EL MÉTODO DE ELEMENTOS FINITOS

APUNTE PARA ANÁLISIS NUMÉRICO

MARÍA GABRIELA ARMENTANO

DEPARTAMENTO DE MATEMÁTICA - FCEYN - UBA

Introducción

Las ecuaciones diferenciales nos permiten modelar diversos fenómenos de la fı́sica,

la biologı́a y la ingenierı́a, y en general No se puede obtener una solución analı́tica y
debermos recurrir a métodos numéricos.
Entre los métodos más utilizados y eficaces en la resolución numérica de ecuaciones
diferenciales en derivadas parciales se encuentra el método de elementos finitos
La idea del proceso se representa con el siguiente esquema:
ECUACION DIFERENCIAL (modelo que representa cierto fenómeno)
⇓
FORMULACIÓN DÉBIL EN UN ESPACIO ADECUADO (dim. infinita): Existencia
y unicidad de solución - regularidad de la solución.
⇓
FORMULACIÓN EN UN ESPACIO DE DIMENSIÓN FINITA: Mallas admisibles -
Elementos finitos adecuados - Convergencia y estimación de error
⇓
RESOLUCIÓN NUMÉRICA: Integración numérica - resolución de sistemas
Para comprender ese proceso nada mejor que empezar por un problema
unidimensional muy simple
Consideremos el problema (PC) de, dada f , hallar la función u(x) que sea solución de

−u′′ (x) + u(x) = f (x)


x ∈ (0, 1)
u(0) = u(1) = 0 (condición tipo Dirichlet)

en este caso podemos encontrar la solución análitica u (ya que es una ecuación lineal
de segundo orden con coeficientes constantes) pero eso no sucede en general ası́ que
vamos a ver otra forma de encarar el problema.
Multiplicamos la ecuación por una función “test” (o función de prueba) e integramos
por partes
1
 Z 1 Z 1 Z 1
′′
−u (x)v(x) dx + u(x)v(x) dx = f (x)v(x) dx
0 0 0
Z 1 Z 1 Z 1
′ ′ ′ ′
u (x)v (x) dx + u(x)v(x) − u (1)v(1) + u (0)v(0) = f (x)v(x) dx
0 0 0

Notemos que los términos de borde que aparecen no nos permiten incorporar el dato de
Dirichlet en forma natural, entonces pensamos en incorporarlo en el espacio de funciones
en los que vamos a buscar la solución (cuando tenemos que hacer esto la condición de
borde se llama ESENCIAL)
Asumimos f ∈ L2 (0, 1). Un espacio adecuado para esta formulación es el espacio de
Sobolev H01 (0, 1) = {v ∈ L2 (0, 1) : v ′ ∈ L2 (0, 1) y v(0) = v(1) = 0} (bien definido pues
en una dimensión las funciones de H 1 (0, 1) tienen representante continuo).
Formalmente se lo define como
∥·∥H 1 (0,1)
H01 (0, 1) = C0∞ (0, 1)
o sea el limite de funciones C ∞ con soporte en el [0, 1] con la norma de H 1
∥u∥2H 1 (0,1) = ∥u∥2L2 (0,1) + ∥u′ ∥2L2 (0,1)

Definimos V = H01 (0, 1). En este espacio el problema en su forma débil (PD) es: Hallar
u ∈ V tal que
Z 1 Z 1 Z 1
′ ′
u (x)v (x) dx + u(x)v(x) = f (x)v(x) dx, ∀v ∈ V
0 0 0

(PC) ⇒ (PD)
y si la solución es regular se puede volver del débil al clásico :)
Entonces, para resolver el problema numericamente aproximamos u por funciones uN
en un espacio de dimensión finita VN ⊂ V y resolvemos el problema discreto (PD).
Hallar uN ∈ VN tal que
Z 1 Z 1 Z 1
′ ′
uN (x)vN (x) dx + uN (x)vN (x) dx = f (x)vN (x) dx, ∀vN ∈ VN
0 0 0

método conocido como Método de Galerkin que, como VN es de dimensión finita

nos conduce a resolver un simple sistema lineal.
Esto es un método CONFORME pues lo estamos planteando en un subespacio del
espacio original asumiendo que las integrales involucradas son calculadas exactamente.

2
 Preguntas que surgen naturalmente

¿Que espacios de dimensión finita podrı́a tomar?

¿Tiene solución el sistema resultante?

¿Cuán bien aproxima la solución discreta a la solución

del problema continuo?
Vayamos dando un bosquejo de como responder estas inquietudes.

¿Que espacios de dimensión finita podrı́a tomar?

Aproximación por elementos finitos

Tomemos una partición del intervalo, 0 = x0 < x1 < · · · < xn = 1, y en cada

subintervalo [xi , xi+1 ] un polinomio de grado p, de manera que la construcción nos quede
en el espacio V .
Pensando en aproximar con el grado más bajo posible (las constantes a trozos no
están en H 1 ), podemos tomar las funciones continuas lineales a trozos que valen 0 en
los extremos del intervalo.

Vh = {v ∈ H01 (0, 1) : v|(xj ,xj+1 ) ∈ P1 },

h = máx |xi+1 − xi | (tamaño de la malla)

0≤i≤n−1

Podemos usar las bases (nodales) de Lagrange βi , 0 ≤ i ≤ n para describir los ele-
mentos de V , i.e., βi ∈ P1 , βi (xj ) = δi,j :
 x−xi−1
 xi −xi−1 si x ∈ [xi−1 , xi ]
x1 − x  x − xn−1
β0 (x) = βi (x) = βn (x) =
x1 − x0 xi+1 −x xn − xn−1
si x ∈ [xi , xi+1 ]


xi+1 −xi

β0 βi βn

¿Tiene solución el problema discreto?

3
 Pn
Escribimos uh (x) = j=0 Uj βj (x), con βj las bases de Lagrange.
Notemos que, usando estas bases tenemos que Uj = uh (xj ) y entonces, por las condiciones
de borde, resulta U0 = 0 y Un = 0.
Ahora reemplazamos en las ecuaciones del (PD) para hallar los demás valores Uj , 1 ≤ j ≤
n − 1.
Z 1 Z 1 Z 1
u′h (x)βi′ (x) dx + uh (x)βi (x) dx = f (x)βi (x) dx, 1 ≤ i ≤ n − 1.
0 0 0
y nos queda:

n−1
X Z 1 n−1
X Z 1 Z 1
Uj βj′ (x)βi′ (x) dx + Uj βj (x)βi (x) dx = f (x)βi (x) dx,
j=1 0 j=1 0 0

1 ≤ i ≤ n − 1.
LLegamos a un sistema de ecuaciones lineales KU = b
   R1 
U1 0 f (x)β1 (x)
R1 ′ ′
R1  .. ..
con Ki,j = 0 βj (x)βi (x) + 0 βj (x)βi (x), U =  . yb=
  
