Metodi Analitici e Numerici Per L'ingegneria Aerospaziale - Saleri

Memory
Corso del Prof. F.E.Saleri

A.A 2006/07
http://aero.polimi.tripod.com
Metodi Analitici e Numerici per

lIngegneria Aerospaziale
Questo lavoro non è stato corretto da alcun professore

quasi sicuramente contiene errori
nel caso ne trovassi qualcuno scrivimi a:
ingaer@gmail.com
questa raccolta di appunti è reperibile in forma gratuita1 al sito:
nessuno è autorizzato a ricavarne alcun tipo di guadagno
se non con esplicita autorizzazione dellautore.
second edition
ultimo aggiornamento:
8 marzo 2008
1 fatto
salvo per i costi di connessione
Indice
1 Analisi teorica del problema modello
2 Metodo delle Differenze Finite

2.1 Problema modello . . . . . . . . . . . . . . . . . . . .
2.1.1 Esistenza, unicità e accuratezza della soluzione
2.2 Problema completo a coefficienti costanti . . . . . . .
2.3 Metodo dei coefficienti indeterminati . . . . . . . . .
2.4 Condizioni al contorno . . . . . . . . . . . . . . . . .
2.4.1 Condizioni di Dirichlet . . . . . . . . . . . . .
2.4.2 Risoluzione del problema di Neumann . . . .
2.4.3 Condizioni di Robin . . . . . . . . . . . . . .
2.5 Differenze Finite su intervalli non equispaziati . . . .
2.6 Problema completo a coefficienti variabili . . . . . . .
2.7 Caso generale . . . . . . . . . . . . . . . . . . . . . .
2.8 Interpolazione polinomiale . . . . . . . . . . . . . . .
2.9 Differenze Finite Compatte . . . . . . . . . . . . . . .
3 Risoluzione dei sistemi lineari
3.1 Fattorizzazione . . . . . . . . . . . . . .
3.1.1 Gauss MEG . . . . . . . . . . . .
3.1.2 Thomas . . . . . . . . . . . . . .
3.2 Metodi iterativi Richardson . . . . . . .
3.2.1 Metodo del Gradiente . . . . . .
3.2.2 Metodo del Gradiente Coniugato
3.3 Precondizionatori . . . . . . . . . . . . .
4 Differenze Finite 2D e 3D
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
9
11
12
14
14
14
15
16
17
18
19
20
.
.
.
.
.
.
.
23
23
23
24
26
28
30
33
36
INDICE
5 Spazi
5.1 Spazio L2 . . . .
5.2 Spazi H 1 . . . . .
5.3 Spazi Xh1 . . . . .
5.4 Proprietà . . . .
5.5 Spazio di Hilbert
.
.
.
.
.
42
42
42
43
43
44
.
.
.
.
.
.
.
.
.
45
46
46
47
47
48
48
49
50
51
7 Metodo degli Elementi Finiti (Galerkin)

7.1 Convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.1 Ordine di convergenza . . . . . . . . . . . . . . . . . .
7.2 Problemi di Diffusione-Trasporto(-Reazione) . . . . . . . . . .
7.3 Problema modello a trasporto dominante . . . . . . . . . . . .
7.3.1 Decentramento del metodo di Galerkin (UpWind) . . .
7.4 Problema modello a reazione dominante . . . . . . . . . . . .
7.4.1 Condensazione della matrice di massa (Mass-Lumping)
52
55
55
56
57
59
60
61
8 Discretizzazione di ordine 2 in spazio dipendenti

8.1 Formulazione debole . . . . . . . . . . . . . . . .
8.2 Discretizzazione in spazio con Elementi Finiti . .
8.3 Discretizzazione in tempo con Differenze Finite .
8.3.1 Eulero Esplicito . . . . . . . . . . . . . . .
8.3.2 Eulero Implicito . . . . . . . . . . . . . . .
8.3.3 Crank-Nicolson . . . . . . . . . . . . . . .
8.3.4 Analisi di stabilità per il -metodo . . . .
8.4 Discretizzazione in tempo con Elementi Finiti . .
8.4.1 Elementi Finiti discontinui . . . . . . . . .
63
63
64
66
66
66
66
67
76
87
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6 Formulazioni deboli
6.1 Dirichlet Omogeneo . . . . .
6.2 Dirichlet Non Omogeneo . .
6.3 Neumann Omogeneo . . . .
6.4 Neumann Non Omogeneo .
6.5 Funzionali e Forme . . . . .
6.5.1 Funzionale . . . . . .
6.5.2 Forma . . . . . . . .
6.6 Lemma di Lax-Milgram . .
6.6.1 Verifica delle ipotesi
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
dal tempo
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
9 Temi desame
88
9.1 Temi del prof. F.Saleri . . . . . . . . . . . . . . . . . . . . . . 88
9.1.1 24.Nov.05 prova in itinere I . . . . . . . . . . . . . . . 88
Appunti
F.Cadei
BS
INDICE
9.2
Appunti
9.1.2
9.1.3
9.1.4
9.1.5
9.1.6
Tema
9.2.1
03.Feb.06 prova in itinere II

22.Feb.06 appello desame .
05.Lug.06 appello desame .
01.Set.06 appello desame .
del prof. P.Zunino . . . . . .
19.Feb.08 appello desame .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
F.Cadei
89
91
92
93
95
97
97
BS
Capitolo
Analisi teorica del problema modello

(
u00 = f
in(0, 1)
u(0) = u(1) = 0
calcolo le costanti c0 e c1
Z
u(0) = 0 c0 = 0 perchè
0
questo problema è adimensionale e omogeneo, con il problema omogeneo

ho una retta come soluzione u00 = 0, u(0) = u0 , u(1) = u1 . Integrando
lequazione si ottiene
Z x
u(x) = c0 + c1 x
F (s) ds
0
Z s
con F (s) =
f (t) dt
0
Z s
F (s) ds = integro per parti
0
Z x

x
= sF (s) 0
sF 0 (s) ds
0
Z x
= xF (x) 0
sf (s) ds
0
Z x
Z x
= x
f (s) ds
sf (s) ds
0
0
Z s
Z x
F (s) ds =
(x s)f (s) ds
1. Analisi teorica del problema modello

1
(1 s)f (s) ds = 0
u(1) = 0 c1
0
(1 s)f (s) ds
c1 =
0
(x s)f (s) ds
(1 s)f (s) ds
u(x) = x
0
0
Z 1
Z x
x(1 s)f (s) ds
(x xs x + s)f (s) ds +
=
x
0
Z 1
Z x
x(1 s)f (s) ds
s(1 x)f (s) ds +
=
x
introduco la funzione di Green

(
s(1 x) se s (0, x)
G(x.z) =
x(1 s) se s (x, 1)
R1
u(x) = 0 G(x, s)f (s) ds
Figura 1.1: Funzione di Green.

G è simmetrica, positiva, continua posso integrarla sempre, quindi u(x)
se f è integrabile f continua C 0
se f C 0 (0, 1) u C 2
ma u00 = f se f è continua u C 2 , se f C m u C m+2 , sempre pi`
u
regolare.
Stima a priori, cerco la dipendenza continua dai dati, ossia se perturbo non
Appunti
F.Cadei
BS
1. Analisi teorica del problema modello
voglio ottenere dati sballati

Z 1
Z

G(x, s)f (s) ds
|u(x)| =
0
kf k

G(x, s) f (s) ds
0 | {z }
>0
Z

1

max f (x)
G(x, s) ds
x(0,1)
0

max f (x)
x(0,1)
1
= kf k x(1 x)
2
1
max |u(x)|
kf k max x(1 x)
x(0,1)
x(0,1)
2
da stimare
max per x=1/2, G=1/4
1
kuk
kf k
8
considerando kk 1 la norma del massimo o norma infinito per una funzione.
Se perturbo f , u viene perturbata in modo proporzionale, nel caso di perturbazione finita si ottengono risposte finite; dipendenza continua dei dati.
Proprietà di monotonia,se
f 0u0
u esiste unica, dipende con continuità dai dati.
Attenzione, già modificando il problema tutto questo discorso non funziona
pi`
u, es: u00 + u0 = f .
la norma è unapplicazione da uno spazio di partenza a R, k kV R

a. kuk = 0 u = 0
b. kuk = ||kuk R
c. ku + vk kuk + kvk u, v V
Appunti
F.Cadei
BS
Capitolo
Metodo delle Differenze Finite

Nei metodi numerici per la risoluzione di u00 = f invece di calcolare lintegrale si utilizza una sommatoria sui nodi di quadratura, sommatoria pesata.
Z 1
X
wk G(xk , sk )f (sk ) '
G(x, s)f (s) ds
0
2.1
Problema modello
u00 = f
x (0, 1)
la derivata è un operazione di passaggio al limite:
questo approccio viene trascurato perchè lungo; si utilizzano le Differenze

Finite.
- 1 passo: discretizzo, non ho un continuo da 0 a 1 ma un insieme di

punti
x0 = 0
xN +1 = 1
u (xi ) = f (xi )
i = 1...N
00
vengono esclusi gli estremi perchè sono fissate le condizioni al contorno,

semplificando xk = kh (distribuzione di nodi uniforme) h = N1
- 2 passo: approssimo,
D2 ui = f (xi )
con D2 ui u00 (xi )
(
u0 (xi ) =
u(xi )u(xi1 )
approx decentrata
h
u(xi+1 )u(xi1 )
approx centrata
2h
indietro (o avanti)
2. Metodo delle Differenze Finite
si preferisce lapprossimazione centrata perchè pi`

u accurata
h2 00
u (xi ) + . . .
2
h2
u(xi+1 ) = u(xi ) + hu0 (xi ) + u00 (xi ) + . . .
2
sommo e risolvo rispetto a u00 (xi )

1
u00 (xi ) = 2 u(xi+1 ) 2u(xi ) + u(xi1 ) + oh2 . . .
h
sostituendo lapprossimazione il problema diventa
(

h12 ui+1 2ui + ui1 = f (xi )
u0 = uN +1 = 0
u(xi1 ) = u(xi ) hu0 (xi ) +
h0
+1
1
cerco una funzione {uk }N
k=0 t.c. ui 6= u(xi ) con ui u(xi )
u0 = 0
h2 (u0 2u1 + u2 ) = f (x1 )
h12 (u1 2u2 + u3 ) = f (x2 )

..
h12 (uN 1 2uN + uN +1 ) = f (xN )
uN +1 = 0
si ottiene un sistema lineare

~u =
f~ =
A= 2
h
ui
N +1
i=0

0, f (x1 ), . . . , f (xN ), 0
h2
1 2 1
..
. 1 2 1
..
..
..
.
.
.
..
.
1
0
0
..
.
..
.
..
.
..
2 1
0 h2
si ottiene un metodo approssimato, Au = f , si può anche ridurre alle incognite interne preoccupandosi di trattare opportunamente i termini noti. Con
questo metodo non si ottiene un funzione vera e propria, ma tanti punti, ~u è
una soluzione nodale.
1
ui è unapprossimazione di u(xi ), u(xi ) è il valore puntuale della soluzione, ui il valore

nello stesso punto dellapprossimazione
Appunti
F.Cadei
BS
2.1.1
Esistenza, unicit`
a e accuratezza della soluzione
!uh se A non è singolare.

A è simmetrica e definita positiva2
x RN
xT Ax 0
=0 x=0
verifico xT Ax 0
xT Ax = [x1 , x2 , . . . , xN 1 , xN ]
= [x1 , x2 , . . . , xN 1 , xN ]
0
..
.
..
.
x1
x2
..
.
1 2 1
.. . .
..
..
.
.
.
.
..
.
1 2 1 xN 1
xN
0 1 2
2x1 x2
x1 + 2x2 x3
..
xN 2 + 2xN 1 xN
xN 1 + 2xN
= 2x21 x2 x2 x1 x2 + 2x22 x2 x3 . . . xN 1 xN + 2x2N

= x21 + x21 2x1 x2 + x22 + x22 . . . 2xN 1 xN + x2N + x2N
= x21 + (x1 x2 )2 + (x2 x3 )2 + . . . + (xN 1 xN )2 + x2N
è sicuramente 0, qualsiasi vettore prendo e può essere = 0 solo nel caso
in cui il vettore sia identicamente nullo, grazie al primo e allultimo termine
A è definita positiva; A è invertibile, A è non singolare, !uh ,
esiste lapprossimazione alle Differenze Finite (ottimo, il problema iniziale
aveva una soluzione e la soluzione approssimata anche).
Dallapprossimazione nodale: uh (xi ) = ui dove uh (xi ) è la funzione discretizzata calcolata in xi mentre ui è la funzione approssimata; bisogna accontentarsi di confrontare lapprossimazione con la funzione calcolata nei
nodi.
max |u(xi ) uh (xi )|
i=1,...,N
max |eh (xi )| keh kh,
i=1,...,N
h0
keh kh, 0
2
autovalori con parte reale positiva
Appunti
F.Cadei
BS
il metodo è convergente, lerrore tende a zero.

metodo è convergente consistente e stabile
calcolo lerrore di consistenza3 , il metodo è consistente se lerrore di consistenza tende a zero quando il parametro di discretizzazione (h) va a zero
h0
h 0
u(xi+1 ) 2u(xi ) + u(xi1 )
f (xi )
h2
h = max |h (xi )|
limitatore
h (xi ) =
i=1,...,N
=
h (xi ) =
sviluppo in serie in xi
h2
h3
h4
1
2 u(xi ) + hu0 (xi ) + u00 (xi ) + u000 (xi ) + u0v () +
h
2
6
24
2u(xi ) +

h2
h3
h4
+u(xi ) hu0 (xi ) + u00 (xi ) u000 (xi ) + u0v () f (xi )
2
6
24
(xi ; xi+1 )
(xi1 ; xi )
semplif icando

h2 0v
u () + u0v () f (xi )
u00 (xi )
24
u00 (xi ) f (xi ) = 0 perchè è il problema iniziale

h2 0v
u () + u0v ()
24
xi1 < < xi+1 per il th. della media
2
h
2u0v (i )
24
h2
u0v (i )
12
u0v (i ) non lo conosco e ne ho uno per intervallo
u00 = f
u0v = f 00
h2 00
f (i )
12
è lerrore che si commette chiedendo alla soluzione esatta di soddisfare lo schema

numerico
Appunti
10
F.Cadei
BS

h2
max |f 00 (i )|
12 i=1,...,N
meglio limitare con il massimo di tutti
2
h
=
maxkf 00 k
12
h (xi ) =
h0
h 0 con ordine 2
se : u C 4 oppure f C 2
kuh kh, 18 kf k
la soluzione discreta è controllata dai dati4 .
Th. di convergenza
h0
Se f C 2 uh u
nei nodi di discretizzazione e
h2
ku uh k
kf 00 k
96
|{z}
812
2.2
Problema completo a coefficienti costanti

(
u00 + u0 + u = f
u(0) = u(1) = 0
in(0, 1)
sostituisco (0,1) con una discretizzazione di passo h (vera solo nei nodi)
u00 (xi ) + u0 (xi ) + u(xi ) = f (xi )
i = 1, . . . , N
ora si sostituiscono le derivate con i rapporti incrementali, utilizzando rapporti incrementali centrati anche per la derivata prima mantengo unaccuratezza
di convergenza sullerrore del secondordine
ui+1 2ui + ui1

ui+1 ui1
+
+ ui = f (xi )
2
h
2h
i = 1, . . . , N
simile a: Ax = b
x = A1 b
kxk kA1 kkbk
Appunti
11
F.Cadei
BS
la matrice A risulta essere
...
h2
0
...
2h
..
...
2
h2
h2 +
+
..
2h
..
.
0
non è simmetrica.
2.3
Metodo dei coefficienti indeterminati
Il metodo dei coefficienti indeterminati è un modo per costruire rapporti

incrementali per differenze finite utilizzando sviluppi in serie relativi al nodo
dinteresse e con la possibilità di fissare lordine di convergenza dellerrore.
u0 (xi ) ' a1 u(xi1 ) + a0 u(xi ) + a1 u(xi+1 )
1
0
2h
oppure
1
1
h
h
ne segue
q
X
0
u (xi ) '
aij u(xij )
1
2h
0
j=p
si può notare che questo metodo non dipende solo dai punti vicini al punto
di interesse, ma è estendibile a punti diversi e a pi`
u punti.
Il numero di nodi e la loro posizione sono gradi di libertà che vengono scelti
in modo da massimizzaare lordine dellapprossimazione; per es. si ricava
lapprossimazione di ordine massimo della derivata prima in xi con p = 1 e
q = 1 (3 nodi)
u0 (xi ) = a1 u(xi1 ) + a0 u(xi ) + a1 u(xi+1 )
lerrore di discretizzazione in questo caso è errore di troncamento
h
i
h3
h2
0
h (xi ) = u (xi ) a1 u(xi ) hu0 (xi ) + u00 (xi ) u000 (xi ) + . . .
2
6
+a0 u(xi )
h
i
h3 000
h2 00
0
+a1 u(xi ) + hu (xi ) + u (xi ) + u (xi ) + . . .
2
6
Appunti
12
F.Cadei
BS
raccogliendo i termini simili

h (xi ) = u(xi )( a1 a0 a1 ) +
{z
}
|
=0 condizione minimale
+u (xi )(1 + ha1 ha1 ) +

|
{z
}
=1 2a condizione
2
2
h
h
+u00 (xi )( a1 a1 ) +
| 2 {z 2 }
=0 3a condizione
3
3
h
h
+u000 (xi )( a1 a1 ) + . . .
|6
{z 6 }
termine residuo
si intende minimizzare lerrore relativo allapprossimazione della derivata prima, le condizioni da imporre sono quindi: annullare il termine in u(xi ), porre
la 2a condizione = 0 è annullare lerrore dovuto al termine di derivata prima,
la 3a condizione = 0 serve ad aumentare lordine di convergenza dellerrore.
Non si possono imporre altre condizioni perchè il supporto è basato su 3 nodi,
si intuisce che per aumentare lordine di convergenza è necessario allargare il
supporto a pi`
u nodi per poter imporre pi`
u condizioni, ma questo da problemi
ai bordi del dominio. Il sistema ottenuto è
a1 = a1
a1 = 2h
a1 + a0 + a1 = 0
2ha1 = 1
a0 = 0
ha1 ha1 = 1
h2
1
h2
a1 = 2h
2 a1 2 a1 = 0
risulta uno schema centrato
u0 (xi ) =
ui+1 ui1
2h
lerrore di troncamento risulta

h (xi ) ' u000 (xi )
1 h3
h 6
h (xi ) ' oh2

lerrore converge con ordine 2.
Appunti
13
F.Cadei
BS
2.4
2.4.1
Condizioni al contorno
Condizioni di Dirichlet
Le condizioni al contorno di Dirichlet fissano i valori della funzione incognita

negli estremi
00
u = f
u(0) = u0
u(1) = u1
come già visto una volta scritta la matrice del sistema la prima e lultima
equazione possono passare al termine noto riducendo il problema ai nodi
interni.
2.4.2
Risoluzione del problema di Neumann
Le condizioni di Neumann fissano i valori delle derivate della funzione u nei

nodi estremi, se applicate al problema modello generano infinite soluzioni in
quanto si ottiene una soluzione a meno di una costante che a questo punto
può assumere qualsiasi valore. Solitamente queste condizioni vengono applicate ad esempio al problema u00 + u = f oppure miste come nel problema
Dirichlet-Neumann. In questo caso si è interessati al metodo di risoluzione
pi`
u che alla soluzione stessa, verrà utilizzato quindi il problema modello con
condizioni al contorno miste del tipo Dirichlet-Neumann, la procedura resta
comunque completamente estendibile agli altri casi
00
u = f
u(0) = u0
0
u (1) = 1
discretizzando si ottiene
u 2u +u
i+1
i
i1
= f (xi ) i = 1, . . . , N
h2
u(0) = u0
0
u (1) ' approx opportuna = 1
si utilizza il metodo dei coefficienti indeterminati per approssimare la derivata
prima ed ottenere uno schema accuarato almeno di ordine 2; è necessario
calcolare uno schema decentrato in quanto quello centrato è si accurato di
ordine 2 ma non applicabile agli estremi poichè si richiederebbe lesistenza
Appunti
14
F.Cadei
BS
del nodo xN +2 che non esiste

u0 (xN +1 ) ' a0 uN +1 + a1 uN + a2 uN 1 DuN +1
2
h0
ai i=0 t.c. DuN +1 u0 (xN +1 ) 2 0
h
sviluppo in serie
= a0 uN +1 +

h3
h2
+a1 uN +1 hu0N +1 + u00N +1 u000 () + (xN , xN +1 )
2
6
2

h3
h
+a2 uN +1 2hu0N +1 + 4 u00N +1 8 u000 () + (xN 1 , xN )
2
6
DuN +1
u0 (xN +1 ) DuN +1 = uN +1 (a0 + a1 + a2 ) +

