Fundamentos Matemáticos

del Método de los Elementos

Finitos

Francisco Periago Esparza

Dpto. Matemática Aplicada y Estadística
Universidad Politécnica de Cartagena
Email: [email protected]

Uno de los métodos numéricos más utilizados actualmente tanto a nivel pro-
fesional en empresas de ingeniería como a nivel de investigación en escuelas de
ingeniería y facultades de matemáticas es el Método de los Elementos Finitos
(MEF para abreviar). Este método fue desarrollado a partir de la década de los
años 40 independientemente por investigadores matemáticos e ingenieros. Estos
últimos interesados básicamente en problemas de cálculo de estructuras. Muy
rápidamente, el método fue aplicado en otros muchos campos de la ingeniería ta-
les como la difusión de calor o la mecánica de fluidos. El desarrollo del MEF
coincidió además en el tiempo con otros dos avances que sin duda han marcado
gran parte del camino de la investigación en matemáticas desde los años 40 y que
están muy estrechamente ligados al MEF. Por un lado, el nacimiento de la Teoría
de las Distribuciones permitió el inicio del estudio de las Ecuaciones en Derivadas
Parciales (EDP) a partir del concepto de solución débil, que como veremos más
adelante en estas notas, es el concepto de solución que se utiliza en el MEF. Por
otro lado, el rápido avance de los ordenadores posibilitó el desarrollo del Análisis
Numérico, rama ésta de las matemáticas que se encontraba sin duda en un período
de estancamiento bastante profundo. La conjunción de estos dos factores junto
con el enorme interés que la simulación numérica de modelos matemáticos tiene
en ingeniería han ido colocando al MEF en un lugar muy destacado tanto en el
mundo de la matemática aplicada como de la ingeniería.
En estas notas trataremos de proporcionar las ideas matemáticas básicas en
que se fundamenta el MEF. Empezaremos por deducir a partir de algunas leyes

1
2 Fundamentos Matemáticos del MEF

físicas apropiadas algunos modelos matemáticos sencillos pero que son de un gran
interés en campos tales como la mecánica de fluidos, la difusión de calor, y la
elasticidad lineal. Aunque los fenómenos físicos estudiados son de una naturaleza
completamente distinta, las Matemáticas involucradas son esencialmente las mis-
mas, lo cual pone de manifiesto el enorme poder del lenguaje matemático. Veremos
que dichos modelos se componen de una ecuación (escalar o vectorial) en derivadas
parciales, en la que la incógnita es precisamente el estado del sistema objeto de
estudio; dicha ecuación vendrá acompañada de una o varias condiciones de con-
torno que son datos de nuestro problema y que representan el estado del mismo
sobre su frontera. Todo ello, es decir, la ecuación diferencial y sus condiciones de
contorno forman lo que llamamos un modelo matemático. Nos centraremos aquí
al estudio de sistemas estacionarios, aunque también contemplaremos brevemente
en la parte final el caso de sistemas dependientes del tiempo.
Seguidamente nos ocuparemos del análisis matemático de dichos modelos. Ello
nos forzará al estudio de dichos sistemas siguiendo el llamado Método Variacional
para cuyo desarrollo riguroso necesitaremos de la ya mencionada Teoría de las
Distribuciones. Todos estos prerrequisitos nos permitirán entender de manera
clara un nuevo concepto de solución de una ecuación diferencial: el concepto de
solución débil. Los elementos básicos del análisis matemático de cualquier modelo
(existencia de solución, unicidad de la misma, y dependencia continua de dicha
solución con los datos del problema) los obtendremos entonces como consecuencia
de uno de los grandes teoremas de esta disciplina: el Teorema de Lax-Milgram.
A continuación nos ocuparemos del cálculo numérico de las soluciones débiles
de nuestros modelos matemáticos. Es ahora cuando entra en escena propiamente
el MEF. En dicho método nos encontramos con un ejemplo muy ilustrativo de
cómo a veces los métodos teóricos usados en el análisis matemático de un mo-
delo (en el caso que nos ocupa el Método Variacional) iluminan el desarrollo del
correspondiente algoritmo numérico de cálculo de la solución. A través de los
modelos matemáticos que consideraremos en estas notas y a partir siempre del
Método Variacional mostraremos las ideas básicas en que se fundamenta el MEF.
Presentaremos también algunas simulaciones numéricas obtenida con el código de
elementos finitos de Matlab de algunos de los modelos considerados.
Finalmente, analizaremos la formulación con elementos finitos de un modelo
sencillo de EDP donde interviene como variable el tiempo.

1 Modelización Matemática
En esta primera parte deduciremos, a partir de algunas leyes físicas apropiadas,
algunos modelos matemáticos que aparecen en mecánica de fluidos, difusión de
calor, y elasticidad lineal. Por una cuestión de brevedad de esta notas, no entra-
remos en detalle en la deducción de estos modelos. Remitimos al lector interesado
a las referencias aquí incluidas.
Fundamentos Matemáticos del MEF 3

1.1 Mecánica de Fluidos

El comportamiento de los fluidos (líquidos, gases y plasmas) se modeliza mate-
máticamente por medio de un sistema de tres ecuaciones en derivadas parciales no
lineales que constituyen las famosas ecuaciones de Navier-Stokes, deducidas por
Navier (hacia 1827) para el caso de fluidos incompresibles , y por Stokes (1845)
para el caso general. Para una deducción completa de estas ecuaciones a partir de
las leyes de conservación de la Mecánica Clásica puede consultarse [10]. No entra-
remos aquí a analizar dichas ecuaciones. Nos limitaremos a presentar un modelo
simplificado pero suficientemente ilustrativo.
Supongamos que deseamos estudiar el movimiento de un fluido (por ejemplo
un líquido) que se mueve en el interior de un determinado sólido (una tubería, por
ejemplo). Denotemos por Ω la región ocupada por el fluido, y por Γ el sólido que
lo encierra. Matemáticamente, supondremos que Ω es un conjunto acotado de R3
y que Γ es una superficie regular. Sea V : Ω → R3 el campo de velocidades del
fluido que, para no complicar demasiado las cosas, supondremos estacionario, esto
es, V = V (x, y, z) sólo depende de la posición y no del tiempo. En la figura que
sigue representamos un fluido moviéndose en el interior de una tubería cilíndrica.