. 
R1
Un−1 f (x)βn−1 (x)
0
A la matriz K se la llama matriz de rigidez y al vector U se lo denomina vector de
desplazamientos nodales
Podemos facilmente hacer las cuentas para encontrar la matriz K.
Nota: En este caso es fácil ver que K es simétrica y definida positiva y por endeP el sistema
t
tiene única solución. En efecto, consideramos un vector V y calculamos V KV = i,j Vj Vi Kij .
Vj βj luego es claro que i,j Vj Vi Kij = a(v, v) = ∥v∥2H 1 ≥
P P
Ahora, si definimos la función v =
0 y vale 0 solo si v = 0 lo que implica, por ser {βj } l.i, que Vj = 0 , ∀j.
Si la partición la tomamos uniforme la matriz de rigidez es (verificarlo):
 2 2 1 h

h + 3 h − h + 6 0 · · · 0
 .. 
K =  −1 h 2 2
 . 
−1 h


h + 6 h + 3 h h + 6 0 · · · 
−1 h 2 2
0 ··· 0 h + 6 h + 3h

Si miramos la i-ésima ecuación en esta matriz tridiagonal veremos

Z xi+1
1 h 2 2 1 h
(− + )Ui−1 + ( + h)Ui + (− + )Ui+1 = f βi
h 6 h 3 h 6 xi−1

que, dividiendo por h se puede reacomodar como

xi+1
Ui+1 − 2Ui + Ui−1 Ui+1 + 4Ui + Ui−1
Z
1
− 2
+ = f βi
h 6 h xi−1
R xi+1
El primer término aproxima a −u′′ (xi ) y el segundo a u(xi ), si aproximamos la xi−1 f βi
mediante alguna regla de integración numérica tendremos una fórmula de diferencias finitas.

4
 ¿Cuán bien aproxima la solución discreta
a la solución del problema continuo?
En linea general uno esperarı́a que las aproximantes converjan a u si la familia de espacios
de dimensión finita que tomamos aproximan a la solución en el sentido que

d(u; VN ) = ı́nf d(u; v) → 0, cuando N → +∞

v∈VN

donde d(u; v) = ∥u − v∥ en alguna norma apropiada.

Nota: La dimensión del VN se agranda si tomamos h → 0 (i.e, refinamos la malla - clásica
versión h) o hacemos p → +∞ (i.e., agrandamos el grado del polinomio - versión p) o ambas
cosas a la vez! (versión hp ). Nosotros vamos a dedicarnos a la versión h, por ende trabajaremos
en general con grados bajos.
Primero notemos que, en este problema modelo, uh es la proyección ortogonal en norma H 1
de u en Vh ya que como
Z 1 Z 1 Z 1
′ ′
uv + uv = fv ∀v ∈ V
0 0 0
Z 1 Z 1 Z 1
uh v + u′h v ′ = fv ∀v ∈ Vh
0 0 0
R1 R1
restando se tiene que 0 (u − uh )v + 0 (u − uh )′ v ′ =0 ∀v ∈ Vh .
Por lo tanto uh = PVh u y en consecuencia

(1) ∥u − uh ∥H 1 ≤ ∥u − v∥H 1 ∀v ∈ Vh
La idea entonces para estimar el error es estimar el error de u y algún interpolante Ih u, ya
que el error entre u y uh será menor que el de u e Ih u.
Elegimos como Ih u el polinomio lineal a trozos que interpola a u en los puntos de la partición.
Para el problema que analizamos, aproximando con lineales a trozos, tenemos
el siguiente resultado
Teorema 1. Si la solución del (PC) u está en H01 (0, 1) ∩ C 2 (0, 1) entonces

∥u − uh ∥H 1 (0,1) ≤ Ch∥u′′ ∥L2 (0,1)

Notemos que gracias a la desigualdad de Poincaré y a (1) es suficiente con demostrar ∥u′ −
Ih u′ ∥L2 (0,1) ≤ Ch∥u′′ ∥L2 (0,1) . De cualquier manera probaremos también una estimación del
error de interpolación en L2 .
Teorema 2. Asumamos que u ∈ C 2 (0, 1) entonces
√
1) ∥u′ − Ih u′ ∥L2 (0,1) ≤ 22 h∥u′′ ∥L2 (0,1)
2) ∥u − Ih u∥L2 (0,1) ≤ 21 h2 ∥u′′ ∥L2 (0,1)

Demostración. 1) Notemos que lo que queremos probar es que

N
X −1 Z xi+1 N
X −1 Z xi+1
′ ′ 2
(u − (Ih u) ) ≤ Ch2
(u′′ )2
i=0 xi i=0 xi
5
 lo cual se tiene si probamos que en cada intervalito:
Z xi+1 Z xi+1 Z xi+1
′ ′ 2 ′′ 2
(u − (Ih u) ) ≤ Ch2
(u ) = Ch2
(u′′ − (Ih u)′′ )2
xi xi xi

Si bien la poligonal Ih u no tiene derivadas segundas en el (0, 1), en cada intervalo es un

polinomio de grado 1 y por ende su derivada segunda en cada intervalo es 0.
Llamamos e = u − Ih u, observemos que e(xi ) = 0, 0 ≤ i ≤ N . Consideramos el intervalo de
referencia [0, 1] , la aplicación

[0, 1] → [xi , xi+1 ]

y su inversa. Luego,
e(x) = e(xi + x̂h) = ê(x̂)
Cambiando variables observamos que, lo que queremos demostrar es que
Z 1 Z 1
′ 2
(ê ) ≤ C (ê′′ )2
0 0
Como ê(0) = ê(1) = 0 tiene que existir un ξ ∈ (0, 1) tal que ê′ (ξ) = 0 y podemos escribir
Z x̂
ê′ (x̂) = ê′ (x̂) − ê′ (ξ) = ê′′ (s)ds
ξ
Tomando modulo, elevando al cuadrado y usando Hölder se tiene
|ê′ (x̂)|2 ≤ ∥ê′′ ∥2L2 (0,1) |x̂ − ξ|
y el resultado deseado se sigue integrando.
Z 1 Z 1
′ ′′ 2 1
2
|ê (x̂)| dx̂ ≤ ∥ê ∥ |x̂ − ξ|dx̂ ≤ ∥ê′′ ∥2
0 0 2
2) Para tener este resultado probaremos que
Z xi+1 Z xi+1 Z xi+1
(u − (Ih u))2 ≤ Ch4 (u′′ )2 = Ch4 (u′′ − (Ih u)′′ )2 ,
xi xi xi
que, pasando al intervalo de referencia es equivalente a ver que
Z 1 Z 1
(ê)2 ≤ C (ê′′ )2
0 0
R x̂
Ahora, como ê(x̂) = ê(x̂) − ê(0) = 0 ê′ (s)ds. Tomando modulo, usando Hölder y elevando
al cuadrado resulta
|ê(x̂)|2 ≤ ∥ê′ ∥2L2 (0,1) x̂
Usando 1) e integrando resulta
Z 1 Z 1
1 1
|ê(x̂)|2 dx̂ ≤ ∥ê′′ ∥2L2 (0,1) x̂dx̂ = ∥ê′′ ∥2L2 (0,1)
0 2 0 4
y la demostración concluye. □

Nota: El resultado anterior también se tiene para cualquier u ∈ H 2 (0,1) mediante un

argumento de densidad.

