Krzysztof Moszy´
nski
DWANA´
SCIE WYK LAD ´
OW
Z METOD
NUMERYCZNYCH
R ´
OWNA ´
N
R ´
O ˙
ZNICZKOWYCH
CZ
,
ASTKOWYCH
Skrypt do przedmiotu
1000 - 135NRC
UNIWERSYTET WARSZAWSKI
WYDZIA L MIM 2003/2004
.
Dzi
,
ekuje wszystkim moim studentom, kt´
orzy znale´
zli
liczne b l
,
edy w tym skrypcie i mi o nich donie´
sli.
Specjalne podzi
,
ekowanie sk ladam
Pani Katarzynie Piaskowskiej
za zrobienie pe lnej korekty tego tekstu.
Krzysztof Moszy´
nski
2
Wyk lad 1
Wst
,
ep
Klasyfikacja zagadnie´
n
Przyjmijmy, dla naszych cel´
ow, tak
,
a klasyfikacj
,
e zagadnie´
n rozpatry-
wanych dla r´
owna´
n r´
o˙zniczkowych cz
,
astkowych:
• I. Zagadnienia stacjonarne
• II. Zagadnienia ewolucyjne
I. Typowy przyk lad zagadnienia stacjonarnego:
(1)
−∆u(p) = f (p) dla p ∈ Ω ⊂ R
n
,
(2)
u(p) = φ(p) dla p ∈ ∂Ω,
Jest to r´
ownanie Poissona z warunkiem brzegowym Dirichleta.
Klasyfikacja operator´
ow r´
o ˙zniczkowych drugiego rz
,
edu
L(u) = −
d
X
i,j=1
a
i,j
(p)
∂
2
∂x
i
∂x
j
u +
d
X
j=1
b
j
(p)
∂
∂x
j
u + c(p)u
A(p) = (a
i,j
(p)) jest macierz
,
a wsp´
o lczynnik´
ow: A(p)
T
= A(p).
• Je´sli A(p) jest dodatnio okre´slona (piszemy A(p) > 0), to operator L jest
eliptyczny w punkcie p,
• je´sli A(p) ma d − 1 dodatnich warto´sci w lasnych i jedn
,
a ujemn
,
a, to operator
L jest hiperboliczny w punkcie p,
• je´sli A(p) jest okre´slona nieujemnie, ale nie jest okre´slona dodatnio, za´s
macierz [A(p)|b(p)] jest rz
,
edu d, to operator L jest paraboliczny w punkcie
p.
∆ =
P
d
j=1
∂
2
∂x
2
j
- to Laplasjan; −∆ jest operatorem eliptycznym.
3
II. Przyk lady zagadnie´
n ewolucyjnych.
• R´
ownanie hiperboliczne pierwszego rz
,
edu
(1)
∂
∂t
u + c
∂
∂x
u = 0
c - sta la, t - ”czas”, x - ”przestrze´
n”. Zmienne niezale˙zne t i x s
,
a
traktowane odmiennie !
Stawiane zagadnienia:
1.
(1)
∂
∂t
u + c
∂
∂x
u = 0,
(2)
u(0, x) = φ(x), x ∈ R.
zagadnienie pocz
,
atkowe (Cauchy’ego)
2.
(1)
∂
∂t
u + c
∂
∂x
u = 0,
(2)
u(0, x) = φ(x), x ∈ R
+
,
(3)
u(t, 0) = ψ(t), t ∈ R
+
.
dla c > 0. Jest to zagadnienie mieszane pocz
,
atkowo - brzegowe.
Latwo zauwa˙zy´
c, ˙ze u(t, x) = φ(x−ct) jest rozwi
,
azaniem zagadnienia Cauchy-
ego, je´
sli φ jest klasy C
1
. Takie rozwi
,
azanie mo˙zna interpretowa´
c jako ”prze-
suwanie”warunku pocz
,
atkowego w czasie - konwekcja.
• R´
ownanie hiperboliczne drugiego rz
,
edu
(1)
∂
2
∂t
2
u − a
∂
2
∂x
2
u = 0
dla a > 0.
4
1. Zagadnienie Cauchy’ego:
(1)
∂
2
∂t
2
u − a
∂
2
∂x
2
u = 0,
(2)
u(0, x) = φ
1
(x), u
t
(0, x) = φ
2
(x).
dla x ∈ R.
2. Zagadnienie mieszane:
(1)
∂
2
∂t
2
u − a
∂
2
∂x
2
u = 0
(2)
u(0, x) = φ
1
(x), u
t
(0, x) = φ
2
(x),
dla x ∈ [0, L] -warunki pocz
,
atkowe,
(3)
u(t, 0) = ψ
1
(t), u(t, L) = ψ
2
(t)
dla t ∈ [0, T ] - warunki brzegowe.
Charakter rozwi
,
azania. B
,
edziemy poszukiwa´
c rozwi
,
azania postaci
u(t, x) = e
i(αx+γt)
.
Po podstawieniu do r´
ownania znajdziemy:
u(t, x) = e
i[α(x+
√
at)]
podobnie jak w przypadku r´
ownania rz
,
edu 1, jest tak˙ze przesuwanie, ale
bardziej z lo˙zone. W obu przypadkach s
,
a to ”zjawiska falowe”.
• R´
ownanie paraboliczne
(1)
∂
∂t
u = a
∂
2
∂x
2
u, a > 0.
Zagadnienia stawiane:
1. Zagadnienie Cauchy’ego
(1)
∂
∂t
u = a
∂
2
∂x
2
u, a > 0,
(2)
u(0, x) = φ(x), x ∈ R.
5
2. Zagadnienie mieszane
(1)
∂
∂t
u = a
∂
2
∂x
2
u, a > 0,
(2)
u(0, x) = φ(x), x ∈ [0, L]
(3)
u(t, 0) = ψ
1
(t), u(t, L) = ψ
2
(t), t ∈ [0, T ]
Charakter rozwi
,
azania. Podobnie jak poprzednio, poszukujemy rozwi
,
aza-
nia postaci
u(t, x) = e
i(αx+γt)
.
Po wstawieniu do r´
ownania otrzymamy:
u(t, x) = e
iαx−aα
2
t
= e
iαx
e
−aα
2
t
, a > 0.
Charakter rozwi
,
azania jest zupe lnie inny ni˙z w przypadku zagadnie´
n z r´
owna-
niami typu hiperbolicznego. Nie ma tu zjawiska unoszenia, natomiast wyst
,
e-
puje czynnik e
−aα
2
t
, kt´
ory ”przygniata” rozwi
,
azanie w miar
,
e up lywu czasu.
Rozwa˙zane r´
ownanie opisuje proces rozchodzenia si
,
e ciep la.
6
Wyk lad 2.
Zagadnienia stacjonarne - metody r´
o ˙znicowe.
Rozpatrujemy r´
ownanie r´
o˙zniczkowe liniowe
(1)
Lu(p) = f (p) dla p ∈ Ω ⊂ R
d
oraz warunki brzegowe
(2)
l
k
u(p) = φ
k
(p) dla p ∈ Γ
k
,
dla k = 1, 2, · · · , l, gdzie ∂Ω = ∪
k
Γ
k
jest brzegiem obszaru Ω. Operator L, to
operator r´
o˙zniczkowy r´
ownania r´
o˙zniczkowego, operatory l
k
, k = 1, 2, · · · , l
to operatory warunk´
ow brzegowych. Najprostszy przyk lad takiego opera-
tora l
k
- to warunek Dirichleta. Operator ten przyporz
,
adkowuje funkcji u
(argument operatora L) jej ´
slad na cz
,
e´s´
c brzegu Γ
k
, na kt´
orym dzia la. Dla
funkcji dostatecznie regularnych okre´slonych na obszarze Ω istnieje operator
´
sladu na brzeg (lub cz
,
e´s´
c brzegu obszaru). Operator ten przyporz
,
adkowuje
funkcji u z dziedzin
,
a Ω pewn
,
a funkcj
,
e okre´slon
,
a na wspomnianej cz
,
e´sci
brzegu (mo˙zna sobie wyobra˙za´
c, ˙ze jest to ”obci
,
ecie” u do Γ
k
.) Szczeg´
o lowo
m´
owi o tym tak zwane Twierdzenie o ´
Sladzie. Innym rodzajem operatora
l
k
jest warunek Neumanna. Taki operator przyporz
,
adkowuje funkcji u
jej pochodn
,
a normaln
,
a zewn
,
etrzn
,
a do omawianej cz
,
e´sci brzegu obszaru Ω.
Jest to jeden z przypadk´
ow wspomnianego wy˙zej Twierdzenia o ´
Sladzie;
potrzeba tu oczywi´scie wy˙zszej regularno´sci funkcji u. Na przyk lad:
u(p) = φ(p), p ∈ ∂Ω warunek Dirichleta,
du
dn
(p) = ψ(p), p ∈ ∂Ω warunek Neumanna.
Z zagadnieniem (1)(2) zwi
,
azane s
,
a r´
o˙zne przestrzenie funkcyjne:
• u ∈ U,
• φ
k
∈ Φ
k
, k = 1, 2, · · · , l,
• f ∈ F .
7
Zak ladamy, ˙ze te przestrzenie s
,
a wyposa˙zone w normy:
k · k
U
, k · k
F
, k · k
Φ
k
, k = 1, 2, · · · , l.
Mamy
L : U → F, l
k
: U → Φ
k
.
Dla zagadnienia (1)(2) rozpatrujemy jego aproksymacj
,
e r´
o˙znicow
,
a
(3)
L
h
u
h
= f
h
,
(4)
l
k,h
u
h
= φ
k,h
, k = 1, 2, · · · , l.
Tutaj
u
h
∈ U
h
, f
h
∈ F
h
, φ
k,h
∈ Φ
k,h
, gdzie U
h
, F
h
, Φ
k,h
,
to przestrzenie funkcji siatkowych. S
,
a to przestrzenie unormowane,
z normami odpowiednio
k · k
U
h
, k · k
F
h
, k · k
Φ
k,h
, k = 1, 2, · · · , l.
Podobnie jak dla zagadnienia (1)(2),
L
h
: U
h
→ F
h
, l
k,h
: U
h
→ Φ
k
.
Przestrzenie funkcji siatkowych s
,
a zdefiniowane na obszarach siatko-
wych Ω
h
, Γ
k,h
. Obszary takie powstaj
,
a poprzez na lo ˙zenie
siatki pros-
tok
,
atnej, o osiach r´
ownoleg lych do osi uk ladu wsp´
o lrz
,
ednych na obszar Ω.
W
,
ez ly siatki klasyfikujemy jako wewn
,
etrzne i brzegowe. Punkty brze-
gowe le˙z
,
a na brzegu Ω, lub w bezpo´srednim jego s
,
asiedztwie. Je´sli brzeg
siatkowy nie zawiera si
,
e w ”prawdziwym”brzegu, warunki brzegowe trzeba
przenie´s¸
na brzeg siatkowy. Do tego s lu˙z
,
a specjalne procedury, o kt´
orych
b
,
edzie mowa w dalszej cz
,
e´sci wyk ladu. Dla obszar´
ow ograniczonych, przestrze-
nie funkcji siatkowych s
,
a z regu ly sko´
nczonego wymiaru.
Siatk
,
e charak-
teryzuje liczba h zwana krokiem siatki. Jest to maksymalna d lugo´sk
¸raw
,
edzi
kostek elementarnych z kt´
orych zbudowana jest siatka. Poniewa˙z jeste´smy
zainteresowani tym, co dzieje si
,
e, gdy h → 0, nasze rozwa˙zania dotycz
,
a z
regu ly rodzin siatek zale˙znych od parametru h, gdzie h jest elementem
pewnego zbioru liczb rzeczywistych dodatnich ω, maj
,
acego jedyny punkt
skupienia w zerze.
8
Przyk lady norm w przestrzeniach siatkowych. (Dla przestrzeni U
h
.)
• Norma ”max”. Niech u
h
= {u(p)|p ∈ Ω
h
}.
ku
h
k
h,∞
= max
p∈Ω
h
|u
h
(p)|.
• Norma L
2
h
. Niech u
h
= {u(p)|p ∈ Ω
h
}.
ku
h
k
h,2
= (h
x
h
y
X
p∈Ω
h
|u
h
(p)|
2
)
1
2
.
Ten przyk lad dotyczy obszaru siatkowego w R
2
, o sta lych krokach h
x
i h
y
w kierunku osi x i osi y uk ladu wsp´
o lrz
,
ednych.
Przestrzenie U i U
h
, F i F
h
, Φ
k
i Φ
k,h
i zagadnienia (1)(2) i (3)(4) nie
s
,
a oczywi´scie zupe lnie niezale˙zne od siebie. Om´
owimy teraz zwi
,
azki kt´
ore
mi
,
edzy poszczeg´
olnymi parami powinny zachodzi.¸
Przestrzenie funkcji siatkowych stanowi
,
a aproksymacj
,
e odpowiadaj
,
acych
im przestrzeni funkcyjnch U , F i Φ
k
. Zwi
,
azek mi
,
edzy takimi parami przestrzeni
ustalaj
,
a operatory obci
,
ecia. Tak wi
,
ec mamy:
r
U
h
: U → U
h
,
r
F
h
: F → F
h
,
r
Φ
k
h
: Φ
k
→ Φ
k,h
.
Niekiedy wygodnie jest wprowadzic r´
ownie˙z operatory przed lu ˙zenia, na
przyk lad
p
U
h
: U
h
→ U.
Z regu ly, jako p
U
h
przyjmuje si
,
e pewne izomorfizmy liniowe przestrzeni U
h
w przestrze´
n U . Operator p
U
h
spe lnia do pewnego stopnia rol
,
e odwrotno´sci
operatora obci
,
ecia.
Niech
π
U
h
= p
U
h
r
U
h
: U → U.
Ten operator okre´sla jako´s´
c aproksymacji przestrzeni U przez rodzin
,
e tr´
ojek
(5)
{U
h
, r
U
h
, p
U
h
}
h∈ω
.
9
Definicja.
Zbie ˙zno´
s´
c aproksymacji.
M´
owimy, ˙ze aproksymacja (5)
przestrzeni U jest zbie ˙zna, je´sli
π
U
h
→ I,
gdy h → 0, silnie
1
.
W teorii metod r´
o˙znicowych, na og´
o l nie u˙zywa si
,
e operator´
ow przed lu˙ze-
nia, gdy˙z wystarczaj
,
a do jej opisania operatory obci
,
ecia. Zak lada si
,
e nato-
miast, ˙ze normy w przestrzeniach funkcji siatkowych s
,
a zgodne z ich
odpowiednikami w przestrzeniach, kt´
ore one aproksymuj
,
a.
Definicja. Zgodno´
s´
c norm.
2
Niech b
,
edzie dana przestrze´
n unormowana
(U, k · k) i rodzina {U
h
, k · k
h
, r
U
h
}
h∈ω
. Normy k · k
h
s
,
a zgodne z norm
,
a k · k
je´sli
∀
u∈U
kr
U
h
uk
h
→ kuk
gdy h → 0.
Zapis ”operatorowy” r´
ownania r´
o ˙znicowego.
Zauwa˙zmy, ˙ze ka˙zde
r´
ownanie okre´slone na obszarze siatkowym Ω
h
mo˙zna zapisa´
c w nast
,
epuj
,
acy
spos´
ob
(6)
X
q∈N
h
(p)
A(p, q)u
h
(q) = f
h
(p)
p ∈ Ω
h
∪ Γ
h
.
Tutaj:
• N
h
(p) jest otoczeniem siatkowym punktu p. Takie otoczenie sk lada
si
,
e z tych punkt´
ow siatki Ω
h
, kt´
ore chcemy uwzgl
,
edni ¸
w r´
ownaniu dla
tego punktu.
• A(p, q) jest pewn
,
a funkcj
,
a okre´slon
,
a na (Ω
h
∪Γ
h
)×(Ω
h
∪Γ
h
) (je´sli nasze
r´
ownanie jest nieliniowe, to mo˙ze ona tak˙ze zale˙ze´
c od u
h
). Funkcja
ta okre´sla wsp´
o lczynniki r´
ownania.
1
Rodzina operator´
ow P
h
zbiega silnie do operatora P w przestrzeni Banacha X, gdy
h → 0, je´
sli k(P
h
− P )xk → 0 ∀
x∈X
2
Ten warunek zgodno´
sci norm zast
,
epuje warunek zbie˙zno´
sci aproksymacji wyra˙zony
przy u˙zyciu operator´
ow π
U
h
.
10
Nasze r´
ownanie (6) mo˙ze odpowiada´
c zar´
owno aproksymacji r´
ownania r´
o˙zni-
czkowego, jak i aproksymacji warunk´
ow brzegowych. Wszystko zale˙zy od
definicji N
h
(p)!
Przyk lad. Dla r´
ownania −∆u(p) = f (p),
dla p ∈ Ω
h
, u(0) = u(1) = 0
gdzie Ω = [0, 1] tworzymy aproksymacj
,
e r´
o˙znicow
,
a na siatce
Ω
h
= {0, h, 2h, · · · , N h}
gdzie h =
1
N
, Γ
h
= {0, 1}:
−
[u
k−1
− 2u
k
+ u
k+1
]
h
2
= f
k
, dla k = 1, 2 · · · , N − 1
u
0
= u
N
= 0.
Tutaj N
h
(p) = {(k − 1)h, kh, (k + 1)h} dla p
k
= h, 2h · · · , (N − 1)h, za´s
N
h
(0) = {0} i N
h
(N h) = {N h}.
Dla Ω
h
:
A(p, q) =
−1
h
2
dla q ∈ N
0
h
(p) = N
h
(p) \ {p}
2
h
2
dla q = p
0 dla q´
not ∈ N
h
(p)
Dla Γ
h
:
A(p, q) =
1 dla q = p
0 dla q´
not = p
f
h
(p) = f (p) dla p ∈ Ω
h
,
f
h
(p) = 0 dla p ∈ Γ
h
.
Teoria Laxa zbie ˙zno´
sci schemat´
ow
r´
o ˙znicowych
Powr´
o´
cmy do abstrakcyjnego sformu lowania naszego problemu. Dane jest
zagadnienie brzegowe
(1)
Lu = f, u ∈ U, f ∈ F,
(2)
lu = φ, u ∈ U, φ ∈ Φ,
11
gdzie L : U → F ; l : U → Φ i U , F , Φ s
,
a pewnymi przestrzeniami
unormowanymi.
Zak ladamy, ˙ze zagadnienie brzegowe (1)(2) jest dobrze
postawione, to znaczy, ˙ze istnieje jednoznaczne rozwi
,
azanie, kt´
ore zale˙zy w
spos´
ob ci
,
ag ly od danych zadania. R´
ownaniom (1)(2) przyporz
,
adkujemy
odpowiedni zestaw r´
owna´
n r´
o˙znicowych (schemat r´
o˙znicowy)
(3)
L
h
u
h
= f
h
, u
h
∈ U
h
, f
h
∈ F
h
,
(4)
l
h
u
h
= φ
h
, , φ
h
∈ Φ
h
gdzie U
h
,
F
h
,
Φ
h
s
,
a unormowanymi przestrzeniami funkcji siatkowych,
okre´slonych na rodzinie obszar´
ow siatkowych Ω
h
, takich ˙ze h → 0.
Definicja. Zbie ˙zno´
s´
c. Schemat r´
o˙znicowy (3)(4) jest zbie˙zny, je´sli
kr
U
h
u − u
h
k
U
h
h
→ 0, gdy h → 0,
gdzie u ∈ U jest rozwi
,
azaniem zagadnienia (1)(2), za´s u
h
∈ U
h
, rozwi
,
azaniem
zagadnienia (3)(4).
Definicja. Aproksymacja lokalna. Schemat (3)(4) aproksymuje zagad-
nienie (1)(2) na rozwi
,
azaniu u w punkcie p ∈ Ω
h
z rz
,
edem q, je´sli
L
h
r
U
h
u(p) − f
h
(p) = O(h
q
),
l
h
r
U
h
u(p) − φ
h
(p) = O(h
q
).
3
Definicja. Aproksymacja globalna. Schemat (3)(4) aproksymuje zagad-
nienie (1)(2) na rozwi
,
azaniu u globalnie z rz
,
edem q, je´sli
kL
h
r
U
h
u − f
h
k
F
h
h
= O(h
q
),
kl
h
r
U
h
u − φ
h
k
Φ
h
h
= O(h
q
).
3
Dla wyra˙zenia w, r´
owno´
s´
c w = O(h
r
) oznacza, ˙ze zachodzi oszacowanie kwk ≤ Kh
r
,
gdy h → 0, gdzie sta la K nie zale˙zy od h.
12
Definicja. Stabilno´
s´
c. Schemat (3)(4) jest stabilny, je´sli istnieje h
0
> 0,
˙ze:
• dla h < h
0
zagadnienie (3)(4) ma jednoznaczne rozwi
,
azanie dla dowol-
nych f
h
∈ F
h
i φ
h
∈ Φ
h
,
• istnieje sta la M (nie zale˙zna od h) taka, ˙ze dla dowolnego rozwi
,
azania
u
h
zadania (3)(4) zachodzi oszacowanie
ku
h
k
U
h
h
≤ M [kf
h
k
F
h
h
+ kφ
h
k
Φ
h
h
].
Twierdzenie Laxa. Je´
sli schemat (3)(4) aproksymuje globalnie zagadnienie
(1)(2) na jego rozwi
,
azaniu u z rz
,
edem q ≥ 1 i jest stabilny, to schemat jest
zbie˙zny i zachodzi oszacowanie
kr
U
h
u − u
h
k
U
h
h
= O(h
q
).
Dow´
od. Z za lo˙zenia o aproksymacji wynika, ˙ze
kL
h
r
U
h
u − f
h
k
F
h
h
= O(h
q
),
kl
h
r
U
h
u
h
− φ
h
k
Φ
h
h
= O(h
q
).
Ponadto
kL
h
u
h
− f
h
k
F
h
h
= 0
kl
h
u
h
− φ
h
k
Φ
h
h
= 0.
Dodaj
,
ac stronami do pierwszego r´
ownania trzecie i do drugiego czwarte po
zmianie znaku pod norm
,
a, dostaniemy:
kL
h
(r
U
h
u − u
h
)k
F
h
h
= O(h
q
),
kl
h
(r
U
h
u − u
h
)k
Φ
h
h
= O(h
q
).
Poniewa˙z schemat (3)(4) jest stabilny, to zagadnienie
(5)
L
h
(r
U
h
u − u
h
) = O(h
q
),
(6)
l
h
(r
U
h
u − u
h
) = O(h
q
).
13
(patrz odsy lacz
4
)) ma jednoznaczne rozwi
,
azanie r
U
h
u − u
h
i istnieje sta la M
taka, ˙ze
kr
U
h
u − u
h
k
U
h
≤ M O(h
q
) = O(h
q
).
Uwaga. Warunek zbie˙zno´sci schematu r´
o˙znicowego
kr
U
h
u − u
h
k
U
h
h
→ 0
odbiega od podanego wcze´sniej warunku zbie˙zno´sci aproksymacji przestrzeni.
W tym ostatnim przypadku por´
ownujemy elementy w przestrzeni U , podczas
gdy tutaj dla ka ˙zdego h, szacowanie odbywa si
,
e w innej przestrzeni
i innej normie.
Zwr´
o´
cmy jednak uwag
,
e na to, ˙ze za lo˙zyli´smy r´
ownie˙z
warunek zgodno´
sci norm, kt´
ory sprowadza wszystko ”do wsp´
olnego mi-
anownika”. U˙zyta w Teorii Laxa definicja zbie˙zno´sci - to tak zwana zbie ˙zno´
s´
c
dyskretna. Powr´
ocimy jeszcze dalej do sprawy wzajemnej zale˙zno´sci wspom-
nianych dw´
och poj
,
e´
c.
14
Wyk lad 3.
Stabilno´
s´
c - zbie ˙zno´
s´
c
Twierdzenie Lax’a m´
owi o tym, ˙ze badanie zbie˙zno´sci schematu mo˙zna
zast
,
api´
c dwiema prostszymi czynno´sciami:
• badaniem rz
,
edu schematu,
• badaniem stabilno´
sci schematu.
Badanie rz
,
edu schematu nie przedstawia na og´
o l wi
,
ekszych trudno´sci. O wiele
trudniejsze jest stwierdzenie, czy schemat jest stabilny. Zar´
owno poj
,
ecie
aproksymacji globalnej, jak i poj
,
ecie stabilno´sci jest zwi
,
azane z konkretn
,
a
norm
,
a (a w la´sciwie z konkretnymi normami w przestrzeniach F
h
, Φ
h
, U
h
).