+u0N +1 (1 + a1 h + 2a2 h) +
h2
o(h3 ak )
u00N +1 (a1 + 4a2 ) +
| {z }
2
termine dell0 errore
il termine relativo allerrore di troncamento mostra che al massimo lerrore

può convergere con ordine 3 rispetto ad h, non va trascurato che esiste un
termine ak legato ai valori dei coefficienti da determinare che può abbassare
tale ordine
3
1
a0 = 2h
a2 = 2h
a0 + a1 + a2 = 0
1
a1 = 4a2
a2 = 2h
a1 h + 2a2 h = 1
a1 + 4a2 = 0
a1 = h2
3
u0 è unapprossimazione di ordine 2: o( hh ) o(h2 )

3
1
u0 (xN +1 ) ' 2h
uN +1 h2 uN + 2h
uN 1
u 2u +u
i+1
i
i1
=f
2h
u(0) = u0
3
1
u
h2 uN + 2h
uN 1 = 1
2h N +1
2.4.3
Condizioni di Robin
Le condizioni al contorno di Robin si possono vedere come il caso generale

da cui si possono ricavare le condizioni di Dirichlet e Neumann, sono della
Appunti
15
F.Cadei
BS
forma
00
u = f su(0, 1)
0 u(0) + 0 u0 (0) = 0
1 u(1) + 1 u0 (1) = 1
con 0 , 0 , 1 , 1 R assegnati, considerando

i = 0
i = 0
2.5
Dirichlet
N eumann
Differenze Finite su intervalli non equispaziati
Lidea è di realizzare uno schema di calcolo che risolva pi`

u dettagliatamente
certe zone del dominio utilizzando pochi nodi dove non si è interessati a
maggior dettaglio. Il problema classico è la risoluzione dello strato limite
Figura 2.1: Strato limite e ipotesi di discretizzazione.
Figura 2.2: Esempio nodi non equispaziati.

si intende ricavare uno schema che approssimi la derivata prima in xi , possi-
Appunti
16
F.Cadei
BS
bilmente del secondo ordine

h2i 00
h3
u (xi ) + i u000 (xi ) + . . .
2
6
2
h3
h
u(xi1 ) = u(xi ) hi1 u0 (xi ) + i1 u00 (xi ) i1 u000 (xi ) + . . .
2
6
sottraendo la prima equazione dalla seconda
1
u(xi+1 ) u(xi1 ) = (hi + hi1 )u0 (xi ) + u00 (xi )(h2i h2i1 ) + . . .
2
u(x
)
u
i+1
i1
u0 (xi ) '
hi + hi1
u(xi+1 ) = u(xi ) + hi u0 (xi ) +
il metodo è accurato di ordine 1 rispetto ad h, infatti lerrore di troncamento

risulta
1
h = ()(hi hi1 )
| {z }
2
h2 h2
i1
i
hi hi1
h o(h) con h = max(h).

Anche la derivata seconda va di ordine 1, per ottenere uno schema accurato
di ordine 2 è necessario passare ad un supporto a 5 nodi con uno schema
centrato
supp. UNIFORME supp. NON UNIFORME
3 nodi o(h2 )
5 nodi o(h2 )
2.6
Problema completo a coefficienti variabili

0
0
5 (x)u0 + (x)u + (x)u = f (x)
| {z } | {z } | {z }
dif f usione
trasporto
reazione
si consideri il problema ridotto pi`

u semplice
0
(x)u0 = f (x)
si operi una sostituzione
(
(
ui1
wi = (xi ) ui+12h
w(x) = (x)u0 (x)
F.D.
w
wi1
centr. unif. i+1
w0 (x) = f (x)
= f (xi )
2h
è necessario prestare attenzione al senso fisico dellerquazione; u00 0 u0 potrebbe

non risolvere il problema dinteresse
5
Appunti
17
F.Cadei
BS
lo schema è applicabile a tutti i nodi interni, quindi per i = 1, . . . , N

risostituendo

1
(xi+1 )(ui+2 ui ) (xi1 )(ui ui2 ) = f (xi )
2
4h
si giunge a un metodo a 5 punti non applicabile ai nodi i = 1 e N 1, inoltre

se diventa costante non si ottiene pi`
u il vecchio schema, cè qual quadra
che non cosa.
Osservando lo schema ottenuto si può notare che la funzione u compare solo
nei nodi i 2, i, i + 2, si può quindi pensare di ridefinire wi su nodi fittizi
wi = (xi )
ui+ 1 ui 1
2
la funzione u non esiste se non nei nodi, sostituendo, però, lo schema che si
ottiene è
w0 (x) = f (x)
wi+ 1 wi 1
2
2
w0 (xi ) =
h
(ui+ 1 ui ) (ui ui 1 )
2
2
= f (xi )
h2
(xi+ 1 )(ui+1 ui ) (xi 1 )(ui ui1 )
2
2
= f (xi )
h2
la funzione è valutata in xi 1 , ma è una funzione nota e valutabile
2
ovunque, la funzione u è valutata su 3 nodi, lordine di accuratezza ottenuto
è o(h2 ) e per = cost si ottiene il vecchio schema (è stato presentato un
trucco per controllare lampiezza del supporto).
2.7
Caso generale

u0 + u
| {z }
0
+ u = f
f lusso
come prima
(
w = u0 + u
w0 + u = f
Appunti
w = (x ) ui+ 12 ui 21 + (x )u
i
i
i i
h
wi+ 1 wi 1
2
2
+ (xi )ui = f (xi )
h
18
F.Cadei
BS
si consideri il termine di trasporto, in quanto il termine di diffusione è già

stato analizzato precedentemente
(xi+ 1 )ui+ 1 (xi 1 )ui 1
+ = f (x)
h
u è una funzione nodale, ne segue che non esiste sui nodi fittizi, il problema si
risolve approssimando il valore nel nodo fittizio con la media dei valori della
funzione nei nodi adiacenti
ui + ui+1
ui+ 1 '
2
2
viene utilizzata la media come valore approssimato della funzione nel nodo
fittizio, se diventa costante si ritorna allo schema vecchio senza perturbare
lordine del sistema; va prestata attenzione al tipo di media da impiegare,
in quanto il problema potrebbe avere una direzione preferenziale, nel caso si
utilizzeranno dei pesi per il calcolo della media.
La stringa completa di un nodo interno risulta:
i
h
i 1 i+ 1 + i 1
i 1 i+ 1
i 1
i 1
i 1
2
2
2
2
2
2
2
2
2 ;
+
+ i ;
2 ...
...
2h
h
h2
2h
2h
h
+
2.8
Interpolazione polinomiale
Si creino xi nodi con i = 0, 1, . . . , n, f (xi ) è la valutazione della funzione

continua
nei nodi di discretizzazione, si costruisca un polinomio interpolatore
Q
n
n f P tale per cui il suo valore nei nodi sia esatto
Y
f (xi ) =
f (xi )
n
lerrore di interpolazione risulta

err = f (x)
f (x) =
n
f n+1 () Y
(x xk )
(n + 1)! k=0
se f C n+1 , massimizzo
max |f (x)
x
f (x)| cn hn+1 max |f (x)n+1 |

x
Df (xi ) =
Y 0
f (xi )
i = 0, . . . , n
Y 00
D f (xi ) =
f (xi )
2
Appunti
19
F.Cadei
BS
scritto sulla base di Lagrange il polinomio interpolatore esiste unico

Y
f (x) =
n
X
f (xi )i (x)
i=0
(
1 se i = j
P t.c. i (xi ) = y =
0 altrimenti
n
i =
Df (x) =
n
Y
x xk
polinomi caratteristici di Lagrange
x
j xk
k=06=j
n
X
f (xi )0i (x)
i=0
se valuto nel punto

n
X
Df (xk ) =
f (xi )0i (xk )
i=0
da questo approccio si ottengono due pregi

1. si ottengono i coefficienti ovunque senza preoccuparsi del bordo
Q
2. maxx |f 0 (x) 0n f (x)| cn hn max|f n+1 (x)| lerrore è noto (anche se
decade di un ordine rispetto ad h in quanto derivando si divide per h)
i difetti
1. si ottengono approssimazioni globali, il supporto è generato dal grado
che sto usando, non si sceglie il supporto
2. su griglie equispaziate allaumentare del grado non migliora lapprossimazione (oscillazioni tra i nodi)
rimangono comunque degli ottimi metodi spettrali, ma non usando griglie
equispaziate.
2.9
Differenze Finite Compatte
Solitamente si fissa il supporto e si pretende che

Dfi =
1
X
aj f (xi+j )
j=1
non si considerano i valori della funzione nei punti vicini.

Appunti
20
F.Cadei
BS
Si consideri il problema
u0 = f
e lo si discretizzi nel seguente modo
X
X
X
X
Dui =
Sfi =
Su0i =
Dui
i
In questo metodo si cerca di ricavare i coefficienti (pesi) direttamente minimizzando lerrore di troncamento
h (xi ) =
1
X
bj
j=1
= b1
f (x )
| {zi+j}
sol. vera in schema num.

f 0 (xi1 )
+b0 f 0 (xi ) + b1
| {z }
2
f (x )
| {zi1}
aj f (xi+j )
j=1
f 0 (xi+1 )
| {z }
2
f 0 (xi )hf 00 (xi )+ h2 f 000 (xi )+...
= a1
1
X
f 0 (xi )+hf 00 (xi )+ h2 f 000 (xi )+...
a0 f (xi ) a1
f (xi )hf 0 (xi )+ h2 f 00 (xi )+...
f (xi+1 )
| {z }
2
f (xi )+hf 0 (xi )+ h2 f 00 (xi )+...
(2.1)
il numero di termini da utilizzare nello sviluppo in serie dipende dal supporto che si intende utilizzare, nel caso di supporto a tre nodi si generano
6 coefficienti, si possono scrivere fino a 6 equazioni; in realtà si utilizzano 5
equazioni tutte in funzione di uno dei coefficienti in quanto con 6 equazioni
si ottiene solo la soluzione banale. In questo caso quindi la serie va interrotta
al termine di derivata quarta, le equazioni si scrivono intese ad annullare
lerrore di troncamento
f (xi )
a1 + a1 + a0 = 0
b1 + b1 + b0 + ha1 ha1 = 0
f (xi )
2
2
00
f (xi )
hb1 + hb1 h2 a1 h2 a1 = 0
2
3
3
h2
000
b + h2 b1 + h6 a1 h6 a1 = 0
2 1
f (xi )
3
3
4
4
f 0v (x )
h6 b1 + h6 b1 h24 a1 h24 a1 = 0
i
a
+
a
+
a
=
0
b1 = b1
1
1
0
b1 + b1 + b0 + ha1 ha1 = 0
b0 = 4b1
2b1 + 2b1 ha1 ha1 = 0
a1 = 3bh1
3b1 + 3b1 + ha1 ha1 = 0

a1 = 3bh1
4b + 4b ha ha = 0 a = 0
0
1
1
1
1
Appunti
21
F.Cadei
BS
b1 Dfi1 + b0 Dfi + b1 Dfi+1 = a1 f (xi1 ) + a0 f (xi ) + a1 f (xi+1 )

3b1
3b1
f (xi1 ) +
f (xi+1 )
b1 Dfi1 + 4b1 Dfi + b1 Dfi+1 =
h
h
se b1 6= 0
semplif ico
i
3h
Dfi1 + 4Dfi + Dfi+1 =
f (xi+1 ) f (xi1 )
h
si ottiene uno schema su 3 nodi come desiderato, lordine di convergenza
dellerrore risulta essere
h h4
h4
h5 i
h5
a1
a1
h f v b1 + b1 +
24
24
120
120
|
{z
}
=0, b1 =b1
3b1 h5
3b1 h5 i
h 120
h 120
5
b1 h
fv
40 h
o(h4 )
h
fv
si deduce che si ottiene accuratezza di ordine 4 rispetto ad h con un supporto

di 3 nodi.
Il difetto di questo metodo è il non poter conoscere il valore della derivata in
un punto, da informazioni globali; inoltre come si generano Dfi1 , Dfi , Dfi+1 ?
Per il problema modello
u00 = f
u00 ' Su00
f ' Mu
00
Su = M u
Sf = M u
risulta essere tutto noto eccezion fatta per la funzione u incognita.
Appunti
22
F.Cadei
BS
Capitolo
Risoluzione dei sistemi lineari

Con i metodi appena visti si giunge a formulare il problema nella forma
Ax = b
3.1
3.1.1
è necessario quindi ottimizzare il processo di risoluzione, A è una matrice

tri-diagonale
a11 a12
0
a21 a22 . .
... ...
...
A=
.
.
.
.
.
. an1n
0
ann1 ann
per risolvere il sistema in x è necessario invertire la matrice A, risulta pi`
u
comodo fattorizzarla e risolvere due sistemi tridiagonali.
Fattorizzazione
Gauss MEG
La fattorizzazione di Gauss1 consiste nello scomporre la matrice di partenza

in due matrici triangolari tali per cui sia verificato
? ? ... ?
1
0
..
? 1
?
.
A = LU = ..
.
.
.
.. ?
.
.
? ... ? 1
0
?
1
* Calcolo Numerico
23
3. Risoluzione dei sistemi lineari
il metodo di eliminazione di Gauss (MEG) perviene alla matrice triangolare

eliminando una colonna alla volta
Figura 3.1: Schema di fattorizzazione.

(k+1)
aij
(k)
(k)
= aij mij aij
i, j = k + 1 . . . n
(k)
mik =
aik
(k)
akk
pivot
se akk 6= 0
lidea è quella di, anzichè invertire la matrice A per risolvere il sistema lineare,
risolvere due sistemi triangolari, computazionalmente meno oneroso
(
Ly = b
Ux = y
3.1.2
Thomas
Nel caso particolare di A tri-diagonale si può utilizzare una variante del

metodo di Gauss, lalgoritmo di Thomas, la fattorizzazione produrra matrici
del tipo
u11 u12
0
1
0
.
l21 1
u22 . .
L=
,U =
.
.
.
.
.
. . un1n
.
.
0
lnn1 1
0
unn
facendo il prodotto
1a r 1a c u11 = a11
2a r 2a c u12 = a12
2a r 4a c u23 = a23
Appunti
24
F.Cadei
BS
tutti gli elementi della sopradiagonale di U sono uguali a quella di A

2a r 1a c l21 u11 = a21
a21
a21
l21 =
=
u11
a11 noto da prima
a
a
2 r 2 c l21 a12 + u22 = a22
a21 a12
u22 = a22
a11
a
a
3 r 3 c l32 u22 = a32
a32
l32 =
u22
ai+1,i
noto a priori
li+1,i =
uii noto dal passo precendente
il costo computazionale è o(n).
Va ricordato che nel caso di matrici simmetriche e definite positive è particolarmente efficiente la fattorizzazione di Cholesky
A = RT R
con R triangolare superiore
In realtà si sta risolvendo un sistema perturbato (60 Wilkinson)

P, L, U = lu(A)
con P si intende la matrice delle permutazioni

A + A x + x = b + b
| {z }
x
si cerca di capire da cosa dipende la propagazione degli errori

A = 0
kbk
kx xk
K(A)
kxk
kbk
con K(A) numero di condizionamento2 della matrice A,

K(A) = kAkkA1 k
se A è s.d.p.
K(A) =
max (A)
min (A)
è un indice di quanto gli errori di approssimazione introdotti per effetto delle approssimazioni durante i calcoli influiscano sulla validità della soluzione trovata risolvendo
il sistema lineare
Appunti
25
F.Cadei
BS
la matrice risulta ben condizionata se K(A) è vicino a 1.

kAk2 = sup
kxk6=0
kAxk2
= max kAxk2
kxk=1
kxk2
con AT A raggio spettrale (autovalore massimo); nei casi di interesse, matrici

generate da metodi alle Differenze Finite si ottiene
2 1
0
.
.
1
1
h0
1 . . . .
A= 2
K(A) ' 2 K(A)
.
.
. . . . 1
h
h
0
1 2
riducendo il lintervallo h tra i nodi miglioro la discretizzazione e riduco
lerrore di troncamento ma si uccide la veridicità della soluzione trovata. Per
risolvere questo problema o si complica il metodo di risoluzione o si cambia
il metodo stesso.
3.2
Metodi iterativi Richardson

Ax = b
A = P N
P x = b + Nx
splitting additivo
dato x(0) si calcola per k = 0, 1, . . .

x(k+1) = P 1 (b + N x(k) )
ci si aspetta x(0) arbitrario, il metodo è computazionalmente poco oneroso,
convergente lim x(k) = x. P va scelta facile da invertire per alleggerire il
k
metodo, vine scelta diagonale, tri-diagonale, triangolare (è lunica matrice

che va invertita), ottimo se P = I
e(k) = x(k) x
P (x x(k+1) ) = N (x x(k) )
1
e(k+1) =
P
| {zN}
(k)
e(k)
matrice di iterazione
(0)
e
0 e
kP 1 N k < 1 (P 1 N ) < 1
Appunti
26
F.Cadei
BS
dove è il raggio spettrale

P (x(k+1) x(k) ) = b + N x(k) P x(k)
= b Ax(k)
= r(k)
r(k) è il residuo, è una misura dellerrore che si sta commettendo
r(k) = 0 se x(k) = x
si può pensare di introdurre un gdl, un acceleratore del metodo che potrà
essere stazionario o dinamico k
P (x(k+1) x(k) ) = k r(k)
es. se P = I
x(k+1) = x(k) + k r(k)
= x(k) + k (b Ax(k) )
= k b + (I Ak )x(k)
Px
A
N
x
B
=
=
=
=
=
Nx + b
I N
I A
(I A)x + b
I k A (B) < 1
si scelga k affinchè (B) sia opportunamente piccolo

|(B)| = |1 k (A)|
Figura 3.2: Andamento del raggio spettrale.
0 < <
ott
Appunti
max
2
=
min + max
27
F.Cadei
BS
3.2.1
Metodo del Gradiente
equivalente a Richardson non stazionario, ma migliore. Lipotesi che

E
si avanza è quella di considerare solamente matrici A simmetriche definite
positive
Ax = b
equivale a trovare il minimo di un potenziale (x)
1 T
(x) =
x Ax xT b
2
a11 a1n
x1
b1
1
.. .. [x , . . . , x ] ..
..
=
[x1 , . . . , xn ] ...
.
1
n .
. .
2
an1 ann
xn
bn
a11 x1 + + a1n xn
1
..
[x1 , . . . , xn ]
=
[x1 b1 + + xn bn ]
.
2
an1 x1 + + ann xn
1
=
(a11 x21 + a12 x2 x1 + + a1n xn x1 + a21 x1 x2 + + ann x2n )
2
(x1 b1 + + xn bn )
si sta cercando il minimo del funzionale, questa espressione va quindi derivata
rispetto ad x e posta uguale a zero
1
=
(2a11 x1 + a12 x2 + + a1n xn + a21 x2 + a31 x3 + + an1 xn ) b1
x1
2
ma A = AT aij = aji
1
=
(2a11 + 2a12 x2 + + 2an1 xn ) b1
2
= a11 + a12 x2 + + an1 xn b1 = 0
è esattamente la prima equazione del sistema che si deve risolvere
= 0 se x è soluzione del sistema; trovare il minimo del potenziale è
come risolvere il sistema lineare
partendo da un x(0) arbitrario
x(k+1) = x(k) + d(k) k
uninterpretazione delle nuova posizione può essere intesa come: partire da un
punto x(k) , avanzare secondo una certa direzione d(k) per una certa quantità
k ; nel metodo di Richardson la direzione di spostamento era il residuo
(z) = Az b
in x(k)
(x(k) ) = Ax(k) b = r(k)
Appunti
28
F.Cadei
BS
ne risulta che il residuo è la direzione di massima discesa verso il minimo.

