Resolucion Numerica de E.D.P. D - Fernando Vadillo
Resolucion Numerica de E.D.P. D - Fernando Vadillo
Resolucion Numerica de E.D.P. D - Fernando Vadillo
de
evolucin
Fernando Vadillo
2. Problemas parablicos 19
2.1. La ecuacin del calor . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Semidiscretizacin espacial . . . . . . . . . . . . . . . . . . . . . . 21
2.3. Los mtodos de Euler y Crank-Nicolson . . . . . . . . . . . . . . 23
2.4. El teorema de Equivalencia de Lax . . . . . . . . . . . . . . . . . 25
2.5. El condicin de Von Neumann para la estabilidad . . . . . . . . . 28
2.6. Otros mtodos en diferencias . . . . . . . . . . . . . . . . . . . . 34
2.7. El comando pdepe de MATLAB . . . . . . . . . . . . . . . . . . 35
2.8. Problemas multidimensional . . . . . . . . . . . . . . . . . . . . . 36
2.9. Ejercicios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3. Problemas hiperblicos 42
3.1. E.D.P. de primer orden . . . . . . . . . . . . . . . . . . . . . . . 42
3.2. La ecuacin de ondas de primer orden . . . . . . . . . . . . . . . 44
3.3. Mtodos en diferencias . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4. Sistemas hiperblicos . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.5. La ecuacin de ondas de segundo orden . . . . . . . . . . . . . . 51
3.6. Mtodos en diferencias . . . . . . . . . . . . . . . . . . . . . . . . 54
3.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4. Mtodos espectrales 58
4.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2. Algunos ejemplos de matrices de diferenciacin . . . . . . . . . . 61
4.3. Matrices de diferenciacin de Fourier . . . . . . . . . . . . . . . . 63
4.4. Matrices de diferenciacin de Chebyshev . . . . . . . . . . . . . . 67
1
4.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Bibliografa 69
0
Estas notas son una breve gua para la asignatura denominada: Resolucin
Numrica de Ecuaciones en Derivadas Parciales, del quinto curso de la licen-
ciatura de Matemticas en la Facultad de Ciencias de la Universidad del Pais
Vasco.
Durante los ltimo aos he explicado dicha asignatura con la impresin de
que los alumnos tenan serias dicultades. Una de las dicultades que ms
me preocupaba era su falta de agilidad para manejar el Anlisis de Fourier
en sus cuatro variedades: series, transformadas, transformadas semi-discreta
y transformadas discreta. Pareca por tanto necesaria una introduccin a di-
chos temas y la mejor exposicin que he encontrado es la del profesor Lloyd
N. Trefethen en el texto: Finite Dierence and Spectral Methods for Ordi-
nary and Partial Dierential Equations, escrito en 1996 y aunque no ha si-
do publicado est disponible en su pgina web de la Universidad de Oxford:
web.comlab.ox.ac.uk/oucl/work/nick.trefethen/pdetext.html. Este tex-
to ha guiado la presentacin sobre todo del captulo primero. Los dos siguientes
captulos dedicados a los problemas parablicos e hiperblicos son los clsicos
que aparecen en casi todos los textos que tratan de estos temas, si bien aliados
al gusto del autor. El captulo de los Mtodos Espectrales de momento se reduce
a una breve introduccin a pesar de que como se arma en el prefacio de [11]
son la mejor opcin para problemas con dominios sencillos.
Esta notas quieren desarrollan ms ideas que demostrar teoremas, quiz sea
una peculiaridad de la Matemtica Aplicada que aqu se practica. Sin renunciar
a los contenidos y desarrollos matemticos, he procurado dosicar los contenidos
para no atiborrar al alumno, opino que es mejor, y quiz tambin ms difcil,
despertar el apetito del alumno que saciar lo en el primer plato. Como escribi
Michel de Montaigne hace ms de cuatro cientos aos:
En verdad que el cuidado y el gasto de nuestros padres apunta slo a atibor-
rarnos la cabeza de ciencia; del juicio y la virtud, apenas si se habla. (Ensayos,
captulo XXV)
Con el tiempo disponible y teniendo en cuenta que los alumnos apenas cono-
cer el lenguaje MATLAB, he credo ms oportuno dedicar algunas clases prc-
ticas a introducir o recordar las herramientas bsicas de dicho lenguaje que
despus sern imprescindibles para las prcticas que se propone en otros docu-
mentos del curso.
El resultado lo dictaran los alumnos del curso que ahora comienza, por mi
parte debo confesar que al releer estas notas me han gustado mucho ms los dos
primeros captulos, los encuentro mejor ordenados y ms acabados. El captulo
de los problemas hiperblicos creo que carece de exposiciones grcas y detallen
en varias exposiciones, la nica disculpa que se me ocurre es la premura, creo que
se puede mejorar dedicndole ms tiempo, quiz en futuras versiones si es que
hubiera oportunidad para ellas. El ltimo captulo de los Mtodos Espectrales
de momento es muy reducido, se explican unas ideas muy generales con algunos
ejemplos, el alumno interesado en ampliar sus conocimientos en estos mtodos
le recomiendo el texto del profesor Lloyd N. Trefethen [11].
Fernando Vadillo
En Lejona a 21 de Febrero de 2005
1
Captulo 1
2
Teorema 1.1.1. Sean u, v L2 , entonces:
u(/c)
(d) Dilatacin: Si c R con c 6= 0, entonces F{u(cx)}() = |c| .
1
(g) Inversin: F{F 1 {u}}() = 2 u().
3
Para una funcin v `2h la transforma semi-discreta de Fourier de v
se dene por:
X h i
v() = (Fh v)() = h eijh vj , . (1.2.3)
j=
h h
0.5
0.5
1
1 0.75 0.5 0.25 0 0.25 0.5 0.75 1
4
La variable espacial x y la frecuencias estn en distintos conjuntos:
por lo que ser necesario en el espacio de las funciones v() denir una L2h
norma: "Z #1/2
h
kvk = |v()|2 d , (1.2.4)
h
5
Espacio fsico: discreto acotado x {h, 2h, . . . , 2}
l l l
Espacio Fourier: acotado discreto { N2 + 1, . . . , N2 }
N
X
h eipxj eiqxj = 2pq (1.4.1)
j=1
donde los v() son los coecientes clsicos de Fourier de la funcin v . Es su-
ciente con que v(x) L2 para que la sucesin de polinomios converja en me-
dia cuadrtica a la funcin, pero para la convergencia puntual deben aadirse
hiptesis, es el conocido Teorema de Dirichlet que dice lo siguiente:
6
Recuerde que una funcin es de variacin acotada si y slo si es la diferen-
cia de dos funciones montonas acotadas, y esto implica que todas sus discon-
tinuidades son de salto y forman un conjunto numerable.