Wobec tego tak˙ze metoda badania stabilno´sci b
,
edzie zale˙za la od konkretnej
normy.
Stabilno´
s´
c w normie ”max”.
Za lo˙zymy, ˙ze obszar Ω jest ograniczony. Wynika st
,
ad, ˙ze obszar siatkowy Ω
h
jest zbiorem sko´
nczonym. We´
zmy pod uwag
,
e schemat r´
o˙znicowy liniowy
(L
h
u
h
)(p) = f
h
(p), p ∈ Ω
h
,
(1)
(l
h
u
h
)(p) = φ
h
(p), p ∈ Γ
h
.
Schemat ten zapiszemy wykorzystuj
,
ac poj
,
ecie otoczenia siatkowego:
(2)
X
q∈N
h
(p)
A(p, q)u
h
(q) = g
h
(p), p ∈ Ω
h
∪ Γ
h
,
gdzie
g
h
(p) =
f
h
(p), p ∈ Ω
h
,
φ
h
(p), p ∈ Γ
h
,
za´s otoczenia siatkowe dobrane s
,
a na Ω
h
i Γ
h
zgodnie z zale˙zno´sciami (1) .
Twierdzenie 1.(Pewien warunek dostateczny stabilno´sci.)Je´
sli istnieje licz-
ba α > 0 niezale˙zna od h taka, ˙ze
[|A(p, p)| −
X
q∈N
0
h
(p)
|A(p, q)|] ≥ α, ∀
p
∈ Ω
h
∪ Γ
h
,
15
gdzie N
0
h
(p) = N
h
(p) \ {p}, to schemat (2) jest stabilny w normie max.
Dow´
od. Za lo˙zymy najpierw, ˙ze istnieje rozwi
,
azanie u
h
r´
ownania (2). Udowod-
nimy, ˙ze istnieje sta la M > 0 taka, ˙ze dla normy ”max”
ku
h
k
U
h
≤ M [kf
h
k
F
h
+ kφ
h
k
Φ
h
],
gdzie
ku
h
k
U
h
= max
p∈Ω
h
|u
h
(p)|,
kf
h
k
F
h
= max
p∈Ω
h
|f
h
(p)|,
kφ
h
k
Φ
h
= max
p∈Γ
h
|φ
h
(p)|.
Poniewa˙z Ω
h
jest zbiorem sko´
nczonym, to istnieje taki punkt p
0
∈ Ω
h
, ˙ze
ku
h
k
U
h
= max
p∈Ω
h
|u
h
(p)| = |u
h
(p
0
)|.
Mamy
kg
h
k
h
≥ |g
h
(p
0
)| =
= |
X
q∈N
h
(p
0
)
A(p
0
, q)u
h
(q)| = |A(p
0
, p
0
)u
h
(p
0
) +
X
q∈N
0
h
(p
0
)
A(p
0
, q)u
h
(q)| ≥
≥ [|A(p
0
, p
0
)||u
h
(p
0
)| −
X
q∈N
0
h
(p
0
)
|A(p
0
, q)||u
h
(q)|] ≥
≥ [|A(p
0
, p
0
)||u
h
(p
0
)| −
X
q∈N
0
h
(p
0
)
|A(p
0
, q)||u
h
(p
0
)|] =
= [|A(p
0
, p
0
)| −
X
q∈N
0
h
(p
0
)
|A(p
0
, q)|]ku
h
k
U
h
≥ αku
h
k
U
h
.
Zatem
kg
h
k
h
≥ |g
h
(p
0
)| ≥ αku
h
k
U
h
, α > 0
i st
,
ad
(3)
αku
h
k
U
h
≤ max
p∈Ω
h
|f
h
(p)| + max
p∈Γ
h
|φ
h
(p)| = kf
h
k
F
h
+ kφ
h
k
Φ
h
.
Poniewa˙z oszacowanie (3) zachodzi dla dowolnego rozwi
,
azania r´
ownania (2),
wi
,
ec zachodzi tak˙ze dla r´
ownania jednorodnego, to jest, gdy g
h
(p) = 0, ∀p.
St
,
ad wynika, ˙ze jedynym rozwi
,
azaniem jednorodnego r´
ownania (2), kt´
ore jest
16
po prostu uk ladem r´
owna´
n liniowych algebraicznych o macierzy kwadratowej,
jest u
h
= 0. A wi
,
ec r´
ownanie (2) ma jednoznaczne rozwi
,
azanie. Oznacza to
stabilno´s´
c w normie
00
max
00
.
Przyk lad 1. Zbudujemy aproksymacj
,
e r´
o˙znicow
,
a r´
ownania
−∆u(p) + cu(p) = f (p), p ∈ Ω,
u(p) = 0, p ∈ ∂Ω.
Tutaj c > 0 jest sta l
,
a, Ω - to wn
,
etrze kwadratu [0, L] × [0, L], L > 0. Na
Ω tworzymy siatk
,
e o sta lym kroku h =
L
N
, zaliczaj
,
ac do brzegu siatkowego
te punkty siatki, kt´
ore le˙z
,
a na brzegu ∂Ω. Powstanie w ten spos´
ob obszar
siatkowy Ω
h
o brzegu siatkowym Γ
h
. Niech p
i,j
= (hi, hj) i u
i,j
≈ u(p
i,j
).
Nasz schemat dla punktu p
i,j
:
−
u
i,j−1
− 2u
i,j
+ u
i,j+1
h
2
−
u
i−1,j
− 2u
i,j
+ u
i+1,j
h
2
+ cu
i,j
= f
i,j
,
dla p
i,j
∈ Ω
h
, za´s u
i,j
= 0 dla p
i,j
∈ Γ
h
. Dla punkt´
ow p ∈ Ω
h
N
h
(p) =
∗
∗
p
∗
∗
za´s dla punkt´
ow p ∈ Γ
h
N
h
(p) = {p}.
W r´
ownaniu
X
q∈N
h
(p)
A(p, q)u
h
(q) = g
h
(p)
gdy p ∈ Ω
h
A(p, q) =
c +
4
h
2
dla
q = p
−
1
h
2
dla
q ∈ N
h
(p)
q 6= p
0
dla innych
q
,
oraz g
h
(p) = f
h
(p). Gdy p ∈ Γ
h
A(p, p) = 1
oraz g
h
(p) = 0.
17
Zbadamy teraz warunek stabilno´
sci. Dla p ∈ Ω
h
|A(p, p)| −
X
q∈N
0
h
(p)
|A(p, q)| = c +
4
h
2
− 4
1
h
2
= c > 0,
dla p ∈ Γ
h
|A(p, p)| = 1 > 0,
zatem α = min{c, 1} > 0.
Oznacza to, ˙ze warunek dostateczny stabilno´sci b
,
edzie spe lniony, je´sli c >
0. Twierdzenie 1 nie chwyta zatem wa˙znego przypadku naszego zagadnienia,
gdy c = 0.
Przyk lad 2.
Na takim samym obszarze Ω jak w Przyk ladzie 1, dane jest r´
ownanie
r´
o˙zniczkowe
−∆u(p) + cu(p) = f (p), c > 0, p ∈ Ω,
oraz warunek brzegowy ”mieszany”
δ
du(p)
dn
+ βu(p) = φ(p), p ∈ ∂Ω.
Obszar siatkowy Ω
h
, oraz jego brzeg Γ
h
b
,
ed
,
a takie same jak poprzednio.
Tworzymy te˙z t
,
e sam
,
a aproksymacj
,
e r´
ownania r´
o˙zniczkowego. Pozostaje
wi
,
ec do skonstruowania aproksymacja warunku brzegowego. Dla aproksy-
macji pochodnej normalnej zewn
,
etrznej zastosujemy najpierw pierwsze r´
o˙znice
dzielone w prz´
od lub w ty l, zale˙znie od tego na kt´
orej ´scianie kwadratu le˙zy
punkt p.
∗
∗
∗
∗
· · ·
∗
o
o
o
· · ·
p
q
o
o
· · ·
∗
o
o
o
· · ·
·
·
·
·
· · ·
·
·
·
·
· · ·
Na przyk lad na lewej kraw
,
edzi kwadratu, warunek brzegowy zaaproksymu-
jemy przez
δ
u(p) − u(q)
h
+ βu(p) = φ(p).
18
Mamy wi
,
ec dla p ∈ Γ
h
A(p, q) =
δ
h
+ β
q = p
−δ
h
q 6= p
przy tym
N
h
(p) = {p, q}
Tak samo, jak poprzednio:
A(p, q) =
c +
4
h
2
p = q
−
1
h
2
p 6= q
i dla p ∈ Ω
h
N
h
(p) =
∗
∗
∗
∗
∗
.
Wida´
c st
,
ad, ˙ze schemat b
,
edzie stabilny, gdy znaki β i δ s
,
a jednakowe. Nasze
twierdzenie nie odpowiada na pytanie o stabilno´s´
c, gdy β = 0.
Powy˙zsza aproksymacja warunku brzegowego ma jednak wad
,
e: wewn
,
atrz
obszaru schemat jest aproksymowany z rz
,
edem 2, za´s na brzegu tylko z
rz
,
edem 1.
Globalna aproksymacja ma zatem jedynie rz
,
ad 1.
Zgodnie z
Twierdzeniem Laxa, ta aproksymacja warunku brzegowego mo˙ze spowodowa´
c
zmniejszenie szybko´sci zbie˙zno´sci ca lego schematu.
Zadanie 1. Zaproponuj inn
,
a konstrukcj
,
e warunku brzegowego, tak
,
a aby
ca ly schemat by l rz
,
edu 2. Mo˙zna przy tem za lo˙zy´
c, ˙ze r´
ownanie r´
o˙zniczkowe
jest spe lnione tak˙ze na brzegu obszaru. Zbadaj stabilno´s´
c.
Kryterium stabilno´sci w normie
00
max
00
wyra˙zone w Twierdzeniu 1 jest
do´s´
c s labe. Widzieli´smy to na przyk ladzie r´
ownania −∆u = f . Dla schemat´
ow
liniowych postaci (2) zbudujemy teraz mocniejsze kryterium.
Wygodnie b
,
edzie oznaczy´
c
¯
Ω
h
= Ω
h
∪ Γ
h
.
Za lo˙zymy, ˙ze ¯
Ω
h
jest zbiorem sko´
nczonym oraz, ˙ze jest sum
,
a mnogo´sciow
,
a
dw´
och roz l
,
acznych zbior´
ow Ω
1
h
i Ω
2
h
:
¯
Ω
h
= Ω
1
h
∪ Ω
2
h
, Ω
1
h
∩ Ω
2
h
= ∅,
przy czym spe lnione s
,
a nast
,
epuj
,
ace warunki
19
1.
∀
p∈ ¯
Ω
h
A(p, p) > 0,
∀
p∈ ¯
Ω
h
∀
q∈N
0
h
(p)
A(p, q) ≤ 0,
∀
p∈ ¯
Ω
h
X
q∈N
h
(p)
A(p, q) ≥ 0.
2.
∀
p∈Ω
1
h
X
q∈N
h
(p)
A(p, q) ≥ 0
za´
s
∀
q∈
h
N
0
h
(p)
A(p, q) < 0,
∀
p∈Ω
2
h
X
q∈N
h
(p)
A(p, q) > 0
za´
s
∀
q∈
h
N
0
h
(p)
A(p, q) ≤ 0.
3. Obszar siatkowy ¯
Ω
h
ma nast
,
epuj
,
ac
,
a w lasno´
s´
c: dla ka ˙zdego
punktu p ∈ Ω
1
h
istnieje punkt s ∈ Ω
2
h
oraz punkty p
j
∈ Ω
1
h
dla j =
1, 2, · · · , r takie, ˙ze p
1
∈ N
h
(p), p
2
∈ N
h
(p
1
), · · · , p
r
∈ N
h
(p
r−1
), s ∈
N
h
(p
r
)
Schemat postaci (2),
(2)
X
q∈N
h
(p)
A(p, q)u
h
(q) = g
h
(p) ∀
p∈ ¯
Ω
h
,
kt´
ory posiada w lasno´sci (1)(2)(3) nazywa si
,
e schematem typu dodat-
niego.
Twierdzenie 2. Niech schemat (2) b
,
edzie typu dodatniego. Wtedy:
• Je´sli
∀
p∈ ¯
Ω
h
X
q∈N
h
(p)
A(p, q)u
h
(q) ≥ 0,
to ∀
p∈ ¯
Ω
h
u
h
(p) ≥ 0,
• Je´sli
∀
p∈ ¯
Ω
h
X
q∈N
h
(p)
A(p, q)u
h
(q) ≤ 0,
to ∀
p∈ ¯
Ω
h
u
h
(p) ≤ 0.
20
Dow´
od. Przypu´s´
cmy, ˙ze
P
q∈N
h
(p)
A(p, q)u
h
(q) ≥ 0 i, ˙ze istnieje taki punkt
˜
p, ˙ze u(˜
p) < 0. Poniewa˙z ¯
Ω
h
jest zbiorem sko´
nczonym, to mo˙zna znale´
z´
c taki
punkt p
0
∈ ¯
Ω
h
, ˙ze
u
h
(p
0
) = min
p∈N
h
(p)
u
h
(p) < 0.
Mo˙zliwe s
,
a dwa przypadki:
1. p
0
∈ Ω
2
h
. Wtedy
P
q∈N
h
(p
0
)
A(p
0
, q) > 0 i dla q ∈ N
0
h
(p
0
) A(p
0
, q) ≤ 0, i
wtedy latwo sprawdzi´
c, ˙ze
X
q∈N
h
(p)
A(p
0
, q)u
h
(q) =
= [
X
q∈N
h
(p
0
)
A(p
0
, q)]u
h
(p
0
) +
X
q∈N
0
h
(p
0
)
A(p
0
, q)[u
h
(q) − u
h
(p
0
)] < 0,
sk
,
ad sprzeczno´s´
c z za lo˙zonym warunkiem
X
q∈N
h
(p)
A(p, q)u
h
(q) ≥ 0.
2. p
0
∈ Ω
1
h
. Wtedy
P
q∈N
h
(p
0
)
A(p
0
, q) ≥ 0 i dla q ∈ N
0
h
(p
0
) A(p
0
, q) < 0, i
wtedy latwo sprawdzi´
c, ˙ze
X
q∈N
h
(p)
A(p
0
, q)u
h
(q) =
= [
X
q∈N
h
(p
0
)
A(p
0
, q)]u
h
(p
0
) +
X
q∈N
0
h
(p
0
)
A(p
0
, q)[u
h
(q) − u
h
(p
0
)] ≤ 0,
co jeszcze nie jest sprzeczne z za lo˙zonym warunkiem
X
q∈N
h
(p)
A(p, q)u
h
(q) ≥ 0.
Poka˙zemy jednak, ˙ze w N
h
(p
0
) istnieje taki punkt q
0
, ˙ze u
h
(q
0
) >
u
h
(p
0
). Wtedy b
,
edzie
X
q∈N
h
(p)
A(p
0
, q)u
h
(q) =
= [
X
q∈N
h
(p
0
)
A(p
0
, q)]u
h
(p
0
) +
X
q∈N
0
h
(p
0
)
A(p
0
, q)[u
h
(q) − u
h
(p
0
)] < 0.
21
Poka˙zemy teraz, ˙ze istotnie, taki punkt q
0
∈ N
h
(p
0
) istnieje. Zauwa˙zmy
najpierw, ˙ze zgodnie z p.3 definicji schematu typu dodatniego, dla
punkt´
ow p
0
i s istnieje ci
,
ag {p
j
}
j=1,2,···,r
⊂ Ω
1
h
o w lasno´sciach tam
opisanych. Gdyby takiego punktu q
0
∈ N
h
(p
0
) nie by lo, to znaczy loby,
˙ze mo˙znaby przyj
,
a´
c ∀
q∈N
h
(p
0
)
q = p
0
i wtedy mo˙znaby w konsekwencji
przyj
,
a´
c p
1
= p
0
. Rozumuj
,
ac w ten spos´
ob, doszliby´smy w ko´
ncu do
wniosku, ˙ze mo˙zna przyj
,
a´
c, ˙ze s = p
0
. To z kolei zosta lo wykluczone w
punkcie 1. tego dowodu, gdy˙z s ∈ Ω
2
h
. Ostatecznie widzimy, ˙ze
• albo znajdziemy w N
h
(p
0
) punkt q dla kt´
orego u
h
(p
0
) < u
h
(q),
• albo dojdziemy do wniosku, ˙ze u
h
(p
0
) = u
h
(s) < 0, to za´s nie jest
mo˙zliwe, gdy˙z s ∈ Ω
2
h
. Zatem zawsze w N
h
(p
0
) musi istnie´
c q
0
i
u
h
(q
0
) > u
h
(p
0
) = min
p∈ ¯
Ω
h
u
h
(p) < 0.
Wniosek 1. Je´
sli schemat (2) jest typu dodatniego i
X
q∈N
h
(p)
A(p, q)u
h
(q) = 0 ∀
p∈ ¯
Ω
h
,
to
∀
p∈ ¯
Ω
h
u
h
(p) = 0.
Dow´
od. Wynika bezpo´srednio z Twierdzenia 2.
Wniosek 2. Schemat (2) typu dodatniego ma zawsze jednoznaczne rozwi
,
azanie
u
h
(p), p ∈ ¯
Ω
h
.
Dow´
od.
Jest tak, poniewa˙z r´
ownanie (2) jednorodne, ma tylko zerowe
rozwi
,
azanie. (Patrz Wniosek 1.)
Wniosek 3. Niech schemat (2) b
,
edzie typu dodatniego i rozpatrzmy drugi
schemat, kt´
ory r´
o˙zni si
,
e od niego tylko praw
,
a stron
,
a:
X
q∈N
h
(p)
A(p, q)u
h
(q) = g
h
(p), p ∈ ¯
Ω
h
,
X
q∈N
h
(p)
A(p, q)v
h
(q) = G
h
(p), p ∈ ¯
Ω
h
.
22
Je´
sli ∀
p∈ ¯
Ω
h
g
h
(p) ≤ G
h
(p), to,
u
h
(p) ≤ v
h
(p), ∀
p∈ ¯
Ω
h
.
Dow´
od. Odejmijmy od drugiego r´
ownania - pierwsze. Teraz mo˙zemy zas-
tosowa´
c Twierdzenie 2.
Wniosek 4. Przypu´
s´
cmy, ˙ze istnieje funkcja siatkowa
Ψ
h
: ¯
Ω
h
→ R
taka, ˙ze:
1. ∃
M
,(M niezale˙zne od h), ˙ze ∀
p∈ ¯
Ω
h
0 ≤ Ψ
h
(p) ≤ M ,
2.
P
q∈N
h
(p)
A(p, q)Ψ
h
(q) ≥ 1, ∀
p∈ ¯
Ω
h
,
Wtedy schemat typu dodatniego
X
q∈N
h
(p)
A(p, q)u
h
(q) = g
h
(p), ∀
p∈ ¯
Ω
h
jest stabilny w normie
00
max
00
.
Dow´
od. Niech v
h
(p) = Kψ
h
(p), gdzie K = max
p∈Ω
h
|g
h
(p)|, oraz niech
G
h
(p) =
X
q∈N
h
(p)
A(p, q)v
h
(q) =
= K
X
q∈N
h
(p)
A(p, q)ψ
h
(q) ≥ K =
= max
p∈ ¯
Ω
h
|g
h
(p)|, ∀p ∈ ¯
Ω
h
.
Zatem
−G
h
(p) ≤ g
h
(p) ≤ G
h
(p), ∀
p∈ ¯
Ω
h
,
sk
,
ad na mocy Wniosku 3
−v
h
(p) ≤ u
h
(p) ≤ v
h
(p), ∀
p∈ ¯
Ω
h
,
23
lub
|u
h
(p)| ≤ v
h
(p) = max
p∈ ¯
Ω
h
|g
h
(p)|ψ
h
(p) ≤ M max
p∈ ¯
Ω
h
|g
h
(p)|.
Ta ostatnia nier´
owno´s´
c oznacza stabilno´s´
c w normie
00
max
00
:
kuk
U
h
h
= max
p∈ ¯
Ω
h
|u
h
(p)| ≤ M max
p∈ ¯
Ω
h
|g
h
(p)| ≤
≤ M [max
p∈Ω
h
|f
h
(p)| + max
p∈Γ
h
|φ
h
(p)|] =
= M [kf
h
k
F
h
h
+ kψ
h
k
Φ
h
h
].
24
Wyk lad 4.
Sumowanie ”przez cz
,
e´
sci”.
Na przedziale [a, b] dana jest siatka punkt´
ow
x
0
= a, x
j
= x
0
+ jh, j = 0, 1, · · · , N + 1, h =
b − a
N + 1
,
oraz dwie funkcje siatkowe
u
h
= {u
0
, u
1
, · · · , u
N +1
},
v
h
= {v
0
, v
1
, · · · , v
N +1
}.
Niech
∆u
k
= u
k+1
− u
k
,
r´
o˙znica ”w prz´
od”,
∇u
k
= u
k
− u
k−1
,
r´
o˙znica ”w ty l”.
Nietrudno zauwa˙zy´
c, ˙ze
N
X
j=1
v
j
∆u
j
= −
N
X
j=1
u
j
∇v
j
+ v
N
u
N +1
− v
0
u
1
.
Je´sli v
0
= 0 i u
N +1
= 0, to
N
X
j=1
v
j
∆u
j
= −
N
X
j=1
u
j
∇v
j
.
Ca lkowa nier´
owno´
s´
c Friedrichsa.
Niech u : [0, L] → R b
,
edzie funkcj
,
a r´
o˙zniczkowaln
,
a. Mamy wtedy dla t ∈
[0, L]
u(t) = u(0) +
Z
t
0
u
0
(s)ds.
Za l´
o˙zmy, ˙ze u spe lnia (lewostronnie) warunek brzegowy Dirichleta u(0) = 0.
Wtedy u(t) =
R
t
0
u
0
(s)ds, i st
,
ad
|u(t)|
2
≤
Z
t
0
1ds
Z
t
0
|u
0
(s)|
2
ds = t
Z
t
0
|u
0
(s)|
2
ds ≤ tku
0
k
2
0
,
25
gdzie k · k
0
oznacza norm
,
e przestrzeni L
2
(0, L). St
,
ad ostatecznie
kuk
2
0
=
Z
L
0
|u(s)|
2
ds ≤
L
2
2
ku
0
k
2
0
.
Otrzymali´smy w ten spos´
ob ca lkow
,
a nier´
owno´
s´
c Friedrichsa:
Je´
sli u(0) = 0, to
(∗)
kuk
2
0
≤
L
2
2
ku
0
k
2
0
.
W przestrzeni C
1
([0, L]) |u|
1
= ku
0
k
0
jest seminorm
,
a, ale w jej pod-
przestrzeni C
1
0
([0, L]) funkcji spe lniaj
,
acych jednorodny warunek brzegowy
Dirichleta (wystarczy lewostronnie!), | · |
1
jest norm
,
a.
Przestrzenie Sobolewa.
Niech (a, b) b
,
edzie przedzia lem. Zerowa przestrze´
n Sobolewa:
H
0
(a, b) = L
2
(a, b).
Aby zdefiniowa´
c przestrze´
n H
1
(a, b) okre´slimy najpierw przestrze´
n G
1
([a, b])
funkcji u : [a, b] → R ci
,
ag lych i maj
,
acych w [a, b] pochodn
,
a ca lkowaln
,
a z
kwadratem. W G
1
([a, b]) okre´slimy iloczyn skalarny
(u, v)
1
= (u, v)
0
+ (u
0
, v
0
)
0
i zwi
,
azan
,
a z nim norm
,
e
kuk
1
= (u, u)
1
2
1
,
gdzie (u, v)
0
=
R
b
a
u(s)v(s)ds jest iloczynem skalarnym w przestrzeni L
2
(a, b).
Przestrze´
n Sobolewa H
1
(a, b), to uzupe lnienie przestrzeni G
1
([a, b])
w normie k · k
1
.
Przez C
∞
(a, b) oznaczymy przestrze´
n funkcji okre´slonych na przedziale (a, b),
kt´
ore maj
,
a wszystkie pochodne ci
,
ag le, za´s przez C
∞
0
(a, b) ⊂ C
∞
(a, b) jej
podprzestrze´
n funkcji o no´sniku zwartym, zawartym w (a, b).
