
paralelas a dicha diagonal. Estas matrices se denominan matriz banda.
Un caso particular de matrices banda son las matrices tridiagonales. Se llama matriz
tridiagonal a las matrices de las forma siguiente:
1.3. Determinantes 5
a u a12 o o o a21 a22 a23 o o o a32 a33 o o
A=
o o o Un-1,n-1 Un-1,n
o o o Un,n-1 Un,n
Ejemplo 1.3.
1 4 o o 4 5 o o 6 7 o o 2 -9 o 3 4 1 o 8 3 -2 o 4 -8 3 o 7 -4 2
A= ,B= C= ,D= o 2 3 -4 o 7 6 1 ' o 9 -2 1 o 5 3
o o 1 3 o o 9 5 o o 8 4 o o 2
1.3 Determinantes
Definición 1.3.1. El determinante viene a ser una función que aplicada a una matriz
cuadrada da un único valor numérico. Sea Mnxn el conjunto de todas las matrices
cuadradas de orden n, entonces la definición queda de la siguiente manera:
1 1 : Afnxn --+ R ó C
A --+ IAI Notación:
Sea A una matriz cuadrada, entonces el determinante de la matriz A se representa por
IAI , det(A) o detA.
Determinante de una matriz cuadrada de orden 2.
Sea A una matriz cuadrada de orden 2x2:
Su determinante se define mediante la fórmula:
IAI=
o o 1
-5
1.3. Determinantes
Ejemplo 1.4. Sea la matriz cuadrada de orden 2x2, A= [ 5 8
] hallar det A: 10 3
Solución.
IAI= 5 8 = 5(3) - 8(10) = 15 - 80 = -65 10 3
Determinante de una matriz cuadrada de orden 3.
Sea A una matriz cuadrada de orden 3x3.
A = [ ::: ::: ::: l a31 a32 · a33
Su determinante se define mediante la fórmula:
au a12 a13
6
IAI = a21 a22 a23 = aua22a33+ai2a23a3¡+a13a21a32-a31a22a13-a32a23au-a33a21al2·
a31 a32 a33
Ejemplo 1.5. Sea la matriz A= [! ~ ! ] , hallar det A.
1 2 3
IAI = 3 2 1 = 1(2)(3) + 2(1)(2) + 3(3)(1)- 2(2)(3)- 1(1)(1)- 3(3)(2) = -12.
2 1 3
Cálculo del determinante de orden n, por los adjuntos:
Cuando el orden de los determinantes es superior a 3 la regla de Sarrus no es fácilmente
aplicable y entonces utilizamos el método de los adjuntos, que reduce el orden en una
unidad cada vez que le utilizamos.
Para ello vamos a definir dos nuevos conceptos:
Menor complementario:
Dada una matriz An se llama menor complementario de un elemento aii al determinante
de la matriz, que resulta de suprimir la fila i y la columna j en la matriz An: se llama
ffiij·
Adjunto de un Elemento
Al producto de ( -1 )i+i por el menor complementario mii de aii se llama adjunto de un
elemento aii y se escribe Aij .
1.3. Determinantes 7
A partir de estas definiciones obtenemos otra forma de calcular un determinante: el valor
de un determinante de orden n es igual a la suma de los productos de los elementos de
una fila o columna por sus respectivos adjuntos.
IAI = L~j=l ai,j·Aij = ailAil + ai2Ai2 + ai3Ai3 + · · · + ain·Ain
+atjAlj + a2jA2j + a3jA3j + · · · + anj·Anj
1 o 2 o
Ejemplo 1.6. Calcular el valor del determinante, A= 1 2 o 1
-1 1 4 -1
3 -1 -3 -2
Solución. Elegimos la primera fila ya que tiene dos elementos nulos y eso va a simpli
ficar el cálculo: 1 o 2 o 1 2 o 1
= l.An + O.A12 + 2.A¡3 + O.A¡4 -1 1 4 -1
3 -1 -3 -2
2 o 1 1 2 1
=1.(-1)1+1. 1 4 -1 +O.m12 +2.(-1)1+3. -1 1 -1 +O.m14.
-1 -3 -2 3 -1 -2
Cuando llegamos a un determinante de orden tres, podemos aplicar Sarrus:
1[(-16)+(-3)-[(-4)+6]]+ 2[(-2)+1 + (-6)-[3+1+4]]=-51.
Propiedades:
l. Para toda matriz Anxn se tiene detA = det(At).
2. El determinante de una matriz Anxn cambia de signo si dos filas o dos columnas
se intercambian.
3. Si la matriz Bnxn se obtiene de la matriz Anxn trasladando una de sus filas o
columnas k lugares, entonces, IBI = ( -1)kiAI.
4. Si una matriz Anxn se tiene que una fila o columna es múltiplo de otra fila o
columna, entonces el determinante de dicha matriz vale CERO.
1.4. Matlab 8
5. Si en una matriz Anxn todos los elementos de una matriz fila o columna son CEROS
entonces su determinante vale CERO.
6. Si una matriz Anxn todos los elementos de una fila o columna son múltiplos por
un escalar K, entonces el valor del determinante también queda multiplicado por
K.
7. Si a una fila o una columna de una matriz Anxn se le suma el múltiplo de otra fila
o columna, se tendrá que el valor del determinante Anxn no varía.
8. Si los elementos de una fila o columna cualquiera consta de dos términos, el de
terminante puede expresarse como la suma de otros dos determinantes.
9. El determinante de la matriz identidad es igual a la unidad.
10. Sea D = [dij] una matriz diagonal de orden nxn, entonces IDI = d11 .d22.d33 ... dnn·
11. El determinante de una matriz triangular superior o triangular inferior es igual al
producto de los elementos de la diagonal principal.
12. En forma general el determinante de una suma de matrices es diferente de la suma
de los determinantes de cada matriz, es decir: det(A + B) = det(A) + det(B).
13. El determinante de un producto de matrices es igual al producto de los determi
nantes de las matrices, es decir: det(AxB) = det(A)xdet(B).
1.4 Matlab
MATLAB es un entorno de computación y desarrollo de aplicaciones totalmente inte
grado orientado para llevar a cabo proyectos en donde se encuentren implicados elevados
cálculos matemáticos y la visualización gráfica de los mismos. MATLAB integra análi
sis numérico, cálculo matricial, proceso de señal y visualización gráfica en un entorno
completo donde los problemas y sus soluciones son expresados del mismo modo en que
se escribirían radicionalrnente, sin necesidad de hacer uso de la programación tradicional.
1.4. Matlab
Matrices en Matlab:
Para introducir una matriz en Matlab se procede de la forma siguiente.
Ejemplo l. 7. tenemos la matriz.
Se introduce como:
O bien
2 3
6 7
>>A= [ 1 2 3 4
>>A= [ 1,2,3,4 ; 5,6,7,8];
9
Observemos que unas matrices especiales son los vectores, de esta forma, el vector fila
v = (1.0,1.1,1.2, ... ,2.0), se escribe en Matlab como:
>>V= [ 1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9, 2.0 ]
Operaciones y comandos para matrices:
Hemos visto cómo se introducen las matrices en Matlab. Veamos un ejemplo para in
troducir algunos de los comandos básicos:
Ejemplo 1.8. Definimos dos matrices:
>>A= [ 2 1
A= 2 1
3 2
>> B = [ 3 4 -1
B= 3 4
-1 5
• Para sumas las 2 matrices:
>>A+B
5 5 ans=
2 7
5 ]
1.4. Matlab
• Para multiplicar una matriz por un escalar:
• Producto de matrices:
ans= 6 3
9 6
>>C=A*B
C= 5 13 7 22
10
Siempre que los tamaños de las matrices sean los adecuados. Para saber cuál es
el tamaño de una matriz con la que estamos trabajando, se utiliza el siguiente
comando:
>> size(A)
ans = 2 2
Que quiere decir, evidentemente, 2 filas y 2 columnas.
• Para calcular la matriz transpuesta:
>>A
2 3 ans=
1 2
Matrices especiales con Matlab:
• Para generar la matriz identidad cuadrada:
>> eye(3)
1 o o ans = o 1 o
o o 1
• Una matriz 3 x 2 llena de unos:
> > ones(3, 2)
1.4. Matlab 11
• Si queremos que esté llena de ceros:
> > zeros(3, 2)
• Para generar una matriz con números aleatorios uniformemente distribuidos entre
o y 1:
> > rand(3, 2)
Rango, Inversa y Determinante:
Definimos la matriz:
Ejemplo 1.9.
>>X= [ 2 3 4 1 -1 O ]
X= 2 3 4
1 -1 o Para calcular su rango:
>> rank(X)
ans= 2
Supongamos que tenemos definida la siguiente matriz:
Para calcular su inversa:
8 1 6
H= 3 5 7
4 9 2
>> inv(H)
0,1472 -0,1444 0,0639
ans = -0,0611 0,0222 0,1056
-0,0194 0,1889 -0,1028
Y si queremos ver el resultado en forma racional:
> > f ormatrational
>> inv(H)
53/360 -13/90 23/360
ans = -11/180 1/45 19/180
-7/360 17/90 -37/360
1.4. Matlab 12
Para calcular el determinante de la matriz anterior H:
>> det(H)
ans = -360
Funciones matemáticas elementales:
sqrt(x) raiz cuadrada sin(x) seno
abs(x) módulo cos(x) coseno
conj(z) complejo conjugado tan(z) tangente
real(z) parte real asin(x) arcoseno
imag(z) parte imaginaria acos(x) arcocoseno
angle(z) argumento atan(x) arco tangente
exp(x) exponencial rats(x) aprox. racional
log(x) logaritmo natural rem(x,y) resto de dividir x por y
loglO(x) logaritmo decimal sign(x) signo (1 1 -1 1 O)
Funciones matriciales fundamentales:
B=A' Calcula la transpuesta( conjugada) de la matriz A.
B=A! Calcula la tranpuesta( sin conjugar) de la matriz A.
V= poly(A) Devuelve un vector V con los coeficientes del polinomio carácteristico
de la matriz cuadrada A.
t = trace(A) Devuelve la traza t(Suma de los elementos de la diagonal)
de una matriz cuadrada A.
[m,n] = size(A) Devuelve el número de filas m y de columnas n de una matriz rectangular A.
n = size(A) Devuelve el tamaño de una matriz cuadrada A.
nf = size(A,1) Devuelve el número de filas de A.
nc = size(A,2) Devuelve el número de columnas de A.
1.5. Solución de Ecuaciones Lineales por métodos clásicos 13
1.5 Solución de Ecuaciones Lineales por métodos
clásicos
Sistema de Ecuaciones Lineales:
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales de la forma:
a11x¡ + a12X2 + a 21 x 1 + a 22x 2 +
+ a¡nXn - b¡
+ a2nXn b2
En este caso tenemos m ecuaciones y n incógnitas. Los números reales aii se denominan
coeficientes y los Xi se denominan incógnitas (o números a determinar) y bi se denomi
nan términos independientes.
Resolver el sistema consiste en calcular las incógnitas para que se cumplan TODAS
las ecuaciones del sistema simultáneamente. Diremos que dos sistemas son equivalentes
cuando tienen las mismas soluciones.
Expresión matricial de un sistema:
Cualquier sistema de ecuaciones lineales se puede expresar en forma matricial del modo:
a u a12 a¡n X¡ b¡
a21 a22 a2n X2 b2
aml am2 amn Xn bn
an a¡2 a¡n
La matriz A= a21 a22 a2n
se llama Matriz de Coeficientes.
aml am2 amn
1.5. Solución de Ecuaciones Lineales por métodos clásicos 14
X1
~ ~ La matriz X= se llama matriz de incógnitas y La matriz B= se llama matriz
Xn
de términos independientes.
La matriz formada por A y B conjuntamente, es decir:
(AIB) =
Se llama matriz ampliada del sistema y se representa por (AIB) o por A*.
El sistema:
escrito matricialmente es:
Y la matriz ampliada es:
Tipos de Sistemas:
{
2x- y+ z = 1
x+y- 5z =4
X- 2y+ Z = 6
(AIB) = [ ~ -~ -~ ~ l 1 -2 1 6
En general, buscaremos las soluciones de los sistemas en los números reales. Dependiendo
del posible número de tales soluciones reales que tenga un sistema, estos de pueden
clasificar en:
l. IMCOMPATIBLE
2. COMPATIBLES: Tienen solución
1.5. Solución de Ecuaciones Lineales por métodos clásicos
• DETERMINADOS
Solución única (S.C.D)
• INDETERMINADOS
Infinitas Soluciones (S.C.I)
Solución de un sistema de ecuaciones:
15
Es un conjunto de valores de las incógnitas que verifican simultáneamente a todas y
cada una de las ecuaciones del sistema.
