28/02/2023

1.1 Diferencias finitas

Introducción

Gran cantidad de problemas geotécnicos se rigen o son resueltos de manera satisfactoria

con ecuaciones diferenciales parciales (EDP). La forma general de una EDP lineal de
segundo orden es (Ecu. 1).

EDP
𝜕 𝑓(𝑥 , 𝑦 ) 𝜕 𝑓(𝑥 , 𝑦 ) 𝜕 𝑓(𝑥 , 𝑦 ) - Elípticas
𝑨 +𝑩 +𝑪 +𝑫=0 (1) - Parabólicas
𝜕𝑥 𝜕𝑥𝜕𝑦 𝜕𝑦 - Hiperbólicas

Donde 𝑨, 𝑩, 𝑪 son función de 𝑥 y 𝑦. 𝑫 es una función de 𝑥, 𝑦, 𝑧, 𝜕𝑓(𝑥 , 𝑦 )/ 𝜕𝑥 y

𝜕𝑓(𝑥 , 𝑦 )/ 𝜕𝑦. Las EDP se pueden clasificar en elípticas, parabólicas e hiperbólicas.

La clasificación es útil debido a que cada tipo de ecuación se relaciona con problemas
ingenieriles específicos y se resuelve con la implementación de técnicas especiales.

1.1 Diferencias finitas

Introducción

Tabla 1. Clasificación de las EPD de segundo orden y con dos variables.

𝐵 − 4𝐴𝐶 Clasificación de EDP Ejemplo

<0 Elíptica Ecuación de flujo de agua estacionario (Laplace).
𝜕 ℎ 𝜕 ℎ (2)
+ =0
𝜕𝑥 𝜕𝑦
=0 Parabólica Ecuación de consolidación unidimensional
(Terzaghi).
𝛿𝑢 𝜕 𝑢 (3)
= 𝐶𝑣 +
𝜕𝑡 𝜕𝑧
>0 Hiperbólica Ecuación de onda.
𝜕 𝑦 𝜕 𝑦
= =0 (4)
𝜕𝑥 𝐶 𝜕𝑡

Estas EDP presentan gran dificultad para su solución analítica, debido a que al considerar
todas las variables representativas de un problema realista, se genera un gran número de
términos presentes en la EDP de difícil manipulación analítica. 2

1
 28/02/2023

1.1 Diferencias finitas

Introducción

Ecuación de NAVIER-CAUCHY.

Sistema de ecuaciones parciales de segundo orden, donde las incógnitas son las componentes
del vector desplazamiento y se resuelven tomando en cuenta las condiciones de frontera del
problema (desplazamientos o esfuerzos).

1 𝑓̅
𝑔𝑟𝑎𝑑 𝑑𝑖𝑣 + ∇ 𝛿̅ = (5)
1 − 2𝑣 𝑔̅

Donde.

𝛿̅= u𝚤̅+v𝚥̅+w𝑘

𝑓=̅ 𝑓 𝚤̅+ 𝑓 𝚥̅+𝑓 𝑘

1.1 Diferencias finitas

Reseña

El MDF posee un amplio rango de solución a problemas resueltos con ecuaciones

diferenciales, en problemas lineales y no lineales, dependientes e independientes
del tiempo, con diferentes formas de contorno y condiciones de frontera.

• La base matemática del método de diferencias finitas ya se conocía a inicios del

siglo XX.
• Durante 1950 a 1970 MDF fue uno de los métodos más importantes para resolver
problemas prácticos.
• Con el desarrollo de la computación se implementaron nuevas técnicas para la
solución de ecuaciones diferenciales. Sin embargo, el MDF se sigue implementando
debido a su facilidad de aplicación en modelos complejos y eficiencia
computacional.

2
 28/02/2023

1.1 Diferencias finitas

Metodología.

El método de diferencias finitas resuelve

ecuaciones diferenciales remplazando
un problema de campo continuo por un
campo discretizado con nodos
regularmente finitos.
• EL campo discretizado usualmente es
representado por una malla compuesta
por varios nodos.
• El número y disposición de los nodos
depende de la exactitud que se desea en
las soluciones.

Figura 1. Discretización de un campo de medio

continuo.