26
Przestrze´
n Sobolewa H
1
0
(a, b), to uzupe lnienie przestrzeni C
∞
0
(a, b)
w normie k · k
1
4
Mamy nast
,
epuj
,
ace inkluzje:
H
1
0
(a, b) ⊂ H
1
(a, b) ⊂ H
0
(a, b).
W przestrzeni G
1
([a, b]), a wi
,
ec tak˙ze i w przestrzeni H
1
(a, b) |u|
1
= ku
0
k
0
jest seminorm
,
a (zastan´
ow si
,
e dlaczego?). Natomiast w H
1
0
(a, b), |u|
1
jest
norm
,
a r´
ownowa ˙zn
,
a normie k · k
1
. Wynika to z nier´
owno´sci Friedrichsa:
Oczywi´scie |u|
2
1
= ku
0
k
2
0
≤ kuk
2
0
+ ku
0
k
2
0
. Z drugiej strony, z nier´
owno´sci
Friedrichsa:
|u|
2
1
≤ kuk
2
1
≤ (1 +
L
2
2
)|u|
2
1
.
Uog´
olnienia.
Niech Ω ⊂ R
d
b
,
edzie obszarem ograniczonym o brzegu
kawa lkami g ladkim. Analogicznie jak wy˙zej okre´slimy najpierw przestrze´
n
G
1
( ¯
Ω) funkcji ci
,
ag lych u : ¯
Ω → R, kt´
ore maj
,
a pierwsze pochodne cz
,
astkowe
ca lkowalne z kwadratem na ¯
Ω. W przestrzeni G
1
( ¯
Ω) okre´slimy iloczyn skalar-
ny
(u, v)
1
= (u, v)
0
+
d
X
j=1
(
∂
∂x
j
u,
∂
∂x
j
v)
0
i zwiazan
,
a z nim norm
,
e k · k
1
.
Uzupe lnienie przestrzeni G
1
( ¯
Ω) w normie k · k
1
, to przestrze´
n
Sobolewa H
1
(Ω).
Podobnie, uzupe lnienie w tej samej normie k · k
1
przestrzeni
C
∞
0
(Ω) funkcji o no´
sniku zwartym, zawartym w Ω, maj
,
acych wszys-
tkie pochodne cz
,
astkowe ci
,
ag le w obszarze Ω, to przestrze´
n Sobole-
wa H
1
0
(Ω).
Wy ˙zsze pochodne. Oznaczmy przez α wielowskaznik, to jest wektor α =
[i
1
, i
2
, · · · , i
d
] o wsp´
o lrz
,
ednych ca lkowitych. Niech |α| =
P
d
j=1
i
j
. Niech
D
α
u =
∂
|α|
∂x
i
1
1
∂x
i
2
2
· · · ∂x
i
d
d
u.
4
Mo˙zna uwa˙za´
c H
1
0
(a, b) za zbi´
or tych element´
ow przestrzeni H
1
(a, b), kt´
ore spe lniaj
,
a
jednorodny warunek Dirichleta.
27
Okre´slimy G
k
( ¯
Ω) jako przestrze´
n funkcji u : ¯
Ω → R kt´
ore s
,
a klasy C
k−1
, za´s
ich k-te pochodne cz
,
astkowe s
,
a ca lkowalne z kwadratem na ¯
Ω. Na G
k
( ¯
Ω)
zdefiniujemy iloczyn skalarny
(u, v)
k
=
X
|α|≤k
(D
α
u, D
α
v)
0
,
oraz odpowiadaj
,
ac
,
a mu norm
,
e k · k
k
.
Uzupe lnienie G
k
( ¯
Ω) w normie k · k
k
, to przestrze´
n H
k
(Ω). Podob-
nie, uzupe lnienie w tej normie przestrzeni C
∞
0
(Ω), to H
k
0
(Ω).
Mamy w ten spos´
ob dwie skale przestrzeni Sobolewa:
· · · H
k
(Ω) ⊂ H
k−1
(Ω) ⊂ · · · ⊂ H
0
(Ω),
oraz
· · · H
k
0
(Ω) ⊂ H
k−1
0
(Ω) ⊂ · · · ⊂ H
0
(Ω)
przy czym dla ka˙zdego k
H
k
0
(Ω) ⊂ H
k
(Ω).
Uwagi.
• Elementy przestrzeni H
1
(a, b), to funkcje ci
,
ag le.
Naszkicujemy tutaj dow´
od tego faktu. Je´sli u ∈ G
1
([a, b]), to ∀
x,y
∈
[a, b]
u(y) − u(x) =
Z
y
x
u
0
(s)ds.
St
,
ad (nier´
owno´s´
c Schwarza)
(∗)
|u(y) − u(x)| ≤
q
(|y − x|)kuk
1
.
Pami
,
etamy, ˙ze G
1
([a, b]) jest zbiorem g
,
estym w H
1
(a, b). We´
zmy wi
,
ec
dowolny ci
,
ag Cauchy’ego w G
1
([a, b]). Z nier´
owno´sci (*) wynika, ˙ze
elementy tego ci
,
agu s
,
a jednakowo ci
,
ag le w normie sup, a da si
,
e tak˙ze
udowodni´
c, ˙ze s
,
a one wsp´
olnie ograniczone. Mo˙zna zatem zastosowa´
c
28
Twierdzenie Ascoli-Arzela, z kt´
orego wynika, ˙ze z takiego ci
,
agu wybie-
rzemy podci
,
ag jednostajnie zbie˙zny do funkcji ci
,
ag lej. Wyci
,
agamy te˙z
wniosek, ˙ze wszystkie takie podci
,
agi s
,
a zbie˙zne do tej samej granicy,
kt´
or
,
a identyfikujemy z elementem przestrzeni H
1
(a, b).
Takiego faktu nie da si
,
e udowodni´
c dla H
1
(Ω), je´sli Ω jest obszarem w
R
d
, gdzie d > 1.
• Twierdzenie o ´
sladzie.Niech Ω ⊂ R
d
b
,
edzie obszarem ograniczonym,
o brzegu ∂Ω kawa lkami g ladkim, bez ostrzy. Wtedy istnieje operator
´
sladu
γ : H
1
(Ω) → L
2
(∂Ω)
taki, ˙ze
1.
∃
C>0
∀
v∈H
1
(Ω)
kγvk
0,∂Ω
≤ Ckvk
1,Ω
,
2.
∀
v∈G
1
( ¯
Ω)
γv(p) = v(p), p ∈ ∂Ω.
Dow´
od. Dow´
od przeprowadzimy w przypadku, gdy d = 2, oraz gdy Ω
jest prostok
,
atem o ´scianach r´
ownoleg lych do osi uk ladu wsp´
o lrz
,
ednych.
Taki obszar ma brzeg kawa lkami g ladki, to znaczy, ˙ze daje si
,
e rozbi´
c na
sko´
nczon
,
a liczb
,
e kawa lk´
ow, kt´
ore dadz
,
a si
,
e sparametryzowa´
c w przy
pomocy funkcji klasy C
1
. Ten brzeg jest tak˙ze pozbawiony ostrzy, co
oznacza, ˙ze w ˙zadnym punkcie dwa kawa lki brzegu nie maj
,
a wsp´
olnej
stycznej. Latwo uog´
olni´
c ten dow´
od na przypadek brzegu ∂Ω opisanego
innymi krzywymi.
∗
.
.
.
.
.
.
.
∗
.
.
.
.
.
.
.
a
∗
∗
∗
∗
.
.
.
.
∗
.
.
∗
.
.
.
.
p
∗
Ω
p
.
∗
r
.
Ω
.
∗
.
.
∗
.
.
.
.
b
∗
∗
∗
∗
.
.
.
.
∗
.
.
.
.
.
.
.
∗
.
.
.
.
.
.
.
29
Niech u ∈ G
1
( ¯
Ω), wtedy kuk
1
< ∞. Niech p = (x
0
, y) (punkt le˙z
,
acy na
brzegu) i po l´
o˙zmy
φ(t) = u(x
0
+ t, y).
Wtedy
φ
0
(t) = u
x
(x
0
+ t, y),
oraz
φ(t) = φ(0) +
Z
t
0
φ
0
(s)ds.
St
,
ad dla r > 0
rφ(0) =
Z
r
0
φ(t)dt −
Z
r
0
Z
t
0
φ
0
(s)dsdt.
Po zmianie kolejno´sci ca lkowania w ca lce podw´
ojnej dostaniemy
rφ(0) =
Z
r
0
φ(t)dt −
Z
r
0
(r − s)φ
0
(s)ds.
Stosuj
,
ac nier´
owno´s´
c (x + y)
2
≤ 2x
2
+ 2y
2
i potem nier´
owno´s´
c Schwarza,
dostaniemy kolejno
r
2
φ(0)
2
≤ 2[
Z
r
0
1φ(t)dt]
2
+ 2[
Z
r
0
φ
0
(s)ds]
2
≤
≤ 2r
Z
r
0
φ(t)
2
dt +
2
3
r
3
Z
r
0
φ
0
(s)
2
ds,
oraz
u(x
0
, y)
2
≤
2
r
Z
r
0
u(x
0
+ t, y)
2
dt +
2
3
r
Z
r
0
u
x
(x
0
+ s, y)
2
ds.
Po sca lkowaniu wzgl
,
edem y w przedziale [a, b] (patrz rysunek) dostaniemy
Z
b
a
u(x
0
, y)
2
dy ≤
2
r
kuk
2
0,Ω
p
+
2
3
rku
x
k
2
0,Ω
p
.
Zatem
kγuk
2
0,Γ
a,b
≤ C(Ω
p
)kuk
2
1,Ω
p
i st
,
ad otrzymujemy dla dowolnego elementu u ∈ G
1
( ¯
Ω)
kγuk
2
0,∂Ω
≤ C(Ω)kuk
2
1,Ω
.
Wykorzystuj
,
ac g
,
esto´
s´
c G
1
( ¯
Ω) w H
1
(Ω) i zupe lno´
s´
c przestrzeni L
2
(∂Ω),
wnioskujemy, ˙ze operator ´
sladu γ jest okre´slony na ca lej przestrzeni
H
1
(Ω) i, ˙ze odwzorowuje on przestrze´
n H
1
(Ω) w (cz
,
e´s´
c) przestrzeni
L
2
(∂Ω) a wi
,
ec γ : H
1
(Ω) → L
2
(∂Ω).
30
R´
o ˙znicowa nier´
owno´
s´
c Friedrichsa. Ta nier´
owno´s´
c jest odpowiednikiem
ca lkowej nier´
owno´sci Friedrichsa. Jest przydatna przy badaniu stabilno´sci
schemat´
ow r´
o˙znicowych. Wyprowadzimy j
,
a w przypadku jednowymiarowym.
Niech na przedziale [0, L] dana b
,
edzie siatka punkt´
ow o sta lym kroku
x
k
= x
0
+ kh, k = 0, 1, · · · , N + 1, h =
L
N +1
oraz funkcja siatkowa
u
h
= {u
0
, u
1
, · · · , u
N +1
}.
Mamy
u
k
= u
0
+ (u
1
− u
0
) + (u
2
− u
1
) + · · · + (u
k
− u
k−1
),
sk
,
ad
u
k
= u
0
+ h
k−1
X
j=0
∆u
j
h
,
a wi
,
ec, je´sli u
0
= 0, to
u
k
= h
k−1
X
j=0
∆u
j
h
.
St
,
ad, po zastosowaniu nier´
owno´sci Schwarza
|u
k
| =
h
k−1
X
j=0
1 ·
∆u
j
h
≤
√
hk
v
u
u
u
t
h
k−1
X
j=0
(
∆u
j
h
)
2
.
Zatem
|u
k
|
2
≤ kh · h
N
X
j=0
(
∆u
j
h
)
2
,
oraz st
,
ad
h
N +1
X
k=0
|u
k
|
2
≤ h
2
N +1
X
k=0
kh
N
X
j=0
(
∆u
j
h
)
2
=
= h
2
N + 1
2
(N + 2)h
N
X
j=0
(
∆u
j
h
)
2
.
Otrzymali´smy w ten spos´
ob oszacowanie dla dyskretnej normy L
2
ku
h
k
2
0,h
= h
N +1
X
k=0
|u
k
|
2
≤ L
2
|u
h
|
2
1,h
,
31
gdzie |u
h
|
2
1,h
= h
P
N
j=0
(
∆u
j
h
)
2
. Jest to r´
o˙znicowa forma nier´
owno´sci Friedrichsa.
Uog´
olnienie. Niech ¯
Ω
h
= Ω
h
∪ Γ
h
b
,
edzie obszarem siatkowym w R
d
. Oz-
naczmy jeszcze
Ω
+
h
i
= {p ∈ ¯
Ω
h
|p ∈ ¯
Ω
h
⇒ p + e
i
h
i
∈ ¯
Ω
h
},
gdzie e
i
jest wersorem i−tej osi uk ladu wsp´
o lrz
,
ednych, za´s h
i
- krokiem siatki
w kierunku tej osi.
Je´
sli u
h
: ¯
Ω
h
→ R, oraz u
h
(p) = 0 dla p ∈ Γ
h
, to
ku
h
k
2
0,h
≤ C(Ω)h
i
X
p∈Ω
+
hi
(
∆u
h
(p)
h
)
2
,
gdzie C(Ω) jest sta l
,
a zale˙zn
,
a tylko od obszaru Ω.
32
Wyk lad 5.
Oszacowania a priori. Stabilno´
s´
c w normach typu L
2
.
Rozwa˙zmy nast
,
epuj
,
acy bardzo prosty przyk lad zagadnienia brzegowego
(1)
−u
00
(t) + cu(t) = f (t)
t ∈ (a, b), c ≤ 0
(2)
u(a) = u(b) = 0.
Za l´
o˙zmy, ˙ze istnieje rozwi
,
azanie klasyczne u, pomn´
o˙zmy stronami r´
ownanie
(1) przez u i sca lkujmy w przedziale [a, b]. Ca lkuj
,
ac przez cz
,
e´sci otrzymamy
(3) −u
0
(b)u(b) + u
0
(a)u(a) +
Z
b
a
(u
0
(t))
2
dt + c
Z
b
a
(u(t))
2
dt =
Z
b
a
f (t)u(t)dt,
za´s st
,
ad, wykorzystuj
,
ac warunki brzegowe
|u|
2
1
+ ckuk
2
0
=
Z
b
a
f (t)u(t)dt ≤ K
1
kf k
0
kuk
0
≤ K
2
kf k
0
|u|
1
≤ K
3
kf k
0
kuk
1
.
W ten spos´
ob dostajemy tak zwane oszacowanie a priori rozwi
,
azania u
|u|
1
≤ K
2
kf k
0
,
lub
kuk
0
≤ K
4
kf k
0
,
lub te˙z
kuk
1
≤ K
5
kf k
0
.
Oszacowania te oznaczaj
,
a, ˙ze rozwi
,
azanie zale˙zy w spos´
ob ci
,
ag ly od danych
zadania. M´
owimy, ˙ze zadanie (1)(2) jest dobrze postawione.
Przypu´s´
cmy teraz, ˙ze zagadnienie (1)(2) zosta lo zaaproksymowane na
siatce
t
0
= a, t
k
= t
0
+ kh, k = 0, 1, · · · , N + 1
przez schemat r´
o˙znicowy
−
∇∆u
k
h
2
+ cu
k
= f
k
, k = 1, 2, · · · , N,
u
0
= u
N +1
= 0.
33
Post
,
epuj
,
ac w spos´
ob analogiczny, jak w przypadku zagadnienia r´
o˙zniczkowego
(1)(2), po uwzgl
,
ednieniu wzoru na sumowanie przez cz
,
e´sci oraz nier´
owno´sci
Friedrichsa w wersji r´
o˙znicowej, dostaniemy
h
N
X
j=0
(
∆u
j
h
)
2
+ ch
N +1
X
k=0
u
2
k
=
N +1
X
k=0
f
k
u
k
za´s st
,
ad otrzymamy oszacowania
ku
h
k
h
≤ Ckf
h
k
0,h
,
gdzie jako k · k
h
mo˙zna przyj
,
a´
c ka˙zd
,
a z norm k · k
0,h
lub k · k
1,h
. Zauwa˙zmy od
razu, ˙ze z tej ostatniej nier´
owno´sci wynika istnienie jednoznacznego rozwi
,
aza-
nia naszego schematu (mamy bowiem do czynienia z uk ladem r´
owna´
n alge-
braicznych liniowych o macierzy kwadratowej!). Ten fakt, oraz otrzymane
oszacowanie oznaczaj
,
a stabilno´
s´
c schematu w ka˙zdej z wymienionych wy˙zej
norm siatkowych.
Nier´
owno´
sci macierzowe. Normy energetyczne.
Niech A b
,
edzie macierz
,
a kwadratow
,
a, rzeczywist
,
a. Je´
sli dla ka ˙z-
dego wektora x 6= 0 mamy (Ax, x) > 0, to m´
owimy, ˙ze A > 0, lub ˙ze
macierz jest okre´
slona dodatnio. Je´
sli natomiast dla macierzy A i
B zachodzi zwi
,
azek A − B > 0, to m´
owimy, ˙ze A > B. Zauwa ˙zmy, ˙ze
relacja > dla macierzy jest jedynie porz
,
adkiem cz
,
e´
sciowym. Ana-
logicznie, okre´
slamy nier´
owno´
s´
c nie ostr
,
a dla macierzy w oparciu o
poj
,
ecie macierzy okre´
slonej nie ujemnie. Macierz A jest okre´
slona
nie ujemnie, je´
sli dla ka ˙zdego wektora x, (Ax, x) ≥ 0.
Normy Energetyczne.
Niech B b
,
edzie macierz
,
a kwadratow
,
a wymiaru N × N , rzeczywist
,
a, sy-
metryczn
,
a i dodatnio okre´slon
,
a. W naszej przestrzeni wektorowej mamy
iloczyn skalarny (u, v) =
P
N
j=1
u
j
v
j
.
Przy pomocy macierzy B mo˙zemy
okre´sli´
c nowy iloczyn skalarny (u, v)
B
= (Bu, v), oraz zwi
,
azan
,
a z nim norm
,
e
kuk
B
=
q
(u, u)
B
. Jest to norma energetyczna zwi
,
azana z macierz
,
a B.
34
Zapis macierzowy schemat´
ow r´
o ˙znicowych.
Niekiedy jest wygodnie zapisa´
c schemat r´
o˙znicowy (liniowy) w postaci
uk ladu r´
owna´
n algebraicznych liniowych
A
h
u
h
= g
h
.
De facto jest to rodzina uk lad´
ow, gdzie h ∈ ω ⊂ R, gdzie ω jest rozwa˙zanym
zbiorem indeks´
ow h; jedynym jego punktem skupienia jest 0. Znajomo´s´
c
w lasno´sci macierzy A
h
mo˙ze by´
c pomocna przy badaniu stabilno´sci rozwa˙za-
nego schematu. Istotnie:
Je´
sli rodzina macierzy A
h
, h ∈ ω jest wsp´
olnie jednostajnie dodatnio okre´
slona,
to znaczy, je´
sli
∃
γ>0
,
˙ze ∀
h∈ω
i ∀
u
h
6=0
, (A
h
u
h
, u
h
)
h
≥ γku
h
k
2
h
,
to schemat jest stabilny w normie k · k
h
Dow´
od. Mamy:
(g
h
, u
h
)
h
= (A
h
u
h
, u
h
)
h
≥ γku
h
k
2
h
,
i st
,
ad
ku
h
k
h
≤
1
γ
kg
h
k
h
.
Uwaga. Je´sli sta la γ jest bardzo ma la, to sta la w warunku stabilno´sci
1
γ
b
,
edzie bardzo du˙za. Oznacza to, ˙ze rozwi
,
azanie u
h
mo˙ze by´
c bardzo wra˙zliwe
ze wzgl
,
edu na zaburzenia g
h
. Wtedy mo˙ze by´
c wygodnie zastosowa´
c inn
,
a
norm
,
e:
kg
h
k
2
h
= (A
h
u
h
, A
h
u
h
)
h
= (A
h
u
h
, S
h
S
h
u
h
)
h
,
gdzie A
h
= S
2
h
(taka macierz S
h
zawsze istnieje i jest symetryczna i dodatnio
okre´slona, oraz komutuje z macierz
,
a A
h
). Mamy wi
,
ec
kg
h
k
2
h
= (S
h
A
h
u
h
, S
h
u
h
)
h
= (A
h
S
h
u
h
, S
h
u
h
)
h
≥ γku
h
k
2
A
h
,
za´s st
,
ad ostatecznie
ku
h
k
A
h
≤
1
√
γ
kg
h
k
h
.
W ten spos´
ob zmniejszyli´smy sta l
,
a stabilno´sci.
35
Mo˙zna podobny efekt uzyska´
c tak˙ze inaczej. Niech B
h
= B
T
h
> 0, i przypu´s´
c-
my, ˙ze
∃
α≥0
nie zale˙zne od h, takie, ˙ze (A
h
u
h
, u
h
)
h
≥ α(B
h
u
h
, u
h
)
h
.
Wtedy mamy:
αku
h
k
2
B
h
= α(B
h
u
h
, u
h
)
h
≤ (A
h
u
h
, u
h
)
h
=
= (g
h
, u
h
)
h
= (B
h
B
−1
h
g
h
, u
h
)
h
= (B
−1
h
g
h
, B
h
u
h
)
h
≤
≤
q
(B
−1
h
g
h
, g
h
)
h
q
(B
−1
h
B
h
u
h
, B
h
u
h
)
h
=
= kg
h
k
B
−1
h
ku
h
k
B
h
,
i st
,
ad
ku
h
k
B
h
≤
1
α
kg
h
k
B
−1
h
.
36
Wyk lad 6
Przyk lad (agitacja) Rozwa˙zamy dobrze nam znane zagadnienie brzegowe
(1)
−u
00
(t) + cu(t) = f (t), t ∈ (o, 1)
(2)
u(0) = 0, u(1) = 0.
Niech V = C
1
([0, 1]) i niech V
0
= {v ∈ V | v(0) = v(1) = 0}. Pomno˙zymy
stronami r´
ownanie (1) przez v ∈ V
0
i sca lkujemy w przedziale (0, 1) wyko-
rzystuj
,
ac wz´
or na ca lkowanie przez cz
,
e´sci oraz uwzgl
,
edniaj
,
ac fakt, ˙ze wyraz
brzegowy znika; otrzymamy
Z
1
0
(u
0
(t)v
0
(t) + cu(t)v(t))dt =
Z
1
0
f (t)v(t)dt.
Oznaczmy:
a(u, v) =
Z
1
0
(v
0
(t)u
0
(t) + cu(t)v(t))dt,
lv =
Z
1
0
f (t)v(t)dt.
Zauwa˙zmy, ˙ze
a : V × V → R jest form
,
a dwuliniow
,
a nad V
l : V → R jest form
,
a liniow
,
a nad V .
Zatem, zagadnienie (1)(2) zast
,
apili´smy innym zagadnieniem
(3)
znajd´
z u ∈ V
0
, takie, ˙ze ∀
v∈V
0
a(u, v) = lv.
Jest to r´
ownanie wariacyjne. Zagadnienie (3) jest sformu lowaniem uo-
g´
olnionym zagadnienia (1),(2). Rzeczywi´scie, mo˙zemy uwa˙za´
c (3) za uog´
ol-
nienie (1),(2), gdy˙z rozwi
,
azanie klasyczne u zagadnienia (1)(2), je´sli istnieje,
to spe lnia r´
ownanie wariacyjne (3), za´s nie ka˙zde rozwi
,
azanie r´
ownania war-
iacyjnego (3) musi spe lnia´
c (1)(2). Zauwa˙zmy, ˙ze rozwi
,
azania r´
ownania war-
iacyjnego (3) nie musz
,
a by´
c dwukrotnie r´
o˙zniczkowalne: mog
,
a by´
c tylko
jeden raz r´
o˙zniczkowalne!
37
We´
zmy teraz pod uwag
,
e inne zagadnienie brzegowe
(4)
−u
00
(t) + cu(t) = f (t), t ∈ (0, 1),
(5)
u
0
(0) = a, u
0
(1) = b.
Warunki brzegowe (5) mo˙zemy interpretowa´
c tak: zadana jest pochodna nor-
malna zewn
,
etrzna do brzegu obszaru Ω = (0, 1), a wi
,
ec jest to warunek brze-
gowy Neumanna.