De acuerdo con su solución, un sistema puede ser: Consistente, si admite solución; o
Inconsistente, si no admite solución. Un sistema Consistente puede ser: Determinado,
si la solución es única o Indeterminado, si la solución no es única, es decir, existe una
infinidad de soluciones.
Método de Gauss
Dado un Sistema de Ecuaciones Lineal Ax = b con A E Mnxn inversible, el principio
que rige el método de Gauss para la resolución del sistema se puede resumir en "la de
terminación de una matriz inversible M tal que la matriz M A sea triangular superior" .
Este es el proceso llamado de eliminación. Una vez analizado este proceso se resolverá el
sistema triangular equivalente M Ax = Mb mediante el método de sustitución retrógra
da.
En la práctica no se calcula M; sino directamente los productos M A y J\!!b.
El Método de Gauss se realiza en tres bloques:
l. Proceso de eliminación sucesiva de incógnitas, que equivale a la determinación de
una matriz M tal que M A sea triangular superior.
2. Cálculo del vector Mb; que se suele realizar simultáneamente al bloque l.
3. Resolución de sistema triangular M Ax = Mb por sustitución retrógrada.
Gauss normal:
El proceso de eliminación se realiza en ( n - 1) etapas: en cada etapa k - ésima se
obtienen ceros en la columna k por debajo de la diagonal principal. Así, partiendo de
A1 =A, en la etapa k- ésima se construye Ak+l a partir de Ak = (at).
1.6. Método de Jacobi 16
Para poder realizar cada etapa k - ésima se exigirá (y esta es la característica esencial
de Gauss Normal) que:
a~k #-O ,Vk = 1, 2, ... , n
Etapa k- ésima Se hacen ceros en la columna k por debajo de la diagonal principal
restando a las filas i = k + 1, ... , n, la fila k multiplicada por afk-:::¡;;-akk"
Matricialmente, esto corresponde a hacer Ak+l = EkAk con:
1 o
1 k (det(Ek) = 1) ak+l k 1 -""""':F akk
a~,k o 1 --::k akk
o
Una vez realizadas las (n-1) etapas se tiene:
M donde es una matriz triangular superior, y simultáneamente:
1.6 Método de Jacobi
El método de Jacobi es un método iterativo para resolver sistemas de ecuaciones linea
les más simples y se aplica sólo a sistemas cuadrados, es decir a sistemas con tantas
incognitas como ecuaciones.
l. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecua
ciones y las incognitas. De la ecuación i se despeja la incógnita i. En notación
matricial se escribe como:
x = c+Bx
1.6. Método de Jacobi 17
Donde x es el vector de incógnitas.
2. Se toma una aproximación para las soluciones y a ésta se le designa por x0
3. Se itera en el ciclo que cambia la aproximación
Ejemplo 1.10. Partiendo de (x=1, y=2) aplique dos iteraciones del método de jacobi
para resolver el sistema:
[~ + 2y - ~] 4y -
Solución
X 0,20 + O,OOx 0,40y
y 0,00 + 0,25x + O,OOy
[X]~ [0,20]+ [0,00 -0,40] [X] y 0,00 0,25 0,00 y
Aplicamos la primera iteración partiendo de x0 = 1,00 y y0 = 2,00:
X¡ 0,20 + 0,00(1,00) 0,40(2,00) - -0,60
Y1 = 0,00 + 0,25(1,00) + 0,00(2,00) 0,25
Aplicamos la segunda iteración partiendo de x1 = -0,60 y y1 = 0,25:
0,20 + 0,00( -0,60) 0,40(0,25)
0,00 + 0,25( -0,60) + 0,00(0,25) =
Aplicamos la siguiente iteración partiendo x2 = 0,10 y y2 = -0,15
0,10
-0,15
X3 - 0,20 + 0,00(0,10) 0,40( -0,15) 0,26
Y3 0,00 + 0,25(0,10) + 0,00( -0,15) 0,025
Aplicamos la siguiente iteración partiendo de X3 = 0,26 y y3 = 0,025:
X4 - 0,20 + 0,00(0,26) 0,40(0,025) - 0,190
Y4 0,00 + 0,25(0,26) + 0,00(0,025) 0,065
1.6. Método de Jacobi 18
Aplicamos la siguiente iteración partiendo de x4 = 0,190 y y4 = 0,065:
X5 0,20 + 0,00(0,19) 0,40(0,065) 0,174
Y5 0,00 + 0,25(0,19) + 0,00(0,065) 0,0475
Aplicamos la siguiente iteración partiendo de x5 = 0,174 y y5 = 0,0475:
X6 - 0,20 + 0,00(0,174) 0,40(0,0475) - 0,181
Y6 0,00 + 0,25(0,174) + 0,00(0,0475) - 0,0435
Si uno dispone de una hoja de cálculo como excel es facil realizar los calculas anteriores:
i Xi Yi Xi+l Yi+l Di
o 1.000 2.000 -0.600 0.250 1.750
1 -0.600 0.250 0.100 -0.150 0.700
2 0.100 -0.150 0.260 0.025 0.175
3 0.260 0.025 0.190 0.065 0.070
4 0.190 0.065 0.174 0.047 0.017
5 0.174 0.074 0.181 0.043 0.007
6 0.181 0.043 0.182 0.045 0.001
Donde:
Este Di es utilizado como criterio de paro en las iteraciones. Cuando Di es menos que
cierto valor dado (Digamos 0.001) uno ya no realiza la siguiente iteración.
Convergencia y convergencia en Jacobi:
Uno de los principales problemas de los métodos iterativos es la garantía de que el
método va a converger, es decir, va a producir una sucesión de aproximaciones cada
vez efectivamente más proximas a la solución. En el caso del método de Jacobino existe
una condición exacta para la convergencia, Lo mejor es una condición que garantiza
la convergencia, pero en caso de no cumplirse puede o no haberla es la siguiente: si la
matriz de coeficientes original del sistema de ecuaciones es Diagonalmente Dominante,
el método de Jacobi seguro converge.
Matriz Diagonalmente Dominante:
Una matriz se dice matriz diagonalmente dominante, si en cada uno de los renglones,
el valor absoluto del elemento de la diagonal principal es mayor que la suma de los
valores absolutos de los elementos restantes del mismo renglon. A veces la matriz de un
l. 7. El Método de Gauss-Seidel 19
sistema de ecuaciones no es diagonalmente dominante pero cuando se cambia el orden
de las ecuaciones y las incógnitas el nuevo sistema puede tener matriz de coeficientes
diagonalmente dominante.
Ejemplo 1.11. Son matrices diagonalmente dominante:
[ : ~ l , [ : ~ -~ ] ' [ -~ ~ ~ ] 3 2 9 3 2 -9
Ejemplo 1.12. No son matrices diagonalmente dominantes.
l. 7 El Método de Gauss-Seidel
El método de Gauss-seidel es muy semejante al método de Jacobi. Mientras que en el de
Jacobi se utiliza el valor de las incógnitas para determinar una nueva aproximación, en
el de Gauss-Seidel se va utilizando los valores de las incógnitas recien calculados en la
misma iteración, y no en la siguiente. Por ejemplo, en el método de Jacobi se obtiene en
el primer cálculo xi+l' pero este valor de x no se utiliza sino hasta la siguiente iteración.
En el método de Gauss-Seidel en lugar de eso se utiliza de xi+1 en lugar de xi en forma
inmediata para calcular el valor de Yi+l de igual manera procede con las siguientes
variables; siempre se utilizan las variables recien calculadas.
Ejemplo 1.13. Partiendo de (x = l,y = 2) aplique dos iteraciones del método de
Gauss-Seidel para resolver el sistema:
[5xx + 2y = 1]
- 4y = o
Debemos primeramente despejar de la ecuación la incógnita correspondiente.
l. 7. El Método de Gauss-Seidel
x = 0,20 + O,OOx - 0,40y
y = 0,00 + 0,25x + O,OOy
Aplicamos la primera iteración partiendo de x 0 = 1,00 y Yo= 2,00:
X¡ = 0,20 + 0,00(1,000) - 0,40(2,00) = -0,60
Y1 = 0,00 + 0,25( -0,600) + 0,00(2,00) = -0,15
Aplicamos la segunda iteración partiendo de x1 = -0,600 y y1 = -0,15:
X2 = 0,20 + 0,00( -0,600) - 0,40( -0,15) = 0,26
Y2 = 0,00 + 0,25(0,26) + 0,00( -0,15) = 0,065
Aplicamos la tercera iteración partiendo de x2 = 0,26 y y2 = 0,065:
X3 = 0,20 + 0,00(0,26) - 0,40(0,065) = 0,174
Y3 = 0,00 + 0,25(0,174) + 0,00(0,174) = 0,0435
20
Ejemplo 1.14. Partiendo de (x = 1,y = 2,z = O) aplique dos iteraciones del método
de Gauss-Seidel para resolver el sistema:
[
10x + Oy
4x + 12y
4x + 4y +
z = -1] 4z = 8
lOz 4
Solución. Debemos primeramente despejar de la ecuación la incógnita correspondiente.
x -0,10 + O,OOx + O,OOy + O,lOz
y 0,66 - 0,33x + O,OOy + 0,33z
z 0,40 - 0,40x - 0,40y + O,OOz
Aplicamos la primera iteración partiendo de x0 = 1,00, y0 = 2,00 y z0 = 0,00.
X¡ -0,10 + 0,00(1,00) + 0,00(2,00) + 0,10(0,00) -0,10
Y1 0,66 - 0,33( -0,10) + 0,00(2,00) + 0,33(0,00) = 0,70
Z¡ - 0,40 - 0,40( -0,10) - 0,40(0,70) + 0,00(0,00) = 0,16
Aplicamos la segunda iteración partiendo de x1 = -0,10 , y1 = 0,70 y z1 = 0,16.
-0,10 + 0,00( -0,10) + 0,66 - 0,33( -0,084) + 0,40 - 0,40( -0,084) -
0,00(0,70) + 0,10(0,16)
0,00(0,70) + 0,33(0,16) = 0,40(0,748) + 0,00(0,16) =
-0,084
0,748
0,134
Aplicamos la tercera iteración partiendo de x 2 = -0,084 , Y2 = 0,748 y z2 = 0,134
-0,10 + 0,00( -0,084) +
Y3 - 0,66 0,33( -0,086) + 0,40 0,40( -0,086)
0,00(0,748)
0,00(0,748)
0,40(0,740)
+ 0,10(0,134) = + 0,33(0,134) -
+ 0,00(0,134)
-0,086
0,740
0,138
1.8. Gauss Seidel con Relajación (SOR) 21
1.8 Gauss Seidel con Relajación (SOR)
Después de calcular un nuevo valor de x por la ecuación de Gauss Seidel, ese valor
se modifica por un promedio ponderado de los resultados de las iteraciones hechas con
Gauss Seidel, esto se conoce como técnica SOR o de relajación. El esquema es el siguiente:
P~-"t- 1 = (1 - w)p~. + wp~-"t- 1 t,J t,J t,J
El cuál debemos seguir los siguientes pasos:
l. Para hallar los valores de x en el sistema de ecuaciones empleo la ecuación funda
mental.
2. Reemplazo el W dado inicialmente y obtengo un nuevo sistema de ecuaciones.
3. Reemplazo los valores iniciales, y empiezo a iterar hasta alcanzar un Ea menos a
la tolerancia dada.
Ejemplo 1.15. Resuelva el siguiente sistema de ecuaciones empleando el método de
Gauss Seidel Relajado (SOR).
6x + 2y + z - 22
-x + 8y + 2z - 30
x - y + 6z - 23
con un vector inicial (0, O, 0), y con un factor de relajación de W = 1,25.
Solución. debemos primeramente despejar de la ecuación la incógnita correspondiente.