1.1 Diferencias finitas

Metodología.

• Las derivadas parciales de la función se

aproximan mediante diferencias finitas.
• Las diferencias finitas se encuentran
desarrolladas por la serie de Taylor.
• Se desarrolla las diferencias finitas en cada
nodo, con las condiciones de contorno y las
condiciones iniciales.
• Se genera una ecuación que permite
conocer el valor de la derivada en cada nodo.
• El proceso anterior se repite para cada uno
de los nodos, generando un conjunto de
ecuaciones algebraicas, cuya solución da el
valor aproximado de la derivada parcial de la Figura 1. Discretización de un campo de medio
función. continuo.

3
 28/02/2023

1.1 Diferencias finitas

Metodología.

1.1 Diferencias finitas

Derivadas en diferencias finitas .

• Primera derivada en diferencias finitas.

𝑑𝑓(𝑥 ) 𝑓(𝑥 ) − 𝑓(𝑥 )

= (6)
𝑑𝑥 ∆𝑥

• Segunda derivada en diferencias finitas.

• Definición de derivada.
• Definición de derivada parcial.

Figura 2. Función continua con dominio discretizado.

4
 28/02/2023

1.1 Diferencias finitas

Derivadas en diferencias finitas .

• Primera derivada en diferencias finitas.

• Segunda derivada en diferencias finitas.

𝑑 𝑓(𝑥 ) 𝑑𝑓(𝑥 ) − 𝑑𝑓(𝑥 )

= (7)
𝑑𝑥 ∆𝑥

𝑓 𝑥 − 𝑓(𝑥 ) 𝑓 𝑥 − 𝑓(𝑥 )
𝑑 𝑓(𝑥 ) − (8)
= ∆𝑥 ∆𝑥
𝑑𝑥 ∆𝑥

𝑑 𝑓(𝑥 ) 𝑓 𝑥 − 2𝑓 𝑥 + 𝑓(𝑥 )
= (9)
𝑑𝑥 ∆𝑥

• Definición de derivada.
• Definición de derivada parcial. Figura 2. Función continua con dominio discretizado.

1.1 Diferencias finitas

Derivadas en diferencias finitas .

• Primera derivada en diferencias finitas.

• Segunda derivada en diferencias finitas.
• Definición de derivada.
𝛿𝑓(𝑥 ) 𝑓 𝑥 − 𝑓(𝑥 )
= lim (10)
𝛿𝑥 ∆ → ∆𝑥

• Definición de derivada parcial.

𝛿𝑓(𝑥 , 𝑦 ) 𝑓 𝑥 , 𝑦 − 𝑓(𝑥 , 𝑦 )
= lim (11)
𝛿𝑥 ∆ → ∆𝑥

𝛿𝑓(𝑥 , 𝑦 ) 𝑓 𝑥 ,𝑦 − 𝑓(𝑥 , 𝑦 )
= lim (12)
𝛿𝑦 ∆ → ∆y
Figura 2. Función continua con dominio discretizado.

10

5
 28/02/2023

1.1 Diferencias finitas

Serie de Taylor.

La serie de Taylor aproxima alrededor de un

punto el valor de funciones no polinómicas a
funciones polinómicas.
𝑓 𝑥 = 𝐶 + 𝐶 𝑥 + 𝐶 𝑥 + 𝐶 𝑥 + ⋯+ 𝐶 𝑥 (13)

Donde:
𝛿 𝑓(𝑥)
𝐶 = 𝑓 𝑥 𝐶 =
2 𝛿𝑥
𝛿𝑓(𝑥)
𝐶 =
𝛿𝑥
De manera general alrededor de 0:

𝑓 𝑥
𝛿𝑓(𝑥) 𝑥 𝛿 𝑓(𝑥) 𝑥 𝛿 𝑓(𝑥) 𝑥 𝛿 𝑓(𝑥) 𝑥
=𝑓 𝑥 + + + +⋯+ Figura 3. Aproximaciones a una función con polinomios.
𝛿𝑥 1! 𝛿𝑥 2! 𝛿𝑥 3! 𝛿𝑥 𝑛!
(14) 11

1.1 Diferencias finitas

Serie de Taylor.