Post
,
apimy teraz w podobny spos´
ob jak poprzednio. Pomno˙zymy stro-
nami r´
ownanie (4), tym razem jednak przez dowolny element przestrzeni
V = C
1
([0, 1]). Po sca lkowaniu przez cz
,
e´sci w przedziale (0, 1), otrzymamy
Z
1
0
(u
0
(t)v
0
(t) + cu(t)v(t))dt =
Z
1
0
f (t)v(t)dt − av(0) + bv(1).
Mo˙zemy teraz napisa´
c r´
ownanie wariacyjne
(6)
a(u, v) = lv + gv,
gdzie
a : V × V → R,
l, g : V → R,
a(u, v) =
Z
1
0
(u
0
(t)v
0
(t) + cu(t)v(t))dt,
lv =
Z
1
0
f (t)v(t)dt,
gv = bv(1) − av(0).
R´
ownania wariacyjne (3) i (6) maj
,
a nast
,
epuj
,
ac
,
a w lasno´s´
c: je´
sli prawa
strona r´
ownania r´
o˙zniczkowego f jest ci
,
ag la w (0, 1) i je´
sli
u ∈ C
2
jest
rozwi
,
azaniem, to u spe lnia odpowiednio (1)(2), lub (4)(5).
Sprawd´
zmy to na przyk lad dla (6). Niech najpierw v ∈ V
0
. Poniewa˙z
u ∈ C
2
to w (6) mo˙zemy ponownie sca lkowa´
c przez cz
,
e´sci i otrzymamy
Z
1
0
(−u
00
(t) + cu(t) − f (t))v(t)dt = 0, ∀
v∈V
0
.
Ze wzgl
,
edu na to, ˙ze v(0) = v(1) = 0, mamy g(v) = 0. Poniewa˙z
−u
00
(t) + cu(t) − f (t), t ∈ (0, 1)
38
jest funkcj
,
a ci
,
ag l
,
a, to warunek znikania ca lki dla wszystkich v ∈ V
0
poci
,
aga
(7)
−u
00
(t) + cu(t) = f (t), t ∈ (0, 1),
a wi
,
ec spe lnione jest r´
ownanie r´
o˙zniczkowe (4). Wybierzmy teraz v ∈ V ;
mno˙z
,
ac stronami r´
ownanie (4) przez v ∈ V i ca lkuj
,
ac przez cz
,
e´sci otrzymamy
a(u, v) = lv + u
0
(1)v(1) − u
0
(0)v(0).
Po odj
,
eciu stronami r´
ownania (6), otrzymamy
(u
0
(1) − b)v(1) − (u
0
(0) − a)v(0) = 0.
Mo˙zemy teraz dobra´
c v ∈ V tak, aby najpierw v(0) = 1,
v(1) = 0, oraz
nast
,
epnie tak, aby v(0) = 0, v(1) = 1; otrzymamy
u
0
(0) = a, u
0
(1) = b.
Widzimy wi
,
ec, ˙ze spe lniony jest r´
ownie˙z warunek Neumanna.
W lasno´
sci form a i l
Stosuj
,
ac nier´
owno´s´
c Schwarza wyprowadzimy latwo nast
,
epuj
,
ace nier´
owno´sci
|a(u, v)| ≤ M kuk
1
kvk
1
,
oraz
|lv| ≤ Lkvk
0
≤ Lkvk
1
,
gdzie M i L s
,
a sta lymi. Nier´
owno´sci te oznaczaj
,
a ci
,
ag lo´
s´
c (ograniczono´
s´
c)
rozwa˙zanych form.
Nie trudno te˙z oszacowa´
c wyra˙zenie a(u, u) z do lu:
a(u, u) =
Z
1
0
(u
0
(t)
2
+ cu(t)
2
)dt ≥ min{1, c}
Z
1
0
(u
0
(t)
2
) + u(t)
2
)dt ≥ γkuk
2
1
,
gdzie γ = min{1, c} w tym przypadku. Ta ostatnia nier´
owno´s´
c oznacza
koercywno´
s´
c formy a w przestrzeni V .
Sformu lowania (3) i (6) s
,
a uog´
olnione w tym sensie, ˙ze od rozwi
,
azania
nie wymagaj
,
a jego dwukrotnej r´
o˙zniczkowalno´sci. Formalnie wystarczy przy-
nale˙zno´s´
c do V = C
1
([0, 1]).
Jednak nie potrafimy udowodni´
c istnienia
39
i jednoznaczno´sci rozwi
,
azania tak postawionego zadania.
Potrzebne jest
tu jeszcze wi
,
eksze rozszerzenie przestrzeni V
0
, lub V w ten spos´
ob, aby
uzyska´
c ich zupe lno´s´
c w sensie naturalnej dla tych przestrzeni normy k · k
1
.
Tak
,
a przestrzeni
,
a jest H
1
0
(0, 1) dla zadania (3), za´s H
1
(0, 1) dla zadania
(6). Ze wzgl
,
edu na g
,
esto´s´
c V
0
lub odpowiednio V w przestrzeni H
1
0
(0, 1),
wzgl
,
ednie H
1
(0, 1), oraz ze wzgl
,
edu na ograniczono´s´
c rozpatrywanych form
a i l, formy te mo˙zna przed lu˙zy´
c w spos´
ob zachowuj
,
acy ci
,
ag lo´s´
c i koercywno´s´
c
na przestrzenie H
1
0
(0, 1) i H
1
(0, 1).
Doszli´smy w ten spos´
ob do pe lnego sformu lowania uog´
olnionego.
Niech (V, (·, ·)) b
,
edzie rzeczywist
,
a przestrzeni
,
a Hilberta.
Dana jest forma dwuliniowa
a : V × V → R,
• ci
,
ag la: ∃
M >0
, taka, ˙ze ∀
u,v∈V
|a(u, v)| ≤ M kukkvk,
• i koercywna: ∃
γ>0
taka, ˙ze ∀
u∈V
γkuk
2
≤ a(u, u)
oraz forma liniowa
l : V → R
ci
,
ag la: ∃
L≥0
∀
v∈V
|lv| ≤ Lkvk.
(∗)
Poszukujemy u ∈ V
takiego, ˙ze a(u, v) = lv,
∀
v∈V
.
Dla rozpatrywanych uprzednio przyk lad´
ow nale˙zy przyj
,
a´
c H
1
0
(0, 1) dla
zadania (3), za´s H
1
(0, 1) dla zadania (6).
Zajmiemy si
,
e teraz spraw
,
a istnienia i jednoznaczno´sci rozwi
,
azania zagad-
nienia (∗).
Twierdzenie Laxa - Milgrama. Niech (V, (·, ·)) b
,
edzie rzeczywist
,
a przestrzeni
,
a
Hilberta,
a : V × V → R,
form
,
a dwuliniow
,
a ograniczon
,
a i koercywn
,
a,
l : V → R
40
form
,
a liniow
,
a ograniczon
,
a.
Wtedy r´
ownanie wariacyjne (∗) ma jednoznaczne rozwi
,
azanie u ∈ V .
Dow´
od. Ustalmy chwilowo u ∈ V ;
v 7→ a(u, v)
dla ka˙zdego u ∈ V ustalonego jest funkcjona lem liniowym nad V . Zatem
mamy operator
A : V → V
0
,
Au = a(u, ·),
gdzie V
0
oznacza przestrze´
n dualn
,
a do przestrzeni V , to jest przestrze´
n
wszystkich funkcjona l´
ow liniowych i ograniczonych nad przestrzeni
,
a V .
Dla przestrzeni Hilberta V zachodzi Twierdzenie Riesza:
Istnieje izomorfizm liniowy (izometria)
τ : V
0
→
na
V,
taki, ˙ze dla ka˙zdego f ∈ V
0
, τ f = v
f
∈ V i kf k = kv
f
k, oraz dla ka˙zdego
v ∈ V
f v = (v
f
, v).
Mamy wi
,
ec a(u, v) = (τ (Au), v), a wi
,
ec a(u, v) = lv mo˙zna zapisa´
c
r´
ownowa˙znie
(τ (Au), v) = (τ (l), v).
Zatem nasze zadanie (∗) jest r´
ownowa˙zne r´
ownaniu operatorowemu
(∗∗)
Au = l.
Zauwa˙zmy, ˙ze operator A jest liniowy i ograniczony. Liniowo´s´
c wynika
bezpo´srednio z liniowo´sci a.
Udowodnimy ograniczono´s´
c A. Mamy
kAuk =
= sup
kwk=1
|Auw| = sup
kwk=1
(τ (Au), w) = sup
kwk=1
|a(u, w)| ≤ M kukkwk = M kuk,
41
gdzie M jest sta l
,
a ci
,
ag lo´sci formy a. To oznacza, ˙ze norma A jest ograniczona
z g´
ory przez M . Teraz poka˙zemy, ˙ze r´
ownanie Au = l ma jednoznaczne
rozwi
,
azanie. Zastosujemy, twierdzenie Banacha o punkcie sta lym.
Niech
Φ(v) = v + ρτ (l − Av),
gdzie ρ > 0; mamy
Φ : V → V.
Udowodnimy, ˙ze mo˙zna tak dobra´
c ρ, ˙ze Φ b
,
edzie odwzorowaniem zw
,
e˙za-
j
,
acym. Stad wyniknie, istnienie jedynego u ∈ V , takiego, ˙ze u = Φ(u), a
wi
,
ec Au = l.
Niech v
1
, v
2
∈ V .
Φ(v
1
) − Φ(v
2
) = v
1
− v
2
− ρτ (A(v
1
− v
2
)).
St
,
ad:
kΦ(v
1
) − Φ(v
2
)k
2
= kv
1
− v
2
k
2
+ ρ
2
kτ (A(v
1
− v
2
))k
2
− 2a(v
1
− v
2
, v
1
− v
2
).
Teraz skorzystamy z ograniczono´sci i koercywno´sci formy a.
kΦ(v
1
) − Φ(v
2
)k
2
≤
≤ kv
1
− v
2
k
2
+ ρ
2
M
2
kv
1
− v
2
k
2
− 2ργkv
1
− v
2
k
2
= [M
2
− 2ργ + 1]kv
1
− v
2
k
2
.
A wi
,
ec
kΦ(v
1
) − Φ(v
2
)k ≤ Lkv
1
− v
2
k
gdzie L
2
= M
2
ρ
2
− 2ργ + 1. Widzimy, ˙ze je´sli 0 < ρ <
2γ
M
2
, to 0 ≤ L < 1.
42
Wyk lad 7.
Metoda Ritza - Galerkina. (Sformu lowanie abstrakcyjne.) Niech V, (·, ·)
b
,
edzie przestrzeni
,
a Hilberta. Niech {V
h
}
h∈ω
, V
h
⊂ V b
,
edzie rodzin
,
a pod-
przestrzeni sko´
nczonego wymiaru przestrzeni V . B
,
edziemy chcieli, aby dla
tej rodziny by lo spe lnione nast
,
epuj
,
ace
Za lo ˙zenie. (W lasno´
s´
c aproksymacji) Rodzina podprzestrzeni {V
h
}
h∈ω
przestrzeni V , ma w lasno´
s´
c aproksymacji je´sli
∀
u∈V
∀
h∈ω
∃v
h
(u) ∈ V
h
, ˙ze kv
h
(u) − uk → 0, gdy h → 0.
R´
ownanie przybli ˙zone. Nasze sformu lowanie wariacyjne
(1)
Poszukujemy u ∈ V takiego, ˙ze a(u, v) = lv ∀
v∈V
,
”obetniemy” do przestrzeni V
h
; to znaczy zamienimy (1) przez
(2)
Poszukujemy u
h
∈ V
h
takiego, ˙ze a(u
h
, v
h
) = lv
h
∀
v
h
∈V
h
.
Jest to r´
ownanie przybli˙zone - Metoda ”Ritza - Galerkina”.
Poniewa˙z przestrzenie V
h
s
,
a sko´
nczonego wymiaru, to s
,
a one przestrzeniami
Hilberta (s
,
a zupe lne!).
Ponadto formy a i l zachowuj
,
a swoje w lasno´sci
ograniczono´
sci i koercywno´
sci w przestrzeniach V
h
, ze sta lymi M i γ
niezale˙znymi od h. Zatem dla zagadnienia (2) funkcjonuje Twierdzenie Laxa-
Milgrama, sk
,
ad wynika, ˙ze (2) ma zawsze jednoznaczne rozwi
,
azanie.
Co to jest naprawd
,
e zagadnienie (2)?
Niech
V
h
= span{φ
h
1
, φ
h
2
, · · · , φ
h
N
h
},
gdzie elementy φ
h
j
, j = 1, 2, · · · , N
h
s
,
a liniowo niezale˙zne. St
,
ad wynika, ˙ze
u
h
=
P
N
h
j=1
φ
h
j
c
j
, i ze wzgl
,
edu na liniowo´s´
c form a i l, r´
ownanie (2) mo˙zemy
zapisa´
c r´
ownowa˙znie:
(3)
N
h
X
j=1
a(φ
h
j
, φ
h
k
)c
j
= lφ
h
k
, k = 1, 2, · · · , N
h
,
43
lub, u˙zywaj
,
ac zapisu macierzowego
(4)
A
h
c = l,
gdzie
A
h
= (a
k,j
)
k,j=1,2,···,N
h
, a
k,j
= a(φ
h
j
, φ
h
k
)
jest macierz
,
a wymiaru N
h
× N
h
,
c = [c
1
, c
2
, · · · , c
N
h
]
T
,
jest wektorem, kt´
orego poszukujemy, za´s
l = [lφ
h
1
, lφ
h
2
, · · · , lφ
h
N
h
]
T
.
Inaczej m´
owi
,
ac, Metoda Ritza-Galerkina polega ostatecznie na rozwi
,
azaniu
uk ladu r´
owna´
n algebraicznych liniowych (4).
Zbie ˙zno´
s´
c. Interesuje nas, czy
ku
h
− uk → 0, gdy h → 0,
gdzie u jest rozwi
,
azaniem (1), za´s u
h
jest rozwi
,
azaniem (2), i jak szybko
ku − u
h
k d
,
a˙zy do zera. B
,
edziemy zak lada´
c, ˙ze formy a i l s
,
a ograniczone, za´s
forma a jest r´
ownie˙z koercywna.
Lemat 1. Metoda Ritza-Galerkina jest stabilna.
Dow´
od. Rozwi
,
azanie u
h
r´
ownania (2) istnieje i jest jedyne; wykorzystuj
,
ac
koercywno´s´
c i ograniczono´s´
c form otrzymamy
γku
h
k
2
≤ a(u
h
, u
h
) = |lu
h
| ≤ klkku
h
k,
za´s st
,
ad wynika
ku
h
k ≤
klk
γ
.
Ta nier´
owno´s´
c oznacza stabilno´s´
c.
Lemat 2. Je´
sli u ∈ V jest rozwi
,
azaniem r´
ownania (1), za´
s u
h
∈ V
h
jest
rozwi
,
azaniem r´
ownania (2), to
(5)
a(u − u
h
, v
h
) = 0 ∀
v
h
∈V
h
.
44
Komentarz. Gdyby forma a by la symetryczna, (to znaczy, gdyby ∀
u,v∈V
a(u, v) =
a(v, u)), to wz´
or (5) oznacza lby, ˙ze u
h
jest rzutem ortogonalnym w sensie iloczynu
skalarnego (·, ·)
a
, gdzie (u, v)
a
= a(u, v), elementu u na podprzestrze´
n V
h
dla tego
iloczynu skalarnego. Zatem, dla normy generowanej przez ten iloczyn skalarny u
h
by lby najlepsz
,
a aproksymacj
,
a w przestrzeni V
h
elementu u ∈ V .
Dow´
od. Mamy:
a(u, v
h
) = lv
h
,
u(u
h
, v
h
) = lv
h
,
∀v
h
∈ V
h
, wi
,
ec odejmuj
,
ac stronami powy˙zsze r´
owno´sci otrzymamy tez
,
e.
Twierdzenie C´
ea. Dla rozwi
,
aza´
n u ∈ V i u
h
∈ V
h
r´
owna´
n (1) i (2) zachodzi
oszacowanie
ku − u
h
k ≤
M
γ
inf
v
h
∈V
h
ku − v
h
k,
gdzie M i γ s
,
a sta lymi ci
,
ag lo´
sci i koercywno´
sci formy a.
Dow´
od. Wykorzystuj
,
ac koercywno´s´
c formy a i Lemat 2 otrzymamy
γku − u
h
k
2
≤ a(u − u
h
, u − u
h
) = a(u − u
h
, u) − a(u − u
h
, u
h
) =
= a(u − u
h
, u) − a(u − u
h
, v
h
)
gdzie v
h
∈ V
h
jest dowolnym elementem. St
,
ad
ku − u
h
k ≤
M
γ
ku − v
h
k.
Bior
,
ac po obu stronach ostatniej r´
owno´sci inf
v
h
∈V
h
otrzymamy tez
,
e:
ku − u
h
k ≤
M
γ
inf
v
h
∈V
h
ku − v
h
k.
Wniosek. Je´
sli podprzestrzenie V
h
maj
,
a w lasno´
s´
c aproksymacji, to me-
toda Ritza-Galerkina jest zbie˙zna.
Dow´
od. Istotnie, dla u ∈ V ∃v
h
(u) ∈ V
h
takie, ˙ze ku − v
h
(u)k → 0. Zatem
ku − u
h
k ≤
M
γ
inf
v
h
∈V
h
ku − v
h
k ≤ ku − v
h
(u)k → 0.
45
Twierdzenie C´
ea wskazuje na to, ze jako´s´
c konkretnej wersji Metody
Ritza-Galerkina zale˙zy od tego jak zostan
,
a wybrane przestrzenie sko´
nczonego
wymiaru V
h
. M´
owi
,
ac o jako´sci danej wersji metody mamy na my´sli przede
wszystkim
• szybko´s´c zbie˙zno´sci u
h
do u gdy h → 0,
• posta´c macierzy A
h
uk ladu r´
owna´
n (4); macierz ta jest na og´
o l bardzo
du˙zego wymiaru. Zatem bardzo istotn
,
a pozytywn
,
a jej cech
,
a by laby jej
pasmowo´
s´
c.
Metoda Elementu Sko´
nczonego (MES) - Finite Element Method
(FEM) jest tak
,
a realizacj
,
a Metody Ritza-Galerkina kt´
ora
• pozwala uzyskiwa´c oszacowania szybko´sci zbie˙zno´sci,
• produkuje macierze A
h
uk ladu (4) o budowie pasmowej.
46
Wyk lad 8.
Metoda Elementu Sko´
nczonego.
Konforemna Metoda Elementu
Sko´
nczonego jest szczeg´
olnym przypadkiem Metody Ritza-Galerkina; Metod
,
e
Elementu Sko´
nczonego otrzymujemy dobieraj
,
ac w specjalny spos´
ob pod-
przestrzenie sko´
nczonego wymiaru V
h
. Metoda Elementu Sko´
nczonego jest
konforemna, je´sli dla ka˙zdego h ∈ ω, V
h
⊂ V .
5
Przestrzeni
,
a V , w tym przy-
padku, jest najcz
,
e´sciej jedna z przestrzeni Sobolewa H
m
(Ω), lub H
m
0
(Ω).
Metod
,
e Elementu Sko´
nczonego opiszemy dla nieco uproszczonego przy-
padku, gdy obszar Ω ⊂ R
d
jest wielo´
scianem d−wymiarowym ograni-
czonym, to jest sko´
nczon
,
a sum
,
a mnogo´sciow
,
a simpleks´
ow.
Rozwa˙zmy rodzin
,
e triangulacji zbioru ¯
Ω,
τ
h
= {T
1
, T
2
, · · · , T
M
}.
Liczba M i zbiory T
j
zale˙z
,
a od parametru h ∈ ω, co nie zosta lo uwzgl
,
ednione
w oznaczeniach, aby ich nie komplikowa´
c. Rodzina τ
h
nie musi sk lada´
c si
,
e
z simpleks´
ow. Rozwa˙za si
,
e r´
ownie˙z rozk lady zbioru ¯
Ω na innego rodzaju
podzbiory.
Dla ustalenia uwagi tutaj b
,
edziemy m´
owi´
c o triangulacjach,
pami
,
etaj
,
ac jakie warunki powinien spe lnia´
c taki rozk lad.
Rodzina τ
h
jest regularna je´sli istniej
,
a dwie sta le dodatnie κ i β, niezale˙zne
od h i takie, ˙ze
• βh ≤ h
T
≤ h, gdzie h
T
, to ´srednica simpleksu T ∈ τ
h
, za´s h =
max
T ∈τ
h
{h
T
}.
•
ρ
T
h
T
≥ κ, gdzie ρ
T
jest promieniem kuli wpisanej w T .
Element.
Element, to tr´
ojka
{T, P
T
, Σ
T
},
gdzie
• T ∈ τ
h
,
5
Rozwa˙za si
,
e r´
ownie˙z wersj
,
e niekonforemn
,
a MES. Wtedy warunek V
h
⊂ V
∀
h∈ω
nie jest spe lniony. Do MES niekonforemnej nie stosuje si
,
e przedstawiona wy˙zej teoria
zbie˙zno´
sci oparta na twierdzeniu C´
ea.
47
• P
T
to przestrze´
n liniowa sko´
nczonego wymiaru, funkcji okre´slonych na
zbiorze T ; zwykle wymaga si
,
e ˙zeby przestrze´
n P
T
zawiera la wszystkie
wielomiany stopnia ≤ s, dla pewnego s-naturalnego.
• Σ
T
to tak zwany zbi´
or stopni swobody elementu. Zbi´
or Σ
T
jest sko´
n-
czonym uk ladem liniowo niezale˙znych funkcjona l´
ow nad przestrzeni
,
a
P
T
:
Σ
T
= {φ
h
1
, φ
h
2
, · · · , φ
h
N
h
}.
Funkcjona ly φ
h
1
, · · · , φ
h
N
h
maj
,
a nast
,
epuj
,
ac
,
a w lasno´
s´
c interpolacji: dla
dowolnego uk ladu liczb α
1
, α
2
, · · · , α
N
h
, r´
ownania
φ
h
j
(P ) = α
j
, j = 1, 2, · · · , N
h
wyznaczaj
,
a jednoznacznie element P ∈ P
T
.
Baza dualna. Baz
,
e dualn
,
a budujemy wyznaczaj
,
ac elementy P
1
, P
2
, · · · , P
N
h
z przestrzeni P
T
przy pomocy uk ladu r´
owna´
n
φ
h
j
(P
k
) = δ
k,j
k, j = 1, 2, · · · , N
h
.
Ze wzgl
,
edu na warunki, kt´
ore spe lniaj
,
a stopnie swobody, baza dualna zawsze
istnieje, i jest jedyna.
Zauwa˙zmy, ˙ze maj
,
ac baz
,
e dualn
,
a mo˙zemy bardzo latwo wyznaczy´
c tak
zwany ”interpolant”, to jest taki element P ∈ P
T
, kt´
ory dla dowolnego
uk ladu liczb α
1
, α
2
, · · · , α
N
h
spe lnia warunki ”interpolacji”:
φ
h
j
(P ) = α
j
, j = 1, 2, · · · , N
h
.
Widzimy, ˙ze
P =
N
h
X
j=1
P
j
α
j
.
W przypadku, gdy funkcjona ly φ
h
j
”wybijaj
,
a” warto´s´
c funkcji w zadanych
punktach jest to prawdziwa interpolacja. Niech bowiem x
h
1
, x
h
2
, · · · , x
h
N
h
b
,
ed
,
a
r´
o˙znymi punktami T . Niech
φ
h
j
(P ) = P (x
h
j
), j = 1, 2, · · · , N
h
.
48
Je´sli {P
1
, P
2
, · · · , P
N
h
} jest baz
,
a dualn
,
a, to
φ
h
k
(P ) = P (x
h
k
) =
N
h
X
j=1
φ
h
k
(P
j
)α
j
= α
k
.
Przestrzenie MES. Przestrzenie V
h
tworzymy ”sklejaj
,
ac” w odpowiedni
spos´
ob funkcje z przestrzeni P
T
. Otrzymujemy funkcje v
h
: Ω → R, v
h
∈ V
h
takie, ˙ze dla ka˙zdego T ∈ τ
h
v
h|T
∈ P
T
.