6
 Técnica de Aubin-Nitsche (argumento de dualidad)
Para el problema (PC) de, dada f ∈ L2 (0, 1), hallar u(x) la solución de

−u′′ (x) + u(x) = f (x) x ∈ (0, 1)


u(0) = u(1) = 0
cuya forma débil (PV) era: Hallar u ∈ V = H01 (0, 1) tal que
Z 1 Z 1 Z 1
′ ′
u (x)v (x) dx + u(x)v(x) = f (x)v(x) dx, ∀v ∈ V
0 0 0
y el problema discreto asociado en un subespacio Vh de V es: Hallar uh ∈ Vh tal que
Z 1 Z 1 Z 1
a(u, v) = u′h (x)v ′ (x) dx + uh (x)v(x) = f (x)v(x) = L(v) ∀v ∈ Vh
0 0 0

Sabemos que si aproximamos con lineales a trozos teniamos que, asumiendo que u ∈ C 2 (0, 1) H01 (0, 1),
T

∥u − uh ∥H 1 (0,1) ≤ Ch∥u′′ ∥L2 (0,1)

Obviamente a partir de esta estimación se tiene que ∥u − uh ∥L2 (0,1) ≤ Ch∥u′′ ∥L2 (0,1) pero la
idea es ver si este orden de convergencia en L2 se puede mejorar.

Idea central: A partir del problema bajo consideración definimos un problema auxiliar con
fuente e = u − uh

−ϕ′′ (x) + ϕ(x) = e(x) x ∈ (0, 1)


ϕ(0) = ϕ(1) = 0
Asumimos que la solución de este problema satisface ϕ ∈ C 2 (0, 1) H01 (0, 1) y se tiene la
T
estimación a priori ∥ϕ∥H 2 ≤ C∥e∥L2 .
Luego Z 1 Z 1 Z 1 Z 1
e2 = e(−ϕ′′ (x) + ϕ(x)) = e′ ϕ′ (x) + ϕ(x)e = a(e, ϕ)
0 0 0 0
Ahora, gracias a la ortogonalidad sabemos que a(e, wh ) = 0, ∀wh ∈ Vh .
Z 1
e2 = a(e, ϕ) = a(e, ϕ − Ih ϕ)
0
donde Ih es el interpoladsor de Lagrange que va de V en Vh . Gracias a la continuidad de a y
al error de interpolación en H 1 tenemos que

Z 1
e2 = a(e, ϕ) = a(e, ϕ − Ih ϕ) ≤ C1 ∥e∥H 1 (0,1) ∥ϕ − Ih ϕ∥H 1 (0,1) ≤ Ch|u|H 2 (0,1) h|ϕ|H 2 (0,1)
0
R1
y usando la estimación a priori resulta ∥e∥2L2 (0,1) = 0 e2 ≤ Ch2 |u|H 2 (0,1) ∥e∥L2 (0,1) de lo que se
deduce que

∥u − uh ∥L2 (0,1) ≤ Ch2 |u|H 2 (0,1)

7
 Si en lugar de lineales en cada intervalo quiseramos usar cuadráticas, podriamos construir
bases de Lagrange asociadas a cada intervalo Ii = (xi , xi+1 ) de la partición, usando los extremos
del intervalo y (por ejemplo) el punto medio.
Ası́ en cada intervalito tendriamos 3 funciones base βi , βi+1 y βi+ 1 asociadas a los puntos
2
xi , xi+ 1 y xi+1 satisfaciendo βk (xj ) = δk,j con k, j = i, i + 21 , i + 1.
2

(x−xi−1 )(x−xi− 1 )
2
si x ∈ [xi−1 , xi ]



 (xi −xi−1 )(xi −xi− 1 )
2



βi (x) = (x−xi+1 )(x−xi+ 1 )
2
si x ∈ [xi , xi+1 ]



 (xi −xi+1 )(xi −xi+ 1 )

 2
 0 sino
 (x−xi )(x−xi+1 )

 (xi+ 1 −xi )(xi+ 1 −xi+1 ) si x ∈ [xi , xi+1 ]
2 2
βi+ 1 (x) =
2 
0 sino


Noten que el sop βi = [xi−1 , xi+1 ]

mientras que el sop βi+ 1 = [xi , xi+1 ]

2

Ahora pasamos a analizar problemas en 2D

8
 1. Problema modelo en 2D

Consideramos el siguiente problema modelo (PM) (que corresponde al Problema de Poisson

en 2D): Sea Ω un abierto en R2 y f ∈ L2 (Ω). Buscamos u tal que:

−∆u + u = f en Ω,


u=0 en ∂Ω,
Como antes multiplicamos por una función test v e integramos por partes (ı́.e., usamos las
fórmulas de Green):
Z Z
(−∆u + u) v = fv
Ω Ω
Z Z Z Z
∂u
∇u · ∇v − v+ uv = fv
Ω ∂Ω ∂n Ω Ω
∥·∥H 1 (Ω)
Tomamos V = H01 (Ω) = C0∞ (Ω) y la forma débil del problema es: Hallar u ∈ V tal
que
Z Z Z
∇u · ∇v + uv = fv ∀v ∈ V.
Ω Ω Ω
R R R
Como a(u, v) = Ω ∇u · ∇v + Ω u v =< u, v >H 1 (Ω) y L(v) = Ω f v es lineal, este problema
tiene solución gracias al teorema de Riez.
Teorema de Representación de Riez: Sea H un espacio de Hilbert con producto interno
(·, ·)H . Sea L un funcional lineal y continuo sobre H entonces existe una única u ∈ H tal que
L(v) = (u, v)H y además ∥L∥H ′ = ∥u∥H .
Nota: : Por definición H01 (Ω) es un subespacio cerrado de H 1 (Ω) y todo subespacio cerrado
de un Hilbert es un Hilbert. Por ende, gracias al teorema de Riez tenemos solución única en
cualquier subespacio cerrado de V .
Generalizando las ideas de antes y asumiendo que Ω tiene borde poligonal (Si no es poligo-
nal podemos aproximarlo por dominios poligonales) lo particionamos en triangulitos de
manera que:

Dos triángulos cualesquiera de la partición Th : o no se tocan

o comparten un lado o comparten un vértice
9
 Base de Lagrange

Tamaño de la malla: h = máx{hT = diam(T ), T ∈ Th }

Y de nuevo podemos pensar en aproximar con lineales a trozos.

