You are on page 1of 57

UNIVERSIDAD NACIONAL DE SAN AGUSTÍN

FACULTAD DE CIENCIAS NATURALES Y


FORMALES
ESCUELA PROFESIONAL DE MATEMÁTICAS

DIFERENCIAS FINITAS Y MÉTODOS ESPECTRALES


PARA ECUACIONES DIFERENCIALES ORDINARIAS Y
PARCIALES
PRESENTADO POR EL BACHILLER:

FELIX ALVINO, MIGUEL

PARA OPTAR EL TITULO

PROFESIONAL EN MATEMÁTICAS

ASESOR:

Dr. ANGEL SANGIACOMO CARAZAS

AREQUIPA - PERÚ
2015
DIFERENCIAS FINITAS Y MÉTODOS
ESPECTRALES PARA ECUACIONES
DIFERENCIALES ORDINARIAS Y
PARCIALES

Miguel Felix Alvino

Diciembre 2015
Resumen

En este trabajo hacemos una exposición de las generalidades de dos métodos numéri-
cos mas utilizados para resolver ecuaciones diferenciales ordinarias y parciales: para
nuestro caso son el de Diferencias Finitas y los métodos espectrales con respecto a
Fourier y Chebyshev.
Utilizamos los métodos espectrales de Fourier con sus matrices de diferenciación
y despues por motivo de uniformidad fue necesario usar los polinomios ortogonales
de Chebyshev que constituyen una alternativa adecuada a la base de Fourier.
Además, hemos aplicado los capítulos anteriores para resolver el ‡ujo de Pouseuille,
como un caso particular de la ecuación de Navier-Stokes a través de la aplicación de
la teoria espectral de Fourier y Chebyshev con el auxilio de diferencias …nitas.

Palabras Claves: Diferencias Finitas, Métodos Espectrales, Ecuaciones


Diferenciales Ordinarias y Parciales, Flujo de Pouseuille y Ecuación de Navier-
Stokes.

Abstract

In this paper we show an overview of two most used numerical methods for solving
ordinary and partial di¤erential equations for our case are the Finite Di¤erence and
spectral methods with respect to Fourier and Chebyshev.
Use Fourier spectral methods with their di¤erentiation and then arrays because
of uniformity required using Chebyshev orthogonal polynomials which are a suitable
to alternative Fourier basis.
In addition, we applied the previous chapters to solve the ‡ow Pouseuille, as a
particular case of the Navier-Stokes through the application of Fourier spectral and
Chebyshev theory with the aid of …nite di¤erences.

Keywords: Finite Di¤erence, Spectral Methods, Ordinary Di¤erential Equa-


tions and Partial, Pouseuille Flow and Navier-Stokes equation.
Índice general

Agradecimiento 2

Introducción 3

1. APROXIMACIÓN POR DIFERENCIAS FINITAS 5


1.1. Diferencias Finitas para Ecuaciones Diferenciales Ordinarias . . . . . 5
1.2. Diferencias …nitas para Ecuaciones Diferenciales Parciales . . . . . . . 8
1.2.1. Ecuaciones hiperbólicas . . . . . . . . . . . . . . . . . . . . . 9
1.2.2. Ecuaciones parabólicas . . . . . . . . . . . . . . . . . . . . . 12
1.2.3. Ecuaciones elípticas . . . . . . . . . . . . . . . . . . . . . . . 13

2. MÉTODOS ESPECTRALES 15
2.1. Métodos espectrales de Fourier . . . . . . . . . . . . . . . . . . . . . 15
2.1.1. Serie de Fourier Truncada . . . . . . . . . . . . . . . . . . . . 15
2.1.2. Métodos de Colocación según Fourier . . . . . . . . . . . . . . 16
2.2. Métodos espectrales de Chebyshev . . . . . . . . . . . . . . . . . . . 19
2.2.1. Polinomios de Chebyshev . . . . . . . . . . . . . . . . . . . . . 19
2.2.2. Métodos de Colocación según Chebyshev . . . . . . . . . . . . 22
2.3. Observaciones sobre la relación de diferencias …nitas con aproxima-
ciones espectrales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1. Diferencias …nitas versus colocación espectral . . . . . . . . . 26

3. APLICACIONES 29
3.1. Formulación del Flujo de Pouseuille . . . . . . . . . . . . . . . . . . . 29
3.1.1. Diferentes condiciones del ‡ujo: Gradiente de presión con-
stante o ‡ujo constante. . . . . . . . . . . . . . . . . . . . . . 32
3.2. Implementación Numérica . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.1. Aproximación Numérica: elección del método. . . . . . . . . . 35
3.2.2. Evaluación de los términos lineales . . . . . . . . . . . . . . . 38
3.2.3. Evaluación de los términos no lineales . . . . . . . . . . . . . . 40
3.2.4. Ecuaciones Reducidas. Evolución Temporal . . . . . . . . . . . 42
3.2.5. El Integrador Numérico del Flujo Constante . . . . . . . . . . 46
3.2.6. Comprobación del Integrador Numérico . . . . . . . . . . . . . 48

Bibliografía 54

1
Agradecimiento
Hay mucha gente que hizo y hace posible que yo esté acá, escribiendo mi tesis de
licenciatura. Mucha gente que me ayudó y acompaño todos estos años, de cerca o de
lejos, a nivel académico, familiar y brindándome su amistad. En particular, quiero
agradecer:
A la Universidad Nacional de San Agustin y en especial a la Escuela Profesional
de Matematicas por acogerme en sus aulas, y a sus docentes por darme la enseñanza
necesaria para poder triunfar en la vida.
De manera muy especial quiero extender mis agradecimientos a toda mi familia,
por su apoyo y la con…anza que depositan en mí, son todos el pilar de mi vida, gracias
por estar conmigo en los momentos felices así como en los mas difíciles, gracias por
darme ánimos para salir adelante y gracias por ser tan amables, cariñosos, gracias
por ser mi familia, sepan todos que los amo, mis agradecimientos a mis padres Dora,
Lino y mi hermano Alejandro por estar siempre conmigo, gracias por ello.
A mi asesor Angel Sangiacomo Carazas que siempre tuvo la paciencia necesaria
para poder ayudarme en las cosas que no comprendia, dandome consejos e
instrucciones necesarias para poder desarrollar mi tesis.

2
INTRODUCCIÓN

El presente trabajo trata de comparar la e…ciencia en los cálculos del método de


diferencia …nita con el de método espectral de Fourier o chebyshev para ecuaciones
diferenciales ordinarias y parciales.
Además sabemos que estos dos métodos son los que nos dan mejor aproximación
a la solución deseada, a problemas de ecuaciones diferenciales ordinarias (EDO)
o ecuaciones diferenciales parciales (EDP) difíciles de resolver de forma analítica,
utilizando polinomios interpolantes que aproximen a la función original de los cual
obtendremos una solución numérica.
Para realizar este trabajo nosotros fórmulamos los siguientes objetivos:
Objetivo del proyecto: evaluar el método de diferencias …nitas y métodos
espectrales de Fourier o Chebyshev en el campo de las ecuaciones diferenciales ordi-
narias y parciales para dar una solución aproximada a la solución original, en nuestro
caso el problema de Pouseuille.
Objetivos Especi…cos:
Revisar y conocer los métodos de diferencias …nitas, espectrales y pseudoespec-
trales.
Conocer los métodos de solución de ecuaciones diferenciales ordinarias y parciales
por los métodos aproximados referidos a diferencias …nitas y los metodos espectrales.
Conocer los métodos de Fourier y Chebyshev referidos a los métodos espectrales.
Aplicar los métodos espectrales a la solución de Ecuaciones Diferenciales Ordi-
narias y Parciales, y relacionarlos con los métodos de diferencias …nitas.
Aplicación al ‡ujo de Pouseuille.
Y además tenemos como Hipótesis que los métodos de diferencias …nitas y
métodos espectrales nos permiten dar solución a las Ecuaciones Diferenciales Ordi-
narias y Parciales y además nos permiten examinar la gran potencia de los métodos
espectrales en cuanto a precisión se re…ere con respecto a diferencias …nitas, espe-
cialmente al problema particular del ‡ujo de Pouseuille.
Organización. El presente trabajo está organizado de la siguiente manera.
En el Capitulo 1 trataremos sobre la aproximación por diferencias …nitas para
EDO’s y EDP’s, donde los métodos de diferencias …nitas son obtenidos para
aproximar a una función u (x) por un polinomio interpolante local. Las derivadas
de u (x) son entonces aproximados por diferenciación de estos polinomios locales. Y
además daremos a concocer los tres tipos de EDP’s mas comunes los cuales son:
Ecuaciones de tipo hiperbolico
Ecuaciones de tipo parabolico
Ecuaciones de tipo eliptico

3
Para cada uno de ellos construiremos su aproximación por diferencias …nitas,
utilizando diferencias avanzada, atrasada o centrada.
Posteriormente en el Capitulo 2 trataremos sobre los métodos espectrales de
Fourier y Chebyshev. Así comenzaremos primeramente de…niendo los métodos es-
pectrales de Fourier que están representados por las series de Fourier o polinomios
de Fourier. Donde veremos que los métodos de Fourier son apropiados para proble-
mas periódicos, además construiremos su matriz de diferenciación con respecto de
Fourier, pero debemos aclarar que estos métodos se trabajan con respecto a los pun-
tos de colocación. Seguidamente de…niremos los métodos espectrales de Chebyshev
que tienen como base los polinomios de Chebyshev, además a diferencia de Fouri-
er este método trabaja para problemas no periódicos, así también construiremos su
matriz de diferenciación de Chebyshev. Por último, en este capítulo veremos algunas
observaciones que relacionan los métodos de diferencia …nita y métodos espectrales.
Y terminaremos mostrando un ejemplo donde compararemos ambos métodos veri-
…cando cuál de ellos es más preciso en los cálculos aproximados con respecto a la
solución analítica.
En el Capítulo 3 veremos una aplicación donde ponemos en práctica los conceptos
tratados en los capítulos 1 y 2, esta aplicación está ligada al ‡ujo de Pouseuille cuya
ecuación está gobernada por las ecuaciones de Navier-Stokes para ‡uidos incompren-
sibles. En donde utilizando diferencias …nitas y métodos espectrales de colocación
daremos una solución aproximada para el ‡ujo de Pouseuille. A comienzo daremos
una formulación del ‡ujo de Pouseuille, para luego dar una implementación numérica
utilizando los conceptos ya mencionados.

Figura 1: Métodos de diferencia …nita.

Figura 2: metodos espectrales

4
Capítulo 1

APROXIMACIÓN POR
DIFERENCIAS FINITAS

El método de diferencias …nitas sirve para aproximar la solución de ecuaciones


diferenciales ordinarias y en derivadas parciales, las cuales van por lo general acom-
pañadas de condiciones iniciales o de frontera.
Mediante un proceso de discretización, el conjunto in…nito de números que
representan la función o funciones incógnitas en el continuo, es reemplazado por
un número …nito de parámetros incógnita, y este proceso requiere alguna forma de
aproximación.
Si deseamos determinar la función f (x) que satisface una ecuación diferencial
en un dominio determinado, junto a condiciones iniciales del problema. Se tiene
que empezar por diferenciar la variable independiente x, para después construir una
grilla o malla, con puntos discretos igualmente espaciados, sobre el dominio estable-
cido. Después se debe reemplazar aquellos términos en la ecuación diferencial que
involucren diferenciación por términos que contengan operaciones algebraicas. Este
proceso trae implícito una aproximación y puede efectuarse mediante la utilización
de aproximación en diferencias …nitas para las derivadas en una función.

1.1. Diferencias Finitas para Ecuaciones Diferen-


ciales Ordinarias
Primeramente pasaremos a de…nir acerca de una ecuación diferencial ordinaria:
Una ecuación diferencial ordinaria (EDO1 ) es una ecuación que solo posee una
variable independiente x,en su forma general es dada por
F x; y; y 0 ; : : : ; y (n) = 0 (1.1)
con F una función continua F : Rn+1 ! R, donde y; y 0 ; : : : ; y (n) son n derivadas
de una función y = y (x).
La ecuación (1.1) puede ser transformado a un sistema de ecuaciones diferenciales
ordinarias de primer orden el cual tiene la forma
x0 = f (x; t)
1
EDO: Ecuciones Diferenciales Ordinarias

5
donde f 2 Rn+1 ; x 2 Rn y t 2 R:
Problema de Valor Inicial (PVI): Para f una función en Rn+1 , T > 0 y x0 2 Rn ,
encontrar una función diferenciable x (t) de…nida para t 2 [0; T ] tal que

x0 (t) = f (x; t) , t 2 [0; T ]


(1.2)
x (0) = x0

Se dice que una función f continua con respecto de t satisface la condición de


Lipschitz para la variable x 2 RN , si existe una constante L > 0 para t 2 [0; T ] con
la propiedad de que
jf (x1 ; t) f (x2 ; t)j L jx1 x2 j
Enseguida enunciaremos el teorema de existencia y unicidad para el problema
de valor inicial (1.2).

Teorema 1.1 (Existencia y Unicidad). Sea f una función continua y lipschitziana


con respecto x; t 2 [0; T ]. Entonces existe una única función diferencial que satisface
el PVI
x0 (t) = f (x; t) , t 2 [0; T ]
x (0) = x0

La idea básica del método de diferencias …nitas es de aproximar la ecuación


diferencial por cocientes de diferencia apropiados, así reducir una ecuación diferencial
a un sistema algebraico. Existe una variedad de caminos hacia la aproximación.
Sea f una función diferenciable en R. Sí x 2 R y h > 0. Entonces tenemos las
siguientes tres diferencias típicas de aproximación:
Diferencia de avanzada:
f (x + h) f (x)
f 0 (x)
h
Diferencia atrasada:
f (x) f (x h)
f 0 (x)
h
Diferencia centrada
f (x + h) f (x h)
f 0 (x)
2h
Si f posee segunda derivada, en este caso se veri…ca que los errores de aproximación
para diferencias avanzada y atrasada es O (h). Si la tercera derivada de f existe,
entonces el error de aproximación para la diferencia centrada es O (h2 ). Observamos
que si la función es suave, diferencias centrada es mas exacto aproximando a la
derivada.
La segunda derivada de la función f es usualmente aproximado por diferencia
centrada de segundo orden:

00 f (x + h) 2f (x) + f (x h)
f (x)
h2
y podemos veri…car que f tiene cuarta derivada, el error de aproximación es O (h2 ) :

6
Ilustraremos utilizando el problema de valor en la frontera de segundo orden para
una función y : [a; b] ! R
y 00 + q (x) y = g (x) (1.3)
y (a) = ; y (b) =
suponiendo que q; g 2 C [a; b] (es decir q y g son funciones continuas en [a; b]) y
q (x) 0 para x 2 [a; b] ; esto puede probar que (1.3) tiene una unica solución y (x).
Para discretizar (1.3), subdividamos [a; b] en n + 1 subintervalos iguales,
b a
a = x0 < x 1 < < xn < xn+1 = b; xj = a + hj; h = ;
n+1
y, abreviando yj = y (xj ), reemplazamos el cociente diferencial yi00 = y 00 (xi ) para
i = 1; : : : ; n. por la diferencia de segundo orden
2 yi+1 2yi + yi 1
yi =
h2
estimando el error i (y) = y 00 (xi ) 2
yi , y utilizando la expansión de Taylor hasta
el cuarto orden, tenemos que el error queda de la siguiente manera:
h2 (4)
i (y) = y 00 (xi ) 2
y (xi + i h) para algún j i j < 1:
yi =
12
De (1.3), los valores yi = y (xi ) satisface la ecuación
y0 = (1.4)
2yi yi 1 yi+1
+ q (xi ) yi = g (xi ) + i (y) ; i = 1; : : : ; n;
h2
yn+1 =
abreviando qi = q (xi ) ; gi = g (xi ), los vectores
2 3
2 3 2 3 g1 + h2
y1 1 (y) 6 7
6 y2 7 6 2 (y) 7 6 g2 7
6 7 6 7 6 .. 7
y = 6 .. 7 ; (y) = 6 .. 7 ; k = 6 . 7
4 . 5 4 . 5 6 7
4 gn 1 5
yn n (y)
gn + h2
y la matriz simetrico tridiagonal n n
2 3
2 + q1 h2 1 0
6 1 2 + q 2 h2
1 7
1 66 ... ...
7
7
A= 26 1 7
h 6 .. .. 7
4 . . 1 5
0 1 2 + qn h2
la ecuación (1.4) es equivalente a
Ay = k + (y) (1.5)
El método de diferencia consiste en eliminar el término error (y) en (1.5) y tomando
la solución u = [u1 ; : : : ; un ]T del sistema resultante de la ecuación lineal,
Au = k
como una aproximación a y.

