Dwanaście wykładów z metod numerycznych równań różniczkowych cząstkowych

background image

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

background image

.

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

background image

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

background image

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

background image

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

background image

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

background image

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

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

background image

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

background image

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

background image

Definicja.

Zbie ˙zno´

c aproksymacji.

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´

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

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

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

background image

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

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

o ˙znicowych

Powr´

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

background image

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´

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´

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

background image

Definicja. Stabilno´

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

background image

(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´

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´

c

dyskretna. Powr´

ocimy jeszcze dalej do sprawy wzajemnej zale˙zno´sci wspom-

nianych dw´

och poj

,

c.

14

background image

Wyk lad 3.

Stabilno´

c - zbie ˙zno´

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´

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

background image

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

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)|,

h

k

Φ
h

= max

p∈Γ

h

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

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

background image

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

background image

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

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

background image

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

¯

h

= Ω

h

∪ Γ

h

.

Za lo˙zymy, ˙ze ¯

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

:

¯

h

= Ω

1
h

∪ Ω

2
h

, Ω

1
h

∩ Ω

2
h

= ∅,

przy czym spe lnione s

,

a nast

,

epuj

,

ace warunki

19

background image

1.

p∈ ¯

h

A(p, p) > 0,

p∈ ¯

h

q∈N

0

h

(p)

A(p, q) ≤ 0,

p∈ ¯

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 ¯

h

ma nast

,

epuj

,

ac

,

a w lasno´

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∈ ¯

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∈ ¯

h

X

q∈N

h

(p)

A(p, q)u

h

(q) ≥ 0,

to ∀

p∈ ¯

h

u

h

(p) ≥ 0,

• Je´sli

p∈ ¯

h

X

q∈N

h

(p)

A(p, q)u

h

(q) ≤ 0,

to ∀

p∈ ¯

h

u

h

(p) ≤ 0.

20

background image

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 ¯

h

jest zbiorem sko´

nczonym, to mo˙zna znale´

c taki

punkt p

0

∈ ¯

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

background image

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

,

c ∀

q∈N

h

(p

0

)

q = p

0

i wtedy mo˙znaby w konsekwencji

przyj

,

c p

1

= p

0

. Rozumuj

,

ac w ten spos´

ob, doszliby´smy w ko´

ncu do

wniosku, ˙ze mo˙zna przyj

,

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∈ ¯

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∈ ¯

h

,

to

p∈ ¯

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 ∈ ¯

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 ∈ ¯

h

,

X

q∈N

h

(p)

A(p, q)v

h

(q) = G

h

(p), p ∈ ¯

h

.

22

background image

Je´

sli ∀

p∈ ¯

h

g

h

(p) ≤ G

h

(p), to,

u

h

(p) ≤ v

h

(p), ∀

p∈ ¯

h

.

Dow´

od. Odejmijmy od drugiego r´

ownania - pierwsze. Teraz mo˙zemy zas-

tosowa´

c Twierdzenie 2.

Wniosek 4. Przypu´

cmy, ˙ze istnieje funkcja siatkowa

Ψ

h

: ¯

h

→ R

taka, ˙ze:

1. ∃

M

,(M niezale˙zne od h), ˙ze ∀

p∈ ¯

h

0 ≤ Ψ

h

(p) ≤ M ,

2.

P

q∈N

h

(p)

A(p, q)Ψ

h

(q) ≥ 1, ∀

p∈ ¯

h

,

Wtedy schemat typu dodatniego

X

q∈N

h

(p)

A(p, q)u

h

(q) = g

h

(p), ∀

p∈ ¯

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∈ ¯

h

|g

h

(p)|, ∀p ∈ ¯

h

.

Zatem

−G

h

(p) ≤ g

h

(p) ≤ G

h

(p), ∀

p∈ ¯

h

,

sk

,

ad na mocy Wniosku 3

−v

h

(p) ≤ u

h

(p) ≤ v

h

(p), ∀

p∈ ¯

h

,

23

background image

lub

|u

h

(p)| ≤ v

h

(p) = max

p∈ ¯

h

|g

h

(p)|ψ

h

(p) ≤ M max

p∈ ¯

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∈ ¯

h

|u

h

(p)| ≤ M max

p∈ ¯

h

|g

h

(p)| ≤

≤ M [max

p∈Ω

h

|f

h

(p)| + max

p∈Γ

h

h

(p)|] =

= M [kf

h

k

F

h

h

+ kψ

h

k

Φ

h

h

].

24

background image

Wyk lad 4.

Sumowanie ”przez cz

,

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

,

o˙znica ”w prz´

od”,

∇u

k

= u

k

− u

k−1

,

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´

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

background image

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´

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

background image

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

background image

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

background image

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

p

.

r

.

.

.

.

.

.

.

.

b

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

background image

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´

c G

1

( ¯

Ω) w H

1

(Ω) i zupe lno´

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

background image

o ˙znicowa nier´

owno´

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

background image

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 ¯

h

= Ω

h

∪ Γ

h

b

,

edzie obszarem siatkowym w R

d

. Oz-

naczmy jeszcze

+
h

i

= {p ∈ ¯

h

|p ∈ ¯

h

⇒ p + e

i

h

i

∈ ¯

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

: ¯

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

background image

Wyk lad 5.