Vh := {vh ∈ H01 (Ω) : vh |T ∈ P1 (T ) ∀ T ∈ Th }

El problema discreto asociado es entonces: Hallar uh ∈ Vh tal que
a(uh , v) = L(v) ∀v ∈ Vh
el cual tiene también solución única gracias al Teorema de Riez.
Notemos además que tenemos la relación de ortogonalidad
a(u − uh , v) = 0, ∀v ∈ Vh
y como en este caso a(u, v) =< u, v >H 1 resulta nuevamente que uh = PVh u y para estimar el
error podriamos nuevamente valernos de estimaciones de error con un interpolador de u (para
lo cual estudiaremos error de interpolación en espacios de Sobolev).

Para describir los elementos de Vh podemos considerar, como antes, las bases de Lagrange
βi , 1 ≤ i ≤ N , tal que βi (nj ) = δi,j siendo nj el j−ésimo nodo (vértice) de la triangulación.
S
Notemos que el soporte de cada base de Lagrange βi esta dado por {T : ni ∈ T }

Por ejemplo, si consideramos el triángulo T̂ de vertices (0, 0), (1, 0) y (0, 1) y las bases de
Lagramge de grado 1 en cada triángulo tendriamos

β0 (x̂, ŷ) = 1 − x̂ − ŷ β1 (x̂, ŷ) = x̂ β2 (x̂, ŷ) = ŷ

10
 2. Teorı́a Abstracta

Para analizar si los problemas que vamos planteando, tanto el Problema débil como el
problema discreto, tienen solución y luego estimar el error de la aproximación, necesitamos
conocer la TEORÍA ABSTRACTA.
Primero introducimos algunas definiciones.
Sea V un espacio de Hilbert (espacio vectorial completo con producto interno) y sea a :
V ×V →R:
Definición: a es bilineal si cada una de las aplicaciones

v → a(u, v)
u → a(u, v)

son lineales de V → R
Definición: a es continua si existe una contante C1 > 0 tal que |a(u, v)| ≤ C1 ∥ u ∥V ∥
v ∥V ∀u, v ∈ V .
Definición: a es coercitiva si existe una constante C2 > 0 tal que a(v, v) ≥ C2 ∥ v ∥2V
∀v ∈ V .
Sea L : V → R un funcional lineal y continuo, i.e, L es lineal y ∃k > 0 tal que |L(v)| ≤ k∥v∥V ,
∀v ∈ V (recordamos que como L es lineal y V es un Hilbert se tiene que continuo ⇔ acotado).
|<L,v>|V ′ ×V
Resulta que L ∈ V ′ y ∥L∥V ′ = supv∈V \0 |L(v)|
∥v∥V = supv∈V \0 ∥v∥V
Nos interesa analizar la existencia y unicidad de solución del Problema variacional genérico:
Hallar u ∈ V tal que

a(u, v) = L(v) ∀v ∈ V
Teorema de Lax-Milgram
Sea (V, (·, ·)V ) un espacio de Hilbert. Si a : V × V → R es una forma bilineal, continua y
coercitiva y L es un operador lineal y continuo, el problema de hallar u ∈ V tal que
a(u, v) = L(v), ∀v ∈ V,
tiene única solución.
¿Tiene solución el problema discreto asociado a nuestro problema modelo?
Notemos que gracias al Teorema de Lax-Milgram como Vh ⊂ V (todo espacio de dimensión
finita es cerrado) y la bilinealidad, la continuidad y la coercitividad son “hereditarias”
el problema discreto
Z Z Z
∇uh · ∇v + uh v = fv ∀v ∈ Vh .
Ω Ω Ω
i.e., a(uh , v) = L(v), ∀v ∈ Vh , tiene también solución única.
Una vez resuelto el tema de la existencia y unicidad de solución, tanto para el problema
continuo como el problema discreto, nos interesa comparar u y uh .

11
Lema 3. Lema de Cea: Sean u y uh las soluciones de los problemas
a(u, v) = L(v), ∀v ∈ V y a(uh , v) = L(v), ∀v ∈ Vh ,
con a y L satisfaciendo las condiciones del teorema de Lax-Milgram. Luego,
C1
∥u − uh ∥V ≤ ∥u − v∥V , ∀v ∈ Vh
C2

Demostración. Notemos que, como

a(u, v) = L(v), ∀v ∈ V
a(uh , v) = L(v), ∀v ∈ Vh
Como Vh ⊂ V y a es bilineal, restando estas dos ecuaciones resulta la relación de ortogonalidad
a(u − uh , w) = 0∀w ∈ Vh .
Entonces Como a es coercitiva, continua y se tiene la relación de ortogonalidad obtenemos
que

coercitividad 1 ortogonalidad 1
∥u − uh ∥2V ≤ a(u − uh , u − uh ) = a(u − uh , u)
C2 C2

ortogonalidad 1 continuidad C1
= a(u − uh , u − v) ≤ ∥u − uh ∥V ∥u − v∥V .
C2 C2
□

En definitiva, bajo ciertas hipótesis sobre la forma bilineal a y la forma lineal L, podiamos
afirmar existencia y unicidad de solución para el problema continuo a(u, v) = L(v), v ∈ V y el
discreto a(uh , v) = L(v), v ∈ Vh y establecer que el error entre u y su aproximante uh satisfacia

∥u − uh ∥V ≤ C∥u − vh ∥V , ∀vh ∈ Vh ,

relación que basicamente nos mostraba que cuan buena resultaba finalmente la aproximación
dependı́a fuertemente de d(u, Vh ). Entonces para poder estimar esa distancia es importante que
caractericemos como son los espacios Vh que usamos en elementos finitos.

Elementos finitos - Definición y generalidades

Nuestro objetivo ahora es definir de una manera más formal a que llamamos elementos
finitos y mostrar ejemplos y propiedades de estos elementos.
El método de elementos finitos puede verse (en principio) como un método de Galerkin con
tres caracteristicas principales:
1. Tenemos una triangulación Th (admisible) del conjunto Ω donde esta formulado el pro-
blema, i.e., Ω puede escribirse como la unión de elementos K ∈ Th .
Nota: por ejemplo en 2D por triangulación admisible entendemos que cada par de
elementos Ki , Kj (triángulos o rectángulos) tienen en común un lado entero, un vértice
o tienen intersección vacı́a.
12
 2. Las funciones vh ∈ Vh son polinomios a trozos en el sentido que dado K ∈ Th la función
vh|K es un polinomio, cualquiera sea vh ∈ Vh (en su versión más general podrı́an ser
transformaciones de polinomios con ciertas propiedades)
3. Podemos construir facilmente las bases del espacio Vh las cuales deberian tener un
soporte pequeño.
Podemos dar una definición más formal de a que llamaremos elemento finito.

i) Sea K ⊂ Rn con interior no vacio y borde suave a trozos (K será en 1D un intervalo, en

2D un triángulo o rectángulo y en 3D un tetraedro o cubo).

ii) Sea P un espacio de dimensión finita, dim P = s, de funciones definidas en K (usualmente

P es el espacio de polinomios de cierto grado o transformaciones de polinomios con ciertas
propiedades).

iii) Sea N = {N1 , · · · , Ns } bases para el dual de P (nos sirven para caracterizar a los
elementos de P, veremos varios ejemplos).