7
1.2. Diferencias …nitas para Ecuaciones Diferen-
ciales Parciales
¿Que es una EDP2 ? Es una ecuacion que envuelve dos o mas variables indepen-
dientes, una función incógnita, sus derivadas parciales con respecto a esas variables,
en general una EDP tiene la siguiente expresión

F (x; y; : : : ; u; ux ; uy ; : : : ; uxx ; uyy ; uxy ; : : :) = 0

donde x; y; 2 Rn son las variables independientes y u : R es la función


incógnita de estas variables.
Nosotros consideraremos una EDP de segundo orden dada por:

@2u @2u @2u @u @u


A 2
+ B + C 2
+D +E + Fu + G = 0
@x @x@y @y @x @y
donde A; B; C; D; E; F y G son funciones de las variables independientes x e y, y
también de la variable dependiente u.
Estas ecuaciones diferenciales parciales se clasi…can en tres grupos:
Elipticas: si B 2 4AC < 0.
Parabolicas: si B 2 4AC = 0.
Hiperbolica: si B 2 4AC > 0.
Enseguida tenemos estos tres tipos de ecuaciones:

1. Ecuaciones de tipo hiperbólico: La ecuacion de la onda

@2u 2
2@ u
= a
@t2 @x2

2. Ecuaciones de tipo parabólico: La ecuacion del calor

@u @2u
= a2 2
@t @x

3. Ecuaciones de tipo elíptico: Las ecuaciones de Poisson y Laplace

@2u @2u
u= + = k, k es constante.
@x2 @y 2

Estos tres tipos de EDP’s son asociados con estados de equilibrio, estados de
difusión y sistemas de oscilación, respectivamente. Estudiaremos algunos métodos
numéricos para resolver estas EDP’s. Donde las soluciones analíticas son usualmente
difíciles de encontrar.
Por esta razón tenemos el método de diferencias …nitas que toma un h como
la longitud espacial y k longitud temporal, donde h y k son números positivos.
Entonces la rejilla tienen los puntos (tn ; xm ) = (nk; mh) para n; m 2 Z.
2
EDP: Ecuaciones Diferenciales Parciales.

8
Sabiendo que una ecuación diferencial parcial de…nido por

Lu = g

donde L : U ! V es un operador diferencial, y U; V espacio de funciones en Rn ,


g 2 V . Y su expresión en diferencias …nitas

Lh uh = gh

con Lh : Uh ! Vh , gh 2 Vh , y espacios discretos Uh ; Vh . Ahora veamos el concepto


de estabilidad del método de discretización de diferencias …nitas:

De…nición 1.1 El método de discretización de diferencias …nitas es estable, si para


algún constante S > 0 se tiene

kvh wh k S kLh vh Lh wh k ,para todo vh ; wh 2 Uh (1.6)

La estabilidad garantiza que los errores de redondeo ocurridos en el problema no


tengan un efecto excesivo en el resultado …nal.

Observación 1.1 Si el operador Lh es lineal, entonces la estabilidad de la dis-


cretización es equivalente a la existencia de una constante c > 0, independiente de
h, tal que Lh 1 c.
Cuando el operador Lh es no-lineal, es valido aplicar la desigualdad (1.6) en una
vecindad de la solución discreta uh .

1.2.1. Ecuaciones hiperbólicas


Como ejemplo de una EDP hiperbólica tenemos la ecuación de ondas.

utt (x; t) = a2 uxx (x; t) 0 < x < L; 0 < t < T (1.7)

con las C.F.3


u(0; t) = 0; u(L; t) = 0; 0 t T
y los C.I.4

u(x; 0) = f (x); 0 x L
ut (x; 0) = g(x); 0<x<L

La ecuación de ondas modela el desplazamiento u(x; t) desde su posición de equilibrio


de una cuerda elástica vibrante cuyos extremos, de coordenadas x = 0; x = L estan
…jos.
La solución exacta de la ecuación de ondas podemos determinarla por medio de
las series de Fourier, aqui vamos a usar este problema como prototipo de la situación
que se da en las EDP’s hiperbólicas a través de los métodos en diferencias.
3
C:F: Condiciones de Frontera.
4
C.I: Condiciones Iniciales.

9
Construcción de la ecuación en diferencias
Hagamos una partición del rectángulo
< = (x; t) 2 R2 ; 0 x L; 0 t T
en una malla que consta de n 1 por m 1 rectángulos de lados x = h; t = k,
como se muestra en la …gura 1.1

Figura 1.1: Esquema de diferencias …nitas

Empezamos por la …la de abajo donde t = t1 = 0, ya sabemos que la solución


es f (xi ) = u (xi ; t1 ). Ahora vamos a usar una ecuación en diferencias para calcular
las …las sucesivas, las aproximaciones a la solución exacta, que en los puntos de la
malla son u (xi ; tj ). O sea, para j = 2; 3; ::: calcularemos
fui;j ' u (xi ; tj ) , i = 1; 2; :::g
Utilizaremos la fórmula de diferencias centradas para aproximar utt (x; t) y uxx (x; t)
u (x; t + k) 2u (x; t) + u (x; t k)
utt (x; t) = 2
+ o k2 (1.8)
k
u (x + h; t) 2u (x; t) + u (x h; t)
uxx (x; t) = + o h2
h2
El espacio entre los puntos de la malla es uniforme en todas las …las xi+1 = xi +
h; xi 1 = xi h; y también es uniforme en todas las columnas tj+1 = tj + k ó
(tj 1 = tj k).

10
Teniendo esto en cuenta , obtenemos la ecuación en diferencias eliminando tér-
minos de orden o (k 2 ) y o (h2 ) de las relaciones anteriores, usando la aproximación
ui;j en vez de u (xi ; tj ) en dichas relaciones y sustituyendo en (1.7) nos da
ui;j+1 2ui;j + ui;j 1 ui+1;j 2ui;j + ui 1;j
= a2 (1.9)
k2 h2
que es la ecuación en diferencias que usaremos como aproximación a la ecuación
diferencial (1.7) . Si escribimos (1.9) asi

a2 k 2
ui;j+1 2ui;j + ui;j 1 = (ui+1;j 2ui;j + ui 1;j )
h2
ak
y llamando r = se tiene
h
ui;j+1 2ui;j + ui;j 1 = r2 (ui+1;j 2ui;j + ui 1;j ) (1.10)

Reordenando los términos de (1.10), podemos determinar las aproximaciones a la


solución en los puntos de la …la (j + 1) esima de la malla, supuesto que conocemos
las aproximaciones a la solución en los puntos de las …las anteriores j esima y
(j 1) esima.

ui;j+1 = 2 2r2 ui;j + r2 (ui+1;j + ui 1;j ) ui;j 1 , i = 2; 3; :::; n 1, y j = 1; 2; :::


(1.11)
Las condiciones de frontera son dadas así:

u(0; t) = u(L; t) = u0;j = un;j = 0; para cada j = 1; 2; ::: (1.12)

y la condición inicial implica lo siguiente:

u(x; 0) = f (x) = ui;0 = f (xi ) ; para cada i = 1; 2; :::; n 1 (1.13)

Las ecuaciones (1.11) y (1.12) implican que el (j + 1) esimo paso de tiempo require
valores de los j esimo y (j 1) esimo. Esto produce un pequeño problema inicial,
por que los valores de j = 0, estan dadas por la ecuación (1.13), pero los valores de
j = 1, que se necesitan en la ecuación (1.11) para calcular ui;2 , deba obtenerse de la
condición inicial de la velocidad:

ut (x; 0) = g(x); 0<x<L

reemplazando @u=@t por una aproximación de diferencias progresivas tenemos:

ui;1 = ui;0 + kg (xi ) ; para cada i = 1; :::; n 1:

Observación 1.2 Hay que tener cuidado al utilizar la fórmula (1.11) si el error
cometido en una etapa de los cálculos no se ampli…ca en las etapas posteriores,
entonces se dice que el método es estable. Para garantizar la estabilidad de la fórmula
(1.11) es necesario que [2]
ak
r= 1.
h

11
1.2.2. Ecuaciones parabólicas
Como ejemplo de una EDP parabólico consideramos la ecuación del calor.

ut (x; t) = a2 uxx (x; t) , 0 x L, 0 < t < T: (1.14)

con C.I.
u (x; 0) = f (x) ; t = 0; 0 x L:
y C.F.

u (0; t) = c1 = 0; x = 0; 0 t T
u (L; t) = c2 = 0; x = L; 0 t T

Como sabemos la ecuación del calor modela la distribución de temperaturas en un


alambre aislado, cuyos extremos se mantienen a temperaturas constantes c1 y c2 ,
a partir de una distribución inicial de temperaturas a lo largo del alambre f (x)
[2]. Calcular la solución exacta es mediante series de Fourier. Pero, en este caso
utilizaremos esta ecuacion para resolverlo numerícamente.

Construcción de la ecuación en diferencias


Dividamos el rectángulo

< = f(x; t) ; 0 x L; 0 t Tg

en n 1 por m 1 rectángulos de lados x = h; t = k. Empezamos por la


…la de abajo donde t = t1 = 0, ya sabemos que la solución es f (xi ) = u (xi ; t1 ),
desarrollaremos un método para calcular las aproximaciones a los valores exactos
u (x; t) en los puntos de la malla fui;j ' u (xi ; tj ) , i = 1; 2; :::g para j = 2; 3; :::; m.
Las fórmulas en diferencias que usamos para ut (x; t) y uxx (x; t) son, respectivamente
u (x; t + k) u (x; t)
ut (x; t) = + o (k) (1.15)
k
u (x + h; t) 2u (x; t) + u (x h; t)
uxx (x; t) = + o h2
h2
Teniendo en cuenta que el tamaño de los rectángulos de la malla es uniforme en cada
…la, xi+1 = xi + h; y xi 1 = xi h, y en cada columna tj+1 = tj + k despreciando
los términos o (k) y o (h2 ), usando la aproximación ui;j en vez de u (xi ; tj ) en las
ecuaciones (1.15) y sustituyendo lo que se obtiene en la ecuación del calor (1.14)
tendremos
ui;j+1 ui;j ui+1;j 2ui;j + ui 1;j
= a2 (1.16)
k h2
a2 k
que es una aproximación a la relación (1.14). Por comodidad llamaremos r = h2
en
(1.16) y reordenando tenemos

ui;j+1 = (1 2r) ui;j + r (ui+1;j + ui 1;j ) , i = 2; 3; :::; n 1. (1.17)

La ecuación en diferencias (1.17) se emplea para calcular las aproximaciones en la


…la (j + 1) esima de la malla a partir de las aproximaciones de la …la anterior;

12
hagamos notar que esta fórmula proporciona explícitamente el valor ui;j+1 en función
de ui 1;j ; ui;j ; ui+1;j .
Dado la condición inicial u (x; 0) = f (x) ; t = 0; 0 x L: implica que
ui;0 = f (xi ) ;para cada i = 1; 2; :::; n. Y las condiciones de frontera son dadas así
u(0; t) = u(L; t) = u0;j = un;j = 0; para cada j = 1; 2; :::.

Observación 1.3 La fórmula (1.17) es muy sencilla y nos invita a usarla rápi-
damente, sin embargo es importante usar técnicas numéricas estables y la fórmula
1
(1.17) no siempre lo es. La fórmula (1.17) es estable si, y solo si, 0 r 2
. Esto
h 2
signi…ca que el tamaño de paso k debe cumplir k 2a2
. Si esto no se cumple, en-
tonces puede ocurrir que los errores introducidos en la …la fui;j g se ampli…quen en
alguna …la posterior fui;p g para algún p > j [2].

1.2.3. Ecuaciones elípticas


Como ejemplos de ecuaciones en derivadas parciales elípticas, consideremos las
ecuaciones de Laplace, Poisson y Helmholtz. Recordemos que la laplaciana de una
función u(x; y) es
r2 u(x; y) = uxx (x; y) + uyy (x; y)
Con esta notación, las ecuaciones de Laplace, Poisson y Helmholtz pueden expresarse
de la siguiente manera

r2 u(x; y) = 0 Ecuación de Laplace;

r2 u(x; y) = g(x; y) Ecuacion de Poisson;


r2 u(x; y) + f (x; y)u(x; y) = g(x; y) Ecuacion de Helmholtz
Si se conocen los valores que debe tomar la funcion u(x; y) (problema de Dirich-
@u (x; y)
let) o su derivada normal = 0 (problema de Neumann) en la frontera de
@
una región rectangular < del plano, entonces cada uno de estos problemas puede
resolverse mediante la técnica numérica conocida como el método de las diferencias
…nitas. Por razones obvias, sólo, estudiaremos con detalles la ecuación en diferencias
para el laplaciano.