Para la convergencia uniforme el teorema dice lo siguiente:
es decir, las frecuencias , N, 2N, ... del caso continuo aparecen todas
acumuladas en la frecuencia del interpolante, es lo que antes se llam efecto
alias. Segn este:
N/2
X X
IN v = PN v + RN v, con RN v = v( + mN ) eix ,
=N/2+1 m=,m6=0
(1.4.5)
donde RN u es el error aliasing. De este resultado y usando la ortogonalidad se
deduce la desigualdad:
kv PN vk kv IN vk, (1.4.6)
que indica que el error en media cuadrtica de interpolacin es siempre mayor
o igual que el error en media cuadrtica de la serie de Fourier truncada.
El comportamiento del error aliasing evidentemente depende del tamao
de los coeciente de Fourier para las frecuencias alta, un resultado clsico de
Anlisis de Fourier es el siguiente teorema que se puede consultar en la referencia
[16]:
7
Teorema 1.4.3. Sea v L2 con p 1 derivadas en L2 para algn p 0
y u(p) es de variacin acotada, entonces:
.
En particular si v tiene innitas derivadas continuas en L2 , entonces.
para todo m 0.
para todo m 0.
8
Teorema 1.4.5. Sea v con la -sima derivada ( 1) de variacin
acotada, y sea w la -sima derivada espectral de v en los puntos de la
red xj .
para todo m 0 .
9
fr=[697 770 852 941];
fc=[1209 1336 1477];
y cuando se elige a posicin (, j) el sonido se puede genera con el siguiente
cdigo en MATLAB:
Fs=32768;
t=0:1/Fs:0.25;
y1=sin(2*pi*fr(k)*t);
y2=sin()2*pi*fs(j)*t);
y=(y1+y2)/2;
sound(y,Fs);
El programa touchtone de la referencia [10] permite visualizar lo que se
acaba de comentar.
Otra de las aplicaciones clsicas de la FFT trata de encontrar comportamien-
to peridicos o prximos a peridicos en series temporales. Con mucha frecuen-
cia, se dispone de datos recogido a lo largo del tiempo de fenmenos observados,
y aunque la representacin de los datos no parezca establecen ninguna peri-
oridad, cuando se pasa al espacio de las frecuencias los periodos comienzan a
desvelarse. Un ejemplo es el de las manchas solares que se analizan en el progra-
ma sunspotstx de la referencia [10]. Durante siglos se observo que la cara del
sol no era uniforme y aparecan zonas oscuras de forma aparentemente aleatoria.
Sin embargo, en 1848 Rudolf Wolfer propuso una relacin de dichas manchas con
un cierto ndice que calculo utilizando datos desde el ao 1700, est relacin esta
recogida en el chero sunspot.dat. En el programa se muestra como aproximar
el periodo de los datos a pesar del aparente caos inicial.
Para aproximar soluciones de ecuaciones diferenciales se usar la FFT para
calcular las derivadas espectrales y el algoritmo tiene los siguientes pasos:
|x |
f (x) = max{0, 1 }, g(x) = esin x , (1.5.1)
2
10
function spectral derivative
1.5 1
1 0.5
0.5 0
0 0.5
0.5 1
0 2 4 6 0 2 4 6
3 2
max error = 9.5679e013
1
2
0
1
1
0 2
0 2 4 6 0 2 4 6
Figura 1.2:
11
Onda de velocidad variable: leapfrog y espectral
3
u
0
8
1 6
t 5
3 4
0 2
0 1
x
Figura 1.3:
12
1
(a) 0
1
50 40 30 20 10 0 10 20 30 40 50
1
0
(b)
1
50 40 30 20 10 0 10 20 30 40 50
1
(c) 0
1
50 40 30 20 10 0 10 20 30 40 50
1
(d) 0
1
50 40 30 20 10 0 10 20 30 40 50
Figura 1.4:
ut = ux w = , (1.6.9)
ut = uxx w = i 2 , (1.6.10)
13
ut = iuxx w = 2 . (1.6.11)
Estas relaciones de dispersin y sus velocidades de grupo ( dw
d )dan una
descripcin completa del comportamiento de cada onda. Para la ecuacin de
Schdinger como dicha velocidad depende de numero de onda el paquete
tiende a romperse provocando las oscilaciones que se observan.
Estos tres ejemplos: adveccin, difusin y dispersin, son mecanismos funda-
mentales para entender el comportamiento de la E.D.P. as como de los posible
modelos discreto.
14
donde F indica el operador transformada de Fourier.
El programa p27.m de la referencia [11] implementa el mtodo comentado
con el resultado de la gura 1.5. Las ODE que aparecen se resuelven con el
mtodo Runge-Kutta de cuatro evaluaciones clsico.
2000
0
6
4
3
x 10 3
2 3
2
1 1
0
t 1
0 2
3
x
Figura 1.5:
15
cuya solucin evidentemente es:
2
+q|u|2 )t
u(k, t) = ei(k u(k, 0), (1.8.5)
1.9. Ejercicios.
1. Demuestre las propiedades de la transformada de Fourier del teorema
1.1.1.
2. Sea uL2 , compruebe las siguientes armaciones:
(a) u(x) es una funcin par (impar) ssi u() es par (impar).
(b) u(x) es real (imaginaria) ssi u() es hermitiana (anti-hermtiana).
Recuerde que una funcin es hermitiana si u(x) = u(x) y anti-hermitiana
si cambia el signo.
3. Considere la siguiente funcin:
1
para 1 x 1,
u(x) = 2 (1.9.1)
0 otros casos
16
2
0
140
120 60
100 50
80 40
60 30
40 20
20 10
0 0
Figura 1.6:
Fh (v w)() = v()w().
17
7. La convolucin de dos funciones v y w es la funcin denida de la forma:
N/2 N/2
X X
(v w)m = h vmj wj = h vj wmj .
j=N/2+1 j=N/2+1
FN (v w)() = v()w().
18
Captulo 2
Problemas parablicos
5. Decaimiento de la solucin:
19
Los detalles y comprobaciones de estas propiedades se pueden consulta en
las referencias [4] y [6].
En lo que resta de este captulo se considerar la ecuacin del calor uni-
dimensional en el siguiente problema:
ut uxx = 0, 0<x< t>0
u(0, t) = u(, t) = 0, t>0 (2.1.3)
u(x, 0) = (x), 0 < x < .
Esta ecuacin modela la distribucin de la temperatura en un alambre de lon-
gitud aislado, con los extremos a cero grados y partiendo de la distribucin
inicial de temperaturas (x).