X 3,67
y 3,75
z - 3,83
0,33y 0,17z
0,125x 0,25z
0,17x + 0,33y
Luego lo llevamos a la forma de la ecuación fundamental es decir:
1.8. Gauss Seidel con Relajación (SOR)
Entonces tendremos :
X 3,67w 0,33yw 0,17zw + (1- w)x
y 3,75w + 0,125xw 0,25zw + (1- w)y
z - 3,83w 0,17xw + 0,33yw + (1- w)z
Reemplazamos el valor del W dado y obtengo el nuevo sistema de ecuaciones.
x - 3,67(1,25) 0,33y(1,25) 0,17z(1,25) + (1 -1,25)x
y = 3,75(1,25) + 0,125x(1,25) - 0,25z(1,25) + (1- 1,25)y
z = 3,83(1,25) - 0,17x(1,25) + 0,33y(1,25) + (1 - 1,25)z
Llevando a cabo la operación anterior se tiene que :
X = 4,5875 0,4125y 0,2125z 0,25x
y 4,6875 + 0,15625x 0,3125z 0,25y
z 4,7875 0,2125x + 0,4125y 0,25z
22
Empleo los valores iniciales para la primera operación, teniendo en cuenta que este
método trabaja de igual forma que Gauss Seidel.
X 4,5875 0,4125(0) 0,2125(0) 0,25(0)
X - 4,5875
y 4,6875 + 0,15625( 4,5875) 0,3125(0) 0,25(0)
y 5,4043
z 4,7875 0,2125( 4,5875) + 0,4125(5,4043) - 0,25(0)
z 6,0419
Empiezo a iterar hasta alcanzar un Error menor a la tolerancia dada. Realizamos la
tabla de iteraciones como se muestra a continuación.
iteración X Ea y Ea z Ea
o o o o 1 4.58 100.00 5.40 100.00 4.96 100.00
2 0.15 2913.11 1.81 198.62 3.90 27.37
3 2.98 94.89 3.48 48.05 3.92 0.67
4 1.57 89.79 2.84 22.80 4.07 3.74
5 2.16 27.32 3.04 6.78 3.96 2.98
6 1.95 10.71 3.00 1.58 4.02 1.57
7 2.01 2.92 3.00 0.04 3.99 0.70
8 2.00 0.47 3.00 0.23 4.00 0.26
1.8. Gauss Seidel con Relajación (SOR) 23
Al llegar a este punto claramente podemos decir que el método iterativo con mayor
velocidad de convergencia es el del Gauss Seidel.
•
Capítulo 2------
Ecuaciones Diferenciales Parciales y
Diferencias Finitas
2.1 Ecuaciones Semilineales de Segundo Orden
Ecuación Diferencial:
Definición 2.1.1. Una ecuación diferencial es una ecuación en la que intervienen de
rivadas de una o más funciones desconocidas. Dependiendo del número de variables
independientes respecto de las que se deriva, las ecuaciones diferenciales se dividen en:
Ecuaciones diferenciales ordinarias:
Definición 2.1.2. Son aquellas que contienen derivadas respecto a una sola variable
independiente.
Ecuaciones en derivadas parciales:
Definición 2.1.3. Son aquellas que contienen derivadas respecto a dos o más variables.
Orden de la ecuación:
Definición 2.1.4. El orden de la derivada más alta en una ecuación diferencial se
denomina orden de la ecuación.
24
HEIEROTECA·U~I.P.I.C
2.1. Ecuaciones Semilineales de Segundo Orden 25
Grado de la ecuación:
Definición 2.1.5. Es la potencia de la derivada de mayor orden que aparece en la
ecuación, siempre y cuando la ecuación esté en forma polinómica, de no ser así se
considera que no tiene grado.
Ecuación diferencial lineal:
Se dice que una ecuación es lineal si tiene la siguiente forma.
an(x)yn + an-1(x)yn-1 + . . . a1(x)y' + ao(x)y - g(x)
Es decir:
l. Ni la función ni sus derivadas están elevadas a ninguna potencia distinta de uno o
cero.
2. En cada coeficiente que aparece multiplicándolas sólo interviene la variable inde
pendiente.
3. Una combinación lineal de sus soluciones es también solución de la ecuación.
Ejemplo 2.1. y'= y es una ecuación diferencial ordinaria lineal de primer orden, tiene
como soluciones y= f(x) = kEx con k un número real cualquiera.
Ejemplo 2.2. y"+ y = O es una ecuación diferencial ordinaria lineal de segundo orden,
tiene como soluciones y= f(x) = acos(x) + bsen(x), con a y b reales.
Ejemplo 2.3. y"- y= O es una ecuación diferencial ordinaria lineal de segundo orden,
tiene como soluciones aEx + b-f; con a y b reales.
Ecuaciones cuasilineales
Definición 2.1.6. Una ecuación diferencial ordinaria de orden n se llama cuasilineal
si es lineal en la derivada de orden n. Más específicamente, si la ecuación diferencial
ordinaria para la función y(x)puede escribirse en la forma:
J (' n n-1 11 1 ·) _ 0 y ,y , ... ,y ,y,y,x-
2.2. Tipos de Ecuaciones Diferenciales parciales de Segundo Orden 26
Ecuaciones semilineales
Definición 2.1.7. Una ecuación diferencial ordinaria de orden n se llama semilineal
si puede escribirse como suma de una función lineal de la derivada de orden n más
una función cualquiera del resto de derivadas. Formalmente, si la ecuación diferencial
ordinaria para la función y(x) puede escribirse en la forma:
f( n n-1 11 1 ) _ fA( n ) + ( n-1 1 ) y ,y , ... ,y ,y,y,x - y ,x g y , ... ,y,y,x
Ejemplo 2.4. La ecuación Ut = Uxxx + uux. u= u(x, t), x E R t E R.
Es una ecuación diferencial de tercer orden semilineal, ya que a pesar de no ser lineal por
el término uux la parte principal que es Uxxx es lineal. Esta escuación es conocida como
ecuación de Korteweg de vries y ella describe la propagación de ondas no lineales en
medios dispersivos no disipativos.
Ejemplo 2.5. La ecuación Ut + uux = kuxx· k constante u= u(x,t). x E R,
t > O. Es una ecuación diferencial de segundo orden semilineal y conocida como ecuación
de Burger. Esta ecuación es no lineal por causa del sumando uux; sin embargo es
semilineal porque la parte principal de la ecuación que es kuxx es lineal.
Ejemplo 2.6. La ecuación de Schrodinger ih8t'l/J = _!!_ó.'ljJ + V(x)'ljJ, donde 2m
'ljJ = '1/J(x, t), t E R y x E JR~><. Donde V(x) es una función con valores reales, h es
constante de Plank, m > O, i = J=I. Es una ecuación diferencial parcial de segundo
orden semilineal. Ella describe la interacción de una partícula cuántica de masa m con
potencial V(x). Ejemplo clásico del potencial V(x) es V(x) = iu(x, t)ik, k> O.
2.2 Tipos de Ecuaciones Diferenciales parciales de
Segundo Orden
Ecuaciones diferenciales parciales
Definición 2.2.1. Una ecuación en derivadas parciales o ecuación diferencial parcial
(E.D.P} es una ecuación que depende de una función desconocida de dos o más variables
independientes, es decir u = u(x1, x2 , x3 , •.. , xn) y sus derivadas parciales, donde u :
2.2. Tipos de Ecuaciones Diferenciales parciales de Segundo Orden 27
U e JRn --+IR, U e JRn. Más precisamente, una ecuación diferencial parcial en n variables
independientes x1 , ... , Xn es una ecuación de la forma:
Donde:
X= (xl, ... , Xn) E 0 e JRn
F es una función desconocida
u es la solución de la ecuación (2.1)
El orden de una ecuación diferencial parcial está dado por la derivada de mayor orden
que está en la ecuación.
Ejemplo 2. 7. EDP de orden 1, se escribe:
au au F(x1, · · · , xn, u, -a , · · · , -a ) = O
Xl Xn
Ejemplo 2.8. EDP de orden 2, se escribe:
au au a2 a2u F(xl, ... 'Xn, u, -a ' ... '-a 'a 2' ... 'a 2) =o
X1 Xn X1 Xn
Se dice que una ecuación diferencial parcial es lineal si es de primer grado en u y en
todas las derivadas parciales que aparecen en la ecuación; caso contrario se dice que la
ED P es no lineal.
• La forma general de una ecuación lineal de primer orden es:
n
L ai(x)aiu + b(x)u + c(x) =O j=l
donde, algún aj =!=O , j = 1, ... , n Estas ecuaciones no tienen muchas aplicaciones
físicas, pero que plantean de forma sencilla los problemas de las de segundo or
den. Veremos que pueden resolverse si es posible integrar una ecuación diferencial
ordinaria de primer orden, cuyas curvas integrales son llamadas características.
• La forma general ede una EDP lineal de segundo orden es:
n m n
L L aii(x)aiaiu + L bi(x)aiau + c(x)u + d(x) =O i=l j=l j=l
Donde, algún aij =!=O.
2.2. Tipos de Ecuaciones Diferenciales parciales de Segundo Orden 28
• La parte de una EDP formada por los términos de mayor orden se llama parte
principal de la ecuación.
parte principal
• Las EDPs no lineales que tienen parte principal lineal se llaman semilíneales
82u 8
3u (au)
2
8x2 + 8x3 + ax + u = o
Ejemplo 2.9.
l. xux+yuy=O Primer orden, lineal.
Primer orden, no lineal.
3. Uxx + 2Uxy + Uyy = O Segundo orden, lineal.
4. Ut + UUx + Uxxx = O Tercer orden, semilineal.
Tipos de ecuaciones diferenciales parciales de segundo orden:
Las ecuaciones diferenciales parciales de segundo orden se clasifican habitualmente den
tro de cuatro tipos de ecuaciones diferenciales parciales que son de interés fundamental
a continuación se dan ejemplos de estos cuatro tipos:
l. Elípticas: Las que no tienen derivada con respecto al tiempo son elípticas.
Ejemplo 2.10. Laplace Elíptica
Esta es una ecuación bidimensional, de segundo orden, lineal homogéneo y de
coeficientes constantes.
2. Parabólicas: las que tienen derivada con respecto al tiempo son parabólicas.
Ejemplo 2.11. Difusión parabólicas
au 2 82u 8t =e. 8x2
2.3. Ecuación Diferencial Parcial Parabólica 29
Es la ecuación unidimensional de difusión del calor, de segundo orden, lineal,
homogénea y de coeficientes constantes.
3. Hiperbólicas: Las ecuaciones con segunda derivada con respecto al tiempo son
usualmente hiperbólicas.
Ejemplo 2.12. Onda hiperbólica.
82u 2 82u 8t2 =e· 8x2
Es la ecuación de onda unidimensional, que describe fenómenos de tipo oscilatorios
y es de segundo orden, lineal, homogénea y de coeficientes constantes.
2.3 Ecuación Diferencial Parcial Parabólica
Las ecuaciones que rigen la difusión de partículas en movimiento o la conducción del
calor, son ecuaciones diferenciales de tipo parabólico:
El problema del flujo calorífico de estado inestable es una situación física. El caso más
simple es para el flujo de calor en una sola dirección. Imagínese una varilla de sección
transversal uniforme y aislada alrededor de su perímetro, de manera que el calor solo
fluye longitudinalmente. Considérese una parte diferencial de la varilla de longitud dx
con una área de sección transversal A.
Sea u la temperatura en cualquier punto de la varilla, cuya distancia al extremo izquier
do es x. El calor está fluyendo de izquierda a derecha bajo la influencia del gradiente de au temperatura ax.
2.3. Ecuación Diferencial Parcial Parabólica
Area= A
() ~) o clx
Figura 2.1: Varilla de sección transversal
Rapidez de flujo del calor que entra:
Rapidez de flujo del calor que sale:
-KAau ax
-KA -+- - dx ( au a (au)) ax ax ax
30
La diferencia entre la rapidez de flujo que entra y que sale es la rapidez en la cual el
calor está siendo almacenado en el elemento. Si e es la capacidad calorífica caljg.C' y p
es la densidad g/ cm3 , se tiene con t para el tiempo.
-KA~:- (-KA(~:+ :x (~:)dx)) = Cp(Adx)~~ Simplificando, se tiene:
K82u =C 8u
8x2 p 8t
Este es el modelo matemático básico para el flujo de estado inestable. Se ha deducido
para el tipo de flujo calorífico, pero se amplía igualmente a la difusión de material,flujo
de fluidos, etc.