Ecuación en diferencias para el laplaciano


El primer paso consiste en obtener una versión discretizada del operador de
Laplace que nos permita usarlo numéricamente. La fórmula para f 00 (x) es
f (x + h) 2f (x) + f (x h)
f 00 (x) = + o h2 (1.18)
h2
así que, al aplicar esta fórmula a la función u(x; y) para aproximar uxx (x; y) y
uyy (x; y) y sumar los resultados obtenemos
u (x + h; y) + u (x h; y) + u (x; y + h) + u (x; y h) 4u (x; y)
r2 u = + o h2
h2
(1.19)

13
Ahora dividamos el rectángulo < = f(x; y) ; 0 x a; 0 y bg en n 1 m 1
cuadrados de lado h (o sea a = nh y b = mh), como se muestra en la …gura 1.1,
donde en vez de t sea y. Para resolver la ecuación de Laplace, imponemos la
aproximación

u (x + h; y) + u (x h; y) + u (x; y + h) + u (x; y h) 4u (x; y)


+ o h2 = 0
h2
(1.20)
2
que tiene una precisión de orden o (h ) en los puntos interiores de la malla
(x; y) = (xi ; yj ) para i = 2; 3; :::; n 1 y j = 2; 3; :::; m 1. Como los puntos de la
malla están espaciados uniformemente

xi+1 = xi + h; xi 1 = xi h; yi+1 = yi + h e yi 1 = yi h;

denotando por ui;j la aproximación al valor u(xi ; yj ), la ecuación (1.20) queda

ui+1;j + ui 1;j + ui;j+1 + ui;j 1 4ui;j


r2 ui;j ' =0 (1.21)
h2
expresión que se conoce como la fórmula de diferencias con cinco puntos para el
laplaciano, ([5]). Esta fórmula relaciona el valor de la función ui;j con sus cuatro
valores adyacentes ui+1;j ; ui 1;j ; ui;j+1 y ui;j 1 . Eliminando de la expresión (1.21) el
denominador h2 obtenemos la fórmula de aproximación para la ecuación de Laplace

ui+1;j + ui 1;j + ui;j+1 + ui;j 1 4ui;j = 0

14
Capítulo 2

MÉTODOS ESPECTRALES

Los métodos espectrales involucran la búsqueda de soluciones de una ecuación


diferencial o de un sistema de ecuaciones diferenciales, en términos de funciones
suaves. Estos métodos se empezaron a utilizar ampliamente desde hace unos 30
años, y son actualmente, una alternativa al método de diferencias …nitas.
El método espectral más familiar es el método de Fourier en que las funciones
de base son funciones trigonométricas. Tales bases están adaptadas a problemas
periódicos. Así comenzaremos este segundo capitulo de…niendo primeramente los
métodos espectrales de Fourier.
Como los métodos de Fourier son apropiados para problemas periódicos, pero no
están adaptados para problemas no-periódicos por la existencia de los fenómenos de
Gibbs en las fronteras o limites. Para este tipo de problemas es necesario utilizar los
polinomios ortogonales, como son los polinomios de Chebyshev del cual se conoce
los métodos espectrales de Chebyshev, que constituyen una alternativa adecuada a
la base de Fourier [4]. El desarrollo en serie de Chebyshev puede ser visto como una
serie de Fourier de cosenos. Así estos son los dos métodos que pasaremos a de…nir a
continuación:

2.1. Métodos espectrales de Fourier


2.1.1. Serie de Fourier Truncada
Sea u (x) una función que es aproximada por la siguiente serie truncada

X
K
uK (x) = u^k eikx (2.1)
k= K

donde i2 = 1. Esta expansión contiene 2K +1 coe…cientes complejos que tienen que


ser determinados. La función u (x) asume ser real si los dos coe…cientes de Fourier,
con valores contrarios de k, son complejos conjugados, es decir

u^ k = u^k (2.2)

el coe…ciente u^0 es obviamente real. Por lo tanto, con (2.2), la expansión (2.1) tam-
bién contiene 2K + 1 incognitas reales. Generalmente, los coe…cientes complejos u^k

15
son calculados para k = 0; : : : ; K y entonces los coe…cientes restantes son dadas por
(2.2). La forma compleja de la expansión (2.1) es utilizado para aplicar la transfor-
mada rápida de Fourier. R
El producto escalar (u; v)w = uvwdx esta de…nido en L2 (0; 2 ), es valido para
w = 1, la cual es Z 2
(u; v) = uvdx
0
así que la propiedad de ortogonalidad en la función exponencial compleja es
Z 2
2 , si k = n
eikx e inx dx =
0 0 , si k 6= n

donde eikx es ortogonal en L2 [0; 2 ]

2.1.2. Métodos de Colocación según Fourier


Los puntos de colocación asociados con la serie de Fourier son de…nidos por
2 j
xj = ; j = 0; : : : ; N;
N
tal que x0 = 0 y xN = 2 . Sea u (x) una función periódica, que satisface u (x0 ) =
u (xN ) y similar igualdad para sus derivadas. La función u (x) es aproximada por la
expansión (2.1) es decir,
XK
uK (x) = u^k eikx
k= K

donde los coe…cientes u^k ; k = K; : : : ; K, son de…nidos al imponer el residual


RK (x) = u (x) uK (x) ; que son nulos en los puntos de colocación, o sea:

RK (xj ) = u (xj ) uK (xj ) = 0; j = 1; : : : ; N

o
X
K
u^k eikxj = u (xj ) ; j = 1; : : : ; N: (2.3)
k= K

Como se mencionó anteriormente, el sistema contiene 2K + 1 incógnitas complejas


de u^k , por lo tanto es necesario que

N = 2K + 1:

Si u (xj ) es real, y por la igualdad u^ k = u^k se tiene un sistema que contiene 2K + 1


incógnitas reales.
Ahora, los coe…cientes u^k son determinados explicitamente por aplicación de la
relación discreta de ortogonalidad

X
N
N; si k n = mN; m = 0; 1; 2; : : :
n) 2Nj
ei(k = (2.4)
0; en otros casos
j=1

16
inx
Por lo tanto, multiplicando en ambos lados de la ecuación (2.3) por e y sumando
de j = 1 hasta j = N . Entonces, debido a (2.4), obtenemos

1X
N
ikxj
u^k = u (xj ) e ; k= K; : : : ; K (2.5)
N j=1

Matrices de Diferenciación de Fourier


En esta parte haremos la construcción de las matrices de diferenciación para la
(p)
p esima derivada de uN :

(p)
X
N
(p)
uN (xj ) = dj;l uN (xj )
j=0
h i
(p)
donde dj;l = D es la matriz de diferenciación con j; l = 1; :::; N .
Tenemos como objetivo construir la matriz de diferenciación para los métodos
espectrales de Fourier. Comenzaremos considerando la expresión siguiente
X
uK (x) = u^k eikx (2.6)
k2IK

donde IK = f K; :::; Kg para colocaciones impares y IK = f K + 1; :::; Kg para


colocaciones pares. Derivando la ecuación (2.6) p veces tenemos
(p)
X
uK (xj ) = (ik)p u^k eikxj (2.7)
k2IK

donde xj = 2j =N; j = 1; :::; N; con N = 2K + 1 para colocaciones impares y


N = 2K para colocaciones pares.
Ahora, teniendo u^k dada por (2.5) con k 2 IK y reemplazando en(2.7) y evalu-
ando en xj obtenemos lo siguiente
!
(p)
X 1 X
N
uK (xj ) = (ik)p u (xj ) e ikxl eikxj
k2I
N l=1
K

X
N
1 X
= (ik)p eik(xj xl )
u (xj )
l=1
N k2I K

X
N
(p)
= dj;l uK (xj ) ; j = 1; :::; N:
l=1

donde
(p) 1 X
dj;l = (ik)p eik(xj xl )
(2.8)
N k2I
K

1 X dp ik
= e
N k2I d p
K

1 dp X ik
= e
N d p k2I
K

17
por la de…nición del nucleo de Dirichlet1 ,con = xj xl , tenemos que

(p) 1 dp sen (N 0 =2)


dj;l = ; j 6= l;
N d p sen ( =2) =xj xl

donde N 0 = N = 2K + 1 para colocaciones impares y N 0 = N 1 = 2K 1 para


colocaciones pares.
Si j = l, tenemos de (2.8) que eik = 1, así:

(p) 1 X
dj;l = (ik)p
N k2I
K
8
< 0 ; para p impar
(p) (N 0P1)=2
dj;l =
: ( 1)p=2 2
N
kp ; para p par
k=0

en particular, las expresiones para las dos primeras derivadas en el caso de coloca-
ciones impares son:
Derivada de primer orden:
(
( 1)l+j
(1) 2 sen(hl;j )
; si l 6= j
dj;l =
0 ; si l = j

con hj;l = (xj xl ) =2.


Derivada de segundo orden:
8
< ( 1)l+j+1 cos(hl;j ) ; si l 6= j
(2) 2 sen2 (hl;j )
dj;l =
: 2
N 1
; si l = j
12

Donde N es el número de particiones. En el caso de colocaciones pares, las expre-


siones son:
Derivada de primer orden:

(1)
1
( 1)l+j cot (hl;j ) ; si l 6= j
dj;l = 2
0 ; si l = j
2 1 3
0 2
cot h2 1
2
cot 2h
2
1
2
cot h2
6 ... 7
6 7
6 7
6 7
(1) 6 1 7
DN =6 2
cot 2h
2
1
2
cot h2 0 1
2
cot h2 1
2
cot 2h
2 7
6 .. 7
6 . 7
6 7
4 5
1
2
cot h2 1
2
cot 2h
2
1
2
cot h2 0
1
Nucleo de Dirichlet
P
N sen(N 1
)x
DN (x) = eikx = sen x
2
2
k= N

18
Derivada de segundo orden:
( ( 1)l+j+1
(2)
1
4
( 1)l+j2 sen2 (hl;j )
; si l 6= j
dl;j =
(N 1)(N 2)
12
; si l = j
Estos procesos pueden ser fórmulados como una multiplicación de matrices

U (p) = D(p) U; p 0;

donde
(p)
D(p) = dl;j ; l; j = 0; :::; N:
T
(p) (p)
U = (uN (x0 ) ; :::; uN (xN ))T ; U (p) = uN (x0 ) ; :::; uN (xN ) ;

enseguida daremos un ejemplo con respecto a la matriz de diferenciación de Fourier


de primera y segunda derivada, pero con respecto a colocaciones pares, para N = 4:
2 3
0 0;5000 0;0000 0;5000
6 0;5000 0 0;5000 0;0000 7
DN = 6 7
(1)
4 0;0000 0;5000 0 0;5000 5
0;5000 0;0000 0;5000 0
2 3
0;5000 0;0000 0;5000 0;0000
6 0;0000 0;5000 0;0000 0;5000 7
DN = 6 7
(2)
4 0;5000 0;0000 0;5000 0;0000 5
0;0000 0;5000 0;0000 0;5000

Observación 2.1 Una de las propiedades principales de la serie de Fourier es su


rápida tasa de convergencia, al ser funciones exponenciales in…nitamente diferen-
ciables. Esto constituye una ventaja evidente sobre diferencias …nitas. Por otro lado,
la desventaja del método de Fourier es su incapacidad para manejar problemas no
periódicas, debido a la presencia de las oscilaciones de Gibbs por la convergencia no
uniforme de la serie de Fourier en los extremos del dominio de de…nición [4].

2.2. Métodos espectrales de Chebyshev


El método espectral de Chebyshev constituye una alternativa adecuada a la base
de Fourier. Además tenemos que el desarrollo en serie de Chebyshev puede ser visto
como una serie de cosenos de Fourier, por lo que posee valiosas propiedades de esto
último se re…ere, en particular, a su convergencia. Además la facilidad de manejo
que tiene gracias a los polinomios de Chebyshev [4].

2.2.1. Polinomios de Chebyshev


El polinomio de Chebyshev del primer tipo Tk (x) es un polinomio de grado k
de…nido para x 2 [ 1; 1] por

Tk (x) = cos (k arc cos x) ; k = 0; 1; 2; : : : (2.9)

19
por tanto, 1 Tk 1. Como x = cos z, tenemos
Tk = cos kz; (2.10)
del cual se deduce las expresiones para los primeros polinomios de Chebyshev
T0 = 1; T1 = cos z = x; T2 = cos 2z = 2 cos2 z 1 = 2x2 1;
generalizamos de la fórmula de Moivre, obteniendo
n o
k
cos kz = Re (cos z + i sen z)

y entonces, aplicando la fórmula binomial, también expresamos el polinomio Tk como


[k=2]
kX (k m 1)!
Tk = ( 1)m (2x)k 2m
; (2.11)
2 m=0 m! (k 2m)!

donde [ ] denota la parte entera de [4].


De la identidad trigonométrica
cos (k + 1) z + cos (k 1) z = 2 cos z cos kz
deducimos la relación de recurrencia
Tk+1 2xTk + Tk 1 = 0; k 1: (2.12)
el cual nos permite, en particular, deducir la expresión de los polinomios Tk , k 2,
conociendo a T0 y T1 . El grá…co de los primeros polinomios se muestra en la …gura
2.1.

Figura 2.1: Los cinco polinomios de Chebyshev. Fuente: [3]

La expresión (2.11) también es usado en algunas circunstancias especiales, pero


la representación (2.10) es generalmente usado en la computación como también en
el estudio teórico.

20
Ahora veremos algunas propiedades útiles para el entendimiento y aplicación
de polinomios de Chebyshev a la solución de ecuaciones diferenciales ordinarias y
parciales.
Los valores Tk y su primer derivada Tk0 en x = 1 son dadas por

Tk ( 1) = ( 1)k , Tk0 ( 1) = ( 1)k+1 k 2 (2.13)

El conocimiento de estos valores puede ser de interes cuando se escriban las condi-
ciones de frontera. Es importante notar que

Tk ( x) = ( 1)k Tk (x) (2.14)

que es la paridad del polinomio que es igual a su grado k:


El polinomio Tk se anulan en los puntos xj de…nidos por

1
xj = cos j + ; j = 0; : : : ; k 1: (2.15)
2 k

y alcanza sus valores extremos 1 en los puntos xj de…nidos por

j
xj = cos ; j = 0; : : : ; k (2.16)
k
Note que tales puntos de (2.16) son los ceros del polinomio (1 x2 ) Tk0 (x) :
Una relación de recurrencia en la derivada Tk pueden obtenerse fácilmente,
Primero, la diferenciación de Tk nos da
d dz sen kz
Tk0 = (cos kz) =k ;
dz dx sen z
donde usamos la representación (2.10). Entonces, aplicando fórmulas trigonométri-
cas, obtenemos la relación
0
Tk+1 Tk0 1
= 2Tk (2.17)
k+1 k 1
valido para k > 1. Una fórmula similar para la p esima derivada es obtenida
derivando sucesivamente a (2.17)
Los polinomios de Chebyshev son ortogonales en [ 1; 1] con función de peso
1=2
w= 1 x2 (2.18)

y con el producto escalar de…nido por


Z 1
(u; v)w = uvwdx (2.19)
1

y por la propiedad de ortogonalidad


Z 1
(Tk ; Tl )w = Tk Tl wdx = ck k;l (2.20)
1 2

21
donde k;l es el delta de Kronecker y ck está de…nido por

2 si k = 0
ck = (2.21)
1 si k 1

La aproximación de Chebyshev es costoso al usar la fórmula cuadratura de Gauss.


Para los puntos de Gauss-Lobato xj = cos j=N; j = 0; : : : ; N , generalmente usados
en métodos de colocación, la fórmula cuadratura aplicado a cualquier función p (x)
da
Z 1 X N XN
p (xj )
pwdx = p (xj ) wj ' (2.22)
1 j=0
N j=0 cj

con wj = ; j = 0; : : : ; N; y
cj N

2; si k = 0 o k = N
ck =
1; si 1 k N 1

La relación (2.22) es exacto si p (x) es un polinimio de grado 2N 1 a más. De


(2.22) también se obtiene la relación discreta de ortogonalidad basado en los puntos
de Gauss-Lobato xj ; j = 0; : : : ; N . para k 6= N o l 6= N , el uso de (2.22) da una
aproximación exacta a la integral en (2.20) donde Tk ; Tl son polinomios de grado
2N 1:
Z 1 XN
1
ck k;l = Tk Tl wdx = Tk (xj ) Tl (xj )
2 1 N j=0 cj

Para k = l = N; esta última fórmula continua exacto siempre que ck sea reemplazado
en el lado derecho por cN (= 2). Por tanto, la relación discreta de ortogonalidad es

X
N
1 ck
Tk (xj ) Tl (xj ) = N k;l (2.23)
c
j=0 j
2

es valido para 0 k; l N.

