You are on page 1of 52

Ecuaciones Diferenciales en Derivadas

Parciales
Lamos Diaz Henry
(H.Lamos) UIS,
E-mail address: hlamos@uis.edu.co
URL: http://www.lamos.uis
Dedicado a la memoria de mis hijos y Yaneth.
2000 Mathematics Subject Classication. Primary 05C38, 15A15;
Secondary 05A15, 15A18
El autor expresa su agradecimiento a la UIS.
Resumen. Replace this text with your own abstract.
ndice general
Parte 1. Modelos Matemticos y Herramientas de Solucin 5
Captulo 1. Introduccin 7
Captulo 2. Modelacin matemtica 9
1. Descripcin de un sistema 10
2. Modelos 12
3. Ecuaciones Diferenciales 21
3
Parte 1
Modelos Matemticos y
Herramientas de Solucin
CHAPTER 1
Introduccin
Nada de lo que pertenece a la humanidad la caracteriza tanto como
las matemticas. En ellas, y slo en ellas, encontramos la verdadera cima
de la mente humana (ISAAC ASMOV 1920 1992). En el proceso de
la modelacin matemtica, lo que se hace normalmente es construir una
descripcin de un fenmeno de la vida real en trminos matemticos, es
decir crear un segundo mundo en que se considera la situacin.
El proceso de construccin de un modelo matemtico requiere habil-
idad, imaginacin y evaluacin objetiva. En la formulacin del problema
se requiere una comprensin del rea del problema, lo mismo que de las
matemticas correspondientes. A travs de los capitulos se recalcar la necesi-
dad de que el Investigador en el proceso de la modelacin matemtica tenga
en cuenta las siguientes cuestiones.
El conjunto de hiptesis (razonables) que usar en la descripcin de su
realidad.
La construccin correcta de las dimensiones fsicas de las variables
La consistencia del modelo en el sentido de que las ecuaciones no se contra-
digan entre s
La obtencin de soluciones de las ecuaciones pertinentes
La dicultad en la obtencin de las soluciones
La evaluacin de las soluciones del MM como una respuesta al problema
en estudio.
Se debe en cada etapa de validacin del modelo irlo renando, lo cual
constituye una prueba de que el modelo se puede utilizar para predecir
resultados. Es de anotar nuevamente que un modelo no es la descripcin total
de una realidad, sino slo una representacin (idealizacin) de ella. Modelos
ms renados pueden proporcionar una mejor comprensin de los procesos
7
8 1. INTRODUCCIN
de la naturaleza, pero podria traer como consecuencia una dicultad mayor
para su solucin bien sea anlitica o numrica.
El primer captulo trata sobre Modelos Matemticos en Ingeniera (MMI).
Se construyen varios modelos para describir situaciones del mundo ingenier-
il. En la mayora de los modelos que se construyen se usan un enfoque
fsico-matemtico que nos conducen a Ecuaciones Diferenciales de parmet-
ros concentrados (EDO- Ecuaciones Diferenciales Ordinarias) y de parmet-
ros distribuidos (EDP- Ecuaciones Diferenciales Parciales).
El segundo captulo trata sobre mtodos de solucin de Ecuaciones Difer-
enciales Parciales. Se discute el mtodo de Fourier para las ecuaciones difer-
enciales tipo hiperblico, parablico y elptico. Se introduce el mtodo de
Ecuaciones en Diferencias Fintas para la solucin de EDP de manera numri-
ca y se da una pequea introduccin sobre los elementos nitos.
En el tercer captulo se analizan una serie de Problemas Inversos; como,
el Problema de Identicacin de coecientes, el problema de encontrar una
fuente. Se estudian los mtodos de regularizacin para PMP y se resuelven
varios problemas mediante el mtodo de Tikhonov en forma numrica.
El cuarto captulo trata sobre modelos estocsticos. Se discute los proce-
sos Markovianos y se dan algunas aplicaciones en redes de comunicaciones.
El quinto captulo se basa sobre los principios bsicos de la teora de
optimizacin. Se estudian mtodos iterativos para hallar los puntos mnimos
de un problema de programacin matemtica, especcamente se discute el
mtodo del gradiente, el mtodo de direcciones conjugadas y los mtodos
cuasinewton. Para los problemas de optimizacin con restricciones se discute
la funcin de Lagrange y algunos mtodos numricos.
CHAPTER 2
Modelacin matemtica
Objetivo del captulo. El proposito de esta seccin es un acercamiento
al uso de Modelos Matemticos (MM) en la ingeniera. La modelizacin
matemtica es util para el Ingeniero ya que le permite conocer, entender e
interpretar EL MUNDO FSICO en el proceso de toma de decisiones.
Problemas.Los problemas del mundo usualmente se resuelven, aun si
la solucin consiste en ignorar el problema y esperar a que desaparezca tal
como apareci (No problem is so big or so complicated that it cant never
be run away from - Charlie Brown. ) algunas veces se pueden resolver
los problemas ptimamente; sin embargo, limitaciones de tiempo, talento,
conocimiento, o recursos nos inclinan a encontrar soluciones que no son las
mejores pero s un poco superiores a las de la actualidad.
El primer paso en la solucin de un problema es denir el sistema que
se intenta modelar.
PERO QUE ES UN SISTEMAS?
Concepto de sistema. Un sistema real lo entenderemos como una
fuente de datos de comportamiento de alguna parte del mundo real por la que
mostramos inters. Esa parte de la realidad estar formada por un conjunto
de elementos o componentes o entidades que interaccionan para alcanzar un
objetivo comn. Los sistemas pueden ser naturales o articiales, actuales
o planicados para un futuro. Por ejemplo, una Universidad puede consid-
erarse como un sistema articial que realmente existe, con profesores, sec-
retarias, estudiantes, empleados administrativos, aulas, computadores, im-
presoras,... como componentes. Los elementos poseen ciertas caractersticas
o atributos, parmetros y variables, que toman valores numricos o lgicos
y, al conjunto, se denominan variables descriptivas del sistema. En nuestro
9
10 2. MODELACIN MATEMTICA
ejemplo, los atributos pueden ser el nmero de profesores, los tipos de sec-
retarias. Se dan una serie de relaciones o actividades entre los elementos
y, en consecuencia, los elementos interaccionan produciendo cambios en el
sistema. Por ejemplo, en la Universidad se tienen estudiantes que necesitan
un servicio (se les debe ensear algo) que son manejados por los profesores,
por las secretarias, etc. Si no hubiera profesores, no habra atencin a los
estudiantes.
La mecnica trata con una cantidad ja e identicable de masa (cuerpo
rgido) que consideramos como nuestro sistema; en mecnica de uidos un
sistema queda denido como una cantidad de masa ja e identicable, cuya
fronteras lo separan de sus alrededores, pudiendo ser stas jas o mviles.
Consideramos relaciones internas y externas al sistema. Las primeras
conectan los elementos dentro del sistema; las segundas conectan los ele-
mentos con el mundo exterior. Por ejemplo, una relacin interna es la inter-
accin entre estudiantes y computadores, o entre secretarias y decano. Una
relacin externa es la llegada de personas (clientes) a la Universidad para
solicitar asesorias. Las interrelaciones entre entidades y entre entidades y el
sistema, se expresan a travs de parmetros y de variables. Cualquier pro-
ceso que cambie los atributos de una entidad se denomina actividad, como,
por ejemplo, la llegada o salida de usuarios de la Universidad.
1. Descripcin de un sistema
Al hablar del sistema es conveniente tener en cuenta los puntos sigu-
ientes:
a. Fijar los objetivos.
b. Encontrar medidas de funcionamiento, desempeo o efectividad del
sistema.
c. Observar cules son los recursos o entradas del sistema.
d. Determinar cul es el medio ambiente para localizar restricciones,
pues al sistema le es difcil modicar su entorno.
e. Las componentes del sistema y las actividades, el desempeo y las
metas que ellos efectan.
f. La administracin del sistema: es importante identicar la marcha
y la comprobacin de su buen funcionamiento.
Objetivos. Existen gran variedad de objetivos en un problema; sin em-
bargo, vale la pena recalcar que es ms importante escoger los objetivos
apropiados que el sistema apropiado. En algunos casos, los objetivos no se
pueden expresar numricamente y en otros casos se pueden tener varios ob-
jetivos que entran en conicto. Entre algunos tipos de objetivos se tienen:
Monetarios, Mercadeo, Costo, Calidad, etc. Al escoger los objetivos es con-
veniente tener claro los siguientes factores:
Identicar medios y nes
Mirar los trminos de negociacin entre las variables (Calidad vs.
Costo)
1. DESCRIPCIN DE UN SISTEMA 11
Que sean preferiblemente cuantcables,
Que sean factibles fsica, econmica y socialmente
El riesgo e incertidumbre que se tiene.
Se deben corregir conictos entre objetivos
Aislar juicios de valor.
1.0.1. Clasicacin de los sistemas. Podemos clasicar los sistemas de
muchas formas. Por ejemplo, un sistema puede ser cerrado o abierto. Un sis-
tema cerrado no se relaciona con el medio que le rodea; uno abierto recibe
de su medio entradas que lo inuyen. Si el sistema tiene la capacidad de
reaccionar a cambios en su propio estado, entonces el sistema tiene retroali-
mentacin. Adems, los sistemas pueden ser naturales (una colonia de abe-
jas) o articiales (un automvil); dinmicos (informacin enviada a travs
de una serie de canales) o estticos (una lmpara); estables (regresan al
equilibrio despus de una perturbacin) o inestables; estocsticos (incluyen
elementos aleatorios) o determinsticos; adaptativos (responden a cambios
en el medio) o no adaptativos; lineales (todas las relaciones son lineales) o
no lineales. Tambin, pueden tener variables independientes (no manipula-
bles) o dependientes; no controlables (radiacin) o controlables; continuas,
discretas o mixtas.
Estados de un sistema. Con el estudio de los sistemas se pretende
aprender, disear, cambiar, conservar y, si es posible, controlar
su comportamiento. Algunas de las variables que intervienen y describen
el comportamiento de un sistema se denominan no observables, ya que no
son accesibles para su posible observacin y medicin. Por el contrario, las
variables que pueden medirse se denominan observables y podrn ser de
entrada o de salida. Por ejemplo, la destreza, la habilidad de comunicacin
y el nmero medio de producto que termina un tcnico de zapataera son
tres variables, las dos primeras no son observables ni medibles directamente
pero la tercera s.
Como se discutio arriba las componentes de un sistema estn determi-
nadas por un conjunto de variables descriptivas. Al hallar las reglas que
especican la interaccin entre las componentes determinanos la forma co-
mo cambian las variables descriptivas a lo largo del tiempo. Para que un
programa de computador sea capaz de simular un modelo debe conocer
estas reglas de interaccin. Tambin puede ser que tenga que guardar los
valores pasados de las variables descriptivas para poder calcular los valores
futuros, ya que las reglas de interaccin son funcin de tales valores. Pero
no tienen por qu almacenarse todos los valores pasados de todas las vari-
ables descriptivas, pues en muchos modelos resulta posible considerar un
subconjunto reducido de variables descriptivas cuyos valores actuales per-
mitan calcular los valores futuros de todas las variables descriptivas. Tal
subconjunto mnimo de variables que describen las entidades, los atributos
y las actividades de un sistema en un instante particular del tiempo, y que
permiten predecir su comportamiento futuro, se denomina de variables de
12 2. MODELACIN MATEMTICA
estado. Los valores de las variables de estado en un instante de tiempo t
proporcionan el estado del sistema en ese instante. Las variables de estado
relacionan el futuro del sistema con el pasado a travs del presente. El estado
del sistema puede cambiar como resultado de actividades internas o endge-
nas, o bien actividades externas o exgenas; por ejemplo el cambio en la tasa
del dolar sera una actividad endgena para alguna empresa importadora de
materias primas.
Los atributos de los elementos del sistema denen su estado. Si el com-
portamiento de los elementos puede predecirse con seguridad, estamos ante
un sistema determinstico. Si no es posible una prediccin exacta, entonces
nos enfrentamos con un sistema estocstico. Las probabilidades de transi-
cin de un sistema de un estado a otro como respuesta a ciertas actividades
caracteriza la naturaleza determinista o aleatoria del sistema. Si la proba-
bilidad de que un sistema que est en un estado o
1
pase a un estado o
2
es
igual a uno (1.0), entonces tenemos un sistema determinstico. Por ejemp-
lo, al enfriar agua a bajas temperaturas se obtiene hielo, o del petrleo se
obtiene calor y gas. En los sistemas estocsticos, la probabilidad de que el
sistema cambie de un estado o
1
a un estado o
2
,o
3
,..es menor que uno. Por
ejemplo, que el precio del caf (en libras) sea 0.8 centavos de dolares para
el siguiente mes, o que las ventas de un nuevo producto sea mayor a 20 mil
unidades al mes.
Las propiedades estticas y dinmicas describen tambin el estado del
sistema. Un sistema se encuentra en equilibrio, o es estacionario si la prob-
abilidad de encontrarse en alguno de los estados no cambia con el tiempo:
el sistema puede moverse de un estado a otro pero las probabilidades de
su movimiento entre los estados permanecen jas. En el caso de un sis-
tema evolutivo o dinmico, las probabilidades cambian con el tiempo. En
trminos matemticos, la caracterizacin de los sistemas estticos se hace
generalmente con ecuaciones algebraicas y la de los dinmicos con ecuaciones
diferenciales o en diferencias.
2. Modelos
La modelacin es el proceso de reconstruccin de un proceso natural de
su medio a una forma llamada modelo, el cual puede analizarse por medio
de tcnicas comprensibles y conables. El trmino modelo puede tener difer-
entes signicados para distintas personas y la representacin de un modelo
puede ser distinta. Una clasicacin, de las muchas existentes, considera
esencialmente tres clases de modelos.
Clasicaciones de los modelos:
1. Modelos Fsicos.
2. Modelos Mentales.
3. Modelos Simblicos
El decisor debe identicar cul es el tipo de modelo que mejor se adecua
al problema de decisin.
2. MODELOS 13
Modelos fsicos: El modelo que adopta la apariencia fsica del objeto
que debe representar se llama modelo fsico. Este tipo de modelo se usa para
mostrar o probar el diseo de elementos, desde nuevas construcciones hasta
nuevos productos. En la industria de la aviacin, se construyen modelos a
escala de las nuevas aeronaves que se prueban en tneles de viento para reg-
istrar la aerodinmica del diseo. El fabricante de repuestos automotrices
puede tener un modelo a escala tridimensional del piso de la planta, completo
con mquinas y equipos en miniatura, para poder analizar un nuevo diseo
de la distribucin. Las mquinas en el modelo pueden reubicarse y estudi-
arse nuevas distribuciones con el objeto de mejorar el ujo de materiales.
Los modelos fsicos ofrecen la ventaja de que pueden usarse para experi-