Sulla direzione
x(k+1) = x(k) + k r(k)

1 (k+1) T (k+1)
x
Ax
x(k+1) T b
x(k+1) =
2
T

T
1 (k)
x + k r(k) A x(k) + k r(k) x(k) + k r(k) b
=
2
1
1 (k) T (k) 1
x
Ax + k r(k) T Ax(k) + x(k) T Ak r(k) +
=
2
2
2
1
+ k r(k) T Ar(k) x(k) T b k r(k) T b
2
A è simmetrica r(k) T Ax(k) = x(k) T Ar(k)
1
1 (k) T (k)
Ax + k r(k) T Ax(k) + k2 r(k) T Ar(k)
x
=
2
2
x(k) T b k r(k) T b
(k)
= + k r(k) T (Ax
| {z }b) +
r(k)
1 (k) T (k)
1
x
Ax k r(k) T r(k) + k2 r(k) T Ar(k) x(k) T b
2
2
si deriva e azzera per ottenere lk che minimizza
d
= r(k) T r(k) + k r(k) T Ar(k) = 0
dk
r(k) T r(k)
kott = (k) T (k)
r
Ar
si è ottenuta lespressione dinamica di k .
Riassumendo: dato x(0) arbitrario, k 0 fino a convergenza si dovrà
calcolare
r(k) T r(k)
si calcola k
k = r(k) T Ar(k)
(k+1)
(k)
(k)
si aggiorna la soluzione
= x + k r
x
(k+1)
si aggiorna il residuo
r
= b Ax(k+1)
Si può pensare di ottimizzare il metodo, nel senso di ridurre il costo computazionale, già da subito evitando di calcolare Ax(k+1) e riconducendo questo
calcolo a conti già eseguiti
r(k+1) = b A(x(k) k r(k) )
= b Ax(k) k Ar(k)
r(k+1) = r(k) k Ar(k)
Appunti
29
F.Cadei
BS

in questo modo invece di calcolare Ax(k+1) e Ar(k) si calcola solo la seconda
e la si utilizza pi`
u volte.
Si tratti della convergenza: con la soluzione esatta il metodo si ferma
k = 0 r(k) = 0 x(k) = x
Th. di convergenza
Il metodo del Gradiente converge x(0) se A è simmetrica definita positiva e
inoltre
k+1

K(A) 1
(k+1)
ke
ke(0) k2
k2
k 0
K(A) + 1
.
con: K(A) n di condizionamento della matrice, per A s.d.p. K(A) = max
min
Questo risulta essere un metodo che converge lentamente per una matrice
mal condizionata, ad esempio per K(A) = 100 labbattimento dellerrore è
K(A)1
99
= 101
, è vicino a 1, se fosse 1 si inchioda e non converge. Pi`
u si
K(A)+1
impiega a far convergere il metodo e pi`
u gli errori hanno modo di propagarsi.
3.2.2
Metodo del Gradiente Coniugato
Il potenziale si può pensare come una vallata di sezione trasversale pi`

u
o meno ellittica e parabolica nella sezione longitudinale con al vertice la
soluzione esatta del problema di interesse. Per vallate lunghe e strette
max min
K(A)
K(A)
grande, paraboloide ellittico

piccolo, paraboloide tondo
per velocizzare il raggiungimento del minimo posso pensare di non ripetere

le direzioni già percorse durante la discesa direzioni ortogonali
r(k) T r(k+1) = 0
?
r(j) T r(k+1) = 0
si impone lortogonalità del residuo tra il passo k ed il passo k + 1, quello che
ci si chiede è: tutte le direzioni risulteranno ortogonali? No.
r(k) T r(k+1) = r(k) T r(k) k r(k) T Ar(k) = 0

localmente sono ottimale.
Appunti
30
F.Cadei
BS
Figura 3.3: Direzioni ortogonali.

r(j) T r(k+1) 6= 0
k non è tale da azzerare tutte le direzioni, risulteranno quindi ortogonali a
2 a 2.
Figura 3.4: Direzioni ortogonali a coppie.

Si ricercano direzioni tra loro tutte ortogonali in quanto muoversi secondo
queste direzioni in uno spazio di dimensione n porta il metodo a convergenza
in n passi.
dato x(0) arbitrario, k 0 k =?
x(k+1) = x(k) + k d(k)
d(k) = ? dovranno essere , linearmente indip.
Si cerchi ancora il minimo del potenziale
T

T
1 (k)
x + k d(k) A x(k) + k d(k) x(k) + k d(k) b
x(k+1) =
2

1
1 (k) T (k)
x
Ax + k d(k) T Ax(k) b x(k) T b + k2 d(k) T Ad(k)
=
2
2
(k)
T
(k)
d
r
d (k+1)
x
= 0 k = (k) T (k)
dk
d
Ad
(k)
d si intenda usare, ricavato k resta da trovare d(k) , si utilizza il residuo
per trovare d in modo che siano ortogonali al residuo, il motivo è che r(k) è
una combinazione lineare di d
r(k+1) = b Ax(k+1)

= b A x(k) +k d(k)
| {z }
=
Appunti
r(k) k Ad(k)
31
F.Cadei
BS
se
d(k) T r(k+1) = d(k) T r(k) k d(k) T Ad(k) = 0
la direzione d(k) risulta a r(k+1) , se si riuscisse a trovare le nuove direzioni
ortogonali a tutte le precedenti si avrebbe la convergenza in n passi esatti.
?d(j) T r(k+1) = 0?, ci si chiede come devono essere fatte le d(j)
0 = d(j) T r(k) k d(j) T Ad(k)
si supponga di aver generato dr al passo prima, allora d(j) T r(k) = 0, affinchè
tutte le d siano ortogonali al passo seguente
d(j) T Ad(k) = 0
le direzioni devono essere ortogonali rispetto ad A, A-ortogonali oppure Aconiugate.
Avviando la procedura: parto da una direzione ortogonale al primo residuo
d(0)
d(k)
inf atti
r(0) T r(1) = 0
r(0) r(1)
r(0)
ora si imponga che d(1) sia A-ortogonale a d(0)
0 = d(1) T Ad(0)
successivamente
d(2) T Ad(0) = 0
d(2) t.c.
d(2) T Ad(1) = 0
allaumentare dellindice continuano ad aumentare le condizioni da soddisfare.

Se A è simmetrica e definita positiva esiste un teorema che dimostra che per
costruire direzioni A-ortogonali basta garantire le A-ortogonalità sullultima
coppia di direzioni perchè si parte da direzioni furbe r(k+1) , quello che si trova
è A-ortogonale a tutto il resto
d(k+1) = r(k+1) k d(k)
cerco k := d(k) T Ad(k+1) = 0
d(k) T Ar(k+1) = k d(k) T Ad(k)
d(k) T Ar(k+1)
k =
d(k) T Ad(k)
k è un parametro che A-ortogonalizza rispetto allultima direzione, è una
procedura che contiene gli errori di arrotondamento.
Appunti
32
F.Cadei
BS
Th. di convergenza
Se A è s.d.p. il metodo del Gradiente Coniugato converge alla soluzione
esatta in al pi`
u n iterazioni3 , con n = dim(A) e A Rnn .
Il difetto è che questo metodo converge alla soluzione esatta in n passi solamente in aritmetica esatta; se si operano degli arrotondamenti literata n non
ha ancora spaziato tutto Rn ; se si continua ad iterare con k > n si comincia
a fare danni. Il metodo si può fermare impostando il numero massimo di
iterate o controllando lerrore
p

K(A) 1 k+1 (0)
(k+1)
p
kA
ke kA
ke
K(A) + 1
p
ke(k+1) kA =
e(k+1) T Ae(k+1)
si risente meno dellerrore grazie alla presenza della radice. Si può pensare di
ridurre lerrore agendo su K(A) con tecniche di precondizionamento. Altri
criteri darresto possono essere basati sul residuo, sulla prima iterata o sul
termine noto
a.
b.
kr(k) k tol kr(0) k

kx(k+1) x(k) k2 tol ke(0) k
queste grandezze vanno valutate in un norma opportuna inoltre va considerato che rispetto agli altri metodi darresto la scalatura del residuo è pi`
u
significativo perchè nei termini di accelerazione k e k .
Figura 3.5: Andamento del numero di iterate in funzione di K(A).
3.3
Precondizionatori
I precondizionatori sono un modo per ridurre il numero di condizionamento

della matrice di partenza. Una rappresentazione geometrica del numero di
condizionamento è la seguente
3
parte come metodo iterativo ed arriva come metodo diretto
Appunti
33
F.Cadei
BS
Figura 3.6: Rappresentazione geometrica di K(A).

considerando I = {insieme delle matrici singolari } si può intendere il numero di condizionamento come la distanza tra la matrice A e questo insieme;
ora se consideriamo le approssimazioni introdotte dal sistema di calcolo (troncamenti ecc.) la matrice A cambia avvicinandosi sempre pi`
u allinsieme
4
I .
Ax = b
bx = b
Ab
1 sol
(
sol
0 sol
Si può pensare di passare per via algebrica ad un problema equivalente (stessa

soluzione) ma meglio condizionato; partendo da
Ax = b
la strategia di pre-condizionamento trova P invertibile t.c.
K(P 1 A) K(A)
e risolve il sistema
P 1 Ax = P 1 b
Trovare P è un problema non lineare, la soluzione banale è data da P = A,
è inutile perchè è vero che
K(P 1 A) = 1 K(A)
ma invertire P significa invertire A che è il problema iniziale.
qualora vi entrasse la A risulterebbe singolare, quindi non invertibile e non si può

risolvere il problema.
Appunti
34
F.Cadei
BS
P non deve essere solamente invertibile, deve anche essere facile da invertire
- Precondizionatore di Jacobi
P = PJ = diag(A)
se tutti gli ai 6= 0; è il pi`
u semplice non funziona tranne quando le
matrici sono a prevalenza diagonale stretta5
n
X
|aii | >
aij
j=1n6=i
- Precondizionatore in norma 2
P = diag kAi k2
con Ai si intende la riga i-esima di A; questa soluzione funziona par

matrici s.d.p. quando è forte la definita positività
- Precondizionatore tri-diagonale
o di Gauss-Sider; funziona male ed inoltre si perde di simmetria
- Precondizionatore da fattorizzazione di Gauss incompleta
eU
e=P
P ' A = LU rimpiazzo L
cos` invertendo P si devono risolvere solo 2 sistemi triangolari6
- Precondizionatore polinomiale o di Neumann
A = P N = P I P 1 N
1 1
A1 = I P 1 N
P
X

=
P 1 N P 1
k=0
troncando la serie si ottengono dei polinomi

=
q
X

P 1
k=0

metodo costoso converge per P 1 N < 1 ossia per q = 1, 2.
5
6
per le differenze finite gi`

a non va bene
si riduce loccupazione di memoria
Appunti
35
F.Cadei
BS
Capitolo
Differenze Finite 2D e 3D
Il problema modello nel caso di problemi bidimensionali si presenta come
trovare u, R t.c.
(
2
2
4u = xu2 yu2 = f in
u = g su
xi
yj
(xi ; yj )
= 0, 1, . . . , N
= 0, 1, . . . , M
Figura 4.1: Discretizzazione in nodi.

1
problema di Laplace
36
deve essere rettangolo e f, g funzioni note1 .

Problema alle derivate parziali: si sostituisce con un insieme di punti, i
nodi di coordinate
4. Differenze Finite 2D e 3D
(
4u(xi , yj ) = f (xi , yj ) nei pti interni
4u = f
u(xi , yj ) = g(xi , yj ) per (xi , yj )
lequazione funziona per i punti interni, la condizione al contorno per il bordo
2u
2u
(x
,
y
)
(xi , yj ) = f (xi , yj )
i j
x2
y 2
separatamente si conoscono già le approssimazioni
Figura 4.2: Numerazione a 2 indici.
ui1,j 2ui,j + ui+1,j

2u
(xi , yj ) =
2
x
h2x
2u
ui,j1 2ui,j + ui,j+1
2 (xi , yj ) =
y
h2y
ne segue
ui1,j 2ui,j + ui+1,j

ui,j1 2ui,j + ui,j+1
= f (xi , yj )
2
hx
h2y
si cerca la sparsità della matrice

(
h12 ui1,j h12 ui,j1 + 2ui,j h12 +
x
1
h2y
1
u
h2x i+1,j
1
u
h2y i,j+1
= f (xi , yj )
ui,j = g(xi , yj )
cambiando la numerazione si può semplificare la struttura della matrice
con questa tecnica si ottiene una matrice pentadiagonale del tipo
nel caso del problema completo a coefficienti costanti
u
u
+ y
+ u = f
x
y
u
uI+1 uI1
con
=
x
2hx
uI+(N +1) uI(N +1)
u
con
=
y
2hy
4u + x
Appunti
37
F.Cadei
BS
Figura 4.3: Numerazione a 1 indice e schema a croce.
Figura 4.4: Sparsità della matrice con lo schema a croce.

e se ci fossero derivate miste
2u
(xI )
xy
u
(xI+1 ) u
(xI1 )
u
y
y
(xI ) '
x y
2hx
uI+1+(N +1) uI+1(N +1)
u
con
(xI+1 ) '
y
2hy
uI1+(N +1) uI1(N +1)
u
con
(xI1 ) '
y
2hy
si può notare che le derivate miste allargano il supporto
Figura 4.5: Supporto per le derivate miste.
Appunti
38
F.Cadei
BS
laccuratezza è 2 rispetto ad h con h = max(hx , hy ); il passo variabile è

impiegato solitamente a blocchi e nei blocchi h rimane costante.
Per il problema

u = f
(
w = u
w = f
| {z }
w1 w2
= f
x
y
u
w1 =
x
u
w2 =
y
si complica tutto.
Se è arbitrario e non rettangolare
Figura 4.6: Dominio generico.

il primo modo per discretizzare il problema è approssimare il bordo al reticolo
di nodi che lo contiene interamente utilizzando la condizione al contorno sul
nuovo bordo (che risulterà squadrettato) e lequazione del problema sui nodi
interni. Nonostante lapprossimazione del bordo migliora affinando il passo
risultano non definiti g, , f (spesso valori sperimentali) fuori dal dominio
fisico2 .
Si può pensare di utilizzare un metodo di calcolo combinato che utilizzi delle
griglie non equispaziate per descrivere il bordo e griglie equispaziate per i
nodi interni.
2
le condizioni al contorno sono valori sul bordo, il bordo squadrettato non è il bordo
del problema
Appunti
39
F.Cadei
BS
Figura 4.7: Soluzione alternativa.

Per questo tipo di approccio si pagano due codici: strutturato per i nodi
interni e non strutturato sul bordo, in compenso il metodo funziona.
Unulteriore soluzione è la mappatura di
Figura 4.8: Mappatura del dominio.

si cerca una mappa che faccia lavorare sul rettangolo, perchè sul dominio
rettangolare le differenze finite sono ottimali. I problemi che si incontrano
sono legati allarrotolamento della discretizzazione, inoltre mappando si cambiano i sistemi di riferimento e le derivate includono derivate incrociate e con
y du
x du
= db
+ db
.
direzione strane du
dx
dx db
x
dy db
y
Sul vero dominio la griglia si deforma e può creare accumulazioni inutili e
addirittura sforare il dominio stesso.
Figura 4.9: Deformazione del reticolo.
Appunti
40
F.Cadei
BS
Nel caso di domini 3D tutto funziona come per i domini 2D, ma con una
direzione in pi`
u
Figura 4.10: Discretizzazione del dominio 3D.

si suddivide in cubetti e la soluzione è solo sui vertici, anche in questi casi
se compaiono derivate miste il supporto dallo schema a diamante (7 nodi)
diventa cubico.
Figura 4.11: Schema a diamante e diamante con derivate miste.

