Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
AppMetodiNumerici PDF
AppMetodiNumerici PDF
http://aero.polimi.tripod.com
Corso del Prof. F.E.Saleri
A.A 2006/07
Questo lavoro non è stato corretto da alcun professore
quasi sicuramente contiene errori
nel caso ne trovassi qualcuno scrivimi a:
ingaer@gmail.com
second edition
ultimo aggiornamento:
8 marzo 2008
4 Differenze Finite 2D e 3D 36
1
INDICE
5 Spazi 42
5.1 Spazio L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Spazi H 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3 Spazi Xh1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.4 Proprietà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5 Spazio di Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . 44
6 Formulazioni deboli 45
6.1 Dirichlet Omogeneo . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2 Dirichlet Non Omogeneo . . . . . . . . . . . . . . . . . . . . . 46
6.3 Neumann Omogeneo . . . . . . . . . . . . . . . . . . . . . . . 47
6.4 Neumann Non Omogeneo . . . . . . . . . . . . . . . . . . . . 47
6.5 Funzionali e Forme . . . . . . . . . . . . . . . . . . . . . . . . 48
6.5.1 Funzionale . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.5.2 Forma . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.6 Lemma di Lax-Milgram . . . . . . . . . . . . . . . . . . . . . 50
6.6.1 Verifica delle ipotesi . . . . . . . . . . . . . . . . . . . 51
9 Temi d’esame 88
9.1 Temi del prof. F.Saleri . . . . . . . . . . . . . . . . . . . . . . 88
9.1.1 24.Nov.05 prova in itinere I . . . . . . . . . . . . . . . 88
Appunti 2 F.Cadei BS
INDICE
Appunti 3 F.Cadei BS
Capitolo 1
Analisi teorica del problema modello
(
−u00 = f in(0, 1)
u(0) = u(1) = 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
l’equazione si ottiene
Z x
u(x) = c0 + c1 x −
http://aero.polimi.tripod.com
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 0 (s) ds
= sF (s) 0 −
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
0 0
calcolo le costanti c0 e c1
Z 0
u(0) = 0 → c0 = 0 perchè
0
4
1. Analisi teorica del problema modello
Z 1
u(1) = 0 → c1 − (1 − s)f (s) ds = 0
0
Z 1
c1 = (1 − s)f (s) ds
0
Z 1 Z x
u(x) = x (1 − s)f (s) ds − (x − s)f (s) ds
0 0
Z x Z 1
= (x − xs − x + s)f (s) ds + x(1 − s)f (s) ds
0 x
Z x Z 1
= s(1 − x)f (s) ds + x(1 − s)f (s) ds
0 x
se f ∈ C 0 (0, 1) ⇒ ∃u ∈ C 2
Appunti 5 F.Cadei BS
1. Analisi teorica del problema modello
1
la norma è un’applicazione da uno spazio di partenza a R, k · kV → R
a. kuk = 0 ⇔ u = 0
b. kαuk = |α|kuk ∀α ∈ R
c. ku + vk ≤ kuk + kvk ∀u, v ∈ V
Appunti 6 F.Cadei BS
Capitolo 2
Metodo delle Differenze Finite
http://aero.polimi.tripod.com
2.1 Problema modello
−u00 = f x ∈ (0, 1)
la derivata è un operazione di passaggio al limite:
- 1◦ passo: discretizzo, non ho un continuo da 0 a 1 ma un insieme di
punti
x0 = 0 xN +1 = 1
00
−u (xi ) = f (xi ) i = 1...N
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 )
(
u(xi )−u(xi−1 )
approx decentrata indietro (o avanti)
u0 (xi ) = h
u(xi+1 )−u(xi−1 )
2h
approx centrata
7
2. Metodo delle Differenze Finite
u0 = uN +1 = 0
h→0
cerco una funzione {uk }N +1 1
k=0 t.c. ui 6= u(xi ) con ui −→ u(xi )
u0 = 0
1
− 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
N +1
~u = ui i=0
f~ =
0, f (x1 ), . . . , f (xN ), 0
h2 0 ··· ··· ··· 0
..