mentar. En el ejemplo de la aeronave, los ensayos con un diseo diferente
quizs impliquen construir un modelo completamente nuevo. Adems de la
ventaja de la experimentacin, los modelos fsicos lcidamente describen el
problema o sistema que se est estudiando; resultan tiles para generar al-
ternativas innovadoras de diseo con el objeto de resolver el problema de
decisin. No obstante, slo una clase de problemas relativamente pequea
puede resolverse con modelos fsicos. Algunos ejemplos de problemas que no
pueden analizarse con modelos fsicos son la seleccin de carteras, la selec-
cin de medios y la planicacin de produccin, la ubicacin de un negocio,
la introduccin de un nuevo producto. Bsicamente, los modelos fsicos son
tiles slo para los problemas de diseo, e incluso en algunos de estos casos
se puede hacer un anlisis ms eciente y completo con Modelos Matemti-
cos que puedan correrse en computadora.
Adems, estos modelos fsicos no contienen relaciones explcitas entre las
alternativas de decisin y las variables y objetivos dependientes, debiendo
usarse mtodos de prueba y error para resolver el problema. Si bien esto, de
por s, no es una terrible desventaja, el proceso de prueba y error, sumado
a la necesidad de reconstruir el modelo con cada cambio de diseo, puede
demandar mucho tiempo y muchos gastos, en algunos casos.
Modelos Mentales/verbales : El modelo verbal es la traduccin del
modelo mental. As, el modelo mental/verbal expresa todas las relaciones
funcionales entre las variables de un proceso. Sin embargo, los modelos men-
tales/verbales tienen una serie de deciencias, el decisor no puede experi-
mentar con ellos, tampoco indican especcamente cmo cambian los resul-
tados o las medidas de su ecacia segn la alternativa de decisin de que se
trate. Otra desventaja es que no es fcil mostrar cmo cambian las relaciones
segn la alternativa de decisin. No obstante, los modelos mentales/verbales
juegan un papel importante en el proceso de decisin. Pueden usarse para
verbalizar estrategias de decisin logradas con modelos ms sosticados.
Modelos Simblicos. Son aquellos que incluyen operaciones lgicas o
matemticas que pueden utilizarse para formular una solucin de un prob-
lema. Se subdividen en Modelos Matemticos y no matemticos. A su
vez, estos ltimos pueden ser: lingsticos (descripcin verbal), grcos y
esquemticos, por ejemplo un grco o un diagrama de ujo.
14 2. MODELACIN MATEMTICA
Modelos grcos. Los modelos grcos representan un paso til en
el proceso de simbolizacin de un modelo verbal. Algunos modelos grcos
son los diagramas de ujo lgico. El diagrama de ujo lgico es una repre-
sentacin visual de un proceso u operacin lgica. Los cuadros del diagrama
estn conectados en un patrn de ujo de secuencia y estn relacionados
entre s mediante dos operaciones fundamentales. Una de stas es la rami-
cacin. La ramicacin tiene lugar cuando se hace una pregunta en cierto
paso del proceso y sus posibles respuestas se expresan como ramicaciones
alternativas que se alejan del cuadro. La otra operacin es el enlace. Este
enlace tiene lugar si ciertas respuestas regresan el ujo a una etapa anterior.
Por ejemplo, para describir los esfuerzos de una empresa para determinar
cales competidores reducirn sus precios, podemos utilizar un diagrama de
ujo. La compaa primero considera al competidor i y se pregunta si es
probable que baje su precio. Si la respuesta es si, este resultado se tabula y
luego la compaa se pregunta si hay algn otro competidor al cual tomar
en cuenta. Si la respuesta es no, la rma pasa directamente a la siguiente
pregunta. Si hay ms competidores, el ujo lgico regresa al primer cuadro
(es decir, se traza el lazo hacia atrs) ; de lo contrario, el ujo termina. Los
diagramas de ujo lgico se usan frecuentemente debido a la calidad con que
ilustran un proceso lgico.
En las guras se muestran algunos diagramas en particular se muestra
un diagrama de anlisis causal, que se usa para retratar las direcciones de
inuencia de diversas variables sobre las otras. Este diagrama muestra que el
precio tiene inuencia directa (negativa) sobre la demanda y una inuencia
indirecta tambin a travs de sus efectos positivos, sobre los gastos en anun-
cios y calidad percibida. Un precio elevado conduce a una calidad percibida
elevada y lleva a la compaia a gastar ms en publicidad. Ambas cosas, a su
vez, ejercen un efecto positivo en la demanda. El valor de los diagramas de
causalidad es expresar las relaciones complejas que el Ingeniero debe tomar
en cuenta y por lo tanto lo hace ver que existen relaciones ms complejas
que no pueden ser expresadas a travs de una ecuacin entre variables.
2.1. Modelos Matemticos. El objetivo de muchos experimentos,
que se realizan en diferentes ramas de la ciencia y de la tcnica, consiste en el
estudio de las propiedades de los objetos o procesos que son del inters para
el Ingeniero o Investigador, para lograr este propsito el Ingeniero formula
el problema en trminos matemticos; esto es, construye una descripcin del
fenmeno de la vida real en trminos matemticos, crea un segundo mundo
en que considera la situacin.
Un Modelo Matemtico es una herramienta abstracta para representar
aproximadamente un proceso real que usa una descripcin matemtica de
los factores esenciales del proceso y sus interrelaciones. Los investigadores
usan los modelos como dispositivos para la predecin o explicacin del com-
portamiento del fenmeno, experimento o sistema.
2. MODELOS 15
Precio
Demanda
Calidad
percibida
Dlares
en anuncios
+
+
-
+
+
Diagrama de anlisis causal
Figura 1
I
II
Calidad
percibida
Precio Demanda
Diagrama de relacin funcional
La eleccin de un modelo determinado depende del propsito del estu-
dio. As, en un caso general, el primer paso en la formulacin matemtica
de un problema es el diseo de la estructura del modelo, esto es, la descrip-
cin cualitativa del proceso usando ciertos operadores o ecuaciones. Este
procedimiento se llama IDENTIFICACION ESTRUCTURAL.
En forma general diremos que un MM puede ser denido como una
formulacin o una ecuacin que expresa las caractersticas esenciales del
fenmeno o procesos fsico en trminos matemticos, esto es;
\ ar.dcj = )(ar.i:d, jara:, )n:c.dc )ncr.a:)
donde la variable dependiente es una caracterstica que generalmente reeja
el comportamiento o estado del sistema, las variables independientes son
generalmente dimensiones tales como el tiempo, espacio, precio, cantidades
de un producto a traves de las cuales el comportamiento ser determinado,
los parmetros son reejos de las propiedades o la composicin del sistema, y
las funciones de fuerzas las cuales son inuencias externas que actuan sobre
el sistema.
16 2. MODELACIN MATEMTICA
La determinacin de los valores adecuados que deben asignarse a los
parmetros del modelo (un valor por parmetro) es crtica y a la vez un reto
dentro del proceso de construccin del modelo. As, el valor asignado a un
parmetro muchas veces es, por necesidad, slo una estimacin. Debido a
la incertidumbre sobre el valor real del parmetro, es importante analizar
la forma en que cambiara (si lo hace) la solucin derivada del problema
cuando el valor asignado al parmetro cambia por otros valores posibles.
Este proceso se conoce como anlisis de sensibilidad.
Aun cuando se hable de el modelo matemtico de un problema en la
Ingeniera, los problemas reales por lo general no tienen un solo modelo
correcto.
2.2. Metodologa de la modelacin matemtica. La metodologa
de la modelacin se reere a un conjunto de procedimientos sistemticos
basados en conocimientos acumulados cuyo objetivo es abordar y resolver
problemas. En reas de las ciencias e Ingeniera existe una metodologa bien
desarrollada que a alcanzado cierta madurez.
La modelacin es el proceso por el cual se establecen relaciones entre las
entidades importantes de un sistema que se expresa en trminos de metas,
criterios de ejecucin y restricciones que en conjunto constituyen el modelo.
Cada modelador tiene un modelo bsico, que constituye la visin o imagen
particular que tiene sobre el sistema y a partir de la cual se construir un
modelo simplicado. Mediante la experimentacin con este modelo simpli-
cado, se espera aumentar la comprensin del modelo bsico as como del
sistema real caracterizado por l.
Un primer paso en la modelacin es establecer el problema de forma
clara, lgica y no ambigua, delimitando sus fronteras. Ya que es casi im-
posible comprender y aislar todas las interrelaciones entre los elementos del
sistema, se incluye slo un subconjunto de variables e interrelaciones del
sistema original. La habilidad para seleccionar el subconjunto ms pe-
queo de variables que describan en forma adecuada el sistema real es
una cualidad notable de un modelador, en el que tambin desempearn
un papel importante su experiencia, intuicin, imaginacin. As, un rasgo
importante para construir un buen modelo ser la simplicidad. Con fre-
cuencia, no existir correspondencia biunvoca entre las variables del sistema
y del modelo, y muchos detalles se resumirn dependiendo del nivel de ab-
straccin del mismo. Los modelos con menor nmero de variables y datos
son ms fciles de construir, de desarrollar, de modicar y de comprender,
as como ms fcilmente tratables, y es muy probable que puedan utilizarse
en situaciones prcticas para las que se han diseado.
Resumiendo podemos armar que en el proceso de construccin de un
modelo matemtico se requiere habilidad, imaginacin y evaluacin objetiva.
En la formulacin del problema se debe tener una comprensin del rea del
problema, lo mismo que de las matemticas correspondientes; as que una
2. MODELOS 17
Problema del
mundo real (1)
Modelo
Matemtico (2)
Solucin. Uso de
tcnicas
analticas,
numricas,
cualitativas (3)
Comprobaci
n (4)
Figura 2. Figura 3
posible metodologa en la construccin de un MM podriamos decir que es la
siguiente.
B Formulacin del problema.
B Planteamientos de las hiptesis a usar
B Formulacin matemtica; relacionar las diferentes variables mediante
leyes bsicas y relaciones auxiliares
B Solucin o Estimacin del modelo
B Interpretacin de los resultados
B Vericacin de las soluciones como respuesta al problema en estudio.
Es de anotar que en cada etapa de validacin del modelo lo podemos
ir renando ya que modelos ms renados pueden proporcionar una mejor
comprensin de los procesos de la naturaleza, sin embargo el renamiento
puede traer como consecuencia una mayor dicultad para la solucin bien
sea anlitica o numrica.
El gura 1 se ilustra el uso de modelos para explicar los resultados de
una situacin observable.
Para extensas partes del ambiente natural (el punto 1 de la gura) se da
una expresin matemtica mediante un modelo general en el cual todos los
resultados quedan descritos por algunos principios bsicos. El punto 2 de la
gura expresa la traduccin del mundo real al mundo matemtico por medio
18 2. MODELACIN MATEMTICA
de operadores o ecuaciones. Luego se resuelve el problema matemtico (a
menudo con una simulacin en la computadora) (punto 3) y el resultado se
interpreta en el entorno natural del problema (punto 4).
El proceso de modelacin es de naturaleza evolutiva, ya que pasa de unas
especulaciones iniciales a hiptesis, a modelos generales y, nalmente, a un
modelo especico simplicado.
Ejemplos de Modelos Matemticos.
Newton y la Ley de la Gravitacin Universal
1 =
G' :
d
2
esto es, el tirn gravitatorio de la Tierra se debilita cuanto ms lejos se esta
de la Tierra.
2.
1 = :c
2
son ejemplos familiares.
3. Modelos de decisin. Los modelos de decisin tienen como nalidad
evaluar resultados alternativos asociados con diferentes decisiones y encon-
trar la mejor decisin. Los modelos de decisin se subclasican en modelos
de optimizacin y heursticos. Un modelo de optimizacin es aqul para el
que existen programas de computacin para encontrar la mejor solucin al
problema propuesto. El modelo heurstico es aqul para el que no existen
rutinas de computacin pero que ofrece otras ventajas. El modelo heurs-
tico puede ser un planteamiento mucho ms exible y complejo. Para usar
este modelo, el Ingeniero aplica la heurstica, que se dene como reglas de
dedo que tienden a acortar el tiempo requerido para encontrar una solucin
razonablemente buena. Por ejemplo, en un modelo para determinar buenas
ubicaciones de bodegas, el heurstico podra ser: Considerar ubicaciones
nicamente en grandes ciudades. Esto quizs excluye una ubicacin perfec-
tamente buena en una ciudad pequea pero los ahorros al tener que vericar
mucho menos ciudades se espera que compensen esta omisin.
Uno de los modelos de decisin que tienen particular pertinencia en al-
gunos campos de la Ingeniera es el modelo de decisin conocido como pro-
gramacin matemtica. La programacin matemtica exige expresar los ob-
jetivos de un encargado de decisiones, en forma de cierta funcin matemti-
ca cuyo valor debe optimizarse. Tambin se introducen varias restricciones
en la forma de ecuacin y/o desigualdades. Una clase de modelos en espe-
cial importante es el modelo de programacin lineal, en el que las funciones
matemticas que aparecen tanto en la funcin objetivo como en las restric-
ciones, son funciones lineales.
Un modelo matemtico para un problema industrial lo podemos plantear
de la siguiente manera: se deben tomar : decisiones cuanticables rela-
cionadas entre s, se representan como variables de decisin (digamos, r
1
, r
2
, ...r
n
)
para las que se deben determinar los valores respectivos. La medida de de-
sempeo adecuada , que corresponde a la variable dependiente (por ejemplo,
2. MODELOS 19
la ganancia) se expresa entonces como una funcin matemtica de estas vari-
ables de decisin (por ejemplo, G = 2r
1
8r
2
..,200r
n
. Tambin se expresan
en trminos matemticos todas las limitaciones que se puedan imponer sobre
los valores de las variables de decisin, /
i
(r
1
, r
2
, ...r
n
) _ 100. Las constantes
(los coecientes o el lado derecho de las ecuaciones) en las restricciones y en
la funcin objetivo es lo que nosotros llamamos parmetros del modelo.
EL PROBLEMA puede expresarse entonces como el problema de elegir los
valores de las variables de decisin de manera que se maximice la funcin
G, sujeta a las restricciones dadas (El modelo matemtico correspondiente
a este problema es la funcin G junto con las restricciones).
4. Considremos formas de onda de voltaje que podran ser emitidas des-
de una fuente de ruido . Una posible forma de onda es r(t, 0
1
)= sin(.t
0
1
). Otra es r(t, 0
2
)= sin(.t 0
2
). En general, r(t, 0
i
) denota la forma
de onda que se obtiene cuando ocurre el evento O
i
del espacio muestral. Se
dice que r(t, 0
i
) es una funcin muestral del espacio muestra. El conjunto
de todas las posibles funciones de muestra r(t, 1
i
) denen lo que se llama
proceso aleatorio que describe la fuente de ruido. Es decir, los eventosO
i