El mtodo de separacin de variables calcula la solucin en forma de serie
de Fourier:
X 2
u(x, t) = bj ej t j (x),
(2.1.4)
j=1
q
2
donde las j (x) = sin(jx) son las autofunciones y
bj son los coecientes de
2
Fourier de L (0, ), es decir:
Z
bj = (x)j (x)dx. (2.1.5)
0
20
conocer las autofunciones del laplaciano con las condiciones fronteras y en el
dominio del problema que se estudia, y aunque la teora espectral garantiza la
existencia de la sucesin de autofunciones que forman una base ortogonal, otra
cosa es poder calcularlas salvo en casos muy particulares.
u1 (t) 2 1
.. .. ..
. 1 1 . .
~u =
..
,
Ah = 2
.
(2.2.3)
h .. ..
. . . 1
uM (t) 1 2
~u(t) = etAh
~. (2.2.4)
Ah w
~ = w,
~ (2.2.5)
21
Este anlisis de Fourier construira una solucin del tipo:
M
X
~uh (t) = bl el (h) w
~ l (h), (2.2.8)
l=1
porque los autovectores ahora son ortogonales respecto de una versin discreta
de la norma L2 y despus demostrara la convergencia, es decir, comprobara que
los errores ~uh (t) ~u(t) tienden a cero cuando t 0, donde ~u(t) es la restriccin
de la solucin exacta de 2.1.3 en los nodos de la red.
Otra tcnica para demostrar la convergencia de la solucin del sistema semidis-
creto 2.2.1 a la solucn de la ecuacin del calor 2.1.3 es el denominado mtodo
de la energa que consiste en estudiar como evoluciona una versin discreta de
la energa:
M
hX
Eh (t) = |uj |2 . (2.2.9)
2 j=1
Lema 2.2.1.
XM
d uj+1 uj 2
Eh (t) = h . (2.2.10)
dt h
j=0
22
que como son aproximaciones de orden dos verican que:
para 1 j M, 0 h h0 0 t T.
de donde se llega a:
M
X M Z
X T
2
h |ej (t)| h |j (t)|2 dt, 0 < h < h0 , 0 t T. (2.2.18)
j=1 j=1 0
que demuestra la convergencia de orden dos siempre que la integral sea nita.
u(x, t + k) u(x, t)
ut (x, t) = + O(k), (2.3.1)
k
u(x h, t) 2u(x, t) + u(x + h, t)
uxx (x, t) = + O(h2 ), (2.3.2)
h2
23
que aplicadas en los puntos de la red y despreciando los trminos O(k) y O(h2 )
resulta el esquema en diferencias llamado mtodo de Euler:
Ujn+1 Ujn n
Uj1 2Ujn + Uj+1
n
= , (2.3.3)
k h2
que es una aproximacin a la ecuacin diferencial del problema 2.1.3.Por co-
modidad, se toma r = hk2 y se reordenan los trminos para obtener el esquema
en diferencias explcito:
inestable
estable
Figura 2.1:
24
La idea del este mtodo es aproximar la ecuacin del calor en un punto
intermedio de la red: x, t + k2 de la forma siguiente:
k u(x, t + k) u(x, t)
ut (x, t + ) = + O(k 2 ), (2.3.5)
2 k
k 1
uxx (x, t + ) = [u(x h, t + k) 2u(x, t + k)
2 2h2
+u(x + h, t + k) + u(x h, t) 2u(x, t)
+u(x + h, t)] + O(h2 ), (2.3.6)
que aplicadas en los puntos de la red y despreciando los trminos O(k 2 ) y O(h2 )
resulta el esquema implcito:
n+1
rUj1 + (2 + 2r)Ujn+1 rUj+1
n+1 n
= rUj1 + (2 2r)Ujn + rUj+1
n
, (2.3.7)
AUn+1 = b, (2.3.8)
donde:
2 + 2r r
r 2 + 2r r
A= .. .. .. , (2.3.9)
. . .
r 2 + 2r
U2n+1 U3n + (2 2r)U2n
U3n+1 U2 + (2 2r)U3n + U4n
n
Un+1 = .. , b= .. . (2.3.10)
. .
n+1 n n
UN 1 UN 2 + (2 2r)UN 1
25
donde A : B B es un operador lineal y u0 B representa el estado inicial
del sistema. De hecho bastara con que el operador A estuviera denido en un
subconjunto denso del espacio B (ver [12]). Se supone que el problema 2.4.1
est bien denido en el sentido de que existe una nica solucin para cada u0 B
que depende continuamente del dato inicial. Por ejemplo, para la ecuacin del
calor B = L2 y el operador A = x2 .
El siguiente paso consiste en denir un esquema en diferencias, tambin en
sentido abstracto, esto signica que se tiene una familia de operador lineales:
Sk : B B, (2.4.2)
26
Segn esta denicin, para demostrar que un esquema es convergente, habra
que calcular los errores globales para lo que sera preciso conocer la solucin
exacta, pero si se conociera la solucin exacta poco inters puede tener calcular
soluciones aproximadas. Para evitar manipular errores globales se introduce el
concepto de estabilidad:
y tomando normas:
n
ken+1 k kSk k ken k + kTn+1 k kSk k ke0 k + kTn+1 k . (2.4.11)
27
De los dos trminos de la de la cota de error, el primero est acotado por la
estabilidad y tiende a cero si e0 0, mientras que la convergencia del segundo
trmino es justamente la denicin de consistencia.
Los otros detalle de la demostracin se pueden consultar en [12]
28
analizar la propagacin de los errores en dicho espacio para todos los nmeros
de frecuencias .
Se considerar en primer lugar el caso de una frmula explcito escalar de
una paso:
Xr
Ujn+1 = SUjn = Uj+ , (2.5.1)
=l
lo que implica que kSk kgk , sin embargo, como la cota se alcanza (bastara
tomar toda la masa en una frecuencia concreta) si tiene que:
kSU k
kSk = sup = kgk . (2.5.5)
U `2h kU k
29
Este teorema interpretado para la estabilidad dice lo siguiente:
Ejemplo 2.5.3. En el mtodo de Euler 2.3.4 para la ecuacin del calor 2.1.3,
h
es fcil comprobar que g() = 1 4r sin2 2 . Entonces es table si y slo si:
h 1
1 1 4r sin2 1 r . (2.5.10)
2 2
BU n+1 = AU n , (2.5.12)
donde A y B son matrices innitas tipo Toeplitz (ver por ejemplo [2]).