−1 2 −1 .
.. ..
1 . −1 2 −1
.
A= 2
h .. .. .. .. ..
. . . .
.
..
. −1 2 −1
0 ··· ··· ··· 0 h2
si ottiene un metodo approssimato, Au = f , si può anche ridurre alle incog-
nite 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 un’approssimazione di u(xi ), u(xi ) è il valore puntuale della soluzione, ui il valore
nello stesso punto dell’approssimazione
Appunti 8 F.Cadei BS
2. Metodo delle Differenze Finite
xT Ax ≥ 0 ∀x ∈ RN
=0 ⇔ x=0
verifico xT Ax ≥ 0
2 −1 · · · ··· 0 x1
..
−1 2 −1 . x2
xT Ax = [x1 , x2 , . . . , xN −1 , xN ] .. . . .. .. ..
..
. . . . .
.
..
−1 2 −1 xN −1
.
0 · · · · · · −1 2 xN
2x1 − x2
−x1 + 2x2 − x3
= [x1 , x2 , . . . , xN −1 , xN ]
..
.
−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
Appunti 9 F.Cadei BS
2. Metodo delle Differenze Finite
Appunti 10 F.Cadei BS
2. Metodo delle Differenze Finite
h2
τh (xi ) = max |f 00 (αi )|
12 i=1,...,N
meglio limitare con il massimo di tutti
2
h
τh = maxkf 00 k∞
12
h→0
τh −→ 0 con ordine 2
se : u ∈ C 4 oppure f ∈ C 2
kuh kh,∞ ≤ 18 kf k∞
Th. di convergenza
h→0
Se f ∈ C 2 uh −→ u
nei nodi di discretizzazione e
h2
ku − uh k ≤ kf 00 k∞
96
|{z}
8·12
4
simile a: Ax = b
x = A−1 b
kxk ≤ kA−1 kkbk
Appunti 11 F.Cadei BS
2. Metodo delle Differenze Finite
si può notare che questo metodo non dipende solo dai punti vicini al punto
di interesse, ma è estendibile a punti diversi e a più punti.
Il numero di nodi e la loro posizione sono gradi di libertà che vengono scelti
in modo da massimizzaare l’ordine dell’approssimazione; per es. si ricava
l’approssimazione di ordine massimo della derivata prima in xi con p = 1 e
q = 1 (3 nodi)
u0 (xi ) = a−1 u(xi−1 ) + a0 u(xi ) + a1 u(xi+1 )
l’errore di discretizzazione in questo caso è errore di troncamento
h2 h3
h i
τh (xi ) = u (xi ) − a−1 u(xi ) − hu0 (xi ) + u00 (xi ) − u000 (xi ) + . . .
0
2 6
+a0 u(xi )
h
0 h2 00 h3 000 i
+a1 u(xi ) + hu (xi ) + u (xi ) + u (xi ) + . . .
2 6
Appunti 12 F.Cadei BS
2. Metodo delle Differenze Finite
Appunti 13 F.Cadei BS
2. Metodo delle Differenze Finite
come già visto una volta scritta la matrice del sistema la prima e l’ultima
equazione possono passare al termine noto riducendo il problema ai nodi
interni.
