Una técnica de aproximación basada en proyección para ecuaciones diferenciales o integrales que busca soluciones aproximadas en un subespacio de dimensión finita imponiendo que el residuo sea ortogonal a ese subespacio (o a un subespacio de prueba).

Principio

Sustituir un problema variacional infinito-dimensional por uno finito-dimensional: elegir espacios de ensayo y prueba, proyectar el residuo a cero en el espacio de prueba y obtener sistemas algebraicos resolubles cuyas soluciones aproximan la solución verdadera bajo condiciones de consistencia y estabilidad.

Demostración

Para aproximar el problema de Poisson −Δu=f en un dominio acotado, seleccionar una base finita de H^1_0(Ω) (por ejemplo funciones sombrero lineales por elementos) y exigir ∫Ω ∇u_h·∇v_h = ∫Ω f v_h para cada función de prueba v_h; el ensamblaje conduce a un sistema lineal disperso para los coeficientes de u_h.

Aplicación incorrecta

Usar espacios de ensayo/prueba no conformes, ignorar condiciones de compatibilidad (inf-sup) en problemas mixtos o no controlar interpolación/estabilidad conduce a esquemas no convergentes o modos espurios.

Consecuencia

Bajo propiedades de aproximación y estabilidad apropiadas (ortogonalidad de Galerkin, lema de Céa), el método produce aproximaciones convergentes con cotas de error cuantificables y una vía práctica hacia la solución numérica mediante ensamblaje matricial y solucionadores lineales.

Inversión

Elegir espacios de prueba distintos a los de ensayo produce esquemas Petrov–Galerkin con características de estabilidad distintas; la collocación o métodos de mínimos cuadrados abandonan la ortogonalidad en favor del control puntual o del residuo en norma L^2.

Límite

Se aplica a formulaciones variacionales en espacios de Hilbert o Banach donde existen subespacios de dimensión finita apropiados; excluye esquemas sin estructura de proyección (collocación pura sin base variacional) o problemas que carezcan de una forma débil bien planteada.

Tensión semántica

A menudo se contrapone a collocación, mínimos cuadrados o métodos espectrales: Galerkin impone ortogonalidad débil y hereda estabilidad funcional-analítica, mientras que otros enfoques priorizan el ajuste puntual o propiedades globales de la base.

Síntesis

El método de Galerkin proyecta un problema variacional infinito-dimensional sobre subespacios finito-dimensionales, produciendo sistemas algebraicos cuyas soluciones aproximan la solución verdadera cuando se cumplen requisitos de consistencia y estabilidad.