La ecuacin 2.5.11 se puede escribir usando la convolucin como:
b U n+1 = a U n , (2.5.13)
n+1
rUj1 + (2 + 2r)Ujn+1 rUj+1
n+1 n
= rUj1 + (2 2r)Ujn + rUj+1
n
, (2.5.14)
30
y suponga que Ujn = 0, j , el sistema que resulta es:
n+1
rUj1 + (2 + 2r)Ujn+1 rUj+1
n+1
= 0, (2.5.15)
que tiene la solucin trivial Ujn+1 = 0, j . Por otra parte, se trata de una
ecuacin en diferencial lineal para la que se pueden buscar soluciones del tipo
exponencial Ujn+1 = j , donde es una raz del polinomio caracterstico:
r2 + (2 + 2r) r = 0, (2.5.16)
\
b()U cn (),
n+1 () = a()U (2.5.17)
\
U cn () = a() U
n+1 () = g()U cn (), (2.5.18)
b()
a()
kgk = max < , (2.5.19)
[/h,/h] b()
y se puede concluir que para un esquema lineal, escalar y de un paso, la condicin
de Von Neumann 2.5.9 es tambin necesaria y suciente para la estabilidad
numrica.
31
Sea entonces una frmula lineal de un paso 2.5.11 con la novedad de que
ahora los Ujn son vectores de dimensin N lo mismo que los y son matrices
N N . Los operadores A y B son tensores.
Usando nuevamente la convolucin y pasando al espacio de Fourier se tendr
una matriz de amplicacin de N N :
La estabilidad del mtodo pedir que exista una constante C tal que:
kG()n k C, (2.5.22)
Ejemplo 2.5.7. El mtodo leap frog para aproximar la ecuacin del calor uni-
dimensional es la frmula de dos pasos:
con r= k/h2 . Para escribirlo como una frmula de un paso se introduce una
nueva variable:
Ujn
Wjn = , (2.5.25)
Ujn1
con lo que resulta el esquema de un paso:
2r 0 4r 1 2r 0
Wjn+1 = Wj1
n
+ Wjn + Wj+1
n
, (2.5.26)
0 0 1 0 0 0
32
que se puede escribir de la forma:
Wjn+1 = 1 Wj1
n
+ 0 Wjn + 1 Wj+1
n
, (2.5.27)
h
2 + 8r sin2 1 = 0, (2.5.30)
2
h
llamando = 8r sin2 2 , sus races son:
p
2 + 4
= , (2.5.31)
2
h
g 2 = 1 + 2rg(eih 2 + eih ) = 1 8rg sin2 , (2.5.33)
2
33
2.6. Otros mtodos en diferencias
Hasta ahora se ha considerado tres mtodos en diferencias para aproximar
la ecuacin del calor uni-dimensional con las siguientes propiedades:
Mtodo Orden de exactitud Estabilidad
Euler 1 r 12
Crank-Nicolson 2 incondicionalmente estable
Leap frog 2 inestable.
Para construir otros mtodos con propiedades distintas, lo ms cmodo es
utilizar los operadores en diferencias. Para una funcin denida sobre los
puntos de la red vjn = v(xj , tn ) se denen en primer lugar el operador elevador:
Kvjn = vj+1
n
y los siguientes operadores en diferencias espaciales:
1
Diferencia central: 0 vjn = n
2h (vj+1
n
vj1 )
1
Diferencia central de segundo orden: vjn = n
h2 (vj+1 2vjn + vj1
n
)
Es evidente que las diferencias progresivas y regresivas son aproximaciones
de primer orden a la primera derivada en x, mientras que la diferencia central
aproxima tambin la primera derivadas pero con orden dos. En cuando a al
diferencia central de segundo orden es una estimacin de la segunda derivada
de orden dos.
Para la discretizacin en tiempo se utilizara exactamente la misma notacin
pero en lugar de los sub-ndices se escribirn super-ndices:
n+1
Diferencia central: 0 vjn = 1
2k (vj vjn1 )
n+1
Diferencia central de segundo orden: vjn = 1
k2 (vj 2vjn + vjn1 )
34
En realidad unos operadores se pueden escribir en funcin de otros, por
ejemplo 0 = 12 (+ + ) o = k12 (Z 2I + Z 1 ) donde Z sera el elevador en
t e I el operador identidad.
En esta notacin los tres mtodos anteriores se escriben de la siguiente man-
era:
Euler + v = v ,
Crank-Nicolson + v = + v ,
Leap-Frog 0 v = v .
BOX ( 56 I + 16 0 ) + v = + v ,
Crank-Nicolson de orden cuatro + v = + [ 34 (h) 31 (2h)]v ,
Dufort-Frankel + v = h12 (K 20 + K 1 )v .
u u u u
c x, t, u, = xm xm f x, t, u, + s x, t, u, , (2.7.1)
x t x x x
sol=pdepe(m,@pdefun,@pdeic,@pdebc,xmesh,tspan,options,p1,p2,..)
donde las funciones tiene la forma:
35
xmesh es la red de punto del intervalo [a, b], tspan es el intervalo de tiempo, y
p1,p2,.. son posible parmetros del problema.
El argumento del salida sol(j,k,i) es la aproximacin de la componente i
de la solucin en (tj , xk ). Adems pdeval permite estimar la solucin en otros
puntos que no son de la red.
El chero adjuntado bs.m resuelve la ecuacin de Black-Scholes famosa
por sus aplicaciones en matemtica nanciera:
u 2u u
= 2 + (k 1) ku, (2.7.4)
t x x
donde k = r/( 2 /2), r = 0,065, = 0,8, a = log(2/5), b = log(7/5), t0 = 0 y
tf = 5.
Con las condiciones iniciales y frontera :
36
donde
con
B1 2 1
.. ..
1 B1 1 . .
B= 2 .. , B1 =
,
(2.8.5)
h . .. ..
. . 1
B1 1 2
y
2I I
..
1 I 2I .
C= . (2.8.6)
h2 .. ..
. . I
I 2I
La matriz B est relacionada con la diferencia nita en x mientras de C lo
ser en y . Los autovalores de la matriz A son reales y negativos:
4 i j
i,j = 2 sin2 + sin2 , i, j = 1, . . . , N. (2.8.7)
h 2(N + 1) 2(N + 1)
n+1 n k k
Ui,j = Ui,j + (U n 2Ui,j
n n
+Ui1,j n
)+ 2 (Ui,j+1 n
2Ui,j n
+Ui,j1 ). (2.8.12)
h2 i+1,j h
De donde se puede hallar el error de truncatura local que es O(k + h2 ), y si se
quisiera hacer el anlisis de Von Neumann bastara insertar en ella la expresin:
n
Ui,j = g n ei1 xi ei2 yj .