se proyectan en un conjunto de funcin de tiempo r(t, 0


i
).
5. En muchas situaciones de la practica ingenieril algunos procesos pueden
ser descritos mediantes procesos de Markov en forma exacta o aproximada.
Estos procesos quedan caracterizados de forma exhaustivas por medio de
una distribucin bidimensional de probabilidad. El modelo muestra la prob-
abilidad de pasar del estado actual a cualquier estado futuro. Por ejemplo,
consideremos un buer ubicado en un nodo de una red de comunicacin de
datos por donde uyen paquetes -secuencia de bits organizados en campos
bien denidos-. Para simplicar supongamos que cada segundo (o milise-
gundo) puede llegar, salir o no un paquete al nodo. Sea A(:) el nmero
de paquetes en el buer en el instante : = 0, 1, 2, ..... . A(:) puede tomar
valores enteros desde 0 hasta la capacidad mxima del buer, nmero
mximo de paquetes que caben en el buer. Cuando se alcanza este valor
se satura el buer y no se admiten ms paquetes. Es claro que A(:) es una
variable aleatoria, pues no es posible predecir con absoluta certeza el valor
que tomar en un instante de tiempo determinado, dado que no tenemos
control sobre las posibles rutas seguidas por los paquetes, ni sobre la fuente
de los mismos.
Sea (A(0), A(1), ...A(:), ..) adems, asumamos que los paquetes llegan
o salen uno a uno, vale decir, en un instante de tiempo ocurre uno y solo de
los siguientes casos:
o sale un paquete, o entra un paquete o no entran ni salen paquetes
del nodo, la probabilidad de transicin entre los estados que dieran en ms
de una unidad es cero,pues equivaldra a la llegada o salida de ms de un
paquete. Con esta condicin se reduce la complejidad del problema.
La probabilidad de que el sistema se encuentre en el estado , en el
instante de tiempo (: 1) dado que en el instante : se encuentra en el
estado i, est dada por,
20 2. MODELACIN MATEMTICA
1(A(: 1) = ,)[A(:) = i) =
_
j
ij
, , = i, i 1, i 1
0 en otro caso
Las probabilidades se representan por la matriz de transicin 1. Los
elementos de la matriz de transicin son las probabilidades de transicin
entre los diferentes estados i y ,. Asi, las las representan los estado actuales
y las columnas el estado siguiente
0 1 2 8 . .
0 j
oo
j
o1
0 0 0 0 0
1 j
1o
j
11
j
12
0 0
2 0 j
21
j
22
j
23
0
8 .
.
.
0 0 0 0 0 0 j
NN
Al nodo puede llegar un paquete, salir un paquete o no entrar ni salir
paquetes. X
t
, representa el estado del nodo: es decir, el nmero de
paquetes en el nodo.
Definition 1. La secuencia de variables aleatorias A(1), A(2).. forma
una cadena de Markov de tiempo discreto si para todo : (: = 1, 2, , .) y todos
los posibles valores de las variables aleatorias tenemos que
1(A(:) = ,)[A(1) = i
1
, A(2) = i
2
, ..A(:1) = i
n1
) = 1(A(:) = ,[A(:1) = i
n1
)
(2.1)
La expresin nos dice que la probabilidad de transicin hacia el estado
A(:) = ,, depende nicamente del estado inmediatamente anterior A(:
1) = i
n1
y no de los estados previos.
6. Un modelo descriptivo con pertinencia a muchas situaciones de Inge-
niera, es el modelo de colas. Los modelos de colas se disean para representar
situaciones de turno de espera y responden a dos preguntas especcas: Qu
cantidad de tiempo debe esperar un cliente en un sistema particular? Cmo
cambiar este tiempo de espera como resultado de determinadas alteraciones
en las instalaciones? Estas preguntas pueden ser de particular importancia
en sistemas de serivicios (bien sea un banco, un hipermercado, estaciones de
gasolina, una red de comunicaciones). Donde quiera que los clientes tengan
que esperar, existe el peligro de que el tiempo de espera se torne excesivo,
lo que se traduce en prdida de algunos clientes a favor de los competidores.
La teora de colas se constituye en la principal herramienta para el anli-
sis de las redes de telecomunicaciones. El estudio del desempeo de las redes
de comunicacin de datos implica el conocimiento del comporatmiento de las
redes ante situaciones de orden aleatorio, tales como el aumento inesperado
del trco de paquetes.
En general, una cola se forma en todo sistema que preste un servicio y
en donde la demanda por el servicio supere la prestacin del mismo en de-
terminados intervalos de tiempo.La caracterstica ms importante del arribo
3. ECUACIONES DIFERENCIALES 21
de elementos al sistema es la distribucin de probabilidad con que lo hacen.
Esta distribucin tiene un parmetro muy importante, la tasa de arribos.
Por ejemplo, en redes de comunicacin de datos es comn utilizar el bit/seg
o bps como unidad para medir la tasa de entrada de elementos al sistema,
tambin se usa pauqtes/seg, llamadas/seg, transacciones/dia
3. Ecuaciones Diferenciales
Con frecuencia para la descripcin de un sistema se construyen MM
(Modelos Matemticos) a travs de Ecuaciones Diferenciales Ordinarias
(parmetros concentrados) o bien a travs de EDP (Ecuaciones Diferen-
ciales en Derivadas Parciales de parmetros distribuidos). Las EDPs apare-
cen en diversos problemas fsicos y geomtricos, cuando las funciones que
intervienen dependen de dos o ms variables independientes. Estas variables
pueden ser el tiempo y una o ms coordenadas en el espacio. En este captulo
se presentan algunas de las ecuaciones diferenciales ms importantes en las
aplicaciones de la ingeniera centrndose el estudio para las EDP lineales de
segundo orden.
En la construccin de modelos matemticos que conducen a Ecuaciones
Diferenciales se parte de algn principio fsico conocido (leyes bsicas
que gobiernan la realidad) o hiptesis razonable sobre el sistema (si r denota
una magnitud de inters en el instante t, entonces la tasa de cambio puede
calcularse como el caudal de entrada menos el de salida, ley de equilibrio)
razonando luego lgicamente se obtienen ecuaciones donde aparecen las
magnitudes de inters como sus derivadas. Esta tcnica se basa en un anlisis
fsico-matemtico combinado.
Una consideracin matemtica imprtante en la construccin de MM es
la denicin de variables dependientes e independientes asociadas con las
ecuaciones de balance. Las variables dependientes como se discutio arriba se
reeren como variables de estado y logicamente tiene formas muy variadas
22 2. MODELACIN MATEMTICA
dependiendo del proceso que se pretende modelar. Las variables independi-
entes usuales son el tiempo, y las variables espaciales r, j, . o bien se usan
coordenas polares, cilindricas o esfericas.
3.1. Leyes de conservacin y relaciones auxiliares. El anlisis
de un problema empieza ya sea directa o indirectamente, con el enuncida-
do de las leyes bsicas que gobiernan la realidad. Algunas de las leyes de
conservacin que se usan en la construccin de modelos son las leyes
1. de la conservacin de la masa,
2. de la conservacin de la energa
3. de la conservacin del momentum
4. de la conservacin del momentum angular.
El uso de estas leyes es amplia y se usan tanto en sistemas de
Ingeniera qumica, como en mecnica de uidos, transferencia de
calor, en procesos nucleares, y en muchas otras reas de la ciencias
(Ingeniera Civil, Ingeniera de petrleos).
La aplicacin de estas leyes selecionadas para un proceso en particular
lleva a ecuaciones que son ecuaciones de balance de trminos. Por ejemplo, la
ecuacin de balance de calor a partir de la ley de conservacin de la energa;
la ecuacin de balance de masas de una especie. El balance de momentum:
la razn de cambio del momentum es equivalente a las fuerzas que actuan
sobre el objeto.
Conservacin de Balance Trminos alternativos
Masa Balance de masas Ecuacin de continuidad
Energa Balance de energa Primera ley de termodinmica
Balance de calor (formas de energa trmicas)
Momentum Balance de Momentum Balance de fuerzas
Ley de Newton
Ecuacin de Navier-Stokes
La primera ley de la termodinmica es una manera de enunciar el princi-
pio de conservacin de la energa: En un intervalo de tiempo ^t la variacin
de energa interna dentro de un sistema es igual al calor tarnsferido hacia el
interior del sistema mas el calor generado dentro del sistema. Por ejemplo,
en un sistema cerrado que consiste de una masa solida ja tien volumen
\
_
c:
3

y el slido tiene una densida j


_
/q,:
3

. Se transere calor al sis-


tema a una velocidad

Q[,o|n|c,:cq[ ; dentro del slido puede generarse calor,
por ejemplo fusin nuclear o por una corriente elctrica, a la velocidad

Q
v
.
Asumamos que los slidos son incompresibles, de modo que no hay trabajo
realizado por el sistema o sobre l. Por lo tanto, segn nuestra ley tenemos
^l =

Q^t

Q
v
^t
Despus de establecerse los balances bsicos se necesita ahora expresar
las cantidades primarias en trmino de variables de estado (variables se-
cundarias) y parmetros.Por ejemplo, un trmino de energa que aparece
3. ECUACIONES DIFERENCIALES 23
originalmente como una entalpa H usualmente se convierte en temperatura
T y se especica su calor especco c.
Es claro que no todas las leyes bsicas se requieren para resolver algn
problema. Por otra parte, en muchos problemas es necesario incluir dentro
del anlisis, relaciones adicionales (auxiliares) en la forma de ecuaciones
de estado o ecuaciones constitutivas, que describen el comportamiento de
propiedades fsicas de la realidad en condiciones determinadas.
ALGUNAS RELACIONES AUXILIARES IMPORTANTES
Tasas de transporte
Transporte de masa
Molecular Interface convectiva

A
= 1
dC
A
d.