Definición: (K, P, N ) es un elemento finito. Las bases {ϕ1 , · · · , ϕs } de P cumplen que

Ni (ϕj ) = δi,j , i, j = 1, · · · , s.

Definición: Decimos que N determina P si ∀ϕ ∈ P con N (ϕ) = 0 se tiene que ϕ = 0.

Ejemplo: (Lagrange 1D - grado 1)
K = [0, 1] (intervalo de referencia), P = P1 , N = {N1 , N2 } con N1 (v) = v(0) y N2 (v) = v(1)
Luego (K, P, N ) es un elemento finito.
Nota: Observemos que cuaquier elemento de grado 1 en el intervalo [0, 1] se identifica uni-
vocamente por su valor en 0 y en 1.

Ejemplo: (Lagrande 2D - grado 1)

K = T y P = P1 . Sean ai , i = 1, 2, 3 los vértices del triángulo T . Tomamos N = {N1 , N2 , N3 }
donde Ni (v) = v(ai ), i = 1, 2, 3.
Luego (K, P, N ) es un elemento finito.
Nota: Observemos que cualquier elemento de grado 1 en el triángulo T se identifica univo-
camente por su valor en sus vértices (y al considerar estas bases en una triangulación se pegan
con continuidad )

Ejemplo: (Crouzeix-Raviart 2D - grado 1)

K = T y P = P1 . Sean αi , i = 1, 2, 3 los puntos medios de los lados del triángulo T . Tomamos
N = {N1 , N2 , N3 } donde Ni (v) = v(αi ), i = 1, 2, 3.
Luego (K, P, N ) es un elemento finito.
Nota: Observemos que cualquier elemento de grado 1 en el triángulo T se identifica univo-
camente por su valor en los puntos medios de los lados (y al considerar estas bases en una
triangulación se pegan con continuidad solo en los puntos medios )

Definición: Un conjunto de puntos {p1 , p2 , · · · , pN } es Pk -unisolvente si dada q ∈ Pk con

q(pi ) = 0, i = 1, · · · , N , entonces q ≡ 0.
13
 No es trivial construir conjuntos unisolventes en el espacio n-dimensional de polinomios de
grado k al que llamamos Pk cuya dimensión es
 
n+k (k + 1) · · · (k + n)
dim Pk = = ,
k n!
Consideramos el triángulo de vértices (0, 0), (1, 0) y (0, 1) y los puntos que muestra la figura.
Esos 6 puntos NO forman un conjunto P2 -unisolvente pues p(x, y) = (x − 13 )2 + (y − 13 )2 − 25 4

se anula en esos 6 puntos y no es el polinomio nulo.

El siguiente Lema nos ayuda a pensar como podriamos construir conjunto de puntos Pd -
unisolventes.
Lema 4. Sea P un polinomio de grado d ≥ 1 en Rn que se anula en un hiperplano {x ∈ Rn :
H(x) = 0} entonces P se puede escribir como P = HQ con Q polinomio de grado d − 1.

Demostración. Podemos asumir, por un simple cambio de variables, que H(x) = xn , i.e., el
hiperplano es xn = 0.
Por simplicidad de notación lo demostramos para n = 2.
Dado P ∈ Pd podemos escribir

d
X d
X d−j
d X
X
i j
P (x, y) = aij x y = aij xi y j
j=0 i=0 j=0 i=0
0≤i+j ≤d
Pd i
Como P se anula en H, P (x, 0) = i=0 ai0 x = 0, ∀x ∈ R. Entonces ai0 = 0, 1 ≤ i ≤ d y
tenemos

X d−j
d X X d−j
d X
i j
P (x, y) = aij x y = y ( aij xi y j−1 )
j=1 i=0 j=1 i=0
d−1 d−1−k
k=j−1 X X
= y( ai k+1 xi y k ) = y Q(x, y).
k=0 i=0

Lo que demuestra que P = HQ con Q ∈ Pd−1 . □

14
 Triángulo de referencia
Llamaremos triángulo de referencia a: T̂ = {(x̂, ŷ)| 0 < x̂ < 1, 0 < ŷ < 1 − x̂}.

(0, 1)

T̂

(0, 0) (1, 0)

Sabemos que dim P2 = 6. Consideramos los vértices del triángulo y los puntos medios de
cada lado. Usando el Lema veamos que forman un conjunto P2 -unisolvente.
Numeramos los nodos de T̂ de la siguiente forma n1 = (0, 0), n2 = (1, 0), n3 = (0, 1),
n4 = ( 21 , 0), n5 = ( 12 , 21 ) y n6 = (0, 21 ). Las variables en el triángulo de referencia son notadas
con x̂, ŷ.

n3

n5
n6

n1 n4 n2

Sea Φ ∈ P2 tal que Φ se anula en esos 6 puntos, queremos ver que Φ ≡ 0.

Como Φ se debe anular en los tres nodos 2, 5 y 3, que estan en el hiperplano de ecuación
1 − x̂ − ŷ = 0, y restringido a ese hiperplano (que notamos H1 ) Φ es un polinomio de grado 2
en 1 variable resulta Φ|H1 ≡ 0 y por el Lema tenemos que

Φ = (1 − x̂ − ŷ)Q(x̂, ŷ)
.
Ahora Φ se anula también en los nodos 1 y 6 que no están en H1 , por ende el polinomio Q
(que es de grado 1) se debe anular en esos nodos.

Llamemos H2 al hiperplano x̂ = 0, siendo que Q|H2 es un polinomio de grado 1 en una

variable que se anula en dos valores distintos, debe ser Q|H2 ≡ 0 y entonces por el Lema se
tiene que Q = x̂R(x̂, ŷ) con R un polinomio de grado 0.
15
 Luego Φ = (1 − x̂ − ŷ)x̂R con R una constante. Pero Φ también se anula en el nodo 4 que
no esta ni en H1 ni en H2 entonces debe ser R = 0 y por ende Φ ≡ 0.
Hemos probado que ese conjunto es P2 -unisolvente.
Notamos además que siguiendo ese razonamiento es claro que la base de Lagrange β̂4 esta
dada por:

β̂4 (x̂, ŷ) = 4(1 − x̂ − ŷ)x̂

Ejercicio: Hallar las otras 5 bases de Lagrange.
Una vez que tenemos las bases definidas en el triángulo de referencia T̂ las podemos definir
en cualquier triángulo T de vértices a1 , a2 , a3 usando la transformación afin F : T̂ → T .
    
a2 − a1 a3 − a1 x̂ x̂
F (x̂, ŷ) = + a1 = B +c
↓ ↓ ŷ ŷ
Es claro además que F es inversible (notar que | det(B)| = 2|T |).
Nota: en este caso elegimos que F (0, 0) = a1 , F (1, 0) = a2 y F (0, 1) = a3 pero este “orden
de asignación” no es importante

La base de Lagrange se define como βj (x, y) = βj (F (x̂, ŷ)) = (βj ◦ F )(x̂, ŷ) = β̂j (x̂, ŷ)