Anche per il 3D si può pensare ad una tecnica di mappatura, uno degli
impieghi è lidrodinamica marina; si utilizzano le differenze finite mappate
perchè quando si ritorna al dominio fisico la mesh segue il fondo (Mappa ).
Figura 4.12: Mesh nel dominio fisico.
Appunti
41
F.Cadei
BS
Capitolo
Spazi
5.1
Spazio L2
Definizione dello spazio L2 (è uno spazio di Lebesgue)

Z 1

2
2
L(0,1) = v :
v dx <
Prodotto scalare in L2
Z
(v, w)L2(0,1) =
vw dx
0
Norma in L2
kvkL2(0,1)
5.2
q
= (v, v)L2(0,1) =
s
Z
v 2 dx
0
Spazi H 1
Definizione dello spazio H 1 (è uno spazio di Sobolev)

2
0
2
1
H(0,1) = v L(0,1) , v L(0,1)
Definizione dello spazio H01
H01(0,1)

1
= v H(0,1) , v(0) = v(1) = 0
42
5. Spazi
Prodotto scalare in H 1 e H01
Z
(v, w)
1
H(0,1)
v 0 w0 dx
vw dx +
Norma in H 1 e H01
1
kvkH(0,1)
q
1
= (v, v)H(0,1)
=
s
Z
Z
v2
dx +
v 02 dx
kuk2H 1 = kuk2L2 + ku0 k2L2
5.3
Spazi Xh1
Definizione dello spazio Xh1

1
0
1
Xh = vh : vh |Ii P , vh C (0, L)
è un stottospazio di H 1
Definizione dello spazio Xh1

1
1
Xh = vh Xh , vh (0) = vh (L) = 0
5.4
Propriet`
a
Disuguaglianza di Cauchy-Schwartz
(v, w)L2(0,1) kvkL2(0,1) kwkL2(0,1)
Disuguaglianza di Poincare
c > 0 (funzione solo nellintervallo) t.c. u H01(0,L)
kukL2(0,L) cku0 kL2(0,L)
Disuguaglianza tra spazi
ku0 kL2 kv 0 kL2 kukV kvkV
perchè la norma in V (H 1 o H01 ) contiene la stessa parte di quella in L2 pi`
u
un altro pezzo positivo
Appunti
43
F.Cadei
BS
5. Spazi
5.5
Spazio di Hilbert
Caratteristiche dello spazio di Hilbert:

o Spazio vettoriale chiuso rispetto alla operazione somma, contiene lelemento nullo, unità ecc.
o Spazio normato k k V R t.c.
1. kvkV 0 e kvkV = 0 v = 0
2. k vkV = || kvkV
R, v V
3. kv + wkV kvkV + kwkV
v, w V
o Il funzionale F : V R è lineare e continuo c > 0 t.c. |F (v)|

ckvkV
v V
o Spazio in cui le successioni di Cauchy di elementi dello spazio convergono a elementi dello spazio (spazi di Banach)
o Spazio chiuso rispetto al prodotto scalare (misuro gli angoli)
Appunti
44
F.Cadei
BS
Capitolo
Formulazioni deboli
u00 = f
moltiplico per la funzione test e integro
Z
Z 1
00
u v dx =
f v dx
00
u v dx =
0
riscrivendo il problema
Z
h i1
u0 v 0 dx u0 v
0
h i1 Z
u v dx u0 v =
0 0
f v dx
Il problema debole risulta equivalente al problema variazionale:

(
J(u) = min J(v)
con
vV
cercare u V :
R
R1
1
J(v) = 21 0 (v 0 )2 dx 0 f v dx
integro per parti
Si supponga che u sia soluzione del problema variazionale, allora ponendo

v = u + w si ha che
J(u) J(u + w)
w V
si ricerca il minimo, quindi mediante rapporto incrementale, si deriva e

manda a zero
J(u + w) J(u)
lim
=0
0
45
6. Formulazioni deboli
da cui
Z 1
Z
1 1
0 2
[(u + w) ] dx
f (u + w) dx
J(u + w) =
2 0
0
Z
Z 1
Z 1
1 1 02
2 02
0 0
=
[u + w + 2u w ] dx
f u dx
f w dx
2 0
0
0
Z 1
Z
1 1 2 02
0 0
[ w + 2u w ] dx
f w dx
= J(u) +
2 0
0
di conseguenza
J(u + w) J(u)
1
=
1
02
[w + 2u w ] dx
0
f w dx
0
passando al limite e imponendo che si annulli si ottiene

Z 1
Z 1
0 0
u w dx
f w dx = 0
0
ovvero u soddisfa il problema debole.
6.1
Dirichlet Omogeneo
u(0) = u(1) = 0 restringo la ricerca alle v : v(0) = v(1) = 0 semplificando

con le condizioni al contorno il problema diventa
trovare u H01 t.c. v H01
Z 1
Z 1
0 0
u v dx =
f v dx
0
6.2
Dirichlet Non Omogeneo
u(0) = g0 e u(1) = g1 sono le condizioni date al contorno riscrivo la soluzione

nella forma
u(x) = u(x) + Rg
Riscrivendo il problema come soluzione del problema omogeneo

u00 = f
u(0)
=0
u(1) = 0
Appunti
46
F.Cadei
BS
e rilevamento del dato al contorno (definito perchè è una retta)
00
Rg = 0
Rg (0) = g0
Rg (1) = g1
trovare u H01 t.c. v H01

Z
1
0
6.3
Rg0 v 0 dx
f v dx
u v dx =
Neumann Omogeneo
u00 +u = f formulazione del problema necessaria per avere una sola soluzione
u0 (0) = u0 (1) = 0 sono le condizioni date al contorno, moltiplicando per la
funzone test v e integrando per parti si ottiene
Z 1
Z 1
h i1 Z 1
0 0
0
f v dx
uv dx =
u v dx u v +
0
semplificando con le condizioni al contorno il problema diventa

trovare u0 H 1 t.c. v H 1
Z 1
Z 1
Z 1
0 0
f v dx
uv dx =
u v dx +
0
6.4
Neumann Non Omogeneo
u0 (0) = 0 e u0 (1) = 1 sono le condizioni date al contorno il probelma

assume la forma
trovare u H 1 t.c. v H 1
Z 1
Z 1
Z 1
0 0
u v dx +
uv dx =
f v dx + 1 v(1) 0 v(0)
0
Appunti
47
F.Cadei
BS
6.5
6.5.1
Funzionali e Forme
Funzionale
Il funzionale è una generalizzazione della funzione, è unapplicazione che va

da uno spazio di funzioni a un numero reale
F :V R
es.
Z
1 1 2
|v| dx
F (v) =
2 0
Z 1
F (v) =
v dx
v V
il primo esempio è un funzionale non lineare il secondo lineare, nel senso che
F (v + w) = F (v) + F (w)
, R
v, w V
Lintegrale ha ragion dessere in quanto distrugge la dipendenza da x restituendo un numero.
Riprendendo le formulazioni deboli si può mostrare:
Dirichlet Omogeneo
Z
F (v) =
f v dx
0
f L2(0,1) assegnata
v H01 = V lineare
Dirichlet Non Omogeneo
Z
Z
f v dx
F (v) =
Rg0 v 0 dx
0
2
f L(0,1) assegnata
1
Rg H(0,1)
v H01 = V lineare
Appunti
48
F.Cadei
BS
Neumann Omogeneo
Z
f v dx
F (v) =
0
f L2(0,1) assegnata
v H 1 = V lineare
Misura del Funzionale
Per valutare un funzionale gli si fa processare una funzione e se ne prende il
massimo, un po come si è fatto per le matrici
|kF k| = sup
|F (v)|
||v||V
si normalizza per svincolarsi dal caso particolare.
6.5.2
Forma
unapplicazione binaria1 che va da una coppia di spazi ai numeri reali

E
a(, ) = V W R
ne è un esempio il prodotto scalare xT y R, si parte da due vettori e si
arriva ad un numero.
La differenza sostanziale tra Forme e Funzionali sta nel fatto che le forme
danno lo stesso peso agli argomenti che le processano mentre nei funzionali
la F è fissa e si da peso alla v
Z 1
f v dx = a(f, v)
f, v V
0
Z 1
f v dx = F (v)
v V
0
Riprendendo le formulazioni deboli

Dirichlet Omogeneo e Non Omogeneo
Z
a(u, v) =
u0 v 0 dx
u, v H01
stessa forma ma cambia il funzionale
1
tratta 2 argomenti
Appunti
49
F.Cadei
BS
Neumann Omogeneo e Non Omogeneo

Z
1
0 0
uv dx
u v dx +
a(u, v) =
u, v H 1
Forme bilineari
Per forme bilineare si intendono lineari rispetto entrambi gli argomenti
a(u + w, v) = a(u, v) + a(w, v)
, R
u, v, w V
linearità I argomento
a(u, v + w) = a(u, v) + a(u, w)
, R
u, v, w V
linearità II argomento
Forme simmetriche
a(u, v) = a(v, u)
6.6
u, v V
Lemma di Lax-Milgram
Dato il problema
trovare u V t.c. a(u, v) = F (v) v V
la soluzione ! se
1. V è uno spazio di Hilbert
2. la forma a : V V R è:
o bilineare: a(u + w, v) = a(u, v) + a(w, v) e
a(u, v + w) = a(u, v) + a(u, w)
, R e u, v, w V
o continua: M > 0 t.c. |a(u, v)| M kukV kvkV v V
o coerciva: > 0 t.c. |a(u, u)| kuk2V u V
Appunti
50
F.Cadei
BS
3. il funzionale F : V R è lineare e continuo: c > 0 t.c.

|F (v)| ckvkV
6.6.1
v V
Verifica delle ipotesi
Continuità della forma a(u, v)

M > 0
a(u, v) M kukV kvkV
t.c.
L
u0 v 0 dx = (u0 , v 0 )L2(0,L) M kukV kvkV
a(u, v) =
0
ku0 kL2(0,L) kv 0 kL2(0,L) M kukV kvkV

a(u, v) kukV kvkV
M =1
Coercività della forma a(u, v)

t.c.
a(u, u) kuk2V
Z L
a(u, u) =
(u0 )2 dx = ku0 k2L2
> 0
(0,L)
con
kuk2H 1
(0,L)
kuk2V
kuk2V
+ ku0 k2L2
kuk2L2
(0,L)
CP2 ku0 k2L2

(0,L)
(1 +
+ ku0 k2L2
(0,L)
CP2 )ku0 k2L2

(0,L)
ku0 k2L2
(0,L)
a(u, u)
(0,L)
1
kuk2V
1 + CP2
1
kuk2V
1 + CP2
| {z }
Continuità del funzionale F (v)

c > 0
t.c.
Z
F (v) =
0
F (v) ckvkV
v V
f v dx = (f, v)L2(0,L)
con f L2(0,L)
F (v) kf kL2(0,L) kvkL2(0,L)

| {z }
c
kuk2V a(u, v) = F (v) ckukV
Appunti
51
F.Cadei
BS
Capitolo
Metodo degli Elementi Finiti

(Galerkin)
Trovare u V t.c. a(u, v) = F (v)
v V
trovare uh Vh t.c. a(uh , vh ) = F (vh )
vh Vh
Il problema viene risolto limitando lo spazio V delle funzioni test da spazio

in infinite dimensioni a spazio finito di dimensione N (h) = dimVh < +,
h0
lapprossimazione è interna Vh V .
Il problema che risolve Galerkin è
applicando il Lemma di Lax-Milgram ricavo la stabilità del sistema e la sua

controllabilità dai dati c e
! la soluzione uh e inoltre kuh k <
Utilizzo le basi dello spazio Vh per costruire u sugli elementi

N (h)
uh (x) =
i (x)ui
i=1
(h)
NX
ui i (x), vh = F (vh )
vh Vh
ui a(i (x), vh ) = F (vh )
vh Vh
i=1
N (h)
X
i=1
se vale per tutte le funzioni di base lho controllata per tutto lo spazio
vh V j B(Vh )
52
7. Metodo degli Elementi Finiti (Galerkin)

N (h)
ui a(i (x), j ) = F (j )
j = 1, 2, ..., N (h)
i=1
per qualsiasi Vh Galerkin mi rimanda ad un sistema lineare, basta che la
forma sia bilineare: A

u = f con
u = ui , f = F (i ), A = a(i , j )
Considero il problema modello u00 = f in (0, L); devo calcolare
L
0i 0j
a(i , j ) =
f j dx
dx e F (j ) =
0
prima scelgo le funzioni di base da utilizzare, utilizzo funzioni in Xh1 , polinomi

di primo grado sullelemento con valore unitario sul vertice i-esimo e zero
altrove.
i di base per Xh1 , sul vertice sono
(
1 i=j
i (xj ) =
0 i 6= j
le funzioni i (x) sullelemento risultano essere
xxi1
xi xi1 se x (xi1 , xi )
i+1 x
i (x) = xxi+1
se x (xi , xi+1 )
xi
0
altrimenti
calcolo gli integrali
Z
a(i , j ) =
0
(
0
se j 6 (i 1, i, i + 1)
0i 0j =
6= 0 altrimenti
in questo modo A è tridiagonale, sarebbe piena se avessi usato le basi di

Lagrange.
La forzante va approssimata e il funzionale calcolato con formule di quadratura numerica;
Z
F (i ) =
Z
f i dx =
f i dx =
xi1
X
j
Appunti
xi+1
c
Y
f (x) =
f (xi )i (x)
xi+1
f (x )
j i dx
xi1
53
F.Cadei
BS
Considero il caso di elementi tutti della stessa dimensione h

Z xi
Z xi
1
1 1
0
0
ai,i1 = a(i1 , i ) =
i1 i dx =
dx =
h h
h
xi1
xi1
1
ai,i+1 = ... =
h Z
xi+1
2
ai,i = a(i , i ) =
(0i )2 dx =
h
xi1
il sistema lineare che si ottiene è
h
0 0
..
1 2 1
.
.
..
.
1 . 1 2 1
.
A= .
.
..
..
..
h ..
. ..
.
.
..
.
1 2 1
0 0
h
il vettore delle incognite e del termine noto sono
u0
R g0
u1
f 1
..
.
.
u= .
f =
..
..
R
uN (h)
f N (h)
g1
uN (h)+1
porre attenzione al calcolo
del termine noto, se uso la formula di quadratura
R
del trapezio ottengo f i hf (x)
Lerrore di consistenza risulta:
h =
=
=
h =
a(u, vh ) F (vh )
a(u, vh ) a(uh , vh )
a(u uh , 0)
0
il metodo è fortemente consistente perchè non è necessario h 0 per avere

errore di consistenza nullo.
Considerando la forma a(u uh , 0) = 0 come prodotto scalare, il lemma di
Cea rivela che u uh e Vh sono ortogonali, il metodo di Galerkin è la miglior
approssimazione di u, u uh Vh .
Appunti
54
F.Cadei
BS
Figura 7.1: Significato geometrico del Lemma di Cea.
7.1
Convergenza
?
ku uh k2V
h0
ku uh k2V 0
a(u uh , u uh ) coercività della forma bilineare

a(u uh , u vh + vh uh )
a(u uh , u vh ) + a(u uh , vh uh )
a(u uh , u vh ) + a(u uh , wh )
{z
}
|
0 per consistenza f orte
ku uh k2V
a(u uh , u vh )
M ku uh kV ku vh kV continuità della forma bilineare
ku uh kV
M
ku vh kV
vh Vh
h0
se Vh V allora ku uh k 0 per h 0
7.1.1
Ordine di convergenza
Le relazioni che reggono lordine di convergenza sono

ku rh ukL2 chl+1 kukH s+1
ku rh ukH 1 chl kukH s+1
con l = min(r, s), infatti utilizzando polinomi interpolanti di grado uno e
calcolando la norma in uno spazio di regolarita superiore a uno, non ci si può
aspettare k kH 1 di ordine maggiore al primo. Si nota inoltre che lerrore in
norma L2 converge con un ordine in pi`
u, ciò è dovuto al fatto che H 1 chiede
una regolarità maggiore, per lappunto sulla derivata prima e derivando si
divide per h.
Appunti
55
F.Cadei
BS
7.2
Problemi di Diffusione-Trasporto(-Reazione)
u00 + u0 + u = f in (0, L)
con coefficiente di diffusione o viscosità, coefficiente di trasporto e

coefficiente di reazione; considero > 0 e , qualsiasi.
Considero il caso Dirichlet omogeneo e passo alla formulazione debole
Z L
Z L
Z L
Z L
00
0
u v dx +
u v dx +
uv dx =
f v dx
v H01 (0, L)
0
0
0
0
Z L
Z L
Z L
Z L
h iL
u0 v 0 dx u0 v +
u0 v dx +
uv dx =
f v dx
0
0
0
0
0
| {z }
0 vH01
scelto lo spazio V devo verificare che tutti gli integrali esistano,

uso Lemma di Lax-Milgram
H01 è uno spazio di Hilbert
RL
se f L2 (0, L) 0 f v dx
continuità di a(u, v)
Z L

Z L

Z L

0
0
0
|a(u, v)|
u v dx + ||
u v dx +
uv dx
0
applico la disuguaglianza di Cauchy Schwartz

ku0 kL2 kv 0 kL2 + ||ku0 kL2 kvkL2 + kukL2 kvkL2
maggioro con norma in V e raccolgo
|a(u, v)| ( + || + ) kukV kvkV
|
{z
}
M
coercività di a(u, v)
|a(u, v)| kuk2V
u V
Z L
Z L
Z L
0 2
0
(u ) dx + ||
u u dx +
u2 dx
0
0
0
Z L
ku0 k2L2 +
(u2 )0 dx + kuk2L2
| {z }
| {z }
2
| 0 {z
} >0 trascuro
>0
=0 Dirichlet omog.
|a(u, v)|
kuk2V
1 + CP
| {z }
per Lax-Milgram ! soluzione, so anche che

kukV
Appunti
56
kf kL2
F.Cadei
BS
dipende unicamente da , se 0 non ho pi`

u il controllo sulla norma
della soluzione, Galerkin funziona per diffusione dominante.
Applico Galerkin
ku uh kV
M (, , )
ku vh k
()
vh Vh
per M
grande non controllo lerrore, questo avviene per problemi a trasporto
o reazione dominante: || o .
7.3
Problema modello a trasporto dominante

(
u00 + u0 = 0
u(0) = 1
u(1) = 0
cerco la soluzione fisica per = 1 e 0:

se = 0 il problema diventa u0 = 0, u è una retta orizzontale, per > 0
come in questo caso viene trascinata la soluzione al contorno sinistro per poi
raccordarsi con la soluzione al contorno destro;
se = riscrivendo il problema u00 + 1 u0 = 0 ottengo u00 = 0, u è ancora
una retta e congiunge le soluzioni al contorno.
Figura 7.2: Soluzione fisica del problema.

Se faccio processare il problema al calcolatore ottengo delle oscillazioni della
soluzione che forniscono valori non fisici; questo accade fino a quando h ' ,
fastidioso.
Applico Galerkin al problema per trovare quando non ho oscillazioni spurie,
Appunti
57
F.Cadei
BS
calcolo gli integrali per il termine di trasporto
R 0
i1 i = 2 ui1
Z
ui1
R
u0h i ui 0i i = 0
ui+1 0i+1 i = 2 ui+1

lo schema risulta
(
h (ui+1 2ui + ui1 ) + 2 (ui+1 ui1 ) = 0
u(0) = 1
u(L) = 0
raccolgo per termini simili

ui+1 ( + ) + 2 ui + ui1 ( ) = 0
h 2
h
h 2
Definisco il numero di Peclet (simile a Reynolds)
Pe =
||
L
2
P eh =
||h
2
dove P eh è il numero di Peclet locale (sullelemento).