A
= /
C
(C

C)
Ley de Fick
Transporte de Energa
= /
dT
d.
= /^T
Ley de Fourier
Transporte de Momentum
t = j
d
d.
=
1
j
dj
d.
t
w
= )
j
2
2
Ley de viscocidad de Newton Ley de Darcy Tensin de Shear
Un modelo simple. El proceso de desintegracin de un material ra-
dioactivo se describe a travs de la relacin auxiliar: la velocidad de la desin-
tegracin de una sustancia es proporcional a la cantidad de la sustancia ra-
dioactiva que se tenga en el instante dado. El coeciente de proporcionalidad
c, el cual es caracterstico para cada sustancia, es constante y se denomina
coeciente de desintegracin. El modelo matematico para este problema es
un problema de Cauchy dado por:
d:
dt
= c:(t) (3.1)
:(t
o
) = ' (3.2)
Si las constantes c y ' son conocidas, entonces, al resolver el problema
de Cauchy sabemos como va cambiando la cantidad de material a travs del
tiempo.
Un problema de inters en la ciencia consiste en determinar el coeciente
c y la cantidad inicial de sustancia ' si se sabe que a travs de la experi-
mentacin se puede denir la cantidad de sustancia :(t) para t [t
1
, t
2
[. De
esta manera se debe determinar el coeciente c y ' si se conoce la funcin
:(t) para t [t
1
, t
2
[.
Modelo de ventas. Se desea determinar la relacin funcional entre el
nmero de individuos (t) en una poblacin bajo la inuencia de deter-
minado comercial publicitario en el instante t, con el objetivo de predecir
futuros valores de por razones econmicas u otras. Para cumplir con este
24 2. MODELACIN MATEMTICA
proposito modelemos la tasa de cambio de respecto a la variable t. Se
pronostica que habr un lmite de 1 individuos que vern el anuncio.
Hiptesis a usar: Cmo podemos determinar la relacin funcional
entre y t? Una suposicin simple es pensar que la tasa con que crece
o decrece la cantidad de individuos bajo la inuencia del comercial slo
depende del nmero presente de personas que ven el comercial y no de
mecanismos dependientes del tiempo, esto es
0
(t) = )(), donde
0
(t)
denota la derivada de (t) respecto al tiempo. Ahora es necesario modelar
la forma de la funcin )(). Como la cantidad de personas que vern el
comercial es 1 entonces de la ecuacin diferencial tenemos que )(1) = 0;
si se toma )(0) = r ; se pueden tener varias funciones que satisfacen estas
condiciones.
La hiptesis ms sencilla es que la funcin )() sea lineal; esto es )() =
c
1
c
2
. O bien se asumira que la funcin )() es un polinomio de grado
2 o superior. Cul es el polinomio ms adecuado? Generalmente se empieza
con un modelo ms bien sencillo (tomamos a )() como una funcin lineal),
si el modelo no resulta satisfactorio para los nes de prediccin, se puede
entonces tomar la funcin como un polinomio de mayor grado, consideremos
para nes pedaggicos el siguiente modelo
d
dt
= (t)
_
r
r
1
(t)
_
= r(t)
_
1
1
1
(t)
_
; (0) =
o
Al resolver la ED (Ecuacin Diferencial) obtenemos el comportamiento del
sistema dinmico que estamos modelando, esto es la dependencia de con
respecto al tiempo t. Y al variar los parmetros r, 1,
o
podemos observar
la dependencia de (t). La solucin del problema est dada por la frmula
(t) =
r
o
r,1
o
(r r,1
o
)c
rt
, (3.3)
3. ECUACIONES DIFERENCIALES 25
-2 -1 0 1 2 3 4 5
0.2
0.4
0.6
0.8
1.0
Tiempo
N(t)
Est frmula indica el comportamiento del sistema dinmico que se est
modelando, esto es, que la dependencia de con respecto al tiempo; al variar
los parmetros r, 1, o permite observar la dependencia de (t) respecto
a los parmetros.
A continuacin el Modelador puede preguntarse si esta formulacin es
satisfactoria para la descripcin del mundo real; si este es el caso puede
usar su Modelo bien sea para nes predictivos o para la toma de decisiones.
Un modelo de conservacin de momentun.
Supongamos que un objeto se deja caer desde un helicoptero otante a
gran altura del suelo, es necesario predecir la altura y velocidad del objeto
en cualquier instante futuro.
Observemos que la altura /(t), y la velocidad (t) pueden identicarse
como las variables dependientes, lo que se busca. As que para cambiar la
posicin el cuerpo hay fuerzas que actuan sobre el: Fuerzas de Propulsin-
tienden a mover el cuerpo en alguna direccin.
Fuerzas resistentes- tienden a retrasar el movimiento.
1
resit
= )
1
(arrastre, otamiento)
donde la Fuerza de Arrastre- cuando el cuerpo cae a travs de la atmosfera.
Fuerza de Flotamiento- sujeta al cuerpo y tiende a mantenerlo.
Por lo tanto el '' puede ser expresado smbolicamente as:
jo:ic = )
2
(fuerza de propuls,fuerz. resist)
La fuerza de propulsin que actua sobre un cuerpo que cae desde una posi-
cin de reposo se debe a la gravedad. La fuerza gravitacional depende de la
masa del objeto y su distancia a la supercie de la tierra.
)jrojn| = 1
p
= atraccio: qraitacio:a| =
)(:a:a, a|tnra)
Si a la fuerza hacia abajo se le asigna un signo positivo, se puede usar la
segunda ley de Newton debidad a la gravedad como
26 2. MODELACIN MATEMTICA
1
p
= :q
(aqu hay que anotar que la gravedad varia con la distancia a la tierra).
Con respecto a las fuerzas de arrastre y de otameinto tenemos
arra:trc = 1
a
= )(c|, dc::id airc, arca soc cio:a|, ..)
)|ota:ic:to = 1
b
= )(dc::i aire,densid.objeto)
Si hacemos la hiptesis de que el arrastre es igual a una constante por la
velocidad del objeto, esto es
1
a
= c (3.4)
donde c es una constante de proporcionalidad llamada coeciente de resisten-
cia o arrastre (kg/seg). El parmetro c toma en cuenta las propiedades del
objeto descendente, como la forma o aspereza de sus supercie, que afectan
la resistencia del aire. La relacin (2.4) no siempre es adecuada, en algunos
casos puede ser una relacin no lineal.
Ahora como queremos es determinar la velocidad nal de la caida libre
del objeto, el modelo se puede construir usando la ley bsica de conservacin
del momentum (la segunda ley de Newton), por lo tanto, una primera aprox-
imacin a nuestra realidad sera
:
d
dt
= 1 = :q c
Movimiento vibratorio de sistemas mecnicos
Supngase que tenemos un resorte ordinario de peso despreciable sus-
pendido verticalmente de un soporte jo. Colguemos un peso \ al resorte.
Cuando el peso esta en reposo describiremos su posicin como la posicin de
equilibrio. Halando el peso hacia abajo una cierta distancia y luego soltan-
dolo, el peso empezar a oscilar alrededor de la posicin de equilibrio. De-
terminar el movimiento del peso.
Nuevamente para construir nuestro MM consideremos las fuerzas que
actuan sobre el objeto:
Fuerza restauradora. Es la fuerza que tiende a regresar o restaurar el
peso desplazado a su posicin de equlibrio. La ley que gobierna esta fuerza
es la relacin auxiliar, ley de Hooke.
Ley auxiliar (Hooke)
La fuerza ejercida por un resorte, tendiente a restaurar el peso \ a la
posicin de equilibrio, es proporcional a la distancia de \ a la posicin de
equilibrio.
Fuerza amortiguadora- Es una fuerza de friccin que actua para decre-
cer las amplitudes de las oscilaciones. Podemos nuevamente considerar que
para velocidades pequeas, la magnitud de la fuerza amortiguadora es parox-
imadamente proporcional a la velocidad instantanea del peso en el resorte.
3. ECUACIONES DIFERENCIALES 27
Fuerzas externas. Una tal fuerza puede aparecer de varias maneras:por
ejemplo, procedente de vibraciones de la pared al que se halla sujeto el
resorte, o sobre el efecto sobre sta de un campo magnetico externo (si el
resorte es de hierro), o cuando al peso se le da un pequeo empuje cda vez
que alcanza la posicin ms baja.
Asumamos la direccin positiva hacia abajo como se muestra en la
gura (1), de modo que r (que es la posicin de \ medidad desde la
posicin de equlibrio) es positivo cuando \ est por debajo de la posicin
de equilibrio y negativo cuando \ est por encima de esta posicin.
Modelacin del proceso.
Segn la segunda ley de Newton tenemos:
\
q
.
d
2
r
dt
2
= 1
res
1
resist
1
ext
Por lo tanto
\
q
.
d
2
r
dt
2
= /r ,
dr
dt
)(t) (3.5)
donde /, , son constantes positivas; 1
res
= /r, observe que si el cuerpo
esta hacia abajo la fuerza esta dirigida hacia arriba y si el peso esta arriba
la fuerza esta dirigida hacia abajo: El mismo razonamiento hacemos con la
fuerza de friccin, la cual consideramos que es proporcional a la velocidad
instantanea del peso en el resorte.
OBSERVACION. Consideremos el MM
d
2
r
dt
2
= /,:r
r(0) = r
o
, r
0
(0) = r
0
o
(3.6)
cuya solucin es igual a r(t) = c
1
cos .
o
t c
2
sin.
o
t = cos(.
o
t c), donde
=
_
c
2
1
c
2
2
, c
1
= cos c, c
2
= sinc, .
o
=
_
/,:.
Si recordamos de la fsica elemental que el trabajo realizado por uan
fuerza constantes a lo largo de un recorrido es igual al producto de dicha
fuerza por el espacio recorrido, e imaginemos que llevamos : desde la posi-
cin de equilibrio, dada por r = 0, hasta una posicin ., habremos realizado
un trabajo contra la fuerza de testitucun /r, con r recorriendo entre 0 y
., que estar dado por
l(.) =
z
_
0
(/r)dr = /
.
2
2
.
Esta maginitu l(.) recibe el nombre de energa potencial en el punto . de
la partcula de masa : sometida al campo de fuerzas estacionario (no
dependiente de t).
Supongamos ahora que una partcula de masa : est en movimiento a
lo largo de un eje Or. La fureza que acta sobre la partcula en el instante
28 2. MODELACIN MATEMTICA
t, segn la segunda ley de Newton,
1 = :
d
dt
,
el trabajo realizado por dicha fuerza desde la posicin r
1
= r(t
1
) hasta la
posicin r
2
= r(t
2
) ser de nuevo,
x
2
_
x
1
1dr = :
x
2
_
x
1