T̂

16
 Estas ideas, de trabajar en un dominio de referencia y luego transformar, se generalizan a
más dimensiones y a más tipos de elementos.
Por ejemplo en 3 dimensiones el tetraedro de referencia será: T̂ = {(x̂, ŷ, ẑ) ∈ R3 : 0≤
x̂ ≤ 1, 0 ≤ ŷ ≤ 1 − x̂, 0 ≤ ẑ ≤ 1 − x̂ − ŷ}

Podemos también hacer mallas rectangulares, en este caso vamos a considerar los Qk
espacios formados por polinonios de grado ≤ k en cada variable, cuya dimensión es
claramente (k + 1)n .
Por ejemplo en dos dimensiones
X
Qk = { cj pj (x)qj (y), con pj , qj polinomios de grado ≤ k}
j

Si tomamos como rectángulo de referencia R̂ = [0, 1] × [0, 1] y las bases nodales para el Q1
(llamadas bilineales) son:
q̂1 (x̂, ŷ) = (1 − x̂)(1 − ŷ), q̂2 (x̂, y) = x̂(1 − ŷ)
q̂3 (x̂, ŷ) = x̂ŷ, q̂4 (x̂, ŷ) = x̂(1 − ŷ)

Notemos que en este caso la matriz de transformación afı́n que lleva R̂ en un rectángulo R
es diagonal.

Nota: Trabajando también con transformaciones afines podemos llevar a R̂ a un paralelo-

gramo, pero si queremos cuadriláteros más generales tendriamos que trabajar con otro tipo de
transformaciones.
El siguiente Lema es fundamental para establecer la relación entre funciones v̂ definidas en
T̂ y funciones v definidas en T , con T ∈ Th (T triángulo, tetraedro, rectángulo, cubo).
Lema 5. v ∈ H k+1 (T ) ⇔ v̂ ∈ H k+1 (T̂ ) y se tiene las siguientes relaciones
1
i) |v|j,T ≤ C∥B −1 ∥j | det B| 2 |v̂|j,T̂
1
ii) |v̂|j,T̂ ≤ C∥B∥j | det B|− 2 |v|j,T
con j = 0, · · · , k + 1.
17
Demostración. Las relaciones se deducen basicamente a partir del cambio de variables. En Rn
tendremos la transformación afin F (x̂) = B x̂ + c por lo que ∂∂F ∂xi
x̂k = ∂ x̂k = Bi,k i.e., su matriz
i

diferencial es B y el jacobiano será det(B).

∂Fi−1 ∂ x̂i
Analogamente ∂xk = ∂xk = (B −1 )i,k
Veamos i). Es claro que
Z Z
2
v dx = v̂ 2 | det(B)| dx̂
T T̂
Entonces
n n
∂v X ∂v̂ ∂ x̂k X ∂v̂
= = (B −1 )k,i
∂xi ∂ x̂k ∂xi ∂ x̂k
k=1 k=1

Para las derivadas segundas nos quedará

n n
∂2v X X ∂ 2 v̂
= (B −1 )l,j (B −1 )k,i
∂xj ∂xi ∂ x̂l ∂ x̂k
l=1 k=1
−1
Como |Bk,i | =|< ek , B −1 ei > | ≤ ∥B −1 ∥2 , resulta

n n
∂2v 2 X X ∂ 2 v̂
| | ≤ C(n) | |2 ∥B −1 ∥42
∂xj ∂xi ∂ x̂l ∂ x̂k
l=1 k=1
Ahora integrando en el triángulo y cambiando variables queda

n n
∂2v ∂ 2 v̂
Z XX Z
| (x)|2 dx ≤ C(n) (F −1 (x))|2 ∥B −1 ∥42 dx
|
T ∂xj ∂xi T ∂ x̂l ∂ x̂k
l=1 k=1
n Xn Z
−1 4
X ∂ 2 v̂
= C(n)∥B ∥2 | (x̂)|2 | det B|dx̂
T̂ ∂ x̂l ∂ x̂k
l=1 k=1

De lo que se concluye que

1
|v|2,T ≤ C(n)| det B| 2 ∥B −1 ∥2 |v̂|2,T̂

La misma idea es para el resto de las derivadas y analogamente se tiene también ii). □

Otro resultado que utilizaremos es el siguiente:

Proposición 6. Sean T̂ y T dos conjuntos abiertos en Rn afinmente equivalentes, i.e., ∃F :
T̂ → T una transformación afin que cumple que F (T̂ ) = T , F (x̂) = B x̂ + c luego
hT h
∥B∥ ≤ ∥B −1 ∥ ≤ T̂
ρT̂ ρT

donde hT denota el diámetro de T , hT̂ el diámetro de T̂ , ρT̂ = sup{diam (Ŝ), Ŝ bola ⊂ T̂ }

y ρT = sup{diam (S), S bola ⊂ T },

Demostración. Esta proposición da una acotación del ∥DF ∥ = ∥B∥ y del ∥DF −1 ∥ = ∥B −1 ∥.
18
 F
T̂ −→ T

∥Bz∥ z 1
∥B∥ = sup = sup ∥B ρT̂ ∥
z̸=0 ∥z∥ z̸=0 ∥z∥ ρT̂
z
Sea w = ∥z∥ ρT̂ . Entonces ∥w∥ = ρT̂ y tenemos

1 1
∥B∥ = sup ∥Bw∥ = sup ∥Bw∥.
∥w∥=ρT̂ ρT̂ ρT̂ ∥w∥=ρT̂

Como ∥w∥ = ρT̂ y el diámetro de la mayor bola contenida en T̂ es ρT̂ , deben existir x̂ y ŷ
en T̂ tales que x̂ − ŷ = w. Podemos escribir entonces

∥Bw∥ = ∥B(x̂ − ŷ)∥ = ∥F (x̂) − F (ŷ)∥ = ∥x − y∥ ≤ hT ,

donde en la última desigualdad usamos que x e y están en T , ya que F (T̂ ) = T , y que el

diámetro de T es hT . Concluimos entonces que ∥B∥ ≤ hρT .
T̂

La cuenta para B −1 es completamente análoga. □

Ahora lo que queremos hacer es construir el Interpolador de Lagrange para funciones en

espacios de Sobolev y estimar el error de interpolación. Para hacer eso primero vamos a ver el
siguiente resultado (Bramble-Hilbert):
Lema 7. Bramble-Hilbert (caso simple)
Sea ŵ ∈ H 2 (T̂ ) con ŵ(n̂j ) = 0, con {n̂j }, j = 1, 2, 3 vértices de T . Existe una constante
CBH > 0 tal que
∥ŵ∥H 1 (T̂ ) ≤ CBH |ŵ|H 2 (T̂ )

Demostración. por compacidad.