Ω V
Γ

Supongamos que nuestro fluido es incompresible (los líquidos son de este tipo)
lo cual matemáticamente se expresa a través de la ecuación

div V = 0. (1)

Supongamos ahora que nuestro fluido es irrotacional, esto es, rot V = 0 lo cual
equivale a la existencia de un campo escalar u : Ω → R, de clase C 1 , que satisface
que V = ∇u. Por tanto,
V = ∇u. (2)
Combinando (1) y (2) obtenemos la ecuación div (∇u) = ∆u = 0, donde

∂2u ∂2u ∂2u

∆u = + 2 + 2
∂x2 ∂y ∂z
es el Laplaciano de u.
En este tipo de problemas necesitamos conocer el comportamiento del fluido
sobre Γ; es lo que llamamos una condición de contorno. Existe una gran variedad
de condiciones de contorno dependiendo del tipo de problema que estemos estu-
diando. Así, por ejemplo, si conocemos el flujo que escapa por el sólido donde está
confinado el fluido, matemáticamente esta condición se escribe en la forma
∂u
= ∇u · n =g,
∂n
4 Fundamentos Matemáticos del MEF

donde g : Γ → R es una función conocida, y n es el vector normal unitario exterior

a Γ. Con todo ello tenemos ya completo nuestro modelo matemático. Se trata de
encontrar una función u : Ω → R que satisfaga (en algún sentido que precisaremos
más adelante) las condiciones
½
∆u = 0 en Ω
∂u
∂n = g sobre Γ

1.2 Difusión de Calor

Sin entrar en detalles sobre su deducción, un modelo matemático simplificado
(como de hecho son todos los modelos) para el problema de difusión de calor en
regimen estacionario en una región Ω donde se asume una generación interna de
calor respresentada por la función f (x) y donde también se tiene en cuenta un
intercambio térmico con el medio que rodea a nuestra región Ω y que se supone
está a temperatura g (x) es
½
−div (κ (x) ∇u (x)) = f (x) en Ω
∂u
u + ∂n =g sobre Γ

donde κ = κ (x) > 0 depende de las propiedades físicas del material del que está
constituida nuestra barra y se denomina conductividad térmica. Por su parte u (x)
representa la temperatura y es la incógnita de nuestro problema.

1.3 Elasticidad Lineal

En esta sección nos ocuparemos del estudio de la flexión de sólidos que tienen
un comportamiento elástico lineal. Las ecuaciones que modelizan este tipo de
fenómenos se obtienen a partir de las leyes de conservación de la Mecánica Clásica
(conservación de la masa, de la cantidad de movimiento, y del momento angular),
y de una ley constitutiva propia de este tipo de medios: la ley de Hooke. No
entraremos en detalle en este tipo de cuestiones. Para un estudio más detallado se
recomienda [5]. Nos limitaremos pues a enunciar las ecuaciones de equilibrio para
algunos casos sencillos.
Un modelo matemático sencillo para el estudio de la flexión de una membrana
elástica Ω (matemáticamente, Ω ⊆ R2 un dominio acotado), sujeta en el borde,
sobre la que actúa una fuerza vertical f : Ω → R y que produce un desplazamiento
(también en la dirección vertical) u : Ω → R es
( ³ 2 2
´
− µ ∂∂xu2 (x, y) + (λ + 2µ) ∂∂yu2 (x, y) = f (x, y) , (x, y) ∈ Ω
u (x, y) = 0, (x, y) ∈ Γ

donde λ, µ > 0 son dos constantes que dependen del tipo de material y se deno-
minan coeficientes de Lamé, y Γ es el borde de Ω.
Fundamentos Matemáticos del MEF 5

La versión uno-dimensional de este problema consiste en estudiar la flexión de

una cuerda elástica (pongamos de longitud L), sujeta en los extremos y sobre la
que actúa una fuerza vertical f.

f
0 x L

u(x)

Cuerda elástica sujeta en los extremos.

En este caso, el modelo matemático a resolver es

½ 0
− (κu0 ) = f en ]0, L[
(PM)
u (0) = u (L) = 0

donde por simplicidad hemos escrito κ = λ + 2µ.

Como hemos podido comprobar a lo largo de esta sección, muchas de las ecua-
ciones de la Mecánica de Fluidos, la Difusión de Calor y la Elasticidad Lineal son
esencialmente las mismas.

2 Análisis Matemático: el Método Variacional

Nos ocuparemos a continuación del análisis matemático del tipo de modelos des-
critos en la sección anterior. Son muchas las propiedades matemáticas que se
pueden estudiar de un modelo dado. Hay, sin embargo, tres de ellas que es obliga-
do contemplar: la existencia de solución, su unicidad, y la dependencia continua
de la solución respecto de los datos del problema. En caso de obtener una respues-
ta afirmativa a cada una de las tres cuestiones anteriores decimos que el modelo
matemático está correctamente planteado.