0
d =
1
2
:[(t
2
)[
2

1
2
:[(t
1
)[
2
,
osea igual a la variacin de la magnitud
1
2
:[(t)[
2
llamada energa cintica
de la partcula en el instante t. La energa total es
1 =
1
2
:[(t)[
2
l(r)
La energa potencial depende de la posicin y la cintica de la velocidad.
En el caso presente de un movimiento armnico regido por el modelo (2.6)
se cumple la ley de la conservacin de la energa, a saber, que la energa
total permence constante a lo largo de cualquier movimiento.
d1
dt
= :[[
d
dt
/r
dr
dt
= 0,
1 =
1
2
/
2
3.2. Modelos de Ecuaciones en Derivadas Parciales.
3.2.1. Problema que se reduce a una ecuacin de tipo hiperblico (
Ecuacin de onda)
. Una ecuacin diferencial parcial que se presenta frecuentemente en matemti-
cas aplicadas, es la ecuacin de onda. Por ejemplo el estudio de ondas acs-
ticas, ondas en el agua y las ondas electromagnticas, estn todas basadas
en la ecuacin de onda.
Consideremos una cuerda elstica (la cuerda de un violn, un alambre , una
lnea de potencia elctrica), extendida rmemente entre soportes jos, al
mismo nivel. ( Ver gura 1 ).
Denotemos como 1 la longitud de la cuerda. El eje A est localizado a lo
largo de la cuerda , y los extremos estn localizados en A = 0 y A = 1. Si
la cuerda es puesta en movimiento en un tiempo inicial t = t
0
(pulsndola
por ejemplo), vibrar libremente; el problema consistir en la determinacin
de la forma de la cuerda en cualquier momento, y en la determinacin de la
ley del movimiento en cada punto de la cuerda en funcin del tiempo.
Consideremos el problema ms sencillo; supongamos que los desplazamientos
de la cuerda se hallan en el mismo plano Al , y que el vector desplazamien-
to l es perpendicular en cualquier momento al eje A; entonces el proceso
oscilatorio se puede describir mediante una funcin l(A, t) que caracteriza
el desplazamiento vertical de la cuerda.
3. ECUACIONES DIFERENCIALES 29
La expresin matemtica del concepto de exibilidad reside en que las ten-
siones que surgen en la cuerda estn dirigidas por la tangente a su perl
instantneo, o bien no existen fuerzas que se opongan a doblarla (Figura
2).
tomemos un pequeo elemento de la cuerda de longitud X, entre los
puntos A
1
y A
2
( Figura 3).
Despreciamos el cuadrado de l
x
con respecto a la unidad, esto es so-
lo consideraremos desplazamientos (desviaciones) l(r, t) pequeos desde el
equlibrio en el sentido de que sea posible ignorar las ptencias superiores de
0l
0r
denotada por l
x
al compararla con el trmino de primer orden l
x
1
.
1
Una funcin h(z) tiene orden n en z en z = 0 si existe una constante positiva c tal
que para toda jzj sucientemente pequea, jh(z)j cjzj
n
M denpotado por h(z) = o(jzj
n
)
cuando z !0)
30 2. MODELACIN MATEMTICA
Tomemos un segmento de cuerda [A
1
, A
2
[ y calculemos el alargamiento
a que se somete este segmento; como la cuerda no se resiste a la exin,
o
0
=
_
X2
X1
_
(1 l
2
x
)dr = (A
2
A
1
) = o
Por lo tanto, demostramos que en el proceso oscilatorio no hay alargamien-
to de los segmentos de cuerda.
La tensin es una funcin de (A, t). Del razonamiento anterior y de la ley
de Hooke
1
vemos que la magnitud de la tensin T en cada punto no vara con
el tiempo (PORQUE?), es ms T(r) = T
0
=, donde T
o
es una constante.
O sea que tampoco depende de A; demostremos esta ltima armacin.
Veamos : Sea T
x
, T
u
proyecciones de T sobre A y l respectivamente
3. ECUACIONES DIFERENCIALES 31
T(A, t
1
) = /
0l
0A
(A, t
1
)
T(A, t
2
) = /
0U
0X
(A, t
2
)
T
x
= T(A) cos 0 =
1(X)
_
(1 U
2
X
= T(A)
T
u
(A) = T(A) sin0 = T(A) lan0 = T(A)l
X
, (3.7)
Recordemos que T = /, es el alargamiento por unidad de longitud y
/ es el modulo de Young, que es constante.
La ltima igualdad en ecuacin (2.7) se da ya que 0 es muy pequeo.
Ahora consideremos las fuerzas que actan sobre el segmento de cuerda:
fuerza de tensin, fuerzas externas y fuerzas de inercia; por lo tanto,

fuerzas proyectadas sobre X


1 = 0
ya que se consideran solo las oscilaciones transversales. Ahora bien, las
fuerzas externas y las de inercia estn dirigidas, por hiptesis, a lo largo
del eje l; entonces sobre el eje A tenemos que T
x
(A
2
) T
x
(A
1
) = 0, o sea
T
x
(A
2
) = T
x
(A
1
), asi que T(A) = T
o
.
Deduzcamos la ecuacin diferencial que rige el fennemo fsico. Apli-
cando la segunda ley de Newton al elemento de cuerda, tenemos que la
componente de la cantidad de movimiento del segmento [A
1
, A
2
[ sobre el
eje l es igual a :
_
X2
X1
l
t
(:, t)j(:)d:
donde j es la densidad lineal de la cuerda. Entonces,
_
X
2
X
1
[l
t
(:, t
2
) l
t
(:, t
1
)[j(:)d: =
_
t
2
t
1
T
0
[l
X
(A
2
, t) l
X
(A
1
, t)[dt
_
X
2
X
1
_
t
2
t
1
1(:, t)d:dt (3.8)
La expresin (2.8) es la variacin de la cantidad de movimiento en el intervalo
de tiempo ^t = t
2
t
1
, igual al impulso de las fuerzas que actan formadas
por la tensin T
0
l
X
(A
2
, t) T
0
l
X
(A
1
, t), y por la fuerza externa distribui-
da continuamente con densidad 1(A, t) calculada en la unidad de longitud.
Es de anotar que la ecuacin (2.8) es la ecuacin integral de onda, la cual
se utiliza frecuentemente cuando es necesario considerar soluciones general-
izadas. Para pasar de la ecuacin (2.8) a la ecuacin diferencial, supongamos
que l(A, t) C
2
, y apliquemos dos veces el teorema del valor medio para
obtener:
l
tt
(:

, t

)j(:

)^t^A = T
0
[l
XX
(:

, t

)[ 1(:, t)^t^A
32 2. MODELACIN MATEMTICA
donde : :

, :, :

pertenecen al intervalo (A
1
, A
2
) y los puntos t

, t, t

(t
1
, t
2
).
Simplicando y pasando al lmite cuando A
2
A
1
, t
2
t
1
, obtenemos
la ecuacin diferencial de las oscilaciones transversales de la cuerda:
T
0
l
XX
= j(A)l
tt
1(A, t) (3.9)
Si la densidad es constante, j = C , entonces (2.9) se convierte en:
l
tt
= a
2
l
XX
1(A, t) (3.10)
donde
a =
_
(T
0
,j) y 1(A, t) =
1
j
1(r, t)
Es posible identicar a como la velocidad con la cual se mueve a lo largo de
la cuerda, una pequea perturbacin (onda). La velocidad de onda, a , vara
directamente con la tensin de la cuerda e inversamente con la densidad del
material de la cuerda.
Condiciones de frontera y condiciones iniciales. Ecuacin de onda. Al
describir matemticamente un fenmeno fsico, ante todo hay que plantear
el problema, es decir , enunciar las condiciones sucientes para la determi-
nacin unvoca del proceso.
Las ecuaciones en derivadas parciales, en general dan un conjunto in-
nito de soluciones, por eso, en el caso en que el problema fsico se reduce
a una ecuacin diferencial en derivadas parciales, para la caracterizacin
unvoca del proceso es necesario agregar a la ecuacin ciertas condiciones
complementaras denominadas condiciones de frontera (contorno) y condi-
ciones iniciales.
Considerando el problema sobre oscilaciones transversales de la cuerda
con extremos jos, la funcin l(A, t) nos da la desviacin de la cuerda del
eje A en el momento t.
Si los extremos de la cuerda estn jos entonces en cualquier momento
t el valor l(0, t) = 0 y l(|, t) = 0 , nos dan las condiciones de frontera.
Adems el proceso de las oscilaciones de la cuerda dependen de su forma
inicial y de la distribucin de las velocidades, es decir, hay que dar las
condiciones iniciales :
l(A, t
0
) = /(r),
0l
0t
(A, t
0
) = q(A)
Puede existir otros tipos de condiciones de frontera tales como:
l(0, t) = q
1
(t), l(|, t) = q
2
(t)
3. ECUACIONES DIFERENCIALES 33
que nos indican el movimiento de los extremos de la cuerda segn una ley
dada.
Si consideramos el problema sobre las oscilaciones longitudinales de un
resorte, uno de cuyos extremos est jo y el otro libre; la ley del movimiento
del extremo libre no est dada y a menudo es la funcin incgnita. En el
punto A = 0 , l(0, t) = 0 ; y en el extremo libre A = |, la tensin del resorte
T(|, t) = 1
@U(l;t)
@X
es igual a cero ( no hay fuerzas externas); de modo que el
enunciado matemtico de la condicin de un extremo libre tiene la forma :
0U(l, l)
0X
= 0;
si hay fuerza q
1
(t) entonces
0U(l, l)
0X
=
q
1
(t)
/
= q
1
(t)
Es tambin tpica la condicin
0l(|, t)
0A
= /l(|, t)
que aparece cuando existe enlace elstico en alguno de los extremos.
Las derivadas con respecto a t pueden gurar tambin en las condiciones
de frontera, por ejemplo 1l
x
(|, t) = cl
t
(|, t) , que signica que el extremo
del resorte experimenta la resistencia del medio proporcional a la velocidad
de su movimiento.
3.2.2. Problema de discusin. Un tubo semiacotado (r 0) lleno de
un gas ideal tiene en el extremo (r = 0) un pistn de masa : que se mueve
libremente. En el instante t = 0 por medio de un golpe se le imprime al
pistn una velocidad inicial de
o
. Las desviaciones iniciales y la velocidad
inicial de las particulas del gas son iguales a cero. plantear un MM con el
cual se pueda determinar la propagacin de la onda en el gas.
3.3. Ecuacin de calor. A nivel microscpico los mecanismos fsicos
de la conduccin son complicados; abarcan fenmenos tan variados como col-
isiones moleculares en los gases, las vibraciones de la red de los cristales y el
ujo de electrones libres en los metales.Sin embargo, el Ingeniero evita, en la
medida de lo posible, la consideracin a nivel microscpico y preere valerse
de leyes fenomenolgicas a nivel macroscpico. La ecuacin de conduccin
de calor es una ED que modela tanto el ujo de calor como una variedad
de fenmenos fsicos, qumicos y biolgicos relacionados con los procesos de
difusin.
Ley bsica. La primera ley de la termodinmica es una manera de
enunciar el principio de conservacin de la energa. Consideremos un sistema
34 2. MODELACIN MATEMTICA
cerrado consistente de una masa solida ja. El sistema tiene un volumen \
y el solido una densidad j. Las vibraciones moleculares del cuerpo generan
energa que percibimos como calor, por tanto, calor es energa que se trans-
ere de un lugar a otro. Flujo de calor es la transferencia de energa que se
lleva a cabo como consecuencia de las diferencias de temperatura.
Remark 1. La cantidad de calor que se comunica a un cuerpo se puede
expresar en varias unidades: btu, erg, joule o calora. La calora (cal) es la
ms usada, se dene como la cantidad de calor que se necesita para elevar
la temperatura de un gramo de agua en 1

C, desde 14.5

a 15.5

C. Una
calora es igual a 4.186 J.
Supongamos que se transere calor al sistema a una velocidad
`
Q y den-
tro del slido puede generarse calor, por fusin nuclear, o por una corriente
elctrica a la velocidad
`
Q
v
.
Remark 2. Podemos suponer que los solidos son incomprensibles de
modo que no hay trabajo realizado por el sistema o sobre l.
Principio bsico. El principio de conservacin de energa exige que en
el intervalo de tiempo ^t :
Variacin de energa interna dentro del sistema = calor transferido hacia
el interior del sistema calor generado dentro del sistema
^l =
`
Q^t
`
Q
v
^t
^l
^t
=
`
Q
`
Q
v
Si se entrega calor en la misma cantidad a masa iguales de distintas
sustancias, los aumentos de temperatura son diferentes. Por ejemplo si se
entrega una calora a un gramo de plata, la elevacin de temperatura ser
mayor (10

C) que en el caso de un gramo de agua. Se dice que las sustancias


tienen diferentes calores especcos.
Para un slido incomprensible dn = C
v
dT, donde n es la energa inter-
na especca, c
v
es la capacidad calorca, (la capacidad calorca C
v
de
cualquier sustancia se dene como la cantidad de energa calrica que se
3. ECUACIONES DIFERENCIALES 35
requiere para elevar la temperatura de la sustancia en un grado Celsius), T
es la temperatura.
La capacidad calorca de un cuerpo es proporcional a su masa. Por esto
es conveniente denir la capacidad calorca por unidad de masa, c, llamada
calor especco,
c =
C
v
:
(3.11)
Las unidades de medida son de C
v
(J /

