You are on page 1of 20

ECUACIONES DIFERENCIALES

PARCIALES METODO
DIFERENCIA FINITA
Laura Alejandra Gutierrez Tovar
Cristian David Hernandez Bobon
Cod: 20132121285 - 20131119566

MATEMATICA
APLICADA
15 de septiembre de 2015

Introducci
on
Las ecuaciones diferenciales parciales son una forma de solucionar problemas de la vida real desde el punto de vista matematico en el que se haga
intervenir dos o mas variables independientes, por medio de derivadas parciales de aquellas variables, problemas que se refire algunos fenomenos de
la naturaleza como vibraciones de cuerda, membranas, oscilaciones, conductibilidad termica y difusion; problemas que aparecen al estudiar procesos
estacionarios (que no cambian con el tiempo). En este artculo estudiaremos
el metodo de diferencias finitas, como es de saber es un metodo numerico
utilizado para calcular de manera aproximada las soluciones de ecuaciones
diferenciales ordinarias y parciales, usando las ecuaciones de diferencias finitas.

1.

Aproximaci
on Num
erica de Diferencias Finitas

Si deseamos determinar la funcion f (x) que satisface una ecuacion diferencial en un dominio determinado, junto a condiciones iniciales del problema.
Se empieza por diferenciar la variable independiente x, para despues contruir una grilla o malla, con puntos discretos igualmente espaciados sobre
su dominio. Se reemplazan los terminos en la ecuacion diferencial que involucren diferenciacion por terminos que contengan operaciones algebraicas.
As su aproximacion se halla mediante diferencias finitas con las siguientes
tres ecuaciones
0

f (x) '

f (x + h f (x))
h

Dif erencia f inita avanzada

(1)

f (x) f (x h)
h

Dif erencia f inita regresiva

(2)

Ahora,
0

f (x) '

Finalmente,
0

f (x) '

f (x + h) f (x h)
2h

Dif erencia f inita centrada

(3)

Especficamente evaluada la anterior ecuacion de diferencia en xi se asume


que este punto pertenece (a,b), donde los puntos extremos del intervalo se
denominan puntos de maya, para cada
xi = a + ih donde i = 0, 1, 2, 3, 4.....n + 1; y h =

ba
;
n+1

(4)

ademas la funcion evaluada en; f (xi+1 ) = f (x + h) dado este punto maya las
ecuaciones en diferencias seran:
0

f (xi ) '

f (xi+1 ) f (xi )
h

Dif erencia f inita adelantada.


2

(5)

f (xi ) f (xi1 )
h
f (xi+1 ) f (xi1 )
0
f (xi ) '
2h
0

f (xi ) '

Dif erencia f inita atrazada


Dif erencia f inita centrada

(6)
(7)

Se enunciara la deduccion de la E.D.F.D a partir del primer polinomio de


Lagrange P0,1 (x) para f en x0 y x1 como su termino de error:
f (x) = P0,1 (x) +
=

(x x0 )(x x1 ) 00
f ((x))
2

(8)

f (x0 )(x x0 h) f (x0 + h)(x x0 ) (x x0 )(x x0 h) 00


+
+
f ((x))
h
h
2

Al derivar se obtiene:
0

f =

(x x0 )(x x0 h) 00
f (x0 + h) f (x0 )
+ Dx [
f ((x))]
h
2

(9)

f (x0 + h) f (x0 ) (x x0 ) h 00
(x x0 )(x x0 h)
00
+2
f ((x))+
Dx (f ((x))
h
2
2
0

de modo que f (xi ) '

f (x0 +h)f (x0 )


h
00

verdaderamente se desconoce el valor de Dx f ((x)) por la cual no se puede estimar un error de truncamiento, pero cuando x es x0 el coeficiente
00
Dx f ((x)) = 0 y la formula se simplifica:
0

f (x0 ) =

f (x0 + h) f (x0 ) h 00
f ()
h
2

Ahora se desarrolla la funcion f en el tercer polinomio de Taylor alrededor


de un punto xi evaluado en (xi1 , xi+1 )
0

f (xi+1 ) = f (xi + h) = f (xi ) + hf (xi ) +

h2 00
h3 000
h4 0000
f (xi ) + f (xi ) + f (i+1 )
2
6
24
(10)

para alg
un i en (xi , xi + h).
0

f (xi1 ) = f (xi h) = f (xi ) hf (xi ) +

h2 00
h3 000
h4 0000
f (xi ) f (xi ) + f (i1 )
2
6
24
(11)