Moltiplicando la riformulazione del problema per
ui+1 (P eh 1) + 2ui ui1 (1 + P eh ) = 0
h

ottengo
i = 1, 2, . . . , N (h)
sfruttando lanalogia con le equazioni alle differenze ottengo

ui =
=
=
=
c1 r0i + c2 r1i
| {z }
simile c1 e1 t +c2 e2 t
rki+1 (P eh 1) + 2rki rki1 (1 +
semplifico per rki1
rk2 (P eh 1) + 2rk (1 + P eh )
P eh )
1 P eh
P eh 1
1 + P eh i
= c1 + c2 (
)
1 P eh
= r0,1 =
ui
ricavo le costanti con le condizioni al contorno, la soluzione esplode quando

eh N (h)+1
esplode il termine ( 1+P
)
, non ho oscillazioni spurie per P eh < 1 ossia
1P eh
h < 2, scomodo, ma è la soluzione migliore perchè quella di Galerkin come
dimostra il Lemma di Cea; il problema nasce dal fatto che il trasporto è
centrato, devo decentrare il trasporto.
Appunti
58
F.Cadei
BS
7.3.1
Decentramento del metodo di Galerkin (UpWind)
Voglio decentrare lo schema di Galerkin perchè nei problemi a trasporto

dominante ha pi`
u importanza quello che succede prima di quello che succede
dopo.
Partendo dallo schema delle differenze finite decentrate indietro cerco un
legame con lo schema degli elementi finiti per decentrare indietro il problema
ui ui1 ui1
ui ui1
=
h
h
2h
2h
ui ui1 ui+1 ui+1 ui1
=
h
2h
2h
2h
2h
1 2ui ui1 ui+1 ui+1 ui1
=
+
2
h
2h
h ui+1 2ui + ui1 ui+1 ui1
ui ui1
=
+
h
2
h2
2h
il nuovo problema alle differenze finite diventa
( +
h ui+1 2ui + ui1

ui+1 ui1
)
+
=0
2
2
h
2h
h
2
h
)
= (1 +
2
= (1 + P eh )
numerica = +
num.
non produce oscillazioni spurie per qualsiasi e per P e > 0 perchè il numero
di Peclet del nuovo problema è sempre minore dellunità
P e
|{z}
h
2num.
nuovo problema
h
2(1 + P eh )
P eh
=
<1
1 + P eh
=
P e
Decentrare gli elementi finiti significa cambiare la viscosità, la formulazione

debole al problema omogeneo di trasporto dominante diventa
Z L
Z L
0 0
num. uh vh dx +
u0h vh dx = 0
vh Vh
0
Appunti
59
F.Cadei
BS
questo non è un metodo di Galerkin perchè modifico il problema, inoltre

sarebbe valido solo nel caso di , costanti e h uniforme. Il metodo da unaccuratezza al pi`
u di ordine uno; in realtà sto risolvendo un altro problema, il
mio schema è come se vedesse un problema centrato con altra viscosità, le
soluzioni sono vicine a quelle del mio problema quando h si avvicina allordine
di grandezza della viscosità fisica; in pi`
u dimensioni butto via tutto.
7.4
Problema modello a reazione dominante

(
u00 + u = 0
u(0) = 1
u(1) = 0
cerco la soluzione fisica per = 1 e 0:
Figura 7.3: Soluzione fisica del problema.

analogamente al caso di trasporto dominante valuto la soluzione per = 0 e
= con le differenze finite ottengo la soluzione analitica, con gli elementi
finiti non succede, perchè la matrice di massa non è diagonale
Z
Z L
uh
i dx
uh vh =
|{z}
0
PN (h)+1
j=0
uj j
= (ui1
xi
xi1
uh vh
Appunti
dx + ui+1
= (ui1
Z
2i
i+i i dx)
Z xi+1
Z xi+1
2
ii i dx + ui
i dx + ui+1
i+i i dx)
ii i dx + ui
0
xi1
xi
= utilizzo la quadratura di Simpson

h
2
h
= (ui1 + ui h + ui+1 )
6
3
6
60
F.Cadei
BS

è stata impiegata la quadratura di Simpson1 perchè il trapezio da integrale
nullo.
Lo schema risulta
2
h
h
h (ui+1 2ui + ui1 ) + (ui1 + ui h + ui+1 ) = 0

6
3
6}
|
{z
M
matrice
di
massa
u(0) = 1
u(L) = 0
per = 0 trovo
(
ui1 + ui + ui+1 = 0
u(0) = 1
u(L) = 0
ho la soluzione a dente di sega ed è dovuto al fatto che la matrice di massa
non è diagonale.
7.4.1
Condensazione della matrice di massa (Mass-Lumping)
Approssimo M per quadratura numerica in modo da renderla diagonale, la

processo con funzioni a capanna fi Xh1 ne segue
(
Z L
6= 0 se j (i 1, i, i + 1)
i j dx =
mij =
= 0 altrimenti
0
(
0 se j 6= i
m
ij =
6= sej = i
k = o(h) ossia
in questo modo diagonalizzo M , inoltre volgio che kM M
che lerrore vada almeno come lerrore di discretizzazione, uso la quadratura
del trapezio perchè usa direttamente i nodi di discretizzazione
1
j=
6 i
Z
R2 (xi xi1R)[i1 (xi1 )i (xi1 ) + i1 (xi )i (xi )] = 0
xi
xi+1 2
1
2
+ xi i = 2 h 2 1 = h = m
ii
mij = j i
xi1 i
1
(xi+1 xi )[i+1 (xi+1 )i (xi+1 ) + i+1 (xi )i (xi )] = 0
j=
6 i
2
si verifica facilmente che
m
ii =
1
X
mi,i+j
j=1
lelemento diagonale è la somma degli elementi della riga della matrice di

massa di partenza.
1
f=
Appunti
h
k 6 [f (xk1 )
+ 4f (xk 12 ) + f (xk )]
61
F.Cadei
BS

Il discorso funziona anche nel caso in cui si utilizzino f Xh2 , in questo
caso la formula di quadratura pi`
u appropriata è quella di Simpson in quanto
quadro su 3 punti.
Anche in questo caso esco dal metodo di Galerkin perchè non uso la forma
ed il funzionale esatti (motivo per cui Galerkin in teoria non è praticabile).
Appunti
62
F.Cadei
BS
Capitolo
Discretizzazione di ordine 2 in spazio

dipendenti dal tempo
Problema parabolico
u
|{z}
u00 + |{z}
u0 +u = f
t
2
u
u = u(x, t)
x (0, L) e t [0, T ]
mi occupo di coefficienti variabili al massimo dipendenti dal solo spazio:
= (x)
= (x)
= (x)
f = f (x, t)
u
x2
il dominio computazionale è Q = (0, L) [0, T ]

Ho inoltre bisogno di condizioni iniziali e finali oltre che condizioni al bordo;
per quanto riguarda le condizioni finali si lascerà che il fenomeno venga guidato dalla forzante f (problema di controllo) non fissando condizioni finali che
renderebbero il problema mal posto; quelle iniziali sono del tipo
per t = 0
u(x, 0) = u(x);
per quanto riguarda le condizioni al bordo posso utilizzare condizioni di tipo:
Dirichlet u(x, t) = g(x, t), Neumann u0 (x, t) = (x, t) o miste.
8.1
Formulazione debole
u
+ Lu = f
t
è la formulazione forte, per passare alla debole, moltiplico per la funzione
test ed integro sul dominio Q
63
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Tipo 1
Z
u
+ Lu)v dQ =
(
Q t
Z
f v dQ
Q
significa che anche v = v(x, t), se faccio cos` sembra che t non abbia verso, le
soluzioni dipendono dal anche dal futuro.
Tipo 2
fisso il tempo T
t [0, T ] cerco u(x, t) V t.c. v = v(x) V
Z L
Z L
Z L
u
Luv dx =
f v dx
v dx +
0
0
0 t
affetto Q per ogni istante temporale cos` non integro su t.
A tempo congelato conosco tutto
Z L
u
v dx + a(u, v) = F (v)
0 t
V? non dipende da t
(
H 1 (0, L)
V =
H01 (0, L)
Ho soluzione quando
t (0, T ] vale lhp di Lax-Milgram ! della soluzione
la
coercività diventa
R u
R 2
u=v
v 12 t
u = 12 t
kuk2L2 u(t, 0) = u0 (x) indebolisco la coercività, ho
t
tralasciato t = 0 quindi fisso una condizione al contorno x (0, L)
coercività debole:
a(u, u) + kuk2L2 kuk2V
8.2
Discretizzazione in spazio con Elementi

Finiti
Galerkin elementi finiti t [0, T ], devo dare una dimensione finita a V

h0
Vh t.c. dimVh = N (h) < + e Vh V
ne segue che Vh è uno spazio Xh1 Xh1 Xhr

mi gioco lo spostamento dei nodi nel tempo, ma io voglio V fisso, in questo
Appunti
64
F.Cadei
BS
modo si ottengono matrici di massa e rigidezza indipendenti dal tempo e si

possono calcolare una volta sola.
t (0, T ] cerco uh = uh (x, t) Vh t.c.
Z
0
uh
vh dx + a(uh , vh ) = F (v)
vh Vh
t
uh (x, 0) = u0 (x)
x (0, L)
in generale non posso scrivere u0 (x) in quanto è una funzione continua, va

quindi discretizzata, meglio scrivere uh (x, 0) = h u0 (x); e va come lerrore
dellapprossimazione del problema
N (h)
uh (x, t) =
ui (t)i (x)
i=1
ui (t) perchè devo sentire il tempo in qualche modo, i (x) perchè Vh 6= V (x, t)
Z
0
vh (x) = i (x)
t (0, T )
trovare per i = 1, ..., N (h)
N (h)
(h)

NX
Z L
X
f (x, t)i (x) dx
uj (t)j (x) i (x) dx + a
uj (t)j (x), i =
t j=1
0
j=1
N (h)
Z L
N (h)
X uj Z L
X
f (x, t)i (x) dx
uj (t) a(j (x), i ) =
j (x)i (x) dx +
|
{z
}
t
0
0
j=1
j=1
|
{z
}
kij
mij
uj = uj (t) dipende solo dal tempo, riscrivendo ~u(t) = uj (t) il problema

diventa
(
u
M d~
+ K~u = F~ (t)
t (0, T ]
dt
~u(0) = ~u0,h
dove ~u0,h è linterpolato i-esimo ~u0,ni = h u0 (ui ), si ottiene un sistema di
equazioni differenziali ordinarie, con M e K che non dipendono dal tempo,
vengono calcolate una volta sola per aver congelato la griglia di calcolo.
Appunti
65
F.Cadei
BS
8.3
Discretizzazione in tempo con Differenze

Finite
8.3.1
Eulero Esplicito
esplicito perchè dipende solo dallistante prima (derivo indietro), il problema

diventa
n
n
~u(t ) ' ~u t.c.

n1
n
n 0
M ~u t~u + K~un = F~ (tn )
~u0 = ~u0,h
risolvendo
M~un+1 = M~un tK~un + tF~ (tn )
ad ogni passo devo risolvere un sistema lineare, M non dipende dal tempo
fattorizzo una volta per tutte e risolvo ad ogni passo sistemi triangolari M =
RT R Cholesky perchè M è sdp
usando mass lumping, riduco la dimensione
oppure sostituisco M con M
dellinversione allinversione di una matrice diagonale.
8.3.2
Eulero Implicito
implicito perchè dipende, oltre che dallistante precedente, anche da quello

attuale, il sistema è non lineare (derivo in avanti)
(
n+1
n
M ~u t~u + K~un+1 = F~ (tn+1 )
~u0 = ~u0,h
1
M
t
+ K non è diagonale, ne diagonalizzabile, posso solo fattorizzare con

Cholesky o Gauss, quando le matrici sono grandi uso sistemi iterativi. E.E
ed E.I sono accurati di ordine 1, lerrore totale del sistema spazio-tempo è
una combinazione lineare dei due errori: ertot = chr +
ct la parte riguardante
il tempo è di ordine 1 mentre r può aumentare,
8.3.3
Crank-Nicolson
cerco lordine 2, combino E.E ed E.I. e genero i metodi [0, 1]

M
Appunti
~un+1 ~un
+ K~un+1 + (1 )K~un = F~ (tn+1 ) + (1 )F~ (tn )
t
66
F.Cadei
BS
= 1 Eulero Implicito
= 0 Eulero Esplicito
= 1/2 Crank N icolson

oss.1 tutti i metodi della famiglia tranne per = 0 sono impliciti.
oss.2 tutti convergenti di oridne 1 eccetto per = 1/2 che è di ordine 2.
per Crank-Nicolson ho un difetto, ho delle oscillazione per dati iniziali discontinui, per questo motivo non uso esattametne = 1/2 quindi avrei ordine
1, ma ho una costante di convergenza alta.
Figura 8.1: Andamento dellerore rispetto alla discretizzazione.
8.3.4
Analisi di stabilit`
a per il -metodo
(
y 0 (t) = f (t, y(t))
Pb. di Cauchy
y(0) = y0
t>0
Per Zero stabilit`

a si intende stabilità su intervalli limitati, ossia in un
intervallo limitato la soluzione non deve andare allinfinito.
|
y (t) y(t)| c|
y0 y0 |
Con lAssoluta stabilit`
a si pretende che
t0 > 0 : t < t0
n
un 0
(
y 0 (t) = y(t)
t>0
y(0) = y0
Appunti
67
F.Cadei
BS

C quindi se R() < 0 y(t) = et e
lim y(t) = 0
Assoluta Stabilit`
a per Eulero Implicito
1 n+1
n+1
, vh )
(u
unh , vh ) + a(un+1
h , vh ) = (f
t h
vh Vh
RL
unh = 0 (un+1
unh )vh
h
prendendo f 0 elimino la parte non lineare
vh = un+1
è la soluzione al tempo attuale
h
1 n+1 n+1
1 n n+1
n+1
(uh , uh ) + a(un+1
(u , u )
h , uh ) =
t
t h h
per disug. Cauchy Schwartz
1 n+1 2
1 n+1
n+1
kuh kL2 (0,L) + a(un+1
ku kL2 (0,L) kunh kL2 (0,L)
h , uh )
t
t h
per disug. Y ang [2ab a2 + b2 ]

1 1
2
n 2
kun+1
h kL2 (0,L) + kuh kL2 (0,L)

t 2
per la coercivita0
1 n+1 2
2
ku k 2
+ kun+1
h kV
t h L (0,L)
per def. di k kV
1 n+1 2
2
ku k 2
+ kun+1
h kL2 (0,L)
t h L (0,L)
rif ormulando
1
1
n+1 2
2
kun+1
kun k2 2
h kL2 (0,L) + kuh kL2 (0,L)
2t
2t h L (0,L)
2
n 2
1 kun+1
h kL2 (0,L) kuh kL2 (0,L) come per la soluzione analitica per f = 0 la
soluzione è controllata dai dati iniziali
1
2
2 kun+1
kunh k2L2 (0,L) va a zero per n t
h kL2 (0,L)
1
+
2t
| {z }
<1 t
Eulero Implicito è incondizionatamente (t) Assolutamente Stabile.

Caso Generale (0,1)
f 0 autovalori/autovettori Ax = x, nel caso di forma bilineare?
a(w, v) = (w, v)
Appunti
68
v V
F.Cadei
BS
se , w è lautofunzione rispetto allautovalore

cerco x t.c. y T Ax = y T x
y; ho
Passo al discreto
vh Vh
a(wh , vh ) = h (wh , vh )
| {z
}
K rigidezza
ih ne ho in numero finito = alla dimensione dello spazio

K w~h = h M w~h
se inverto M ho la ricerca di autovalori classica
(M 1 K)w~h = h w~h
in questo modo ho tanti h quanto la dimensione dello spazio
voglio a( , ):
simmetrica, per godere delle proprietà della matrice A per lAsintotica Stabilità;
a(v, u) = a(u, v)
u, v V
N (h)
linearmente indipendenti {w~hi }i , forniscono una base per Vh 6= Vh = xi
che è complicata da calcolare
ortogonale,
(
1 se j = i
(whj , whi )L2 (0,L) = ji =
0 se j 6= i
(whj , whi ) nel senso degli Elementi Finiti, M=I

oss.1
N (h)
un+1
=
h
un+1
whj (x)
j
j=i
N (h)
1 X n+1 j
(
u wh (x), whi (x)) +
t j=i j
N (h)
a(
un+1
whj (x), whi (x)) +
j
j=i
N (h)
(1 ) a(
unj whj (x), whi (x))
j=i
Appunti
69
N (h)
1 X n j
=
(
u w (x), whi (x))
t j=i j h
F.Cadei
BS
ho il -metodo con sostituite le funzioni a capanna con quelle nuove

6= 0 solo per i = j, semplificazioni dovute allortonormalità
a(wj , wi ) = j (whj , whi )
1 n+1 j i
1 n
ui (wh , wh ) + un+1
u
i + (1 ) uni i =
i
| {z }
t
t i
1
riordinando
n
un+1
h (1 + ti ) = ui (1 (1 )ti )
1 (1 )ti n
uh
i = 1 . . . N (h)
un+1
=
h
1 + ti
oss.2 voglio un+1
0 per n
h
1 (1 )t

i

<1
1 + ti
| {z }
>0
|1 (1 )ti | < 1 + ti
i = 1 . . . N (h)
se [ 21 , 1] la disequazione è soddisfatta
per 12 < < 1 incondizionatamente assolutamente stabile, per gli altri valori
avrò limitazioni su t
Chiarimenti sulla stabilit`
a
(
y 0 (t) = f (t, y(t))
Pb. di Cauchy
y(0) = y0
t (0, T ]
metodi numerici: consistenti + stabili converge
consistenti: errore di troncamento
es. Eulero Esplicito
un+1 = un + tf (tn , un )
n (t) =
y(tn+1 )y(tn )
t
= f (tn , u(tn ))
lim n (t) = 0
t0
stabili: zero-stabilità, stabilità su intervalli limitati

es. Eulero Esplicito
(
un+1 = un + tf (tn , un )
e.e. imperturbato
u0 = y0
(
zn+1 = zn + tf (tn , zn ) + n
e.e. perturbato
z0 = y0 + 0
Appunti
70
F.Cadei
BS
si possono aggiungere altre perturbazioni durante la risoluzione (arrotondamenti ecc.).

sono zero-stabile se riesco a controllare la soluzione a partire dai dati, se:
|0 |, |1 |, . . . , |n | |un zn | c
volere che si verifichi con tutti i t è esagerato mi basta che si verifichi
t t0
zero-stabilità: proprietà di essere controllato dai dati; es. il valore degli
zeri delle parabole, mentre il numero di radici non è controllabile dai dati
continuamente, ad un certo punto scatto da 2 a 1 a 0.
I metodi a un passo sono zero-stabili, se:
- f C 0 rispetto ad entrambi gli argomenti
-
f
y
C0
oppure
- f Lipschitziana rispetto al 2 argomento se c > 0
|f (t, y(t)) f (t, z(t))| c|y(t) z(t)|
due derivate finite, è Lipschitziana ma non derivabile.
sottraggo i primi elementi dei sistemi
|un+1 zn+1 | = |un zn | + t[f (tn , un ) f (tn , zn )]
{z
}
|
c|un zn |
|un+1 zn+1 | = (1| +{zct})|un zn |

c
Lasintotica stabilità è la stabilità su intervalli illimitati
y(t))
t>0
y (t) = f| (t,{z
}
y(t)
y(0) = y
y(t) è la scelta del problema a cui applicare la soluzione con C R() < 0
(non è un esempio, è il problema sul quale si studia lassoluta stabilità)
(
y 0 (t) = y(t)
t
y(t) = et 0
y(0) = y0
Appunti
71
F.Cadei
BS
Figura 8.2: Scelta del problema per lo studio della asintotica stabilità.
metodo numerico è asintoticamente stabile se (riproduce allinfinito la soluzione)
t t0 accade che lim un = 0
n
Eulero Esplicito è asintoticamente stabile

un+1 = un + hf (tn , un )
un+1 = un + hun
= un (1 + h)
= u0 (1 + |{z}
h )n+1
z
Figura 8.3: Zona di asintotica stabilità.

in questo caso h = t per
0 < t <
2
||
condizione di asintotica stabilità per Eulero Esplicito
Appunti
72
F.Cadei
BS
Eulero Implicito
un+1 = un + tun+1
un
=
1 t
u0
=
(1 t)n+1
sempre < 1, incondizionatamente asintoticamente stabile t perchè R() <
0

In questo caso
y 0 (t) = f (t, y(t))
?
da T aylor
f
(t, y(t))(y(t) y(t))
y 0 (t) ' f (t, y(t)) +
y
f
y 0 (t) =
(t, y(t))y(t)
y
tronco brutalmente perchè ai fini della stabilità mi serve solo
y 0 (t) =
f
(t, y(t)) y(t)
y
| {z }
-metodo
1 n+1
1 n
ui + i un+1
+ (1 )i uni =
u
i
t
t i
un+1
(1 + ti ) = uni [1 (1 )i t]
i
1 (1 )i t n
un+1
=
ui
i
1 + ti
Appunti
73
F.Cadei
BS
asintoticamente stabile se
|1 (1 )i t|
< 1
|1 + ti |
1 (1 )i t
< 1
1 <
1 + ti
1 i t < 1 (1 )i t < 1 + i t
|
{z
}
1+i ti t
il termine di destra è uguale al termine centrale a meno di una quantità

sempre positiva, questa parte di disequazione è quindi sempre verificata, per
quanto riguarda il primo termine:
2 < i t + 2i t
2 < ti (2 1)
considerando il secondo termine positivo, la disequazione è verificata, poichè
t e i sono positivi
2 1 0
1

2

questa trattazione indica che per
[ 21 , 1]

C.N. E.I.
il -metodo è incondizionatamente asintoticamente stabile tranne E.E..
I -metodi sono tutti metodi impliciti (tranne Eulero Esplicito) e incondizionatamente asintoticamente stabili, quale scelgo? Per = 1/2 (Crank Nicolson) il metodo è di ordine 2, in realtà non utilizzo esattamente questo valore
Appunti
74
F.Cadei
BS
ma appena maggiore per evitare oscillazioni spurie a fronte di dati iniziali

discontinui; è vero che perdo lordine 2 ma la costante di convergenza è alta.
Altro caso è quando
2 1 < 0
2 < ti (2 1)
2
per i = 1 . . . N (h)
t <
i (1 2)
passo alla restrizione massima
2
t <
min (1 2)
min ' h2
t ' c()h2
limite di discretizzazione tempo-spazio; condizione di stabilità
[0
, 1/2)
E.E.
per questi valori di il metodo è condizionatamente asintoticamente stabile,
e sono tutti metodi accurati di ordine 1 rispetto a t.
Esplicito
costo ridotto
t < ch2
VS
Implicito
risolvo pb. non lineare
cmq limitato
devo fare unanalisi a pieno per capire chi mi limita meno.