discretizzando si ottiene
u −2u +u
−
i+1 i i−1
h2
= f (xi ) i = 1, . . . , N
u(0) = u0
0
u (1) ' approx opportuna = ϕ1
Appunti 14 F.Cadei BS
2. Metodo delle Differenze Finite
sviluppo in serie
DuN +1 = a0 uN +1 +
h2 h3
+a1 uN +1 − hu0N +1 + u00N +1 − u000 (ξ) + ξ ∈ (xN , xN +1 )
2 6
2
h h3
+a2 uN +1 − 2hu0N +1 + 4 u00N +1 − 8 u000 (η) + η ∈ (xN −1 , xN )
2 6
3
u0 è un’approssimazione di ordine 2: o( hh ) → o(h2 )
Appunti 15 F.Cadei BS
2. Metodo delle Differenze Finite
forma
00
−u = f su(0, 1)
α0 u(0) + β0 u0 (0) = ψ0
α1 u(1) + β1 u0 (1) = ψ1
βi = 0 Dirichlet
αi = 0 N eumann
Appunti 16 F.Cadei BS
2. Metodo delle Differenze Finite
5
è necessario prestare attenzione al senso fisico dell’erquazione; −νu00 − ν 0 u0 potrebbe
non risolvere il problema d’interesse
Appunti 17 F.Cadei BS
2. Metodo delle Differenze Finite
h
(ui+ 1 − ui ) − (ui − ui− 1 )
− 2 2
= f (xi )
h2
ν(xi+ 1 )(ui+1 − ui ) − ν(xi− 1 )(ui − ui−1 )
− 2 2
= f (xi )
h2
la funzione ν è valutata in xi± 1 , ma ν è una funzione nota e valutabile
2
ovunque, la funzione u è valutata su 3 nodi, l’ordine di accuratezza ottenuto
è o(h2 ) e per ν = cost si ottiene il vecchio schema (è stato presentato un
trucco per controllare l’ampiezza del supporto).
come prima
w = ν(x ) ui+ 12 −ui− 21 + β(x )u
(
w = −νu0 + βu i i h i i
wi+ 1 −wi− 1
−w0 + σu = f 2 2
+ σ(xi )ui = f (xi )
h
Appunti 18 F.Cadei BS
2. Metodo delle Differenze Finite
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 β diventa costante si ritorna allo schema vecchio senza perturbare
l’ordine 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:
h βi− 1 νi− 1 νi+ 1 + νi− 1 βi− 1 − βi+ 1 βi− 1 νi− 1 i
... 2
− 2 ; 2 2 2
+ 2 2
+ σi ; − 2
− 2 ...
2
2h h h2 2h 2h h
Appunti 19 F.Cadei BS
2. Metodo delle Differenze Finite
2. maxx |f 0 (x) − 0n f (x)| ≤ c̃n hn max|f n+1 (x)| l’errore è noto (anche se
Q
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
Appunti 20 F.Cadei BS
2. Metodo delle Differenze Finite
Si consideri il problema
u0 = f
e lo si discretizzi nel seguente modo
X X X X
Dui = Sfi =⇒ Su0i = Dui
i i i i
(2.1)
Appunti 21 F.Cadei BS
2. Metodo delle Differenze Finite
−u00 = f
u00 ' Su00
f ' Mu
00
−Su = M u
Sf = M u
Appunti 22 F.Cadei BS
Capitolo 3
Risoluzione dei sistemi lineari
http://aero.polimi.tripod.com
A=
. . . . .
. an−1n
0 ann−1 ann
per risolvere il sistema in x è necessario invertire la matrice A, risulta più
comodo fattorizzarla e risolvere due sistemi tridiagonali.
3.1 Fattorizzazione
3.1.1 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
l’idea 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, l’algoritmo di Thomas, la fattorizzazione produrra matrici
del tipo
1 0 u11 u12 0
.
u22 . .
l21 1
L= ,U =
. . . . . . . un−1n
. .
0 lnn−1 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
3. Risoluzione dei sistemi lineari
Appunti 25 F.Cadei BS
3. Risoluzione dei sistemi lineari
kAxk2
kAk2 = sup = max kAxk2
kxk6=0 kxk2 kxk=1
2 −1
0
. .
−1 . . . .
1 1
h→0
A= 2 K(A) ' 2 ⇒ K(A) −→ ∞
h . .