Donde xi h < i1 < xi < i+1 < xi + h ahora a las anteriores ecuaciones
0
se le agrega el termino f (xi )h se cancela y sumandolas se obtiene
00

F (xi+1 ) + F (xi1 ) = 2f (xi ) + h2 f (xi ) +

h4 0000
0000
[f (i1 ) + f (i+1 )]
24

(12)

00

Finalmente al resolver f (xi ) en (11) se deduce


00

f (xi ) =

1
h4 0000
0000
[f (i1 ) + f (i+1 )] (13)
[f
(x
)

2f
(x
)
+
f
((x
))]

i+1
i
i1
2
h
24
0000

0000

0000

suponemos que f es continua en [xi1 , xi+1 ], dado que 12 [f (i1 )+f (i+1 )]
0000
0000
se encuentra entre f (i1 ) + f (i+1 ) , el teorema de valor intermedio implica que existe un que pertenece al intervalo (xi1 ,xi+1 ), por tanto, esto
nos permite reescribir la ecuacion (12) como:
00

f (xi ) =

h2 0000
1
[f
(x
)

2f
(x
)
+
f
((x
)]

[f ()]
i1
i
i+1
h2
12

(14)

donde pertenece a (xi+1 , xi1 ) denominada formula de las diferencias fini00


tas centradas para y (xi ) como esta funcion tiene cuarta derivada la aproximacion del error es de O(h2 ).

2.

Ecuaciones Diferenciales Parciales en Diferencias Finitas

Para este caso se tiene una funcion :


U : R2 R
que es la funcion que modela algun fenomeno fsico. Sea la funcion U (x, y)
diferenciable se tiene la siguiente representacion en la Serie de Taylor:
si xi R, entonces se denota xi h; si yj R, entonces se denota y j k; entonces
la funcion U (xi , yj ) se denota como Ui,j .

U (xi h, yj ) = Ui1,j = Uij h(Ux )ij +

U (xi , yj+k ) = Ui,j+1 = Uij + k(U y )ij +

h2
h3
h4
(Uxx )ij (Uxxx )ij + (Uxxxx )ij
2
6
24
(15)

k2
k3
k4
(Uyy )ij (Uyyy )ij + (Uyyyy )ij
2
6
24
(16)

Donde Uij =U (x, y),U xi+1 , j =U (x h, y) y U i ,j+1 = U (x, y k)


La anterior representacion se puede visualizar de manera grafica en un conjunto de rectangulos uniformemente espaciados con vertice pi ,j con coordenadas (ih, jk) donde i, j pertenece a Z

U (ih, jk) es denotado por Uij usando el Polinomio de taylor se escribe la


expresion aproximada Ux en el vertice pij en terminos de Uij ,U i 1, j en
Diferencias Finitas sera as:
1
1
Ux = [U (x+h, y)U (x, y)] ' [(Ui+1,j Ui,j )+O(h)] Dif. F inita Adelantada
h
h
(17)
5

Ux =

1
1
[U (x, y)U (xh, y)] ' [(Ui,j Ui1,j )+O(h)] Dif. F inita Atrazada
h
h
(18)

1
1
[U (x+h, y)U (xh, y)] '
[(Ui+1,j Ui1,j )+O(h2 )] Dif. F in Centrada
2h
2h
(19)
La cantidad O(h) y O(h2 ) es conocido como el error de truncamiento en el
proceso de discretizacion.
Una aproximacion similar para Uxx en el vertice pi ,j es:

Ux =

Uxx =

1
1
[U (x+h, y)2U (x, y)+U (xh, y)] ' 2 [Ui+1,j 2Ui,j +Ui1,j +O(h2 )]
2
h
h
(20)

Similarmente las formulas aproximadas para Uy y Uyy en Pi,j de la siguiente


manera:
Uy =

1
1
[U (x, y+k)U (x, y)] ' [(Ui,j+1 Ui,j )+O(k)] Dif F inita Adelantada.
k
k
(21)

Uy =

1
1
[U (x, y)U (x, yk)] ' [(Ui,j Ui,j1 )+O(k)] Dif erencia F inita Atrazada.
k
k
(22)

Uy =

1
1
[U (x, y+k)U (x, yk)] '
[(Ui,j+1 Ui,j1 )+O(k 2 )] Dif F in Centrada.
2k
2k
(23)