De manera general alrededor de a:

𝛿𝑓(𝑥) (𝑥 − 𝑎) 𝛿 𝑓(𝑥) (𝑥 − 𝑎) 𝛿 𝑓(𝑥) (𝑥 − 𝑎) 𝛿 𝑓(𝑥) (𝑥 − 𝑎)
𝑓 𝑎 =𝑓 𝑎 + + + + ⋯+ (15)
𝛿𝑥 1! 𝛿𝑥 2! 𝛿𝑥 3! 𝛿𝑥 𝑛!
Para 𝑓 𝑥 :
𝛿𝑓(𝑥 ) ∆𝑥 𝛿 𝑓(𝑥 ) ∆𝑥 𝛿 𝑓(𝑥 ) ∆𝑥 𝛿 𝑓(𝑥) ∆𝑥
𝑓 𝑥 =𝑓 𝑥 + + + + ⋯+ (16)
𝛿𝑥 1! 𝛿𝑥 2! 𝛿𝑥 3! 𝛿𝑥 𝑛!

Para la primera derivada:

𝛿𝑓(𝑥 ) 𝑓 𝑥 −𝑓 𝑥 𝛿 𝑓 𝑥 ∆𝑥 𝛿 𝑓(𝑥) ∆𝑥
= − − ⋯− (17)
𝛿𝑥 𝛿𝑥 𝛿𝑥 2! 𝛿𝑥 𝑛!
Con la implementación de error de truncamiento:

𝛿𝑓(𝑥 ) 𝑓 𝑥 −𝑓 𝑥
= + 𝑂(∆𝑥) (18)
𝛿𝑥 ∆𝑥
12

6
 28/02/2023

1.1 Diferencias finitas

(19)

(20)

(21)
13

1.1 Diferencias finitas

(22)

(23)

(24)

14

7
 28/02/2023

1.1 Diferencias finitas

Tipos de diferencias finitas.

Tabla 2. Esquemas en diferencias finitas para derivadas de diferentes órdenes de derivación y error (Peréz y Martínez, 2005).

Derivada Aproximación en diferencias finitas Orden de error

𝛿𝑓(𝑥 ) 𝑓 𝑥 −𝑓 𝑥 𝑂(∆𝑥)
𝛿𝑥 ∆𝑥
𝑓 𝑥 −𝑓 𝑥 𝑂(∆𝑥)
∆𝑥
𝑓 𝑥 −𝑓 𝑥 𝑂(∆𝑥)
2∆𝑥
−𝑓 𝑥 +4 𝑥 − 3𝑓 𝑥 𝑂(∆𝑥)
12∆𝑥
−𝑓 𝑥 + 8𝑓 𝑥 −8 𝑥 −𝑓 𝑥 𝑂(∆𝑥)
12∆𝑥
𝛿 𝑓 𝑥 𝑓 𝑥 − 2𝑓 𝑥 − 𝑓(𝑥 ) 𝑂(∆𝑥)
𝛿𝑥 (∆𝑥)
−𝑓 𝑥 + 16𝑓 𝑥 − 30𝑓 𝑥 + 16𝑓 𝑥 −𝑓 𝑥 ) 𝑂(∆𝑥)
12(∆𝑥)
𝛿 𝑓 𝑥 𝑓 𝑥 − 2𝑓 𝑥 + 2𝑓 𝑥 −𝑓 𝑥 𝑂(∆𝑥)
𝛿𝑥 2(∆𝑥)
𝛿 𝑓 𝑥 𝑓 𝑥 − 4𝑓 𝑥 + 6𝑓 𝑥 − 4𝑓 𝑥 +𝑓 𝑥 𝑂(∆𝑥)
15
𝛿𝑥 (∆𝑥)

1.1 Diferencias finitas

Ecuaciones elípticas.

• Representan problemas en estado

estacionario y valores en la frontera,
independientes del tiempo.

• La distribución de una variable

desconocida en un espacio bidimensional.

• Problemas ingenieriles que implican un

potencial : El flujo estacionario de agua, la
distribución de un campo eléctrico o la
distribución de temperatura en una
configuración bidimensional.