2.2.2. Métodos de Colocación según Chebyshev


Consideremos la aproximación de Chebyshev de la función u (x) de…nida para
x 2 [ 1; 1]
X
N
uN (x) = u^k Tk (x) : (2.24)
k=0

calcularemos los coe…cientes u^k por medio de la técnica de colocación (o interpo-


lación). La técnica consiste en encontrar el cero al residual RN = u uN en los
puntos de colocación xj = cos Nj ; j = 0; : : : ; N; sea

X
N
u (xj ) = uN (xj ) = u^k Tk (xj ) ; j = 0; : : : ; N (2.25)
k=0

22
por notación uj = u (xj ) = uN (xj ) y usando la de…nicion (2.9), la ecuación anterior
da
XN
k j
uj = u^k cos ; j = 0; : : : ; N (2.26)
k=0
N
La ecuación (2.25)o [(2.26)] da un sistema algebraico de 2N +1 ecuaciones para deter-
minar los 2N + 1 coe…cientes de u^k . La expresión para los coe…cientes u^k (es decir, la
solución del sistema (2.25)) es obtenido directamente por medio la relación discreta
de ortogonalidad (2.23). Pero multiplicando cada lado de (2.25) por Tl (xj ) =cj , y
sumando de j = 0 hasta j = N , y usando la relación (2.23), obtenemos

2 X1
N
u^k = uj Tk (xj ) ; k = 0; : : : ; N (2.27)
ck N k=0 cj
o
2 X1
N
k j
u^k = uj cos ; k = 0; : : : ; N
ck N k=0 cj N
Las relaciones (2.26) y (2.27) demuestran que los valores de la rejilla uj , también
como los coe…cientes de u^k , son relacionados por la serie de Fourier discreta de
cosenos.
Por lo tanto, es posible usar el algoritmo de la transformada rápida de Fourier
(en su versión de cosenos) para conectar el espacio …sico (espacio de valores de la
rejilla) con el espacio espectral (espacio de coe…cientes).

Matrices de Diferenciación de Chebyshev


En el contexto de los métodos de colocación los valores de la rejilla son desconoci-
dos, es necesario expresar las derivadas en cualquier punto de colocación en términos
(p)
de los valores de la función en la rejilla, que son, para la p esima derivada de uN :

(p)
X
N
(p)
uN (xi ) = di;j uN (xj ) ; i = 0; :::; N . (2.28)
j=0

(p)
Los coe…cientes di;j pueden ser calculados de acuerdo a cualesquiera de los siguientes
casos:
(i) Eliminando u^k de la derivada

(p)
X
N
(p)
uN (xi ) = u^k Tk (xi )
j=0

usando la siguiente expresión

2 X1
N
u^k = ui Tk (xi ) ; k = 0; :::; N .
ck N i=0 ci
(p)
Entonces, expresar Tk (xi ) y la p esima derivada Tk (xi ) en términos de funciones
trigonométricas de acuerdo a Tk = cos kz.

23
Finalmente, aplicando las identidades trigonométricas evaluamos las sumas.
(ii) Derivando p veces el polinomio de interpolación
X
N
uN (x) = hj u (xj )
j=0

obtenemos
(p)
X
N
(p)
uN (x) = hj (xi ) uN (xj )
j=0
(p) (p)
Por lo tanto, di;j = hj (xi ), donde hj (xi ) es el polinomio de grado N , de…nido por

( 1)j+1 (1 x2 ) TN0 (x)


hj (x) =
cj N 2 (x xj )
(p)
Así, tenemos las expresiones de los coe…cientes di;j para las dos primeras derivadas
las cuales son:
Derivadas de primer orden:
(1) 2N 2 + 1 (1) 2N 2 + 1
d0;0 = , dN;N = ,
6 6
(1) xj
di;i = , i = 1; :::; N 1,
2 1 x2j
(1) ci ( 1)i+j
di;j = , i 6= j, i; j = 0; :::; N ,
cj (xi xj )
donde xi = cos ( i=N ) y además
2; i = 0 o N .
ci =
1; para 1 j N 1.
Derivadas de segundo orden:

(2) ( 1)i+j x2i + xi xj 2


di;j = ; 1 i N 1; 0 j N; i 6= j
cj (1 x2i ) (xi xj )2
(2) (N 2 1) (1 x2i ) + 3
di;i = ; 1 i N 1
(1 xi )2
(2) 2 ( 1)j (2N 2 + 1) (1 xj ) 6
d0;j = ; 1 j N
3 cj (1 xj )2
(2) 2 ( 1)j+N (2N 2 + 1) (1 + xj ) 6
dN;j = ; 0 j N 1
3 cj (1 + xj )2
(2) N4 1
(2)
d0;0 = dN;N = ;
15
Y también es útil recordar que

(2)
X
N
(1) (1)
di;j = di;k dk;i
k=0

24
En forma vectorial, las derivadas se pueden expresar como:

U (1) = DU; U (2) = D(2) U

donde
T
(p) (p)
U = (uN (x0 ) ; :::; uN (xN ))T ; U (p) = uN (x0 ) ; :::; uN (xN ) ;

con p = 1; 2. La matriz de diferenciación D está de…nidá por


h i
(1)
D = di;j ; i; j = 0; :::; N .

enseguida daremos algunos ejemplos de la matriz de diferenciación de primera y


segunda derivada:
Para N = 4
2 3
5;5000 6;8284 2;0000 1;1716 0;5000
6 1;7071 0;7071 1;4142 0;7071 0;2929 7
6 7
D4 = 6 7
(1)
6 0;5000 1;41;42 0;0000 1;4142 0;5000 7
4 0;2929 0;7071 1;4142 0;7071 1;7071 5
0;5000 1;1716 2;0000 6;8284 5;5000
2 3
17; 0000 28;4853 18;0000 11;5147 5;0000
6 9;2426 14; 0000 6;0000 2;0000 0;7574 7
6 7
=6 7
(2)
D4 6 1;0000 4;0000 6;0000 4;0000 1;0000 7
4 0;7574 2;0000 6;0000 14;0000 9;2426 5
5;0000 11;5147 18;0000 28;4853 17;0000

2.3. Observaciones sobre la relación de diferencias


…nitas con aproximaciones espectrales.
La expresión (2.28) hace clara la relación entre diferencia …nita y aproximaciones
de colocación de chebyshev. En el método de diferencia …nita, la aproximación de la
derivada en una vecindad de los puntos de la rejilla envuelve sólo muy pocos valores
de la función, mientras que la aproximación de Chebyshev envuelve todos los valores
de la rejilla [4]. La fórmula de diferencia …nita que aproxima a una derivada puede
ser obtenido por representación de la función bajo consideraciones del polinomio de
interpolación local de Lagrange de menor grado, así el polinomio cambia de un punto
de discretización a otro. En el método de Chebyshev, la interpolación polinomial es
la misma en todo el dominio, es decir envuelve los valores de la función en todos
los puntos de colocación y, consecuentemente, la fórmula expresa la derivada, como
(2.28), también envuelve todos los valores de la rejilla.
Además, las aproximaciones del método de diferencias …nitas, son de naturaleza
local, por el contrario la aproximación de Chebyshev y Fourier son de naturaleza
global. Así, la característica global de los métodos espectrales es bene…ciosa en la
exactitud con respecto a diferencias …nitas.

25
Además, las matrices asociadas con la aproximación de Chebyshev del problema
diferencial son no dispersas (llenas), al contrario de las aproximaciones locales que
forman matrices dispersas. Estas matrices no son simétricas ni poseen inclinación
simétrica, y por lo general son mal condicionada.
A pesar de los aparentes inconvenientes (aparente porque existen remedios para
remediarlos), el uso del método espectral es recomendado para soluciones suaves
que requieran una alta precisión. El error asociado a la aproximación de Cheby-
shev (así como Fourier) es O(1=N m ) donde N es el truncamiento y m es la serie
de derivadas continuas de la función en cuestión. En particular, para funciones in-
…nitamente diferenciables m es mayor que cualquier número entero y, entonces se
obtiene la precisión exponencial. Tal comportamiento tiene que ser comparado con
el O(1=N P ) error de aproximación local, como el método de diferencia …nita, donde
1=N es el tamaño de la malla y p, que depende del método, es esencialmente …nito
y generalmente pequeño [4].
Otra ventaja de la aproximación espectral es que está de…nida por todas partes
del dominio computacional. Por lo tanto, es fácil obtener un valor preciso de la
función bajo consideración en cualquier punto del dominio, al lado de los puntos
de colocación. Esta propiedad es utilizada en muchas ocasiones, en particular para
obtener una representación grá…ca signi…cativa de la solución, haciendo evidente las
posibles oscilaciones debido a la mala aproximación de la derivada.
Por último, una propiedad adicional de los métodos espectrales es la facilidad con
que se estima la exactitud de la solución calculada. Esto se hace controlando la dis-
minución de los coe…cientes espectrales. No necesitamos realizar varios cálculos para
modi…car la solución, como se suele hacer en diferencias …nitas y métodos similares
para estimar la red de convergencia.

2.3.1. Diferencias …nitas versus colocación espectral


En este caso daremos un ejemplo que ilustra la diferencia principal entre diferencia
…nita y métodos espectrales, compararemos la diferenciación numérica de una fun-
ción periódica u usando método de diferencias …nitas de cuarto orden y método
espectral de colocación de Fourier.
2
Dado h = y una rejilla uniforme fx0 ; :::; xN g con xj = jh, y un conjunto de
N
valores físicos fu0 ; :::; uN g con uj = u (xj ), una aproximación a u0 (xj ) por diferencias
…nitas centradas de cuarto orden es
uj 2 8uj 1+ 8uj+1 uj+2
wj = (2.29)
12h
para una explicación de la periodicidad tenemos u 2 = uN 1; u 1 = uN ; u0 =
uN +1 ; u1 = uN +2

26
Entonces, el proceso de diferenciación de (2.29) se expresa como
2 3 2 32 3
w0 .. u0
. 1 8
6 w1 7 6 7 6 u1 7
6 7 6 ...
6 .. 7 6 1 1 7 6
7 6 ..
7
7
6 . 7 6 7 6 7
6 . 7 6 ..
. 8
..
. 7 6 .. 7
6 . 7 1 6 76 . 7
6 . 7 6 . . . . 76 . 7
6 . 7= 6 . 0 . 76 . 7 (2.30)
6 .. 7 12h 6 7 6 .. 7
6 7 6 ..
.
..
. 76 7
6 .. 7 6 8 7 6 .. 7
6 . 7 6 . . 76 . 7
6 7 6 1 .. 1 .. 76 7
4 wN 1 5 4 5 4 uN 1 5
..
wN 8 1 . uN

note que los coe…cientes forman una matriz con valores dispersos, lo cual re‡eja la
naturaleza local de los métodos de diferencia …nita.
En el otro caso, la aproximación a la función u por el método espectral de colo-
cación es
X1
N
(x) = dk (x) uk (2.31)
k=0
0
ademas, aproximemos u (xj ) por

X1
N
0
wj = (xj ) = d0k (xj ) uk ; j = 0; :::; N; (2.32)
k=0

donde la fórmula explicita es:


(
(1)
1
2
( 1)l+j cot (j k)
N
; si k 6= j
dk (xj ) =
0 ; si k = j

Así, la matriz tiene la siguiente forma


2 3 2 32 3
w0 ... .. u0
.
6 w1 7 6 76 u1 7
6 7 6 ... cot 2h 76 7
6 .. 7 6 2 76 .. 7
6 . 7 6 . 76 . 7
6 . 7 6 . h 76 7
6 . 7 16 . cot 2 76 .. 7
6 . 7 6 .. 76 . 7
6 . 7= 6 0 . 76 .. 7 (2.33)
6 .. 7 2 6 76 . 7
6 7 6 h ... 76 7
6 .. 7 6 cot 76 .. 7
6 . 7 6 2
.. 76 . 7
6 7 6 cot 2h . 76 7
4 wN 2 5 4 2 5 4 uN 2 5
..
wN 1 . uN 1

note que los coe…cientes de la matriz estan llenos, re‡ejando la naturaleza global de
los métodos espectrales de colocación.
Luego, tomando u (x) = ln (2 + sen x), con periodo 2 , y comparemos la deriva-
da exacta u0 (x) = cos x= (2 + sen x) con la derivada numérica fwj g obtenida por
diferencia …nita (2.30), y método de colocación (2.33) en la misma rejilla.

27
Figura 2.2: Convergencia del método de diferencia …nita y de colocación. Fuente: [7]
p.18.

Figura 2.3: Proceso de diferenciación de la convergencia del método de colocación.


Fuente: [7] p.18.

En la Fig 2.2, determinamos el error max ju0 (xj ) wj j para N . Observe-


0 j N 1
mos una convergencia de cuarto orden O (h ) (o O (N 4 )) de diferencia …nita (2.30).
4

También observemos que los métodos de colocación convergen mucho más rápido
que los métodos de diferencia …nita. Tenemos una clara imagen de la convergencia
de los métodos de colocación (2.33), determinados en la Fig 2.3. los errores con
escala semi log, el cual indica una razón de convergencia exponencial O e cN
para cualquier c > 0.
En general el principio fundamental del métodos de colocación es de dar datos dis-
cretos en una rejilla, interpolando los datos globalmente, entonces evalua la derivada
de interpolación en las rejillas. Para problemas periódicos, normalmente se usa inter-
polaciones trigonométricas en puntos equidistantes, y para problemas no-periódicos,
se usa polinomios interpolantes en puntos no-equidistantes.

28
Capítulo 3

APLICACIONES

Aqui trataremos de aplicar los capítulos anteriores para resolver el ‡ujo de


Pouseuille, como un caso particular de la ecuación de Navier-Stokes a través de
la aplicación de la teoria espectral de Fourier y Chebyshev con el auxilio local de
diferencias …nitas.

3.1. Formulación del Flujo de Pouseuille

Figura 3.1: Gra…ca del ‡ujo de Pouseuille. El ‡uido se mueve entre las placas verti-
cales u = h y está considerado periódico en x de periodo L.

El problema de Pouseuille describe el ‡ujo de un ‡uido viscoso incomprensible,


en un canal entre dos placas paralelas in…nitas. En este trabajo consideraremos el
problema en dos dimensiones, como se muestra en la …gura 3.1. Donde el ‡uido está
gobernado por las ecuaciones de Navier-Stokes, junto con la condición de incom-
prensibilidad.
@u
+ (u r) u = rp + u; r u=0
@t

29
o también expresada en coordenadas
@u @u @u @p @2u @2u
+u +v = + + (3.1a)
@t @x @y @x @x2 @y 2
@v @v @v @p @2v @2v
+u +v = + + (3.1b)
@t @x @y @y @x2 @y 2
@u @v
+ = 0: (3.1c)
@x @y
donde u = u (x; y; t) = (u; v) (x; y; t), son las componentes de la velocidad, p =
p (x; y; t) la presión y , constantes de densidad y viscosidad respectivamente. Con
condiciones de frontera no deslizable en las paredes del canal y = h y, fronteras
arti…ciales en la dirección de la corriente x, con periodo …jo L, es decir
u (x; h; t) = v (x; h; t) = 0
x 2 R; y 2 [ h; h] ; t 0 (3.2)
(u; v; p0 ) (x + L; y; t) = (u; v; p0 ) (x; y; t)
sea p0 = p + Gx, para G = G (t) el gradiente de presión media en el canal de
longitud L, en dirección de la corriente. En términos de la variación de presión,
p = p (L; y) p (0; y), siendo uniforme en y, se obtiene G como
Zh Zh ZL
p 1 1 @p
= pdy = dxdy (3.3)
L 2hL 2hL @x
h h 0
Zh ZL
1 @p0
= G dxdy = G
2hL @x
h 0

La última igualdad cumple con las condiciones de frontera de (3.2) en p0 .