Je´sli chcemy uzyska´
c konforemn
,
a MES, to sklejanie poszczeg´
olnych cz
,
e´sci v
h
powinno by´
c takie, ˙zeby v
h
∈ V . U˙zywaj
,
ac tych przestrzeni V
h
, kt´
ore w tym
przypadku nazywa si
,
e Przestrzeniami Elementu Sko´
nczonego, wygodnie jest
pos lugiwa´
c si
,
e ich bazami. Przy tworzeniu tych baz cz
,
esto wykorzystujemy
bazy dualne na poszczeg´
olnych elementach.
W naszych rozwa˙zaniach najcz
,
e´sciej wykorzystywali´smy przestrzenie So-
bolewa H
1
(Ω) lub H
1
0
(Ω) jako przestrze´
n V . Og´
olnie, przestrzenie Sobolewa
H
m
(Ω) najcz
,
e´sciej w takiej roli wyst
,
epuj
,
a. Tote˙z ich w lasno´sci b
,
ed
,
a dla nas
najistotniejsze.
Interpolant. Prawdziwe jest nast
,
epuj
,
ace twierdzenie, kt´
ore podajemy tu
bez dowodu
Twierdzenie. (Bramble-Hilbert) Niech Ω ⊂ R
2
i u ∈ H
s
(Ω), gdzie s ≥ 2.
Niech τ
h
b
,
edzie regularn
,
a rodzin
,
a triangulacji obszaru Ω. Wtedy w ka˙zdym
tr´
ojk
,
acie T ∈ τ
h
mo˙zna znale´
z´
c takie punkty
p
1
, p
2
, · · · , p
l
i jedyny taki wielomian P
T,s−1
stopnia nie wi
,
ekszego od s − 1, ˙ze
P
T,s−1
(p
j
) = u(p
j
) j = 1, 2, · · · , l
(Jest to wielomian interpolacyjny Lagrange’a). Wielomiany P
T, s−1
dla po-
szczeg´
olnych T ∈ τ
h
mo˙zna tak ”sklei´
c”, ˙ze powstanie ”splajn” zwany tak˙ze
”interpolantem” I
h
(u). Mamy wtedy:
• I
h
(u) ∈ H
m
0
(Ω) dla pewnego m
0
≤ s
49
• ∀ T ∈ τ
h
I
h
(u)
|T
= P
T,s−1
∈ P
T
,
• je´sli m ≤ m
0
, to dla interpolantu zachodzi oszacowanie
(∗)
ku − I
h
(u)k
Ω,m
≤ Ch
s−m
|u|
Ω,s
,
gdzie sta la C nie zale˙zy od h, za´
s |·|
Ω,s
jest s-t
,
a seminorm
,
a z przestrzeni
Sobolewa H
s
(Ω).
Nier´
owno´s´
c (∗) z Twierdzenia Brambla-Hilberta wskazuje na to, czego mo˙zna
oczekiwa´
c po metodach typu MES. Je´sli bowiem, na przyk lad V = H
m
(Ω),
u ∈ H
s
(Ω), m < s, gdzie u jest rozwi
,
azaniem zadania r´
o˙zniczkowego, u
h
∈
V
h
jest rozwi
,
azaniem zadania przybli˙zonego przez MES oraz I
h
(u) ∈ V
h
⊂
H
m
(Ω), to z Twierdzenia C´
ea wynika
ku − u
h
k
Ω,m
≤
M
γ
inf
v
h
∈ V
h
ku − v
h
k
Ω,m
≤
M
γ
ku − I
h
(u)k
Ω,m
≤ Ch
s−m
|u|
Ω,s
.
Mamy st
,
ad oszacowanie szybko´sci zbie˙zno´sci metody, w zale˙zno´sci od tego, w
jakiej normie k·k
Ω,m
chcemy to oszacowanie otrzyma´
c, oraz od regularno´
sci
rozwi
,
azania u.
Dla przestrzeni MES, kt´
orej elementami s
,
a ”splajny” to jest funkcje
kawa lkami wielomianowe, mo˙zemy naog´
o l konstruowa´
c bazy, kt´
orych elemen-
tami s
,
a funkcje o ma lych no´
snikach. Niech
Φ
1
, Φ
2
, · · · , Φ
N
h
b
,
edzie tak
,
a w la´snie baz
,
a przestrzeni V
h
. Gdy forma dwuliniowa
a : V × V → R
jest form
,
a ca lkow
,
a, to elementy a
i,j
= a(Φ
j
, Φ
i
) macierzy A
h
uk ladu r´
owna´
n
algebraicznych liniowych A
h
¯
c = ¯
l, otrzymanego w konsekwencji stosowania
MES, b
,
ed
,
a znika ly dla i i j r´
o˙zni
,
acych si
,
e dostatecznie du˙zo. Oznacza to, ˙ze
macierz A
h
ma budow
,
e pasmow
,
a.
Przyk lady - patrz Zadania z ´
cwicze´
n.
50
Wyk lad 9.
Pytanie. Niech
• V = H
1
(Ω),
• rodzina triangulacji τ
h
= {T
1
, T
2
, · · · , T
M
},
• ELEMENT= {T, P
T
, Σ
T
}, gdzie P
T
sk lada si
,
e z wielomian´
ow stopnia
≤ s,
• V
h
-przestrze´
n elementu sko´
nczonego, v
h
∈ V
h
⇒ v
h|T
∈ P
T
.
Kiedy przestrzenie V
h
s
,
a konforemne?
Aby m´
oc odpowiedzie´
c na to pytanie, trzeba jeszcze co´s powiedzie´
c o prze-
strzeniach Sobolewa. B
,
edzie to twierdzenie o tych przestrzeniach, kt´
ore tu
podamy bez dowodu.
Twierdzenie. Przestrze´
n H
m
(Ω) jest identyczna ze zbiorem wszystkich ta-
kich element´
ow v ∈ L
2
(Ω), ˙ze D
α
v ∈ L
2
(Ω) dla α = [i
1
, i
2
, · · · , i
d
]
T
i |α| ≤ m,
gdzie
D
α
=
∂
|α|
∂x
i
1
1
∂x
i
2
2
· · · ∂x
i
d
d
jest pochodn
,
a dystrybucyjn
,
a (s lab
,
a).
O dystrybucjach.
6
Znamy ju˙z zbi´
or C
∞
0
(Ω)wszystkich funkcji maj
,
acych
wszystkie pochodne ci
,
ag le i no´sniki zwarte, zawarte w zbiorze otwartym Ω.
W C
∞
0
(Ω) wprowadza si
,
e topologi
,
e przestrzeni liniowej lokalnie wypuk lej.
Opiszemy kr´
otko jaka to topologia.
• Dla ka˙zdego zbioru zwartego K ⊂ Ω, dla wszystkich funkcji z C
∞
0
(Ω) o
no´
sniku w K tworzymy ci
,
ag seminorm
p
K,j
(φ) =
sup
x∈K,|α|≤j
|D
α
φ(x)|, j = 0, 1, 2, · · · .
W ten spos´
ob dla ka˙zdego takiego zbioru K mamy przestrze´
n funkcyjn
,
a
liniow
,
a, lokalnie wypuk l
,
a.
6
Wi
,
ecej szczeg´
o l´
ow na ten temat - patrz np. Kˆ
osaku Yosida ”Functional Analysis”,
Springer-Verlag 1966, pp 27-30.
51
• Mo˙zna pokaza´
c, ˙ze topologia przestrzeni zwi
,
azanej ze zbiorem zwartym K
1
jest indukowana przez topologi
,
e takiej przestrzeni zwi
,
azanej ze zbiorem
zwartym K
2
, je´
sli K
1
⊂ K
2
⊂ Ω. W ten spos´
ob w C
∞
0
(Ω) tworzy si
,
e
tak zwan
,
a topologi
,
e granicy prostej. Zbi´
or otwarty dla w takiej topologii,
to taki zbi´
or, kt´
orego przeci
,
ecie z ka˙zd
,
a podprzestrzeni
,
a zwi
,
azan
,
a z dowol-
nym zbiorem zwartym K ⊂ Ω jest otwarty. Taka topologia ”widzi” fakt, ˙ze
elementy C
∞
0
(Ω) maj
,
a wszystkie pochodne ci
,
ag le.
Dystrybucja na Ω, to funkcjona l liniowy i ci
,
ag ly T nad przestrzeni
,
a C
∞
0
(Ω),
T : C
∞
0
(Ω) → R.
Przyk lad 1. Niech f ∈ L
2
(Ω) i φ ∈ C
∞
0
(Ω); niech
T
f
(φ) =
Z
Ω
f (x)φ(x)dΩ.
Jest to dystrybucja przyporz
,
adkowana elementowi f ∈ L
2
(Ω).
Przyk lad 2. Niech f ∈ C
n
([a, b]), n ≥ 1 i φ ∈ C
∞
0
((a, b)); niech
T
f
(φ) =
Z
b
a
f (x)φ(x)dx.
Mamy f
0
(x)φ(x) + f (x)φ
0
(x) = [f (x)φ(x)]
0
i st
,
ad
T
f
0
(φ) =
Z
b
a
f
0
(x)φ(x)dx = −T
f
(φ
0
),
gdy˙z funkcje φ maj
,
a no´sniki zwarte w przedziale otwartym (a, b).
Komentarz.
Dystrybucja T
f
odpowiada funkcji f .
Zamiast my´
sle´
c o funkc-
jach mo˙zemy my´
sle´
c o dystrybucjach im przyporz
,
adkowanych.
W tym sensie
mo˙zemy uwa˙za´
c dystrybucje za ”uog´
olnione funkcje”. T
f
0
- to dystrybycja przy-
porz
,
adkowana pochodnej f
0
; powy˙zszy wz´
or sugeruje nast
,
epuj
,
ac
,
a og´
oln
,
a definicj
,
e:
52
Definicja pochodnej dystrybucji. Pochodna D
α
dystrybucji
T : C
∞
0
(Ω) → R,
gdzie Ω ⊂ R
d
i α = [i
1
, i
2
, · · · , i
d
], to dystrybucja
D
α
T : C
∞
0
(Ω) → R,
taka, ˙ze
D
α
T (φ) = (−1)
|α|
T (D
α
(φ))
dla ka˙zdego φ ∈ C
∞
0
(Ω).
Komentarz. Je´
sli b
,
edziemy traktowa´
c ”zwyk le” funkcje jako dystrybucje, mo˙zemy
m´
owi´
c o pochodnych dystrybucyjnych (s labych) dowolnego rz
,
edu dla zupe lnie
dowolnych funkcji.
Mo˙zemy teraz wyja´sni´
c, co to znaczy
”pochodna dystrybucyjna D
α
elementu v ∈ L
2
(Ω)
nale ˙zy do L
2
(Ω)”
Znaczy to poprostu, ˙ze istnieje taki element w ∈ L
2
(Ω), ˙ze
D
α
T
v
(φ) = (−1)
|α|
T
v
(D
α
φ) = (−1)
|α|
Z
Ω
vD
α
φdΩ =
Z
Ω
wφdΩ,
dla dowolnego elementu φ ∈ C
∞
0
(Ω).
Przyk lad dystrybucji. Niech Ω = R, i niech
H
x
(t) =
0 dla t < x
1 dla t ≥ x
.
Jest to tak zwana funkcja Heviside’a. Znajdziemy pochodn
,
a s lab
,
a funkcji
H
x
. Dystrybucja przyporz
,
adkowana H
x
:
T
H
x
(φ) =
Z
∞
−∞
H
x
(t)φ(t)dt.
Mamy
d
dt
T
H
x
= T
d
dt
H
x
(φ) = −T
H
x
(φ
0
) = −
Z
∞
−∞
H
x
(t)φ
0
(t)dt =
53
= −
Z
∞
x
φ
0
(t)dt = φ(x),
gdy˙z φ(∞) = 0; a wi
,
ec,
d
dt
T
H
x
(φ) = φ(x).
Pochodna dystrybucyjna funkcji H
x
”wybija” warto´s´
c argumentu φ w
punkcie x. T
,
e dystrybucj
,
e nazywa si
,
e ”delt
,
a Dirac’a” i oznacza si
,
e sym-
bolem δ
x
. W sensie s labym:
d
dt
H
x
= δ
x
,
δ
x
(φ) = φ(x).
Dystrybucja δ
x
nie nale˙zy do L
2
(Ω).
Teraz mo ˙zemy odpowiedzie´
c na pytanie o konforemno´
s´
c przestrzeni
elementu sko´
nczonego V
h
dla V = H
1
(Ω).
Na postawione pytanie
odpowiada poni˙zsze Twierdzenie, kt´
ore podaje warunek dostateczny na kon-
foremno´s´
c przestrzeni elementu sko´
nczonego.
Przypomnijmy uprzednio sformu lowane za lo˙zenia.
• V = H
1
(Ω),
• Ω jest wielo´scianem d-wymiarowym,
• Elementy przestrzeni elementu sko´
nczonego V
h
s
,
a ”kawa lkami wielomianami”
stopnia ≤ s. Dok ladniej: dla ka˙zdego elementu T triangulacji τ
h
v
h|T
jest wielomianem (d-zmiennych) stopnia ≤ s.
Twierdzenie. Je´
sli v
h
∈ V
h
jest funkcj
,
a ci
,
ag l
,
a na Ω, to v
h
∈ H
1
(Ω).
Dow´
od. Trzeba udowodni´
c, ˙ze z ci
,
ag lo´sci v
h
wynika, ˙ze dla j = 1, 2, · · · , d
pochodne dystrybucyjne
∂v
h
∂x
j
nale˙z
,
a do L
2
(Ω). Niech dla p ∈ T , w
T,i
(p) =
∂v
h
∂x
i
(p) dla i = 1, 2, · · · , d gdzie
τ
h
= {T
1
, T
2
, · · · , T
M
}.
54
Funkcje w
T,i
na ka˙zdym simpleksie T s
,
a oczywi´scie dobrze okre´slone, gdy˙z
v
h
na T jest wielomianem stopnia ≤ s. Ponadto je´sli zdefiniujemy w
i
, i =
1, 2, · · · , d na Ω tak, ˙ze
w
i|T
(p) = w
T,i
(p) dla p ∈ T,
to otrzymamy w
i
∈ L
2
(Ω) dla i = 1, 2, · · · , d. Jest tak, gdy˙z w
i
pozostaje
nieokre´slone tylko na zbiorze wewn
,
etrznych ´scian wielo´scianu Ω, za´s zbi´
or
ten jest d-wymiarowej miary zero.
Z Twierdzenia Greena i Twierdzenia Gaussa wynika, ˙ze na ka˙zdym sim-
pleksie T mamy:
Z
T
w
i,T
φdT =
Z
T
∂v
h
∂x
i
φdT = −
Z
T
v
h
∂φ
∂x
i
dT +
Z
∂T
n
i
v
h
φdS, i = 1, 2, · · · , d,
gdzie n
1
, n
2
, · · · , d to sk ladowe wersora normalnego zewn
,
etrznego do ∂T i
φ ∈ C
∞
0
(Ω). We´
zmy teraz pod uwag
,
e dwa simpleksy T
1
i T
2
, stykaj
,
ace si
,
e
wsp´
oln
,
a ´scian
,
a S. Na tej wsp´
olnej scianie S:
• v
h
, jest ci
,
ag la,
• n
i
i = 1, 2, · · · , d pochodz
,
ace od T
1
i T
2
r´
o˙zni
,
a si
,
e znakiem.
Zsumujemy teraz stronami
P
T ∈τ
h
· · · powy˙zszy wz´
or. Otrzymamy dla
i = 1, 2, · · · , d:
Z
Ω
w
i
φdΩ = −
Z
Ω
v
h
∂φ
∂x
i
dΩ =
∂
∂x
i
T
v
h
(φ)
Co sta lo si
,
e z ca lkami po brzegach? Ze wzgl
,
edu na to, co dzieje si
,
e na ka˙zdej
wsp´
olnej ´scianie S, ca lki po brzegach wewn
,
etrznych simpleks´
ow znikn
,
a i
pozosta laby tylko ca lka po ∂Ω, gdyby nie funkcje φ, kt´
ore maj
,
a no´sniki zwarte
w zbiorze otwartym Ω. Ostatecznie nie zostaje nic! Jak zauwa˙zyli´smy ju˙z
wcze´sniej, w
i
∈ L
2
(Ω), i = 1, 2, · · · , d. Ze wzgl
,
edu na definicj
,
e ”nale˙zenia”
pochodnej s labej do L
2
(Ω), uwaga ta ko´
nczy dow´
od twierdzenia.
55
Wyk lad 10.
Grzechy wobec Metody Elementu Sko´
nczonego.
Opisana tutaj metoda Elementu Sko´
nczonego dzia la poprawnie pod warun-
kiem zachowania wszystkich przyj
,
etych za lo˙ze´
n. Jednak nie zawsze mo˙zemy,
b
,
ad´
z te˙z nie zawsze chcemy, te za lo˙zenia spe lni´
c. Dotyczy to najcz
,
e´sciej:
• Stosowania tych samych form a i l w sformu lowaniu oryginalnym i przy-
bli˙zonym naszego zadania. U˙zycie innych form okre´slaj
,
acych ”przy-
bli˙zone” r´
ownanie wariacyjne, to jest pierwszy z grzech´
ow. Do pope l-
nienia tego grzechu mo˙ze zmusi´
c nas brak mo˙zliwo´sci dok ladnego ”anal-
itycznego” obliczenia ca lek potrzebnych do wyznaczenia form a i l.
Mo˙zemy by´
c zmuszeni do zastosowania kwadratur numerycznych. Nie-
kiedy tak˙ze mo˙ze by´
c nam wygodniej u˙zy´
c kwadratury numerycznej ni˙z
oblicza´
c analitycznie skomplikowane ca lki, szczeg´
olnie je´sli kwadratura
numeryczna daje wynik z dok ladno´sci
,
a tego samego rz
,
edu co r´
ownanie
aproksymuj
,
ace nasze zadanie oryginalne.
• Zachowania konforemno´sci metody, to znaczy budowania przestrzeni
elementu sko´
nczonego w taki spos´
ob, aby przestrzenie V
h
by ly pod-
przestrzeniami przestrzeni V , na kt´
orej jest okre´slone zadanie orygi-
nalne. Ten grzech zwykle jest pope lniany z rozmys lem. Niekiedy ze
wzgl
,
edu na charakter rozwi
,
azania zadania oryginalnego, a w szczeg´
olno-
´sci ze wzgl
,
edu na jego nisk
,
a regularno´s´
c, lepiej jest stosowa´
c wersj
,
e
niekonforemn
,
a Metody Elementu Sko´
nczonego.
Rozpatrzmy te dwa przypadki
Zachowanie konforemno´
sci, ale zmienione formy a i l dla zadania
przybli ˙zonego.
Niech V b
,
edzie przestrzeni
,
a Hilberta, V
h
⊂ V rodzin
,
a jej podprzestrzeni
sko´
nczonego wymiaru.
Zadanie ”oryginalne”: szukamy u ∈ V takiego, ˙ze
a(u, v) = lv ∀v ∈ V.
Zadania ”przybli˙zone”: szukamy u
h
∈ V
h
, takich, ˙ze
a
h
(u
h
, v
h
) = l
h
v
h
∀v
h
∈ V
h
.
56
Zak ladamy, ˙ze forma dwuliniowa a jest ci
,
ag la i koercywna ze sta lymi odpowied-
nio M i γ; o formach a
h
zak ladamy, ˙ze s
,
a jednakowo ci
,
ag le i jednakowo
koercywne, to znaczy, ze istniej
,
a sta le M i γ nie zale˙zne od h, takie ˙ze
|a
h
(u
h
, v
h
)| ≤ M ku
h
kkv
h
k,
γku
h
k
2
≤ a
h
(u
h
, u
h
).
Przy tych za lo˙zeniach z Twierdzenia Lax’a - Milgrama wynika, ˙ze zar´
owno
zadanie ”oryginalne”, jak i zadania ”przybli˙zone” maj
,
a jednoznaczne rozwi
,
a-
zania. Jednak przedstawiona dotychczas teoria zbie˙zno´sci oparta o Twierdze-
nie C´
ea nie funkcjonuje. Twierdzenie C´
ea trzeba zst
,
api´
c czym´s innym.
Pierwszy Lemmat Stranga. Niech u i u
h
b
,
ed
,
a odpowiednio rozwi
,
azaniem
zadania ”oryginalnego” i ”przybli˙zonego”. Przy przyj
,
etych za lo˙zeniach ist-
nieje sta la C taka, ˙ze
ku − u
h
k ≤
≤ C{ inf
v
h
∈V
h
[ku − v
h
k + sup
w
h
∈V
h
|a(v
h
, w
h
) − a
h
(v
h
, w
h
)|
kw
h
k
] + sup
w
h
∈V
h
|lw
h
− l
h
w
h
|
kw
h
k
}
Komentarz. Zbie˙zno´
s´
c b
,
edzie zachowana przy odpowiednich warunkach aproksy-
macji na lo˙zonych na podprzestrzenie V
h
, pod warunkiem, ˙ze wyra˙zenia zawieraj
,
ace
a, a
h
oraz l i l
h
po prawej stronie nier´
owno´
sci, d
,
a˙z
,
a do zera. Zauwa˙zmy tak˙ze, ˙ze
cz
,
e´
s´
c prawej strony przed kt´
or
,
a stoi znak inf jest zwi
,
azany zar´
owno z aproksymacj
,
a
przestrzeni V , przez V
h
, jak i z aproksymacj
,
a formy a przez formy a
h
. Pozosta la
cz
,
e´
s´
c prawej strony dotyczy aproksymacji l przez l
h
.
Dow´
od. Najpierw szacujemy ku
h
− v
h
k, gdzie v
h
∈ V
h
jest dowolnym ele-
mentem, wykorzystuj
,
ac koercywno´s´
c a
h
. Niech w
h
= u
h
− v
h
. Wtedy
γku
h
−v
h
k
2
≤ a
h
(u
h
−v
h
, u
h
−v
h
) = a(u−v
h
, w
h
)−a(u−v
h
, w
h
)+a
h
(u
h
−v
h
, w
h
).
St
,
ad
γku
h
− v
h
k
2
≤ a(u − v
h
, w
h
) + a(v
h
, w
h
) − a
h
(v
h
, w
h
) − a(u, w
h
) + a
h
(u
h
, w
h
).
Dziel
,
ac stronami przez kw
h
k i dobieraj
,
ac odpowiednio sta l
,
a C
1
otrzymamy
ku
h
−v
h
k ≤ C
1
[ku−v
h
k+ sup
w
h
∈V
h
|a(v
h
, w
h
) − a
h
(v
h
, w
h
)|
kw
h
k
]+ sup
w
h
∈V
h
|lw
h
− l
h
w
h
|
kw
h
k
.
57
Poniewa˙z ku
h
− uk ≤ ku
h
− v
h
k + ku − v
h
k, po dodaniu do obu stron ku − v
h
k
i dobraniu nowej sta lej C otrzymamy
ku−u
h
k ≤ C{[ku−v
h
k+ sup
w
h
∈V
h
|a(v
h
, w
h
) − a
h
(v
h
, w
h
)|
kw
h
k
]+ sup
w
h
∈V
h
|lw
h
− l
h
w
h
|
kw
h
k
}.
Po obu stronach teraz bierzemy inf
v
h
∈V
h
ku − u
h
k ≤
≤ C{ inf
v
h
∈V
h
[ku − v
h
k + sup
w
h
∈V
h
|a(v
h
, w
h
) − a
h
(v
h
, w
h
)|
kw
h
k
] + sup
w
h
∈V
h
|lw
h
− l
h
w
h
|
kw
h
k
}.
Je´
sli mamy do czynienia z niekonforemno´
sci
,
a Metody Elementu
Sko´
nczonego trzeba Twierdzenie C´
ea zast
,
api´
c Drugim Lemmatem Stranga.
Drugi Lemmat Stranga. Niech:
• V -przestrze´
n Hilberta,
• a : V × V → R forma dwuliniowa ci
,
ag la ze sta l
,
a ci
,
ag lo´
sci M i koercy-
wna ze sta l
,
a koercywno´
sci γ > 0,
• l : V → R forma liniowa ci
,
ag la,
• V
h
rodzina przestrzeni liniowych sko´
nczonego wymiaru, unormowanych,
z normami k · k
h
odpowiednio. Zak ladamy, ˙ze normy k · k
h
s
,
a okre´
slone
na przestrzeniach V + V
h
.
7
• a
h
: (V + V
h
) × (V + V
h
) → R rodzina form dwuliniowych ci
,
ag lych
ze sta l
,
a ci
,
ag lo´
sci M nie zale˙zn
,
a od h i koercywnych na V
h
ze sta l
,
a
koercywno´
sci γ > 0 niezale˙zn
,
a od h,
γkv
h
k
2
h
≤ a
h
(v
h
, v
h
)
dla v
h
∈ V
h
,
• l
h
: V
h
→ R rodzina form liniowych ci
,
ag lych.