. . . . −1
h
0 −1 2
Ax = b
A = P −N splitting additivo
P x = b + Nx
x(k+1) = P −1 (b + N x(k) )
e(k) = x(k) − x
P (x − x(k+1) ) = N (x − x(k) )
−1
e(k+1) = P
| {zN} e(k)
matrice di iterazione
(k) (0)
e → 0 ∀e
kP −1 N k < 1 → ρ(P −1 N ) < 1
Appunti 26 F.Cadei BS
3. Risoluzione dei sistemi lineari
Px = Nx + b
A = I −N
N = I −A
x = (I − A)x + b
B = I − αk A → ρ(B) < 1
si scelga αk affinchè ρ(B) sia opportunamente piccolo
|λ(B)| = |1 − αk λ(A)|
2
0 < α<
λmax
2
αott =
λmin + λmax
Appunti 27 F.Cadei BS
3. Risoluzione dei sistemi lineari
Appunti 28 F.Cadei BS
3. Risoluzione dei sistemi lineari
Appunti 29 F.Cadei BS
3. Risoluzione dei sistemi lineari
αk = 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+1) K(A) − 1
ke k2 ≤ ke(0) k2 ∀k ≥ 0
K(A) + 1
con: K(A) n◦ di condizionamento della matrice, per A s.d.p. K(A) = λλmax min
.
Questo risulta essere un metodo che converge lentamente per una matrice
mal condizionata, ad esempio per K(A) = 100 l’abbattimento dell’errore è
K(A)−1 99
K(A)+1
= 101 , è vicino a 1, se fosse 1 si inchioda e non converge. Più si
impiega a far convergere il metodo e più gli errori hanno modo di propagarsi.
r(k) T r(k+1) = 0
?
r(j) T r(k+1) = 0
Appunti 30 F.Cadei BS
3. Risoluzione dei sistemi lineari
→ r(j) T r(k+1) 6= 0
αk non è tale da azzerare tutte le direzioni, risulteranno quindi ortogonali a
2 a 2.
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) +αk d(k)
| {z }
= r(k) − αk Ad(k)
Appunti 31 F.Cadei BS
3. Risoluzione dei sistemi lineari
se
d(k) T r(k+1) = d(k) T r(k) − αk 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)
si supponga di aver generato d⊥r 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
Appunti 32 F.Cadei BS
3. Risoluzione dei sistemi lineari
Th. di convergenza
Se A è s.d.p. il metodo del Gradiente Coniugato converge alla soluzione
esatta in al più n iterazioni3 , con n = dim(A) e A ∈ Rn×n .
Il difetto è che questo metodo converge alla soluzione esatta in n passi sola-
mente in aritmetica esatta; se si operano degli arrotondamenti l’iterata 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 l’errore
K(A) − 1 k+1 (0)
p
(k+1)
ke kA ≤ p ke kA
K(A) + 1
p
ke(k+1) kA = e(k+1) T Ae(k+1)
si risente meno dell’errore grazie alla presenza della radice. Si può pensare di
ridurre l’errore agendo su K(A) con tecniche di precondizionamento. Altri
criteri d’arresto possono essere basati sul residuo, sulla prima iterata o sul
termine noto
a. kr(k) k ≤ tol kr(0) k
b. kx(k+1) − x(k) k2 ≤ tol ke(0) k
queste grandezze vanno valutate in un norma opportuna inoltre va consid-
erato che rispetto agli altri metodi d’arresto la scalatura del residuo è più
significativo perchè nei termini di accelerazione αk e βk .
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
3. Risoluzione dei sistemi lineari
Ax = b 1 sol
(
∞ sol
Ab
bx = b
0 sol
Ax = b
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)
4
qual’ora vi entrasse la A risulterebbe singolare, quindi non invertibile e non si può
risolvere il problema.