Solución Laminar. Para el sistema (3.1) existen soluciones independientes del
tiempo conocidas como el ‡ujo base o laminar. La deducimos aplicando u = (ub (x; y) ; 0)
para una solución de (3.1). Por (3.1c) tenemos
@u
= 0 ) ub = ub (y)
@x
y de (3.1b)
@p
0= ) p = p (x)
@y
Por último de (3.1a) obtenemos
0= p0 (x) + u00b (y) ) p0 (x) = u00b (y) = G;
donde G es el mismo que en (3.3) y es constante, debido a una función de x puede
coincidir con una función de y, solo si las dos funciones son constantes. Resolvien-
do esta última ecuación para ub (y) y aplicando las condiciones de frontera no
deslizables, resulta un per…l parabólico de velocidades (Figura 3.1), es decir,
y 2
ub (y) = Uc 1 ; vb = 0; rpb = ( G; 0) ; (3.4)
h

30
donde Uc = Gh2 = (2 ) es la velocidad central.
Las ecuaciones adimensionales. Para valores de viscosidad , densidad , el
canal de longitud medio h y la velocidad central del ‡ujo base Uc , con longitudes
x = x=h; y = y=h, con velocidad u = u=Uc , con tiempo t = Uc t=h y la p = p= ( Uc2 ).
Aplicando estos cambios de variable en (3.1) se obtiene
@u @u @u @p 1 @2u @2u
+u +v = + + ; (3.5)
@t @x @y @x Re @x2 @y 2
@v @v @v @p 1 @2v @2v
+u +v = + + ;
@t @x @y @y Re @x2 @y 2
@u @v
+ = 0:
@x @y
donde Re = hUc = , es el número de Reynolds para = = , la viscosidad cinemática.
Las condiciones de frontera son similares a (3.2)
u (x; 1; t) = v (x; 1; t) = 0
x 2 R; y 2 [ 1; 1] ; t 0 (3.6)
(u; v; p0 ) (x + L; y; t) = (u; v; p0 ) (x; y; t)
y el ‡ujo base en forma adimensional se escribe como
2
ub (y) = 1 y2; v b = 0; rpb = ;0 :
Re
Movimientos del Observador. Justi…caremos después que las condiciones
periódicas en las fronteras arti…ciales en dirección de la corriente x, producen una
gran simpli…cación en la estructura del ‡ujo: si el observador se mueve a una adecua-
da velocidad c en dirección de la corriente. Por lo tanto el sistema (3.5) haciendo un
cambio de variable xe = x ct, y de esta manera se de…ne la velocidad transformada
([6])
def
ue (e
x; y; t) = u (e
x + ct; y; t)
se obtiene las siguientes relaciones entre las derivadas.
@e
u @u @u
(e
x; y; t) = c (e x + ct; y; t) + (e
x + ct; y; t) ;
@t @x @t
@ku
e @ku @ku
e @ku
(e
x ; y; t) = (e
x + ct; y; t) ; (e
x ; y; t) = (e
x + ct; y; t) ; k = 1; 2:
xk
@e @xk @y k @y k
Fórmulas análogas tenemos para ve y pe. Sustituyendo estas derivadas en (3.5) se
convierte en
8
>
> @e
u @e
u @e
u @ pe 1 @2u e @2u e
>
> + (e
u c) + ve = + + ;
>
> @t @e
x @y @x Re @ex2 @y 2
<
@e
v @v @ev @ pe 1 @ 2 ve @ 2 ve
+ (e
u c) + ve = + + ; (3.7)
>
> @t @ex @y @y Re @ex2 @y 2
>
>
>
> @eu @e
v
: + = 0:
@ex @y
e. Se
junto con las condiciones de frontera de (3.6) en términos de la nueva variable x
retorna a (3.5) simplemente poniendo c = 0 en (3.7).

31
3.1.1. Diferentes condiciones del ‡ujo: Gradiente de presión
constante o ‡ujo constante.
Como hemos visto en (3.4), para determinado ; y L, al variar Uc , tenemos
una familia de ‡ujos laminares, soluciones de (3.1a) - (3.2), donde G = 2 Uc =h2 .
Evitamos esta falta de unicidad en el ‡ujo base mediante la …jación de cantidades
habituales del ‡uido, tal como el ‡ujo total Q o el gradiente de presión media G
a través del canal. Para cada elección probaremos que existe solo un valor Uc que
de…ne el ‡ujo base.
Dado el per…l de velocidades u = (u; v) para el ‡ujo de Pouseuille, el ‡ujo Q a
través del canal, se obtiene por

Zh
Q= u (x; y) dy
h

Debido a la condición de incomprensibilidad (3.1c), Q no depende de x, para

Zh Zh
@Q @u @v
= (x; y) dy = (x; y) dy = v (x; h) v (x; h)
@x @x @y
h h

El último paso es consecuencia de las condiciones de frontera no deslizables (3.2).


De este modo, para = 2L expandimos u (x; y) como

X Zh
u (x; y) = bk (y) eik
u x
)Q= b0 (y) dy
u (3.8)
k2Z
h

Por otro lado podemos calcular el gradiente de presión media G sobre el canal por:

ZL Zh
1 @p
G= dydx
2hL @x
0 h
ZL Zh
1 1 @u @u @u @2u @2u
= +u +v + dydx
2hL @t @x @y @x2 @y 2
0 h
8 L h
Z Z ZL Zh ZL Zh
1 < @u @u @u
= dydx + u dydx + v dydx
2hL : @t @x @y
0 h 0 h 0 h
9
ZL Zh 2 ZL Zh 2 =
@ u @ u
dydx dydx
@x2 @y 2 ;
0 h 0 h

32
8
ZL Zh Zh ZL Zh
1 < @
L
2 u2 @v
= udydx + dy + u dydx (3.9)
2hL : @t 2 0 @y
0 h h 0 h
9
Zh L ZL h =
@y @u
dy dx
@x 0 @y h
;
h 0
8 9
ZL ZL Zh ZL
1 < @ =
h
3 @u @u
= Qdx + u dydx u dx
2hL : @t @x @y h
;
0 0 h 0
Zh h
4 @u0 @u0
= dy :
2h @t 2h @y h
h

Paso 1: Por sustitución de acuerdo con la ecuación de momento (3.1a).


Paso 2: Derivando bajo el signo de la integral, la integración, integrando por
partes en cada término, teniendo en cuenta las condiciones de frontera (3.2).
Paso 3: Debido a las condiciones de incomprensibilidad (3.1c).
Paso 4: Usando la expansión de Fourier en x, para u.
Supongamos ahora que el ‡ujo constante Q0 se aplica a través del canal para el
‡ujo laminar ub , el ‡ujo total es:
Zh Zh
y 2 4
Q= ub (y) dy = Uc 1 dy = hUc :
h 3
h h

con el …n de obtener el ‡ujo Q0 …jamos Uc = 3Q


4h
0
. De acuerdo con (3.9) se deriva el
gradiente de presión media G para el ‡ujo base como:

h 3 Q0
G= [u0b ] h = :
2h 2 h3
Finalmente calculamos Re Q , el número de Reynolds.
3Q0
Re Q = hUc = = :
4
Análogamente si aplicamos el gradiente de presión media constante G0 , encontramos
la velocidad central para el ‡ujo base Uc = G0 h2 = (2 ) y el ‡ujo Q = 2h3 G0 = (3 ).
Ahora, para el número de Reynolds Re p tenemos

hUc G0 h3
Re p = = :
2 2
Para el ‡ujo laminar dado, es decir, si …jamos Uc , entonces ambas de…niciones del
número de Reynolds coincide con Re = hUc = . Ese no es el caso para ‡ujos
secundarios, de…nidos como aquellos para los que el ‡ujo y el gradiente de presión
media a través del canal se mantienen constantes. Consideraremos el caso del ‡ujo
constante Q y el ‡ujo laminar asociado a uQb = UQ (1 y 2 =h2 ) con UQ = 3Q= (4h).

33
Supongamos que uQ es ‡ujo secundario dada por (dejemos de lado por el momento
la dependencia del tiempo)
X Q
uQ (x; y) = bk (y) eik x
u
k2Z

que tiene un ‡ujo constante Q y un gradiente de presión media


" #h
uQ
@b0
GQ = :
2h @y
h

En vista de (3.9). Tomando el ‡ujo laminar que alcanza GQ como su gradiente de


presión media, la velocidad central Up tiene la expresión
" #h
GQ h2 uQ
h @b0
Up = = :
2 4 @y
h

Escribir esta última expresión en forma adimensional, se tiene


" #h " Q #1
Re p Up h uQ
@b0
b0
1 @u
= = = ;
Re Q UQ 4UQ @y 4 @y
h 1

Q
b0 , una magnitud adimensional, por lo que la relación entre los dos números
siendo u
de Reynolds se puede establecer como:
" Q
#1
Re Q b0
@u
Re p = d; d= : (3.10)
4 @y
1

Q
Observemos que si tenemos u b0 = 1 y 2 en (3.10) obtenemos Re p = Re Q y por lo
tanto ambas de…niciones del número de Reynolds coinciden para ‡ujos laminares
como se menciono anteriormente.
Por el contrario si up es un ‡ujo secundario que …ja G sobre el canal, vamos a
considerar el ‡ujo constante

Zh
Qp = up (x; y) dy:
h

El ‡ujo laminar asociado a este ‡uido alcanza una velocidad central UQ = 3Qp = (4h),
y similarmente deja a Up que sea la velocidad central para el ‡ujo laminar que
preserva G, la relacion entre UQ y Up da la razón de los números de Reynolds como

Zh Z1
Re p UQ 3Qp 3 up (x; y) dy 3
= = = = up (x; y) dy (3.11)
Re Q Up 4hUp 4 Up h 4
h 1

34
En la última integral se a cambiado el integrando en su forma adimensional. De esta
manera (3.11) establece la relación entre Re p y Re Q como proporcional al ‡ujo del
‡uido adimensional up (x; y) :
Debido a que las velocidades centrales Up y UQ para ‡ujos bases asociados a los
‡ujos secundarios son diferentes, cada uno de ellos da lugar a un aumento del mismo
‡ujo. En términos de las variables dimensionales un ‡ujo secundario es igualmente
expresado desde ambos puntos de vista. En efecto, si el mismo ‡ujo u (x; y) =
up (x; y) = uQ (x; y) es adimensional usando dos velocidades centrales diferentes UQ ;
Up , entonces tenemos.

up (x; y) UQ uQ (x; y) Re Q Q
= () up (x; y) = u (x; y) (3.12)
Up Up UQ Re p

siendo uQ (x; y) ; up (x; y) las velocidades adimensionales de UQ y Up respectivamente.


Por lo tanto, si uQ (x; y) representa un ‡ujo secundario adimensional para Re Q ,
entonces up (x; y) = Re Q =Re p uQ (x; y) es también un ‡ujo secundario para Re p y la
relación entre Re Q y Re p está dada en (3.10) o (3.11). Las diferentes posibilidades
para Q y G en ambos casos son representados en la tabla 1. Siguiendo el mismo pro-
cedimiento encontramos la relación entre las presiones p (x; y) = pp (x; y) = pQ (x; y)
en coordenadas dimensionales, y queda así

pp (x; y) UQ2 pQ (x; y) p


Re 2Q Q
= () p (x; y) = p (x; y) (3.13)
Up2 Up2 UQ2 Re 2p

Aplicar Q G
4 d
‡ujo 3 2Re Q
16 8
presión 3d dRe Q

Tabla1:Expresiones de Q y G para ‡ujos secundarios adimensionales en los casos


en que el ‡ujo total o la gradiente de presión media se mantiene constante. En está
fórmula d y la relación entre Re Q y Re p está dada en(3.10).

3.2. Implementación Numérica


3.2.1. Aproximación Numérica: elección del método.
Siguiendo las ideas de [6] pasaremos a de…nir la aproximación numérica con
respecto al ‡ujo de Pouseuille.
La elección del método numérico es siempre una tarea difícil. En nuestro caso, la
parte principal del trabajo esta fuertemente apoyado por la aproximación numéri-
ca del sistema (3.7) y las condiciones de frontera (3.6): esto nos da una idea de
suma importancia. Para la discretización espacial del canal utilizaremos métodos
espectrales y para la discretización temporal utilizamos diferencias …nitas.
Los métodos espectrales hacen uso de una representación global de funciones,
en lo general por polinomios de orden superior o series de Fourier, en contraste con
diferencias …nitas en el que su representación es local. Con un método espectral
bien diseñado, si la solución aproximada es in…nitamente diferenciable, los errores

35
tienden a cero más rápido que cualquier potencia negativa del número de términos
retenidos. En su lugar, las diferencias …nitas sólo producen tasas de convergencia
de orden …nito y así la solución espacial debe incrementarse a …n de obtener una
precisión comparable a métodos espectrales. Además, los métodos espectrales poseen
una gran solución en la capa límite cerca de las paredes del canal en nuestra situación.
Una de las principales di…cultades de los métodos espectrales son dominios
irregulares, pero no es el caso para el canal del ‡ujo, la posibilidad de usar la transfor-
mada rápida de Fourier han hecho métodos espectrales adecuados para problemas
de ‡uidos donde la alta precisión es importante para simular soluciones compli-
cadas. Discretizaciones tipicas emplean series de Fourier para condiciones de fron-
tera periódicas, como en la dirección del ‡uido en nuestro modelo, y polinomios de
Chebyshev para condiciones de frontera rígidas, como en las paredes del canal en
nuestro caso. Para ambas aproximaciones la posibilidad de aplicar la transformada
rápida de Fourier supone una gran mejora en los cálculos [4].
Enseguida vamos a escribir el procedimiento númerico. Siguiendo la evolución
temporal del ‡ujo inicial sometido a la condición de incomprensibilidad, ru = 0,
y las condiciones de frontera (3.6). Para ello usaremos métodos espectrales para las
velocidades aproximadas u; v y la desviación de presión p0 , que apartir de ahora
consideraremos magnitudes adimensionales. Recordemos de (3.3) que p = p0 Gx y
de (3.9) y la tabla 1.
1
1 @b
u0 2
G= o G= ;
2Re Q @y 1 Re p
respectivamente, para el ‡ujo constante o casos de presión, por lo que en el primer
caso el gradiente de presión varia con el tiempo y es constante para la segunda. La
aproximación elegida para la variable periódica x se basa en los métodos de Galerkin
y series de Fourier
Método de Galerkin: Dado que u; v; p0 son periódicos en x, reemplazamos por
su serie de Fourier truncada para N 2 Z+ :
X
N
0
(u; v; p ) (x; y; t) = uk ; vbk ; pbk ) (y; t) eik
(b x
(3.14)
k= N

para x 2 R; y y 2 [ 1; 1] y t 0: Esta serie …nita sustituido en el sistema (3.7)


elimina derivadas de x y da lugar a un sistema de EDP en variables de y y t para
bk ; vbk ; pbk ,
los coe…cientes de Fourier u
@b
uk \ @u @u 1 @2u
bk
+ (u c) +v = ik pbk + k2 2
bk +
u + k0 G
@t @x @y k Re @y 2
@b
vk \ @v @v @ pbk 1 @ 2 vbk
+ (u c) +v = + k2 2
vbk + (3.15)
@t @x @y k @y Re @y 2
@b
vk
0 = ik u bk +
@y
donde N k N; [b]k representa el coe…ciente de Fourier de m esimo orden de
[ ] ; 00 = 1 y k0 = 0, para k 6= 0: Esto constituye el método espectral de Galerkin-
Fourier, un proceso que es visto como la proyección ortogonal por medio del producto