En dos o tres dimensiones espaciales, se aplica la ecuación análoga:
(82u 82u) au
K 8x2 + 8y2 = Cp 8t
( 82u 82u 82u) 8u
K 8x2 + fJy2 + 8z2 = Cp 8t
La función a la cual se le llama solución del problema, no sólo debe obedecer a la ecua
ción diferencial que se dio antes, sino tambien debe satisfacer a una condición inicial y
a un conjunto de condiciones en la frontera. Para el problema de flujo calorífico unidi
mensional será las temperaturas iniciales en todos los puntos a lo largo de la varilla.
2.4. Malla o Cuadrilla 31
u(x, t)it=O = u(x, O)= f(x)
Las condiciones en la frontera describirán la temperatura en cada extremo de la varilla
como funciones del tiempo.
2.4 Malla o Cuadrilla
Cuando se resuelve numéricamente un problema de modelado continuo, es necesario
convertirlo de continuo a un conjunto finito de puntos. La selección de puntos es deter
minada por la generación de mallas. En problemas simples, la malla puede ser elegida a
priori. Pero si el problema involucra una región compleja en un espacio bi o tridimensio
nal, entonces el conjunto discreto de puntos de la región debe ser adaptada a la forma
de esa zona.
Definición 2.4.1. Una malla generada numéricamente es pensada como el conjunto
organizado de puntos formado por las intersecciones de las líneas de un sistema de coor
denadas. La característica esencial de un sistema tal es que alguna línea coordenada (o
en tres dimensiones, alguna superficie coordenada} sea coincidente con cada segmento de
la frontera de la región física. El uso de intersecciones de líneas coordenadas para definir
los puntos de la malla proporciona una estructura organizacional que permite que todos
los cálculos sean real'izados en una malla cuadrada fija cuando las ecuaciones diferencia
les que se estén Tesolviendo hayan sido transformadas de tal manera que las coordenadas
curvilíneas reemplacen a las coordenadas cartesianas como variable independientes. La
malla libera a la simulación computacional de restringuirse a cieTtas formas de frontera
y permite la generación de códigos de uso general en los cuales la forma de la frontera
es especificada simplemente en la entrada de datos. Las fronteras también pueden estar
en movimiento, ya sea por especificaciones externas o en respuesta al desarrollo de la
solución física. Similarmente, el sistema de coordenadas puede ajustarse para seguir la
variación en la solución física. En cualquier caso, la malla generada numéricamente
permite que todos los cálculos sean realizados en una malla cuadrada fija en el cam
po computacional(también llamado espacio lógico), el cual es siempre rectangulaT por
construcción
2.5. Diferencias Finitas 32
Figura 2.2: Malla para una región muy sencilla
2.5 Diferencias Finitas
Introducción:
La técnica de las diferencias finitas fue la primera técnica que surgió para resolver proble
mas prácticos en ingeniería. Hoy en día ésta técnica ya está obsoleta con lo que respecto
a solución de ecuaciones en derivadas parciales, por ejemplo, solución de problemas de
viga, placas, etc. Pero la técnica de diferencias finitas es hasta hoy bastante utilizada a
la hora de integración numérica en el tiempo.
Definición 2.5.1. El método para resolver toda clase de ecuaciones diferenciales par
ciales consiste en reemplazar las derivadas por cocientes de diferencias, convirtiendo
la ecuación a una ecuación de diferencia. Luego se escribirá(nodo) de los componentes
de la malla que subdivide la región de interés, en la cual los valores de la función son
desconocidos. Resolviendo estas ecuaciones simultáneamente, se obtienen valores para
la función en cada nodo que son aproximados a los valores verdaderos. Se deducirá las
relaciones que se necesitan independientemente.
Sea h = ~x igual al espacio del componente de malla en la dirección x. (ver figura
anterior). Se supone que la función f(x) tiene una cuarta derivada continua. Luego por
medio de la serie de Taylor, se tiene:
f(xn + h) = f(xn) + f'(xn)h + f"~xn) h2 + f"'~xn) h3 + fl~~6 ) h4 , Xn < 6 < Xn + h
f(xn- h) = f(xn)- J'(xn)h + J"~xn) h2 - J"'~xn) h3 + fl~i6) h4 , Xn- h < 6 < Xn
2.5. Diferencias Finitas 33
Luego se sigue:
Daremos la ecuación anterior una notación con subíndices:
(2.2)
De la ecuación anterior los subíndices de f indican los valores x en los cuales se va a
evaluar. Además la relación de orden O(h2) significa que el error se aproxima propor
cionalmentea h2 conforme h converge a O.
De igual manera, se aproxima la primera derivada
f(xn + h)- f(xn- h) = J'(x ) + f 111(E) h2 X _ h <e< X + h
2h n 6 ' n <, n
Ahora con la notación de subíndices se tiene:
(2.3)
Cuando fes una función tanto de x como de y, se obtiene la segunda derivada parcial
con respecto a x, ~:~, manteniendo a y constante y evaluando la función en tres puntos
en donde x sea igual a Xn.Xn + h y Xn - h.
La derivada parcial t~ se calcula de igual manera, manteniendo a x constante.
Ejemplo 2.13. Para una mejor apreciación aplicamos el método de diferencias finitas
para la ecuación Poisson: 82u 82u 8x2 + 8y2 = -F(x, y)
Utilizamos la serie de Taylor en la variable x alrededor de Xi para generar la fórmula de
las diferencias centrales.
donde Ei E (xi-l, Xi+t).Tambien usamos la serie de Taylor en la variable y alrededor de
yj para generar la fórmula de las diferencias centrales:
2.6. Método de separación de variables 34
2.6 Método de separación de variables
El método de separación de una variable para la solución de una ecuación diferencial
parcial consiste en proponer una solución del tipo:
u(x, y)= X(x)Y(y)
Donde X(x) es una función de x y Y(y) es una función exclusivamente de y, así que
cualquier ecuación diferencial que se pueda representar de esta manera podrá ser resuelta
con el método de separación de variables.
Pasos del método de separación de variables:
l. Se supone una función solución de la ecuación diferencial parcial u(x, y) = X(x)Y(y),
o bien u= XY.
2. Sustituir u(x, y) y sus derivadas parciales en la ecuación diferencial parcial.
3. Separar en cada lado de la ecuación diferencial parcial a las funciones univariables
con sus respectivas derivadas.
4. Se igualan ambos lados de la ecuación diferencial parcial con una constante, lla
mada constante de separación.
5. Resolver las dos ecuaciones diferenciales ordinarias que se tienen.
6. Multiplicar las soluciones de las ecuaciones diferenciales ordinarias del paso ante
rior, para así obtener la solución completa de la ecuación diferencial parcial.
Limitaciones del método de separación de variables:
l. La ecuación diferencial parcial tiene que ser lineal.
2. La solución de la ecuación diferencial parcial debe ser una función de dos variables
independientes.
Ejemplo 2.14. Resolver la ecuación del calor, por el método de separación de variable.
k>O (2.4)
2.6. Método de separación de variables 35
Solución. Puesto que u(x, t) = X(x)T(t), haremos el cambio de variable de Y a T, así:
u(x, t) = X(x)T(t)
y las derivadas parciales toman la forma:
~: = X'(x)T(t)
~:~ = X"(x)T(t)
~~ = X(x)T'(t)
Al sustituir (2.2), (2,3) y (2,4) en (2.1) tendremos:
Separando variables:
kX"(x)T(t) = X(x)T'(t)
X"(x) X(x)
1 T'(t) k T(t)
(2.5)
(2.6)
(2.7)
(2.8)
Para que la igualdad (2.5) se cumpla, y dado que el mienbro de la izquierda es función
solo de x y el de la derecha solo de t, la única manera de que esto sea posible, es haciendo
que la ecuación (2.5) sea igual a una constante, a la que por conveniencia llamaremos
.\2 , así:
X"(x) 1 T'(t) 2 --=--=.\ X(x) k T(t)
(2.9)
La constante .\2 puede ser positiva (.\2 > 0), negativa (-.\2 <O) o bien (.\2 = 0).
Para obtener las funciones X(x) y T(t), tomaremos tanto la parte de la izquierda como
la derecha de (2.6), y los tres posibles valores de .\2 .
Caso ..\2 > 0:
X"(x)- ..\2 X(x) =O
La cual es una ecuación diferencial lineal de segundo grado, cuya ecuación característica
es m2 - .\2 = O, donde la solución es:
2.6. Método de separación de variables 36
La cual puede ser escrita de manera alternativa como:
X(x) = c1cosh(>..x) + c2senh(>..x)
y con el segundo mienbro de (2.6).
T'(t)- >..2kT(t) =O
Que es una ecuación diferencial lineal de primer orden, cuya solución es:
Una vez obtenida las funciones X(x) y T(t), una solución particular propuesta por el
método tiene la forma:
O también:
Caso ->..2 < 0:
X"(x) + )..2 X(x) =O
El cual es una ecuación diferencial lineal de segundo orden, cuya ecuación característica
es m2 + )..2 =O, donde la solución es:
X(x) = c1cos(>..x) + C2Sen(>..x)
y
T'(t) + >..2kT(t) =O
Que es una ecuación diferencial lineal de primer orden, cuya solución es:
De aqui la solución particular es:
U(x, t) = X(x)T(t) =(el cos(>..x) + c2 sen(.Xx))c3E->.2x
Caso .\2 = 0:
X"(x) =O
2.7. Transformada de Fourier 37
La cual es una ecuación diferencial lineal de segundo orden, cuya característica es m2,
donde la solución es:
y
T'(t) =O
Que es una ecuación diferencial de primer orden, cuya solución es:
T(t) = Cg
Una vez obtenidas las funciones X(x) y T(t), una tercera solución particular, tiene la
forma:
u(x, t) = X(x)T(t) = (c1 + c2x)c3
2.7 Transformada de Fourier
Definición 2.7.1. Sea f una función integrable en cualquier intervalo [a,bj y si la inte
gral:
1: if(x)idx = ab~'f!_i00 1: if(x)idx < +oo --?00
exíste entonces:
es la transformada de fourier de f.
La función F está bien definida pues la integral impropia de lf(x)l existe y la función
ci~x es acotada.
Luego la 'Iransformada inversa de Fourier está dado por:
2.7. Transformada de Fourier
Ejemplo 2.15. Dado el problema:
u E C2 ((0, l)x(O, +oo)x(C)[O, l]x[O, +oo]))
Ut - C2Uxx
u(O, t) O
u(l, t) O
u(x,O) f(x)
El problema nos representa La Ecuación del Calor.
0 < X < l, 0 < t < 00
O<t<oo
38
Ahora desarrollaremos el problema usando la transformación de Fourier ,esta aplicación
habrá de aplicarse a la variable temporal, que toma valores sólo en la semirecta t ;::: O.
Aplicamos la transformación de Fourier a la ecuación y tenemos:
J(ut(x, t))
J(ut(x, O))
o?J( Uxx(x, t))
J(f(x))
Por las propiedades de la transformada resulta:
BJ(u(x, t)) = -o?eJ(u(x, t))
8t dJ(u(x, t))
-a2edt J(u(x, t))
lnJ(u(x, t)) -a2et + lnc
J(u(x, y)) -a2,;2t - CE
Luego, si t = O se tiene:
J(u(x, O))= e= J(f(x))
Entonces:
Aplicando la transformada inversa:
~- 1 (~(u(x, t)))
u(x, t)
~-l(~(f(x) )ca2et)
f(x)J-l(ca2et)
2. 7. Transformada de Fourier 39
Desarrollaremos la transformada inversa, aplicando la definición:
u(x, t)
u(x, t)
u(.x, t)
u(x, t)
u(x, t)
Capítulo 3 _____ _
Ecuaciones Diferenciales Parciales
Parabólicas de una Dimensión
3.1 Método de diferencias finitas progresivas
El criterio para resolver ecuaciones diferenciales parciales parabólicas por medio de un
método numérico consiste en reemplazar las derivadas parciales por aproximaciones de
diferencia finita. Para la ecuación del flujo calorífico unidimensional se tiene:
(3.1)
sujeta a las condiciones:
u(O, t) - O, t > O
u(l, t) O, t > O
u(x, O) f(x), O ~ x ~ l
Para aproximar la solución de este problema usaremos el método de diferencias finitas
progresivas:
Para obtener aproximaciones por diferencias finitas, consideremos la retícula que se
muestra en la siguiente grafica.