2.1 Hacia un Nuevo Concepto de Solución de una Ecuación

Diferencial
Consideremos el modelo matemático para la flexión de una cuerda elástica que
recordemos está dado por
½
− (κu0 )0 = f en ]0, L[
(PM)
u (0) = u (L) = 0

Supongamos ahora que la fuerza que actúa sobre la cuerda está localizada en
un único punto x = L/2. Es evidente que la cuerda adopta la forma dada en el
siguiente gráfico.
6 Fundamentos Matemáticos del MEF

L/2

Pero una función como la dada en este gráfico no es derivable en x = L/2. Por
0
tanto, una tal función no puede ser solución de la ecuación − (κu0 ) = f en ]0, L[ ,
al menos en sentido clásico, es decir, en el sentido de ser u dos veces derivable
en cada punto del intervalo abierto ]0, L[ y verificando la ecuación diferencial en
dicho intervalo. Este sencillo ejemplo muestra que es necesario entender mejor el
concepto de solución de una ecuación diferencial.

¿Qué se puede hacer entonces?

Consideremos de nuevo el problema de la cuerda y tratemos de analizar dicho

problema bajo otro punto de vista. Si la fuerza f produce un desplazamiento
virtual v (x) en el punto x, entonces el trabajo virtual producido por f (x) es
f (x) v (x) , con lo cual el trabajo ejercido por f a lo largo de toda la cuerda viene
dado por
Z L
f (x) v (x) dx.
0
Decimos desplazamiento virtual porque se trata de un despazamiento no real;
el desplazamiento real que produce f es u. Lo mismo es aplicable para el trabajo
virtual. Procediendo de la misma forma en el término de la izquierda de la ecuación
0
− (κu0 ) = f e integrando por partes,
Z L Z L
0
− (κ (x) u0 (x)) v (x) dx = κ (x) u0 (x) v 0 (x) dx
0 0

ya que estamos suponiendo que v (0) = v (L) = 0. Este proceso transforma la

0
ecuación diferencial − (κu0 ) = f en la ecuación integral
Z L Z L
0 0
κ (x) u (x) v (x) dx = f (x) v (x) dx. (3)
0 0

Por tanto, podemos pensar en una solución de (PM) como una función u : [0, L] →
R, con u (0) = u (L) = 0, la cual satisface (3) para todos los posibles desplaza-
mientos v tales que v (0) = v (L) = 0. Una de las principales ventajas de este
procedimiento es que de esta forma reducimos el número de requerimientos que
sobre derivabilidad ha de satisfacer u. Sin embargo, aún quedan dos puntos prin-
cipales que no están claros en absoluto:

(1) u debe ser al menos una vez derivable, pero éste no es el caso cuando f es
una carga concentrada en un punto,
Fundamentos Matemáticos del MEF 7

(2) si la carga está localizada en x = L/2 (es decir, f (x) = 0 para todo 0 ≤ x ≤
RL
L, x 6= L/2), entonces 0 f (x) v (x) dx = 0 con lo cual u = 0 satisface (7),
en contradicción con la experiencia física.

Estos dos hechos muestran que es preciso entender mejor la forma de tratar
matemáticamente con el concepto de carga localizada en un punto. En una primera
aproximación, supongamos que la carga está distribuida en una pequeña porción
alrededor del punto x = L/2, esto es,
½ L L
1/ (2ε) , 2 −ε≤x≤ 2 +ε
fε (x) =
0, en caso contrario

para algún ε > 0 pequeño. El trabajo producido por esta carga produciendo un
desplazamiento v viene ahora dado por
Z L Z L
2 +ε v (x)
fε (x) v (x) dx = dx = v (ξ ε ) ,
0 L
2 −ε
2ε

donde L2 − ε ≤ ξ ε ≤ L2 + ε, y la igualdad es debida al teorema de la media

del Cálculo Integral. Tomando ahora límites para ε → 0 y suponiendo que v es
continua concluimos que el trabajo producido por una carga concentrada en el
punto L/2 y produciendo un desplazamiento v vale v (L/2) . Por tanto, una forma
de tratar matemáticamente con el concepto de carga localizada en un punto x0 es
por medio de una aplicación, llamémosla δ x0 , la cual actúa sobre una cierta clase
de funciones y produce números siguiendo la regla

δ x0 : v 7→< δ x0 , v >=def v (x0 ) .

Este fue el origen de la Teoría de las Distribuciones desarrollada por el matemático

francés Laurent Schwartz en la década de los años 40, y por la que recibió en 1950
el premio de más prestigio con que puede ser galardonado un matemático: la
medalla Fields.