7
V + V
h
, to przestrze´
n element´
ow postaci v + v
h
, gdzie v ∈ V i v
h
∈ V
h
.
58
Rozpatrujemy:
zadanie ”oryginalne”:
poszukujemy u ∈ V spe lniaj
,
acego r´
ownanie wariacyjne
a(u, v) = lv ∀
v∈V
oraz zadanie ”przybli ˙zone”:
poszukujemy u
h
∈ V
h
spe lniaj
,
acego r´
ownanie wariacyjne
a
h
(u
h
, v
h
) = l
h
v
h
∀
v
h
∈V
h
.
Przy przyj
,
etych za lo˙zeniach istnieje sta la C, taka, ˙ze
ku − u
h
k
h
≤ C[ inf
v
h
∈V
h
ku − v
h
k
h
+ sup
w
h
∈V
h
|a
h
(u, w
h
) − l
h
w
h
|
kw
h
k
h
].
Dow´
od. Zauwa˙zmy najpierw, ˙ze z Twierdzenia Laxa - Milgrama wynika
istnienie jednoznacznych rozwi
,
aza´
n u i u
h
, zar´
owno dla zagadnienia ”orygi-
nalnego”, jak i dla zagadnie´
n ”przybli˙zonych”. Wykorzystuj
,
ac teraz koercy-
wno´s´
c a
h
szacujemy u
h
− v
h
= w
h
dla dowolnego v
h
∈ V
h
γku
h
− v
h
k
2
h
≤ a
h
(u
h
− v
h
, w
h
) =
= a
h
(u − v
h
, w
h
) − a
h
(u − v
h
, w
h
) + a
h
(u
h
− v
h
, w
h
) =
= a
h
(u − v
h
, w
h
, w
h
) + l
h
w
h
− a
h
(u, w
h
).
St
,
ad
γku
h
− v
h
k
h
≤ M ku − v
h
k
h
+ sup
w
h
∈V
h
|a
h
(u, w
h
) − l
h
w
h
|
kw
h
k
h
.
Podobnie jak w dowodzie Pierwszego Lemmatu Stranga dodajemy stronami
ku − v
h
k
h
, i po dobraniu sta lej C oraz wzi
,
eciu inf
v
h
∈V
h
po obu stronach,
otrzymujemy tez
,
e:
ku − u
h
k
h
≤ C[ inf
v
h
∈V
h
ku − v
h
k
h
+ sup
w
h
∈V
h
|a
h
(u, w
h
) − l
h
w
h
|
kw
h
k
h
].
Z Drugiego Lemmatu Stranga wynika zbie˙zno´sc metody, pod warun-
kiem, ˙ze przestrzenie V
h
maj
,
a odpowiednie w lasno´
sci aproksymacyjne dla
59
przestrzeni V , oraz pod warunkiem, ˙ze wyra˙zenie w tezie, rozpoczynaj
,
ace si
,
e
od sup
w
h
∈V
h
d
,
a˙zy do zera, gdy h → 0.
Uwagi dotycz
,
ace realizacji algorytm´
ow Metody Elementu Sko´
n-
czonego.
• Element bazowy. Wszystkie simpleksy wchodz
,
ace w sk lad triangu-
lacji τ
h
tworzymy na og´
o l, dokonuj
,
ac przekszta lcenia afinicznego sim-
pleksu bazowego ˆ
T . Dla przestrzeni R
2
, ˆ
T to tr´
ojk
,
at dany przez nier´
ow-
no´sci
0 ≤ x + y ≤ 1,
x ≥ 0, y ≥ 0.
• Wspomniane wy˙zej przekszta lcenie afiniczne jest postaci F (ˆ
p) = B ˆ
p+b,
gdzie ˆ
p ∈ ˆ
T , B jest macierz
,
a, za´s b wektorem. Nie trudno zauwa˙zy´
c,
˙ze
cond(B) = kBkkB
−1
k ≤
h
ˆ
T
ρ
ˆ
T
h
T
ρ
T
,
gdzie ρ
T
i ρ
ˆ
T
, to odpowiednio ´srednice sfer wpisanych simpleks´
ow T i
ˆ
T , za´s h
T
i h
ˆ
T
´srednice tych simpleks´
ow. Dow´
od pozostawiamy jako
zadanie. Nier´
owno´s´
c ta wskazuje na to, ˙ze je´sli triangulacja jest regu-
larna, to wsp´
o lczynnik uwarunkowania przekszta lcenia afinicznego F
jest ograniczony, gdy˙z ρ
ˆ
T
i h
ˆ
T
, jako wymiary zwi
,
azane z simpleksem
wzorcowym, s
,
a ustalone.
• Przez to przekszta lcenie afiniczne odwzorowujemy ca ly element
{ ˆ
T , P
ˆ
T
, Σ
ˆ
T
}
na element
{T, P
T
, Σ
T
}.
Warto wi
,
ec zastanowi´
c si
,
e, jaka jest posta´
c poszczeg´
olnych sk ladnik´
ow
tego elementu przekszta lconego.
60
Wyk lad 11.
Wst
,
ep. B
,
edzie nam potrzebne kilka poj
,
e´
c z Analizy Funkcjonalnej. Przy-
pomnijmy.
• OPERATOR DUALNY. Niech X, Y b
,
ed
,
a przestrzeniami Banacha,
A : X → Y , operatorem liniowym i ograniczonym. Symbolem X
0
oznaczamy przestrze´
n dualn
,
a do X, to jest przestrze´
n Banacha wszyst-
kich funkcjona l´
ow liniowych i ograniczonych okre´slonych na X. Norma
w X
0
, to zwyk la norma funkcjona lu. Elementy przestrzeni X
0
b
,
edziemy
oznaczali symbolami x
0
, y
0
· · ·. Zamiast pisa´c x
0
(x) dla x
0
∈ X
0
i x ∈ X
b
,
edziemy cz
,
esto pisa´
c < x
0
, x >; zatem x
0
(x) =< x
0
, x >.
Niech x ∈ X i y
0
∈ Y
0
, b
,
ed
,
a dowolnymi elementami. Zauwa˙zmy, ˙ze
< y
0
, Ax > okre´sla funkcjona l liniowy nad X, mo˙zemy wi
,
ec napisa´
c
< y
0
, Ax >=< A
0
y
0
, x >,
gdzie A
0
: Y
0
→ X
0
. W ten spos´
ob okre´slony zosta l operator A
0
, zwany
operatorem dualnym (do A).
Latwo sprawdzi´
c, ˙ze A
0
jest liniowy i
ograniczony, a dok ladniej kA
0
k = kAk.
• J
,
ADRA, UZUPE LNIENIA ORTOGONALNE I ZBIORY PO-
LARNE. Przy powy˙zszych za lo˙zeniach:
KerA = {x ∈ X | Ax = 0},
KerA
0
= {y
0
∈ Y
0
| A
0
y
0
= 0} = {y
0
∈ Y
0
| < y
0
, Ax >= 0 ∀ x ∈ X}.
S
,
a to j
,
adra A i A
0
. J
,
adro operatora liniowego i ograniczonego jest
domkni
,
ete.
Je´sli Z ⊂ V , gdzie V jest przestrzeni
,
a Hilberta, to
Z
⊥
= {v ∈ V | (z, v) = 0 ∀ z ∈ Z}.
Je´sli Z jest podprzestrzeni
,
a domkni
,
eta, to Z
⊥
nazywa si
,
e uzupe lnieniem
ortogonalnym Z.
Je´sli U ⊂ X i U = ¯
U , to U
0
= {x
0
∈ X
0
| < x
0
, u >= 0 ∀ u ∈ U }
nazywa si
,
e zbiorem polarnym dla U . Zbi´
or polarny jest domkni
,
ety.
61
• PRZESTRZE ´
N BIDUALNA, PRZESTRZE ´
N REFLEKSYW-
NA. Przestrze´
n dualna przestrzeni dualnej, to przestrze´
n bidualna:
(X
0
)
0
= X
00
. Jej elementami s
,
a funkcjona ly liniowe ograniczone nad
X
0
. Zauwa˙zmy, ˙ze je´sli x
0
∈ X
0
, to dla dowolnego ustalonego x ∈ X,
x
00
(x
0
) = x
0
(x), x
00
∈ X
00
, a zatem x 7→ x
00
definiuje odwzorowanie li-
niowe X w X
00
. Je´sli to odwzorowanie jest izomorfizmem X i X
00
, to
przestrzenie X i X
00
mo˙zna uwa˙za´
c za identyczne. M´
owimy wtedy, ˙ze
przestrze´
n X jest refleksywna. Ka˙zda przestrze´
n Hilberta jest refleksy-
wna.
Zbadajmy co to jest (KerA
0
)
0
. Mamy A
0
: Y
0
→ X
0
.
(KerA
0
)
0
=
= {y
00
∈ Y
00
| < y
00
, y
0
>= 0 ∀y
0
∈ Y
0
takiego, ˙ze < y
0
, Ax >= 0 ∀ x ∈ X}.
Je´sli przestrze´
n Y jest refleksywna (Y = Y
00
)
(KerA
0
)
0
=
= {y ∈ Y | < y
0
, y >= 0 ∀ y
0
∈ Y
0
takiego, ˙ze < y
0
, Ax >= 0 ∀ x ∈ X}.
Zauwa˙zmy, ˙ze wtedy AX ⊂ (KerA
0
)
0
.
Twierdzenie. Niech X i Y b
,
ed
,
a refleksywnymi przestrzeniami Banacha,
A : X → Y - operatorem liniowym i ograniczonym. Wtedy
AX = AX w Y ⇔ AX = (KerA
0
)
0
.
Dow´
od. Zauwa˙zmy, ˙ze wystarczy udowodni´
c, ˙ze AX = (KerA
0
)
0
. Wiemy
ju˙z, ˙ze AX ⊂ (KerA
0
)
0
. Poniewa˙z ka˙zdy zbi´
or polarny jest domkni
,
ety, to
r´
ownie˙z AX ⊂ (KerA
0
)
0
. Przypu´s´
cmy, ˙ze AX 6= (KerA
0
)
0
. Wtedy istnieje
taki element y
0
∈ (KerA
0
)
0
, ze y
0
6∈ AX. Wiadomo, ˙ze wtedy istnieje taki
funkcjona l y
0
0
∈ Y
0
, ˙ze < y
0
0
, y
0
>6= 0, za´s < y
0
0
, Ax >= 0, ∀ x ∈ X. Ale
dochodzimy w ten spos´
ob do sprzeczno´sci, gdy˙z je´sli y
0
∈ (KerA
0
)
0
, to musi
62
by´
c < y
0
0
, y
0
>= 0, je´sli < y
0
0
, Ax >= 0 ∀ x ∈ X. Zatem nie mo˙ze by´
c
AX 6= (kerA
0
)
0
).
8
Og´
olniejsze r´
ownanie wariacyjne.
Niech U i V b
,
ed
,
a przestrzeniami Hilberta. Je´sli nie b
,
edzie to konieczne,
nie b
,
edziemy rozr´
o˙znia´
c oznaczeniami norm tych przestrzeni. Niech
a : U × V → R b
,
edzie form
,
a dwuliniow
,
a,
za´s niech l ∈ V
0
. Ponadto za lo˙zymy, ˙ze
(1)
∃M ≥ 0 ∀ u ∈ U ∀ v ∈ V |a(u, v)| ≤ kukkvk (ci
,
ag lo´s´
c),
(2)
∃γ > 0 ∀ u ∈ U γkuk ≤ sup
v∈V
a(u, v)
kvk
(warunek inf-sup),
(3)
∀ v ∈ V, v 6= 0 ∃ u ∈ U a(u, v) 6= 0.
Rozwa˙zamy r´
ownanie wariacyjne
(4)
poszukujemy u ∈ U takiego, ˙ze a(u, v) = lv ∀ v ∈ V.
Twierdzenie NNBA (Neˇ
cas, Nirenberg, Babuˇ
ska, Aziz.) Je´
sli spe l-
nione s
,
a warunki (1), (2), (3), to r´
ownanie wariacyjne (4) ma jednoznaczne
rozwi
,
azanie u ∈ U dla ka˙zdego l ∈ V
0
.
Dow´
od. Wiemy, ˙ze forma a definiuje operator liniowy:
a(u, v) =< Au, v >, A : U → V
0
.
• Operator A jest ci
,
ag ly. Mamy
kAuk =
sup
v∈V, kvk=1
| < Au, v > | =
sup
v∈V, kvk=1
|a(u, v)| ≤
≤
sup
v∈V, kvk=1
M kukkvk = M kuk,
a wi
,
ec kAk ≤ M.
8
Gdy X i Y s
,
a przestrzeniami Hilberta (nas interesuje w la´
snie ten przypadek) latwo
znale´
z´
c funkcjona l y
0
0
. Niech P : Y → AX ⊂ Y b
,
edzie operatorem rzutu ortogonalnego
na podprzestrze´
n domkni
,
et
,
a AX.
Wtedy y
0
0
= τ (y
0
− P y
0
), gdzie τ : Y → Y
0
jest
izomorfizmem Riesza. Z definicji P wynika, ˙ze < y
0
0
, Ax >= 0 ∀ x ∈ X, natomiast warunek
< y
0
0
, y
0
>6= 0 wynika z nier´
owno´
sci Schwarza i w lasno´
sci bok´
ow tr´
ojk
,
ata prostok
,
atnego.
63
• Odwracalno´
s´
c A. Przypu´s´
cmy, ˙ze A nie jest odwracalny. Wtedy w
U istniej
,
a dwa elementy r´
o˙zne u
1
6= u
2
i Au
1
= Au
2
. Mamy wtedy z
warunku ”inf-sup”
γku
1
− u
2
k ≤ sup
v∈V
a(u
1
− u
2
, v)
kvk
= sup
v∈V
< A(u
1
− u
2
), v >
kvk
= 0
a wi
,
ec u
1
= u
2
, wbrew za lo˙zeniu.
• Ci
,
ag lo´
s´
c A
−1
na AU . Niech l ∈ AU ⊂ V
0
i niech u = A
−1
l. Wtedy z
warunku ”inf-sup”
γkuk ≤ sup
v∈V
a(u, v)
kvk
= sup
v∈V
< Au, v >
kvk
= sup
v∈V
< l, v >
kvk
= klk.
To oznacza, ˙ze kuk = kA
−1
lk ≤
1
γ
klk, a wi
,
ec A
−1
jest ograniczony na
AU .
• Domkni
,
eto´
s´
c AU . Poniewa˙z U = A
−1
AU to AU jest przeciwobrazem
zbioru domkni
,
etego U przez funkcj
,
e ci
,
ag l
,
a A
−1
jest wi
,
ec zbiorem dom-
kni
,
etym w V
0
.
• AU = (KerA
0
)
0
. Wynika to z domkni
,
eto´sci AU (patrz ”Twierdzenie”).
Zatem
AU = {v ∈ V | a(u, v) = 0 ∀ u ∈ U }
0
⊂ V
0
.
• A : U → V
0
jest odwzorowaniem na ca l
,
a przestrze´
n V
0
. Istotnie,
ze wzgl
,
edu na warunek (3) KerA
0
= {0}, wi
,
ec AU = (KerA
0
)
0
= V
0
.
Teraz zajmiemy si
,
e ”zagadnieniem przybli˙zonym”. Zastosujemy (kon-
foremn
,
a) metod
,
e Ritza-Galerkina. Niech U
h
⊂ U , V
h
⊂ V b
,
ed
,
a rodzinami
podprzestrzeni sko´
nczonego wymiaru. Trzeba b
,
edzie za lo˙zy´
c, ˙ze s
,
a one do-
brane do siebie tak, aby
(3
0
)
∀ h ∈ ω ∀ u
h
∈ U
h
γku
h
k ≤ sup
v
h
∈V
h
a(u
h
, v
h
)
kvk
,
(mo˙zna za lo˙zy´
c, ˙ze sta la γ jest ta sama co we wzorze (3))
(4
0
)
∀ h ∈ ω ∀ v
h
∈ V
h
v
h
6= 0 ∃ u
h
∈ U
h
a(u
h
, v
h
) 6= 0.
64
R´
ownanie ”przybli ˙zone”
(5)
poszukujemy u
h
∈ U
h
takiego, ˙ze a(u
h
, v
h
) = lv
h
∀ v
h
∈ V
h
.
Poniewa˙z za lo˙zyli´smy spe lnienie warunk´
ow (3’) i (4’), r´
ownanie (5) ma dla
ka˙zdego h ∈ ω jednoznaczne rozwi
,
azanie u
h
∈ U
h
.
Realizacja.
Przestrzenie U
h
i V
h
dobieramy tak, aby by ly tego samego
wymiaru dla ka˙zdego ustalonego h. Niech
U
h
= span{φ
h
1
, φ
h
2
, · · · , φ
h
M
h
},
V
h
= span{ψ
h
1
, ψ
h
2
, · · · , ψ
h
M
h
}.
Wtedy
u
h
=
M
h
X
j=1
φ
h
j
c
h
j
.
Nasze r´
ownanie (5) mo˙ze by´
c teraz zapisane tak
(6)
M
h
X
j=1
a(φ
h
j
, ψ
h
k
)c
h
j
= lψ
h
k
, k = 1, 2 · · · , M
h
.
Jest to uk lad r´
owna´
n algebraicznych liniowych
(6
0
)
A
h
c
h
= l
h
,
o macierzy
A
h
= (a
h
i,j
), a
i,j
= a(φ
h
j
, ψ
h
i
),
Odwracalno´s´
c macierzy A
h
wynika z warunk´
ow (3’)(4’).
Lemmat.
Je´
sli u jest rozwi
,
azaniem r´
ownania (4), za´
s u
h
rozwi
,
azaniem
r´
ownania (5), to
a(u − u
h
, v
h
) = 0 ∀ v
h
∈ V
h
.
Dow´
od. Mamy
a(u, v
h
) = lv
h
∀ v
h
∈ V
h
⊂ V,
oraz
a(u
h
, v
h
) = lv
h
∀ v
h
∈ V
h
⊂ V.
Odejmuj
,
ac stronami te r´
owno´sci otrzymujemy tez
,
e.
65
Twierdzenie o zbie ˙zno´
sci. Je´
sli u jest rozwi
,
azaniem r´
ownania (4), za´
s
u
h
rozwi
,
azaniem r´
ownania (5), to
ku − u
h
k ≤ (1 +
M
γ
) inf
w
h
∈U
h
ku − w
h
k,
gdzie M i γ jest odpowiednio sta l
,
a ci
,
ag lo´
sci i koercywno´
sci formy a.
Dow´
od. Niech w
h
∈ U
h
b
,
edzie dowolnym elementem U
h
. Z Lemmatu wynika
a(u − w
h
+ w
h
− u
h
, v
h
) = 0 ∀ v
h
∈ V
h
.
Stad
a(u − w
h
, v
h
) = a(u
h
− w
h
, v
h
) ∀ v
h
∈ V
h
.
Wykorzystuj
,
ac warunek ”inf-sup”, otrzymamy
γku
h
− w
h
k ≤ sup
v
h
∈V
h
a(u
h
− w
h
, v
h
)
kv
h
k
= sup
v
h
∈V
h
a(u − w
h
, v
h
)
kv
h
k
≤ M ku − w
h
k,
a wi
,
ec
ku
h
− w
h
k ≤
M
γ
ku − w
h
k.
Poniewa˙z
ku
h
− uk ≤ ku
h
− w
h
k + ku − w
h
k,
po dodaniu po obu stronach poprzedniej nier´
owno´sci ku − w
h
k otrzymamy
ku − u
h
k ≤ (1 +
M
γ
)ku − w
h
k,
za´s bior
,
ac po obu stronach tej ostatniej nier´
owno´sci inf
w
h
∈U
h
otrzymamy
tez
,
e.
66
Wyk lad 12.
POBLEM PUNKTU SIOD LOWEGO.
Niech U i V b
,
ed
,
a przestrzeni-
ami Hilberta. Dane s
,
a dwie formy dwuliniowe a i b
a : U × U → R,
b : U × V → R,
oraz f ∈ U
0
, g ∈ V
0
Genez
,
a problemu punktu siod lowego jest poszukiwanie minimum funkcjo-
na lu nieliniowego
J (u) =
1
2
a(u, u)− < f, u >
dla u ∈ U spe lniaj
,
acych warunek
b(u, µ) =< g, µ >
dla ka˙zdego µ ∈ V .
Utw´
orzmy tak zwan
,
a funkcj
,
e Lagrange’a:
L(u, λ) = J (u) + [b(u, λ)− < g, λ >].
Poszukiwanie ekstremum J przy wspomnianym warunku sprowadza si
,
e do
rozwi
,
azania uk ladu 2 r´
owna´
n
∂
∂u
L(u, λ) = 0,
∂
∂λ
L(u, λ) = 0,
gdzie pochodne s
,
a rozumiane w sensie Fr´
echeta.
9
9
Niech F : X → Y , gdzie X i Y s
,
a przestrzeniami Banacha za´
s h ∈ X jest dowolnym
elementem X. Przypu´
s´
cmy, ˙ze istnieje operator liniowy ograniczony, zale˙zny (na og´
o l w
spos´
ob nieliniowy od x ∈ X), A(x) : X → Y , taki, ˙ze F (x + h) − F (x) = A(x)h + ω(x, h) i
kω(x,h)k
khk
→ 0, gdy h → 0. Wtedy operator A(x) : X → Y nazywa si
,
e pochodn
,
a Fr´
echeta
funkcji F w punkcie x ∈ X, za´
s A(x)h ∈ Y nazywa si
,
e r´
o ˙zniczk
,
a Fr´
echeta funkcji F w
punkcie x dla przyrostu h ∈ X.
67
Latwo obliczamy:
∂
∂u
L(u, λ)h = ˆ
a(u, h)− < f, h > +b(h, λ), h ∈ U,
∂
∂λ
L(u, λ)k = b(u, k)− < g, k >, k ∈ V,
gdzie ˆ
a(u, h) =
1
2
[a(u, h) + a(h, u)]. R´
ownania wyznaczaj
,
ace punkt stacjo-
narny s
,
a w tym przypadku postaci
ˆ
a(u, h) + b(h, λ) =< f, h >, ∀ h ∈ U,
b(u, k) =< g, k >, ∀ k ∈ V.
Tutaj ˆ
a jest form
,
a dwuliniow
,
a symetryczn
,
a. Pozbywamy si
,
e tego warunku
symetrii; uog´
olniaj
,
ac, b
,
edziemy nazywali zagadnieniem punktu siod lowego
nast
,
epuj
,
acy uk lad dw´
och r´
owna´
n wariacyjnych:
(P S)
poszukujemy pary u ∈ U, λ ∈ V takiej , ˙ze
a(u, h) + b(h, λ) =< f, h >
∀ h ∈ U,
b(u, k) =< g, k >
∀ k ∈ V,
gdzie a i b - to formy dwuliniowe ograniczone, a : U ×U → R, b : U ×V → R,
f ∈ U
0
, g ∈ V
0
.
Wiemy ju˙z, ˙ze formy a i b okre´slaj
,
a operatory A i B
a(u, h) =< Au, h >, A : U → U
0
,
b(u, k) =< Bu, k >, B : U → V
0
,
b(k, u) =< Bk, u >=< B
0
u, k >, B
0
: V → U
0
.
R´
ownania (PS) mo˙zemy zapisa´
c w spos´
ob r´
ownowa˙zny, pos luguj
,
ac si
,
e ope-
ratorami A i B
Au + B
0
λ = f,
(P S
0
)
Bu = g.
Wygodnie b
,
edzie jeszcze oznaczy´
c
W = {w ∈ U | b(w, k) = 0 ∀ k ∈ V } = KerB.
68
Lemat. Warunki 1, 2, 3 s
,
a r´
ownowa˙zne:
1. ∃ γ > 0 γkµk ≤ sup
v∈V
b(v, µ)
kvk
,
2. b(v, µ) =< Bv, µ >
B : U → V
0
,
B : W
⊥
→ V
0
jest izomorfizmem na i
kBvk ≥ γkvk,
3. B
0
: V → U
0
B
0
: V → W
0
⊂ U
0
jest izomorfizmem na i
kB
0
µk ≥ γkµk.
Dow´
od.
• 1. ⇒ 3.