36
escalar en L2 [0; L], sobre el espacio generado por exp (ik x) para k = N; :::; N .
El objetivo del proyecto consiste en obtener el residual en la sustitución de la serie
truncada de…nida previamente en el sistema (3.7).
Como u es una función real, se deduce que u b k y similar para v y p0 . Por lo
bk = u
tanto, podemos escribir (3.15) para términos negativos k = N; :::; 1, y en cuanto
a los términos no negativos k = 0; :::; N , y sus conjugados. Es su…ciente entonces
considerar los modos en u bk ; vbk ; pbk y ecuaciones en (3.15) para k = 0; ::; N . Para las
condiciones de frontera no deslizables en (3.6) resulta [6]

X
N
0 = u (x; 1; t) = bk ( 1; t) eik x ; 8x 2 R;
u
k= N

y aplicando lo mismo a v, obtenemos

uk ; vbk ) ( 1; t) = 0; t
(b 0; k = 0; :::; N: (3.16)

Métodos de Colocación: Para eliminar las derivadas de la variable transversal


y, empleamos el método de colocación, en el cada ecuación se aplica en puntos
seleccionados (colocación): elegimos las abscisas de Chebyshev debido a las buenas
propiedades de convergencia y la posibilidad de utilizar la transformada rápida de
Fourier como se menciono anteriormente.
Expresemos los coe…cientes de Fourier u bk ; vbk ; pbk ,para k = 0; :::; N , como una
serie truncada de Chebyshev

P
M P
M P1
M
bk (y; t) =
u ekj (t) Tj (y) ; vbk (y; t) =
u vekj (t) Tj (y) ; pbk (y; t) = pekj (t) Tj (y) ;
j=0 j=0 j=0

siendo Tj (y) = cos (j arc cos (y)) para j = 0; :::; M , los polinomios de Chebyshev,
M 2 Z+ : En contraste con el método de Galerkin, en este caso interpolamos la serie
truncada en puntos de colocación seleccionados. En nuestro caso necesitamos dos
conjuntos diferentes de puntos de colocación.

ym = cos ( m=M ) ; m = 0; :::; M; (3.17)


y m = cos ( (m + 1=2) =M ) ; m = 0; :::; M 1

y de…nimos las incógnitas discretas del sistema, como

bkm (t) = u
u bk (ym ; t) ; vbkm (t) = vbk (ym ; t) ; m = 0; ::; M (3.18)
pbkm (t) = pbk (y m ; t) ; m = 0; :::; M 1

Para obtener un sistema ecuaciones diferenciales ordinarias en t, ecuaciones de


momento en (3.15) se aplica en la primera rejilla, ym , mientras que en el segundo,
y m , se da por la ecuación de continuidad. Si usamos los mismos puntos de colocación
para la presión, pk y la ecuación de continuidad para la velocidad, u bk ; vbk y ecuaciones
de momento, entonces podemos obtener un sistema lineal indeterminado para las
variables dependientes discretas u bkm ; vbkm ; pbkm . La razón de esto es que el término
del gradiente de presión pe0M (t) TM (y) se anula en los puntos ym ; m = 1; :::; M 1

37
y así pe0M no tiene ningún efecto sobre la velocidad en las ecuaciones del momento.
En efecto
@ @ 0
(e
p0M (t) TM (y)) = 0; p0M (t) TM (y)) = pe0M (t) TM
(e (y)
@x @y

pero apartir de TM (y) = cos (M arc cos (y)) obtenemos

0 M sen (M arc cos (y)) 0


TM (y) = p ) TM (ym ) = 0; para m = 1; :::; M 1
1 y 2

también existe otro término falso, pe00 (t) T0 (y), que esta relacionado con el valor
medio de la presión y el que será revisado en la subsección 3.3.4. Las condiciones de
frontera (3.16) se aplica con facilidad, como para k = 0; :::; N

uk ; vbk ) ( 1; t)
(b = 0 () (b uk ; vbk ) (y0 ; t) = (b
uk ; vbk ) (yM ; t) = 0 (3.19)
bk0 (t) = u
() u bkM (t) = vbk0 (t) = vbkM (t) = 0;

y así en la primera rejilla ym , solo consideramos m = 1; :::; M 1 en (3.15) para


ecuaciones de momento e incógnitas u bkm ; vbkm . La evolución de (3.15) en las respec-
tivas rejillas ym ; y m da lugar a un sistema de ecuaciones diferenciales algebraicas en
t con (2N + 1) (3M 2) ecuaciones reales e incógnitas.

3.2.2. Evaluación de los términos lineales


Analizamos la evaluación de los términos lineales en (3.15) por medio de la
transformada de cosenos que se describe a continuación.
En concreto nos referimos a los siguientes términos.

@2u
bk @ 2 vbk @ pbk
(ym ) ; (ym ) ; pbk (ym ) ; (ym ) ; en la primera rejilla
@y 2 @y 2 @y
@b
vk
bk (y m ) ;
u (y ) ; en la segunda rejilla.
@y m

Supongamos que los valores de las incógnitas discretas de…nidas en (3.18), son dadas.
El esquema del proceso consiste en la construcción de los polinomios de interpolación
de Chebyshev en los valores dados de las incógnitas sobre su propia red, el cálculo de
las derivadas analíticas para este polinomio es necesario, y …nalmente la evolución
del polinomio resultante en la rejilla apropiada. Vamos a detallar estos pasos.

Interpolación en la primera rejilla: Dado los valores w0 ; :::; wM en los puntos


y0 ; :::; yM en la primera rejilla, entonces el polinomio de interpolacion de Chebyshev
w (y) tal que w (ym ) = wm , para m = 0; :::; M es calculado por:

X
M
2 X wm
M
jm
w (y) = ej Tj (y) ;
w ej =
w cos ;
j=0
M cj m=0 cm M

38
y c0 = cM = 2; cj = 1 si j =
6 0; M . Por otro lado, de w e0 ; :::; w
eM tenemos que
wm = w (ym ) ;
XM XM
jm
wm = ej Tj (y) =
w ej cos
w :
j=0 j=0
M
Así estas dos transformaciones lineales se pueden abreviar como
2 jm
e = C1 w;
w (C1 )jm = cos ; (3.20)
M cj cm M
jm
w = C1 1 w;
e C1 1 jm
= cos ;
M
siendo w = (w0 ; : : : ; wM )t y w e = (w eM )t . En realidad solo necesitamos con-
e0 ; : : : ; w
siderar w = (w1 ; : : : ; wM 1 )t debido a (3.19). Por lo tanto C1 y C1 1 son considerados
matrices de dimensiones (M + 1) (M 1) y (M 1) (M + 1) respectivamente.

Interpolación en la segunda rejilla: Similarmente, interpolando w0 ; : : : ; wM 1


en los puntos y 0 ; : : : ; y M 1 de la segunda rejilla, la interpolación de los polinomios
de Chebyshev w (y) tal que w (y m ) = wm para m = 0; : : : ; M 1 satisface
X1
M
2 X
M 1
j (2m + 1)
w (y) = ej Tj (y) ;
w ej =
w wm cos ;
j=0
M cj m=0 2M

y c0 = 2; cj = 1 si j 6= 0. Para la transformada inversa obtenemos:


X1
M X1
M
j (2m + 1)
wm = ej Tj (y) =
w ej cos
w :
j=0 j=0
2M

abreviando las transformadas lineales tenemos


2 j (2m + 1)
e = C2 w;
w (C2 )jm = cos ; (3.21)
M cj 2M
j (2m + 1)
w = C2 1 w;
e C2 1 jm = cos ;
2M
siendo w = (w0 ; : : : ; wM 1 )t y w
e = (w eM 1 )t . Las dimensiones de las matrices
e0 ; : : : ; w
C2 y C2 1 es M M .
Derivada de los polinomios de Chebyshev: El último paso en el cálculo de
los términos lineales implica la evaluación de las derivadas.
Proposición 3.1 Supongamos que w (y) ; w0 (y) ; w00 (y) son expandidos en series de
Chebyshev.
X
1 X
1 X
1
0
w (y) = ej Tj (y) ;
w w (y) = ej0 Tj
w (y) ; 00
w (y) = ej00 Tj (y) ;
w
j=0 j=0 j=0

Entonces, para j 0, las relaciones entre los coe…cientes están dadas por la
recurrencia
ej0 = w
cj w 0
ej+2 0
ej+1;
+ 2 (j + 1) w (3.22)
ej00 = w
cj w 00
ej+2 00
ej+1
+ 2 (j + 1) w ;

39
y también para las fórmulas:
X
1 X
1
ej0
cj w = em ;
2mw ej00
cj w = m m2 j2 w
em
m=j+1 m=j+2
m+j impar m+j par

De la proposición, w (y) se representa como una serie …nita, y de sus primeras y


segundas derivadas obtenemos la matriz de diferenciación
2m; si m > j y m + j impar
e0 = Dy w;
w e (Dy )jm = (3.23)
0; si m j o m + j par
m (m2 j 2 ) ; si m > j + 1 y m + j par
e00 = Dy2 w;
w e Dy2 =
jm 0; si m j + 1 o m + j par
t t
e = (w
siendo w eM )t ; w
e0 ; : : : ; w e0 = w
e00 ; : : : ; w
eM0
1; 0 e00 = w
yw e000 ; : : : ; w
eM00
2 ; 0; 0 .
2
Así Dy y Dy son matrices de dimensión (M + 1) (M + 1).
Juntando las operaciones matriciales (3.20), (3.21) y (3.23) y colocandoba [c]k ;
bk ; vbk ; pbk por conveniencia, para k = 0; :::; N podemos escribir el sistema (3.15)
u
como
@u @u 1
uk = (u c) +v Dxk C1 1 C2 pk + 2
Dxk + C1 1 Dy2 C1 uk (3.24a)
@x @y k Re
+ k0 G
@v @v 1
vk = (u +v
c) C1 1 Dy C2 pk + 2
Dxk + C1 1 Dy2 C1 vk (3.24b)
@x @y k Re
0 = Dxk C2 1 C1 uk + C2 1 Dy C1 vk ; (3.24c)
para uk = (uk1 ; : : : ; ukM 1 ) ; vk = (vk1 ; : : : ; vkM 1 ) ; pk = (pk0 ; : : : ; pkM 1 ). La matriz
Dxk está de…nido como Dxk wk = ik wk . La dimensión de las matrices se ajusta
de acuerdo a cada caso en particular. Por ejemplo, en el término Dxk C2 1 C1 uk , las
matrices Dxk ; C2 1 y C1 tienen dimensiones M M; M (M + 1) y (M + 1) (M 1)
respectivamente. Observemos que no utilizamos la transformada rápida de Fourier
para términos lineales, debido a que las matrices correspondientes son constantes en
cada intervalo de tiempo como veremos a continuación.

3.2.3. Evaluación de los términos no lineales


Una de las principales di…cultades en aplicar el método espectral de Galerkin
es la evaluación de los términos no lineales. En este punto nos muestran algunas
complejidades actuales en la aplicación del método. Elegimos el método de Galerkin-
Fourier en x y colocación de Chebyshev en y, la diferencia entre Galerkin-Fourier y
Chebyshev es debido a que los términos no-lineales son más incomodos y caros para
evaluar en este último caso. (vease [6])
Vamos a describir como evaluar sumas de convolución. Consideremos dos series
de Fourier truncadas
X
N X
N
im x
u (x) = bm e
u ; v (x) = vbn ein x ; (3.25)
m= N n= N

40
que se extiende hasta el orden P > N por de…nición u bk = vbk = 0, para N < jkj P ,
y queremos calcular w (x) = u (x) v (x), el producto de series truncadas de orden N

X
N X
w (x) = bk eik x ;
w bk =
w bm vbn ;
u (3.26)
k= N m+n=k
jmj;jnj P

donde wbk se obtiene del producto de series en (3.25) y términos de agrupación.


Este método directo para evaluar las sumas de convolución requiere O (N 2 ) de
operaciones. Consideremos el polinomio de interpolación trigonométrico w (x) en
bk por w
los puntos xj = jL= (2P + 1) ; para j = 0; : : : ; 2P , para aproximar w ek , como
para jkj N ,

1 X 1 X
2P 2P
ik xj ik xj
ek =
w wj e = uj v j e (3.27)
2P + 1 j=0 2P + 1 j=0
!
1 X X X
2P P P
= bm eim
u xj
vbm eim xj
e ik xj
2P + 1 j=0 m= P n= P

1 XP XP X2P
= bm vbn ei(m+n k)
u xj
2P + 1 m= P n= P j=0
X X
= bm vbn +
u bm vbn
u
m+n=k m+n=k (2P +1)
jmj;jnj P jmj;jnj P

Es claro que las fórmulas del segundo método, para calcular sumas de convolución no
es exacto. El término de discrepancia de wbk en (3.26) es llamado el error de Aliasing.
Aqui nuestro objetivo es encontrar una condición para P , con el …n de anular el error
de Aliasing. Usando la propiedad u bm = vbn = 0, para N < jmj ; jnj P , elegir P tal
que, para k N

m+n=k bm vbn = 0
(2P + 1) ) jmj > N o jnj > N ) u

y de esta manera garantizado que se anula el error de Aliasing. Para jmj ; jnj N
implica que jm + nj 2N , y la condición para P es

k (2P + 1) > 2N o k (2P + 1) < 2N; para jkj N

así los casos para k son

N (2P + 1) > 2N o N (2P + 1) < 2N

ambas posibilidades llevan a elegir P tal que


3
2P + 1 > 3N , P N
2
para P = 3N=2, con la ayuda de la transformada rápida de Fourier, la operación
considera este procedimiento para evaluar sumas de convolución de O (N log2 N ),
sustancialmente mejor que O (N 2 ) para (3.26).

41
Algoritmo para calcular términos no lineales: Apartir del método descrito
anteriormente para calcular sumas de convolución, vamos a precisar los pasos para
evaluar en términos no lineales (3.15), es decir,

\ @u @u \ @v @v
(u c) +v ; (u c) +v (3.28)
@x @y k @x @y k

bk y vbk en ym de…nido en (3.17)-(3.18).


Partimos de los valores armónicos de Fourier u

1. Evaluar @u@x
@v
y @x bk = ik u
por medio de las transformaciones lineales Dxk u bk ;
Dxk vbk = ik vbk para k = 0; : : : ; N .