37
El mtodo de Crank-Nicolson se obtiene usando la aproximacin de Pad
(1,1) resultando la expresin implcita :
k k
I (B + C) U n+1
= I + (B + C) Un , (2.8.13)
2 2
que tambin se puede escribir como:
k k k k k2
I B I C U n+1
= I+ B I + C Un + BC(Un+1 Un ).
2 2 2 2 4
La expresin punto a punto se puede ver en la pgina 226 de [3]. Este mtodo
evidentemente sigue siendo incondicionalmente estable.
Otro problema es como resolver ecazmente los sistemas lineales muy grandes
con matrices muy huecas pero con bandas muy anchas. La tcnica ms utilizada
son los llamados mtodos A.D.I. (Alternating Direction Implicit), cuya idea
principal consiste en resolver dos sistemas lineales de la misma dimensin en
lugar de uno, pero cada uno de ellos con matrices mas sencillas, en un sistema
slo aparecer la matriz B y en el otro la matriz C .
Si se tiene en cuanta de Un+1 Un = O(k) y se prescinde del ltimo trmino
de orden tres, queda:
k k k k
I B I C Un+1 = I + B I + C Un . (2.8.14)
2 2 2 2
Para resolver este sistema implcito el algoritmo de Peaceman-Rachford
utiliza:
k n+1 k
I B V = I + C Un , (2.8.15)
2 2
k k
I C Un+1 = I + B Vn+1 . (2.8.16)
2 2
El algoritmo de D'Yakonov es otro mtodo A.D.I. habitual en la liter-
atura:
k k k
I B Vn+1 = I+ C I + B Un , (2.8.17)
2 2 2
k
I C Un+1 = Vn+1 . (2.8.18)
2
2.9. Ejercicios.
1. Demuestre la desigualdad 2.1.8 y deducir de ella 2.1.6.
2. Dada la matriz tridiagonal de dimensin N:
a b
c a b
. . . .. .
. .. .
c a
38
Compruebe que si todos sus elementos no diagonales son positivos o neg-
ativos su autovalores son:
s
s = a + 2 bc cos , s = 1 N.
N +1
Calcule tambin sus autovectores asociados.
3. Sea la matriz:
A11 A1m
A = ... ..
..
. .
Am1 Amm
donde las Aij son matrices cuadradas de dimensin n tales que todas ellas
tienen un conjunto comn de n autovectores linealmente independientes.
Demuestre que los autovalores de la matriz A son los autovalores de las
matrices
(k) (k)
1m
11 ..
.. ..
.
. .
(k) (k)
m1 mm
(k)
donde ij es el k -simo autovalor de la matriz Aij para k = 1 n.
39
(a) Estudie el orden de aproximacin de los operadores en diferencias
usados para aproximar ut y uxxx .
(b) Encuentre la condicin de consistencia que deben vericar h y k cuan-
do h, k 0, y determine su orden de consistencia.
(c) Determine su condicin de estabilidad numrica.
10. Para resolver la ecuacin ut + auxxx = f con a constante, se propone el
mtodo en diferencias:
1 n+1 1 n n
a n n n n
Uj (Uj+1 + Uj1 ) + 3 Uj+2 2Uj+1 + 2Uj1 Uj2 = fjn .
k 2 2h
(2.9.2)
ut = xuxx ,
0 x 1/2, t > 0
1
u(x, 0) = x(1 x), 0 x ,
2
u(0, t) = 0, t > 0,
1 1 1
ux ( , t) = u( , t), t > 0.
2 2 2
(a) Escriba el mtodo numrico que resulta cuando se aproximan las
derivadas en x por frmulas en diferencias centrales, y se usa el mto-
do de Euler para la variable t con pasos h y k respectivamente.
(b) Estudie el orden de consistencia del esquema obtenido.
(c) Compruebe que la condicin de estabilidad es r 2+2 h con r = k
h2 .
2
(d) Observe que el problema tiene una discontinuidad entre las condi-
ciones de contorno y condiciones iniciales en el punto x = 1/2. Es-
tudie cmo se propaga dicha discontinuidad en el mtodo numrico.
u 1 2 u 1
= + ,
t 2 x2 1 + v2
v 1 2 v 1
= 2
+ ,
t 2 x 1 + u2
para 0 x 1 y 0 t 0,2, con las condiciones iniciales:
1
u(x, 0) = 1+ cos(2x),
2
1
v(x, 0) = 1 cos(2x),
2
40
y en la frontera:
u u v v
(0, t) = (1, t) = (0, t) = (1, t) = 0.
x x x x
y comente su resultado.
13. En esta segunda parte debe resolver un sistema de ecuaciones que aparecen
en problemas de electrodinmica:
u 2 u
= 0,024 F (u v),
t x2
v 2 v
= 0,170 2 + F (u v),
t x
donde F (y) = exp (5,73y) exp (11,46y), para 0 x 1 , 0 t y las
condiciones que se indican:
u(x, 0) = 1,
v(x, 0) = 0,
u
(0, t) = 0,
x
v(0, t) = 0,
u(1, t) = 1,
v
(1, t) = 0.
x
41
Captulo 3
Problemas hiperblicos
u u
P (x, t, u) + Q(x, t, u) = R(x, t, u), (3.1.3)
x t
cuya grca contenga la curva :
x = x0 (s),
t = t0 (s), (3.1.4)
u = u0 (s)
para s (s0 , s1 )
42
Si se dene el campo de vectores:
u u
n= i+ j k, (3.1.6)
x t
y la ecuacin 3.1.3 se pude escribe como:
v n = 0, (3.1.7)
u u 2
x +t = u, (3.1.11)
x t 3
43
El sistema caracterstico es:
dx
dr = x,
dt (3.1.12)
dr = t,
du = 2 u,
dr 3
1
u = (xt) 3 . (3.1.14)
44
Ejemplo 3.2.1. Suponga una tubera muy estrecha llena de un gas con una
densidad (x, t) que se mueve a una velocidad v(x, t) constantes para cada sec-
cin de la tubera. La masa de gas entre dos puntos x1 y x2 en en instante t
ser:
Z x2
masa en [x1 , x2 ]en el tiempo t = (x, t)dx. (3.2.3)
x1
Por otra parte, el ujo de gas que atraviesa la seccin en (x, t) es:
t + (v)x = 0. (3.2.7)
t + ax = 0, (3.2.8)
45
La primer ecuacin que se considera es la ecuacin de ondas de primer orden
que ahora se escribe como:
ut + aux = 0. (3.2.9)
El problema de Cauchy est denido por la ecuacin en < x < , t 0
con la condicin inicial:
u(x, 0) = u0 (x). (3.2.10)
El sistema caracterstico es:
dx
dr = 1,
dt
dr = a,
(3.2.11)
du
dr = 0,
0.9
0.8
0.7
0.6
u(x,t)
0.5
0.4
0.3
0.2
0.1
Figura 3.1:
46
wvmovie se abrir una ventana como la de la gura 3.1 donde puede observa la
evolucin de la onda que elija.