2.2 Introducción a la Teoría de Distribuciones y Espacios de

Sobolev
En esta sección introduciremos las nociones mínimas sobre teoría de distribuciones
que son necesarias para definir los espacios de Sobolev, los cuales juegan un papel
esencial en el Método Variacional y por consiguiente en el Método de los Elementos
Finitos. Para un estudio más en profundidad del tema se recomienda [3, 9]. En
esta sección y en las que siguen supondremos que Ω ⊆ Rn , n = 1, 2, 3, es un
conjunto acotado cuya frontera Γ es una curva de clase C 1 a trozos si n = 2, y una
superficie regular a trozos si n = 3. Trabajaremos sin embargo la mayor parte del
tiempo en el caso n = 1 donde Ω = ]a, b[ será un intervalo acotado. Supondremos
8 Fundamentos Matemáticos del MEF

también conocidos los elementos básicos de la teoría de espacios de Hilbert, en

particular, se supondrán conocidas las propiedades básicas del espacio
½ Z ¾
L2 (Ω) = f : Ω ⊆ Rn → R : f 2 (x) dx < ∞ .
Ω

Este espacio juega un papel destacadísimo tanto en Matemáticas como en Física e

Ingeniería. Desde un punto de vista matemático, L2 (Ω) equipado con el producto
escalar y la norma
Z µZ ¶1/2
2
< f, g >L2 = f (x) g (x) dx, kf kL2 = f (x) dx , f ∈ L2 (Ω) ,
Ω Ω

es un Hilbert (con todo lo que eso significa! ). Bajo la óptica de la Física y la

Ingeniería, L2 (Ω) es donde se agrupan buena parte de las magnitudes físicas que
tienen energía finita.

2.2.1 Definición de Distribución. Ejemplos

Al igual que en la sección anterior, x = (x1 , · · · , xn ) denotará un punto genérico
de Ω. Dada una función continua ϕ : Ω → R, llamaremos soporte de ϕ, denotado
sop ϕ, al conjunto
sop ϕ = {x ∈ Ω : ϕ (x) 6= 0}.
Por D (Ω) denotaremos al espacio de las funciones test ϕ : Ω → R que son de clase
C ∞ y con soporte compacto contenido en Ω. En la gráfica que sigue se muestra el
aspecto típico de una función test en el caso n = 2.

Definición 1 Dada una sucesión (ϕm )m∈N ⊂ D (Ω) , diremos que dicha sucesión
converge en el sentido del espacio D (Ω) a una función ϕ ∈ D (Ω) si se verifican
las siguientes propiedades:

(i) Existe un compacto K ⊂ Ω tal que sop ϕm ⊆ K para todo m ∈ N.

Fundamentos Matemáticos del MEF 9

(ii) Tanto ϕm como todas sus derivadas parciales de cualquier orden convergen
uniformemente sobre Ω.
Definición 2 Llamaremos distribución sobre Ω a toda aplicación lineal
u : D (Ω) → R
ϕ ; < u, ϕ >
tal que si (ϕm )m∈N ⊆ D (Ω) converge a ϕ ∈ D (Ω) , en el sentido del espacio D (Ω) ,
entonces
lim < u, ϕm > = < u, ϕ > .
m→∞
0
Denotaremos por D (Ω) al espacio de todas las distribuciones sobre Ω.
Ejemplo 1 Dada f ∈ L2 (Ω) , no es difícil comprobar que la aplicación
uf : D (Ω) → R R
ϕ ; < uf , ϕ > = Ω f ϕ
es una distribución sobre Ω.
Ejemplo 2 Dado x0 ∈ Ω, se llama distribución Delta de Dirac centrada en x0 a
la aplicación
δ x0 : D (Ω) → R
ϕ ; < δ x0 , ϕ > = ϕ (x0 )
Por supuesto, la aplicación anterior define una distribución.
Nótese cómo la definición de la delta de Dirac recoge las ideas intuitivas so-
bre este concepto que hemos considerado anteriormente para el caso de cargas
puntuales.

2.2.2 Cálculo con Distribuciones. La Derivada de una Distribución

Para motivar la definición de derivada de una distribución, supongamos que f ∈
C 1 (]a, b[) y que ϕ ∈ D (]a, b[) . Como f 0 ∈ C (]a, b[) , podemos considerar f 0 como
distribución y por tanto, integrando por partes se tiene que
Z b Z b
0 0
< f , ϕ >= f (x) ϕ (x) dx = − f (x) ϕ0 (x) dx = − < f, ϕ0 >,
a a

ya que ϕ (a) = ϕ (b) = 0. La identidad < f 0 , ϕ > = − < f, ϕ0 > sigue teniendo
sentido si se sustituye f por una distribución cualquiera u ∈ D0 (]a, b[) . Este hecho
es el que inspira la siguiente definición.
∂u
Definición 3 Sea u ∈ D0 (Ω). Se define la derivada parcial ∂xi , 1 ≤ i ≤ n, como
la distribución
∂u
∂xi : D (Ω) → R
∂u ∂u .
ϕ ; < ∂xi , ϕ > = − < u, ∂x i
ϕ>
10 Fundamentos Matemáticos del MEF

Ejemplo 3 Aplicando la definición anterior de distribución se puede comprobar

que la derivada distribucional de la función de Heaviside

 1 si x ≥ 0
H (x) =

0 en caso contrario
es δ 0 , la delta de Dirac centrada en cero.

2.2.3 Espacios de Sobolev

Definición 4 Se llama espacio de Sobolev H 1 (Ω) al espacio de las funciones u ∈
L2 (Ω) cuyas derivadas parciales (en el sentido de las distribuciones) pertenecen a
L2 (Ω) , esto es,
½ ¾
∂u
H 1 (Ω) = u ∈ L2 (Ω) : ∈ L2 (Ω) , 1 ≤ i ≤ n .
∂xi
El espacio H 1 (Ω) dotado del producto escalar
n
X ∂u ∂v
< u, v >H 1 =< u, v >L2 + < , >L2
i=1
∂xi ∂xi

del cual deriva la norma

à n ° ° !1/2
X ° ∂u °2
kukH 1 = kuk2L2 + ° °
° ∂xi ° 2
i=1 L

es un espacio de Hilbert.
Otro espacio de Sobolev que resulta también muy útil en el estudio de proble-
mas de contorno es H01 (a, b) que se define como
© ª
H01 (Ω) = u ∈ H 1 (Ω) : u|Γ = 0 .
No entraremos en detalles sobre las propiedades de estos espacios que sin em-
bargo son cruciales en el Método Variacional. El lector interesado deberá acudir
por ejemplo a [2, 3, 8].