2. Evaluar @u
@y
@v
y @y . Tomamos la transformada C1 en (3.20) por medio de la
transformada rápida de coseno, entonces el algoritmo (3.22) para evaluar y-
derivadas y …nalmente otra transformada rápida de cosenos para ejecutar C1 1 .

3. Llenando con ceros los armónicos de u; v; @u=@x; @u=@y; @v=@x y @v=@y de


orden N + 1 hasta P 3N=2, en cada ym para m = 1; : : : ; M 1.

4. Usando la transformada inversa rápida de Fourier para transformar u bk ; vbk ;


@b
uk =@x; @b vk =@x y @b
uk =@y; @b vk =@y de vuelta al espacio físico, a …n de obtener
u; v; @u=@x; @u=@y; @v=@x y @v=@y en (xj ; ym ) para j = 0; : : : ; 2P; m =
1; : : : ; M 1.

5. En los puntos (xj ; ym ) para j = 0; : : : ; 2P; m = 1; : : : ; M 1, calcular

@u @u @v @v
(u c) +v ; (u c) +v
@x @y @x @y

6. Tomemos las transformadas rápidas de Fourier de los valores del último paso
en cada ym para m = 1; : : : ; M 1, para volver al espacio de Fourier y así
obtener …nalmente k = 0; : : : ; N los armónicos deseados (3.28).

Observemos que todas las transformadas de Fourier son empleadas en este algo-
ritmo, incluso para evaluar transformadas de coseno, son de tipo complejo a reales
o viceversa, costo que aproximadamente es una media de un complejo para trans-
formadas de Fourier compleja.

3.2.4. Ecuaciones Reducidas. Evolución Temporal


Hasta ahora para el sistema (3.7), hemos discretizado derivadas espaciales para
obtener el sistema (3.24), en el que sólo permanecen derivadas temporales en (3.24a)
y (3.24b), junto con la ecuación algebraica (3.24c) correspondiente a la condición de
divergencia. Por lo tanto (3.24) es un sistema de ecuaciones diferenciales algebraicas.
Para simpli…car el estudio de las dinámicas de (3.24), la convertimos en sistema de
ecuaciones diferenciales ordinarias a través de varias manipulaciones algebraicas.
De aquí, la estabilidad de las soluciones de equilibrio será determinados por los
autovalores de la parte lineal del sistema. De paso reducirá la dimensión del sistema

42
(3.24) de (2N + 1) (3M 2) a (2N + 1) (M 2) + 1 en las ecuaciones …nales, es de-
cir, más o menos un tercio de la dimensión original. En está subsección estudiaremos
este hecho para el caso del gradiente de presión constante. En la subsección 3.3.5 se
abordara el caso del ‡ujo constante. (vease [6])

Ecuaciones Reducidas: Nuestro objetivo es eliminar v y p en (3.24). Iniciamos


con vectores de valor complejo uk = (uk1 ; : : : ; ukM 1 )t ; vk = (vk1 ; : : : ; vkM 1 )t y
pk = (pk0 ; : : : ; pkM 1 )t para k = 0; : : : ; N , correspondiente a los coe…cientes de
Fourier de u; v y p0 tal como se de…ne en (3.18). En particular u0 ; v0 y p0 son
vectores reales y el resto complejos. Asímismo de…nimos uk = (uk1 ; : : : ; ukM 2 )t
y v k = (ukM 1 ; vk1 ; : : : ; vkM 1 )t para k = 1; : : : ; N . Con esta división de variables,
de (3.24c) v k puede resolverse de uk y así podemos obtener una matriz Tk que lleve
una transformación v k = Tk uk . La dimensión de Tk es M (M 2), las entradas
de la primera …la son reales y el resto imaginarios puros, como puede veri…carse
directamente para k = 0, (3.24c) se escribe como @v0 =@y = 0 que junto con (3.19),
v0 ( 1) = 0, da v0 (y) = 0 y por lo que v01 = = v0M 1 = 0. Como consecuencia,
donde (3.24a) no existe términos de presión para k = 0, esta es la única ecuación
que necesitamos considerar y este solo depende de u, una vez que la sustitución
v k = Tk uk sea aplicado.
Para k = 1; : : : ; N , introducimos la notación
@u @u 1 2
Uk = (u c) +v + Dxk + C1 1 Dy2 C1 uk + k0 G
@x @y k Re
@v @v 1 2
Vk = (u c) +v + Dxk + C1 1 Dy2 C1 vk ;
@x @y k Re
U k = (Uk )f1;:::;M 2g ; Qk = Dxk C1 1 C2 f1;:::;M 2g
;
1
(Uk )fM 1g
Dxk C1 C2 fM 1g
Vk = ; Qk = ;
Vk C1 1 Dy C2

donde Afi1 ;:::;in g denota las …las i1 ; : : : ; in de la matriz A. Las ecuaciones (3.24a) y
(3.24b) son ahora expresados como
(
uk = U k Qk pk
vk = V k Qk pk

La matriz Qk es una matriz invertible de M M , así de la segunda ecuación


1
obtenemos pk = Qk Vk v k , el cual sustituyendo en el primer caso se tiene

uk = U k Qk Qk 1 V k vk = U k Qk Qk 1 V k Tk uk ;

y …nalmente sea Pk = Qk Qk 1 , es también posible invertir I Pk Tk , y asi obtenemos


soluciones para
(
u0 = U0
1
(3.29)
uk = (I Pk Tk ) Uk Pk V k ; k = 1; : : : ; N;

43
donde I es la matriz identidad de dimensión M 2, tenemos extendido la de…ni-
ción de Uk para k = 0. Teniendo en cuenta la sustitución v k = Tk uk , observe-
mos que el sistema (3.29) no depende de v k y pk : solo depende de u0 y uk para
k = 1; : : : ; N . Como se comento al inicio de esta subsección, la dimensión real de
(3.29) es (2N + 1) (M 2) + 1. Además, debido a la eliminación de la presión en
(3.29), evitamos la indeterminación causada por la constante aditiva, la cual no tiene
efecto en el gradiente de presión [6].

Evolución Temporal: una vez eliminado v y p de (3.24), en (3.29) queda para


discretizar derivadas temporales. Elegimos el método de diferencias …nitas semi-
implícita, atendiendo a varios factores como el costo computacional, la estabilidad,
la presión y los requisitos de almacenamiento. El esquema adoptado es típico para
las ecuaciones de Navier- Stokes y emplea el método implícito de Crank-Nicholson
(vease [1], [2] y [5])

t
wn+1 = wn + F wn+1 + F (wn ) ; (3.30)
2
para la difusión (términos lineales: presión y viscosidad), el método de Adams-
Bashfort explicita
t
wn+1 = wn + 3F (wn ) F wn 1
(3.31)
2
para la advección (términos no-lineales) siendo wn = w (tn ) para tn = n t, y
w = F (w) se aproxima a la EDO. Aplicar diferentes métodos en cada término de
F , suponemos que F (w) = L (w) + N (w) y así escribimos w = F (w) en forma
integral como
tZ
n+1 tZ
n+1

w (tn+1 ) = w (tn ) + L (w (t)) dt + N (w (t)) dt


tn tn
t t
wn + L wn+1 + L (wn ) + 3N (wn ) N wn 1
;
2 2
donde la aproximación de las integrales se basa en los métodos (3.30) y (3.31)
respectivamente. Seleccionando términos, tenemos un paso del método a resolver
t t
wn+1 L wn+1 = wn + L (wn ) + 3N (wn ) N wn 1
: (3.32)
2 2
La recurrencia de (3.32) es un método de dos pasos, este necesita la solución de dos
valores consecutivos tn 1 ; tn , con el …n de encontrar un tn+1 . Cuando (3.32) inicia,
w0 viene de las condiciones iniciales y para generar w1 se construye el método de un
solo paso. En este caso los términos lineales y no lineales se discretizan mediante el
método de Euler implícito y explicito respectivamente
t t
wn+1 = wn + F wn+1 ; wn+1 = wn + F (wn )
2 2

44
que, en cada longitud de tiempo t=2, obtenemos el método semi-implícito
t t
wn+1 L wn+1 = wn + N (wn ) : (3.33)
2 2
El error incurrido en (3.30) y (3.31) con respecto a la solución exacta es O ( t)2 ,
como es fácil de comprobar. El método de Crank-Nicolson es absolutamente estable
en todo el semiplano izquierdo, es decir, si Re ( t) 0 entonces la solución
n
aproximada w del problema escalar w = w esta acotado cuando n ! 1. En
cambio para el método de Adams-Bashforth la región de estabilidad es una área del
plano complejo contenido en [ 1; 0] [ 1; 1]. La estabilidad en este caso depende de
los autovalores de la parte lineal de la discretización espacial en (3.24) y t debe
restringirse de acuerdo a Re ( t) 0 con el …n de conseguir la estabilidad. Como
veremos en la subsección 3.3.6, para el tipo de soluciones consideramos en nuestro
estudio, el intervalo de tiempo t que se emplea en la región de estabilidad, donde
los errores estimados se mantienen pequeños.
Vamos a ver como se aborda la implementación actual. Podemos expresar (3.29)
como
uk = Lk (uk ) + Nk (u0 ; : : : ; uN ) ; k = 0; : : : ; N; (3.34)
donde u0 = u0 y Lk ; Nk corresponden a los términos lineales y no-lineales en
u0 ; : : : ; uN en el lado derecho de (3.29). En este punto consideramos sólo el caso
cuando el gradiente de presión constante G se mantiene constante y pone a Re p
como su número de Reynolds. Las ecuaciones de ‡ujo constante son estudiadas en
la subsección 3.3.5. Para enfatizar la dependencia en cada una de las variables en
(3.34), que precisa sus fórmulas:
Re p L0 (u0 ) = C1 1 Dy2 C1 u0 ;
2 I
Re p (I Pk Tk ) Lk (uk ) = Dxk + C1 1 Dy2 C1 f1;:::;M 2g (Tk )f1g
2
Dxk + C1 1 Dy2 C1 0 I
Pk uk ;
0 2
Dxk + C1 1 Dy2 C1 Tk

@u @u
N0 (u0 ; : : : ; uN ) = (u +v c) + G; (3.35)
@x @y 0
@u @u
(I Pk Tk ) Nk (u0 ; : : : ; uN ) = (u c) +v
@x @y k f1;:::;M 2g
0 h i 1
(u c) @u
@x
+ v @u
@y
+Pk @ h k ifM 1g A;
@v @v
(u c) @x + v @y
k
1
para k = 1; : : : ; N . Es fácil comprobar que Pk = Qk Qk tiene su primera columna
real y el resto imaginarios puros. Entonces Pk Tk es una matriz real y la matriz
Lk para k = 0; : : : ; N es también real. La sustitución de (3.34) en (3.32) da para
k = 0; : : : ; N
t t
un+1
k L un+1
k = unk + L (unk ) + 3Nkn Nkn 1
;
2 2

45
el cual se abrevia como
Ak un+1
k = bn+1
k ; (3.36)
donde
t t
Ak = I Lk ; bn+1
k = unk + L (unk ) + 3Nkn Nkn 1
;
2 2
y Nkj = Nk uj0 ; : : : ; ujN . Para k = 0 la matriz identidad tiene dimensión (M 1).
Observemos que Ak es una matriz real de tamaño M 1 para k = 0 y M 2 para
k = 1; : : : ; N y que sólo depende de M y t, que se mantiene constante en cada
simulación de ‡ujo. Por lo tanto tenemos que calcular la descomposicion LU de Ak .
La recurrencia de (3.36) necesita u0 ; : : : ; uN en dos instantes de tiempo. El primero
se toma de la condición inicial y para el segundo, adaptando (3.33) a nuestro caso,
tenemos
t t n
un+1 L un+1 = unk + N (3.37)
k
2 k
2 k
el cual puede ser aplicado dos veces con el …n de obtener la solución de u1k en t = t.
No es coincidencia que Ak sea también la matriz del sistema a resolverse en (3.37).
En este caso podemos aprovechar de la descomposición LU y su correspondiente
almacenamiento.
Esquema de avance en el Tiempo. Partimos de los valores …jos de t; M;
N; K = (2N + 1) (M 2) + 1 y (u00 ; : : : ; u0N ) 2 RK en el instante de tiempo t = 0.
En el siguiente algoritmo para la evolución del tiempo, todos los pasos referidos a
k = 0; : : : ; N . Se basan (3.36) y (3.37) :

1. Calcular la matriz Ak junto con su descomposición LU.


1=2 t 1=2 1=2 1=2
2. Evaluar bk = u0k + 2
Nk0 y resolver Ak uk = bk para uk .
1=2 t 1=2
3. Evaluar b1k = uk + 2
Nk y resolver Ak u1k = b1k para u1k .

4. Para n = 1; 2; 3; : : : obtenemos bn+1


k = 2unk bnk + 2
t
3Nkn Nkn 1
y resolver
n+1 n+1 n+1
Ak uk = bk para uk .

En resumen, en cada intervalo de tiempo el coste computacional consiste en la


evolución de Nkn , resolviendo el sistema lineal de tamaño M 1 y 2N sistemas lineales
de tamaño M 2, cuya descomposición LU sera calculado. Los principales requisitos
de almacenamiento es la descomposición LU de la matriz Ak , es decir, (M 1)2 +
2N (M 2)2 coe…cientes reales. Esto a sido una razón importante para elegir la
discretización numérica, como Galerkin-Fourier en x y colocación de Chebyshev en
y (vea la subsección 3.3.1) en vez de Chebyshev-Galerkin en y y colocación de Fourier
en x. Con este último enfoque los términos lineales están acoplados en una matriz,
en contraste con un bloque de tamaño M 1 y 2N de tamaño M 2 en el método
implementado como se ve en (3.36) [6].