Otros programas del mismo autor son: wvsurf.m que dibuja la supercie
u(x, t) en el plano xtu y el programa wvslice.m dibuja la funcin en distintos
tiempos.
La ecuacin de conveccin con el coeciente variable:
ut + (a(x)u)x = 0, (3.2.13)
ut + uux = 0. (3.2.17)
47
3.3. Mtodos en diferencias
La teora de los mtodos en diferencias para la ecuacin de ondas lineal 3.2.9
con una condicin inicial 3.2.10 apenas presenta novedades respecto a lo que
ya se hizo para la ecuacin del calor en el captulo anterior, razn por la cual se
har con mayor brevedad.
Evidentemente el teorema de convergencia de Lax continua siendo vlido y
despus de discretizar la ecuacin diferencial se deber estudiar la consistencia
e investigar la condicin de estabilidad para que el mtodo en diferencias sea
utilizado con resultados de convergencia.
Sean entonces h y k los pasos en x y t respectivamente, si aproximamos
ambas derivas en x y t por una diferencia progresiva la frmula o esquema en
diferencias explcito que resulta es el conocido como mtodo upwind:
2u 3u
Thk = chk 2
+ dhk 3 + O(k 3 + h3 ), (3.3.2)
x x
donde:
a a 2
chk = (ak h), dhk =(h a2 k 2 ), (3.3.3)
2 6
son los coecientes de disipacn y dispersin del mtodo respectivamente.
En este caso si hk = a ambos coecientes se anulan y el mtodo es consistente
de orden tres.
Por el contrario si chk 6= 0 la ecuacin modicada del mtodo:
u u 2u 3u
+a + chk 2 + dhk 3 = 0, (3.3.4)
t x x u
tiene un trmino de difusin no nulo que provocar un efecto difusivo en el
esquema numrico que aproxima mejor la ecuacin modicada que la original.
Para estudiar la estabilidad se insertar la solucin Ujn = g n eijh para obtener
el factor de amplicacin:
48
cuyo e.t.l. es:
k 2 a2 2 u k 3 a3 ah3 3 u
Thk = 2
( + ) + O(k 4 ) + O(h4 ). (3.3.8)
2 x 6 6 x3
Si ahora se suma en el esquema una aproximacin del trmino de difusin resulta
el llamado mtodo de Lax-Wendro :
a a2
Ujn+1 = Ujn (Uj+1
n n
Uj1 ) + 2 (Uj+1
n
2Ujn + Uj1
n
), (3.3.9)
2 2
cuyo coeciente de difusin es cero y por tanto evitar las difusiones en las
aproximaciones numricas. Su orden de consistencia es tres y su factor de am-
plicacin est dado por la expresin:
h
g() = 1 + ia sin h 2a2 2 sin2 , (3.3.10)
2
cuyo modulo cuadrado es:
h
|g()|2 = 1 + 4(a4 4 a2 2 ) sin4 1, (3.3.11)
2
cuando |a| 1.
A esta misma condicin llegaron en 1928 Courant, Friedrichs y Lewy por
un razonamiento geomtrico comparando los dominios de dependencia de la
ecuacin diferencial y su discretizacin numrica.
Dado un punto de la red (xj , tn ) el valor de la solucin exacta de 3.2.9 en
dicho punto u(xj , tn ) = u0 (xj atn ) donde xj atn es la interseccin con el
eje OX de la caracterstica x xj = a(t tn ) que pasa por el punto, entonces
si la curvas, en este caso recta, caracterstica no est contenida en el dominio
de dependencia del esquema, podramos cambiar el dato inicial para modicar
la solucin exacta pero el esquema no se enterara, razn por lo cual no po-
dra haber convergencia pero como el esquema es consistente lo que se hubiera
perdido es la estabilidad.
Como = hk es constante el dominio de dependencia del punto (xj , tn ) en el
esquema no cambia y su interseccin con el eje OX es el intervalo [xj 1 tn , xj +
1 n
t ]. En consecuencia para que:
1 n 1
xj atn [xj t , xj + tn )], (3.3.12)
la condicin que de cumplirse es que |a| 1 lo cual equivale a escribir que
|a| 1 que es la denominada condicin CFL del mtodo numrico, condicin
necesaria para la estabilidad de todo esquema explcito.
ut + Aux = b, (3.4.1)
49
donde u(x, t) v b(x, t) son vectores m-dimensional y A(x, t) una matriz m m.
Evidentemente la naturaleza de la ecuacin depender del tipo de matriz.
Cuando la matriz A es constante se dice que el sistema vectorial es hiper-
blico si dicha matriz es diagonalizable, es decir, existe una matriz P no singular
tal que:
= diag(1 , ..., m ) = P 1 AP, (3.4.2)
donde los j son los autovalores de A. Como A = P P 1 introduciendo esta
expresin en el sistema se tiene:
ut + P P 1 ux = b, (3.4.3)
2 u1 2 u2
2
= 0, (3.4.9)
t tx
2 u2 2 u1
= 0, (3.4.10)
xt x2
que sumadas dan:
2 u1 2 u1
2
= 0, (3.4.11)
t x2
que es la conocida como ecuacin de ondas de orden dos que se estudiar
en la siguiente seccin .
50
3.5. La ecuacin de ondas de segundo orden
En primer lugar se considera el problema de Cauchy de la ecuacin de ondas
de segundo orden de velocidad c en toda la recta real:
utt c2 uxx = 0, x R, t > 0,
u(x, 0) = (x), x R, (3.5.1)
ut (x, 0) = (x), x R
cuya solucin exacta se puede calcular de forma explcita. En efecto, es fcil
comprobar que la solucin es la famosa frmula d'Alembert:
Z
1 1 x+ct
u(x, t) = [(x + ct) + (x ct)] + (s)ds, (3.5.2)
2 2 xct
que tambin conviene escribir como suma de dos ondas viajeras de velocidades
c:
u(x, t) = F (x + ct) + G(x ct), (3.5.3)
donde:
Z s
1 1
F (x) = (x) + ()d, (3.5.4)
2 2 0
Z 0
1 1
G(x) = (x) + ()d. (3.5.5)
2 2 s
satisface:
dE
= 0, t 0. (3.5.7)
dt
Esta ley de conservacin sugiere que
T el1 si (, ) H 1 (R)L2 (R) entonces
1 2
la solucin u C([0, ); H (R)) C ([0, ); L (R)) lo que indica que se
preserva la regularidad en los datos iniciales.