Mamy b : U × V → R, oraz
γkµk ≤ sup
u∈U
b(u, µ)
kuk
= sup
u∈U
< Bu, µ >
kuk
= sup
u∈U
< B
0
µ, u >
kuk
= kB
0
µk,
a wi
,
ec B
0−1
istnieje i jest ograniczony: B
0
: V → B
0
V ⊂ U
0
. Oznacza
to, ˙ze B
0
V jest przeciwobrazem przez B
−1
zbioru domkni
,
etego V . St
,
ad
wynika, ˙ze B
0
V = B
0
V , a wi
,
ec B
0
V = (KerB)
0
= W
0
. A wi
,
ec
B
0
: V → W
0
jest izomorfizmem i γkµk ≤ kB
0
µk.
• 3. ⇒ 1.
Je´sli kB
0
µk ≥ γkµk, to
sup
u∈U
b(u, µ)
kuk
= sup
u∈U
< B
0
µ, u >
kuk
= kB
0
µk ≥ γkµk.
• 3. ⇒ 2.
Mamy b(u, µ) =< B
0
µ, u >, a poniewa˙z B
0
: V → W
0
⊂ U
0
jest izomorfizmem, to ∀ λ ∈ W
0
⊂ U
0
∃ v ∈ V
B
0
v = λ. Niech
u ∈ W
⊥
; (u, ·)
U
jest funkcjona lem nad U , zatem (u, ·)
U
∈ W
0
. Istnieje
zatem v ∈ V , B
0
v = (u, ·)
U
, a wi
,
ec, dla takiego v
∀ w ∈ U
< B
0
v, w >= (u, w)
U
=< Bw, v >= b(w, v).
69
Podstawmy w = u ∈ W
⊥
; st
,
ad
sup
k∈V
b(u, k)
kkk
≥
b(u, v)
kvk
=
(u, u)
U
kvk
=
kuk
2
kvk
.
Ale z twierdzenia Riesza wynika, ˙ze kuk = kB
0
vk ≥ γkvk. Zatem
ostatecznie ∀ u ∈ W
⊥
⊂ U
sup
k∈V
b(u, k)
kkk
= sup
k∈V
< Bu, k >
kkk
= kBuk =
kB
0
vkkuk
kvk
≥ γkuk.
To znaczy, ˙ze forma b jest ograniczona i spe lnia warunek ”inf-sup”.
Poka˙zemy jeszcze, ˙ze
∀ k ∈ V, k 6= 0 ∃ u ∈ U b(u, k) 6= 0.
Przypu´s´
cmy, ˙ze tak nie jest; wtedy
∃ k 6= 0 ∀ u ∈ U b(u, k) =< Bu, k >=< B
0
k, u >= 0.
Poniewa˙z jednak B
0
: V → W
0
jest izomorfizmem, to B
0
k = 0
⇒
k = 0. Stad sprzeczno´s´
c z za lo˙zeniem, ˙ze k 6= 0. Zatem na podstawie
Twierdzenia NNBA B : W
⊥
→ V
0
jest izomorfizmem i kBuk ≥
γkuk, to znaczy, ˙ze 3. ⇒ 2.
• 2. ⇒ 1.
Niech g ∈ V
0
. Wtedy ∀ µ ∈ V mamy
kµk = sup
g∈V
0
< g, µ >
kgk
.
Poniewa˙z B : W
⊥
→ V
0
jest izomorfizmem, to istnieje u ∈ W
⊥
taki, ˙ze
Bu = g. Zatem
kµk = sup
u∈W
⊥
< Bu, µ >
kBuk
≤ sup
u∈W
⊥
b(u, µ)
γkuk
≤ sup
u∈U
b(u, µ)
γkuk
,
gdy˙z kBuk ≥ γkuk; to znaczy, ˙ze
γkµk ≤ sup
u∈U
b(u, µ)
kuk
.
70
Twierdzenie Franco Brezzi. Je´
sli spe lnione s
,
a nast
,
epuj
,
ace warunki:
∃ α > 0 αkuk ≤ a(u, u) ∀ u ∈ W = Ker B ⊂ U,
∃ γ > 0 γkµk ≤ sup
u∈U
b(u, µ)
kuk
∀ µ ∈ V,
to zagadnienie (P S) ma jednoznaczne rozwi
,
azanie dla dowolnych f ∈ U
0
i
g ∈ V
0
.
Dow´
od.
1. Drugie r´
ownanie (PS) jest postaci b(u, k) =< g, k >
∀ k ∈ V . Ze
wzgl
,
edu na drugi punkt tezy Lemmatu, znajdziemy taki element
u
0
∈ W
⊥
,
˙ze Bu
0
= g.
2. Teraz poszukujemy w
0
∈ W = Ker B takiego, ˙ze
a(u
0
+ w
0
, v) =< f, v >, ∀ v ∈ W ⊂ U,
lub te˙z inaczej, poszukujemy rozwi
,
azania w
0
r´
ownania
a(w
0
, v) =< f, v > −a(u
0
, v), ∀ v ∈ W ⊂ U.
Takie w
0
∈ W istnieje i jest jednoznaczne, gdy˙z nasze r´
ownanie spe lnia
za lo˙zenia Twierdzenia Laxa-Milgrama.
3. Teraz szukamy λ, z r´
ownania
b(v, λ) =< f, v > −a(u
0
, v) − a(w
0
, v), ∀ v ∈ U.
Funkcjona l wyst
,
epuj
,
acy po prawej stronie oznaczymy symbolem F :
< F, v >=< f, v > −a(u
0
, v) − a(w
0
, v).
Z Lemmatu (punkt 3.) wiemy, ˙ze
B
0
: V → W
0
⊂ U
0
jest izomorfizmem, zatem istnienie rozwi
,
azania λ jest r´
ownowa˙zne warun-
kowi F ∈ W
0
, czyli warunkowi
< F, w >= 0 ∀ w ∈ W.
Ale ten warunek jest spe lniony ze wzgl
,
edu na definicj
,
e w
0
w punkcie 2.
tego dowodu.
71
Aproksymacja zadania (PS). Wybieramy podprzestrzenie sko´
nczonego
wymiaru U
h
⊂ U , oraz V
h
⊂ V , oraz definiujemy
W
h
= {w ∈ U
h
| b(w, k) = 0 ∀ k ∈ V
h
},
W
h
(g) = {w ∈ U
h
| b(w, k) =< g, k > ∀ k ∈ V
h
}.
Zauwa˙zmy, ˙ze na og´
o l W
h
6⊂ W = ker B ⊂ U .
Warunki LBB (Ladyˇ
zenska, Babuˇ
ska, Brezzi). S
,
a to warunki na lo ˙zone
na podprzestrzenie U
h
⊂ U i V
h
⊂ V . Formy
a : U × U → R,
b : U × V → R
s
,
a ograniczone i ponadto
(A)
a jest W
h
-koercywna ∃ α > 0 αku
h
k ≤ a(u
h
, u
h
) ∀ u
h
∈ W
h
,
zak ladamy te˙z, ˙ze forma b spe lnia nast
,
epuj
,
acy warunek ”inf-sup”:
(B)
∃ γ > 0, γkµ
h
k ≤ sup
v
h
∈U
h
b(v
h
, µ
h
)
kv
h
k
∀ µ
h
∈ V
h
.
Problem ”przybli ˙zony”.
poszukujemy pary (u
h
, λ
h
) ∈ U
h
× V
h
spe lniaj
,
acej r´
ownania
(P S
h
)
a(u
h
, v) + b(v, λ
h
) =< f, v >
∀ v ∈ U
h
,
b(u
h
, k) =< g, k >
∀ k ∈ V
h
.
Zauwa˙zmy, ˙ze ze wzgl
,
edu na warunek LBB, dla problemu (P S
h
) zawsze
istnieje jednoznaczne rozwi
,
azanie.
Realizacja.
Przypu´s´
cmy, ˙ze znamy bazy dla przestrzeni U
h
⊂ U i dla
przestrzeni V
h
⊂ V
U
h
= span{φ
1
, φ
2
, · · · , φ
M
},
72
V
h
= span{ψ
1
, ψ
2
, · · · , ψ
M
}.
10
Mamy
u
h
=
M
X
j=1
φc
j
,
λ
h
=
M
X
j=1
ψ
j
d
j
,
wi
,
ec ”r´
ownania przybli˙zone” mo˙zemy zapisa´
c w formie macierzowej
A
h
B
T
h
B
h
c
d
=
f
g
gdzie
A
h
= (a
k,j
), a
k,j
= a(φ
j
, φ
k
),
B
h
= (b
k,j
), b
k,j
= b(φ
j
, ψ
k
),
c = [c
1
, c
2
, · · · , c
M
]
T
,
d = [d
1
, d
2
, · · · , d
M
]
T
,
f = [< f, φ
1
>, < f, φ
2
>, · · · , < f, φ
M
>]
T
,
g = [< g, ψ
1
>, < g, ψ
2
>, · · · , < g, ψ
M
>]
T
.
Pierwsze Twierdzenie o zbie ˙zno´
sci. Niech (u, λ) ∈ U × V i (u
h
, λ
h
) ∈
U
h
× V
h
b
,
ed
,
a rozwi
,
azaniami r´
owna´
n (P S) i (P S
h
) odpowiednio. Wtedy, je´
sli
spe lniony jest warunek LBB, to
ku − u
h
k + kλ − λ
h
k ≤ C [
inf
w
h
∈W
h
(g)
ku − w
h
k + inf
µ
h
∈V
h
kλ − µ
h
k],
gdzie C jest sta l
,
a niezale˙zn
,
a od h.
Dow´
od. Odejmijmy stronami odpowiadaj
,
ace sobie r´
ownania z uk ladu (P S)
i (P S
h
). Otrzymamy
a(u − u
h
, v) + b(v, λ − λ
h
) = 0, ∀ v ∈ U
h
,
b(u − u
h
, k) = 0 ∀ k ∈ V
h
.
Zauwa˙zmy od razu, ˙ze z drugiego r´
ownania wynika, ˙ze u − u
h
∈ W
h
. Ponadto
z drugiego r´
ownania (P S) i (P S
h
) wynika, ˙ze odpowiednio, u ∈ W (g), za´s
10
Zar´
owno φ
j
, ψ
j
, jak i M zale˙z
,
a na og´
o l od h, czego nie uwidaczniamy w notacji, aby
nie komplikowa´
c oznacze´
n.
73
u
h
∈ W
h
(g). Niech w
h
∈ W
h
(g), µ
h
∈ V
h
. Odejmuj
,
ac i dodaj
,
ac te elementy,
dostaniemy
(∗)
a(u
h
− w
h
, v) + b(v, λ − µ
h
) = a(u − w
h
, v) + b(v, λ − µ
h
).
Podstawmy teraz v = u
h
− w
h
∈ W
h
. Wtedy b(u
h
− w
h
, λ
h
− µ
h
) = 0, gdy˙z
u
h
− w
h
∈ W
h
, za´s λ
h
− µ
h
∈ V
h
. Wykorzystuj
,
ac teraz ci
,
ag lo´s´
c form a i b,
oraz W
h
-koercywno´s´
c formy a, otrzymamy
(∗∗)
ku
h
− w
h
k ≤ C
1
[ku − w
h
k + kλ − µ
h
k],
gdzie C
1
jest pewna sta l
,
a niezale˙zn
,
a od h.
Wr´
o´
cmy teraz do wzoru (∗). Dziel
,
ac stronami przez kvk, wykorzystuj
,
ac
warunek ”inf-sup”, oraz ci
,
ag lo´s´
c form a i b otrzymamy, dla pewnej sta lej C
2
kλ
h
− µ
h
k ≤ C
2
[ku − w
h
k + kλ − µ
h
k + ku
h
− w
h
k].
Teraz podstawiaj
,
ac (∗∗) do ostatniej nier´
owno´sci, oraz dobieraj
,
ac odpowied-
nio sta l
,
a C
3
, stwierdzamy, ˙ze
kλ
h
− µ
h
k ≤ C
3
[ku − w
h
k + kλ − µ
h
k].
Po dodaniu stronami nier´
owno´sci (∗∗), oraz dobraniu sta lej C
4
, mamy
ku
h
− w
h
k + kλ
h
− µ
h
k ≤ C
4
[ku − w
h
k + kλ − µ
h
k].
Jeszcze dodajemy stronami ku − w
h
k + kλ − µ
h
k, wykorzystujemy po lewej
stronie nier´
owno´s´
c tr´
ojk
,
ata, oraz dobieramy sta l
,
a C. Po wzi
,
eciu po obu
stronach inf
w
h
∈W
h
(g)
, inf
µ
h
∈V
h
otrzymamy tez
,
e twierdzenia.
Pierwsze Twierdzenie o Zbie˙zno´sci, podaje oszacowanie b l
,
edu dla u w
zale˙zno´sci od ku − w
h
k oraz kλ − µ
h
k. Ze wzgl
,
edu na to, ˙ze W
h
6⊂ W ,
oszacowania b l
,
edu dla u nie da si
,
e odseparowa´
c od b l
,
edu dla λ. Jest to
niekorzystne, gdy˙z cz
,
esto w konkretnych przypadkach, aproksymacja dla λ
jest s labsza ni˙z mo˙zliwa do uzyskania aproksymacja u. Dodanie warunku,
zwanego warunkiem C pozwala pozby´
c si
,
e tego k lopotu. Jednak˙ze za lo˙zenie
warunku C nak lada jeszcze wi
,
ecej wymaga´
n na dob´
or przestrzeni U
h
i V
h
.
74
Drugie Twierdzenie o Zbie ˙zno´
sci. Za l´
o˙zmy, ˙ze podprzestrzenie U
h
⊂ U
i V
h
⊂ V spe lniaj
,
a warunki LBB, oraz ˙ze spe lniony jest warunek C
(C)
W
h
⊂ W = Ker B.
Wtedy zachodzi nast
,
epuj
,
ace oszacowanie:
ku − u
h
k ≤ C
inf
w
h
∈W
h
(g)⊂U
h
ku − w
h
k.
Dow´
od. Podobnie jak w dowodzie poprzedniego twierdzenia najpierw ode-
jmujemy stronami odpowiednie r´
ownania (P S) i (P S
0
). Otrzymamy
a(u − u
h
, v) + b(v, λ − λ
h
) = 0 ∀ v ∈ U
h
⊂ U,
b(u − u
h
, k) = 0 ∀ k ∈ V
h
∈ V.
Niech w
h
∈ W
h
(g); Odejmujemy i dodajemy w
h
i dostajemy
a(u
h
− w
h
, v) = a(u − w
h
, v) + b(v, λ − λ
h
).
Podstawmy teraz v = u
h
− w
h
. Zauwa˙zmy, ˙ze ze wzgl
,
edu na warunek (C)
b(u
h
− w
h
, λ − λ
h
) = 0. Zatem pozostaje tylko
a(u
h
− w
h
, u
h
− w
h
) = a(u − w
h
, u
h
− w
h
).
Warunek W
h
- koercywno´sci formy a, oraz jej ci
,
ag lo´s´
c daj
,
a nier´
owno´s´
c
ku
h
− w
h
k ≤ C
1
ku − w
h
k.
Po dodaniu stronami ku − w
h
k, skorzystaniu z nier´
owno´sci tr´
ojk
,
ata, oraz po
wzi
,
eciu po obu stronach inf
w
h
∈W
h
(g)
otrzymamy tez
,
e.
Wa ˙znym przyk ladem zagadnienia punktu siod lowego jest zagad-
nienie Stokesa w postaci uog´
olnionej. Jego wersja klasyczna, to:
−∆u(x) − ∇p(x) = f (x),
divu(x) = 0, x ∈ Ω,
u(x) = 0, x ∈ ∂Ω,
i dodatkowo, dla jednoznaczno´sci
R
Ω
p(x)dΩ = 0. Zmienn
,
a u interpretuje si
,
e
jako pole pr
,
edko´sci w obszarze Ω, za´s p-jako ci´snienie.
75
NRC
ZADANIA Z ´
CWICZE ´
N
1. Przypomnij definicj
,
e normy macierzy kwadratowej. Podaj r´
o˙zne real-
izacje normy w zale˙zno´sci od przyj
,
etej normy w przestrzeni wektorowej.
2. Na siatce r´
ownomiernej zaaproksymuj przez r´
o˙znice dzielone pochodna
pierwsza, druga,... U˙zyj r´
o˙znic w prz´
od i w ty l, r´
o˙znicy centralnej, ...
Zbadaj rz
,
ad aproksymacji (reszty).
3. Zaaproksymuj przez r´
o˙znice dzielone na siatce kwadratowej operator
r´
o˙zniczkowy
−∆u = −
∂
2
∂x
2
u −
∂
2
∂y
2
u.
4. Na odcinku [0, 1] zaaproksymuj na siatce r´
ownomiernej r´
ownanie
−u
00
(x) = f (x)
z warunkami brzegowymi Dirichleta
u(0) = A, u(1) = B.
Wypisz w postaci Ax = b otrzymany uk lad r´
owna´
n algebraicznych lin-
iowych. Udowodnij, ˙ze macierz A jest symetryczna i dodatnio okre´slona.
5. Aproksymacja przestrzeni Banacha (U, k · k), to rodzina tr´
ojek
(∗)
{U
h
, r
h
, p
h
}
h∈ω
gdzie
• (U
h
, k · k
h
) h ∈ ω - rodzina przestrzeni (sko´
nczonego wymiaru),
• r
h
: U → U
h
- to operatory obci
,
ecia,
• p
h
: U
h
→ U - to operatory przed lu˙zenia.
• Niech u
h
∈ U
h
dla ka˙zdego h ∈ ω. Rodzina {u
h
}
h∈ω
jest zbie ˙zna
dyskretnie do u ∈ U , je´sli
kr
h
u − u
h
k
h
→ 0,
gdy
h → 0.
76
Tutaj ω ⊂ R jest zbiorem indeks´
ow h ∈ ω. Zak lada si
,
e, ˙ze ω ma jedyny
punkt skupienia 0. Aproksymacja (∗) jest zbie ˙zna je´sli π
h
→
s
I, gdzie
π
h
= p
h
r
h
, gdy h → 0. Aproksymacja (∗) jest stabilna, je´sli operatory
przed lu˙zenia s wsp´
olnie ograniczone.
Udowodnij, ˙ze je´
sli aproksymacja przestrzeni jest zbie ˙zna i
stabilna, to zbie ˙zno´
s´
c dyskretna rodziny {u
h
}
h∈ω
poci
,
aga jej
zbie ˙zno´
s´
c w przestrzeni U , to znaczy kp
h
u
h
−uk → 0, gdy h → 0.
Niech U = C([0, 1]) z norma ”sup”. Na przedziale [0, 1] budujemy
siatk
,
e N + 1 punkt´
ow r´
ownoodleg lych i przyjmujemy U
h
= R
N+1
z
norma ”max”. Okre´slamy jako r
h
”obci
,
ecia” funkcji z U do zbioru
punkt´
ow siatki, za´s jako p
h
intepolacj
,
e przy pomocy lamanej. (Jak
wygl
,
ada zbi´
or ω?)
Sprawd´
z, ˙ze dla tego przyk ladu zachodzi udowodnione wy ˙zej
twierdzenie.
6. Na siatce kwadratowej na p laszczy´
znie zaaproksymuj r´
o˙znicowo
(a) drug
,
a pochodn
,
a mieszan
,
a (zak ladamy ci
,
ag lo´s´
c drugich pochod-
nych mieszanych),
(b) laplasjan.
Aproksymowa´
c trzeba w punkcie 0, za´s wolno u˙zywa´
c tylko punkt´
ow
0, 1, 2, 3, 4.
1
∗
2
∗
0
∗
3
∗
4
.
7. Zaaproksymuj r´
o˙znicowo na siatce kwadratowej Ω
h
∪ Γ
h
, zbudowanej
na obszarze Ω = [0, L] × [0, L] ⊂ R
2
w ten spos´
ob, ˙ze brzeg siatkowy
Γ
h
le˙zy na ∂Ω, r´
ownanie
−∆u(p) + b
1
u
x
(p) + b
2
u
y
(p) + cu(p) = f (p)
(a) z warunkiem brzegowym Dirichleta,
(b) z warunkiem brzegowym Robin
α
d
dn
u(p) + βu(p) = φ(p)
77
U˙zyj do aproksymacji pierwszych pochodnych
• r´
o˙znic centralnych,
• r´
o˙znic w prz´
od,
• r´
o˙znic w ty l.
Zbadaj stabilno´s´
c schematu w ka˙zdym z przypadk´
ow, u˙zywaj
,
ac jako
kryterium Twierdzenia 1 z wyk ladu 3.
8. Na siatce kwadratowej zbudowanej na kwadracie [0, L] × [0, L]
0
1
2
3
4
1
1
2
3
1
2
4
5
6
2
3
7
8
9
3
4
1
2
3
4
zaaproksymuj r´
ownanie −∆u+cu = f z warunkiem brzegowym Dirich-
leta, u˙zywaj
,
ac schematu z otoczeniem siatkowym
N
h
(p) =
∗
∗
p
∗
∗
.
Wypisz uk lad r´
owna´
n algebraicznych liniowych. Zwr´
o´
c uwag
,
e na struk-
tur
,
e macierzy uk ladu.
9. Przenie´s na siatk
,
e warunek brzegowy Dirichleta, u˙zywaj
,
ac
(a) ekstrapolacji liniowej:
.
.
.
.
.
1
0
2
.
.
.
.
.
78
(b) interpolacji liniowej
.
.
.
.
.
1
2
0
.
.
.
.
.
Punkty oznaczone 1 i 2 le˙za na siatce, za´s punkt oznaczony 0 le˙zy na
prawdziwym brzegu. Aproksymujemy zagadnienie brzegowe
−∆u(p) + cu(p) = f (p), c ≥ 0, p ∈ Ω,
u(p) = φ(p), p ∈ ∂Ω,
(zak ladamy, ˙ze ma ono rozwi
,
azanie co najmniej klasy C
2
!) przy po-
mocy schematu z otoczeniem siatkowym
N
h
(p) =
∗
∗
∗
∗
∗
,
dla Ω ⊂ R
2
, na siatce o sta lym kroku h w obu kierunkach. Zak ladamy
tak˙ze, ˙ze uzyskuje si
,
e w ten spos´
ob schemat rz
,
edu 2.
Wyci
,
agnij stad wnioski dotycz
,
ace b l
,
edu inter(extra)polacji: U˙zyj wielo-
mianu interpolacyjnego i wzor´
ow na oszacowania b l
,
edu interpolacji.
Por´
ownaj wyniki z punktu widzenia stosowalno´sci r´
o˙znych kryteri´
ow
stabilno´sci.
10. Dla zagadnienia
−∆u(p) + cu(p) = f (p), c > 0, p ∈ Ω,
postawionego na kwadracie Ω ⊂ R
2
o bokach r´
ownoleg lych do osi
uk ladu wsp´
o lrz
,
ednych, z warunkiem brzegowym Neumanna
d
dn
u(p) = φ(p), p ∈ ∂Ω
11
11 d
dn
oznacza tutaj operator pochodnej normalnej do brzegu, skierowanej na zewnatrz
obszaru Ω.
79
zbudowano schemat r´
o˙znicowy na siatce ze sta lym krokiem h w obu
kierunkach, oparty na takim samym otoczeniu siatkowym dla punkt´
ow
wewn
,
etrznych jak w poprzednim zadaniu. Niech brzeg siatki b
,
edzie
zawarty w brzegu obszaru Ω.
Zak ladaj
,
ac, ˙ze r´
ownanie r´
o˙zniczkowe jest spe lnione tak˙ze na brzegu ∂Ω,
zbuduj aproksymacj
,
e warunku brzegowego rz
,
edu przynajmniej 2.
11. Zastosuj kryterium stabilno´sci sformu lowane we wnioskach z Twier-
dzenia 2 z Wyk ladu 3 do zbadania stabilno´sci schematu
−[
(∇∆)
x
+ (∇∆)
y
h
2
]u
k,l
+ [
(∆ + ∇)
x
2h
]u
k,l
+
+[
(∆ + ∇)
y
2h
]u
k,l
+ cu
k,l
= f
k,l
c ≥ 0,
dla punkt´
ow wewn
,
etrznych obszaru siatkowego Ω
h
, z warunkami Dirich-
leta na brzegu obszaru Γ
h
. Jako obszar przyjmij kwadrat na p laszczy´
znie,
kt´
orego boki s
,
a r´
ownoleg le do osi uk ladu wsp´
o lrz
,
ednych, oraz zbuduj
siatk
,
e o sta lym kroku h w obu kierunkach, kt´
orej brzeg le˙zy na brzegu
obszaru.