40
3.1. Método de diferencias finitas progresivas 41
"'' ~flx-
TJ+ 1
T¡
T¡. 1
.dT 1 ' o
X1·2 X~1 X1 X 1+1 L /
Figura 3.1: Malla o cuadrilla
Donde: ~X - h y ~t k
jk para i =O, 1, ... , m y j =O, 1, ...
Las fórmulas de diferencias que usamos para~~ (xi, tj) y~:~ (xi, tj) son respectivamente:
au(. ·)- u(xi,tj+k)-u(xi,tj) -~82·u(. ·) (3.2) Bt x~, t1 - k 2 Bt2 x~, J.LJ
para alguna J.Lj E (tj, tH1),
82u( . ·) _ u(xi+h, tj)- 2u(xi, tj) + u(Xi-h 1 ti)_ h
2 8
4u(é· ·)
ax2 x~, tJ - h2 12 Bx4 "'~' tJ (3.3)
donde ~i E (xi_1, xi+1). ya estudiadas en la sección anterior. Ahora usando la apro
ximación wi,j ~ u( Xi, tj) y despreciando los términos ~ ~~ ( Xi, J.Lj) y - ~~ fx4 ( ~i, tj), y
sustituyendo lo que se obtiene en la ecuación del calor, nos queda:
w· "+1 - w· · w·+1 · - 2w· · + w·-1 · ~.J ~.J 2 t ,J ~.J ~ ,J - o k -O! h2 - (3.4)
el error local de truncamiento para esta ecuación de diferencias es:
k 82u h2 84u Ti,j = 2 8t2 (xi, J.Lj)- a? 12 8x4 (~i, tj) (3.5)
Al resolver la ecuación (3.4) para wi,H1 obtenemos:
w· ·+1 - w· · w·+1 · - 2w· · + w·-1 · ~.J t,J_ 2 ~ .J t,J ~ ,J_o k O! h2 -
3.1. Método de diferencias finitas progresivas 42
(w· ·+1- w· ·)h2 - a2k(w·+l ·- 2w· · + W·-1 ·) 2,J 2,J 2 ,J 2,J 2 ,J = o kh2
(w· ·+1- w· ·)h2 = o?k(w·+1 ·- 2w· · + w·_¡ ·) 2,J 2,J 2 ,J 2,J 2 ,J
(3.6)
Para todo i = 1, 2, ... , m- 1 y j = 1, 2, ... ; esta ecuación se aplica a todos los puntos
de la retícula.
La ecuación en diferencias (3.6) se emplea para calcular las aproximaciones de la fila
anterior mediante las siguientes condiciones:
• tomando la condición inicial u(x, O) = f(x), O :::; ::¡; :::; l, implica que wi,O = f(xi)
para todo i = O, 1, ... , m calculamos el valor de wi,b para todo i = 1, 2, ... , m -l.
En efecto: Si consideramos la frontera inferior wi,o = f(xi), y aproximamos el
primer término Ut y el segundo término Uxx por medio de:
(fPu) 8x2 iO
'
Wi+1,0- 2Wi,O + Wi-1,0
h2
mientras el segundo término lo aproximamos por medio de:
(3.7)
(3.8)
Reemplazando estos valores en (3. 7) y (3.8) en la ecuación del calor tenemos:
Wi¡-WiO 2 Wi+1o-2Wio+Wi-10 O , ' -Q ' ' t =
k h2
al resolver esta ecuación para wi,l obtenemos:
Wi,1 = ( 1 - 2 Ct:2k) Wi,O + Ct:2k ( Wi+l,O + Wi-l,O)
para todo i = 1, 2, ... , m- l.
(3.9)
(3.10)
3.1. Método de diferencias finitas progresivas 43
• Las condiciones adicionales u(O, t) = O y u(l, t) = O implica que wo,i = Wm,1 = O,
con el cual podemos determinar todos los elementos de la forma wi,1 . Si volvemos a
aplicar el procedimiento una vez conocida todas las aproximaciones wi,1 podemos
obtener en forma semejante los valores wi,2 , wi,3, ...
En efecto: Si consideramos la frontera wi,1 ya determinados por (3.10), aproxima-
} , . (a2u) (au) d' d mos os termmos 8x2 i,1 y at i,1 por me 10 e:
82u 'Wi+1,1 - 2wi,1 + 'Wi-1,1 8x2 h2
8u Wi,2 - 'Wi,1 at k
Reemplazando en la ecuación del calor, obtenemos:
Wi,2 - 'Wi,1 + a.:2k ( 'Wi+l,1- 2Wi,1 + 'Wi-1,1)
Wi,2 = ( 1 - 2 Ci:2k) Wi,1 + a.:2k ( 'Wi+1,1 + 'Wi-1,1)
para todo i = 1, 2, ... , m - 1 Desarrollando por inducción la ecuación (3.10) y
tomando >. = a:2k' tenemos:
• i = 1
• i = 2
• i = 3
w1,1 - (1- 2>.)w1,0 + >.(w2,o + wo,o) ..._..,. o
w2,1 (1- 2>.)w2,o + >.(wa,o + w1,o)
w2,1 (1 - 2>.)f(x2) + >.j(xa) + >.j(x1)
wa,1 (1- 2>.)wa,o + >.(w4,o + w2,o)
wa,1 (1 - 2>.)f(xa) + >.j(x4) + >.j(x2)
3.1. Método de diferencias finitas progresivas
• i=m-1
Wm-1,1 - (1 - 2A.)wm-1,0 + A.( Wm,O + Wm-2,0)
Wm-1,1 = (1 - 2A.)J(xm-1) + A.f(xm) + A.f(Xm-2)
La forma matricial asociada a éste sistema es:
(1- 2A.) A. o o f(x1) w1,1
A. (1- 2A.) A. j(x2) w2,1
o A. (1 - 2A.) o f(xa) wa,1
A.
o o A. (1- 2A.) f(xm-d Wm-1,1
Aw(o) = w<1)
Donde:
w<o) (J(x1), J(x2), ... , J(xm-I))t w(l) - (wl,l, W2,1, .. ·, Wm-1,1)t
En general, tenemos que:
wUl = Aw(j-1)
para todo j = 1, 2, ...
44
La precisión de la ecuación en diferencias (3.10) es de orden O(k + h2). Este método es
explícito ya que, si los valores wi,j se conocen para ti en todos los puntos de la retícula,
los valores wi,H1 par el nuevo tiempo tH1 se calculan sin resolver ecuaciones simultaneas.
Ejemplo 3.1. Vamos a usar el método de las diferencias finitas progresivas para resolver
la ecuación del calor: au 82u at (x, t) = Bx2 (x, t)
que satisfaga las condiciones inciciales:
u(x, y)= 4(x- x2) O<x<l
y las condiciones de contorno:
u(O, t) = u(l, t) = O o< t < 0,2
3.1. Método de diferencias finitas progresivas 45
--~ 0.20
0.18
0.16
0.14
0.12
0.10
0.08
0.06
0.04
o.o 2
'" o 0.2 0.4 0.6 0.8 1 ,
Figura 3.2: Malla o cuadrilla
Solución. Si tomamos h = 0,2 y k = 0,02, tenemos que .X = 0,5 .En este caso se tiene
que usar el siguiente algoritmo:
wi,i+l - (1- 2-X)wi,i + .X(wi+l,i + Wi-l,i)
wi,i+l - (1- 2(0,5))wi,j + 0,5(wi+lJ + Wi-l,i)
Wi,j+l - 0,5(wi+l,j + Wi-l,j)
Ahora, usemos al condicion inicial:
W¡,o - 4(0,2 - (0,2)2) - 0,640000
w2,o 4(0,4 - (0,4)2 ) 0,960000
W3,0 - 4(0,6 - (0,6)2) 0,960000
W4,0 4(0,8 - (0,8)2) - 0,640000
Para hallar los demas puntos usaremos el algoritmo anterior:
3.1. Método de diferencias finitas progresivas 46
• Para j =O
• i = 1,j =o
w1,1 = 0,5(w2,o + wo,o) = (0,5)(0,96) = 0,480000
• i=2,j=O
w1,1 = 0,5(w3,o + W¡,o) = (0,5)(0,96 + 0,64) = 0,800000
• í = 3,j =o
W3,1 = 0,5(w4,o + w2,o) = (0,5)(0,64 + 0,96) = 0,800000
• i = 4,j =o
W4,1 = 0,5(ws,o + w3,o) = (0,5)(0,96) = 0,480000
• Para j = 1
• i = 1,j = 1
w1,2 = 0,5(w2,1 + Wo,l) = (0,5)(0,8) = 0,400000
• i = 2,j = 1
w2,2 = 0,5(w3,1 + w1,1) = (0,5)(0,80 + 0,48) = 0,640000
• i = 3,j = 1
w3,2 = 0,5(w4,1 + w2,1) = (0,5)(0,48 + 0,80) = 0,640000
• i = 4,j = 1
W4,2 = 0,5(ws,l + W3,1) = (0,5)(0,80) = 0,400000
• Para j = 2
• i = 1,j = 2
w1,3 = 0,5(w2,2 + wo,2) = (0,5)(0,64) = 0,320000
• i = 2,j = 2
w2,3 = 0,5(w3,2 + w1,2) = (0,5)(0,64 + 0,40) = 0,520000
• i = 3,j = 2
w3,3 = 0,5(w4,2 + w2,2) = (0,5)(0,40 + 0,64) = 0,520000
• i = 4,j = 2
w4,3 = 0,5(ws,2 + W3,2) = (0,5)(0,64) = 0,320000
• Para j = 3
3.1. Método de diferencias finitas progresivas 47
• i = 1,j = 3
w1,4 = 0,5(w2,3 + wo,a) = (0,5)(0,52) = 0,260000
• i = 2,j = 3
w2,4 = 0,5(wa,a + W¡,a) = (0,5)(0,52 + 0,32) = 0,420000
• i = 3,j = 3
w3,4 = 0,5(w4,3 + w2,3) = (0,5)(0,32 + 0,52) = 0,420000
• i=4,j=3
w4,4 = 0,5(w5,3 + wa,a) = (0,5)(0,52) = 0,260000
• Para j = 4
• í = 1,j = 4
w1,5 = 0,5(w2,4 + wo,4) = (0,5)(0,42) = 0,210000
• i = 2,j = 4
W2,5 = 0,5(wa,4 + w1,4) = (0,5)(0,42 + 0,26) = 0,340000
• i=3,j=4
wa,5 = 0,5(w4,4 + w2,4) = (0,5)(0,26 + 0,42) = 0,340000
• i = 4,j = 4
w4,5 = 0,5(w5,4 + wa,4) = (0,5)(0,42) = 0,210000
• Para j = 5
• i=1,j=5
w1,6 = 0,5(w2,5 + Wo,5) = (0,5)(0,34) = 0,170000
• i = 2,j = 5
W2,6 = 0,5(wa,5 + w1,5) = (0,5)(0,34 + 0,21) = 0,275000
• i = 3,j = 5
wa,6 = 0,5(w4,5 + w2,5) = (0,5)(0,32 + 0,52) = 0,275000
• i = 4,j = 5
w4,6 = 0,5( w5,5 + wa,5) = (0,5)(0,34) = 0,170000
• Para j = 6
• i=1,j=6
Wt,T = 0,5(w2,6 + Wo,6) = (0,5)(0,275) = 0,137500
3.1. Método de diferencias finitas progresivas 48
• i=2,j=6
W2,1 = 0,5( W3,6 + W¡,6) = (0,5) (0,275 + Ü, 17) = 0,222500
• i = 3,j = 6
w3,7 = 0,5(w4,6 + w2,6) = (0,5)(0,17 + 0,275) = 0,222500
• i = 4,j = 6
w4,7 = 0,5(w5,6 + w3,6) = (0,5)(0,275) = 0,137500
• Para j = 7
• i=1,j=7
W¡,s = 0,5(w2,7 + wo,7) = (0,5)(0,2225) = 0,111250
• i = 2,j = 7
w2,s = 0,5(w3,7 + w1,1) = (0,5)(0,2225 + 0,1375) = 0,180000
• i = 3,j = 7
w3,s = 0,5(w4,7 + w2,1) = (0,5)(0,1375 + 0,2225) = 0,180000
• i = 4,j = 7
w4,B = 0,5(w5,7 + W3,7) = (0,5)(0,2225) = 0,111250
• Para j = 8
• i=1,j=8
w1,9 = 0,5(w2,8 + wo,s) = (0,5)(0,18) = 0,090000
• i = 2,j = 8
w2,9 = 0,5(w3,s + W¡,s) = (0,5)(0,18 + 0,11125) = 0,145625
• i = 3,j = 8
W3,9 = 0,5(w4,s + w2,s) = (0,5)(0,11125 + 0,18) = 0,145625
• i = 4,j = 8
w4,9 = 0,5(w5,8 + W3,s) = (0,5)(0,18) = 0,090000
• Para j = 9
• i=1,j=9
w1,10 = 0,5(w2,9 + wo,9) = (0,5)(0,145625) = 0,072813
• i=2,j=9
W 2,10 = 0,5( W3,9 + W¡,g) = (0,5)(0,145625 + 0,09) = 0,117813
3.1. Método de diferencias finitas progresivas 49
• i = 3,j = 9
W3,10 = 0,5(w4,9 + W2,9) = (0,5)(0,09 + 0,145625) = 0,117813
• i = 4,j = 9
w4,10 = 0,5(w5,9 + W3,g) = (0,5)(0,145625) = 0,072813
Ahora ordenemos los resultados numericos en la siguiente tabla:
Xo = 0,0 X1 = 0,2 X2 = 0,4 X3 = 0,6 X4 = 0,8 X5 = 1,0
to = 0,00 0.000000 0.640000 0.960000 0.960000 0.640000 0.000000
tl = 0,02 0.000000 0.480000 0.800000 0.800000 0.480000 0.000000
t2 = 0,04 0.000000 0.400000 0.640000 0.640000 0.400000 0.000000
t3 = 0,06 0.000000 0.320000 0.520000 0.520000 0.320000 0.000000
t4 = 0,08 0.000000 0.260000 0.420000 0.420000 0.260000 0.000000
t5 = 0,10 0.000000 0.210000 0.340000 0.340000 0.210000 0.000000
t6 = 0,12 0.000000 0.170000 0.750000 0.750000 0.170000 0.000000
t7 = 0,14 0.000000 0.137500 0.222500 0.222500 0.137500 0.000000
ts = 0,16 0.000000 0.111250 0.180000 0.180000 0.111250 0.000000
tg = 0,18 0.000000 0.090000 0.145625 0.145625 0.090000 0.000000
tw = 0,20 0.000000 0.072812 0.117813 0.117813 0.072812 0.000000
Ahora desarrollaremos en la forma matricial por la amplitud de los sistemas que se pre
sentan , se utilizará el software matemático Matlab.