51
donde se han impuesto condicione de contorno de Dirichlet que indican que la
cuerda est ja en los extremos.
El mtodo de separacin de variables permite escribir la solucin en serie de
Fourier. Si los datos iniciales admiten un desarrollo en serie de Fourier:
X X
(x) = l wl (x), (x) = l wl (x), 0 < x < , (3.5.9)
l1 l1
q
2
donde wl (x) = sin(lx), la solucin de se escribe del siguiente modo:
!
X l
u(x, t) = l cos(lt) + sin(lt) wl (x). (3.5.10)
l
l=1
se conserva, y el espacio natural para resolver es problema es H01 (0, )L2 (0, ).
El programa wvchar.m de la referencia [13] dibuja las rectas caractersticas
y calcula la solucin del problema de cuerda vibrante en en intervalo 0 < x < 1
y con velocidad inicial nula: (x) = 0.
Por otra parte el programa wvstring.m de la misma referencia, dibuja la
solucin de d'Alembert en el intervalo semi-innito 0 < x con las condiciones
frontera u(0, t) = 0 o ux (0, t) = 0.
Discretizando la variable x con un paso h = M+1 y utilizando la clsica
aproximacin de tres puntos para la segunda derivada se obtiene el sistema
semi-discreto de M ecuaciones diferenciales ordinarias lineales:
00 2 uj+1 (t)2uj (t)+uj1 (t)
uj (t) c h2 = 0, t > 0
uj (0) = j ,
(3.5.12)
u0 (t) = j ,
j
u0 (t) = uM +1 (t) = 0, t > 0,
donde:
u1 (t) 2 1
.. .. ..
. c2 1 . .
u(t) =
..
,
Ah = 2
.
(3.5.14)
h .. ..
. . . 1
uM (t) 1 2
Ah W = W, (3.5.15)
52
las soluciones son:
4c2 2 h
l (h) = sin l , (3.5.16)
h2 2
y los autovectores asociados:
r sin(lx1 )
2 ..
Wl (h) = . , (3.5.17)
sin(lxM )
para j = 1, ..., M . De aqui se concluye que cuando h 0 los autovalores y au-
tovectores del problema semi-discreto convergen a los autovalores y autovectores
del problema continuo.
La solucin del problema semi-discreto tambin se puede desarrollar en serie
de Fourier. Suponiendo que los datos iniciales admiten los desarrollos en serie
de Fourier siguientes:
M
X
= l (h)Wl (h), (3.5.18)
l=1
M
X
= l (h)Wl (h), (3.5.19)
l=1
con:
l (h) = h, W(h)ih , (3.5.20)
l (h) = h, W(h)ih (3.5.21)
PM
en donde he, f ih = h j=1 ej fj ; la solucin del mtodo semi-discreta que resulta
es:
M
!
X l (h)
u(t) = l (h) cos(l (h)t) + sin(l (h)t) Wl (x), (3.5.22)
l (h)
l=1
p
donde l (h) = l (h).
Tambin se puede denir una versin discreta de la energa de la forma:
M
" 2 #
h X uj+1 uj 0 2
Eh (t) = + |uj | , (3.5.23)
2 j=0 h
53
3.6. Mtodos en diferencias
El esquema completamente discreto ms utilizado para aproximar numrica-
mente la ecuacin de ondas de segundo orden es el llamado mtodo leap-frog:
n+1 n n1
U n 2U n +U n
Uj 2U2j +Uj = c2 j+1 h2j j1 ,
k
U 0 = j , (3.6.1)
Ujn = U n
0 M +1 = 0, ,
Uj1 = j + kj , (3.6.2)
1.5
0.5
u(x,t)
0.5
1.5
2
0 20
2 15
4
10
6
5
8
10 0
t
x
Figura 3.2:
54
Ujn = g n eijh con el resultado siguiente:
2 2 2 h
g = 2 4 sin ( ) g 1, (3.6.4)
2
cuyas races tiene el mdulo menor que uno si 1 que por tanto ser la
condicin de estabilidad. La misma condicin se obtiene cuando se comparan
los dominios de dependencia de la ecuacin diferencial y el esquema numrico
en lo sera la condicin CFL del mtodo.
El programa finedif.m de la referencia [14] implemente el este mtodo leap-
frog y en gura 3.2 se ha representado la solucin obtenida para el problema:
utt 4uxx = 0, 0 x 1, 0 t 0,5,
u(x, 0) = sin x + sin 2x, 0x1
(3.6.5)
ut (x, 0) = 0, 0x1
u(0, t) = u(, t) = 0, 0 t 0,5,
3.7. Ejercicios
ut + ux = u,
x = s,
t = s,
u = 1.
55
4. Si en el esquema de diferencias progresivas en tiempo y central en espacio
para la ecuacin de ondas de primer orden se sustituye Ujn por el promedio
central, se obtiene el mtodo de Lax-Friedrichs. Compruebe que el
esquema que resulta es:
1 n 1
Ujn+1 = n
(Uj+1 + Uj1 n
) + a(Uj+1 n
Uj1 ). (3.7.2)
2 2
Calcule su orden de consistencia y determine su condicin de estabilidad.
5. Estudie la convergencia y calcule los coecientes de disipacin y dispersin
para el esquema beam-warming:
siendo = hk .
Calcule su error de truncatura local y escriba su ecuacin modicada.
Determine tambin el rango de valores de para que el esquema sea
estable.
7. Dado el sistema de ecuaciones en derivadas parciales:
u1 u2 u1 u2
4 2 +5 = 0 (3.7.5)
t t x x
u1 u2 u1 u2
2 +4 +5 = 0 (3.7.6)
t t x x
se pide:
(a) Compruebe que es un sistema hiperblico.
(b) Escriba el sistema de ecuaciones desacopladas equivalente.
8. Demuestre que la frmula de d'Alembert resuelve la ecuacin de ondas de
segundo orden utilizando los resultados de la ecuacin de ondas de primer
orden y los sistemas hiperblicos.
9. Dado el problema hiperblico:
2
utt c uxx = 0,
0 x L, 0 t,
u(x, 0) = f (x),
ut (x, 0) = g(x), (3.7.7)
u(0, t) = (t),
u(L, t) = (t).
56
10. Dado el problema hiperblico:
utt = uxx
0 < x < , t 0,
u(x, 0) = 0,
ut (x, 0) = 5 sin 5x, (3.7.8)
u(0, t) = 0,
u(, t) = 0 .
57
Captulo 4
Mtodos espectrales
4.1. Introduccin
Dada una ecuacin diferencial con unas condiciones frontera, la idea de los
mtodos espectrales consiste en aproximar la solucin exacta u(x) por una suma
PN
nita v(x) = k=0 ak k (x). Cuando el problemaP dependiente del tiempo la
N
solucin u(x, t) ser aproximada por una v(x, t) = k=0 ak (t)k (x).