𝜕 𝑤 𝜕 𝑤
∇ 𝑤= + =0 (25)
𝜕𝑥 𝜕𝑦 Figura 6. Malla de la región acotada para el estudio de EDP
elípticas.
16

8
 28/02/2023

1.1 Diferencias finitas

Ecuaciones elípticas.

• La ecuación describe la función 𝑤 que

depende de la ubicación espacial 𝑤 =
𝑓(𝑥, 𝑦). En una determinada región, en
este caso cuadrada, acotada por 𝑎 y 𝑏 en
𝑥 y 𝑐 y 𝑑 en 𝑦. Fig 6.

• El primer paso para solucionar las EDP,

consiste en discretizar el medio en una
malla compuesta por varios nodos.

• Donde ∆𝑥 𝑦 ∆𝑦 son el tamaño de paso

para los ejes 𝑥 y 𝑦.

Figura 6. Malla de la región acotada para el estudio de EDP

elípticas.
17

1.1 Diferencias finitas

Ecuaciones elípticas.

• Una vez definidos los nodos, se procede a reemplazar las derivadas parciales de la
ecuación de Laplace por diferencias finitas.
𝜕 𝑤 𝜕 𝑤 𝜕 𝑤 𝑤, −2𝑤, −𝑤,
+ =0 = − 𝑂 ∆𝑦
𝜕𝑥 𝜕𝑦 𝜕𝑦 ∆𝑦)
Ecuación de 𝜕 𝑤 𝑤 , −2𝑤, −𝑤 ,
Laplace = − 𝑂 ∆𝑥
𝜕𝑥 ∆𝑥) En diferencias
finitas

𝜕 𝑤 𝑤, −2𝑤, −𝑤, 𝜕 𝑤 𝑤 , −2𝑤, −𝑤 ,

= =
𝜕𝑦 ∆𝑦) 𝜕𝑥 ∆𝑥)
Segunda
Segunda
derivada Y
derivada x

𝑤 , −2𝑤, −𝑤 , 𝑤, −2𝑤, −𝑤,

+ =0
∆𝑥) ∆𝑦) 18
Ecuación de
Laplace en DF

9
 28/02/2023

1.1 Diferencias finitas

Ecuaciones elípticas.

𝑤 , −2𝑤, −𝑤 , 𝑤, −2𝑤, −𝑤,

+ =0
∆𝑥) ∆𝑦)
(26)
• Los nodos que intervienen en la Ecuación
son 𝑤 , , 𝑤 , , 𝑤 , , 𝑤 , , 𝑤 , .

• Basta conocer los valores de la variable 𝑤

en las fronteras y por consiguiente en los
nodos de frontera, para conocer los
valores de 𝑤 al interior.
∆𝑥
2 + 1 𝑤 , − (𝑤 , +𝑤 , )
∆y
∆𝑥
− (𝑤 , +𝑤, )=0 (27)
∆y
Figura 7. Nodos que intervienen en la solución de un nodo de
las EDP elípticas expresadas en diferencias finitas
19

1.1 Diferencias finitas

Solución de ecuaciones elípticas.

• Para solucionar los valores de 𝑤 al

interior de la región se requiere resolver
todas las ecuaciones en diferencias
finitas al mismo tiempo.

• Para ejemplificar se estudiará una

región rectangular discretizada (Fig. 8).
La función 𝑤 será regida por la ecuación
de Laplace. Las condiciones de frontera
se consideran como una función
dependiente de la variable 𝑥 y 𝑦.

Figura 8. Discretización de la región de estudio con un mismo

tamaño y con condiciones de frontera.
20

10
 28/02/2023

1.1 Diferencias finitas

Solución de ecuaciones elípticas.

Si aplicamos la Ecuación a cada nodo interior de la fig 8 y se considera el mismo tamaño de

paso, en cada nodo se obtendrá el sistema de ecuaciones presente a continuación.