2.3 Formulación Variacional. El Teorema de Lax-Milgram

Aunque no es sencillo, se puede demostrar que la Delta de Dirac, definida en prin-
cipio sobre el espacio de funciones test D (]0, L[) , se puede extender a una forma
lineal y continua definida sobre H01 , esto es, δ x0 : H01 (0, L) → R. Las funciones
f de L2 también pueden ser consideradas como formas lineales y continuas sobre
H01 por medio de la identidad
Z
f : H01 → R, v 7→< f, v > =def f v.
Fundamentos Matemáticos del MEF 11

Estas nuevas ideas conducen a una nueva formulación de (PM). De manera

precisa, dada una forma lineal y continua f : H01 → R y la forma bilineal
Z L
a: H01 × H01 → R, (u, v) 7→ a (u, v) = κ (x) u0 (x) v 0 (x) dx,
0

una función u ∈ H01 se dice que es una solución débil de (PM) si la identidad

a (u, v) = < f, v >

se satisface para todo v ∈ H01 .

Todo lo anterior puede ser escrito de una forma más general (la cual es muy
útil en la práctica) de la siguiente forma:

Definición 5 (Problema Variacional) Dado un espacio de Hilbert (H, k·k) ,

una forma lineal y continua f : H → R, y una forma bilineal a : H × H → R,
por problema variacional abstracto entendemos el problema de encontrar u ∈ H
tal que
a (u, v) = < f, v > para todo v ∈ H. (PV)

A este elemento u ∈ H se le llama solución débil de (PV).

La existencia, unicidad, y dependencia continua respecto de los datos iniciales

de solución débil para (PV) se obtiene a través del Teorema de Lax-Milgram. La
demostración de este resultado puede encontrarse en [2, Corolario V.8, p. 84] y en
[3, T. 12.6, p. 224].

Teorema 1 (Lax-Milgram) Si la forma bilineal a (·, ·) es continua (es decir,

existe M > 0 tal que |a (u, v)| ≤ M kuk kvk para todo u, v ∈ H) y coerciva (esto
significa que existe m > 0 tal que a (u, u) ≥ m kuk2 para todo u ∈ H), entonces el
problema variacional (PV) tiene una única solución débil. Además,

1
kuk ≤ |kf k| ,
m

donde |kf k| =def sup {|< f, v >| , v ∈ H, kvk ≤ 1} .

Si además, a (·, ·) es simétrica (es decir, a (u, v) = a (v, u) ∀ u, v ∈ H), entonces
la solución débil u es el punto donde el funcional de energía

1
J : H → R, v 7→ J (v) = a (v, v) − < f, v >
2

alcanza su mínimo.
12 Fundamentos Matemáticos del MEF

2.4 Aplicación a la Resolución de Problemas de Contorno

Consideremos el problema modelo unidimensional (PM). La forma de proceder en
el Método Variacional es esencialmente la siguiente: supongamos que u es una
solución clásica de (PM). Si multiplicamos la ecuación diferencial por una función
v, que sea por ejemplo de clase C 2 , entonces
0
− (κu0 ) v = f v

e integrando ahora por partes en ]0, L[ ,

Z L Z L
L
− [κ (x) u0 (x) v (x)]0 + κu0 v0 = f v.
0 0

Si la función v satisface que v (0) = v (L) = 0, entonces obtenemos

Z L Z L
κu0 v0 = f v. (4)
0 0

Recuérdese también que en lugar de una función f ∈ L2 podríamos poner de

forma general una forma lineal y continua, llamémosla también f : H01 → R, y
cuya acción sobre una función v denotamos por < f, v > .

Definición 6 Se dice que u : [0, L] → R es una solución débil de (PM) si u ∈

H01 (]0, L[) y si
Z L
κu0 v0 dx = < f, v > ∀v ∈ H01 (]0, L[) , (5)
0

A esta formulación del problema (PM) se le llama formulación variacional o débil.

Las propiedades de existencia y unicidad de solución débil así como la depen-

dencia continua con los datos se obtienen como aplicación directa del Teorema
de Lax-Milgram haciendo uso de las propiedades de los espacios de Sobolev. Los
detalles pueden encontrarse en [7].

2.4.1 Interpretación Física de la Formulación Variacional: Principio de

los Trabajos Virtuales y Principio de Mínima Energía. Para poder inter-
pretar físicamente este tipo de formulación variacional, supongamos que u repre-
senta el desplazamiento vertical de una cuerda elástica sujeta en los extremos y
sobre la que actúa una fuerza, también en la dirección vertical, f . El término de la
derecha en la expresión (5) representa físicamente el trabajo virtual (pues el des-
plazamiento v no es el real) ejercido por f. Por su parte, el término de la izquierda
representa el trabajo, también virtual, de deformación interno. Recordemos que
en Elasticidad Lineal este trabajo se define como el producto de la tensión (en
nuestro caso, la tensión se corresponde con el término κu0 ) por la deformación (en
Fundamentos Matemáticos del MEF 13

este caso, la deformación virtual es v 0 ). Así pues, la identidad (5) exprime lo que
en Física se conoce con el nombre de Principio de los Trabajos Virtuales. Otra
interpretación física la obtenemos a través del funcional de energía
Z L
1 2
J (v) = κ (v 0 ) − < f, v >,
2 0

el cual, en el caso que nos ocupa, representa la energía potencial elástica del sistema
(esto es, energía interna de deformación menos energía potencial de las fuerzas
exteriores). Recordemos que, gracias al Teorema de Lax-Milgram, la solución débil
u es el punto donde esta energía se hace mínima. Haciendo uso del Principio de
Mínima Energía y escribiendo la ecuación de Euler-Lagrange asociada al funcional
de energía anterior, tras unos cálculos se puede comprobar que la condición J 0 (u) =
0 es equivalente a la ecuación diferencial
0
− (κu0 ) − f = 0,

que es la ecuación de estado de nuestro problema.