Di solito la fisica h piccoli;
se mi servono anche t piccoli uso E.E. perchè cos` non mi incasino con dei
sistemi non lineari;
se non necessito di t piccoli posso pagare solo la non linearità senza forzarmi a t piccoli inutilmente.
Metodi a pi`
u passi
I metodi a un passo hanno la soluzione dipendente solo da un passo temporale
precedente; i metodi a pi`
u passi considerano un supporto pi`
u ampio
multipasso o multistep lineari

deve ricostruirsi delle condizioni iniziali
ordini elevati con asintotica stabilità incondizionata

In ambiente Matlab: Runge-Kutta ode23, ode45.
Il -metodo risolve problemi parabolici mediante differenze finite.
Appunti
75
F.Cadei
BS
8.4
Discretizzazione in tempo con Elementi

Finiti
u
+ Lu = f
t
.
&
discretizzo
discretizzo
in spazio
in tempo
E.F. o D.F.
D.F.
dagli anni 70 approccio monolitico spazio-temporale

...agli elementi finiti
Idea: ottenere una formulazione debole in spazio-tempo e discretizzare quella
un = f
in (0, 1) (0, T ] Q
t |{z}
Lu
u(x, 0) = u0 (x)
x (0, 1)
u(0, t) = u (1, t) = 0
t (0, T ]
1
la formulazione debole è
Z
Z
Z
u
n
v(x, t) dQ
u v(x, t) dQ =
f v(x, t) dQ
Q
Q
Q t
v V da precisare
Z 1 Z T
Z 1Z T
Z 1Z T
u
n
(
v(x, t) dt) dx
u v(x, t) dt dx =
f v(x, t) dt dx
t
0
0
0
0
0
0
|
{z
}
potrei integrare
Z
0
Z
0
u
v dt dx +
t
0 0
u v dt dx
0
uv
i1
dt =
f v(x, t) dt dx
0
adesso scelgo V , per la parte spaziale V H01 perchè so che u al bordo è

nulla (lo zero sta per la condizione iniziale che è una sorta di condizione al
contorno)
V = H01 (0, 1) H 1 (0, T )
| {z } | {z }
spazio
tempo
per il tempo ho bisogno di H 1 perchè ho bisogno che esista la derivata
u
t
cerco u = u(x, t) V t.c. u(x, 0) = u0 (x) x (0, 1)
Appunti
76
F.Cadei
BS

Z
0
Z
0
u
v dt dx +
t
T
0 0
u v dt dx =
0
f v dt dx
0
v = v(x, t) V
Ho due possibilità per simmetrizzare la formulazione
1 integro per parti nel tempo
Z 1Z T
Z 1Z T
Z 1 h iT
u
v
u
uv dx
v dt dx =
dt dx +
t
t
0
0
0
0
0
0
considerando
Z 1 h iT
Z 1
Z 1
uv dx =
u(x, T )v(x, T ) dx
u(x, 0) v, (x, 0) dx
0
0
0
0 | {z }
|
{z
}
u0 (x)
istante f inale
|
{z
}
noto
cos` facendo tolgo u(x, 0) = u0 (x) x (0, 1); questo sistema disturba in
senso fisico perchè sposta la derivata prima da u a v (cambia il segno del
tempo).
2 ricavo il rilevamento
u(x, t) = u(x, t) + R
R è il rilevamento del dato iniziale, semplice 1D e Dirichlet omogeneo, se non
omogeneo 2 rilevamenti, 1 del dato iniziale e 1 dato al bordo Rg
Voglio approssimare (usa forma non simmetrica) in spazio e in tempo, voglio
lapprossimazioni di Galerkin
H0
VH V t.c. dimVH = N (H) <

Q+ con VH V
cerco u VH t.c. uH (x, 0) = H u0
x (0, 1)
R1RT
R 1 R T uH H
v dt dx + = 0 0 f vH dt dx
vH VH
t H
0 0
siamo nellambito di elementi finiti 2D
un esempio di VH è
VH (H 1 )2 = H 1 (0, 1) H 1 (0, T )
VH = {vH : vH |k Pr , vH C 0 (Q)} + condizioni al bordo
dove k è un elemento della griglia e con C 0 (Q) si intende complessivamente
continuo, con r = 1 ottengo polinomi interpolatori di grado uno
nel caso 2D
posso discretizzare come mi pare ma devo considerare il fatto che le figure
scelte poi vanno discretizzate, se utilizzo elementi discretizzabili con polinomi
Appunti
77
F.Cadei
BS
Figura 8.6: Griglia 2D.

di primo grado già posso avere 2 figure (triangoli e quadrati); se già posso
segliere 2 forme, come fa VH ad essere unico?
p(x, y) = x + y
q(x, y) = xy +y
|{z}
grado 2
entrambi i polinomi sono P1

cosa intendo per grado? devo distinguere tra grado complessivo (grado max
dei monomi) e grado riferito a ciascuna variabile
P1 saranno i polinomi complessivamente di grado 1 e saranno della forma
p(x, y) = a0 + a1 x + a2 y
godono di 3gdl facile pensare ai valori dei vertici in un elemento triangolare
Q1 saranno i polinomi con grado rispetto a ogni variabile uguale a 1 e saranno
della forma
q(x, y) = a0 + a1 x + a2 y + a3 xy
4gdl per essere definiti, quadrilateri
Attenzione: non sempre si possono associare i gdl ai vertici dellelemento
Figura 8.7: Es. di discretizzazione con triangoli e regolarità richiesta.

ma il dominio è spazio-temporale
espandendo le funzioni a capanna nel caso 2D ottengo delle piramidi di valore
unitario al vertice e zero ovunque
Appunti
78
F.Cadei
BS
Figura 8.8: Dipendenza del presente dal futuro.
Figura 8.9: Es di funzione a capanna nel 2D.

inoltre il n di facce può cambiare: piramidi diverse tra loro. Fissata la
funzione di base, questa, interagisce con tutte quelle che confinano con lei,
appare evidente la dipendenza di punti a passi temporali successivi che influiscono sul passo temporale attuale, non deve succedere; *avrei soluzioni
che dipendono dal futuro. Faccio un passo indietro e scelgo come supporto
elementi quadrilateri disposti in modo efficace
Figura 8.10: Elementi quadrilateri.

questi elementi sfruttano delle funzioni di base che non possono essere a
capanna, risultano essere iperboli. Queste superfici non sono piane, essendo
iperboli non è detto che per 2 punti ho una solo iperbole che ci passa.
Appunti
79
F.Cadei
BS
Figura 8.11: Soluzione generica per elementi quadrilateri.

Se lelemento k è rettangolo questo non può succedere, con 2 iperboli su rettangoli i punti in comune sono collegati da rette e si incollano con continuità,
è uneccezione alla regola.
Figura 8.12: Caso particolare per elementi quadrilateri.

Il prodotto di funzioni in t lineari e in x lineari.
Posso eliminare la dipendenza dal futuro?
La dipendenza si elimina modificando Galerkin di prima con lapprossimazione
globale; se invece di integrare da 0 a T integro un passo temporale alla volta
in modo da ottenere i passi temporali pi`
u avanzati incogniti e noti tutti gli
altri.
Z T M
1 Z tj+1
X
=
0
j=0
tj
il primo passo parte dalle condizioni iniziali

Y
t0 uH (x, t0 ) =
u0 (x)
|{z}
0
x (0, 1)
impongo la continuità tra uH e le condizioni iniziali

Z t1 Z 1
Z t1 Z 1
Z t1 Z 1
uH
0
vH dt dx+
uh vH dt dx =
f vH dt dx
t
t0
0
t0
0
t0
0
Appunti
80
vH VH
| {z }
esagerato
F.Cadei
BS
Figura 8.13: Primo passo.

le vH che vengono dopo t1 non mi servono; devo incollare tutte le striscioline.
N (H)
uH (x, t) =
uj j (x, t)
j=1
lineare in sapzio lineare in tempo
Figura 8.14: Schema soluzione.
(x, t) = (xs+1 , tk+1 ) =
(tk t)(xs x)
(xs xs+1 )(tk tk+1 )
|
{z
}
normalizzato a 1 in xs+1 ,tk+1
il termine (tk t) è nullo sul lato (xs xs+1 ), tk , mentre il termine (xs x) è
nullo sul lato xs , (tk tk+1 ). Se la griglia è uniforme in spazio h e in tempo
t
(x, t) =
1
(tk t)(xs x)
ht
H = max(h, t)
N (H)
X
uH
j
(x, t)
=
uh
t
t
|{z}
j=1
1
t
Appunti
81
F.Cadei
BS
risolvo effettivamente i nodi interni (vedi Figura 8.13, quadratini)

R t1 R xs+1
t0
xs1
ut1 ,s1

t1 ,s1
1 ,s+1
+ut1 ,s tt1 ,s + ut1 ,s+1 tt

t1 ,s dx dt
| t
{z }
1
t
R t1 R xs
ut1 ,s1 xshx t1 ,s dx dt + . . .

divido il dominio di integrazione del secondo termine
1
t
xs1
t0
Figura 8.15: Schema di un elemento.
... +
1
t
R t1 R xs
t0
xs1
R t1 R xs+1
1
ut1 ,xs xxhs1 t1 ,s + t
ut1 ,xs xs+1h x t1 ,s +
t0 xs
R t1 R xs+1
1
s
+ t
ut1 ,xs+1 xx
t1 ,s
h
t0 xs
lunico contributo temporale arriva da t1 ,s

Z t1
Z
xs x x xs1
1
t t0 xs
ut1 ,s1
1 term. =
dx dt +
t t0 t xs1
h
h
| {z }
t/2
2 term.
3 term.
4 term.
Appunti
1
+
t
t1
t0
t1
1
t t0
Z t1
1
+
t t0
t t0
t
xs
ut1 ,s
xs1
xs+1
x xs1 x xs1
dx dt +
h
h
t t0
xs+1 x xs+1 x
ut1 ,s
dx dt +
t xs
h
h
Z
t t0 xs+1
x xs xs+1 x
ut1 ,s+1
dx dt
t xs
h
h
Z
82
F.Cadei
BS
valutando gli integrali si ottiene

Z xs
1
1
(xs x)(x xs1 ) dx+ h3
=
ut1 ,s1
2
2h
6
x
Z xs1
s
1
1
+ 2 ut1 ,s
(x xs1 )2 dx+ h3
2h
6
x
Z s1
xs+1
1
1
+ 2 ut1 ,s
(xs+1 x)2 dx+ h3
2h
6
xs
Z xs+1
1
1
(x xs )(xs+1 x) dx h3
+ 2 ut1 ,s+1
2h
6
xs
h
h
h
=
ut1 ,s1 + ut1 ,s + ut1 ,s+1
12
3
12
non ho pi`
u Eulero Implicito, il rapporto incrementale è ottenuto dai termini
u... meno

h
h
h
ut ,s1 + ut0 ,s + ut0 ,s+1

12 0
3
12
sulla prima striscia, dopodichè vanno incollati gli strati.
sono il prodotto cartesiano di funzioni di base a capanna nel tempo per
quelle nello spazio
uH (x, t) =
tempo 1
u1h (x) 1 (t) +u0h (x) 0 (t)
| {z }
| {z }
t1 t
t
tt0
t
Figura 8.16: Proiezione sul tempo di .
(h)
NX
u1j j (x)
1 (t) +
j=0
(h)
NX

u0j j (x) 0 (t)
j=0
unendo i pedici di j e i ottengo la notazione di prima, ora parto dalla
Appunti
83
F.Cadei
BS
formulazione debole
Z t1 Z xj+1
Z t1 Z 1

uH
uH
vH dx dt =
h (x) dx 1 (t) dt
t
t
0
t0
xj1
t0
Z t1 Z xj+1 h
d1
d0 i
u1h (x)
+ u0h (x)
j (x) dt 1 dt
=
| {z } dt
dt
t0
xj1
noto
Z t1
Z xj+1
d1 (t)
=
1 (t) dt
u1h (x)j (x) dx +
dt
t0
xj1
Z xj+1
Z t1
d0 (t)
0 (t) dt
u0h (x)j (x) dx
+
dt
t0
xj1
Z xj+1 NX
(h)

1
=
u1i i (x) j (x) dx
2 xj1
}
| i=0 {z
u1h (x)
(h)
xj+1 N
X
xj1
u0i i (x)j (x) dx
i=0
precedentemente sono stati fatti tutti i conti portando fuori le serie ecc.
R xj+1
i j
M = (mij ) = xj1
u1 = u1j , u0 = u0j
1
1
M u1 M u0
|2
{z 2
}
uH
t
t1
t0
1
0
u0H vH
t1
t0
t1
xj+1
xj1
xj+1
Z
=
t0
u0H 0j (x)1 (t)

h
i
0
0
u1h (x) 1 (t) + u0h (x) 0 (t) 0h 1 (t)
xj1
t1
=
| t0
2
1 (t) dt
{z
}
Simpson, esatto per f 2

Z t1
+
| t0
Appunti
0 (t)1 (t) dt
{z
}
xj+1
0
u1h (x) 0j (x) dx +
xj1
xj+1
0
u0h (x) 0j (x) dx
xj1
Simpson
84
F.Cadei
BS
t
1
=
1+4
6
4
(h)
xj+1 N
X
xj1
u1i 0i (x)0j (x)
i=0
t
dx +
6
(h)
xj+1 N
X
xj1
u0i 0i (x)0j (x) dx
i=0
in questo modo si ottiene

K = (kij ) =
R xj+1
xj1
0i 0j
t
t
Ku1 +
Ku0
|3
{z 6
}
uh
M u1 + 21 M u0 + t
u1 K + t
u0 K = F 1
2
3
6

R
R
xj+1
t
F 1 = Fh1 = t01 xj1

f j i
devo aggiungere la condizione iniziale

Y
u
=
u0
| {z }
noto, va al termine noto
Figura 8.17: Polinomio approssimante.

e arrivo al costo computazionale di Eulero Implicito
1
t 1
1
t 0
M+
K u = F1 + M +
K u
2
3
2
6
si ottiene unaccuratezza di ordine 1 in tempo e 1 in spazio perchè interpolo
linearmente.
Per passare alle strisce successive è semplice, partendo da t0 noto si è ricavato
t1 , a questo punto si ripete il procedimento partendo da t1 noto e calcolando
t2 .
Si può pensare di aumentare lordine di convergenza passando al secondo
ordine in spazio ma non in tempo perchè landamento dellerrore è dato dalla
combinazione lineare degli errori in spazio e tempo
err = c1 t + c2 h
Appunti
85
F.Cadei
BS
aumentando lordine di convergenza si intende ottenere

err = c1 t2 + c2 h2
si può pensare di ottenere questo aggiungendo gradi di libertà
Figura 8.18: Elementi finiti quadrilateri di grado 2.

dalla figura si nota che esiste una dipendenza dai tempi successivi, t0 vede
t1/2 e t1 e cos` via
Z t1 Z 1
uH
vH
vH = j (x)1/2 (t), j (x)1 (t)
t
t0
0
Z t1
Z xj+1
0
d1/2
d1
d0
1/2
+ uh (x)
+ u1h
j dx dt
=
uh (x)
1 (t)
dt
dt
dt
t0
xj1
1/2
uH (x, t) = u0h (x)0 (t) + uh (x)1/2 (t) + u1h (x)1 (t)

Z t1
d0
1,0 =
1 (t)
dt
Z xj+1
Z xj+1
Z xj+1 t0
1/2
0
uh h dx + 1,1
u1h j dx
= 1,0
uh h dx + 1,1/2
xj1
u0h (x)
xj1
xj1
u0i i (x)
allora
1
0
1/2
1
1,0 M u + 1,1/2 M u + 1,1 M u = F per 1 (t)j (x)

1/2,0 M u0 + 1/2,1/2 M u1/2 + 1/2,1 M u1 = F 1/2
0 Q
u = h u0
è un sistema a blocchi che va risolto cos` comè ed è pesante, il costo è molto
pi`
u alto rispetto a Crank-Nicolson

1,1/2 M
1,1 M
1/2,1/2 M 1/2,1 M
è una matrice che non si riesce a diagonalizzare.
Appunti
86
F.Cadei
BS
8.4.1
Elementi Finiti discontinui
Un altro modo per approcciare il problema è limpiego di Elementi Finiti

Discontinui
Figura 8.19: Elementi discontinui di ordine zero, 1gdl.