Appunti 34 F.Cadei BS
3. Risoluzione dei sistemi lineari
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 più semplice → non funziona tranne quando le
matrici sono a prevalenza diagonale stretta5
n
X
|aii | > aij
j=1÷n6=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
P ' A = LU rimpiazzo L
eUe=P
cosı̀ invertendo P si devono risolvere solo 2 sistemi triangolari6
- Precondizionatore polinomiale o di Neumann
A = P − N = P I − P −1 N
−1 −1
A−1 = I − P −1 N P
X∞
= P −1 N P −1
k=0
5
per le differenze finite già non va bene
6
si riduce l’occupazione di memoria
Appunti 35 F.Cadei BS
Capitolo 4
Differenze Finite 2D e 3D
http://aero.polimi.tripod.com
nodi di coordinate
(xi ; yj )
xi = 0, 1, . . . , N
yj = 0, 1, . . . , M
36
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 ) ∈ ∂Ω
l’equazione funziona per i punti interni, la condizione al contorno per il bordo
∂ 2u ∂ 2u
− (x ,
i jy ) − (xi , yj ) = f (xi , yj )
∂x2 ∂y 2
separatamente si conoscono già le approssimazioni
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
−4u + βx + βy + σu = f
∂x ∂y
∂u uI+1 − uI−1
con =
∂x 2hx
∂u uI+(N +1) − uI−(N +1)
con =
∂y 2hy
Appunti 37 F.Cadei BS
4. Differenze Finite 2D e 3D
Appunti 38 F.Cadei BS
4. Differenze Finite 2D e 3D
Appunti 39 F.Cadei BS
4. Differenze Finite 2D e 3D
Per questo tipo di approccio si pagano due codici: strutturato per i nodi
interni e non strutturato sul bordo, in compenso il metodo funziona.
Un’ulteriore soluzione è la mappatura di Ω
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 all’arrotolamento della discretizzazione, inoltre mappando si cam-
biano i sistemi di riferimento e le derivate includono derivate incrociate e con
direzione strane dudx
= dbx du
dx db
x
+ db
y du
dy db
y
.
Sul vero dominio la griglia si deforma e può creare accumulazioni inutili e
addirittura sforare il dominio stesso.
Appunti 40 F.Cadei BS
4. Differenze Finite 2D e 3D
Nel caso di domini 3D tutto funziona come per i domini 2D, ma con una
direzione in più
Appunti 41 F.Cadei BS
Capitolo 5
Spazi
5.1 Spazio L2
Definizione dello spazio L2 (è uno spazio di Lebesgue)
Z 1
2 2
L(0,1) = v : v dx < ∞
0
Prodotto scalare in L2
http://aero.polimi.tripod.com
Z 1
(v, w)L2(0,1) = vw dx
0
Norma in L2 s
q Z 1
kvkL2(0,1) = (v, v)L2(0,1) = v 2 dx
0
5.2 Spazi H 1
Definizione dello spazio H 1 (è uno spazio di Sobolev)
1 2 0 2
H(0,1) = v ∈ L(0,1) , v ∈ L(0,1)
42
5. Spazi
Norma in H 1 e H01
s
q Z 1 Z 1
kvkH(0,1)
1 = (v, v)H(0,1)
1 = v2 dx + v 02 dx
0 0
è un stottospazio di H 1
◦
Definizione dello spazio Xh1
◦
1 1
Xh = vh ∈ Xh , vh (0) = vh (L) = 0
5.4 Proprietà
Disuguaglianza di Cauchy-Schwartz
Disuguaglianza di Poincaré
∃c > 0 (funzione solo nell’intervallo) t.c. ∀u ∈ H01(0,L)
Appunti 43 F.Cadei BS
5. Spazi
1. kvkV ≥ 0 e kvkV = 0 ⇔ v = 0
2. kα · vkV = |α| · kvkV ∀α ∈ R, ∀v ∈ V
3. kv + wkV ≤ kvkV + kwkV ∀v, w ∈ V
Appunti 44 F.Cadei BS
Capitolo 6
Formulazioni deboli
−u00 = f
moltiplico per la funzione test e integro
Z 1 Z 1
00
− u v dx = f v dx
0 0
http://aero.polimi.tripod.com
Z 1 Z 1 h i1
00
− u v dx = u0 v 0 dx − u0 v
0 0 0
riscrivendo il problema
Z 1 h i1 Z 1
u v dx − u0 v =
0 0
f v dx
0 0 0
45
6. Formulazioni deboli
da cui
1 1
Z Z 1
0 2
J(u + δw) = [(u + δw) ] dx − f (u + δw) dx
2 0 0
1 1 02
Z Z 1 Z 1
2 02 0 0
= [u + δ w + 2δu w ] dx − f u dx − f δw dx
2 0 0 0
1 1 2 02
Z Z 1
0 0
= J(u) + [δ w + 2δu w ] dx − f δw dx
2 0 0
di conseguenza
1 1
J(u + δw) − J(u)
Z Z
1 02 0 0
= [δw + 2u w ] dx − f w dx
δ 2 0 0
Appunti 46 F.Cadei BS
6. Formulazioni deboli
◦
trovare u ∈ H01 t.c. ∀v ∈ H01
Z 1 ◦ Z 1 Z 1
0 0
u v dx = f v dx − Rg0 v 0 dx
0 0 0
trovare u0 ∈ H 1 t.c. ∀v ∈ H 1
Z 1 Z 1 Z 1
0 0
u v dx + uv dx = f v dx
0 0 0
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 + ψ1 v(1) − ψ0 v(0)
0 0 0
Appunti 47 F.Cadei BS
6. Formulazioni deboli
F :V →R
es.