3 Análisis Numérico: el MEF

En esta sección intentaremos mostrar las ideas básicas subyacentes al Método de
los Elementos Finitos. Al igual que en la sección anterior, prescindiremos de los
detalles más técnicos y analizaremos con detalle únicamente el caso unidimensional
estacionario. Para un estudio más en profundidad se recomienda [8, 11].

3.1 Descripción del Método

En la sección anterior hemos visto que las soluciones débiles de nuestros problemas
de contorno habitan en espacios de Hilbert tales como H01 (0, L) . Es por tanto en
estos espacios donde debemos buscar si queremos encontrar dichas soluciones. La
principal dificultad radica en el hecho de que estos espacios son enormemente gran-
des. De manera precisa, H01 (0, L) es un espacio vectorial de dimensión infinita. La
idea básica del MEF consiste en aproximar estos espacios de Hilbert (llamémosles
genéricamente H) por algunos espacios apropiados de dimensión finita Hh , con h
un parámetro positivo, de modo que se cumplan las siguientes condiciones:

(a) Hh ⊆ H,

(b) en Hh podemos formular y resolver fácilmente el problema variacional, y de

esta forma encontrar una solución uh ∈ Hh , y

(c) cuando h & 0, Hh % H, o en otras palabras, limh→0 ku − uh k = 0, con u la

solución débil del problema variacional en el espacio H y uh la solución del
problema variacional en Hh .
14 Fundamentos Matemáticos del MEF

Veamos cómo funciona de manera concreta este método para el caso del proble-
ma (PM) considerado en la sección anterior. Por tanto, en lo que sigue tomaremos
H = H01 (0, L) .

3.1.1 Construcción de los Espacios de Aproximación Hh

Sean n ∈ N y h = L/ (n + 1) . El intervalo [0, L] puede ser descompuesto en la

forma
n
[
[0, L] = [ci, ci+1 ] , ci = ih, 0 ≤ i ≤ n.
i=0

Consideremos ahora el espacio

n o
Hh = v : [0, L] → R continua, v (0) = v (L) = 0 y v|[ci ,ci+1 ] ∈ P1

donde P1 denota el espacio de los polinomios de grado menor o igual que 1. Se

puede probar que Hh ⊆ H01 . En lo que respecta a la dimensión de Hh , la familia
de funciones
½
1 − |x−c
h ,
i|
ci−1 ≤ x ≤ ci+1
φi (x) =
0, en caso contrario

para 1 ≤ i ≤ n, son una base de Hh . Por tanto, dim(Hh ) = n.

1
φi

0 ci-1 ci ci+1 x
L

Una función φi de la base de Hh .

En la terminología del MEF, las funciones φi se denominan funciones de

forma. Los puntos ci = ih, 0 ≤ i ≤ n + 1, se llaman nodos, y los subintervalos
[ci, ci+1 ] junto con sus correspondientes funciones de forma se llaman elementos
finitos (en este caso, elementos finitos de Lagrange de grado 1).

Nota 1 La construcción del espacio Hh no es única. Otras muchas posibilidades,

de considerar por ejemplo polinomios de mayor grado, otro mallado del intervalo
o ambas, son igualmente válidas.
Fundamentos Matemáticos del MEF 15

3.1.2 Discretización del Problema Variacional en el Espacio Hh

El problema variacional (PM) en el espacio Hh se formula en los siguientes térmi-
nos: encontrar n
X
uh = uih φi ∈ Hh (6)
i=1

tal que la identidad

Z L
a (uh , vh ) =def κu0h vh0 dx = < f, vh > (7)
0

se cumpla para todo vh ∈ Hh . Recordemos que si f ∈ L2 , entonces < f, vh >=

RL
0
f vh , y si f es una Delta de Dirac en x0 , entonces < f, vh >= vh (x0 ) .
Todo lo que hemos de hacer pues es encontrar el vector
 1 
uh
 u2h 
 
U = .  (8)
 .. 
unh

ya que al ser las funciones φi conocidas, una vez calculado U tendremos la solución
aproximada uh . Nótese también que
n
X
uh (cj ) = uih φi (cj ) = ujh ,
i=1

es decir, las coordenadas del vector incógnita U, que hemos de calcular, son los
valores de la solución aproximada en los nodos.
Es evidente que si (7) se cumple para todo vh ∈ Hh , entonces también se
cumple en particular para las funciones de forma φi , 1 ≤ i ≤ n, de la base Hh .
Y recíprocamente, como Hh es un espacio vectorial y {φi }ni=1 una base de este
espacio, entonces si (7) se cumple para todo φi , 1 ≤ i ≤ n, entonces también se
cumple para todo vh ∈ Hh . De esta forma, la ecuación (7) se transforma en el
sistema de ecuaciones lineales algebraico
n
X ¡ ¢
uih a φi , φj = < f, φj >, 1≤j≤n
i=1

y teniendo en cuenta las propiedades de las funciones φi se obtiene



 a (φ1 , φ1 ) u1h + a (φ1 , φ2 ) u2h + 0 = < f, φ1 >

 · · · · · · · · · · · · · · · ··· ···
 ¡ ¢ i−1 ¡ ¢ i+1
i
0 + a φi , φi−1 uh + a (φi , φi ) uh + a φi , φi+1 uh + 0 = < f, φi >