1
1
[U
(x,
y+k)+2U
(x,
y)+U
(x,
yk)]
'
[Ui,j+1 2Ui,j +Ui,j1 +O(k 2 )]
k2
k2
(24)
Dadas estas formulas de diferencias finitas se reconoce su utilidad para encontrar soluciones numericas de ecuaciones diferenciales de primer y segundo
orden.
Suponga que M (x, y) representa una solucion exacta de una ecuacion diferencial parcial L(M ) = 0 con variables independientes x e y, ademas Ui,j es
la solucion exacta correspondiente a la ecuacion de diferencias finitas.
F (Ui,j ) = 0. El esquema de diferencias finitas es llamado convergente si Ui,j
tiende a M cuando h y k tienden a 0 y Di,j = (Mi,j Ui,j ) es llamado error
de truncamiento acomulado o discretizacion.

Uyy =

Este error puede ser generalmente minimizado, decreciendo el tama


no de la
red h y k. Sin embargo, este error depende no solo depende de h y k, tambien
del n
umero de terminos en la serie truncada el cual es usada para aproximar
cada derivada parcial.
Si la solucion exacta de la diferencia finita Ui,j es reemplazada por la solucion
exacta Mi,j de una E.D.P en la red de puntos Pi,j entonces el valor F (Ui,j )
es llamado el error de truncamiento local de Pi,j . El esquema de diferencia
finita y la E.D.P son llamadas consistente si F (Mi,j ) tiende a 0 cuando h y
k tienden a 0.
En general, la ecuacion de diferencia finita NO puede ser solucionada exactamente porque el calculo computacional soporta solamente un n
umero finito
de decimales.
Otro tipo de error es introducido en la solucion de diferencia finita durante
el proceso computacional; este tipo de error es llamado error de redondeo
y tambien depende de el computador usado. En la practica las soluciones
computacionales son U i,j as que la diferencia ri,j = (Ui,j U i,j ) es el error
de redondeo en la red de puntos Pi,j . En efecto, este error es introducido
en la solucion de la ecuacion de diferencia finita por errores de redondeo.
Realmente el error de redondeo depende principalmente sobre el proceso de
computacion y en s mismo de la Diferencia Finita.
En contraste con el error de truncamiento acomulado, el error de redondeo
no puede ser peque
no 0.00000
El Error Total en el analisis de Diferencias Finitas en el punto Pi,j es denotado
por:
(Ui,j U i,j ) = (Mi,j Ui,j ) + (Ui,j U i,j ) = Di,j ri,j

(25)

Di,j error de discretizacion es usualmente acotado cuando Ui,j es acotado por


el valor Mi,j fijo dada una E.D.P, con un dato de frontera e inicial.
El algoritmo de las Diferencias Finitas es llamado estable si el error de redondeo son suficientemente peque
no para todo i, j , esto es el crecimiento
de ri,j puede ser controlado.

2.1.

M
etodo Explcito de Lax-Wendroff

Consideremos una ecuacion de primer orden.


u u
+
=0
t
x
Donde u u(x, t) es alguna funcion de fsica de variable espacial x y tiempo
t, Lax y Wendroff usa la expansion en series de Taylor en t de la forma:
7

ui,j+1 = ui,j + k(ut )i,j +

k2
k3
(utt )i,j + (uttt )i,j +
2!
3!

Donde k = dt, la derivada parcial en t puede ser facilmente eliminada usando


ut = c ux
ui,j+1 = ui,j ck(ux )i,j +

c2 k 2
(uxx )i,j +
2!

Reemplazando ux , uxx por la formula de diferencia centrada:



ui,j+1 = ui,j

ck
2h


(ui+1,j

1
ui1,j ) +
2

ck
2h

2
(ui+1,j 2ui,j + ui1,j ) o

ui,j+1 = (1 2 )ui,j + (1 + )ui1,j (1 + )ui+1,j + O(3 )


2
2

(1)

ck
Donde = . Esto
es llamado esquema de diferencia finita de segundo orden
h
de Lax-Wendroff.
Note que la funcion de error er,s dada por:
er,s = exp (irh + su) = exp (irh)P s
Donde P = exp (k). es una constante compleja y |P | 6 1. Esta ecuacion
satisface obteniendo:


P = (1 2 ) + (1 + )eih (1 )eih
2
 
 
 
h
h
h
2
2
P = 1 2 sin
2i sin
cos
2
2
2
 
h
P 2 = 1 42 (1 2 ) sin4
2
La ecuacion (1) es estable cuando t si |P | 6 1 el cual esta dada por
42 (1 2 ) > 0 para 0 6 6 1. El error de truncamiento de la ecuacion (1)
de Lax-Wendroff en Pi,j es:
1
Ti,j = (ui,j+1 ui1,j )
k