C) y c (J / kg

C).
Combinando estas dos expresiones se puede expresar la energa calrica
transferida entre un cuerpo de masa : y los alrededores para un cambio de
temperatura como: ^l = :c^T.
Algunos conceptos tiles que se manejan en teora calorca son:
Calor latente. Una sustancia experimenta un cambio en su temper-
atura cuando se transere calor entre la sustancia y los alrededores. Pero
existen situaciones donde el ujo de calor no tiene como resultado un cambio
en la temperatura. Esto ocurre siempre que las caractersticas fsicas de la
sustancia cambien de una forma a otra, lo que se conoce como cambio de
fase. Algunos cambios de fase comunes son slido a lquido (fusin), lquido
a gas (ebullicin). Todos estos cambios de fase implican un cambio en la en-
erga interna. La energa requerida se conoce como calor de transformacin.
Cuando un sistema sufre un cambio de fase, debe haber una transferencia
de calor. Si 1 es el calor latente de cambio de fase, necesario para que una
unidad de masa cambie de fase, entonces el calor absorbido durante el cam-
bio de estado es: Q = :1, la magnitud 1 depende de la naturaleza del
cambio de fase, as como de las propiedades de la sustancia. El calor de
fusin 1
f
se usa cuando el cambio de fase es de slido a lquido, y el calor
de vaporizacin 1
v
es el calor latente correspondiente al cambio de fase de
lquido a gas. En cada caso para los cambios de fase en sentido opuesto se
tiene calor de solidicacin y calor de condensacin; 1 se mide en J/kg.
Transferencia de calor. Es importante saber con que rapidez se trans-
ere el calor entre el sistema y sus alrededores y conocer los mecanismos de
transferencia de calor.
Radiacin. Todos los cuerpos irradian energa continuamente en la for-
ma de ondas electromagnticas y la rapidez con la cual un cuerpo emite
energa radiante esta dada por la ley de Stefan.
Conveccin. Es un proceso de transferencia de calor en el cual la sus-
tancia calentada se mueve de un lugar a otro. Por ejemplo si una capa de
aire o agua se calienta su densidad disminuye, se expande y se eleva, esta
masa caliente transere calor al medio circundante por conveccin. Puede
ser natural o forzada (por ejemplo aire caliente movido por un ventilador).
Conduccin. La ley fenomenolgica que rige la conduccin de calor
fue propuesta por J. B. Fourier (1822). En este proceso la transferencia de
calor se produce a escala atmica como un intercambio de energa cintica
entre las molculas, donde las partculas menos energticas ganan energa
36 2. MODELACIN MATEMTICA
al chocar con las ms energticas. La conduccin de calor slo ocurre si
hay diferencias de temperatura entre dos partes del medio conductor. Se ha
demostrado empricamente que si tenemos dos placas de la misma rea
cuyas caras opuestas se encuentran a diferentes temperaturas T
1
y T
2
, con
T
2
T
1
y separadas por una pequea distancia /, se encuentra que el calor
^Q transferido en un tiempo t uye del extremo caliente al fro. La rapidez
de transferencia de calor ^Q,^t esta dada por
^Q
^t
c([T
2
T
1
[),/
Si se llama H al calor transferido por unidad de tiempo (W) y se usa para
representar
^Q
^t
, si se toma cambios innitesimales, obtenemos la que se
conoce como la ley de conduccin de calor
H =
0Q
0t
= /
0T
0r
(3.12)
/ es el coeciente de conductividad trmica del material, magnitud que rep-
resenta la capacidad con la cual la sustancia conduce calor y produce la
consiguiente variacin de temperatura;
0T
0r
es el gradiente de temperatura.
El signo menos indica que la conduccin de calor es en la direccin decre-
ciente de temperatura.
3.3.1. Propagacin de calor en el espacio. Consideremos un cuerpo for-
mado por cierto material que ocupa un dominio acotado en tres dimensiones
1, con frontera 01 = o, tal como se ilustra en la gura
1. Entendemos el calor como una forma de energa asociada a la ag-
itacin trmica de las moleculas del material. Nuestro objetivo es describir
matemticamente el proceso por el que el cual se distribuye espacialmente
en 1 y evoluciona a lo largo del tiempo. Concretamente, a partir de la con-
servacin de la energa vamos a obtener una ecuacin en derivadas parciales.
Para ello, durante un intervalo arbitrario de tiempo [t
1
, t
2
[, estudiaremos un
elemento arbitrario en 1 con volumen \ y supercie exterior o y cuyos
puntos se representan por las coordenadas (r, j, .).
En este elemento suponemos que el calor es protagonista de tres procesos:
produccin, almacenamiento y transporte.
Estos procesos estn ligados entre s por el siguiente principio de con-
servacin:
Q
v
= QQT (3.13)
donde
Q
v
= Calor producido en \ en [t
1
, t
2
[
3. ECUACIONES DIFERENCIALES 37
Q = Calor almacenado en \ en [t
1
, t
2
[
QT = Calor transportado a trves de o en [t
1
, t
2
[
Representando matemticamente cada uno de estos procesos, la ecuacin
(2.13) nos llevar a una ecuacin en derivadas parciales, como veremos a
continuacin.
Produccin de calor: Suponemos la existencia de una funcin )(r, j, ., t)
que representa el calor neto producido por unidad de volumen y unidad de
tiempo. S ) 0 se tiene un aumento de calor (produccin propiamente
dicha); ) < 0 signica disipacin de calor. La integral
_
v
)(r, j, ., t)drdjd.
describe el calor producido por unidad de tiempo en el instante t en el vol-
umen \ mientras que
t
2
_
t
1
)(r, j, ., t)dt da cuenta del calor producido en un
punto (r, j, .) por unidad de volumen en el intervalo [t
1
, t
2
[. Consecuente-
mente, el calor total producido en el volumen \ en [t
1
, t
2
[ viene dado por:
Q
v
=
t
2
_
t
1
_
v
)(r, j, ., t)drdjd.dt (3.14)
Almacenamiento de calor: Sea c(r; j; .; t) una funcin que representa
la densidad de calor instantnea en cada punto, es decir la cantidad de calor
por unidad de volumen. La capacidad de almacenamiento est ligada a la
posibilidad de variar esta densidad a lo largo del tiempo, de manera que el
calor almacenado en \ en el intervalo [t
1
, t
2
[ se expresa en la forma:
Q =
_
v
[c(r, j, ., t
2
) c(r, j, ., t
1
)[ drdjd. =
=
t
2
_
t
1
_
v
0c
0t
(r, j, ., t)drdjd.dt (3.15)
Transporte de calor: El transporte supone un ujo en alguna direc-
cin. Para cuanticarlo se introduce el vector de ujo 1 que es el campo
vectorial cuyas componentes en la base cartesiana i, ,, / son
1(r, j, ., t) = 1
1
(r, j, ., t)i 1
2
(r, j, ., t), 1
3
(r, j, ., t)/ (3.16)
Su modulo [1[ =
_
1
2
1
1
2
2
1
2
3
representa la cantidad de calor que
se transporta por unidad de rea y de tiempo. Para expresar la cantidad
de calor que atraviesa la supercie o, consideremos en cualquiera de sus
puntos (r, j, .), una base de vectores unitarios formada por el vector : en
la direccin normal y los vectores t
1
, t
2
en el plano tangente a o, tal como
se ilustra en la gura ____. Por convenio suele darse sentido positivo a :
38 2. MODELACIN MATEMTICA
hacia el exterior de la supercie. Con ello el ujo en cualquier punto de o
puede descomponerse en la forma:
1 = c: ,
1
t
1
,
2
t
2
(3.17)
Dado que ,
1
t
1
,
2
t
2
es un vector sobre el plano tangente, la componente
c =< 1, : en la direccin normal representa la cantidad de calor por
unidad de rea y de tiempo que sale por cada punto a traves de la supercie
o. Por tanto la cantidad de calor que atraviesa la supercie o en [t
1
, t
2
[ es
Q
T
=
t
2
_
t
1
_
s
< 1, : d:dt =
t
2
_
t
1
_
s
di1drdjd.dt, donde se ha utilizado
el teorema de la divergencia. Con ello la ecuacin de conservacin puede
escribirse en la forma
t
2
_
t
1
_
s
_
)
0c
0t
di1
_
drdjd.dt = 0 (3.18)
Aqu \ representa un volumen arbitrario en 1 y [t
1
, t
2
[ es un segmento
arbitrario. Por tanto, en virtud de la continuidad del integrando, tenemos
que )
@e
@t
di1 = 0 en todos los puntos de 1 y en cualquier instante
t > t
0
, siendo t
0
un instante inicial dado.
Por tanto podemos escribir
0c
0t
(r, j, ., t) di1(r, j, ., t) = )(r, j, ., t), \(r, j, .) \, \t > 0 (3.19)
Esta expresin es una ecuacin en derivadas parciales, pero en ella apare-
cen dos funciones desconocidas c y 1. Para que la ecuacin tenga utilidad
practica es necesaario reducir las dos incgnitas a una sola. Esto requiere
profundizar mas en la modelacin de los procesos de almacenamiento y de
transporte. En ello juega papel esencial la temperatura.
Calor almacenado y temperatura: Estudios experimentales han ll-
evado a aceptar que la cantidad de calor almacenada depende del tipo de
material, de la distribucin de su masa y se ajusta con suciente precisin
a la siguiente expresin:
c(r, j, ., t) = j(r, j, ., t)c(r, j, ., t)n(r, j, ., t) (3.20)
donde j 0 es la densidad (masa por unidad de volumen), c 0 es
el calor especico, qu reeja la capacidad del material para acumular calor,
y n es la temperatura. Consideremos que j y c no dependen de t, lo que
supone que las propiedades del material no se alteran con el proceso a lo
3. ECUACIONES DIFERENCIALES 39
largo del tiempo. En tal caso, el almacenamiento de calor es directamente
proporcional a la variacin de la temperatura, es decir
0c
0t
(r, j, ., t) = j(r, j, ., )c(r, j, .)
0n
0t
(r, j, ., t) (3.21)
Transporte de calor(conduccin) y temperatura: Como se ha
mencionado anteriormente, el calor esta asociado a la energa del movimien-
to molecular. Con esta ptica, el transporte del calor puede verse como una
transferencia de energa entre molculas. Existen dos mecanismos funda-
mentales para esta transferencia: conduccin, en que el calor se transere
por el contacto entre molculas vecinas y por conveccin, en que el calor
se transporta por el movimiento de las molculas desde una regin a otra.
Aqu vamos a considerar el transporte por conduccin. Este proceso
est descrito por la ley de Fourier, que relaciona el vector de ujo con la
temperatura en la forma
1(r, j, ., t) = 1(r, j, .)\n(r, j, ., t) (3.22)
donde 1 es la matriz de conductividad trmica, simtrica y con coecientes
/
ij
(r, j, .) > 0, y \n = (n
x
, n
y
, n
z
)
T
es el vector gradiente de temperatura.
Ms explcitamente podemos escribir
1 = 1\n =
_
_
/
11
n
x
/
12
n
y
/
13
n
z
/
12
n
x
/
22
n
y
/
23
n
z
/
13
n
x
/
23
n
y
/
33
n
z
_
_
(3.23)
Los coecientes /
ij
describen la propiedad de la facilidad del material
para conducir el calor en las tres dimensiones del espacio proporcionalmente
a las variaciones de temperatura n
x
, n
y
, n
z
. El signo negativo indica que
el sentido del transporte siempre viene dado por un ujo hacia puntos de
menor temperatura.
Las expresiones (2.21) y (2.22) son dos ecuaciones constitutivas que nos
han permitido expresar dos parmetros caracteristicos del material, como
son el calor especifco c, la densidad j y la conductividad trmica 1. De
esta forma la ecuacin (2.21) queda con la temperatura como nica funcin
incgnita en la forma
j(r, j, .)c(r, j, .)n
t
(r, j, ., t) di [1(r, j, .)\n(r, j, ., t)[ = )(r, j, ., t)
(3.24)
Esta es la llamada ecuacin del calor. Introduciendo ciertas hiptesis, pueden
obtenerse formas simplicadas de la ecuacin anterior (2.24).
Por ejemplo, si el material es homogneo, sus parmetros j, c, / son
iguales en todo el dominio y la ecuacin (2,24) se reduce a la siguiente
forma con coecientes constantes:
40 2. MODELACIN MATEMTICA
jcn
t
[/
11
n
xx
/
22
n
yy
/
33
n
zz
2/
12
n
xy
2/
13
n
xz
2/
23
n
yz
[ = )
(3.25)
Suponiendo que la matriz de conductividad trmica sea diagonal, la ecuacin
(2.25) queda en la forma
jcn
t
[(/
11
)
x
n
x
(/
22
)
y
n
y
(/
33
)
z
n
z
[ [/
11
n
xx
/
22
n
yy
/
33
n
zz
[ = )
(3.26)
El carcter general diagonal corresponde a suponer que la conductividad
tiene los ejes r, j, . como direcciones privilegiadas, en el sentido de que el
ujo en la direccin r depende nicamente de la variacin de la temperatura
en esta direccin (nr) y lo mismo ocurre en las otras dos direcciones.
Si el material es istropo, la conductividad es la misma en las tres
direcciones y se caracteriza por una funcin escalar /. As 1(r, j, .) =
/(r, j, .)1 donde 1 es la matriz identidad, y la ecuacin toma la forma
jcn
t
[/
x
n
x
/
y
n
y
/
z
n
z
[ / [n
xx
n
yy
n
zz
[ = ) (3.27)
Si el material es istropo y homogeneo, esta ecuacin se reduce a la
forma ms sencilla con coecientes constantes
jcn
t
/\
2
n = ) (r, j, ., t) (3.28)
3.3.2. Condiciones iniciales y condciones de frontera. La ecuacin
(2.28) nos da una herramienta par describir la evolucin de la temperatura
en el interior 1 de un cierto dominio durante un intervalo de tiempo. Al
resolver la ecuacin se obtienen innitas soluciones, lo cual es inaceptable
si se pretende disponer de un modelo que describa una situacin prctica
sin ambiguedades. La ecuacin diferencial ha sido obtenida a partir de una
representacin matamtica de los procesos de produccin, almacenamiento
y conduccin del calor. Estos procesos son internos en el sistema objeto de
estudio , no dependiendo de su interaccin con el medio exterior. Adems
no tienen memoria, en el sentido de que no dependen de la historia temporal
que haya tenido el sistema antes del intervalo en el que queramos estudiar
su evolucin. Si se quiere determinar completamente la distribucin de la
temperatura en 1 a partir de un cierto instante inicial, es necesario incor-
porar a la ecuacin diferencial (2.28) dos tipos de condiciones: condiciones
iniciales, que imponen un estado conocido del sistema en un instante inicial
t
0
, y condiciones de contorno, que jan ciertas condiciones en la frontera
01 del dominio.
Condiciones iniciales. La presencia de una derivad temporal de primer
orden en la ecuacin (2.28) hace necesario especicar la distribucin inicial
de la temperatura, es decir
n(r, j, ., t
0
) = q(r, j, .), (r, j, .) \ (3.29)
donde q es una funcin dada.
3. ECUACIONES DIFERENCIALES 41
Condiciones de contorno. Existen distintas situaciones fsicas que
pueden traducirse en condiciones en la frontera del dominio. Vamos a ver
tres casos de los que se presentan habitualmente.
Temperatura prescrita: La situacin ms sencilla consiste en mantener
la temperatura de los puntos de la frontera en unos valores dados, lo que
puede expresarse en la forma
n(r, j, ., t
0
) = /(r, j, ., t), (r, j, .) 01, t > t
0
como caso especial puede considerarse una temperatura constante. En
particualar puede ser / = 0, en cuyo caso se dice que la condicin es ho-
mognea.
Flujo de calor prescrito: El ujo de calor a trves de un punto de la
frontera en la direccin normal : es, segn la ley de Fourier
< 1, : = < 1\n, :) = < \n, 1: =
0n
0:
k
(3.30)
donde
0n
0:
k
es la derivada direccional en la direccin denida por el vector
:
k
= 1.:. Podemos considerar la existencia de un mecanismo capaz de
regular este ujo en los puntos de la frontera y mantenerlo en unos valores
deseados. Esto puede expresarse en la forma
0n
0:
(r, j, ., t) = /
0
(r, j, ., t), (r, j, .) 01, t > t
0
(3.31)
donde /
0
es una funcin dada.
Si se considera el caso de una material istropo con matriz de conduc-
tividad diagonal 1 = /|, la expresin del ujo (2.32) se modica en la forma
< 1, : = / < \n, :) = /
0n
0:
(3.32)
Considerando / = /
0
,/ la condicin (2,82) queda ahora en la forma
0n
0:
(r, j, ., t) = /(r, j, ., t), (r, j, .) 01, t > t
0
(3.33)
En particular los casos /
0
= 0 y / = 0 signican que no hay ujo a travs
del contorno, por lo que el dominio est aislado trmicamente (condicin de
contorno homognea).
Exercise 1. Investigar para el caso en que existe un intercambio de
calor con el medio ambiente.
3.3.3. Ecuacin de calor unidimensional. Un problema de Inge-
niera. Se tiene un alambre homogeneo de longitud |, 0 _ : _ |, el lado
izquierdo (: = 0) esta aislado trmicamente, en el lado derecho (: = |)
ocurre un intercambio de calor con el medio externo y hay una fuente calori-
ca; conocemos la distribucin de temperatura en el momento inicial t = 0.
El problema de Ingeniera consiste en controlar la temperatura del medio
42 2. MODELACIN MATEMTICA
externo y la densidad de la fuente de calor, de tal forma que en el momen-
to T 0 la distribucin de temperatura se haga lo ms proximo a una
temperatura deseada.
Intentemos construir un MM que nos describa el sistema.
Consideremos el alambre de seccin transversal uniforme, orientada de
tal manera que el eje r contenga el eje del alambre (ver gura); designemos
los extremos por r = 0 , r = 1.
Supondremos que los lados del alambre estn perfectamente aislados de
tal manera que no pasa calor a travs de ellos, y que la distribucin de tem-
peratura T depende nicamente de la posicin sobre el eje r y del tiempo t
, y no de las coordenadas laterales j, .; esto es T(r, t) es funcin slo de las
variables r, t. En otras palabras suponemos que la temperatura permanece
constante sobre cualquier seccin transversal de la barra; esta hiptesis es
generalmente satisfactoria cuando las dimensiones laterales del alambre son
pequeas comparadas con su longitud.
Hallemos la ecuacin que debe satisfacer la funcin T(r, t):
Considrese un elemento de la barra entre las secciones transversales
r = r
0
, r = r
0
^r. La cantidad de calor de izquierda a derecha a travs
de la seccin transversal r = r
0
, es
Q(r
0
, t) = /T
x
(r
0
, t),
de la misma manera la cantidad de calor de izquierda a derecha a travs de
la seccin transversal r = r
0
^r est dada por
Q(r
0
^r, t) = /T
x
(r
0
^r, t);
y la cantidad de calor en (r
0
, r
0
^r) es
Q = /[T
x
(r
0
^r, t) T
x
(r
0
, t)[
La cantidad de calor que se acumula en elC cuerpo es
Q = c:^T = cj\ ^T
donde c es el calor especco(cantidad de calor(en calorias) necesario
para elevar 1 grado la temperatura de 1 gramo de material), : la masa del
cuerpo, j su densidad y \ el volumen (area, longitud).
Si la variacin de temperatura tiene una magnitud diferente en distintas
partes de la barra, entonces
Q =
_
x
0
+x
x
0
cj^Tdr
Como en el alambre hay una fuente (surge o se absorvee calor); la emisin
de calor la podemos caracterizar por la densidad de las fuentes trmicas
3. ECUACIONES DIFERENCIALES 43
1(r, t) en el punto r en el momento t. Como resultado de la accin de estas
fuentes en el intervalo (r
0
, r
0
^r) durante un intervalo de tiempo (t, t^t)
; se emitir una cantidad de calor dQ = 1(r, t)drdt , o en forma integral
Q =
_
t2
t1
_
x2
x1
1(r, t)drdt
Segn la ecuacin del balance de calor en (r
1
= r
0
, r
2
= r
0
^r)
durante (t
1
, t
2
) obtenemos:
_
t2
t1
[/T
x
(r
0
^r, t) /T
x
(r
0
, t)[dt
_
x2
x1
_
t2
t1
1(r, t)drdt
=
_
x2
x1
cj[T(r, t
2
) T(r, t
1
)[dr
que es la ecuacin del calor en forma integral.
Para obtener la ecuacin de la conduccin del calor en forma diferen-
cial, supongamos que T(r, t) posee derivadas continuas T
xx
, T
t
; aplicando el
teorema del valor medio tenemos
0
0r
(/
0T
0r
) 1(r, t) = cj
0T
0t
(3.34)
Como nuestro alambre es homognea entonces /, c, j se pueden considerar
constantes y la ecuacin se escribe comunmente
n
t
= a
2
n
xx
)(r, t) (3.35)
donde a
2
= /,cj.( j se conoce como la difusividad del material)
Remark 3. La densidad de las fuentes de calor pueden depender de
la temperatura. En el caso de un intercambio trmico con el medio, que se
somete a la ley de Newton, la cantidad de calor que pierde (osea la supercie
de la barra no esta aislada) la barra es igual a.
1
0
= /(T 0)
donde 0(r, t) es la temperatura del medio, y h es el coeciente de intercambio
trmico,
De esta manera, la densidad de las fuentes calorcas en el punto r en
el momento t es igual a
1 = 1
1
(r, t) 1
0
(r, t)
donde 1 es la densidad de las otras fuentes de calor.
Entonces obtenemos
T
t
= a
2
T
xx
cT )(r, t) (3.36)
donde c = /,cj ,
)(r, t) = c0(r, t) 1
1
(r, t),cj
44 2. MODELACIN MATEMTICA
3.3.4. Planteamiento de las Condiciones Iniciales y de Frontera (Con-
torno). Como se discutio arriba para obtener una solucin nica de la ecuacin
de conduccin de calor, es necesario agregar condiciones iniciales y de fron-
tera. La condicin inicial consiste en dar los valores de la funcin T(r, t) en
el momento inicial t
0
. Respecto a las condiciones de frontera, estudiaremos
tres tipos:
1. En el extremo del alamabre r = 0 se da la temperatura T(0, t) = q
1
(t),
donde q
1
(t) es una funcin dada en cierto segmento (0, t
o
), siendo t
o
el
intervalo de tiempo durante el cual se estudia el proceso.
2. En el extremo r = 1 se da el valor de la derivada
0T
0r
(1, t) = q
2
(t)
A esta condicin llegamos si se da el ujo trmico Q(1, t) que pasa por la
seccin del extremo de la barra
Q(1, t) = /
0T
0r
(1, t)
` o
0T
0r
(1, t) = 1,/Q(1, t) = q
2
(t)
3. En el extremo r = 1 (r = 0) est dada una relacin lineal entre la
derivada y la funcin
0T
0r
(1, t) = `[T(1, t) 0(t)[
Esta condicin de frontera corresponde a un intercambio trmico de acuerdo
con la ley de Newton en la supercie del cuerpo con el medio ambiente, cuya
temperatura ( es conocida). Utilizando las dos expresiones del ujo trmico
que sale por el corte r = 1(r = 0)
Q = /(T 0) , Q = /
0T
0r
obtenemos
/(T 0) = /
0T
0r
,
de esta forma obtenemos
0T
0r
(1, t) = `[T(1, t) 0(t)[
donde ` = /,/ es el coeciente de intercambio trmico.
Para r = 0, la condicin ser
0T
0r
(0, t) = `[T(1, t) 0(t)[
Anlogamente existen otros tipos de condiciones de frontera, por ejem-
plo,
c
1
0T
0t
= /
0T
0r
/(T l
0
);
3. ECUACIONES DIFERENCIALES 45
donde c
1
es la capacidad calorca, l
0
la temperatura del medio exterior.
Si el medio no es homogneo, y los coecientes de la ecuacin son fun-
ciones discontinuas en el intervalo (0, 1) en el cual se busca la solucin del
problema, se particiona por los puntos de discontinuidad de los coecientes,
de tal manera que en cada subintervalo la funcin T satisfaga la ecuacin de
conduccin calor, y en las fronteras las condiciones de conjugacin. En el caso
ms simple, estas condiciones consisten en la continuidad de la temperatura
y del ujo trmico:
T(r
0
0, t) = T(r
0
0, t)
/(r
0
0)
0T
0r
(r
0
0, t) = /(r
0
0)
0T
0r
(r
0
0, t).
Problem 1. La formulacin matemtica de nuestro problema quedara
entonces de la siguiente forma:
J(T) =
_
l
0
[T(r, t
o
, n) j(r)[
2
dr
T
t
(r, t) = a
2
T
ss
(r, t) )(r, t) Q = 0 < r < |, 0 < t _ t
o