4𝑤 , − (𝑤 , +𝑤 , ) − (𝑤 , +𝑤, )=0 (28)

Nodo Incógnitas de la Ecuación. Valores conocidos

𝑤, . de la Ecuación
𝑤, . 4𝑤 , − 𝑤 , − 𝑤 , =𝑤 , + 𝑤 ,
𝑤 , . 4𝑤 , −𝑤 , −𝑤 , −𝑤 , =𝑤 ,
𝑤 , . 4𝑤 , − 𝑤 , − 𝑤 , =𝑤 , +𝑤 ,
𝑤, . 4𝑤 , − 𝑤 , − 𝑤 , − 𝑤 , =𝑤 ,
𝑤 , . 4𝑤 , − 𝑤 , − 𝑤 , − 𝑤 , − 𝑤 , =0
𝑤 , . 4𝑤 , − 𝑤 , − 𝑤 , − 𝑤 , =𝑤 ,
𝑤, . 4𝑤 , − 𝑤 , − 𝑤 , =𝑤 , +𝑤 ,
𝑤 , . 4𝑤 −𝑤 , −𝑤 , −𝑤
, , =𝑤 ,
𝑤 , . 4𝑤 , − 𝑤 , − 𝑤 , =𝑤 , +𝑤 ,

21

1.1 Diferencias finitas

Solución de ecuaciones elípticas.

El sistema de ecuaciones lineales expuesto se puede expresar de manera matricial de la forma

𝐴𝒙 = 𝒃, donde 𝐴 es la matriz de coeficientes, 𝒙 es un vector compuesto por las incógnitas de 𝒘
en cada uno de los nodos y 𝒃 es un vector compuesto por las condiciones de frontera.

4 −1 0 −1 0 0 0 0 0 𝑤 , 𝑤
+𝑤 , ,
−1 4 −1 0 −1 0 0 0 0 𝑤 , 𝑤,
0 −1 4 0 0 −1 0 0 0 𝑤 , 𝑤 , +𝑤 ,
−1 0 0 4 −1 0 −1 0 0 𝑤 , 𝑤,
0 −1 0 −1 4 −1 0 −1 0 𝑤 , = 0
0 0 −1 0 −1 4 −1 0 −1 𝑤 , 𝑤,
0 0 0 −1 0 −1 4 −1 0 𝑤 , 𝑤 , +𝑤 ,
0 0 0 0 −1 0 −1 4 −1 𝑤 , 𝑤,
0 0 0 0 0 −1 0 −1 4 𝑤 , 𝑤 , +𝑤 ,
𝒙 𝒃

22

11
 28/02/2023

1.1 Diferencias finitas

Solución de ecuaciones elípticas.

Solución del sistema matricial.

• Cabe destacar que la matriz 𝐴, es de carácter positivo, de forma tridiagonal simétrica y
que no posee más de cinco incógnitas en cada una de sus filas. Esta se resuelve
utilizando una técnica directa. (Eliminación gaussiana o el algoritmo de Crout (Burden,
2010)).

• Las técnicas directas son eficientes cuando el número de incógnitas es menor a 100.
Para matrices de mayor número se requiere emplear un procedimiento iterativo, como
es el método de Gauss-Seidel.
𝑤 , +𝑤 , +𝑤, +𝑤,
𝑤, = (29)
4
• El método iterativo consiste en tomar un vector inicial 𝒙𝟎, con componentes 𝑤 ,
aproximados al valor esperado, calcular un nuevo valor de los componentes 𝑤 , ,
obteniendo un 𝒙𝟏 . Nuevamente se calculan los valores de 𝑤 , , usando a 𝒙𝟏 y
obteniendo un 𝒙𝟐 , este procedimiento se itera hasta alcanzar una tolerancia.
23

1.1 Diferencias finitas

Solución de ecuaciones elípticas.

Solución del sistema matricial.

• Para acelerar la convergencia del método iterativo de Gauss-Seidel, se puede

implementar el procedimiento de sobrerelajación, aplicando.

𝑤, = Θ𝑤 , + (1 − Θ)𝑤 , (30)

• Donde 𝑤 , y 𝑤, son los valores de 𝑤 , de la iteración actual y previa,

respectivamente; Θ es el factor de sobrerelajación que se encuentra entre 1 y 2.

• El valor óptimo de Θ, considerando que la matriz A es positiva y tridiagonal, se obtiene

de la Ecuación 3.31:
2
Θ= (31)
1 + 1 − 𝜌(𝑇)
24

12
 28/02/2023

1.1 Diferencias finitas

Condiciones de frontera.