Ti,j = (ut + c ux ) +




k
k2
utt c2 uxxx i,j +
uttt + c3 uxxx i,j + 0 (ck)3
2
6

Los primeros dos terminos del lado derecho desaparecen:


Ti,j =


1 2
k uttt + ch2 uxxx i,j
6

Otra aproximacion para E.D.P de primer orden de exactitud es:


1
c
(ui,j+1 ui,j ) + (ui,j ui1,j ) = 0
k
h

Este esquema explcito, es basado en diferencia centrada. Este


esquema es
llamado algoritmo salto de rana.
1
c
(ui,j+1 ui,j1 ) +
(ui+1,j ui1,j ) = 0
2k
2h
o
ui,j+1 = ui,j1 (ui+1,j ui1,j )
Esta ecuacion muestra que los valores de u en Pi,j+1 es calculado valores
previos en tres puntos de la red para dos pasos de tiempo previo.

Figura 1: Particiones Diferencias Finitas

3.

M
etodo Explcito de Diferencias Finitas

Citemos la propagacion unidimensional de una onda gobernada por el sistema:


utt = c2 uxx
Para 6 x 6 ; t > 0 ; u(x, 0) = f (x) ; ut (x, 0) = g(x)
Para todo x R Usando un sistema de red rectangular con h = d x y k = d t;
ui,j = u(ih, jk); < x < ; 0 6 j < , La ecuacion aproximada de
diferencia centrada es:
1
c2
(u

2u
+
u
)
=
(ui+1,j 2ui,j + ui1,j )
i,j+1
i,j
i,j1
k2
h2
c2 k 2
ui,j+1 = 2 (ui+1,j 2ui,j + ui1,j ) + 2ui,j ui,j1
h
ck
ui,j+1 = 2 (ui+1,j + ui1,j ) + 2(1 2 )ui,j ui,j1 ; =
h
Esta formula explcita determina los valores aproximados en la red de puntos
sobre la lnea t = 2k, 3k, 4k, , cuando los valores de la red en t = k tienen
que ser obtenidas.
Valores de la condicion inicial en t = 0 son:
ui,0 = fi
1
(ui,1 ui,1 ) = gi,0
2k
ui,0 = fi

ui+1,0 = fi+1

ui,1 ui,1 = 2k gi,0


ui,1 = ui,1 2k gi,0

Cuando j = 0

ui,1 = 2 (ui+1,0 + ui1,0 ) + 2 1 2 (ui,0 ) ui,1
Reemplazando valores

ui,1 = 2 (fi+1 + fi1 ) + 2 1 2 fi ui,1 + 2k gi,0
Paso el ui,1 a sumar al otro lado de la ecuacion:

2ui,1 = 2 (fi+1 + fi1 ) + 2 1 2 fi + 2k gi,0
Paso el 2 a dividir
ui,1 =


2
(fi+1 + fi1 ) + 1 2 fi + k gi,0
2

Este resultado determina los valores de la red sobre la linea t = k.


10

4.

EJEMPLOS

Encuentre la solucion de diferencias finitas explcita de la ecuacion de onda


utt uxx = 0; 0 < x < 1, t > 0,
con las condiciones de contorno
u(0, t) = u(1, t) = 0, t > 0,
y las condiciones iniciales
u(x, 0) = senx, ut (x, 0) = 0, 0 6 x 6 1,
Comparacion de la solucion numerica con la solucion analtica u(x, t) =
costsinx en varios puntos.
La explcita diferencia aproximacion finita a la ecuacion de onda con =
(k/h) = 1
ui,j+1 = ui1,j + ui+1,j ui,j1 , j 1.
El problema es simetrico con respecto a x = 1/2, por lo que necesitamos para
calcular la solucion solo para 0 x 1/2. Tomamos h = k = 1/10 = 0, 1.
El lmite condiciones dan u0,j = 0 para j = 0, 1, 2, 3, 4, 5. La condicion inicial
ut (x, 0) = 0 rendimientos.
ut (x, 0) = 1/2; (ui,1 ui,1 ) = 0,
o,
ui,1 = ui,1 .
La formula explcita con j = 0 da
ui,1 = 1/2 (ui1,0 + ui+1,0 ), i = 1, 2, 3, 4, 5.
Por lo tanto,
u1,1 = 1/2 (u0,0 + u2,0 ) = 1/2 u2,0 = 1/2 sen(0,2) = 0,2939.
del mismo modo
u2,1 = 0, 5590, u3,1 = 0, 7695, u4,1 = 0, 9045, u5,1 = 0, 9511.
Seguidamente, utilizamos la formula explcita basica para calcular
u1,2 = u0,1 + u2,1 u1,0 = 0 + 0, 5590 0, 3090 = 0, 2500,
11