 · · · · · ·¡· · · · · · · · · ¢ ··· ···

0 + a φn , φn−1 un−1 h + a (φn , φn ) unh = < f, φn >
16 Fundamentos Matemáticos del MEF

Escribimos este sistema en la forma

KU = F (9)

donde la matriz K, que en el lenguaje de los elementos finitos se llama matriz de

rigidez, está dada por
" Z L #
¡ ¢ 0 0
K = Kij = a φi , φj = κ (x) φi (x) φj (x) dx ,
0
n×n

U es el vector incógnita dado en (8), y F = [< f, φi >]1×n es el término inde-

pendiente del sistema. Para hacernos una idea de la estructura de la matriz de
rigidez K vamos a calcular los elementos de las dos primeras filas de dicha matriz.
Teniendo en cuenta la definición de las funciones de forma se tiene que

K11 = a (φ1 , φ1 )
Z L
= κ (x) φ01 (x) φ01 (x) dx
Z0 c1 Z c2 µ ¶µ ¶
11 −1 −1
= κ (x) dx + κ (x) dx
c0 hh c1 h h
Z c1 Z c2
1 1
= κ (x) dx + κ (x) dx,
h2 c0 h2 c1

K12 = a (φ1 , φ2 )
Z c1 Z c2 µ ¶
1 −1 1
= κ (x) 0dx + κ (x) dx
c0 h c1 h h
Z c2
1
= − 2 κ (x) dx,
h c1
y K13 = K14 = · · · = K1n = 0 ya que

sop φ1 ∩ sop φ3 = {c2 } , y sop φ1 ∩ sop φ4 = · · · = sop φ1 ∩ sop φn = ∅.

Recordemos que sop φi = [ci−1 , ci+1 ] es el soporte de la función de forma φi ,

1 ≤ i ≤ n. Con respecto a la segunda fila de la matriz de rigidez, se tiene

K21 = a (φ2 , φ1 ) = K12,

ya que la forma bilineal a (·, ·) es simétrica,

Z c2 Z c3
1 1
K22 = 2 κ (x) dx + 2 κ (x) dx,
h c1 h c2
Z c3
1
K23 = − 2 κ (x) dx,
h c2
Fundamentos Matemáticos del MEF 17

y al igual que antes K24 = K25 = · · · = K2n = 0. Observamos por tanto que la
matriz de rigidez presenta el siguiente aspecto
 
X X 0 0 ··· 0 0
 X X X 0 0 0 0 
 
 .. 
 0 X X X 0 0 . 
 
 
K =  0 0 ... ... ... 0 0 
 
 . .. .. 
 .. 0 0 . X . 0 
 
 0 0 0 0 X X X 
0 0 ··· 0 0 X X
donde por X denotamos elementos no nulos. Al tratarse de una matriz tridiagonal,
un método particularmente eficaz para resolver el sistema (9) es el de Gauss.
Nótese también que para calcular los elementos de la matriz de rigidez, y tam-
bién del término no homogéneo F hemos de calcular muchas integrales. El cálculo
de estas integrales también se lleva a cabo a través de métodos de integración nu-
mérica: trapecio, punto medio, Simpson,..., donde utilizaremos uno u otro método
dependiendo del tipo de funciones de forma que tengamos y también de las propie-
dades de las funciones κ y f que aparecen en dichas integrales. Una nueva mirada
al cálculo de los elementos de la matriz de rigidez K nos permite percatarnos que
de hecho muchas de estas integrales se repiten. Por ejemplo, en el cálculo de K11
y K12 se repite la integral Zc2
κ (x) dx.
c1
Esta repetición de cálculos supone un coste computacional que puede llegar a
desbordar, cuando se consideran muchos elementos finitos, la capacidad de cálculo
de los ordenadores. Hemos pues de intentar ser ordenados para facilitar el trabajo
al ordenador. En la práctica se suele proceder haciendo todos los cálculos sobre un
único elemento que se toma de referencia y luego esamblarlos todos en la matriz
de rigidez.

3.2 Simulación Numérica de Elementos Finitos con Matlab

En esta sección utilizaremos el código de elementos finitos de Matlab para calcular
de manera aproximada la solución débil del problema modelo unidimensional que
venimos analizando a lo largo de estas notas.
Como ejemplo ilustrativo, consideremos el problema modelo (PM) con carga
puntual localizada en el punto medio de la cuerda. El modelo matemático es
½
−u00 = −δ 1/2 en ]0, 1[
u (0) = u (1) = 0
donde −δ 1/2 es, con signo cambiado, la Delta de Dirac centrada en x = 1/2. Como
ya sabemos, la formulación variacional de este problema consiste en encontrar
18 Fundamentos Matemáticos del MEF

u ∈ H01 (0, 1) cumpliendo

Z 1
u0 (x) v 0 (x) dx = −v (1/2) ∀ v ∈ H01 (0, 1) .
0
La solución exacta de este problema es
 x
 −2, 0 ≤ x < 1/2
u (x) =
 x 1
2 − 2 , 1/2 ≤ x ≤ 1
En la gráfica que sigue se muestran la solución exacta u y dos aproximaciones
numéricas, obtenidas con Matlab, que se corresponden a tomar h = 0.33 y h = 0.1,
donde al igual que antes h = 1/(n+1) denota el tamaño de la partición del intervalo
[0, 1] .
0