1 1 2
Z
F (v) = |v| dx ∀v ∈ V
2 0
Z 1
F (v) = v dx
0
il primo esempio è un funzionale non lineare il secondo lineare, nel senso che
Dirichlet Omogeneo
Z 1
F (v) = f v dx
0
f ∈ L2(0,1) assegnata
∀v ∈ H01 = V lineare
Z 1 Z 1
F (v) = f v dx − Rg0 v 0 dx
0 0
2
f ∈ L(0,1) assegnata
1
Rg ∈ H(0,1)
∀v ∈ H01 = V lineare
Appunti 48 F.Cadei BS
6. Formulazioni deboli
Neumann Omogeneo
Z 1
F (v) = f v dx
0
f ∈ L2(0,1) assegnata
∀v ∈ H 1 = V lineare
6.5.2 Forma
É un’applicazione binaria1 che va da una coppia di spazi ai numeri reali
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
Appunti 49 F.Cadei BS
6. Formulazioni deboli
Forme bilineari
Per forme bilineare si intendono lineari rispetto entrambi gli argomenti
Forme simmetriche
a(u, v) = a(v, u) ∀u, v ∈ V
2. la forma a : V × V → R è:
Appunti 50 F.Cadei BS
6. Formulazioni deboli
1
→ ku0 k2L2 ≤ kuk2V
(0,L) 1 + CP2
1
a(u, u) ≥ kuk2V
1 + CP2
| {z }
α
Appunti 51 F.Cadei BS
Capitolo 7
Metodo degli Elementi Finiti
(Galerkin)
http://aero.polimi.tripod.com
trovare uh ∈ Vh t.c. a(uh , vh ) = F (vh ) ∀vh ∈ Vh
applicando il Lemma di Lax-Milgram ricavo la stabilità del sistema e la sua
controllabilità dai dati c e α
C
∃! la soluzione uh e inoltre kuh k < α
NX
(h)
a ui ϕi (x), vh = F (vh ) ∀vh ∈ Vh
i=1
N (h)
X
ui a(ϕi (x), vh ) = F (vh ) ∀vh ∈ Vh
i=1
se vale per tutte le funzioni di base l’ho controllata per tutto lo spazio
∀vh ∈ V → ∀ϕj ∈ B(Vh )
52
7. Metodo degli Elementi Finiti (Galerkin)
N (h)
X
ui a(ϕi (x), ϕj ) = F (ϕj ) j = 1, 2, ..., N (h)
i=1
X Z xi+1
≈ f (xα ) ϕj ϕi dx
j xi−1
Appunti 53 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
Appunti 54 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
7.1 Convergenza
h→0
? ku − uh k2V −→ 0 ?
M
ku − uh kV ≤ ku − vh kV ∀vh ∈ Vh
α
h→0
se Vh −→ V allora ku − uh k → 0 per h → 0
Appunti 55 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
coercività di a(u, v)
|a(u, v)| ≥ αkuk2V ∀u ∈ V
Z L Z L Z L
0 2 0
ν (u ) dx + |β| u u dx + σ u2 dx
0 0 0
Z L
β
νku0 k2L2 + (u2 )0 dx + σkuk2L2
2
| 0 {z
| {z } | {z }
>0 } >0 trascuro
=0 Dirichlet omog.