Supongamos que tal constante no existe, entonces dado n ∈ IN puedo hallar una sucesión
ŵn ∈ H 2 (T̂ ), con ŵn (n̂j ) = 0, tal que
∥ŵn ∥H 1 (T̂ ) > n|ŵn |H 2 (T̂ )

Por simplicidad podemos asumir que ∥ŵn ∥H 1 (T̂ ) = 1

19
 y por ende
1
≤ 1,
|ŵn |H 2 (T̂ ) <
n
lo que implica que la suceción esta uniformemente acotada en H 2 (T̂ ) por lo que tiene una
subsucesión ŵnk ∈ H 2 (T̂ ) que converge fuerte en H 1 (T̂ ) y débil en H 2 (T̂ ) (Teorema de Rellich).
Esto es, existe ŵ∗ ∈ H 1 (T̂ ) tal que ŵnk → ŵ∗ .
Por otra parte, notemos que
1 1
∥ŵnk − ŵmk ∥2H 2 (T̂ ) = ∥ŵnk − ŵmk ∥2H 1 (T̂ ) +|ŵnk − ŵmk |2H 2 (T̂ ) ≤ ∥ŵnk − ŵmk ∥2H 1 (T̂ ) + 2 + 2 → 0,
nk mk
asi que la subsucesión es de Cauchy y por ende resulta también convergente en H 2 (T̂ ).
Como
∥ŵnk ∥2H 2 (T̂ ) = ∥ŵnk ∥2H 1 (T̂ ) + |ŵnk |2H 2 (T̂ ) → ∥ŵ∗ ∥2H 1 (T̂ )

concluimos que ŵnk → ŵ∗ en H 2 con |ŵ∗ |H 2 (T̂ ) = 0.

De lo que resulta que ŵ∗ ∈ P1 pero
|ŵ∗ (nj )| = |ŵ∗ (nj ) − ŵnk (nj )| ≤ ∥ŵ∗ − ŵnk ∥H 2 (T̂ ) → 0,

y entonces ŵ∗ es un polinomio de grado 1 en 2 variables que se anula en los vértices de T̂ por
lo que resulta ŵ∗ = 0.
Lo que nos conduce a un absurdo ya que 1 = ∥ŵnk ∥H 1 (T̂ ) → ∥ŵ∗ ∥H 1 (T̂ ) = 0.
□

Definición: Una familia de triangulaciones Th se dice regular si ∃σ > 0 tal que

hT
< σ, ∀T ∈ Th
ρT
donde hT es el diametro de T y ρT el diametro de la mayor bola contenida en T .
Notemos que si la familia de triangulaciones es regular entonces |T | ∼ h2T .
Teorema 8. Interpolación de Lagrange
Asumamos que u ∈ H 2 (Ω). Sea Th una triangulación regular de Ω y sea Πh (u) el interpolador
de Lagrange de u. Existe una constante positiva C (que depende solo de la regularidad de la
malla) tal que
i) ∥u − Πh (u)∥L2 (T ) ≤ Ch2T |u|H 2 (T )
ii) ∥∇(u − Πh (u))∥L2 (T ) ≤ ChT |u|H 2 (T )

Demostración. Como û − Πh û ∈ H 2 (T̂ ) y (û − Πh û)(n̂j ) = 0 aplicando el Lema previo tenemos

que

∥û − Πh û)∥H 1 (T̂ ) ≤ CBH |û|H 2 (T )

Veamos primero i)
Como en particular ∥û − Πh û)∥L2 (T̂ ) ≤ CBH |û|H 2 (T )
solo tenemos que proceder a cambiar variables para ver como es el reescale.
20
 Del Lema 5 tenemos que

∥u − Πh u∥L2 (T ) ≤ |detB|1/2 ∥û − Πh û)∥L2 (T̂ ) ≤ CBH |detB|1/2 |û|H 2 (T )

1
|û|H 2 (T̂ ) ≤ C∥B∥2 | det B|− 2 |u|H 2 (T̂ )

de lo que resulta

∥u − Πh u∥L2 (T̂ ) ≤ C∥B∥2 |u|H 2 (T̂ ) .

Usando la proposición concluimos que

∥u − Πh u∥L2 (T̂ ) ≤ Ch2T |u|H 2 (T̂ ) .

Para ii)

∥∇(u − Πh u)∥L2 (T ) ≤ C|detB|1/2 ∥B −1 ∥∥∇(û − Πh û)∥L2 (T̂ )

1
≤ C| detB|1/2 ∥B −1 ∥|û|H 2 (T ) ≤ C|detB|1/2 ∥B −1 ∥∥B∥2 | det B|− 2 |u|H 2 (T )
 h 2 h
T
≤ C∥B −1 ∥∥B∥2 |u|H 2 (T ) ≤ C T̂
|u|H 2 (T )
ρT̂ ρT
≤ ChT |u|H 2 (T )
donde en la ultima desigualdad usamos la regularidad de la malla.
□
T̄ , u ∈ H 2 (Ω). Luego
S
Corolario 9. Ω̄ = T ∈Th

i) ∥u − Πh (u)∥L2 (Ω) ≤ Ch2 |u|H 2 (Ω)

ii) ∥∇(u − Πh (u))∥L2 (Ω) ≤ Ch|u|H 2 (Ω) con h = máxT ∈Th hT

Dem: Se obtine desde las estimaciones en cada triángulo, sumando sobre T ∈ Th .

Tenemos el siguiente resultado de regularidad y de estimaciones a priori para soluciones de
problemas elipticos en dominios convexos
Teorema 10. Para el problema (PC1), ∂Ω = ΓD ∪ ΓN , ΓD ̸= ∅,
−∆u = f en Ω


 ∂u
= gN en ΓN

 ∂η

u = 0 en ΓD .

Si f ∈ L2 (Ω) , gN ∈ H 1 (ΓN ) entonces u ∈ H 2 (Ω) y existe C > 0 tal que

∥u∥H 2 (Ω) ≤ C(∥f ∥L2 (Ω) + ∥gN ∥H 1 (ΓN ) )
21
 Analogo resultado se tiene para el problema (PC2), ∂Ω = ΓD ∪ ΓN ,
−∆u + a0 u = f en Ω


∂u
 = gN en ΓN u = 0 en ΓD .
∂η
con a0 ∈ L∞ (Ω), a0 ≥ β > 0

Luego podemos afirmar en particular que si Ω es convexo tendremos para el problema modelo
(PM), aproximando con lineales a trozos, que
∥u − uh ∥H 1 (Ω) ≤ Ch∥f ∥L2 (Ω)
Por argumentos de dualidad podemos en este caso obtener también estimaciones óptimas
para el error en L2 (Ω).
Asociado a (PM) planteamos el problema auxiliar, con fuente e = u − uh ,
−∆ϕ + ϕ = e en Ω


u = 0 en ∂Ω
del cual sabemos que a(e, v) = 0, ∀v ∈ Vh y que ∥e∥H 1 (Ω) ≤ Ch|u|H 2 (Ω) . Luego, usando estos
hechos junto con las estimaciones a priori tenemos
Z Z
2
e = e(−∆ϕ + ϕ) = a(e, ϕ)
Ω Ω
= a(e, ϕ − Πh ϕ) ≤ C1 ∥e∥H 1 (Ω) ∥ϕ − Πh ϕ∥H 1 (Ω)
≤ Ch∥u∥H 2 (Ω) h∥ϕ∥H 2 (Ω) ≤ Ch2 ∥u∥H 2 (Ω) ∥e∥L2 (Ω) ,
de lo que resulta
∥e∥L2 (Ω) ≤ h2 ∥u∥H 2 (Ω)

22
 Anexo

2.1. Desigualdad de Poincaré para funciones de soporte compacto.

Teorema 11. Sea Ω un convexo. Si u ∈ W01,p (Ω), 1 ≤ p < ∞, entonces existe una constante
C > 0 tal que
∥u∥Lp (Ω) ≤ Cp ∥∇u∥Lp (Ω)

Demostración. Lo demostramos para n = 2 y en el caso Ω un rectángulo [a, b] × [c, d].