u2,2 = u1,1 + u3,1 u2,0 = 0, 2939 + 0, 7695 0, 5878 = 0, 4756.


Del mismo modo, calculamos otros valores de ui,j Las soluciones analticas
at(x, t) = (0.1, 0.1) y (0.2, 0.3) estan dadas por
u(0.1, 0.1) = cos(0, 1)sin(0, 1) = (0,9511)(0,3090) = 0,2939,
u(0.2, 0.2) = cos(0,2)sin(0,2) = (0,8090)(0,5878) = 0,4577,
u(0.2, 0.3) = cos(0,3)sin(0,2) = (0,5878)(0,5878) = 0,3455.
La comparacion de las soluciones analticas con la diferencia finita por encima
soluciones de muestra que los u
ltimos resultados son muy precisos.

12

4.1.

Ecuaci
on Kdv

La ecuacion de Korteweg de Vries(KdV) fue originalmente propuesta por D.J.


Korteweg y G. de Vries en 1895 para modelar la propagacion unidireccional
de ondas, con amplitud peque
na y periodo largo, como las que se generan en
canales de agua pocos profundas.
Es una ecuacion en derivadas parciales que incluye efectos de no linealidad
y dispersion a la vez. Fsicamente es un modelo que describe, en una dimension espacial, la propagacion de ondas de longitud de onda larga en medios
dispersivos.
Esta dada por :
Ut U Ux + Uxxx = 0
Aplicando el metodo de diferencias finitas tenemos:
Siendo = 1, = 0,5
U(x,0) = U(x,t) = cosx; para 0< x <
U(0,t) = 1; U(,t) = -1 para 0 t T ; T=3
U(0,t) = U(,t) = senx
U(0,t) = U(,t) = tanx
Luego Tenemos que:
xj = jhx ; j = 0,1,...,Nx
tm = mht ; m = 0,1,...,Nt
hx =

xj
;
j

0j2

ht =

tm
;
m

0m3

Se realizan aproximaciones a las derivadas :


Ut (x, t)

Uj,m+1 Uj,m
ht

Ux (x, t)

Uj+1,m Uj,m
hx

Uxx (x, t)

Uj+1,m 2Uj,m +Uj1,m


h2x

Uxxx (x, t)

2Uj,m Uj+1,m Uj1,m


2h3x

Ahora si reemplazamos los valores de ut , ux y uxxx en la ecuacion Kdv:


13

Ut U Ux + Uxxx = 0
Tenemos,
Uj,m+1 Uj,m
ht

U (Uj+1,m
ht j,m

Uj,m ) +

(2Uj,m
2h3x

Uj+1,m Uj1,m ) = 0

Desarrollando,
ht
ht
Uj,m+1 Uj,m hhxt Uj,m Uj+1,m + hhxt Uj,m + hh3t Uj,m 2h
3 Uj+1,m 2h3 Uj1,m =
x
x
x
0
Sacando factor com
un:
ht
ht
Uj,m (1 hhxt Uj,m+1 + hhxt + hh3t ) Uj,m+1 2h
3 Uj,m+1 + 2h3 Uj1,m = 0
x

Siendo : = hhxt ; = hh3t

Reemplazando tenemos:
1
+(1Uj+1,m )1

Uj,m =



Uj,m+1 + 2 Uj+1,m + 2 Uj1,m

Donde:
hx = 2 ; ht = 1
=

;=

4
3

Por u
ltimo
Uj,m =

1
4 3
+ 2
3


Uj,m+1 +

2
U
3 j+1,m

14

2
U
3 j1,m

4.2.