Oszacowania a priori. Stabilno´

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

background image

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

,

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´

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

,

sciowym. Ana-

logicznie, okre´

slamy nier´

owno´

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

background image

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

background image

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

background image

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-

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

background image

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).

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

background image

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´

c (ograniczono´

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´

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

background image

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

,

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

background image

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

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

background image

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 <

M

2

, to 0 ≤ L < 1.

42

background image

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´

c aproksymacji) Rodzina podprzestrzeni {V

h

}

h∈ω

przestrzeni V , ma w lasno´

c aproksymacji je´sli

u∈V

h∈ω

∃v

h

(u) ∈ V

h

, ˙ze kv

h

(u) − uk → 0, gdy h → 0.

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

background image

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´

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

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

background image

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

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´

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

background image

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´

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

background image

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

background image

• 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´

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

o˙znymi punktami T . Niech

φ

h
j

(P ) = P (x

h
j

), j = 1, 2, · · · , N

h

.

48

background image

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

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´

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

background image

• ∀ 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

background image

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

background image

• 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

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

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

background image

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

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

vD

α

φdΩ =

Z

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

0

) = −

Z

−∞

H

x

(t)φ

0

(t)dt =

53

background image

= −

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´

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

background image

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

o˙zni

,

a si

,

e znakiem.

Zsumujemy teraz stronami

P

T ∈τ

h

· · · powy˙zszy wz´

or. Otrzymamy dla

i = 1, 2, · · · , d:

Z

w

i

φdΩ = −

Z

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

background image

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

background image

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´

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

,

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

,

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

background image

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

background image

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

background image

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

background image

Wyk lad 11.

Wst

,

ep. B

,

edzie nam potrzebne kilka poj

,

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

background image

• 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

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

background image

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´

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

background image

• Odwracalno´

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´

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´

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

background image

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

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

background image

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

background image

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´

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

background image

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

.

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

background image

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

background image

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

background image

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

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

background image

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

background image

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

background image

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´

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

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

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

background image

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

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

background image

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

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

background image

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´

c dyskretna rodziny {u

h

}

h∈ω

poci

,

aga jej

zbie ˙zno´

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

background image

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´

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

background image

(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

background image

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

background image

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

background image

(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

background image

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

vdiv(w)dΩ =

Z

div(vw)dΩ −

Z

∇vwdΩ.

Zastosuj

Twierdzenie Gaussa. Niech u ∈ [C

1

(Ω)]

d

. Wtedy

Z

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

,

sci

Z

v∆udΩ = −

Z

∂Ω

v

d

dn

udS +

Z

∇v∇udΩ.

83

background image

(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

background image

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

, 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´

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

background image

(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

background image

(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

background image

(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´

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

background image

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

background image

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´

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

background image

gdzie p jest liczba ca lkowita. Udowodnij, ˙ze

ˆ

(u

¯

·+p

) = v

¯

= {v

0

, v

1

, · · · , v

N −1

},

gdzie

v

k

= e

i

N

kp

ˆ

u

k

.

(c) Norma. Niech

ku

¯

k

2
0,h

= h

N −1

X

j=0

|u

j

|

2

.

Udowodnij, ˙ze

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

background image

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


Wyszukiwarka

Podobne podstrony:
Metody Komputerowe i Numeryczne, Równania różniczkowe zwyczajne
19-21, Rozwiązanie numeryczne równań różniczkowych przy rozwinięciu w szereg Taylora
Janus J , Myjak J Wprowadzenie Do Równań Różniczkowych Cząstkowych
Równania różniczkowe cząstkowe 2
Metody Komputerowe i Numeryczne, Równania różniczkowe zwyczajne
Metody numeryczne Rownanie rozniczkowe
Urbański P Równania Rózniczkowe Cząstkowe
matematyka wykłady z równan różniczkowych
Numeryczne rozwiazywanie zagadnien poczatkowych równan i układów równan rózniczkowych zwyczajnych
B Bożek wykłady równania różniczkowe
pracownicy panek materialy Wykład 6 właściwy, RÓWNANIA RÓŻNICZKOWE
Równania różniczkowe sciąga, Politechnika Lubelska, Studia, Studia, Sprawozdania, studia, Matematyka
Równania różniczkowe, Politechnika Lubelska, Studia, Studia, Sprawozdania, studia, Matematyka, MATEM
Metody jednokrokowe rozwiązywania równań różniczkowych, aaa, studia 22.10.2014, całe sttudia, III se
RÓWNANIE RÓŻNICZKOWE LINIOWE METOD PRZEWIDYWAŃ
Sprawozdanie równanie różniczkowe, Automatyka i robotyka air pwr, VI SEMESTR, Metody numeryczne
Wykład 2 równania różnicowe transformata Z

więcej podobnych podstron