Usando la densidad de las C01 (Ω) lo demostramos para esta y luego pasamos al lı́mite. Vemos
primero el resultado para p = 1 y a partir de este para cualquier p, 1 ≤ p < ∞.
Como u vale cero en el borde de Ω podemos escribir
Z b
∂u
u(x, y) = u(x, y) − u(b, y) = − (s, y)ds,
x ∂x
luego tomando modulo resulta:
Z b Z b
∂u ∂u
|u(x, y)| ≤ | (s, y)|ds ≤ | (s, y)|ds
x ∂x a ∂x
Integrando en el rectángulo nos queda
Z bZ d Z dZ b
∂u
∥u∥L1 (Ω) = |u(x, y)| ≤ (b − a) | (s, y)|dsdy
a c c a ∂x
≤ (b − a)∥∇u∥L1 (Ω)
Ahora aplicamos el resultado para v = up entonces
Z bZ d dZ b
∂up
Z
p
∥v∥Lp (Ω) = |u(x, y)| ≤ (b − a) | (s, y)|dsdy
a c c a ∂x
Z dZ b
∂u
= (b − a) p|up−1 || (s, y)|dsdy
c a ∂x
Para cualquier ϵ > 0 podemos escribir usando la desigualdad αβ ≤ 1q αq + p1 β p , con p1 + 1q = 1,

Z dZ b Z Z
p−1 1 ∂u p q ∂u 1
∥u∥Lp (Ω) ≤ (b − a) pϵ|u | | (s, y)|dsdy ≤ C( |u| ϵ + | (s, y)|p p
c a ϵ ∂x Ω Ω ∂x ϵ
p
donde usamos que q = p−1 Ahora
. elijo ϵ suficientemente chico para pasar el primer término
restando y obtengo
∥u∥Lp (Ω) ≤ C∥∇u∥Lp (Ω)
□

Desigualdad de Poincare para funciones de promedio 0.

Teorema 12. Sea Ω un convexo con d = diam (Ω). Si u ∈ H 1 (Ω) con
R
Ωu = 0 entonces existe
una constante C > 0 tal que
∥u∥0 ≤ C d∥∇u∥0
23
 Dem: (de Dobrowolski) Como las funciones C0∞ (Rn ) son densas en H 1 (Ω) vamos a hacer
las cuentas sobre las regulares y después argumentaremos por densidad.
Usando la expresión integral del error de Taylor podemos escribir

Z 1
u(x) − u(y) = ∇u(tx + (1 − t)y) · (x − y)dt
0
R
Integrando respecto de y y usando que Ω u(y)dy = 0 tenemos
Z Z Z 1
1 1
(u(x) − u(y))dy = { ∇u(tx + (1 − t)y) · (x − y)dt}dy
|Ω| Ω |Ω| Ω 0
| {z }
=u(x)

Como |x − y| ≤ d,
Z Z 1
1
|u(x)| ≤ { |∇u(tx + (1 − t)y) · (x − y)|dt}dy
|Ω| Ω 0
Z Z 1
d
≤ { |∇u(tx + (1 − t)y)|dt}dy
|Ω| Ω 0

Elevando al cuadrado, y aplicando Hölder

Z Z 1
2 d 2
|u(x)| ≤ ( ) |Ω|( { |∇u(tx + (1 − t)y)|2 dt}dy)
|Ω| Ω 0

Ahora integramos respecto de x

Z Z Z 1
d2
Z
|u(x)|2 dx ≤ ( { |∇u(tx + (1 − t)y)|2 dt}dy)dx
Ω |Ω| Ω Ω 0

Es claro que por densidad tenemos también esta desigualdad para toda u ∈ H 1 (Ω).
Como |∇u| ∈ L2 (Ω) puedo extenderla por 0 a todo Rn . LLamemos f a la extensión de |∇u|
Z 1
d2
Z Z
|u(x)|2 dx ≤ { f 2 (tx + (1 − t)y)dt}dydx
Ω |Ω| Ω×Ω 0
2 Z Z 1
d 2
= { f 2 (tx + (1 − t)y)dt}dydx
|Ω| Ω×Ω 0
Z 1
d2
Z
+ { f 2 (tx + (1 − t)y)dt}dydx
|Ω| Ω×Ω 1
2
= I + II
Z 1 Z Z 1 Z
d2 d2
Z
2 2
2
I= { f (tx + (1 − t)y)dt}dydx = { f 2 (tx + (1 − t)y)dy}dtdx
|Ω| Ω×Ω 0 |Ω| Ω 0 Rn

Cambio variables llamando z = tx + (1 − t)y, entonces dz = (1 − t)n dy y como la integral

respecto de y es en Rn nos queda
24
 1
d2
Z Z Z
2 1
I= { f 2 (z)
dz}dtdx
|Ω| Ω 0 Rn (1 − t)n
Z 1 Z 1
d2
Z Z Z
2 1 2 1
= { f 2 (z)dz}{ n
dt}dx = d2
{ f 2
(z)dz}{ n
dt}
|Ω| Ω Rn 0 (1 − t) Rn 0 (1 − t)
Z Z
2 2 2
≤ C(n)d f (z)dz = C(n)d |∇u(z)|2 dz
Rn Ω

Las mismas ideas usamos para acotar II, pero integrando primero respecto de x, con el
cambio de variables z = tx + (1 − t)y, dz = tn dx, en este caso nos queda

1
d2
Z Z
II = { f 2 (tx + (1 − t)y)dt}dydx
|Ω| Ω×Ω 1
2
1
d2
Z Z Z
1
= {
dz}dtdy f 2 (z)
|Ω| Ω Rn 1 tn
2
Z 1
d2
Z Z
1
= { f 2 (z)dz}{ dt}dy
|Ω| Ω Rn 1 tn
2
Z Z
2
≤ C(n)d f (z)dz = C(n)d2
2
|∇u|2 (z)dz
Rn Ω

En consecuencia Z Z
|u(x)|2 dx = I + II ≤ C(n) d2 |∇u|2 (z)dz
Ω Ω
como queriamos probar
□

25