3.2.5. El Integrador Numérico del Flujo Constante


Tenemos que hacer pequeños cambios en las ecuaciones de la subseccion 3.3.4
para implementar un integrador numérico que mantenga el ‡ujo Q constante en el

46
tiempo. Según la tabla 1, tenemos que imponer Q = 4=3 y de (3.9) aplicado al caso
adimensional resulta
Z1 1 Z1 1
1 @b
u0 1 @b
u0 1@ 1 @b
u0
G = dy = b0 dy
u (3.38)
2 @t 2Re Q @y 1 2 @t 2Re Q @y 1
1 1
1 1
1 @Q 1 @b
u0 1 @b
u0
= = ;
2 @t 2Re Q @y 1 2Re Q @y 1

para ub0 como se de…nió en (3.14). Por lo tanto, de la última expresión, la restricción
en G tiene implícito al ‡ujo constante, como hemos utilizado @Q @t
= 0 en este caso. Sin
embargo, numéricamente (3.38) no es su…ciente para mantener constante al ‡ujo, ya
que, debido a errores de redondeo, el ‡ujo va variando ligeramente en cada espacio de
tiempo, produciendo errores sustanciales en la integración del tiempo (vease [6]). Por
lo tanto, además de aplicar (3.38) como el gradiente de presión media, restringimos
también la solución de Q = 4=3 en cada instante de tiempo. Ambas restricciones
afectan principalmente a la ecuación u0 = (u01 ; : : : ; u0M 1 ) en (3.29), porque Q y G
dependen sólo de u b0 y la dependencia es lineal. Incorporamos a L0 (u0 ) de (3.35).
Cálculo de G. Por medio de las transformaciones C1 y Dy de…nidos en (3.20) y
(3.23) respectivamente, la operación lineal u00 = u000 ; : : : ; u00M 1 = Dy C1 u0 calcula
b0
MP1 0
los coe…cientes del polinomio de Chebyshev @@y u
= u0m Tm (y). De ello se obtiene
m=0

1 X 0
1 M 1
1 @b u0
G = = u (Tm (1) Tm ( 1))
2Re Q @y 1 2Re Q m=0 0m

1 X 0 1 X 0
M 1 M 1
= u (cos m0 cos m ) = u (1 ( 1)m )
2Re Q m=0 0m 2Re Q m=0 0m

1 X 0
M 1
= u ;
Re Q m=0 0m
m impar

y así modi…cando los términos lineales, agregamos G

Re Q L0 (u0 ) = C1 1 Dy2 C1 u0 + G = C1 1 Dy2 C1 ODy C1 u0 ;

donde O = (oij ) es una matriz de (M 1) M con oij = 1 si j es impar y oij = 0


en otros casos.
Cálculo de Q. Siendo u e0 = C1 u0 y como observamos en (3.8)

Z1 Z1 X
M X
M Z1
Q= b0 (y) dy =
u e0m Tm (y) dy =
u e0m
u cos (m arc cos (y)) dy (3.39)
1 1 m=0 m=0 1

X
M Z XM
2e
u0m
= e0m
u cos (m ) sen d = 2
= q t u0
m=0 m=0
1 m
0
m par

47
donde q = (q1 ; : : : ; qM 1 )t = (q00 ; : : : ; qM
0 0
) C1 , para qm = 2= (1 m2 ) si m es par y
qm = 0 en otros casos. Ahora la condición Q = 4=3 es transformado a q t u0 = 4=3,
0

para M par podemos resolver u0M=2 por

1 4
u0M=2 = q t u0 ; (3.40)
qM=2 3

donde q y u0 representan los vectores q y u0 sin la M=2 esima componente.


Teniendo a (L0 )fM=2g como la M=2 esima columna de L0 , y Le0 como L0 sin el
(L0 )fM=2g , entonces podemos eliminar u0M=2 de L0 desde

L0 (u0 ) = Le0 (u0 ) + (L0 )fM=2g u0M=2


1 4
= Le0 (L0 )fM=2g q t (u0 ) + (L0 )fM=2g ;
qM=2 3qM=2

Por último L0 = Le0 1


qM=2
(L0 )fM=2g q t , que es la M=2 esima …la, la ecuación para
u0 es
u0 = L0 (u0 ) + N0 (u0 ; : : : ; uN ) ;
donde
@u @u 4
N0 (u0 ; : : : ; uN ) = (u c) +v + (L0 )fM=2g :
@x @y 0 3qM=2
La dimensión del sistema será reducido en uno con respecto a (3.29). La ecuación
para u1 ; : : : ; uN tiene términos lineales como en (3.29). En la evaluación de los
términos convectivos u0M=2 será sustituido de (3.40). La evolución temporal será
implementado como en (3.36).

3.2.6. Comprobación del Integrador Numérico


Ahora veri…caremos que los errores locales originados en (3.36) de la discretización
temporal, seran razonables para el tipo de soluciones que consideraremos en este tra-
bajo y los valores moderados de Re. A tal …n, aproximaremos derivadas temporales
para diferencias …nitas centrales y luego extrapolamos esas aproximaciones.

Método de Extrapolación. Consideremos la expansión de potencias de h,


evaluadas en h y h
r r r
T (h) = 0 + 1h + O hr+1 ; T ( h) = 0 + 1 h + O hr+1 :

Combinamos ambas expansiones hasta anular los términos de orden r para


r
T ( h)
r r T (h) = 0 + O hr+1 (3.41)
1

aproximamos derivadas usando la fórmula de diferencia central

f (t + h) f (t h)
D (h) = (3.42)
2h

48
que de la expansión de Taylor sabemos que

D (h) = a0 + a1 h2 + : : : + am h2m + h2m+2 m+1 (h) ;

donde a2k+1 = f 2k+1 (t) = (2k + 1)! para k = 0; 1; : : : ; m + 1 y m+1 (h) ! am+1
cuando h ! 0. Poniendo = 1=2 y r = 2, el método de extrapolación aplicado a
D (h) se escribe así

D (h=2) D (h)
D (h=2) + = f 0 (t) + O h4 : (3.43)
3
Fórmula Efectiva para el Error del Tiempo. Denotemos un = u (n t) para
n = 0; 1; : : : y u = (u0 ; : : : ; uN ) en su forma discreta como se de…ne en la subsección
3.3.4. El procedimiento adoptado para estimar los errores cometidos en la evolución
temporal se considera cinco instantes consecutivos de u, es decir un 2 ; un 1 ; un ; un+1
n
y un+2 [6]. Usando (3.42) para h = 2 t y h = t, aproximamos u por

un+2 un 2 n un+1 un 1 n
= u + O ( t)2 ; = u + O ( t)2 ;
4 t 2 t
el cual combinado con (3.43) se obtiene

un+1 un 1
1 un+1 un 1
un+2 un 2 n
+ u + O ( t)4 : (3.44)
2 t 3 2 t 4 t

Abreviando (3.34) como u = L (u) + N (u), haciendo L = (L0 ; : : : ; LN ) y N =


(N0 ; : : : ; NN ). Por otro lado, (3.36) puede transformarse a
2
L (un ) = (un bn )
t
donde b = (b0 ; : : : ; bN ). Debido a (3.30) y (3.31) se producen O ( t)2 errores, esto
es también para (3.36). En consecuencia de la evolución del tiempo usado en (3.36)
n
nos lleva a u = L (un ) + N (un ) + O ( t)2 , el cual sustituido en (3.44) da una
expresión …nal para el error
1
un 2
8un 1
+ 24bn 24un 12 tN n + 8un+1 un+2 = O ( t)2
12 t
(3.45)
Norma de un Flujo. para medir el tamaño de un ‡ujo, y en particular la expresión
(3.45), necesitamos una norma. Dado un per…l de velocidades (u; v) (x; y), sobre la
base de la norma L2 , de…nimos su norma k(u; v)k como

ZL Z1
1
2 def
k(u; v)k = u (x; y)2 + v (x; y)2 dydx: (3.46)
L
0 1

Con el …n de evaluar (3.46) para un ‡ujo de datos discretos (u; v) como en (3.14) y
(3.18), si ponemos w (x; y) = u (x; y)2 + v (x; y)2 , expresados como series de Fourier

49
P
w (x; y) = wk (y) eik x , entonces
k2Z

ZL Z1 ZL X Z1
2 1 wk (y)
k(u; v)k = w (x; y) dxdy = eik x dxdy (3.47)
L k2Z
L
0 1 0 1
Z1
= w0 (y) dy = q t w0 :
1

El último paso es una consecuencia directa de (3.39), donde w0 = (w01 ; : : : ; w0M 1 ),


correspondiente a la notación (3.18). Por otro lado, para la serie truncada w (x; y),
de la de…nición de sumas de convolución en (3.26), obtenemos para m = 1; : : : ; M 1

X
N XN
w0m = (ukm u km + vkm v km ) = u20m +2 jukm j2 + jvkm j2 ;
k= N k=1

que …nalmente nos permite evaluar (3.47).


Con el …n de evaluar el error de la fórmula (3.45), primero necesitamos aplicar
la transformada Tk de…nido en la subsección 3.3.4 para calcular los componentes de
u y v no presentes en (u0 ; : : : ; un ), y luego podemos aplicar (3.47). En la tabla 2
se presentan errores, de acuerdo con (3.45), para diferentes ‡ujos. Observemos que
para …jar valores de Re y N M , depende de los errores en ( t)2 , cuando t se
reduce a la mitad, que se dividen más o menos por cuatro. Esto está en acuerdo con
(3.45). Los errores se aumentaron con Re y ligeramente con N M . Los datos de la
tabla 2 da solo una referencia de la precisión de los integradores numéricos, porque
los errores dependen en gran medida del tipo de solución que se integra.
En las …guras 3.2 y 3.3 gra…camos los vectores (u; v) (xj ; ym ) para xj = jL=M ,
j = 0; 1; : : : ; M 1 y ym como se de…nió en (3.17). De (3.14) y (3.18), como u; v son
funciones reales, obtenemos (xj ; ym ) que se lleva acabo por

XN
u (xj ; ym ) = u0m + 2 Re ukm eik xj

k=1
XN
= u0m + 2 urkm cos (k xj ) uikm sen (k xj )
k=1
X
N XN
v (xj ; ym ) = 2 Re vkm eik xj
=2 r
vkm cos (k xj ) i
vkm sen (k xj ) ;
k=1 k=1

donde Re z = z r es la parte real de z, y Im z = z i la parte imaginaria. De nuevo en


este caso empleamos la transformada Tk .

50
Figura 3.2: Campo de velocidades de (u; v) para un instante de tiempo de acuerdo a
la Tabla 2. El esquema representado corresponde a [0; L] [ 1; 1]. Fuente: [6] p.32.

Figura 3.3: Similar a la …gura 3.2. Fuente: [6] p.33

51
Flujo constante Gradiente de presión constante
N M Re Q t Error N M Re p t Error
9
4 24 5737.26 0.020 8.50 10 4 24 7638.23 0.020 2.38 10 9
4 24 5737.26 0.010 2.12 10 9 4 24 7638.23 0.010 5.95 10 10
4 24 5737.26 0.005 5.30 10 10 4 24 7638.23 0.005 1.49 10 10
4 24 6000.00 0.020 1.62 10 8 4 24 8500.40 0.020 4.68 10 9
4 24 6000.00 0.010 4.04 10 9 4 24 8500.40 0.010 1.17 10 9
4 24 6000.00 0.005 1.01 10 9 4 24 8500.40 0.005 2.93 10 10
4 24 7401.06 0.020 9.46 10 6 4 24 9504.20 0.020 2.64 10 7
4 24 7401.06 0.010 2.37 10 6 4 24 9504.20 0.010 6.62 10 8
4 24 7401.06 0.005 5.88 10 7 4 24 9504.20 0.005 1.66 10 8
7 40 5269.03 0.020 6.81 10 8 7 40 6699.62 0.020 3.11 10 8
7 40 5269.03 0.010 1.70 10 8 7 40 6699.62 0.010 7.82 10 9
7 40 5269.03 0.005 4.26 10 9 7 40 6699.62 0.005 1.96 10 9
7 40 5835.42 0.020 8.06 10 7 7 40 7589.07 0.020 2.12 10 7
7 40 5835.42 0.010 2.02 10 7 7 40 7589.07 0.010 5.31 10 8
7 40 5835.42 0.005 5.04 10 8 7 40 7589.07 0.005 1.33 10 8
7 40 6658.21 0.020 3.38 10 6 7 40 8260.39 0.020 3.86 10 7
7 40 6658.21 0.010 8.46 10 7 7 40 8260.39 0.010 9.65 10 8
7 40 6658.21 0.005 2.12 10 7 7 40 8260.39 0.005 2.41 10 8
7 40 7539.27 0.020 8.03 10 6 7 40 9051.24 0.020 6.26 10 7
7 40 7539.27 0.010 2.01 10 6 7 40 9051.24 0.010 1.57 10 7
7 40 7539.27 0.005 5.03 10 7 7 40 9051.24 0.005 3.91 10 8
Tabla 2: Errores, de acuerdo a (3.45)-(3.47), cometidos durante la integración
de diferentes ‡ujos para los valores especi…cados de Re Q ; Re p ; N M; t y para
…jado = 1;02056. El error se calcula como un promedio de varias mediciones
de 3.45. Para valores …jos de Re y N M el mismo ‡ujo es integrado para
valores de t = 0;02; 0;01; 0;005. Fuente: [6] p.35.

52
Conclusiones

1. Las Ecuaciones en Derivadas Parciales constituyen uno de los principales cam-


pos de estudio en matemáticas, debido a su creciente aplicación en física, in-
geniería y otras ciencias. Se ha visto que por lo general la solución de una
EDP no es expresable en términos de funciones elementales, lo que di…culta el
cálculo de las soluciones analiticas. Por lo tanto es recomendable emplear méto-
dos numéricos para resolver EDP cuando, para …nes prácticos, basta generar
soluciones aproximadas, pero de manera e…ciente. El Método de Diferencias
Finitas es una herramienta útil para calcular aproximaciones a las soluciones
de algunas EDP, como hemos tratado en el primer capítulo.

2. Una de las aplicaciones de los polinomios de Fourier y Chebyshev es el ahorro


de cálculos, pues logra disminuir el grado de un polinomio de aproximación,
con una perdida mínima de exactitud. Como estos polinomios tiene un valor
absoluto mínimo que se distribuye uniformemente en el intervalo, puede tam-
bién ser usados para reducir el grado de un polinomio de aproximación, sin
que se rebase la tolerancia del error, como lo presentamos en el capítulo II.

3. Se explica técnicas con que se obtienen las aproximaciones de polinomios que


resulta ser e…ciente desde el punto de vista de los cálculos a realizar; una vez
que se conoce Pn (x) es fácil determinar Pn+1 (x), por ejemplo los polinomios
de Chebyshev sólo requiere la fórmula de recurrencia para generar el Tn+1 (x),
esto lo hemos tratado en la segunda parte del capítulo II.

4. Por último vemos que los capitulos 1 y 2 son de suma importancia en la


implementación numérica para resolver la ecuación generado por el ‡ujo de
Pouseuille, la cual sabemos que está gobernado por la ecuación de Navier-
Stokes para ‡uidos incomprensibles. Donde combinando los métodos de
diferencias …nitas y métodos espectrales se dio la solución numérica para la
ecuación del ‡ujo de Pouseuille, vista en el capítulo III de nuestro trabajo.

53
Bibliografía

[1] Trefethen, Lloyd : Finite Di¤erence and Spectral Methods for Ordinary and
Partial Di¤erential Equations, Cornell University 1996.

[2] Romero. S, Moreno y Rodriguez: Introducción a las ecuaciones en


Derivadas Parciales (EDP’s), Universidad de Huelva.

[3] Jan S. Hesthaven, Prof. Sigal Gottlieb, David Gottlieb: Spectral


methods for time-dependent problems 2007, Cambridge University press.

[4] Roger Peyret : Spectral Methods for Incompressible Viscous Flow, Springer-
Verlag

[5] Richard L. Burden, J. Douglas Faires: Análisis Numérico con aplicaciones,


México. Editorial.

[6] Jose Pablo Sanchez Casas: Numerical Study of Hopf Bifurcations in the
two-dimensional plane Pouseuille ‡ow, Tesis Doctoral. Barcelona 2002.

[7] Jie Shen, Tao Tang, Li-Lian Wang: Spectral Methods, Algorithms, Analysis
and Applications. Springer-Verlag Berlin Heidelberg 2011.

[8] Won Y. Yang, Wenwu Cao, Tae S. Chung, John Morris: Applied
numerical methods using MATLAB. 2005 by John Wiley & Sons, Inc., Hobo-
ken, New Jersey.

[9] Jaime Álvarez Maldonado: Universidad de Santiago de Chile.

[10] Beni Neta: Partial Di¤erential equations, MA 3132 Lecture Notes, Department
of Mathematics Naval Postgraduate School Code MA/Nd Monterey, California
93943 October 10, 2002

54