T
s
(0, t) = 0 0 < t _ t
o
T
s
(|, t) = i[0(t) T(|, t)[ 0 _ r _ |
T(r, 0) = c(r) 0 _ r _ |
Se supone que n = (0(t), )(:, t)) es el control, el cual pertenece a cierto
conjunto l. Como por ejemplo, las funciones 0(t), )(r, t) son integrables al
cuadrado en [0, t
o
[ y Q respectivamente.
3.4. Ecuacin de difusin. Si el medio est lleno de gas de modo
no uniforme, tiene lugar la difusin de ste, de los lugares de mayor concen-
tracin a los de menor concentracin. Este mismo fenmeno tiene lugar en
las soluciones, si la concentracin de la sustancia diluida en el volumen no es
constante. El proceso de difusin en un tubo vaco, o en un tubo lleno de un
medio poroso , suponiendo que en todo momento de tiempo la concentracin
del gas ( de la solucin) es igual en cada seccin, se describe por la ecuacin
0
0r
(1
0l
0r
) = c
0l
0t
(3.37)
donde 1 es el coeciente de difusin , y c(r) el coeciente de porosidad;
l(r, t) es la concentracin en el corte r en el momento t.
46 2. MODELACIN MATEMTICA
3.5. Modelo matemtico para un proceso de sorcin dinmica
de una sola componente.
Supongamos que a travs de una columna cilndrica de seccin transversal
constante (el eje del cual lo tomamos como el eje de coordenada r) se llena
uniformemente de granos de un sorbente (con coeciente de porosidad igual
a i (0, 1)) hacemos pasar un gas con velocidad constante igual i bajo
temperatura constante. La concentracin del gas en la entrada de la colum-
na es igual a j(t).
Representemos por n(r, t) la concentracin del gas en el ujo, calculado
en un volumen unitario del espacio libre; la funcin a(r, t) representa la
concentracin del gas absorbido, calculado sobre el volumen unitario de la
columna. Consideremos un elemento arbitrario de la columna acotado por
las secciones transversales r = r
1
y r = r
2
. El ujo de la sustancia a
travs de estas secciones se determina de acuerdo a la difusin conveccional
y longitudinal (dispersin). La cantidad de sustancia que pasa a travs de
las secciones tranversales de la columna en el tiempo ^t = t
2
t
1
se da por
la siguiente expresin
_
t
2
t
1
(in ,)[
x=x
i
odt i = 1, 2, (3.38)
donde , = ,(r, t) es el ujo difusional longitudinal, S es la supercie de la
seccin de la columna.
Durante el intervalo de tiempo ^t la variacin de la cantidad de sustancia
en el volumen es igual
_
x
2
x
1
(in a)[
t=t
2
odr
_
x
2
x
1
(in a)[
t=t
1
odr (3.39)
Igulando (2.38) y (2.39) se obtiene la ecuacin del balance de masas en forma
integral
_
t
2
t
1
[(in ,)[
x=x
1