exact
-0.05
h=0.33
h=0.1

-0.1

-0.15
u

-0.2

-0.25

-0.3

-0.35
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x

3.3 Control del Error en el MEF

Lo acontecido en la sección anterior (esto es, el conocer la solución exacta del
problema) no es precisamente lo que suele suceder en la práctica donde, utiliza-
mos elementos finitos para calcular la solución (que a priori desconocemos) de
un problema determinado. Hemos pues de disponer de resultados teóricos que nos
permitan tener una cierta fiabilidad de los resultados que obtenemos con elementos
finitos. Estos resultados sobre el control del error en el MEF no son en absoluto
fáciles de probar e involucran de nuevo aspectos nada triviales y de alto calado
matemático. A modo ilustrativo, recogemos a continuación un primer resultado
de convergencia del algoritmo MEF para el problema modelo (PM). Para más
detalles, [1, 8].
S
N
Teorema 2 Sea [0, L] = [ai , ai+1 ] y h = max (ai+1 − ai ) . Entonces
i=0 0≤i≤N

lim ku − uh kH 1 = 0.
h→0
Fundamentos Matemáticos del MEF 19

4 MEF para Problemas Evolutivos

Concluimos estas notas con una muy breve aproximación al cálculo con elementos
finitos de las soluciones de modelos que hacen intervenir de manera explícta la
variable temporal t. Nos limitaremos al caso de la ecuación del calor aunque un
análisis esencialmente análogo puede llevarse a cabo en otros modelos como es el
caso de la ecuación de ondas.
Consideremos el siguiente modelo para la ecuación del calor

 ρc ∂u
∂t − div (κ∇u) = f en Ω × (0, T )
u=0 en Γ × (0, T )

u (x, 0) = u0 (x) en Ω

donde ρ es densidad, c calor específico, κ conductividad térmica, f la fuente de

generación interna de calor, y u = u (x, t) es la temperatura.
La formulación variacional o débil de este problema consiste en encontrar una
función u = u (x, t) , que llamaremos solución débil del problema y que ha de
satisfacer:

(i) Para cada t > 0, u (·, t) ∈ H01 (Ω) ,

(ii) Para cada t > 0 y para cada φ ∈ H01 (Ω)
Z Z Z
d
ρcuφ dx + κ∇u · ∇φ dx = f φ dx, (10)
dt Ω Ω Ω

(iii) u (x, 0) = u0 (x) .

Para la aproximación por elementos finitos de la solución débil se consideran

el mismo espacio de aproximación Hh y las mismas funciones de forma {φi }1≤i≤n
que en el caso estacionario, y se busca la solución aproximada uh en la forma
n
X
uh (x, t) = uih (t) φi (x) .
i=1

Se formula entonces el problema variacional (10) en el espacio Hh y se concluye

que el vector incógnita  1 
uh (t)
 u2h (t) 
 
U (t) =  . 
 .. 
unh (t)
ha de ser solución del sistema de ecuaciones diferenciales ordinarias

 M dU
dt + KU = F


U (0) = (Ui (0) = u0 (xi ))
20 Fundamentos Matemáticos del MEF

donde · Z ¸
M = Mij = ρcφi φj
Ω n×n

se denomina matriz de masa,

" Z #
¡ ¢ L
K = Kij = a φi , φj = κ (x) ∇φi (x) ∇φj (x) dx ,
0
n×n

es la matriz de rigidez, F = [< f, φi >]1×n es el término independiente, y xi son

los nodos de la malla.
Con la resolución numérica del sistema de ecuaciones diferenciales ordinarias
anterior concluye el proceso.

Referencias
[1] A. Bermúdez de Castro, J. Durany, C. Moreno, P. Quintela, J. M. Viaño,
Notas del Curso Simulación Numérica en Ingeniería con Elementos Finitos,
Universidade de Santiago de Compostela, 1999.
[2] H. Brèzis, Análisis Funcional, Alianza Universidad Textos, 1984
[3] E. Casas, Introducción a las Ecuaciones en Derivadas Parciales, Servicio de
Publicaciones de la Universidad de Cantabria, 1992.
[4] M. Doblaré, L. Gracia, Fundamentos de la Elasticidad Lineal, Síntesis, 1998.
[5] G. Duvaut, Mécanique des Milieux Continus, Dunod, Paris, 1998.
[6] A. Liñán, Mecánica de Fluidos, Vol. 1, Publicaciones de la Escuela Técnica
Superior de Ingenieros Aeronáuticos, Universidad Politécnica de Madrid, 2000.
[7] F. Periago, A first step towards variational methods in engineering, Interna-
tional Journal of Mathematical Education in Science and Technology Vol. 34
No. 4, 549-559, 2003.
[8] P. A. Raviart, J. M. Thomas, Introduction à l’Analyse Numérique des Équa-
tions aux Dérivées Partielles, Masson, 1988.
[9] L. Schwartz, Théorie des Distributions, Paris Herman, 1950.
[10] J. L. Vázquez, Fundamentos Matemáticos de la Mecánica de Fluidos, Apuntes
curso de doctorado UAM, 1998.
[11] O. C. Zienkiewicz, R. L. Taylor, El Método de los Elementos Finitos, Vol. 1
y 2, McGraw-Hill, Barcelona, 1994.