diferencia finita progresiva en forma matricial:
Vj = 1, 2, ...
Donde la matriz A y Wi-l , Vj = 1, 2, ... es:
o 0,5 o o 0,64
0,5 o 0,5 o ·wo- 0,96 A=
o 0,5 o 0,5 ' - 0,96
o o 0,5 o 0,64
• Para i = 1, ... , 4 y j = 1 tendremos:
3.1. Método de diferencias finitas progresivas 50
o 0,5 o o 0,64 0,48
0,5 o 0,5 o *
0,96 0,80
o 0,5 o 0,5 0,96 0,80
o o 0,5 o 0,64 0,48
Donde:
W1,1 = 0,48 W2,1 = 0,80 W3,1 = 0,80 W4,1 = 0,48
• Para i = 1, ... ,4 y j = 2 tendremos:
A * w<1) = w<2
)
o 0,5 o o 0,48 0,40
0,5 o 0,5 o 0,80 0,64 * o 0,5 o 0,5 0,80 0,64
o o 0,5 o 0,48 0,40
Donde:
w1,2 = 0,40 w2,2 = 0,64 w 3,2 = 0,64 W4,2 = 0,40
• Para i = 1, ... ,4 y j = 3 tendremos:
A * w<2) = w<3)
o 0,5 o o 0,40 0,32
0,5 o 0,5 o 0,64 *
0,52
o 0,5 o 0,5 0,64 0,52
o o 0,5 o 0,40 0,32
Donde:
w1,a = 0,32 w2,a = 0,52 wa,a = 0,52 w4,3 = 0,32
• Para i = 1, ... , 4 y j = 4 tendremos:
A * w(a) = w<4)
o 0,5 o o 0,32 0,26
0,5 o 0,5 o 0,52 0,42 * o 0,5 o 0,5 0,52 0,42
o o 0,5 o 0,32 0,26
Donde:
WI,4 = 0,26 W2,4 = 0,42 W3,4 = 0,42 W4,4 = 0,26
3.1. Método de diferencias finitas progresivas
• Para i = 1, ... , 4 y j = 5 tendremos:
o 0,5 o o 0,5 o 0,5 o o 0,5 o 0,5
o o 0,5 o Donde:
0,26
0,42 * 0,42
0,26
0,21
0,34
0,34
0,21
wl,5 = 0,21 w2,s = 0,34 w3,5 = 0,34 w4,5 = 0,21
• Para i = 1, ... ,4 y j = 6 tendremos:
o 0,5 o o 0,21 0,17
0,5 o 0,5 o 0,34 0,275 * o 0,5 o 0,5 0,34 0,275
o o 0,5 o 0,21 0,17
Donde:
wl,6 = 0,17 w2,6 = 0,275 w3,6 = 0,275 w 4,6 = 0,17
• Para i = 1, ... , 4 y j = 7 tendremos:
o 0,5 o o 0,17 0,1375
0,5 o 0,5 o 0,275 0,2225 * -o 0,5 o 0,5 0,275 0,2225
o o 0,5 o 0,17 0,1375
Donde:
wl,7 = 0,1375 w2,7 = 0,2225 w 3,7 = 0,2225 w4,7 = 0,1375
• Para 'Í = 1, ... , 4 y j = 8 tendremos:
A * wC7) = w(s)
o 0,5 o o 0,1375 0,1113
0,5 o 0,5 o 0,2225 0,1800 * o 0,5 o 0,5 0,2225 0,1800
o o 0,5 o 0,1375 0,1113
51
3.2. Método de diferencias finitas regresivas 52
Donde:
w1,s = 0,1113 w2,s = 0,1800 w3,s = 0,1800 W4,s = 0,1113
• Para i = 1, ... , 4 y .i = 9 tendremos:
A * wCs) = wC9)
o 0,5 o o 0,1113 0,0900
0,5 o 0,5 o 0,1800 0,1456 * o 0,5 o 0,5 0,1800 0,1456
o o 0,5 o 0,1113 0,0900
Donde:
w1,9 = 0,0900 w2,9 = 0,1456 w3,9 = 0,1456 w4,9 = 0,0900
• Para i = 1, ... , 4 y j = 10 tendremos:
A * wC9) = w(IO)
o 0,5 o o 0,0900 0,0728
0,5 o 0,5 o 0,1456 0,1178 * = o 0,5 o 0,5 0,1456 0,1178
o o 0,5 o 0,0900 0,0728
Donde:
W1,10 = 0,0728 W2,10 = 0,1178 W3,10 = 0,1178 W4,10 = 0,0728
3.2 Método de diferencias finitas regresivas
Consideremos la retícula que se muestra en la figura (3.1) de la sección anterior. Este
es un método de diferencias implícitas que se obtiene al usar el cociente de diferencias
regresivas para Ut(xi, ti), en la forma:
( ) _ u(xi, ti)- u(xi, ti-1) k ( )
Ut Xi, tj - k + 2Utt Xi, J.Lj
donde J.L E (ti_1, ti)· Al sustituir esta ecuación (3.3), en la ecuación del calor, usando la
aproximación Wi,i ~ Ut(Xi, ti) se obtiene:
Wi,j- Wi,j-1 _ a 2 Wi+1,j- 2Wi,j + Wi-1,j = Ü
k h2 (3.11)
3.2. Método de diferencias finitas regresivas 53
Para todo i = 1, 2, ... , m- 1 y wi,j-1
Al resolver la ecuación (3.11) en wi,j-1 obtenemos:
Wi,j- Wi,j-1 _ a2 Wi+1,j- 2wi,j + Wi-1,j =O k h2
(w--- w· ·_1)h2 - a2 k(w·+1 ·- 2w- -+ w·-1 -)=O 2,3 2,3 2 ,J 2,3 2 ,J
(w--- w- -_1 )h2 = a2k(w-+1 -- 2w-- + W·-1 ·) z,J 2,J 2 ,J z,J 2 ,J
a2k (wi,j- Wi,j-1) = h2 (wi+1,j- 2wi,j + Wi-1,j)
a2k -w· ·-1 = -w-- + -(w-+1 -- 2w-- + w·_1 -) 2,3 2,3 h2 2 ,J 2,3 2 ,J
a2k Wi,j-1 = Wi,j- --¡;2(Wi+1,j- 2wi,j + Wi-1,j)
2a2k a 2k Wi,j-1 = Wi,j + --¡;:¡-wi,j- h2 (wi+1,j + Wi-l,j)
wi,j-1 = ( 1 + 2a:2k )wi,j- a:2k (wi+l,j- Wi-1,j) (3.12)
Para todo i = 1, 2, ... , m - 1 y j = 1, 2, ...
Aplicando el hecho de que wi,o = f(xi), para todo i = 1, 2, ... , m -1 y Wm,j = wo,j =O,
para todo j = 1, 2, ... y haciendo inducción en (3.13),tenemos:
•j=1 i=1
w1,1- w1,o -.A(w2,1- 2w1,1 + wo,I) O .._,.,. .._,.,. /(x1) O
(1 + 2.A)w1,1 - .Aw2,1 = f(x¡)
(1 + 2.A)w2,1- .Awa,l- .Aw1,1 - w2,o
(1 + 2.A)w2,1 - .Awa,l - .Aw1,1 f(x¡)
•j=1 i=3
(1 + 2.A)w3,1 - AW4,1 - .Aw2,1 W3,o
(1 + 2-A)wa,l - AW4,1 - .Aw2,1 f(xa)
3.2. Método de diferencias finitas regresivas
i =m
(1 + 2A)Wm,1 - AWm+l,1 - AWm-1,1
(1 + 2A)Wm,1 - AWm+1,1 - AWm-1,1
La forma matricial asociada al sistema es:
(1 + 2A) -A o o -A (1 + 2A) -A
o -A (1 + 2A) o -A
w1,1
w2,1
W3,1
o o -A (1 + 2A) Wm-1,1
Aw(1) = w(o)
Donde:
En general, tenemos que:
54
Wm,O
f(xl)
f(x2)
- J(x3)
f(xm-1)
Para todo j = 1, 2, ... Ahora resolveremos un sistema lineal para obtener los wU) a
partir de wU-1).
Ejemplo 3.2. Vamos a usar el método de las diferencias finitas regresivas para resolver
la ecuación del calor: au 82u at (x, t) - ax2 (x, t) = o
que satisfaga las condiciones inciciales:
u(x,y) = sen(~x)
y las condiciones de contorno:
u(O, t) = u(2, t) = O O < t
3.2. Método de diferencias finitas regresivas 55
0.1 1--.--.--...,..-r-...,..-r--r-r---r---t
0.09 1-+--.t--t--1--1--1--t--t--+--t
0.08 t--t--1-+-t--+-1--t--1--+--1
0.07 1--1--1--+-+--+--1--+-t--+---«
0.06 1--+-t-+-+--+-1--+-+--+---1
0.06 1--1--1--+-+--+-1--+-t--+--1
0.04 +--+-1--+-ol--+-1--+-+--+~
0.03 t--+--.t-+-+--+-1--+-t--+--t
0.02 1-+-t-+-+--+-1--+-1--+---1
0.01 t--+-t--+-+--+-+--+-+---+--1
o 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 3.3: Malla o cuadrilla
Solución. a= -1, h = 2~0 = 0,2, k= 0·i~0 = 0,01 y t = 0,1
Para i = 1, 2, ... , 9 y j = O tenemos:
W1,0 sen 7r(0,2)
0,309016 -2
W2,0 sen 7r(0,4)
0,587785 2
W3,o sen 7r(0,6)
0,809016 2
W4,0 sen 7r(0,8)
0,951056 -2
ws,o = sen( 7!"~1)) - 1
W6,0 sen 7r(l,2)
0,951056 2
wr,o sen 7r(l,4)
0,809016 2
Ws,o sen 7r(1,6)
0,587785 2
Wg,o = sen 7r(l,8)
0,309016 2
Ahora desarrollaremos en la forma matricial por la amplitud de los sistemas que se pre
sentan , se utilizará el software matemático Matlab.