Per crescere di ordine di convergenza nel tempo uso questo tipo di elementi
finiti perchè a parità di gradi di libertà guadagno un ordine di convergenza.
Figura 8.20: Elementi discontinui di ordine uno, 2gdl.
Appunti
87
F.Cadei
BS
Capitolo
Temi desame
In questa sezione si intede inserire alcuni temi desame delle sessioni passate1
del prof. F.Saleri ed uno del prof. P.Zunino.
Temi del prof. F.Saleri
9.1.1
24.Nov.05 prova in itinere I
Esercizio
Si consideri il seguente problema ai limiti
2
d
d
x (0, 1)
dx2 u 100 dx u = 0
d
100e100
u(0) = 1e100
dx
u(1) = 0
9.1
(9.1)
1. Si riporti la discretizzazione alle differenze finite di tipo upwind per il

problema (1) su una grigli auniforme di passo h con Nh + 1 nodi. In
che senso tale discretizzazione introduce diffuzione artificiale?
2. Per N h = 10 e Nh = 100 si disegni la soluzione ottenuta usando
una discretizzazione upwind e una discretizzazione centrata del secondo
ordine e si confrontino i grafici ottenuti con la soluzione esatta u:
u(x) =
e100x e100
1 e100
Cosa si può dire nei due casi? (Si utilizzino i programmi upwind.m e
centrate.m dopo averne letto lhelp.)
1
paragrafo 8.4 pagina 79 all*, altrimenti...
88
9. Temi desame
3. Per entrambi gli schemi si disegni in scala logaritmica lerrore in norma

infinito al variare di h per Nh = 10, 20, 40, 80, 160, 320, 640, 1280, 2560.
Si calcoli inoltre lordine p approssimato di convergenza e se ne riportino
gli ultimi due valori calcolati. Si commentino i risultati ottenuti.
Domanda 1.
1. 7 pt. Si imposti il problema del calcolo della derivata prima di una
funzione f sufficientemente regolare in un punto x R con il metodo
dei coefficienti indeterminati usando al pi`
u i nodi x h1 h2 , x h1 e
x, essendo h1 e h2 due quantità positive assegnate.
2. 1 pt. Di che ordine è il metodo ottenuto? Quanto deve essere regolare
f?
3. 2 pt. Se ne calcoli lerrore di arrotondamento.
Domanda 2.
1. 5 pt. In cosa differisce il metodo del gradiente coniugato da quello del
gradiente?
2. 3 pt. Si riporti il risultato di convergenza del metodo del gradiente
coniugato.
3. 2 pt. Per il problema modello u00 +u0 = 1 in (0, 1) con u(0) = u0 (1) = 0
si riporti il metodo delle differenze finite centrato su una griglia uniforme di N nodi di passo h > 0 e si dica se il metodo del gradiente
coniugato può essere applicato per la risoluzione del corrispondente
sistema lineare.
9.1.2
Domanda 1.
Si consideri un problema della forma: trovare u H 1 (o, L) tale che
RL
RL
uv dx = 0 f v dx per ogni v H 1 (0, L).
0
RL
0
u0 v 0 dx+
1. 1 pt. Come è definito lo spazio H 1 (0, L) e che tipo di condizioni al

bordo soddisfa u per il problema u00 + u = f ?
2. 2 pt. Si dimostri che la forma bilineare associata è coerciva.
Appunti
89
F.Cadei
BS
9. Temi desame
3. 3 pt. Si riporti la formulazioni di Galerkin-elementi finiti quadratici,

definendo esplicitamente lo spazio Xh2 .
4. 4 pt. Si dimostri che il metodo di Galerkin è convergente.
Domanda 2.
1. 3 pt. Si riporti un esempio di problema parabolico, precisando le
condizioni che lo rendono ben posto.
2. 4 pt. Se ne riporti la discretizzazione in tempo con il metodo di Eulero
esplicito ed in spazio con il metodo degli elementi finiti di grado r. Che
tipo di sistema is deve risolvere ad ogni passo temporale?
necessario imporre delle restrizioni sui passi di discretizzazione
3. 2 pt. E
in spazio ed in tempo per garantire la stabilità? Di quale ordine risulta
complessivamente il metodo introdotto?
Esercizio
Si consider il problema ai limiti seguente

0

1
1 2
1 0
u + u = x2 cosh 2 x
x2

u 21 = sinh 18

u(1) = sinh 1
1
,1
2
(9.2)
1. Scrivere la formulazione debole del problema, individuando lo spazio

funzionale corretto, la forma bilineare e il funzionale associati.
2. Mostrare come lerrore in norma H 1 (1/2, 1) del metodo di Galerkin
elementi finiti dipende dalla funzione (x) = 1/x2 .
3. Verificare che u(x) = sinh(1/2x2 ) è soluzione debole del problema (1).
4. Si risolva il problema (1) con Mlife1D su una griglia uniforme di passo
h = 0.1, 0.05, 0.025, 0.0125 utilizzando elementi finiti lineari. Si riportino i valori dellerrore in norma H 1 (1/2, 1) ed L2 (1/2, 1) al variare di
h. Si stimi lordine di convergenza nelle due norme e si riporti, nei due
casi, lultimo valore calcolato. La stima teorica è rispettata?
Appunti
90
F.Cadei
BS
9. Temi desame
9.1.3
22.Feb.06 appello desame
Domanda 1.
1. 3 pt. Si riporti lalgoritmo del metodo del gradiente per un sistema
simmetrico e definito positivo.
2. 3 pt. Quando si definisce un valore x(k) ottimale rispetto ad una
direzione d in un metodo di discesa?
3. 2 pt. A quale proprietà deve soddisfare una direzione per essere considerata ottimale?
4. 2 pt. Si riportino le stime per lerrore dei metodi del gradiente e del
gradiente coniugato.
Domanda 2.
1. 3 pt. Si dimostri il lemma di Cea e se ne dia una interpretazione
geometrica.
2. 3 pt. Si enunci il lemma di Lax-Milgram.
3. 2 pt. Si dimostri che se u V è soluzione debole del problema, torvare
u V tale che a(u, v) = F (v) v V , e se sono soddisfatte le ipotesi
del lemma di Lax-Milgram allora kukV kF k/, dove è la costante
di coercività della forma bilineare e k k è la norma del funzionale.
un metodo
4. 2 pt. In cosa consiste il metodo della diffusione artificiale? E
per il quale vale ancora il lemma di Cea?
Esercizio
si consideri il problema ai limiti seguente:

ex2 u0 0 = 2
u(1) = 1 , u0 (0) = 0
(9.3)
1. Scrivere la formulazione debole del problema, individuando lo spazio

funzionale coorretto, la forma bilineare e il funzionale associati.
2. Mostrare come lerrore in norma H 1 (1, 0) del metodo di Galerkin
2
elementi finiti dipende dalla funzione (x) = ex .
Appunti
91
F.Cadei
BS
9. Temi desame
3. Calcolare e riportare tutti gli errori in norma H 1 (1, 0) su una griglia
uniforme di passo h = 0.1, 0.05, 0.025, 0.0125 utilizzando elementi finiti
2
lineari, sapendo che la soluzione esatta è ex . Stimare inoltre lordine
di convergenza, e riportare tutte le stime ottenute.
4. Scrivere la discretizzazione alle differenze finite del problema, utilizzando una griglia uniforme di passo h e lo schema centrato del secondo ordine. Per la discretizzazione della condizione di Neumann in 0,
utilizzare il seguente shema decentrato:
3u(x) + 4u(x h) u(x 2h)
2h
dopo aver verificato che è del secondo ordine. Risolvere il problema
discreto cos` ottenuto, utilizzando un passo h=0.1. Riportare tutti i
comandi utilizzati e lapprossimazione calcolata in 0.
u0 (x)
9.1.4
05.Lug.06 appello desame
Domanda 1.
Si consideri il seguente problema ai limiti:
0
0
(u u) = f
u(0) = 0
0
u (1) + u(1) = 0
x (0, 1)
(9.4)
con e costanti positve e f = f (x) L2 (0, 1).

1. Scrivere la formulazione debole di (1).
2. Dimostrare che il problema (1) ammette ununica soluzione.
3. Riportare il sirultato di convergenza pi`
u generale per il metodo di
Galerkin.
Domanda 2.
1. Si riporti il metodo del gradiente coniugato per un sistema lineare
Ax=b, precisando di che tipo deve essere la matrice A Rnn .
2. Dopo quante iterazioni il metodo del gradiente coniugato converge
sicuramente? Quale disuguaglianza soddisfa lerrore?
3. Si stimi, in termine di n, il numero di poerazioni che tale metodo
richiede ad ogni passo e si individui loperazione pi`
u costosa.
Appunti
92
F.Cadei
BS
9. Temi desame
Esercizio
Si consideri il problema ai limiti seguente:
(
10x
x (0, 1)
u00 = 100 ee10 1
u(0) = 0, u(1) = 1
(9.5)
Si supponga di utilizzare una griglia non uniforme di n + 1 nodi 0 = x0 <

x1 < < xn1 < xn = 1, composta da n sottointervalli di ampiezza
hi = xi xi1 , per i = 1, 2, . . . , n.
1. Calcolare lerrore di troncamento u(x) = D2 u(x)u00 (x), dove D2 u(x)
è lapprossimazione della derivata seconda di u, data da
ui
ui+1
ui1
2
+2
(9.6)
D2 u(xi ) = 2
hi (hi+1 + hi )
hi hi+1
hi+1 (hi+1 + hi )
con ui = u(xi ). In che sensolo schema è del primo ordine? Sotto quali
condizioni su u questo è vero?
2. Si riporti la matrice A ed il termine noto b che si ottengono discretizzando il problema (2) con lo schema (3).
3. Si scelga ora xi = ln(1 + (e 1)(i/n)), per i = 0, 1, . . . , n. Per
n = 4, 8, 16, 32, 64, si calcolino con MATLAB la soluzione {ui }i=1,...,n
ottenuta discretizzando il problema (2) con lo schema (3) e lerrore di
norma infinito, sapendo che la soluzione esatta è data da:
uex (x) =
e10x 1
e10 1
Si riporti, per tutti i 5 casi, il valore della soluzione calcolata in x1

e gli errori calcolati in norma infinito. Si disegni lerrore ottenuto in
scala logarirmica al variare di n. Che ordine di convergenza si osserva
(rispetto ad n1 ? Perchè? Si ricorda che in un intorno di zero vale la
seguete formula:
x2
ln(1 + x) = x
+ O(x3 )
2
9.1.5
01.Set.06 appello desame
Domanda 1.
Si approssimi con uno schema alle differenze finite compatte la derivata seconda di una funzione f = f (x), definita su tutto R, in un punto xi R,
supponendo che D2 fi dipenda al pi`
u dai valori di f e di f 00 nei nodi xi2 , xi1
e xi . Di che ordine risulta lo schema?
Appunti
93
F.Cadei
BS
9. Temi desame
Domanda 2.
Si consideri il seguente problema parabolico:
u + Lu = f
(x, t) (0, 1) (0, T )
u(0) = 0
t (0, T )
u(1) = 0
t (0, T )
u(x, 0) = u0 (x)
x (0, 1)
(9.7)
1. Si scriva la formulazione debole del problema (1) per ogni t (0, T ) e la

corrispondente discretizzazione in spazio con il metodo degli elementi
finiti.
2. Si riporti la discretizzazione con il metodo di Crank-Nicholson. Di
quale ordine risulta lo schema?
Esercizio
Si consideri il problema ai limiti seguente
(
u00 + 4u = 4sign(x)(2x2 1)
u(1) = 1, u(1) = 1
x (1, 1)
(9.8)
1. Mostrare che il problema ammette come soluzione debole la seguente

funzione
e2x e2x
+ 2|x|x
u(x) = 2
e e2
2. Utilizzando MLife1D si risolva il problema su una griglia uniforme di
passo h = 0.2, 0.1, 0.05 impiegando elementi finiti lineari e quadratici.
Si riportino gli errori in norma H 1 ottenuti. Si stimino e si riportino gli
ordini di convergenza in norma H 1 . Si commentino i risultati ottenuti.
3. A quale spazio di Sobolev apparterrà la soluzione analitica?
4. Scrivere una funzione che calcoli lintegrale, approssimato mediante la
regola dei trapezi, di una funzione f = f (x) su un generico intervallo
(a, b): [int] = trapezi(f,a,b). Usare tale funzione per calcolare la
matrice di massa M delle funzioni di bale si P1 sulla griglia della figura
seguente
Si riporti la matrice M ottenuta. Come risulta tale matrice?
Appunti
94
F.Cadei
BS
9. Temi desame
9.1.6
In allegato per questo tema desame è disponibile la correzione.

Tabella per identificare gli indici iN , iC della domanda 4.
A B C D E F G H I ecc.
1 2 3 4 5 6 7 8 9 ecc.
Domanda 1.
1. Sia data la forma a(, ) : H01 (0, 1) H01 (0, 1) R
Z 1
Z 1
0 0
a(u, v) :=
u v dx +
u0 v dx
u, v H01 (0, 1)
0
dove e sono parametri reali e positivi. Dimostrare che a(u, v) è

coerciva nella norma k kH 1 (o,1) . Enunciare e giustificare con rigore
matematico tutti i passaggi.
2. Sia data la funzione f L?2(0, 1) ed il corrispondente funzionale F () :
L2 (0, 1) R definito da,
Z 1
F (v) :=
f v dx
v L2 (0, 1)
0
Dimostrare che F (v) è lineare e limitato giustificando con rigore matematico ogni passaggio.
Domanda 2.
1. Dato un opportuno spazio di funzioni V , data una forma a(, ) : V
V R ed un funzionale F () : V R:
Appunti
95
F.Cadei
BS
9. Temi desame
a Enunciare con rigore matematico le ipotsi su V, a(, , ), F () necessarie affinchè il problema: trovare u V tale che a(u, v) =
F (v), v V , ammetta ununica soluzione.
b Nel caso specifico in cui V := H 1 (0, 1) ed F () sia il funzionale
definito nella domanda 1.2, dimostrare che esiste una costante
positiva C tale che:
kukH 1 (0,1) Ckf kL2 (0,1)
2. Sia a(u, v) la forma bilineare definita della domanda 1.1 e sia F (v) il
funzionale definito nella domanda 1.2. Sia data una partizione unifome
di (0, 1) in N sottointervalli di lunghezza h = 1/N , definita dai vertici
1
H01 (0, 1) lo spazio delle funzioni continue
xi , i = 0, . . . , N e sia Xh,0
e lineari a tratti sulla suddetta partizione che inoltre si annullano agli
estremi x0 = 0 e xN = 1. Il seguente problema:
1
1
trovare uh Xh,0
(0, 1) tale che a(uh , vh ) = F (vh ), vh Xh,0
(0, 1)
è equivalenteP
a determinare i valori ui := uh (xi ), i = 1, . . . , N 1 tali
1
i (x) dove {1 , . . . , N 1 } è la base lagrangiana
che uh (x) = N
i=1 ui
1
di Xh,0 (0, 1). Le incognite ui soddisfano una relazione del tipo,
c1 ui+1 + c0 ui + c1 ui1 = Fi
i = 1, . . . , N 1
Determinare lespressione dei coefficienti c1 , c0 , c1 in funzione di , , h.

Domanda 3.
Dato il problema:
u u00 = f
(x, t) (0, 1) (0, T )
t
u(0, t) = u(1, t) = 0
u(x, 0) = u0 (x)
1. Scrivere la generica equazione del sistema lineare che si ottine discretizzando in tempo con il -metodo ed in spazio con elementi finiti lineari
su una griglia uniforme in spazio e in tempo.
2. Per quali valori di il -metodo risulta incondizionatamente assolutamente stabile? Come varia lordine di accuratezza al variare del
parametro realte ?
Appunti
96
F.Cadei
BS
9. Temi desame
Domanda 4.
Sia dato il seguente problema di diffusione e trasporto
(
u00 + u0 = 0, x (0, 1)
u(0) = 0, u(1) = 1
che ammette la soluzione esatta
u(x) =
1e
x

1 e
N )+1
dove = ln(i100
e = ln(iC ) + 1. Si vuole approssimare la soluzione di
tale problema tramite il metodo degli elementi finiti lineari su una partizione
uniforme di (0, 1) in N sottointervalli di lunghezza h.
1. Definire e calcolare il valore di h tale per cui il suddetto metodo

produce una soluzione non oscillante per ogni h (0, h ).
2. Siano uh,1 e uh,2 le soluzioni del metodo degli elementi finiti lineari applicato al problema in esame utilizzando rispettivamente N1 = ceil(10/h )
e N2 = ceil(20/h ) sottointervalli. Utilizzare il programma Mlife per
calcolare ku uh,i kL2 (0,1) e ku uh,i kH 1 (0,1) con i = 1, 2. Riportare i
valori ottenuti.
3. Utilizzando i valori ku uh,i kL2 (0,1) e ku uh,i kH 1 (0,1) con i = 1, 2,
calcolare lordine di convergenza effettivo rispetto ad h del metodo in
esame e confrontarlo con quello previsto dalla teoria nelle corrispondenti norme. Riportare lordine di convergenza effettivo e teorico sia
per la norma k kL2 (0,1) che per la norma k kH 1 (0,1) .
9.2
Tema del prof. P.Zunino
9.2.1
19.Feb.08 appello desame
Domanda 1.
1. Mostrare con rigore matematico sotto quali ipotesi lo spazio V , la forma
a(, ) e il funzionale F () tali per cui a(, ) = F ()
in V producono
una soluzione unica
2.
(
u00 + u = 0
u(0) = 0, u0 (1) = 0
Definire uno spazio V opportuno per risolvere il problema ai limiti.
Appunti
97
F.Cadei
BS
9. Temi desame
Domanda 2.
1. Dati V, a(, ), F () del problema della Domanda 1., spiegare la formulazione del metodo agli elementi finiti di Galerkin.
h0
2. Mostrare che per kv vh kV 0 allora ku uh kV 0.

3. Approssimando con uh Xhr , si mostri landamenteo in k kL2 e k kH 1
dellerrore, mostrare la dipendenza da h e la regolarità richiesta su u.
Domanda 3.
1. Scrivere uno schema centrato per approssimare Dc2 f (xi ) con
1 x3
f=
1 + x2
1<x<1
2. Ricavare a, b, c, d in modo che

2
Dl,r
= afx0 + bfx0 +h + cfx0 +2h + dfx0 +3h
approssimi opportunamente la derivata di f ai bordi.

Domanda 4.
Con lo schema centrato ricavato alla Domanda 3.1
1. Formulare uno schema per risolvere
00
u + u = 0
u(1) = 0
u(1) = 1
2. Ricavare A,u,b il problema al punto 1 per risolverlo con il sistema
lineare
Au = b
Domanda 5.
Sia dato il seguente problema di diffusione e reazione
(
u00 + u = 0, x (0, 1)
u(0) = 0, u(1) = 1
Appunti
98
F.Cadei
BS
9. Temi desame
che ammette la soluzione esatta

u(x) =
ex ex
e e
N )+1
dove = ln(i100
e = (ln(iC )+1)100. Si vuole approssimare la soluzione di
tale problema tramite il metodo degli elementi finiti lineari su una partizione
uniforme di (0, 1) in N sottointervalli di lunghezza h.
1. Risolvere il problema con Mlife utilizzano un numero di elementi pari

a N1 = 10, N2 = 20 e n1 = 100, n2 = 200 con H = 1/Ni e h = 1/ni .
2. Riportare i valori degli errori in norma k Ni kH 1 e k ni kH 1 .
3. Calcolare gli ordini di convergenza approssimati pH e ph , motivare
inoltre i risultati ottenuti sono simili a quelli che ci si aspetta dalla
teoria.
Appunti
99
F.Cadei
BS

"!"#$%'&()+*,%-./0()132,4562,7567,2,298
:<;>=?=A@CBED);GFH@
Y
j
Z
7
\
k
IE%KJA0LLM%&A0(NO$0P./RQS!+%K()UT,L$5O!0 i , i $0LLM%$#VW%K$%'X
N C
] ^ _ ` a b c d e f g I
l m 8 4 n j 2 j,j j 7 j k j X j l j m j 8 j 4
o'p
rqs o qutvwt
xM%$%K.y%LM%Hz{|"O#
f L2 (0, 1)
"$L!"#(/(/O})&?#$0x.)~zw|"O#S%KLO
F (v) :=
\ V',}/./(y%K()U!)
p p sHH
F (v)
jn
F () : L2 (0, 1) R
i
7,2
$Q.)'$%5
v L2 (0, 1).
f v dx,
0
L+%K()~LV.y%K.)T,})./RQS!+%K$W!"#(/T9#()~VW%K.)0VW%K./O!"#T,&S%#})}y%KT,T,O
F (v)
L+%K(),
F (v + v) =
f (v + v) =
fv +
f v = F (v) + F (v).
0
LV.y%K.)&A#O!)
}/S%

2
a 5z%K././ 5T,(y%K|"OU%KLLM%$5O}/T,Sf %KT,LML%K(0,
|%W1)$5 [ %K!)x|FP(v)|
!0%K(/|9M kvkL (0,1)
F (v)
|F (v)| = |
1
0
f v| kf kL2 (0,1) kvkL2 (0,1)
$%!0}y0T,
M = kf kL2 (0,1) .