C
odigo Ecuaci
on KDV

clear;
L=1.;
T=1;
a=1
b=0.5
maxk=2500;
dt=T/maxk;
n=50;
dx=L/n;
cond=1/4;
y=a*cond*dt/(dx*dx)
for j=(1):n+1
x(j)=(j-1)*dx;
u(j,1)=sin(pi*x(j));
end
for m=1:maxk+1
u(1,m)=0.;
u(n+1,m)=0.;
time(m)=(m-1)*dt;
end
for m=1:maxk
for j=2:n;
u(j,m)= (1/(y+y*(1-u(j+1,m))-1))*(u(j,m+1)+(y/2)*
(u(j+1,m))+(y/2)*(u(j-1,m)));
end
end
figure(1)
plot(x,u(:,1),-,x,u(:,100),-,x,u(:,300),-,x,u(:,600),-)
title(Ecuacion Kdv)
xlabel(X)
ylabel(T)
figure(2)
mesh(x,time,u)
title(Ecuacion kdv)
xlabel(X)
ylabel(T)

15

4.3.

Ecuaci
on de Fisher

Ut Uxx = U (1 U ); u(x, 0) = u(x, T ) = sin(x); para 0 x ;


u(0, t) = u(, t) = 0;
Solucionando la ecuacion de fisher tenemos:
(0, ) x (0, T )
Luego tenemos que:
xj = jhx; j = 0, 1, ..., Nx
tm = mht; m = 0, 1, ..., Nt
tm
xj
y ht =
hx =
j
m
Sabemos que:
uj,m+1 uj,m
ht
uj+1,m uj,m
Ux (x, t)=
hx
uj+1,m 2uj,m + uj1,m
Uxx (x, t)=
hx2
Si tenemos que:
Ut (x, t)=

Nx=2 y Nt=3 obtenemos lo siguiente:


0 j 2 y que 0 m 3 ; hx=

; ht=

3
=1
3

Ahora si reemplazamos los valores de ut , ux y uxx en la ecuacion de fisher:


Ut Uxx = U (1 U )
uj,m+1 uj,m
uj+1,m + 2uj,m uj1,m
+
= uj,m (uj,m )2
ht
hx2
Paso a sumar el termino que tiene en su denominador el hx2 y continuamente
multiplico cada termino por ht
ht
uj,m+1 uj,m =htuj,m ht(uj,m )2 + 2 (uj+1,m 2uj,m + uj1,m )
hx
Despejando uj,m+1 tenemos:
uj,m+1 = uj,m + htuj,m ht(uj,m )2 +
Ahora si hago factor com
un de uj,m
16

ht
(uj+1,m 2uj,m + uj1,m )
hx2

uj,m+1 = uj,m (1 + ht htuj,m 2

ht
ht
) + 2 uj+1,m
2
hx
hx

y que ht=1. A continuacion reemplazando nos


Como sabemos que hx=
2
queda:
8
4
4
uj,m+1 = uj,m (1 + 1 uj,m 2 ) + 2 uj+1,m + 2 uj1,m

17

4.4.

C
odigo Matlab Ecuaci
on Fisher

difusion de calor en una dimension para m


etodo expl
ecito
clear;
parA~metros para definir la ecuacion de calor y rango en el
espacio y tiempo
L=1.;
T=1.; final time
parametros necesarios para la solucion
v=input(inserte el valor constante);
maxk=2500;
dt=T/maxk;
n=50; numero del paso del espacio
dx=L/n;
cond=1/4; conductividad
b=cond*dt/(dx*dx) parametro de estabilidad (b <= 1)
temperatura inicial
for j=1:n+1
x(j)=(j-1)*dx;
u(j,1)=sin(pi*x(j));
end
temperatura en la frontera T = 0
for m=1:maxk+1
u(1,m)=0.;
u(n+1,m)=0.;
time(m)=(m-1)*dt;
end
c
implementacion del mA~ todo
explicito
for m=1:maxk time loop
for j=2:n; space loop
u(j,m+1)=u(j,m)*(1-2*v*b)+b*(v*u(j+1,m)+v*u(j-1,m)-2*u(j+1,m));
end
end
representacion grafica de los fluidos en diferentes
temperaturas seleccionados

18

figure(1)
plot(x,u(:,1),-,x,u(:,100),-,x,u(:,300),-,x,u(:,600),-)
title(FLuido)
xlabel(X)
ylabel(T)
figure(2)
mesh(x,time,u)
title(Fluido)
xlabel(X)
ylabel(Temperatura)

19

Referencias
[1] Tyn, Myint. y Lokenath,Debnath, Linear Partial Differential
Equations for Scientists and Engineers, Fourth Edition, Birkhauser, Boston,Basel, Berlin, 2007.

20

You might also like