_
t
2
t
1
(in ,)[
x=x
2
[odt =
_
x
2
x
1
[(in a)[
t=t
2

_
x
2
x
1
(in a)[
t=t
1
[odr (3.40)
Si las funciones que aparecen en (2.40) y sus correspondientes derivadas es-
tn denidas y son continuas sobre el conjunto (r
1
, r
2
) (t
1
, t
2
) entonces
dividiendo ambas partes por o^t^r y tendiendo ^r y ^t hacia cero, obten-
emos la ecuacin de balance en forma diferencial
(in)
x
,
x
(in a)
t
= 0 (3.41)
Teniendo en cuenta la ecuacin de continuidad del ujo el cual en este caso
tiene la forma i
x
= 0, obtenemos en forma denitiva
in
x
in
t
a
t
= ,
x
(3.42)
3. ECUACIONES DIFERENCIALES 47
Tanto la velocidad de sorcin de la sustancia a
t
por el sorbente como el
ujo longitudinal de difusin externa , que aparecen en la ecuacin deben
ser dados en forma independiente (fenomenolgicamente) a partir de razon-
amientos suplementarios.
El caracter de variacin de a
t
se determina de la ecuacin de la cintica.
Si la velocidad de variacin de la concentracin en el sorbente se determina
por las condiciones de transmisin de la masa hacia la supercie del sor-
bente entonces se dice que hay difusin externa de la sorcin. En este caso
se supone que la nivelacin de la concentracin a travs del grano ocurre de
manera instntanea.
Nosotros consideraremos la ecuacin de cintica
a
t
= ,(n n

), (3.43)
donde , 0 es el coeciente cintico, n

es la concentracin en el ujo sobre


la supercie del grano, la cual se encuentra en equilibrio con la concentracin
de la sustancia absorbida, esto es
a = ,(n

) (3.44)
La relacin (2.44) se denomina la ecuacin de la isoterma de sorcin. En
adelante consideraremos que existe ,
1
= 1.
Igualmente con (2.44) consideremos tambin la ecuacin de la cintica
a
t
= (a

a), (3.45)
a

= ,(n) (3.46)
la cual condicionalmente se puede llamar difusin interna ya que en la
ecuacin (2.45-2.46) guran solo las concentraciones en el grano del sorbente.
Aqui a

es la concentracin supercial en el sorbente, la cual se encuentra


en equilibrio con la concentracin de la sustancia en el ujo.
Lo que se reere al ujo difusional longitudinal para su descripcin frecuente-
mente se emplea una aproximacin basado en la ley de Fick.
,(r, t) = 1n
x
, 1 0. (3.47)
El signo menos indica que la difusin tiene lugar en la direccin de concen-
tracin decreciente. El factor de proporcionalidad 1 se llama coeciente de
difusin , que no es estrictamente una constante porque puede depender de la
concentracin. Cuando se considera que la velocidad i es lo sucientemente
grande y el proceso de difusin longitudinal no juega un papel importante
en la transmisin de masa, en este caso se hace , = 0.
Si no se toma en cuenta ninguno de los factores cinticos, esto es a = ,(n),
entonces se obtiene un sistema de ecuaciones, el cual corresponde a la sorcin
48 2. MODELACIN MATEMTICA
dinmica en equilibrio.
in
x
in
t
a
t
= 0, a = ,(n). (3.48)
3.6. Corriente potencial de un liquido, potencial de una cor-
riente estacionaria y de un campo electrosttico. 1. Modelo de
Laplace. La ecuacin de Laplace se presenta en relacin con fuerzas gravita-
cionales. En los cursos de clculo de varias variables se discute el problema
de la atracin de dos cuerpos: Si una partcula de masa ' est en un
punto (r
1
, j
1
, .
1
) y otra partcula 1 de masa : se encuentra en un punto
(r, j, .), entonces atrae 1 y la fuerza gravitacional es el gradiente de la
funcin escalar
n(r, j, .) =
c
r
, c = G:',
r =
_
(r r
1
)
2
(j j
1
)
2
(. .
1
)
2
esta funcin de r, j, . se llama potencial del campo gravitacional y satisface
la ecuacin de Laplace, esto es la funcin n(r) =
1
r
satisface ^n = 0 , en
todas partes excepto del punto r = 0 donde se vuelve innita.
Si consideramos a j como la densidad de masa distribuida en toda una
regin 1 del espacio, entonces el potencial n en un punto (r, j, .) no ocupado
por la masa se puede escribir como
n(r, j, .) = /
___
)
r
drdj
0
d.
Salvo el factor de proporcionalidad, sta coincide con el campo de una
carga puntual c, ubicada en el origen de coordenadas. El potencial de este
campo es n =
e
r
.
2. Supongamos que dentro de cierto volumen T, de frontera o , tiene
lugar la corriente estacionaria de un lquido incompresible, que se caracteriza
por la velocidad \ (r, j, .).
Si la corriente del lquido es irrotacional, la velocidad \ es un vector
potencial, es decir, \ = \n siendo n una funcin escalar llamada potencial
de la velocidad. Si no hay fuentes, di\ = 0 ;por lo tanto di(\n) = 0.
Es decir, el potencial de la velocidad satisface la ecuacin de Laplace.
3.6.1. Ecuaciones del campo electromagntico. El campo electromanti-
co se caracteriza por los vectores 1 y H de intensidad de los campos elctri-
cos y magntico y los vectores 1 y 1 de induccin elctrica y magntica. El
sistema completo de ecuaciones de Maxwell, que relaciona estas magnitudes,
3. ECUACIONES DIFERENCIALES 49
tienen la forma
rot H =
1
c
01
0t

4
c
,
4
c
,
(e)
rot 1 =
1
c
01
0t
(3.49)
oiv 1 = 0,
oiv 1 = 4j,
donde , es la densidad volumtrica de las corrientes de conduccin, ,
(e)
, la
densidad de las corrientes que surgen por la eccin de f.e.m exteriores, j es
la densidad volumtrica de las cargas, y c, es la velocidad d ela luz en el
vaco. Consideraremos que ,
(e)
= 0.
Al sistema (2.49) agregamos las ecuaciones denomindas ecuaciones ma-
teriales del campo
1 = -1,
1 = jH,
, = o1,
donde - es la constante dielctrica, j, la permeabilidad magntica, y o, la
conductividad del medio. Cuando los parmetros - = co::t, j = co::t y
o = co::t, entonces el medio se considera que homogneo e istropo.
Cuando el medio no tiene conductividad, es decir o = 0, obtenemos dos
sitemas independientes de ecuaciones para los campos elctrico y magntico.
rot H =
4
c
,
(e)
, oiv jH = 0,
rot 1 = 0, oiv -1 = 4j
En el caso de homogneo, no es difcil obtener las ecuaciones para cada
vector 1 y H por separado.
En un medio conductor se considera con frecuencia que la corriente , y
el campo elctrico estan relacionados, por lo tanto la ley OHM , = G.1,
en donde G es la conductividad elctrica, y se considera constante. Muestre
que un medio sin carga j = 0 las tres componentes de 1 y H satisfacen la
ecuacin de onda amortiguada
c
2
\
2
c = c
tt

G
"
c
t
, donde c = (j-)
2
Ejemplo: Una forma vectorial dependiente del tiempo de las ecuaciones
de Maxwell para el vector de campo elctrico 1 y el vector de campo mag-
ntico H, en un medio homogneo no conductor (, = 0) libre de fuentes
(j = 0) es
a) rot 1 = \1 = j
@H
@t
b) rot H = \H = -
@H
@t
c) oiv 1 = \.1 = \.H = 0
En donde la permeabilidad magntica j y la permitividad elctrica - se
consideran constantes.
50 2. MODELACIN MATEMTICA
Mostremos que las tres componentes cartesianas de 1 y de H satisfacen
ecuaciones de onda;
Tomemos el rotacional de la ecuacin (a)
j
@
@t
(\ H) = \ (\ 1) = \.( \.1) = \
2
1 en donde \
2
es un
vector cuyas componentes cartesianas son el Laplaciano de las componentes
correspondientes de 1, es decir \
2
1 = (\
2
1
1
, \
2
1
2
, \
2
1
3
); en donde 1 =
(1
1
, 1
2
, 1
3
) ahora, por las ecuaciones (b) y (c), anteriores, puede escribirse
as;
c
2
\
2
1 =
@
2
E
@+2
, en donde c = (j-)

1
2
La misma ecuacin vectorial puede obtenerse para H tomando primero
el rotacional de la ecuacin (b), estas ecuaciones con ecuaciones de onda con
la interesante propiedad de que la rapidez de onda c es igual para ambas
ecuaciones 1 y H.
Algunos operadores importantes en la fsica matemtica
El operador nabla se dene como \ =
_
0
0r
1
,
0
0r
2
, ...
0
0r
n
_
. El operador
\ actua sobre un campo escalar y por consiguiente el resultado es un campo
vectorial; por ejemplo, sea n(r, j, .) un campo escalar que puede representar
la temperatura de una platina con volumen \ que se encuentra en el espacio
+
3
. Al aplicar el operador \ sobre n tenemos \n =
_
0n
0r
,
0n
0j
,
0n
0.
_
.
El operador divergencia se dene como oiv =
0
0r
1

0
0r
2
...
0
0r
n
. El
operador actua sobre un campo vectorial.

1 = (1
1
, 1
2
, ..1
n
) . Si

1 representa
un ujo de un uido, entonces la divergencia representa la tasa de expansin
por unidad de volumen bajo el ujo del uido. Si oiv

1 =
01
1
0r
1

01
2
0r
2

...
01
n
0r
n
< 0 entonces el uido se esta comprimiendo, cuando es mayor que
cero se est expandiendo y si vale cero oiv

1 = 0 el uido es incompresible.
La divergencia es el ujo de un campo vetorial por unidad de volumen
oiv

1 = lim
V !0
_
S

1do
donde o es una supercie cerrada que se reduce a un punto en el lmite.
3.7. Problemas bien puestos. El concepto de Planteamiento Cor-
recto de problemas matemticos fue formulado por Hadamar para el analsis
de diferentes problemas de la sca matemtica.
La solucin de cualquier problema consiste en la denicin del elemento
. (solucin del problema) dado ciertos datos de entrada, y se puede describir
asi:
3. ECUACIONES DIFERENCIALES 51
. = n (3.50)
donde es un operador que actua de los espacios 7 y l ( espacios lineales
normados).
El problema (2.50) se dice que esta BIEN PUESTO (Planteado Correc-
tamente, bien propuesto, bien colocado) en la pareja de espacios 7 y l si
se cumplen las siguientes condiciones:
1. Para cada n l la solucin del problema existe.
2. Para cada n l la solucin del problema es nica.
3. La solucin del problema depende continuamente de los datos de en-
trada (condicin de estabilidad).
Los problemas que no satisfacen estas condiciones se denominan Prob-
lemas Mal Puestos (Problemas Colocados No-Correctamente, Problemas
Mal Planteados).
UN TIP. Por lo tanto el problema dado por la ecuacin (2.50) es bien
puesto siempre y cuando en l este denido el operador
1
, el inverso de
, y sea continuo en l.
Example 1. Consideremos el siguiente ejemplo que describe la difusin
de un uido a travs de una columna lo sucientemente delgada de longitud
1.

_
a(r)n
0
(r)
_0
= )(r), 0 < r < 1 (3.51)
a(0)n
0
(0) = /
o
, a(1)n
0
(1) = /
1
(3.52)
El coeciente a(r) se llama coeciente de difusin. El problema inverso con-
siste en la identicacin del coeciente de difusin a(r) a travs de la in-
formacin suplementaria sobre n(r); donde n(r) representa la concentracin
del uido en el momento r; .la funcin )(r) es una fuente externa.
Example 2. El problema de contorno para la ecuacin de difusin en
un tubo vaco, o en un tubo lleno de un medio , suponiendo que en todo
momento de tiempo la concentracin del gas (de la solucin) es igual en
cada seccin. Entonces, el proceso de difusin puede ser descrito mediante
la EDP
cn
t
= (/(r)n
x
)
x
n ) (3.53)
n(0, t) `
1
n
x
(0, t) = j
1
(t) (3.54)
n(|, t) `
2
n
x
(|, t) = j
2
(t) (3.55)
n(r, 0) = ,(r) (3.56)
Los coecientes que aparecen en la ecuacin son conocidos y como es sabido
son las caracterticas del proceso. Cuando estos coecientes son dados, al
resolver el problema directo se encuentra la funcin n(r, t). Sin embargo en
muchos problemas reales algunas de estas caractersticas del medio no son
52 2. MODELACIN MATEMTICA
conocidas, pero de la experimentacin se puede encontrar informacin acerca
de la concentracin bien sea en un intervalo de tiempo medido en un punto
r

. Por ejemplo, todos los coecientes y las funciones , que denen la solu-
cin se conocen salvo el coeciente de difusin / = /(r). Experimentalmente
se dene la funcin q(t) = n(r
o
, t), que es la concentracin en cierto punto
interior del medio. De esta manera aparece el siguiente problema Inverso:
determinar el coeciente de difusin /(r), si se da la funcin suplementaria
q(t). Es claro que se pueden denir otros problemas Inversos.
3.8. Bibliografa.

You might also like