7j
o'p
rqs o qutvO
\ K% .)3#&&?#(/./-}/&S%K|"O3$5z{|"O# V ?$%K.y%S%Wz#(/VW% a(, ) : V V R "$zw|"O#S%KLO
F () : V R
%9 ] P!0M%K()H!"#-(/T9#()1VW%K.)0VW%K./O!"LO1&A#.)"}/}/ V a(, ) "$ F () "!""})}y%K(/O%'!y LA&()#J5
LO0VW%5C./()+*,%K() u V .y%KLO!y a(u, v) = F (v), v V %KVV'0./.y% O!+%}y#L|"O#,
J d 0LA!+%#})}/&A"!0RQS!"H!0 V := H 1 (0, 1) "$ F () }/M%ULSzw|"O#S%KLO1$Q.)0LLM%U$#VW%K$% j j
$5V',}/./(y%K()U!y"}/O}/.)1S%'!",}/.y%KP.)~&A,}/./*,% C .y%KLO!y,
kukH 1 (0,1) Ckf kL2 (0,1) .

p p sHH
%9 a LLO0VVW%~$5 b %x c LT,(y%KV%#})}/O!0(y%!)>L&()#JLO0VW%'"}y%KV'G%KVV'0./.)> O!+%U})#L|"O#N})#./.)
LO~}y0T,0P./&A#.)"}/
}/&S%K|"O$5 ` LJ?0(/.+ +* *90() }/&S%K|"O$#.y%K.)H$5?&()x$#./.)})!+%KLM%K() (, ) !)$5!"
V
V
S%#(/VW% k k
V
a
A
L
w
z

"
|
O

#

S

K
%
O
L

L+%K()LV.y%K.)}/*9"$%LM%$#VW%K$% j j
F ()
b %zw#(/VW%
JL+%K() j !"#P./xS% 79!"#()"!0*#% k9 e * *90()&?0(#T, u, v, w V
*#%KLT9#'LOa(,
})0T,)0P ./&()#&(/O0.y5
(1)
a(u + v, w) = a(u, w) + a(v, w), , R,

a(u, v + w) = a(u, v) + a(u, w), , R,
(2)
(3)
J>E#O!y u H 1(0, 1) %KLLO#(y%

#./.)0M%KV'
+. !, a(u, v) M kuk kvk ,

V
V
+
.

,
!

2
> 0
a(v, v) kvk .
M > 0
u L2 (0, 1)
P$5S})#./.)LO~&A#.)"}/$0LLO0VVW%W$5 b % c LT,(y%KV
kuk2H 1 (0,1) a(u, u) = F (u) kf kL2 (0,1) kukL2 (0,1) kf kL2 (0,1) kukH 1 (0,1) ,
$%!0E})0T,$5()0./.y%KV'0P.)HL(/O}/L.y%K.)'!"#
C = 1/
o'p
rqs o q?vwt
xM%'$%K.y%LM%zw#(/VW%
a(, ) : H01 (0, 1) H01 (0, 1) R

a(u, v) :=
1
0 0
u v dx +
0
u0 v dx u, v H01 (0, 1),
$*9 })#N&S%K(y%KV'0./(/ ()+%KL5C&?,})./*x \ V',}/./(y%K()!y

!" 0()!0*#%N0LLM%>#(/VW%
] P !0M%K()UT,}/./RQS!+%K()!"#(/T9#()~VW%K.)0VW%K./O!"W./././&S%#a(u,
})}%KT,T,v)
kkH 1 (0,1)
p p sHH
i#T,LM%KV'$5V',})./(y%K()~!)1"}/O}/.)S%!",}/.y%KP.)
!y,
0
.y%KLO!y
>0
a(v, v) = kv kL2 (0,1) +
v 0 v dx
a(v, v) kvk2H 1 (0,1)
.)00$!"#P.)
v H01 (0, 1).
Y S %KL|"|"M%KV'})0&S%K(y%K.y%KV'0P.)$5.)0(/V%KL})"!"#$rV'0VUJ() _ (y%K|"O%KLLM% $5O}/T,S%KT,LM%K|%r$5

#!+%K(),
.+!, kvk
0
v H01 (0, 1), Cp > 0
L (0,1) Cp kv kL (0,1) ,
#./.)0M%KV'WLM%})0T,0P.)H}/./VW%5z0(/O#()&A0(>L&(/V'.)0(/V,
0
kv 0 kL2 (0,1) = 12 kv 0 kL2 (0,1) + 21 kv 0 kL2 (0,1) 21 kv 0 kL2 (0,1) +
1
2Cp kvkL2 (0,1)
1
2
min(1, C1p )kvk2H 1 (0,1) .
0(NL}y"!"#$.)0(/V,./(y%KV.)LM%Hz#(/VULM%W$5P.)0T,(y%K|"O#H&?0(>&S%K(/./%KJJM%KV'
Z
1
0
vv=
1
0
vv +
[v 2 ]10
[ #VHJS%K$x"}/./(/O}/L.y%K./E#./.)0M%KV''5Q!y,
a(v, v)
$%!0(/O}/L.y%!)

2
min(1, C1p )

2
min(1,
v 0 v = 0, v H01 (0, 1).
2
1
Cp )kvkH 1 (0,1) ,
o'p
rqs o q?vO
xM% a(u, v) LM%3z#(/VW%JL+%K()3$Q.y%-0LLM%$#VW%K$%75 j '})M% F (v) LCzw|"O#S%KLOW$Q.)0LLM%
$#VW%K$% j j xM%$%K.y%3S%3&S%K(/./|"O#Rz#(/V'$5 (0, 1) N })#./.)#x.)0(/*#%KLL$5CLT,0|"|% h =
$Q.y%$%K>*90(/./O!0
-}/M% 1
LO}/&S%K|"O$0LLOzw|"O#
1
1/N
!"#x./P1L+%K(/%H./(y%K././x}/i,LLM%i }/=$0,$0../..y.%, &SN%K(/./|"O#UX!)h,01(0,1)
#L./()}/H%K0(0,P1)LLM%K3%KT,L"}/./()0V x = 0
0
a L})0T,0x.)&()#JLO0VW%5
x =1
N
./()+*,%K()
1 (0, 1)
uh Xh,0
.y%KLO~!y
1 (0, 1)
a(uh , vh ) = F (vh ), vh Xh,0
.y%KLS!y u (x) = PN 1 u (x)

$"*9x *,%KLO0P.)G%1$0.)0(/VSLM%%K()JSG%#})*#%KLM%KLO#T,(/(y %KuT,i M:=
uh (xi ), i = 1, . . . , N 1
%KS%$5 X 1 (0, 1) b >!"#T,.) u }yx$h$5O}z%KSi=1%1()0LM%Ki |"Oi#
{1 , . . . , N 1 }
i
h,0
$0L./&?
c1 ui+1 + c0 ui + c1 ui1 = Fi , i = 1, . . . , N 1.
\ 0.)0(/VS%K()UL"}/&()"})}/O#$0!" W!0O0P./
p p sHH
c1 , c0 , c1
zw|"O#$5
,
"$ h
a S%K|"././.)W,}y})0(/*xM%KV'!y~})0T,0x./&()#JLO0VE}y#"P*,%KLO0P./
,})././M%KV''
a(uh , vh ) = F (uh ) a(uh , i ) = F (i ), i = 1, . . . , N 1.

a(uh , i )
L"}/&()"})}/O#,
uh =
$#&A'%"*90($Q.)
Fi = F (i )
N
1
X
uj j (x)
j=1
#./.)0M%KV'
ui1 a(i1 , i ) + ui a(i , i ) + ui+1 a(i+1 , i ) = Fi , i = 1, . . . , N 1,
$%!0E}/$"$5!"$5()0./.y%KV'0P.)!),
1

c1 =a(i1 , i ) =
+
0i1 i = ,
h
2
0
0
Z 1
Z 1
2
c0 =a(i , i ) =
0i 0i +
0i i = ,
h
0
0
Z 1
Z 1

0i+1 i = + .
0i+1 0i +
c1 =a(i+1 , i ) =
h
2
0
0
0i1 0i
o'p
rqs o q
xM%$%K.y%S%z{|"O# v H s(0, 1) !"# s N, s 2 xM%$%K.y%S%&S%K(/./|"O#-Rz#(/V'$5
})#./.)#P.)0(/*,%KLLE$5LT,0|"|% h = 1/N $0././ I , j = 1, . . . , N xM%'$%K.)LO}/&S%K|"O'$0T,L
(0, 1)
j
0LO0V'0x./NQ./$5T,(y%#$ r
Xhr (0, 1) := {vh C 0 (0, 1); vh |Ij Pr (Ij ), j = 1, . . . , N }
~})M% r v L x.)0(/&?#LM%Kx.)H$5 v X r (0, 1)

h
h
%9 a x"}/.)&A#.)"}/T900(y%KLE0P!0M%K()3!"#(/T9#()VW%K.)0VW%K./O!"#&&A#(/./'VW%KT,T,O#(y%K|"O#&?0(
L0(/()#()U$5x.)0(/&?#LM%K|"O# kv r vk
k(v r v)0 k

L (0,1)
h L (0,1)
h
J \ %K.y% v H 7(0, 1) QS})}y%K.) h 5O$0x./RQS!+%K()H%KLLM%L!"$5.y%KL})./V'~$0LL0(/()#()UxS%KLO L?T,(y%#$
&!"#P*90O0P.)H&A0(G%K&&(),})}/VW%K() v ./(y%KV.)~L P.)0(/&A#LM%KP.) r v _ }/./RQS!+%K()ULM%(/O}/&?,}).y%5
r
2

p p sHH
%9Gx./V'$0LL0(/()#()U$5x.)0(/&?#LM%K|"O#,
k(v hr v)0 kL2 (0,1) Chl kvkH s (0,1) ,
kv hr vkL2 (0,1) Chl+1 kvkH s (0,1) ,
$*9 l = min(r, s 1) C $5O!+%S%T900(/O!+%!",}/.y%KP.)U&?,})./*#%5

J \ %K.y% v H 7 (0, 1) %KLLM%L!"W$5P"}).)}/./V''}/$"$5!"'!y'LCT,(y%#$ r = s 1 = 6 x0LLO
!yG&A0(/V'0./.)G$5?}zw(/./.y%K()GLM%V'0T,LOLM%~()0T9#LM%K(/.y$0LLM%~z{|"O# v xS%K$HLM%}/* #LO%K&&(),}y}/VW%K()
./(y%KV.)L P.)0(/&A#LM%KP.) r v
h
o'p
rqs o q
xM%'$%K.)L})0T,0P.)&()#JLO0VW%'$5$5RA}/O#1./(y%#}/&A#(/.)
!yU%KVV'0./.)LM%}y#L|"O#"}y%K./.y%5
u00 + u0 = 0, x (0, 1),

u(0) = 0, u(1) = 1,
u(x) =
1 exp
1 exp
x

,

$ *9 = (log(i ) + 1) 102 = log(i ) + 1 "})})0$ i , i T,L$5O!0S!"#(/(/O}/&A#$0P./%KLLO>*9,}/./()

|"M%KL$0L#V'N'$0L!"#T,#V'(/O})&?0././*,C%KV'0P.) LM%3z{N|"O#C log $5O!+%-LCLO#TP%K(/./V'S%K./(y%KLO
x*x#LO1%K&&(),})}/VW%K()LM%H})#L|"O#$5?.y%KLO&()#JLO0VW%./(y%KV.)LSV'0.) $$0T,L?0LO0V'0x./Q./?L+%K(/
})-S%&S%K(/./|"O#Rz#(/V'$5 (0, 1) N })#./.)#P.)0(/*,%KLLE$5LT,0|"|% h
%9 \ Q()'!+%KLO!"#LM%K()'L*#%KLO#()$5 h .y%KLO&?0(~!0CL}/$$0./.)V'0.)x$&() $5!"S%})#L|"O#
#,})!0LLM%Kx.)&A0(N#T, h (0, h )
JxM%K u "$ u LOG})#L|"O#A$0LV'0.) $$0T,L?0LO0V'0x./Q./?L+%K(/%K&&LO!+%K.)%KL?&()#JLO0VW%
"}y%KV'h,1
./L|"|h,2
%K$~(/O}/&A0././*#%KV'0x.)

}y#./.)#P.)0(/*,%KLL
LM%z{|"O##5,3$5O!+%L6%K(/()#.)#$%KV'N01x=.)ceil(10/h
%KLL x.)0()}/) !"!"N"})2}/*9=Pceil(20/h
h./L|"|%K()) L&()#T,(y%KVVW%
ku u k
!"# i = 1, 2 gG&?#(/.y%K()*,%KLO#(/
&?0(!+%KLO!"#LM%K() ku uh,ik
h,i H (0,1)
L (0,1)
#./.)0P./
!hG./L|"|%K$*,%KLO#(/ ku u k
ku u k
&?0( i = 1, 2 C!+%KLO!"#LM%K()'L#()$53$5
h,i H (0,1)
!"#P*90(/T90|%WA0././*9(/O})&?0./h,i
.)'%#L$ (0,1)

$
0

L
'
V
0

)
.

$

"

y
}
K
%
'
V
~

~

!"#5zw()#P.y%K(/LO!"#P0LLO&()0* O}/.)
h
$%KLLM%.)"#(/M%G0LLO!"#(/(/O}/&A#$0P./#(/V',gG&?#(/.y%K()L#()$5$5 !"#x*90(/T90|%~0././*9.)"#(/O!"
}/M%&A0(>LM%#(/VW% k k
!)~&A0(>LM%#(/VW% k k

2
L2 (0,1)
p p sHH
iN = . . . . . . . . . ;
H 1 (0,1)
iC = . . . . . . . . .
\ Q|"O#H!+%KLO!"#LO3$5 h P./() $5!0M%KV'LEPV'0()$5E"!0LO0.

$%!0})(/O!+%"*,% h = 2
P e = h < 1
Pe =
2
h
2
U&A#M%KV''LM%!"#$5|"O#
ku uh,1 kL2 (0,1) = . . . . . . . . .
ku uh,2 kL2 (0,1) = . . . . . . . . .
ku uh,1 kH 1 (0,1) = . . . . . . . . .
ku uh,2 kH 1 (0,1) = . . . . . . . . .
e ()$5U$5!"#P*90(/T90|%WA0././*9W0LLM%#(/VW% k k
L (0,1) . . . . . . . . .
e ()$5U$5!"#P*90(/T90|%'.)"#(/O!"'0LLM%#(/VW% k k
L (0,1) . . . . . . . . .
e ()$5U$5!"#P*90(/T90|%WA0././*9W0LLM%#(/VW% k k
H (0,1) . . . . . . . . .
e ()$5U$5!"#P*90(/T90|%'.)"#(/O!"'0LLM%#(/VW% k k
.........
2
H 1 (0,1)

Metodi Analitici e Numerici Per L'ingegneria Aerospaziale - Saleri

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodi Analitici e Numerici Per L'ingegneria Aerospaziale - Saleri

Caricato da

Copyright:

Formati disponibili

Memory

Corso del Prof. F.E.Saleri

Metodi Analitici e Numerici per

Questo lavoro non `e stato corretto da alcun professore

salvo per i costi di connessione

1 Analisi teorica del problema modello

2 Metodo delle Differenze Finite

7 Metodo degli Elementi Finiti (Galerkin)

8 Discretizzazione di ordine 2 in spazio dipendenti

03.Feb.06 prova in itinere II

Analisi teorica del problema modello

questo problema `e adimensionale e omogeneo, con il problema omogeneo

1. Analisi teorica del problema modello

introduco la funzione di Green

Figura 1.1: Funzione di Green.

1. Analisi teorica del problema modello

voglio ottenere dati sballati

la norma `e unapplicazione da uno spazio di partenza a R, k kV R

Metodo delle Differenze Finite

la derivata `e un operazione di passaggio al limite:

questo approccio viene trascurato perch`e lungo; si utilizzano le Differenze

- 1 passo: discretizzo, non ho un continuo da 0 a 1 ma un insieme di

vengono esclusi gli estremi perch`e sono fissate le condizioni al contorno,

2. Metodo delle Differenze Finite

si preferisce lapprossimazione centrata perch`e pi`

h2 (u0 2u1 + u2 ) = f (x1 )

h12 (u1 2u2 + u3 ) = f (x2 )

h12 (uN 1 2uN + uN +1 ) = f (xN )

si ottiene un sistema lineare

ui `e unapprossimazione di u(xi ), u(xi ) `e il valore puntuale della soluzione, ui il valore

2. Metodo delle Differenze Finite

!uh se A non `e singolare.

= 2x21 x2 x2 x1 x2 + 2x22 x2 x3 . . . xN 1 xN + 2x2N

max |eh (xi )| keh kh,

autovalori con parte reale positiva

2. Metodo delle Differenze Finite

il metodo `e convergente, lerrore tende a zero.

`e lerrore che si commette chiedendo alla soluzione esatta di soddisfare lo schema

2. Metodo delle Differenze Finite

Problema completo a coefficienti costanti

ui+1 2ui + ui1

2. Metodo delle Differenze Finite

la matrice A risulta essere

Metodo dei coefficienti indeterminati

Il metodo dei coefficienti indeterminati `e un modo per costruire rapporti

2. Metodo delle Differenze Finite

raccogliendo i termini simili

+u (xi )(1 + ha1 ha1 ) +

lerrore di troncamento risulta

h (xi ) ' oh2

2. Metodo delle Differenze Finite

Le condizioni al contorno di Dirichlet fissano i valori della funzione incognita

Risoluzione del problema di Neumann

Le condizioni di Neumann fissano i valori delle derivate della funzione u nei

2. Metodo delle Differenze Finite

del nodo xN +2 che non esiste

u0 (xN +1 ) DuN +1 = uN +1 (a0 + a1 + a2 ) +

termine dell0 errore

il termine relativo allerrore di troncamento mostra che al massimo lerrore

u0 `e unapprossimazione di ordine 2: o( hh ) o(h2 )

Le condizioni al contorno di Robin si possono vedere come il caso generale

2. Metodo delle Differenze Finite

con 0 , 0 , 1 , 1 R assegnati, considerando