3.2. Método de diferencias finitas regresivas 56
diferencia finita regresiva en forma matricial:
AWj = wj-1
wj = A-1wj-1
Donde la matriz A y W 0 son:
1,5 -0,25 o o o o o o o 0,309016
-0,25 1,5 -0,25 o o o o o o 0,587785
o -0,25 1,5 -0,25 o o o o o 0,809016
o o -0,25 1,5 -0,25 o o o o 0,951056
A= o o o -0,25 1,5 -0,25 o o o ·wo-' - 1
o o o o -0,25 1,5 -0,25 o o 0,951056
o o o o o -0,25 1,5 -0,25 o 0,809016
o o o o o o -0,25 1,5 -0,25 0,587785
o o o o o o o -0,25 1,5 0,309016
y donde la inversa de la matriz A es:
0,6863 0,1177 0,0202 0,0035 0,0006 0,0001 0,0000 0,0000 0,0000
0,1177 0,7065 0,1212 0,0208 0,0036 0,0006 0,0001 0,0000 0,0000
0,0202 0,1212 0,7071 0,1213 0,0208 0,0036 0,0006 0,0001 0,0000
0,0035 0,0208 0,1213 0,7071 0,1213 0,0208 0,0036 0,0006 0,0001 A-1 = 0,0006 0,0036 0,0208 0,1213 0,7071 0,1213 0,0208 0,0036 0,0006
0,0001 0,0006 0,0036 0,0208 0,1213 0,7071 0,1213 0,0208 0,0035
0,0000 0,0001 0,0006 0,0036 0,0208 0,1213 0,7071 0,1212 0,0202
0,0000 0,0000 0,0001 0,0006 0,0036 0,0208 0,1212 0,7065 0,1177
0,0000 0,0000 0,0000 0,0001 0,0006 0,0035 0,0202 0,1177 0,6863
3.2. Método de diferencias finitas regresivas 57
• Para i = 1, 2, ... , 9 y j = 1 tenemos:
0,3016 0,3090
0,5737 0,5878
0,7897 0,8090
0,9283 0,9511
0,9761 = A-1 * 1
0,9283 0,9511
0,7897 0,8090
0,5737 0,5878
0,3016 0,3090
donde:
w1,1 = 0,3016 w2,1 = 0,5737 w3,1 = 0,7897 W4,1 = 0,9283 w 5,1 = 0,9761
W6,1 = 0,9283 W7,1 = 0,7897 Ws,1 = 0,5737 Wg,l = 0,3016
• Para i = 1, 2, ... , 9 y j = 2 tenemos:
0,2944 0,3016
0,5600 0,5737
0,7708 0,7897
0,9062 0,9283
0,9528 = A-1 * 0,9761
0,9062 0,9283
0,7708 0,7897
0,5600 0,5737
0,2944 0,3016
donde:
w 1,2 = 0,2944 w 2,2 = 0,5600 w 3,2 = 0,7708 W4,2 = 0,9062 ws,2 = 0,9528
w 6,2 = 0,9062 W7,2 = 0,7708 WS,2 = 0,5600 W9,2 = 0,2944
3.2. Método de diferencias finitas regresivas 58
• Para i = 1, 2, ... , 9 y j = 3 tenemos:
0,2874 0,2944
0,5467 0,5600
0,7524 0,7708
0,8845 0,9062
0,9300 = A-1 * 0,9528
0,8845 0,9062
0,7524 0,7708
0,5467 0,5600
0,2874 0,2944
donde:
W1,3 = 0,2874 w2,3 = 0,5467 w3,3 = 0,7524 W4,3 = 0,8845 w 5,3 = 0,9300
W6,3 = 0,8845 W7,3 = Ü, 7524 Ws,3 = 0,5467 Wg,3 = 0,287 4
• Para i = 1, 2, ... , 9 y j = 4 tenemos:
0,2805 0,2874
0,5336 0,5467
0,7344 0,7524
0,8634 0,8845
0,9078 = A-1 * 0,9300
0,8634 0,8845
0,7344 0,7524
0,5336 0,5467
0,2805 0,2874
donde:
w1,4 = 0,2805 W2,4 = 0,5336 W3,4 = 0,7344 W4,4 = 0,8634 Ws,4 = 0,9078
w 6,4 = 0,8634 W7,4 = 0,7344 Ws,4 = 0,5336 Wg,4 = 0,2805
3.2. Método de diferencias finitas regresivas 59
• Para i = 1, 2, ... , 9 y j = 5 tenemos:
0,2738 0,2805
0,5209 0,5336
0,7169 0,7344
0,8428 0,8634
0,8861 = A-1 * 0,9078
0,8428 0,8634
0,7169 0,7344
0,5209 0,5336
0,2738 0,2805
donde:
W1,5 = 0,2738 W2,5 = 0,5209 W3,5 = 0,7169 w4,5 = 0,8428 W5,5 = 0,8861
W6,5 = 0,8428 W7,5 = Ü, 7169 w8,5 = 0,5209 Wg,5 = 0,2738
• Para i = 1, 2, ... , 9 y j = 6 tenemos:
0,2673 0,2738
0,5084 0,5209
0,6998 0,7169
0,8226 0,8428
0,8650 = A-1 * 0,8861
0,8226 0,8428
0,6998 0,7169
0,5084 0,5209
0,2673 0,2738
donde:
W1,6 = 0,2673 W2,6 = 0,5084 W3,6 = 0,6998 W4,6 = 0,8226 W5,6 = 0,8650
W 6,6 = 0,8226 W7,6 = 0,6998 Ws,6 = 0,5084 Wg,6 = 0,2673
3.2. Método de diferencias finitas regresivas 60
• Para i = 1, 2, ... , 9 y j = 7 tenemos:
w(7) = A -1 * w(6)
0,2609 0,2673
0,4963 0,5084
0,6831 0,6998
0,8030 0,8226
0,8443 = A-1 * 0,8650
0,8030 0,8226
0,6831 0,6998
0,4963 0,5084
0,2609 0,2673
donde:
WI,7 = 0,2609 W2,7 = 0,4963 W3,7 = 0,6831 W4,7 = 0,8030 W5,7 = 0,8443
W6,7 = 0,8030 W7,7 = 0,6831 Ws,7 = 0,4963 Wg,7 = 0,2609
• Para i = 1, 2, ... , 9 y j = 8 tenemos:
0,2547 0,2609
0,4844 0,4963
0,6667 0,6831
0,7838 0,8030
0,8241 = A-1 * 0,8443
0,7838 0,8030
0,6667 0,6831
0,4844 0,4963
0,2547 0,2609
donde:
W1,8 = 0,2547 W2,8 = 0,4844 W3,8 = 0,6667 W4,8 = 0,7838 W5,8 = 0,8241
W6,8 = 0,7838 W7,8 = 0,6667 Ws,B = 0,4844 Wg,s = 0,2547
3.2. Método de diferencias finitas regresivas 61
• Para i = 1, 2, ... , 9 y j = 9 tenemos:
0,2486 0,2547
0,4728 0,4844
0,6508 0,6667
0,7651 0,7838
0,8045 =A-l* 0,8241
0,7651 0,7838
0,6508 0,6667
0,4728 0,4844
0,2486 0,2547
donde:
W1,9 = 0,2486 W2,9 = 0,4728 Wa,9 = 0,6508 W4,9 = 0,7651 Ws,9 = 0,8045
w6,9 = 0,7651 W 7,g = 0,6508 Ws,g = 0,4728 Wg,g = 0,2486
• Para i = 1, 2, ... , 9 y j = 10 tenemos:
w(lo) = A-l * w(9)
0,2427 0,2486
0,4615 0,4728
0,6353 0,6508
0,7468 0,7651
0,7852 =A-l* 0,8045
0,7468 0,7651
0,6353 0,6508
0,4615 0,4728
0,2427 0,2486
donde:
w1,10 = 0,2427 w2,10 = 0,4615 wa,w = 0,6353 W4,10 = 0,7468 Ws,w = 0,7852
w6,10 = 0,7468 W7,10 = 0,6353 WS,lO = 0,4615 Wg,10 = 0,2427
3.3. Método de Crank-Nicolson 62
3.3 Método de Crank-Nicolson
Tenemos la ecuación diferencial parcial:
O<x<l O<t
Sujeto a las condiciones:
u(O, t) - u(l, t) o u(x,O) f(x) ;O~x~l
Este método propone promediar el método de diferencias progresivas en el j-ésimo paso
en "t": wo 0+1 - w· · wo+l · - 2wo o + wo_1 o
~.J ~.J - 2 ~ ,J ~.J ~ ,J - o k a h2 - (3013)
con su respectivo error de truncamiento y el método de diferencias regresivas en el
(j+l)-ésimo paso en "t"
Wi,j+l - Wi,j 2 Wi+l,j+l - 2Wi,j+l + Wi-l,j+l _ O k -a: h2 - (3.14)
con su respectivo error de truncamiento, promediando (3o13) y (3.14) tenemos:
Dividiendo entre 2 en ambos miembros obtendremos:
Wi,j+l - Wi,j _ a:2 (Wi+l,j - 2Wi,j + Wi-l,j + Wi+I,j+l - 2Wi,j+l + Wi-l,j+l) = O k 2 h2 h2
Resolviendo esta ecuación tendremos:
Wi,j+1 - Wi,j = a 2 (Wi+1,j - 2wi,j + Wi-l,j + Wi+l,j+l - 2wi,j+l + Wi-l,j+1) k 2 ~ ~
w· 0+1- wo o a:2 ~.J ~.J = -(wo+l o- 2wo o+ wo-1 o+ wo+1 °+1- 2w· 0+1 + W·-1 °+1) k 2h2 ~ '3 ~.J ~ ,J ~ ,J ~.J ~ ,J
a:2k Wi,j+l- Wi,j =
2h2 (wi+l,j- 2wi,j + Wi-l,j + Wi+l,j+l- 2Wi,j+l + Wi-l,j+l)
a2k a2k a:2k Wi,j+l - Wi,j =
2h2 (wi+l,j + Wi-l,j + Wi+l,j+l + Wi-l,j+l) - h2 Wi,j - -¡;:¡-wi,j+l
3.3. Método de Crank-Nicolson 63
a2k a2k a2k wi,j+l + h2 wi,j+l = wi,j - h2 wi,j +
2h2 ( wi+l,j + Wi-l,j + wi+l,j+l + Wi-l,j+l)
a2k a2k a2k a2k (1 + h2 )wi,j+l -
2h2 ( Wi+l,j+l + Wi-l,j+l) = (1 - --¡;:i" )wi,j +
2h2 ( Wi+l,j + Wi-l,j)
Ahora hacemos que .X = ~2k obteniendo la siguiente ecuación:
Su representación en forma matricial es:
n.2k P d d d .... . ( )t . ara ca a j =O, 1, ... , on e .X=--¡;:¡- , W3 = W1 ,i> W2,j, W3,j · · · y las matnces A
y B estan dadas por:
A=
(1 +.X) .X 2
o
o
.X 2
(1 +.X)
o
o .X 2
o
o
o
.X
.X 2 2 (1 +.X)
B=
(1 -.X) .X 2 o
o
.X 2
(1 -.X)
o
o .X 2
o .X 2
o o
.X 2
(1 - .X)
Ejemplo 3.3. vamos a usar el metodo de Crank Nicolson para resolver la ecuacion:
que satisfaga las condiciones inciciales:
u(x, y)= sen(1rx) + sen(37rx) 0<x<1
y las condiciones de contorno:
u(O, t) = u(l, t) = O o< t < 0,1
Solución. Si tomamos h = 0,1 y k = 0,01, de manera que .X = l. De acuerdo a ello
observe la siguiente reticula:
3.3. Método de Crank-Nicolson 64
0.09 t-+--+---1~+-+-+-+-+--+--t
0.08 1--1--t---1~+-+-+-t-+--+---1
0.07 1-+--+--1~+-+-+-+-+--+---1
0.06 1--1--+--i~+--1--+-+--1--+--1
0.05 1--1--+--il--+--1--+-+-+--+--1
0.04 t--t--+--,t--t--+--t-+--+--+--1 0.03 1---l--+---l~+--l--+-+--1--+--1
0.02 t-+--+-il-+--t--+-+-+--+---1
0.01 t-+--+--1~+--+--+-f-+--+---1
o 0.1 0.2 0.3 0.4 0.6 0.6 0.7 0.8 0.9 1
Figura 3.4: Malla o cuadrilla
Ahora usaremos la condicion inicial :
W¡,o Sen(7r(0,1)) + sen(37r(0,1)) - 1,118034
w2,o - Sen( 11"(0,2)) + sen(37r(0,2)) - 1,538842
wa,o Sen( 11"(0,3)) + sen(37r(0,3)) - 1,118034
W4,0 - Sen(7r(0,4)) + sen(37r(0,4)) 0,363271
ws,o - Sen(7r(0,5)) + sen(37r(0,5)) - 0,000000