ν
|a(u, v)| ≥ kuk2V
1 + CP
| {z }
α
M (ν, β, σ)
ku − uh kV ≤ ku − vh k ∀vh ∈ Vh
α(ν)
per Mα
grande non controllo l’errore, questo avviene per problemi a trasporto
o reazione dominante: |β| ν o σ ν.
Appunti 57 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
lo schema risulta
(
− h (ui+1 − 2ui + ui−1 ) + β2 (ui+1 − ui−1 ) = 0
u(0) = 1 u(L) = 0
h
Moltiplicando la riformulazione del problema per
ottengo
ui = c1 r0i + c2 r1i
| {z }
simile c1 eλ1 t +c2 eλ2 t
Appunti 58 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
βh
νnumerica = +
2
βh
= (1 + )
2
νnum. = (1 + P eh )
non produce oscillazioni spurie per qualsiasi β e per P e > 0 perchè il numero
di Peclét del nuovo problema è sempre minore dell’unità
βh
P e∗ =
|{z} 2νnum.
nuovo problema
βh
=
2(1 + P eh )
P eh
P e∗ = <1 ∀h
1 + P eh
Decentrare gli elementi finiti significa cambiare la viscosità, la formulazione
debole al problema omogeneo di trasporto dominante diventa
Z L Z L
0 0
νnum. uh vh dx + β u0h vh dx = 0 ∀vh ∈ Vh
0 0
Appunti 59 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
Appunti 60 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
per = 0 trovo (
ui−1 + 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.
Appunti 61 F.Cadei BS
7. Metodo degli Elementi Finiti (Galerkin)
Appunti 62 F.Cadei BS
Capitolo 8
Discretizzazione di ordine 2 in spazio
dipendenti dal tempo
Problema parabolico
∂u
u00 +β |{z}
− ν |{z} u0 +σu = f u = u(x, t)
∂t 2 ∂u
∂ u
∂x2 ∂x
http://aero.polimi.tripod.com
x ∈ (0, L) e t ∈ [0, T ]
mi occupo di coefficienti variabili al massimo dipendenti dal solo spazio:
63
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Tipo 1
Z Z
∂u
( + Lu)v dQ = f v dQ
Q ∂t Q
significa che anche v = v(x, t), se faccio cosı̀ 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
v dx + Luv dx = f v dx
0 ∂t 0 0
affetto Q per ogni istante temporale cosı̀ 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 l’hp di Lax-Milgram ⇒ ∃! della soluzione
la coercività diventa
R ∂u u=v
v −→ 12 ∂t
∂
u = 12 ∂t
∂
R 2
∂t
kuk2L2 u(t, 0) = u0 (x) indebolisco la coercività, ho
tralasciato t = 0 quindi fisso una condizione al contorno ∀x ∈ (0, L)
coercività debole:
a(u, u) + λkuk2L2 ≥ αkuk2V
Appunti 64 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
ui (t) perchè devo sentire il tempo in qualche modo, ϕi (x) perchè Vh 6= V (x, t)
N (h) N (h)
X ∂uj Z L X Z L
ϕj (x)ϕi (x) dx + uj (t) a(ϕj (x), ϕi ) = f (x, t)ϕi (x) dx
j=1
∂t 0 j=1
| {z } 0
| {z } kij
mij
Appunti 65 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
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
oppure sostituisco M con M̃ usando mass − lumping, riduco la dimensione
dell’inversione all’inversione di una matrice diagonale.
