Diferencia entre revisiones de «Ecuación del calor LAJS»

Revisión del 13:52 4 abr 2026

1 Introducción

El objetivo de este trabajo será dibujar diferentes soluciones de la ecuación del calor en una dimensión, lo que nos ayudará a tener una idea más gráfica e intuitiva sobre las soluciones de este problema que hemos estudiado en clase.

2 Planteamiento del problema

Comenzamos considerando una varilla metálica que ocupa el intervalo [math][0, 1][/math] y que se encuentra aislada por su superficie lateral, de forma que la conducción de calor únicamente ocurre en dirección longitudinal. La temperatura inicial de la varilla será de [math]10ºC[/math]. En el extremo derecho la temperatura se mantiene en [math]10ºC[/math], mientras que en el izquierdo la temperatura es siempre de [math]1ºC[/math]. Por tanto, si consideramos las constantes de conductividad térmica y calor específico iguales a uno, la ecuación que modeliza nuestro problema queda [math]u_t - u_{xx}=0, \quad x \in (0,1), \ t \gt 0[/math], sujeta a las condiciones de contorno [math]u(0,t) = 1[/math] (extremo izquierdo) y [math]u(1,t) = 10[/math] (extremo derecho). Por último, la condición inicial será [math]u(x,0) = 10 \quad \forall x \in [0,1][/math]. El sistema de EDPs que modeliza nuestro problema queda:

[math]\begin{cases} u_t - u_{xx}=0 & \text{en } (0,1) \times (0, \infty) \\[10pt] u(0,t) = 1 & t \gt 0 \\[5pt] u(1,t) = 10 & t \gt 0 \\[5pt] u(x,0) = 10 & x \in [0,1] \end{cases}[/math]

En cuanto a la ecuación del estado estacionario, sabemos que ocurre al suponer [math]t \to \infty [/math] y que por tanto la solución ya no varía en tiempo, es decir, cuando [math] u_t \sim 0 [/math]. Entonces el problema para la solución estacionaria es

[math]\begin{cases} - v_{xx}=0 & \text{en } (0,1) \\[10pt] v(0) = 1 \\[5pt] v(1) = 10 \end{cases}[/math]

Lo que nos da una EDO que se resuelve fácilmente y se llega a la solución [math] v(x)=9x+1 [/math]. En la siguiente imagen podemos ver la gráfica de esta solución, que representa la temperatura que observaríamos si dejáramos pasar mucho tiempo bajo las condiciones descritas.

• 

  Visualización de la solución estacionaria

3 Solución del problema y visualización

A continuación hallamos la solución al problema original, que lo haremos por el método de separación de variables. La forma de resolverlo es considerando la solución como la suma del estado estacionario y una solución transitoria [math]w(x,t)[/math] que cumple condiciones de contorno, es decir, [math]u(x,t) = v(x) + w(x,t)[/math]. La parte [math]w(x,t)[/math] se calcula mediante la serie de Fourier [math]w(x,t) = \sum_{n=1}^{\infty} b_n e^{-(n\pi)^2 t} \sin(n\pi x)[/math], donde los coeficientes [math]b_n[/math] se calculan a partir de la condición inicial [math]w(x,0) = u(x,0) - v(x) = 10 - (9x + 1) = 9 - 9x[/math]. La solución final a nuestro problema es:

[math]u(x,t) = (9x + 1) + \sum_{n=1}^{\infty} \left( \frac{18}{n\pi} \right) e^{-(n\pi)^2 t} \sin(n\pi x)[/math]

4 Construcción con serie de Fourier real

Para [math]x \in [-1, 1][/math], definimos la función [math]f_{\sigma}(x)[/math] mediante la siguiente expresión:

[math]f_{\sigma}(x) = \frac{a_0}{2} + \sum_{n=1}^{N} [a_n \cos(\pi n x) + b_n \sin(\pi n x)][/math]

4.1 Propiedades de los coeficientes

Como vimos en el anterior trabajo, podemos elegir los coeficientes de Fourier de forma aleatoria. Los coeficientes [math]a_n[/math] y [math]b_n[/math] se considerarán variables aleatorias independientes siguiendo una distribución simétrica (con media cero). Los ejemplos para este trabajo, igual que en el anterior serán:

• Distribución Uniforme: [math]a_n, b_n \sim \mathcal{U}[-c_n, c_n][/math]
• Distribución Normal: [math]a_n, b_n \sim \mathcal{N}(0, \sigma_n^2)[/math]

4.2 Función acotada

Para garantizar que la función sea acotada, es decir, que [math]|f_{\sigma}(x)| \leq M[/math], se pueden seguir dos enfoques:

1. Normalización: Elegir coeficientes acotados y aplicar un proceso de normalización.
2. Suma de coeficientes pequeños: Aprovechar el hecho de que una suma de senos y cosenos con coeficientes suficientemente pequeños produce funciones acotadas.

5 Ecuación del calor y solución con dato inicial [math]f_{\sigma}[/math]

Consideramos el problema de Cauchy en [math]\mathbb{R}[/math]:

[math]\begin{cases} u_t = u_{xx}, \\ u(x,0) = f_{\sigma}(x), \end{cases} x \in \mathbb{R}, t \gt 0,[/math]

con [math]f_{\sigma}[/math] de soporte en [math](-1, 1)[/math]. La solución viene dada por la convolución con la solución fundamental de la ecuación del calor:

[math]u(x,t) = \int_{-\infty}^{\infty} G(x - y, t) f_{\sigma}(y) \, dy, \quad G(z,t) = \frac{1}{\sqrt{4\pi t}} e^{-z^2/(4t)}.[/math]

6 Promedio de la temperatura en [math]x = 0[/math] a lo largo del tiempo

Calculamos la esperanza matemática de la temperatura, fijando [math] x=0 [/math]. Por las propiedades de la esperanza,

[math]\mathbb{E}[u(0,t)] = \int_{-\infty}^{\infty} G(-y, t) \mathbb{E}[f_{\sigma}(y)] \, dy = 0,[/math]

porque [math]\mathbb{E}[f_{\sigma}(y)] = 0[/math] (los coeficientes tienen media cero). Por tanto, la temperatura esperada en [math]x = 0[/math] es nula para todo [math]t \gt 0[/math].