W6,0 - Sen( 11"(0,6)) + sen(37r(0,6)) - 0,363271
W7,0 - Sen(7r(0,7)) + sen(37r(0,7)) - 1,118034
ws,o - Sen( 11"(0,8)) + sen(37r(0,8)) 1,538842
Wg,o - Sen( 11"(0,9)) + sen(37r(0,9)) = 1,118034
Aplicando Crank-Nicolson en su forma matricial:
AWH1 =BWj
3.3. Método de Crank-Nicolson 65
Donde la matriz A y B son respectivamente:
2 1 o o o o o o o o 1 o o o o o o o -2 2 1 2 1 o o o o o o 1 o 1 o o o o o o -2 -2 2 2 o 1 2 1 o o o o o o 1 o 1 o o o o o -2 -2 2 2 o o 1 2 1 o o o o o o 1 o 1 o o o o -2 -2 2 2
A= o o o 1 2 1 o o o ;B= o o o 1 o 1 o o o -2 -2 2 2 o o o o 1 2 1 o o o o o o 1 o 1 o o -2 -2 2 2 o o o o o 1 2 1 o o o o o o 1 o 1 o -2 -2 2 2 o o o o o o 1 2 1 o o o o o o 1 o 1 -2 -2 2 2 o o o o o o o 1 2 o o o o o o o 1 o -2 2
Donde La inversa de la matriz A es:
0,5359 0,1436 0,0385 0,0103 0,0028 0,0007 0,0002 0,0001 0,0000
0,1436 0,5744 0,1539 0,0412 0,0110 0,0030 0,0008 0,0002 0,0001
0,0385 0,1539 0,5771 0,1546 0,0414 0,0111 0,0030 0,0008 0,0002
0,0103 0,0412 0,1546 0,5773 0,1547 0,0414 0,0111 0,0030 0,0007 A-1 = 0,0028 0,0110 0,0414 0,1547 0,5773 0,1547 0,0414 0,0110 0,0028
0,0007 0,0030 0,0111 0,0414 0,1547 0,5773 0,1546 0,0412 0,0103
0,0002 0,0008 0,0030 0,0111 0,0414 0,1546 0,5771 0,1539 0,0385
0,0001 0,0002 0,0008 0,0030 0,0110 0,0412 0,1539 0,5744 0,1436
0,0000 0,0001 0,0002 0,0007 0,0028 0,0103 0,0385 0,1436 0,5359
• Para i = 1, 2, ... , 9 y j =O tendremos:
W 1 = A-1 * B * W 0
0,6169 1,1180
0,9288 1,5388
0,8621 1,1180
0,6177 0,3633
0,4905 =A-1 *B* o 0,6177 0,3633
0,8621 1,1180
0,9288 1,5388
0,6169 1,1180
3.3. Método de Crank-Nicolson 66
Donde:
w1,1 = 0,6169 w2,1 = 0,9288 wa,l = 0,8621 w4, 1 = 0,6177 ws,l = 0,4905 w6,1 = 0,6177
W7,1 = 0,8621 Ws,l = 0,9288 Wg,¡ = 0,6169
• Para i = 1, 2, ... , 9 y j = 1 tendremos:
W 2 =A-1 *B*W1
0,3942 0,6169
0,6480 0,9288
0,7186 0,8621
0,6800 0,6177
0,6488 =A-1 *B* 0,4905
0,6800 0,6177
0,7186 0,8621
0,6480 0,9288
0,3942 0,6169
Donde:
W1,2 = 0,3942 W2,2 = 0,6480 W3,2 = 0,7186 W4, 2 = 0,6800 W5,2 = 0,6488 W6,2 = 0,6800
w7,2 = 0,7186 Ws,2 = 0,6480 Wg,2 = 0,3942
• Para i = 1, 2, ... , 9 y j = 2 tendremos:
W3 = A-l * B * W 2
0,2887 0,3942
0,5067 0,6480
0,6253 0,7186
0,6665 0,6800
0,6733 =A-1 *B* 0,6488
0,6665 0,6800
0,6253 0,7186
0,5067 0,6480
0,2887 0,3942
3.3. Método de Crank-Nicolson 67
Donde:
w1,3 = 0,2887 w2,3 = 0,5067 w3,3 = 0,6253 w4, 3 = 0,6665 w5,3 = 0,6733 w6,3 = 0,6665
w1,3 = 0,6253 ws,3 = 0,5067 w9,3 = 0,2887
• Para i = 1, 2, ... , 9 y j = 3 tendremos:
0,2331 0,2887
0,4258 0,5067
0,5560 0,6253
0,6251 0,6665
0,6458 =A-1 *B* 0,6733
0,6251 0,6665
0,5560 0,6253
0,4258 0,5067
0,2331 0,2887
Donde:
w 1,4 = 0,2331 w2,4 = 0,4258 W3,4 = 0,5560 w4, 4 = 0,6251 w5,4 = 0,6458 w6,4 = 0,6251
W7,4 = 0,5560 Ws,4 = 0,4258 Wg,4 = 0,2331
• Para i = 1, 2, ... , 9 y j = 4 tendremos:
W 5 = A-l * B * W4
0,1995 0,2331
0,3720 0,4258
0,4996 0,5560
0,5754 0,6251
0,6002 =A-1 *B* 0,6458
0,5754 0,6251
0,4996 0,5560
0,3720 0,4258
0,1995 0,2331
3.3. Método de Crank-Nicolson 68
Donde:
WI,5 = 0,1995 W2,5 = 0,3720 W3,5 = 0,4996 w4, 5 = 0,5754 W5,5 = 0,6002 W6,5 = 0,5754
W7,5 = 0,4996 Ws,5 = 0,3720 Wg,s = 0,1995
• Para i = 1, 2, ... , 9 y j = 5 tendremos:
W 6 = A-1 * B * W 5
0,1759 0,1995
0,3315 0,3720
0,4511 0,4996
0,5253 0,5754
0,5504 =A-1 *B* 0,6002
0,5253 0,5754
0,4511 0,4996
0,3315 0,3720
0,1759 0,1995
Donde:
w1,6 = 0,1759 w2,6 = 0,3315 w3,6 = 0,4511 w4, 6 = 0,5253 ws,6 = 0,5504 w6,6 = 0,5253
w7,6 = 0,4511 W8,6 = 0,3315 W9,6 = 0,1759
• Para i = 1, 2, ... , 9 y j = 6 tendremos:
0,1574 0,1759
0,2981 0,3315
0,4082 0,4511
0,4778 0,5253
0,5015 =A-1 *B* 0,5504
0,4778 0,5253
0,4082 0,4511
0,2981 0,3315
0,1574 0,1759
3.3. Método de Crank-Nicolson 69
Donde:
w1,1 = 0,1574 w2,1 = 0,2981 wa,7 = 0,4082 w4, 7 = 0,4778 ws,7 = 0,5015 w6,7 = 0,4778
W7,7 = 0,4082 Ws,7 = 0,2981 Wg,7 = 0,1574
• Para i = 1, 2, ... , 9 y j = 7 tendremos:
W 8 = A-1 * B * W 7
0,1419 0,1574
0,2693 0,2981
0,3698 0,4082
0,4338 0,4778
0,4558 =A-1 *B* 0,5015
0,4338 0,4778
0,3698 0,4082
0,2693 0,2981
0,1419 0,1574
Donde:
w1,s = 0,1419 w2,s = 0,2693 wa,s = 0,3698 w4, 8 = 0,4338 ws,s = 0,4558 w6,B = 0,4338
w1,s = 0,3698 w8,8 = 0,2693 Wg,s = 0,1419
• Para i = 1, 2, ... , 9 y j = 8 tendremos:
W 9 = A - 1 * B * W 8
0,1283 0,1419
0,2437 0,2693
0,3351 0,3698
0,3936 0,4338
0,4137 = A-1 * B * 0,4558
0,3936 0,4338
0,3351 0,3698
0,2437 0,2693
0,1283 0,1419
3.3. Método de Crank-Nicolson 70
Donde:
W¡,g = 0,1283 'ILI2,9 = 0,2437 W3,9 = 0,3351 w4, 9 = 0,3936 w5,9 = 0,4137 w6,9 = 0,3936
'IL/7,9 = 0,3351 Ws,9 = 0,2437 Wg,g = 0,1283
• Para i = 1, 2, ... , 9 y j = 9 tendremos:
W 10 =A-1 *B*W9
0,1161 0,1283
0,2208 0,2437
0,3038 0,3351
0,3570 0,3936
0,3753 =A-1 *B* 0,4137
0,3570 0,3936
0,3038 0,3351
0,2208 0,2437
0,1161 0,1283
Donde:
WI,lO = 0,1161 'IL/2,10 = 0,2208 W3,10 = 0,3038 w4, 10 = 0,3570 'IL/5,10 = 0,3753 W6,10 = 0,3570
'IL/7,10 = 0,3038 Ws,lO = 0,2208 'IL/9,10 = 0,1161
Conclusiones
l. El método de diferencias finitas nos permite hallar una solución númerica aproxi
mada de las Ecuaciones Diferenciales Parciales Parabólicas.
2. Entre las diferentes formas de discretización posible(Diferencias finitas, elementos
finitos y volúmenes finitos) una de las formas más simples y utilizables es mediante
el método de diferencias finitas.
3. El software matemático Matlab es un gran soporte de ayuda en la solución núme
rica de Ecuaciones Diferenciales Parciales Parabólicas.
4. En la solución de Ecuaciones Diferenciales Parciales Parabólicas. por los métodos
de diferencias finitas progresivas, diferencias finitas regresivas y Crank-Nicolson se
logra una mejor aproximación a su solución númerica utilizando intervalos redu
cidos ( h y k segun corresponda).
71
Sugerencias
l. Se sugiere utilizar como guía para los estudiantes de la Escuela Profesional de Ma
temáticas y carreras afines, donde se desarrolle el tema de Ecuaciones diferenciales
Parciales Parabólicas por diferencias finitas.
2. Se recomienda usar el software matemático Matlab como soporte en la solución
numérica con diferencias finitas de Ecuaciones Diferenciales Parciales Parabólicas.
3. Se recomienda utilizar el método de Crank-Nicolson porque nos permite encontrar
una mejor aproximación a la solución númerica buscada.
4. Se sugiere continuar con el estudio sobre Ecuaciones Diferenciales Parciales y sus
aplicaciones en las diferentes áreas de Ciencia e Ingenieria.
72
Bibliografía
[1] R. L Burden y J.D. Faires, "Análisis Numérico", ga ed. Cengage, 2011.
[2] R. Leveque, "Finite Diferences methods for Ordinary and Partial Differential
Equations", SIAM, 2007.
[3] S. Chapra y R. Canale, "Numerical Methods for Engineers", 6 edición Mcgraw
Hill, 2010.
[4] E. Isaacson y H. B. Keller, "Analysis of Numerical Methods", Dover 1994 (ori
ginal de 1966).
[5J Ayres, F, "Ecuaciones Diferenciales", Edición Me Graw-Hill1991.
[6] Hornbeck. Robert W, "Numerical Methods Quantum", New York.
[7] Mathews, J.H; Fink, K.D, "Métodos Numéricos con Matlab", Edición 1999.
[8] Simmons, G. F, "Ecuaciones Diferenciales (con aplicaciones y notas históricas}",
Edición Me Graw- Hill (1998).
[9] Zill, D, "Ecuaciones Diferenciales con aplicaciones", Edición Grupo editorial Ibe
roamérica (1998).
[10] Moisés Lázaro C, "Álgebra Lineal", Editorial Moshera.
[11] Elon Lages Lima, "Álgebra Lineal", Textos del IMCA.
[12] Kenneth Hoffmann - Ray Kunze, "Álgebra Lineal", Printice"'Hall.
73