Condiciones de frontera.

• Condición de frontera de Dirichlet: Condición de

frontera definida por una función que determina
un valor constante en el tiempo, dependiente de
las variables espaciales (𝑥, 𝑦).

• Condición de frontera de Neumann: Condición de

frontera definida por la derivada de una función
constante en el tiempo y dependiente de las
variables espaciales (𝑥, 𝑦).
• Se plantea la EDP en diferencias finitas en los
nodos ubicados sobre la frontera.

4𝑤 , −𝑤 , −𝑤 , −𝑤 , −𝑤 , =0 (32)
Figura 9. Nodo en la frontera izquierda para
implementar la condición de frontera de
25
Neumann.

1.1 Diferencias finitas

Condiciones de frontera.

Condiciones de frontera.

• Condición de frontera de Neumann:

4𝑤 , −𝑤 , −𝑤 , −𝑤 , −𝑤 , = 0 (33)

Si se define 𝛿𝑤 , /𝛿x
𝛿𝑤 , 𝑤 , −𝑤 ,
= (34)
𝛿𝑥 2∆𝑥
𝛿𝑤 ,
𝑤 , =𝑤 , − 2∆𝑥 (35)
𝛿𝑥

𝛿𝑤 ,
4𝑤 , − 2𝑤 , − 2∆𝑥 −𝑤 , −𝑤 , = 0 (36)
𝛿𝑥
Figura 9. Nodo en la frontera izquierda para
implementar la condición de frontera de
26
Neumann.

13
 28/02/2023

1.1 Diferencias finitas

Fronteras irregulares en EE.

Fronteras irregulares.

𝜕 𝑤 2 𝑤 , −𝑤, 𝑤 , −𝑤,
= + (37)
𝜕𝑥 ∆𝑥 𝛼 𝛼+1 𝛼+1

𝜕 𝑤 2 𝑤 , −𝑤, 𝑤 , −𝑤,
= + (38)
𝜕𝑦 ∆𝑦 𝛽 𝛽+1 𝛽+1

2 𝑤 , −𝑤, 𝑤 , −𝑤,
+
∆𝑥 𝛼 𝛼+1 𝛼+1
2 𝑤 , −𝑤, 𝑤 , −𝑤,
+ + =0
∆𝑦 𝛽 𝛽+1 𝛽+1
(39)
Figura 10. Malla de la región con frontera circular.
27

1.1 Diferencias finitas

Ecuaciones parabólicas.

• Se implementan en problemas de
propagación, en los cuales, una incógnita
varía tanto espacialmente como
temporalmente.
• Resuelve problemas como la
consolidación unidimensional, el
comportamiento de la difusión de calor o
la difusión de gases.

𝜕 𝑤 𝜕𝑤
𝑘 = (40)
𝜕𝑥 𝛿𝑡

• La función 𝑤 depende de la ubicación

espacial y temporal 𝑤 = 𝑓(𝑥, t). En una
determinada dimensión discretizada en
Figura 11. Malla que discretiza el medio para la solución en
nodos. Fig 11. diferencias finitas de EDP.
28

14
 28/02/2023

1.1 Diferencias finitas

Ecuaciones parabólicas.

• El primer paso para solucionar las EDP,

consiste en discretizar el medio en una
malla compuesta por varios nodos.

• Donde ∆𝑥 es el tamaño de paso espacial y

∆t es el tamaño de paso temporal.

• Para este caso, no todas las fronteras

están definidas y solo se conoce las
condiciones iniciales y las condiciones de
frontera.

Figura 11. Malla que discretiza el medio para la solución en

diferencias finitas de EDP.
29

1.1 Diferencias finitas

Solución explicita.