Para que los mtodos espectrales sean de utilidad prctica debern tener las
siguientes propiedades:
PN
1. La convergencia de las aproximaciones v(x) = k=0 ak k (x) a la solucin
exacta u(x) deber ser rpida, al menos cuando las funciones sean regular.
Las dos cuestiones fundamentales sobre las que se debe decidir para cada
problema son las siguientes:
58
Mtodo Tau : requiere que v(x) verica las condiciones frontera del
problema y el residuo R(x) sea ortogonal a tantas funciones base
como sea posible. El residuo es lo que queda cuando se inserta la
solucin aproximada en la ecuacin diferencial.
Mtodo Galerkin : combina las funciones base en un nuevo conjunto en
el todas las funciones verique las condiciones frontera y requiere que
el residuo R(x) sea ortogonal a tantas nuevas funciones base como
sea posible.
Mtodo de colocacin pseudoespectral : es similar al de Tau pero
ahora el residuo se anula en una serie de puntos.
de solucin exacta:
sh(2)ex + sh(1)e2x
u(x) = 1 . (4.1.3)
sh(3)
El residuo es:
4
X
R(x) = vxx + vx 2v + 2 = Ak Tk (x), (4.1.7)
k=0
59
con:
A0 a0 2
A1 a1 0
A = (A2 + A 2I) a2 0 . (4.1.8)
2 +
A3 a3 0
A4 a4 0
a0
a1
1 1 1 1 1 0
a = (4.1.9)
2
1 1 1 1 1 0
a3
a4
Para el mtodo de Tau primero se tiene las dos ecuaciones ( 4.1.9) corre-
spondientes a las condiciones frontera y despus la ortogonalidad del residuo:
Z 1
R(x)Tk (x)
dx para k = 0, 1, 2, (4.1.10)
1 1 x2
a3 = 0,0444
a4 = 0,0162,
60
y la ortogonalidad del residuo ahora signica que:
Z 1
R(x)k (x)
dx = 0 k = 2, 3, 4 (4.1.13)
1 1 x2
y la solucin del sistema lineal es:
a0 = 0,2741,
a1 = 0,0370,
a2 = 0,2593, (4.1.14)
a3 = 0,0370,
a4 = 0,0148,
a0 = 0,2743,
a1 = 0,0371,
a2 = 0,2600, (4.1.16)
a3 = 0,0371,
a4 = 0,0143,
61
que escrita de manera matricial resulta:
1
w1 0 2 12 u1
.. 1 . ..
.
1 2
0 ..
.
.. .. .. .. ..
. = . . . . . (4.2.2)
h
. . ..
.. .. 0 1 .
2
1
wN 2 12 0 uN
donde se tiene otro ejemplo una matriz de diferenciacin es este caso con aprox-
imaciones de orden cuatro.
La idea detrs de los metros seudoespectrales es, si fuera posible, hace un
paso al limite en este proceso y conseguir matrices de diferenciacin con aprox-
imaciones de orden innito. Se vera ms adelante que en el lmite se obtiene la
62
siguiente matriz innita conocida como el operador de Laurent:
..
.
.
.. 1
3
..
. 12
..
.
1
1
D= 0 . (4.2.4)
h ..
1 .
..
1 .
2
. ..
13
..
.
63
discreta de Fourier) est denida de la forma siguiente:
N
X N N
vk = h eikxj vj , k= + 1, . . . . . . , , (4.3.1)
j=1
2 2
donde vN/2 = vN/2 y los trminos k = N/2 estn multiplicados por 1/2.
Se dene el polinomio interpolador de banda lmite de la forma:
N/21
1 X
p(x) = eikx vk x [0, 2], (4.3.3)
2
k=N/2
64
Volviendo ahora al caso general y escribiendo:
N
X
vj = vm jm , (4.3.9)
m=1
y su derivada:
N
X
p0 (x) = 0
vm SN (x xm ). (4.3.11)
m=1
Esto signica que la aproximacin de la derivada en el nodo xj es:
N
X
v 0 (xj ) p0(x1 ) = 0
vm SN (xj xm ), (4.3.12)
m=1
65
En el programa p4.m de [11] se estiman las derivadas de las funciones:
|x |
f (x) = max{0, 1 }, g(x) = esin x , (4.3.17)
2
con el resultado de la gura 4.1 es casi idntica a la gura 1.2 del captulo
primero..
1 0.5
0.5 0
0 0.5
0.5 1
0 2 4 6 0 2 4 6
3 2
max error = 9.6878e013
1
2
0
1
1
0 2
0 2 4 6 0 2 4 6
Figura 4.1:
1 1
0.5 0.5
0 0
1 1
1 0.5 0 0.5 1 1 0.5 0 0.5 1
1
Figura 4.2: Efecto Runge para u(x) = 1+16x2 con N = 16
.
66
4.4. Matrices de diferenciacin de Chebyshev
Considere ahora el caso de un problema no peridico en un dominio acotado
[1, 1]. La teora de interpolacin demuestra que para los nodos equidistantes
xj = 1 + 2j N j = 0, . . . , N el polinomio de interpolacin diverge debido al
efecto Runge que se muestra parte izquierda de la gura 4.2, y la mejor
eleccin de son los nodos de Chebyshev: xj = cos j N j = 0, . . . , N como se
puede ver en la parte derecha de la gura 4.2, vea por ejemplo el captulo 3 de
[1].
Las matrices de diferenciacin de Chebyshev se construye de la forma que
especica el siguiente teorema:
2N 2 + 1 2N 2 + 1
(DN )00 = , (DN )N N = , (4.4.1)
6 6
xj
(DN )jj = , j = 1, ..., N 1, (4.4.2)
2(1 x2j )
ci (1)i+j
(DN )ij = , i 6= j, i, j = 0, ..., N, (4.4.3)
cj (xi xj )
donde
2 i = 0, N,
ci = (4.4.4)
1 otros.
67
3 2
|x | exp(x )
0 0
10 10
5 5
10 10
error
error
10 10
10 10
15 15
10 10
0 10 20 30 40 50 0 10 20 30 40 50
N N
1/(1+x2) x10
0 0
10 10
5 5
10 10
error
error
10 10
10 10
15 15
10 10
0 10 20 30 40 50 0 10 20 30 40 50
N N
Figura 4.3:
4.5. Ejercicios
2 (2)
1. Compruebe DN 6= DN para N = 2 y N = 4.
2. Compruebe las expresiones de las dos primeras derivadas de la funcin
sinc.
3.
68
Bibliografa
69