12.
(a) Dane jest zagadnienie brzegowe
−u
00
(t) + cu(t) = f (t), c ≥ 0, t ∈ (a, b),
u(a) = u(b) = 0,
Zak ladaj
,
ac, ˙ze istnieje rozwi
,
azanie klasyczne u, udowodnij, ˙ze
spe lnia ono nast
,
epuj
,
ace oszacowanie
kuk ≤ M kf k
0
,
gdzie k · k oznacza ka˙zda z (semi)norm | · |
1
, k · k
1
, k · k
0
, za´s M
jest sta la. Zastan´
ow si
,
e co oznacza to oszacowanie.
(b) Zagadnienie z punktu (a) zaaproksymowano r´
o˙znicowo na siatce
t
k
= a + kh, k = 0, 1, · · · , N + 1, h =
b − a
N + 1
i otrzymano schemat
−
∇∆u
k
h
2
+ cu
k
= f
k
, k = 1, 2 · · · , N,
80
u
0
= u
N +1
= 0.
Udowodnij, ˙ze schemat jest stabilny zar´
owno w normie k · k
0
, jak
i w normie k · k
1
. Zastan´
ow si
,
e nad dobrymi i z lymi stronami
aproksymacji w ka˙zdej z rozwa˙zanych norm.
13. Dany jest uk lad r´
owna´
n algebraicznych liniowych
Ax = d
o macierzy symetrycznej i dodatnio okre´slonej. Proces iteracyjny Ri-
chardsona jest okre´slony w nast
,
epuj
,
acy spos´
ob
x
0
− dowolny, x
k+1
= x
k
+ κr
k
,
gdzie r
k
= d − Ax
k
jest tak zwanym reziduum na k-tym kroku, za´s
κ to wsp´
o lczynnik relaksacji, kt´
ory dobieramy tak, aby uzyska´
c jak
najlepsz
,
a zbie˙zno´s´
c procesu.
(a) Wyra´
z przy pomocy w lasno´sci widma macierzy C = I − κA
warunek konieczny i dostateczny zbie˙zno´sci do zera ci
,
agu macie-
rzy C
k
, gdy k → ∞. Zastosuj uzyskany wynik dla okre´slenia
warunk´
ow zbie˙zno´s´
ci procesu Richardsona.
(b) zak ladaj
,
ac, ˙ze widmo macierzy A jest uporz
,
adkowane jak ni˙zej
λ
1
≤ λ
2
≤ · · · ≤ λ
N
wyznacz taka warto´s´
c κ przy kt´
orej zbie˙zno´s´
c procesu Richardsona
jest najszybsza.
(c) Dla optymalnej warto´sci κ wyra´
z wsp´
o lczynnik zbie˙zno´sci procesu
Richardsona poprzez wsp´
o lczynnik uwarunkowania macierzy
A.
14. Do iteracji Richardsona dla uk ladu Ax = d wprowad´
z precondit-
ing w nast
,
epuj
,
acy spos´
ob: niech M = M
T
> 0 i niech macierz
M b
,
edzie bliska macierzy A. Oznaczmy przez C pierwiastek z M :
M = CC.
Ponadto za l´
o˙zmy, ˙ze potrafimy latwo rozwi
,
aza´
c uk lad
M z = r. Utw´
orzmy nowy uk lad C
−1
AC
−1
y = C
−1
d, kt´
ory oznaczymy
˜
Ay = ˜
d.
81
(a) Zastan´
ow si
,
e, dlaczego ten nowy uk lad mo˙ze mie´
c mniejszy wsp´
o l-
czynnik uwarunkowania ni˙z uk lad oryginalny.
(b) Zauwa˙z, ˙ze x = C
−1
y.
(c) Zbuduj proces Richardsona dla nowego uk ladu oznaczaj
,
ac kolejne
wektory procesu przez y
k
, za´s rezidua przez s
k
.
(d) Wzoruj
,
ac si
,
e na zale˙zno´sci mi
,
edzy x i y utw´
orz nowe wektory
x
k
i nowe rezidua z nimi zwi
,
azane r
k
, wykorzystuj
,
ace macierz
A, macierz M i wektor d. Stanowczo pozb
,
ad´
z si
,
e macierzy C
−1
!
W trakcie procesu dopuszczamy rozwi
,
azywanie uk ladu r´
owna´
n z
macierz
,
a M .
15. Roz l´
o˙zmy macierz A:
A = L + D + U,
gdzie L, D, U , to odpowiednio cz
,
e´s´
c pod diagonal
,
a, diagonala i cz
,
e´s´
c
nad diagonal
,
a.
(a) Iteracja Jacobiego:
Lx
k
+ Dx
k+1
+ U x
k
= d.
Udowodnij, ˙ze je´sli
∃
ρ
0 ≤ ρ < 1 ∀
i
P
i6=j
|a
i,j
|
|a
i,i
|
< ρ,
to iteracja Jacobiego jest zbie˙zna do rozwi
,
azania uk ladu.
(b) Gauss-Seidel:
(L + D)x
k+1
+ U x
k
= d.
Wykorzystuj
,
ac Twierdzenie o Postaci Kanonicznej (patrz
ni˙zej), udowodnij, ˙ze iteracja Gaussa -Seidel’a zbiega, gdy
A = A
T
> 0.
(c) Proces iteracyjny dwupoziomowy dla uk ladu Ax = d jest w postaci
kanonicznej, gdy
B
x
k+1
− x
k
τ
+ Ax
k
= d.
82
tutaj B jest macierz
,
a odwracalna, za´s τ > 0, to wsp´
o lczynnik
relaksacji. Zauwa˙z, ˙ze proces ten mo˙ze zawiera´
c w sobie precon-
diting. Zachodzi twierdzenie:
Twierdzenie o Postaci Kanonicznej. Je´
sli
• A = A
T
> 0
• B −
τ
2
A > 0
to proces jest zbie˙zny w normie energetycznej:
kx − x
k
k
A
→ 0.
Udowodnij Twierdzenie o Postaci Kanonicznej.
(d) Zbadaj zbie˙zno´s´
c procesu pod - nad relaksacji:
(D + ωL)x
k+1
= [(1 − ω)D − U ω]x
n
+ ωd.
Tutaj Ax = d, A = A
T
> 0, za´s ω, to parametr dodatni. Gdy
ω < 1, proces nazywa si
,
e pod-relaksacja, gdy ω > 1 nad-relaksacja.
Dla ω = 1, to proces Gaussa-Seidel’a.
16. Niech u ∈ C
1
(Ω), gdzie Ω ⊂ R
d
jest obszarem o brzegu dostatecznie
regularnym.
(a) Znajd´
z div∇u.
(b) Niech v ∈ C
1
(Ω) i niech w ∈ [C
1
(Ω)]
d
. Udowodnij, ˙ze
Z
Ω
vdiv(w)dΩ =
Z
Ω
div(vw)dΩ −
Z
Ω
∇vwdΩ.
Zastosuj
Twierdzenie Gaussa. Niech u ∈ [C
1
(Ω)]
d
. Wtedy
Z
Ω
div(u)dΩ =
Z
∂Ω
u ndS,
gdzie n jest wersorem normalnym do brzegu ∂Ω, skierowanym na
zewn
,
atrz obszaru.
aby otrzyma´
c wz´
or na ca lkowanie przez cz
,
e´
sci
−
Z
Ω
v∆udΩ = −
Z
∂Ω
v
d
dn
udS +
Z
Ω
∇v∇udΩ.
83
(c) Zastosuj uzyskany wz´
or do utworzenia sformu lowania uog´
olnionego
dla r´
ownania:
−∆u(p) + cu(p) = f (p), p ∈ Ω
z warunkiem jednorodnym Dirichleta, oraz z warunkiem (niejed-
norodnym) Neumanna. Pami
,
etaj o Twierdzeniu o ´
Sladzie!.
(d) Powt´
orz to samo dla r´
ownania typu eliptycznego
−
d
X
i,j=1
∂
∂x
i
[a
i,j
∂
∂x
j
]u + cu = f,
z warunkiem Dirichleta jednorodnym.
(e) Wyprowad´
z odpowiednik ”naturalnego” warunku Neumanna w
tym przypadku.
17. Niech
a : V × V → R
b
,
edzie form
,
a dwuliniow
,
a ci
,
ag l
,
a, koercywn
,
a i symetryczn
,
a, za´s
l : V → R
form
,
a liniow
,
a ci
,
ag l
,
a nad przestrzeni
,
a Hilberta V .
Okre´slimy funkcjona l
J (v) =
1
2
a(v, v) − lv.
(a) Udowodnij, ˙ze warunkiem koniecznym i dostatecznym na to, aby
J (u) = min
v∈V
J (v)
jest
a(u, v) = lv, ∀v ∈ V.
(b) Udowodnij, ˙ze J osi
,
aga zawsze jedyne minimum globalne w V .
84
18. Niech K ⊂ V b
,
edzie zbiorem wypuk lym i domkni
,
etym w przestrzeni
Hilberta V , a : V × V → R form
,
a dwuliniow
,
a ci
,
ag l
,
a, symetryczn
,
a, i
koercywn
,
a nad V , l : V → R form
,
a liniow
,
a ci
,
ag l
,
a nad V . Udowodnij
nast
,
epuj
,
ac
,
a wersj
,
e Twierdzenia Lax’a - Milgrama:
Twierdzenie. W K istnieje jedyny punkt u, w kt´
orym funkcjona l J
osi
,
aga minimum.
Wskaz´
owka. Udowodnij najpierw, ˙ze funkcjona l J jest ograniczony z do lu
na zbiorze K przez liczb
,
e −
klk
2γ
, gdzie γ, to sta la koercywno´
sci. Nast
,
epnie
okre´
sl ci
,
ag element´
ow
v
k
∈ K, J (v
k
) = c
k
∈ R,
gdzie c
k
jest ci
,
agiem minimalizuj
,
acym, to jest d
,
a˙z
,
acym do kresu dolnego
funkcjona lu J. Udowodnij, ˙ze ka˙zdy taki ci
,
ag {v
k
} jest ci
,
agiem Cauchy’ego.
19. Przy za lo˙zeniach poprzedniego zadania, udowodnij, ˙ze u ∈ K jest punk-
tem w kt´
orym funkcjona l J osi
,
aga minimum wtedy i tylko wtedy, gdy
spe lnia on nast
,
epuj
,
ac
,
a nier´
owno´
s´
c wariacyjn
,
a
a(u, v − u) ≥ l(v − u) ∀v ∈ K.
Wskaz´
owka.
• Zauwa˙z, ˙ze a(u,v) jest iloczynem skalarnym w przestrzeni Hilberta V .
• Zauwa˙z, ˙ze norma w V i norma wprowadzona przez form
,
e a s
,
a r´
ownowa-
˙zne.
• Wyra´
z funkcjona l l poprzez nowy iloczyn skalarny (Twierdzenie Rie-
sza!).
• Zauwa˙z, ˙ze minimalizacja funkcjona lu J na K, to to samo co znalezie-
nie w K elementu najlepszej aproksymacji, w sensie nowej normy, dla
znalezionej reprezentacji Riesza funkcjona lu l.
• Znajd´
z warunek geometryczny, (analogiczny do takiego warunku dla
rzutu ortogonalnego na podprzestrze´
n) dla rzutu ortogonalnego na
zbi´
or K.
20. Zbadaj elementy: {T, P
T
, Σ
T
}, V = H
1
(Ω), Ω ∈ R
2
. Wyznacz bazy
dualne, zbadaj konforemno´s´
c, zbuduj bazy w przestrzeni elementu sko´
n-
czonego.
85
(a) T - tr´
ojk
,
at o wierzcho lkach p
0
, p
1
, p
2
;
P
T
-wielomiany dw´
och
zmiennych, stopnia ≤ 1; Σ
T
: φ
j
(P ) = P (p
j
) j = 0, 1, 2.
(b) T - tr´
ojk
,
at; p
j
j = 0, 1, 2, ´srodki bok´
ow, P
T
- jak wy˙zej Σ
T
- jak
wy˙zej.
(c) T kwadrat o wierzcho lkach p
j
j = 0, 1, 2, 3;
P
T
: wielomiany
dw´
och zmiennych stopnia nie wi
,
ekszego ni˙z 2;
Σ
T
: jak wy˙zej
(cztery elementy).
21. Dla funkcji f (x) = |x| znajd´
z przynajmniej dwie pochodne dystry-
bucyjne.
22. Do rozwi
,
azania uk ladu r´
owna´
n algebraicznych liniowych
Ax = d
o macierzy A symetrycznej i dodatnio okre´slonej zastosowano Metod
,
e
Gradient´
ow Sprz
,
e ˙zonych - w skr´
ocie CG. Metoda iteracyjna CG
polega na minimalizacji funkcjona lu
J (x) =
1
2
x
T
Ax − x
T
d
na ka˙zdym kroku iteracji. Minimalizacji dokonujemy zawsze w przes-
trzeni wymiaru 1.
Warto sobie zapami
,
eta´
c, ˙ze metoda CG charakteryzuje si
,
e znacznie
lepszym wsp´
o lczynnikiem zbie˙zno´sci ni˙z metody iteracyjne dotychczas
om´
owione. Wiemy na przyk lad, ˙ze dla iteracji Richardsona wsp´
o lczynnik
zbie˙zno´sci wynosi
q =
cond(A) − 1
cond(A) + 1
.
Dla metody CG mamy
q =
q
cond(A) − 1
q
cond(A) + 1
.
Przy bardzo du˙zych warto´sciach cond(A) pojawienie si
,
e pierwiastka ma
du˙ze znaczenie!
86
(a) Iteracj
,
e zaczynamy od dowolnego punktu x
0
. Wybieramy wektor
p
0
= r
0
= d − Ax
0
.
(b) Je´sli ju˙z okre´slili´smy x
k
i p
k
, to wybieramy
x
k+1
= x
k
+ α
k
p
k
,
gdzie α
k
jest tak dobrane, ˙ze
J (x
k
+ α
k
p
k
) = min
α∈R
J (x
k
+ αp
k
).
Kolejny wektor p
k+1
okre´slamy przy pomocy warunk´
ow
r
k+1
= r
k
− α
k
Ap
k
,
p
k+1
= r
k+1
+ β
k
p
k
,
gdzie p
T
k
Ap
k+1
= 0.
Nale˙zy:
• wyliczy´c wsp´
o lczynniki α
k
i β
k
,
• pokaza´c, ˙ze prawdziwe s
,
a tak˙ze takie (numerycznie dogodniejsze)
wzory
α
k
=
r
T
k
r
k
p
T
k
Ap
k
,
β
k
=
r
T
k+1
r
k+1
r
T
k
r
k
.
• pokaza´c, ˙ze na ka˙zdym kroku iteracji minimalizuje si
,
e
kx − x
k
k
A
,
• pokaza´c, ˙ze algorytm znajduje dok ladne rozwi
,
azanie uk ladu po n
krokach, gdzie n jest wymiarem zadania.
23. Bardzo proste zagadnienia ewolucyjne. Zajmiemy si
,
e najpierw
zagadnieniem Cauchy’ego dla bardzo prostego r´
ownania hiperbolicz-
nego pierwszego rz
,
edu.
u
t
+ µu
x
= 0, u(0, x) = φ(x), t ≥ 0, x ∈ R,
gdzie µ jest sta la.
87
(a) Udowodnij, ˙ze je´sli φ ∈ C
1
, to rozwi
,
azaniem jest
u(t, x) = φ(x − µt).
Zinterpretuj ten wynik jako przemieszczaj
,
ac
,
a si
,
e fal
,
e.
(b) Metoda Fouriera badania stabilno´
sci schemat´
ow r´
o ˙znico-
wych polega na tym, ˙ze poszukujemy rozwi
,
azania schematu r´
o˙zni-
cowego w postaci
u
n
k
= γ
n
e
iαk
gdzie α jest dowolna liczba rzeczywista, u
n
k
≈ u(kh, nτ ), h > 0 to
krok ”przestrzenny”, za´s τ > 0 to krok ”czasowy”. Po wstawieniu
tego wyra˙zenia do schematu, wyliczamy γ w zale˙zno´sci od α. Je´sli
z tego zwi
,
azku wynika, ˙ze
|γ(α)| ≤ 1 ∀ α ∈ R,
to schemat jest stabilny w pewnej normie dyskretnej (patrz tak˙ze
dalsze zadania).
Zbadaj stabilno´
s´
c nast
,
epuj
,
acych schemat´
ow r´
o ˙znicowych
i zinterpretuj ich po lo ˙zenie na siatce, zbadaj ich rz
,
ad:
i. Schematy Upwind.
u
n+1
k
− u
n
k
= λµ[u
n
k
− u
n
k−1
],
gdzie λ =
τ
h
, za´s τ > 0 to krok ”czasowy”, a h > 0 to krok
”przestrzenny”. Wielko´s´
c λ > 0 nale˙zy traktowa´
c jako sta la.
Trzeba zauwa˙zy´
c, ˙ze stabilno´s´
c schematu zale˙zy zar´
owno od
znaku µ (dla jakich µ ten schemat jest dobry?), jak i od
warto´sci λ. Znajd´
z warunek jaki powinna spe lnia´
c sta la λ.
Zinterpretuj ten fakt z punktu widzenia postaci siatki. Skon-
struuj schemat dobry dla dla µ o przeciwnym znaku. Je´sli
stabilno´s´
c schematu zale˙zy od warto´sci λ, to taki schemat
nazywa si
,
e warunkowo stabilny.
ii. ”Pozornie” lepszy schemat.
u
n+1
k
= u
n
k
+
λ
2
µ[u
n
k+1
− u
n
k−1
].
88
iii. Schemat Laxa - Friedrichsa.
u
n+1
k
=
u
n
k−1
+ u
n
k+1
2
+
λ
2
µ[u
n
k+1
− u
n
k−1
].
iv. R´
ownanie typu parabolicznego.
u
t
= au
xx
, a > 0, 0 ≤ x ≤ L, 0 ≤ t,
warunek pocz
,
atkowy
u(0, x) = φ(x), x ∈ [0, L], L > 0,
warunki brzegowe
u(t, 0) = ψ
1
(t), u(t, L) = ψ
2
(t).
Przy pomocy metody Fouriera zbadaj stabilno´s´
c schematu z
parametrem 0 ≤ σ ≤ 1
u
n+1
k
=
= u
n
k
+ λa[σ(u
n
k−1
− 2u
n
k
+ u
n
k+1
)+
+(1 − σ)(u
n+1
k−1
− 2u
n+1
k
+ u
n+1
k+1
)],
λ =
τ
h
2
.
Schemat dla σ = 0 jest otwarty. Trzeba zauwa˙zy´
c, ˙ze dla
pewnych warto´sci σ (dla jakich?) schemat jest warunkowo
stabilny, dla innych jest stabilny bezwarunkowo. Zauwa˙z jaka
jest stabilno´s´
c schematu otwartego. Zauwa˙z, ˙ze schemat zam-
kni
,
ety wymaga rozwi
,
azania na ka˙zdym kroku czasowym uk la-
du r´
owna´
n algebraicznych liniowych. Wypisz ten uk lad. Zas-
tan´
ow si
,
e jak mo˙znaby go rozwi
,
azywa´
c numerycznie. Zbadaj
rz
,
ad schematu w zale˙zno´sci od σ. (Uwaga na punkt σ =
1
2
!)
Wyciagnij wnioski co do budowy siatki, w przypadku gdy
schemat jest tylko warunkowo stabilny.
(c) Inna, bardziej uniwersalna metoda badania stabilno´
sci
schemat´
ow 2-poziomowych. Schemat dwupoziomowy jest w
postaci kanonocznej, je´sli
B
u
¯
n+1
− u
¯
n
τ
+ Au
¯
n
= f
¯
n
,
89
gdzie u
¯
n
oznacza ca le rozwi
,
azanie schematu na n-tym poziomie
czasowym, A i B s
,
a macierzami odpowiedniego wymiaru, f
¯
jest
wektorem. Zak lada si
,
e, ˙ze A = A
T
> 0.
Mo˙zna udowodni´
c, ˙ze schemat jest stabilny (w normie mieszanej:
L
2
h
dla zmiennych przestrzennych, max dla zmiennej t), je´sli
∃ ∈ (0, 1] ˙ze B ≥ I +
τ
2
A.
Zbadaj stabilno´s´
c schematu z zadania 23(b)iv. przy pomocy tego
kryterium. Zastosuj t
,
e sama metod
,
e w przypadku, gdy wsp´
o lczyn-
nik a = a(x) > 0 (zale˙zy od x).
24. DFT - Dyskretna Transformata Fouriera. Niech
u
¯
= {u
0
, u
1
, · · · , u
N −1
}
b
,
edzie ci
,
agiem liczbowym. Ci
,
ag ten przed lu˙zamy ”w obie strony” w
spos´
ob periodyczny, to znaczy tak, ˙ze dla dowolnego s ca lkowitego u
k
=
u
k+sN
.
DFT ci
,
agu u
¯
, to ci
,
ag
F u
¯
= ˆ
u
¯
= {ˆ
u
0
, ˆ
u
1
, · · · , ˆ
u
N −1
},
gdzie
ˆ
u
k
=
1
N
N −1
X
j=0
e
−i
2πkj
N
u
j
k = 0, 1, · · · , N − 1.
Odwrotna DFT (IDFT) ci
,
agu u
¯
, to ci
,
ag
ˇ
u
¯
= {ˇ
u
0
, ˇ
u
1
, · · · , ˇ
u
N −1
}
gdzie
ˇ
u
k
=
N −1
X
j=0
e
2πjk
N
u
j
, k = 0, 1, · · · , N − 1.
(a) Odwrotno´
s´
c. Udowodnij, ˙ze F
−1
u
¯
= ˇ
u
¯
.
(b) Przesuni
,
ecie. Niech
u
¯
·+p
= {u
p
, u
1+p
, u
2+p
, · · · , u
N −1+p
},
90
gdzie p jest liczba ca lkowita. Udowodnij, ˙ze
ˆ
(u
¯
·+p
) = v
¯
= {v
0
, v
1
, · · · , v
N −1
},
gdzie
v
k
= e
i
2π
N
kp
ˆ
u
k
.
(c) Norma. Niech
ku
¯
k
2
0,h
= h
N −1
X
j=0
|u
j
|
2
.
Udowodnij, ˙ze
kˆ
u
¯
k
0,h
=
1
√
N
ku
¯
k
0,h
.
(d) Dla schematu r´
o˙znicowego dwupoziomowego, otwartego postaci
u
n+1
k
=
r
X
j=−r
a
j
u
n
k+j
,
z warunkiem pocz
,
atkowym
u
0
k
= φ
k
k = · · · , −1, 0, 1, · · ·
periodycznym o okresie N , znajd´
z DFT.
(e) Udowodnij, ˙ze dla ka˙zdego n = 0, 1, 2, · · ·
ˆ
u
n
k
= (γ
k
)
n
ˆ
u
0
k
,
gdzie γ
k
jest pewna liczba zespolona zale˙zna od k.
(f) Wypisz posta´
c γ
k
jako funkcji k.
(g) Wyra´
z u
¯
n
poprzez ˆ
u
¯
0
.
(h) Na podstawie przeprowadzonych rozwa˙za´
n w poprzednich punk-
tach zadania, uzasadnij, dlaczego w Metodzie Fouriera badania
stabilno´sci schemat´
ow r´
o˙znicowych omawianego typu, poszuku-
jemy rozwi
,
azania schematu w formie
u
n
k
= γ(α)
n
e
iαk
∀ α ∈ R.
(i) Udowodnij, ˙ze warunek |γ(α)| ≤ 1 poci
,
aga stabilno´s´
c schematu
rozwa˙zanej wy˙zej postaci w normie
ku
¯
k = max
0≤n
ku
¯
n
k
0,h
.
91
LITERATURA
Podstawowe ´
zr´
od la, na kt´
orych opiera si
,
e ten tekst to:
1. Dietrich Braess ”Finite Elements” Second edition, Cambridge Uni-
versity Press, 2001
2. Maksymilian Dryja, Janina i Micha l Jankowscy ”Przegl
,
ad Metod i
Algorytm´
ow Numerycznych” Wydawnictwa Naukowo – Techniczne,
Warszawa 1982
3. Kˆ
osaku Yosida ”Functional Analysis” Springer – Verlag, 1966
92