Una vez definidos los nodos, se procede a remplazar las derivadas parciales de la
ecuación por diferencias finitas.
𝜕 𝑤 𝜕𝑤 𝜕 𝑤 𝑤 , −2𝑤, +𝑤 ,
𝑘 = = − 𝑂 ∆𝑥
𝜕𝑥 𝛿𝑡 𝜕𝑥 ∆𝑥)
Ecuación 𝜕𝑤 𝑤 , − 𝑤,
= − 𝑂(∆𝑡
parabólica 𝜕𝑡 ∆𝑡
En diferencias
finitas

𝜕 𝑤 𝑤 , −2𝑤, +𝑤 , 𝜕𝑤 𝑤 , − 𝑤,
= =
𝜕𝑥 ∆𝑥) 𝜕𝑡 ∆𝑡
Segunda
Segunda
derivada x
derivada t

𝑤 , −2𝑤, +𝑤 , 𝑤, − 𝑤,
𝑘 =
∆𝑥) ∆𝑡 Ecuación 30
parabólica en DF

15
 28/02/2023

1.1 Diferencias finitas

Solución explicita.

Ecuación parabólica en diferencias finitas.

𝑤 , −2𝑤, +𝑤 , 𝑤, − 𝑤,
𝑘 = (41)
∆𝑥) ∆𝑡
Resolviendo para 𝑤 , .
2𝑘∆𝑡 𝑘∆𝑡
𝑤, = 1− 𝑤, + (𝑤 , +𝑤 , (42) 𝜆 = 𝑘∆𝑡 ⁄ (∆𝑥)
∆𝑥) ∆𝑥)

𝑤, = 1 − 2𝜆 𝑤 , + 𝜆(𝑤 , +𝑤 , (43)

Condiciones de frontera e iniciales (𝑡 = 0).

𝑤 , =𝑔 𝑥 , 𝑤 , = 𝑔 𝑥 ,…,𝑤 , =𝑔 𝑥
(44)
𝑤 , = 𝑢 0, 𝑡 , 𝑤 , = 𝑢 𝑙, 𝑡 𝑝𝑎𝑟𝑎 𝑡 > 0

31

1.1 Diferencias finitas

Solución explicita.

Si las condiciones de frontera en los extremos de 𝑥 dependientes del tiempo son iguales a cero
(𝑤 , = 𝑤 , = 0).

Aplicando la Ecu 43, para un tiempo 𝑘 = 1 a cada uno de los nodos en 𝑥, se puede obtener el
siguiente conjunto de ecuaciones.
𝑤 , = 𝑢 0,1 = 0
𝑤 , = 1 − 2𝜆 𝑤 , +𝜆 𝑤 , +𝑤 ,

𝑤 , = 1 − 2𝜆 𝑤 , +𝜆 𝑤 , +𝑤 ,

:
𝑤 , = 1 − 2𝜆 𝑤 , +𝜆 𝑤 , +𝑤 ,

𝑤 , = 𝑢 𝑛, 1 = 0
𝒌
𝒘 = 𝐴𝒘 𝒌 𝑃𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑘 = 1,2 … … (45)
La Ecu 45, muestra que el vector 𝒘 se obtiene multiplicando 𝒘(𝒌
(𝒌) 𝟏)
con la matriz 𝐴. Este método
corresponde al método de solución explícito.
32

16
 28/02/2023

1.1 Diferencias finitas

Solución explicita.

Por otro lado, al analizar la Ecuación 43, se

observa que esta permite obtener el valor de la
𝑤 en una coordenada espacial 𝑖 , para un
incremento de tiempo 𝑘 + 1 a partir de tres
valores 𝑤, ubicados en la coordenada 𝑖 y en 𝑖 − 1
y 𝑖 + 1 pero en el tiempo anterior (𝑘).

𝑤, = 1 − 2𝜆 𝑤 , + 𝜆(𝑤 , +𝑤 , (43)

Estabilidad.
El método explícito es estable si 0 ≤λ≤0.5.

Cuando λ ≤ 0.5 los errores no crecen, si no que

oscilan.
Si λ ≤ 0.25, los errores decrecerán.
si λ ≤ 0.1.66, la solución tiende a minimizar los
Figura 12. Esquema del método de solución explícito.
errores.
33

1.1 Diferencias finitas

Solución implícita.

Una vez definidos los nodos, se procede a remplazar las derivadas parciales de la
ecuación por diferencias finitas.
𝜕 𝑤 𝜕𝑤 𝜕 𝑤 𝑤 , −2𝑤, +𝑤 ,
𝑘 = = − 𝑂 ∆𝑥
𝜕𝑥 𝛿𝑡 𝜕𝑥 ∆𝑥)
Ecuación 𝜕𝑤 𝑤 , − 𝑤 ,
= − 𝑂 ∆𝑡
parabólica 𝜕𝑡 ∆𝑡
En diferencias
finitas

𝜕 𝑤 𝑤 , −2𝑤, +𝑤 , 𝜕𝑤 𝑤 , − 𝑤 ,
= =
𝜕𝑥 ∆𝑥) 𝜕𝑡 ∆𝑡
Segunda
Segunda
derivada x
derivada t

𝑤 , −2𝑤, +𝑤 , 𝑤, − 𝑤,
𝑘 =
∆𝑥) ∆𝑡 Ecuación 34
parabólica en DF

17
 28/02/2023

1.1 Diferencias finitas

Solución implícita.

Ecuación parabólica en diferencias finitas.

𝑤 , −2𝑤, +𝑤 , 𝑤, − 𝑤, (46)
𝑘 =
∆𝑥) ∆𝑡
Resolviendo para 𝑤 , .
2𝑘∆𝑡 𝑘∆𝑡
𝑤, = 1+ 𝑤, − (𝑤 , +𝑤 ,
(47) 𝜆 = 𝑘∆𝑡 ⁄ (∆𝑥)
∆𝑥) ∆𝑥)

𝑤, = 1 + 2𝜆 𝑤 , − 𝜆𝑤 , − 𝜆𝑤 , (48)

Condiciones de frontera e iniciales (𝑡 = 0).

𝑤 , = 1 + 2𝜆 𝑤 , − 𝜆𝑤 , − 𝜆𝑤 ,
(49)
𝑤 , = 1 + 2𝜆 𝑤 , − 𝜆𝑤 , − 𝜆𝑤 ,

35

1.1 Diferencias finitas

Solución implícita.

Si las condiciones de frontera en los extremos de 𝑥 dependientes del tiempo son iguales a cero
(𝑤 , = 𝑤 , = 0).

Aplicando la Ecu 48, para un tiempo 𝑘 = 1 a cada uno de los nodos en 𝑥, se puede obtener el
siguiente conjunto de ecuaciones.

𝒌 𝒌
𝐴𝒘 =𝒘 𝑃𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑡 = 1,2, . . . , 𝑛 − 1
La Ecu 50, muestra que el vector 𝒘 se obtiene multiplicando 𝒘(𝒌)con la matriz 𝐴. Este método
(𝒌 𝟏)

corresponde al método de solución implícito.

36

18
 28/02/2023

1.1 Diferencias finitas

Solución implícita.

Al analizar la Ecu. 48, se observa que esta permite

obtener el valor de w en una coordenada espacial
i, para un tiempo k a partir de tres valores de w,
un valor ubicado en la misma coordenada
espacial i pero en un tiempo anterior y dos
valores en el mismo tiempo ubicados a ambos
lados de la incógnita.

𝑤, = 1 + 2𝜆 𝑤 , − 𝜆𝑤 , − 𝜆𝑤 , (48)

Estabilidad.
Estabilidad incondicional.

Orden de error 𝑂(∆𝑥) 𝑦 𝑂(∆𝑡).

Figura 12. Esquema del método de solución implícito.
37

1.1 Diferencias finitas

Solución de Crank-Nicolson.

Este es un método implícito

complementario que tiene una exactitud
de error de segundo orden 𝑂(∆𝑥 +∆𝑡 ).
El método consiste en obtener un
promedio de las diferencias implícitas y
explícitas para un mismo nodo.

−𝜆𝑤 , +2 1+𝜆 𝑤, − 𝜆𝑤 ,
= −𝜆𝑤 , + 2 1 + 𝜆 𝑤 , − 𝜆𝑤 , (50)

Estabilidad.
Estabilidad incondicional.

Figura 12. Esquema del método de solución Crank-Nicolson.

38

19
 28/02/2023

1.1 Diferencias finitas

Solución de Crank-Nicolson.

𝐴𝒘 𝒕 =𝐵𝒘𝒕 𝑃𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑡 = 1,2, . . . , 𝑛 − 1

39

20