8.3.3 Crank-Nicolson
cerco l’ordine 2, combino E.E ed E.I. e genero i θmetodi θ[0, 1]
~un+1 − ~un
M + θK~un+1 + (1 − θ)K~un = θF~ (tn+1 ) + (1 − θ)F~ (tn )
∆t
Appunti 66 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
θ = 1 Eulero Implicito
θ = 0 Eulero Esplicito
θ = 1/2 Crank − N icolson
Appunti 67 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
lim y(t) = 0
t→∞
a(w, v) = λ(w, v) ∀v ∈ V
Appunti 68 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
K w~h = λh M w~h
(M −1 K)w~h = λh w~h
Appunti 69 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Appunti 70 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
∀∆t ≤ ∆t0
oppure
λy(t) è la scelta del problema a cui applicare la soluzione con λ ∈ C R(λ) < 0
(non è un esempio, è il problema sul quale si studia l’assoluta stabilità)
(
y 0 (t) = λy(t) t→∞
y(t) = eλt −→ 0
y(0) = y0
Appunti 71 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Figura 8.2: Scelta del problema per lo studio della asintotica stabilità.
un+1 = un + hf (tn , un )
un+1 = un + hλun
= un (1 + hλ)
hλ )n+1
= u0 (1 + |{z}
z
Appunti 72 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Eulero Implicito
un+1 = un + ∆tλun+1
un
=
1 − ∆tλ
u0
=
(1 − ∆tλ)n+1
sempre < 1, incondizionatamente asintoticamente stabile ∀∆t perchè R(λ) <
0
In questo caso
y 0 (t) = f (t, y(t))
λ? da T aylor
∂f
y 0 (t) ' f (t̄, y(t̄)) + (t̄, y(t̄))(y(t) − y(t̄))
∂y
∂f
y 0 (t) = (t̄, y(t̄))y(t)
∂y
tronco brutalmente perchè ai fini della stabilità mi serve solo λ
∂f
y 0 (t) = (t̄, y(t̄)) y(t)
∂y
| {z }
λ
θ-metodo
1 n+1 1 n
ui + θλi un+1 + (1 − θ)λi uni = u
∆t i
∆t i
un+1
i (1 + ∆tθλi ) = uni [1 − (1 − θ)λi ∆t]
1 − (1 − θ)λi ∆t n
un+1
i = ui
1 + ∆tθλi
Appunti 73 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
asintoticamente stabile se
|1 − (1 − θ)λi ∆t|
< 1
|1 + ∆tθλi |
1 − (1 − θ)λi ∆t
−1 < < 1
1 + ∆tλi θ
−1 − θλi ∆t < 1 − (1 − θ)λi ∆t < 1 + θλi ∆t
| {z }
1+θλi ∆t−λi ∆t
Appunti 74 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Appunti 75 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
la formulazione debole è
Z Z Z
∂u n
v(x, t) dQ − u v(x, t) dQ = f v(x, t) dQ
Q ∂t Q Q
∀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
0 0 ∂t 0 0 0 0
| {z }
potrei integrare
Z 1 Z T Z 1 Z T Z T Z 1 Z T
∂u 0 0
h
0
i1
v dt dx + u v dt dx − uv dt = f v(x, t) dt dx
0 0 ∂t 0 0 0 0 0 0
Appunti 76 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Z 1 Z T Z 1 Z T Z 1 Z T
∂u 0 0
v dt dx + u v dt dx = f v dt dx
0 0 ∂t 0 0 0 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
v dt dx = − u dt dx + uv dx
0 0 ∂t 0 0 ∂t 0 0
Z 1 h iT Z 1 Z 1 considerando
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
cosı̀ 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
l’approssimazioni di Galerkin
H→0
VH ⊂ V t.c. dimVH = N (H) < Q+∞ con VH −→ V
cerco u ∈ VH t.c. uH (x, 0) = H u0 ∀x ∈ (0, 1)
R 1 R T ∂uH H R1RT
0 0
v dt dx + · · · = 0 0 f vH dt dx
∂t H
∀vH ∈ VH
VH ⊂ (H 1 )2 = H 1 (0, 1) × H 1 (0, T )
VH = {vH : vH |k ∈ Pr , vH ∈ C 0 (Q)} + condizioni al bordo
Appunti 77 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
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
p(x, y) = a0 + a1 x + a2 y
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
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
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
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Appunti 80 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
(tk − t)(xs − x)
ϕ(x, t) = ϕ(xs+1 , tk+1 ) =
(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
1
ϕ(x, t) = (tk − t)(xs − x) H = max(h, ∆t)
h∆t
N (H)
∂uH X ∂ϕj
= uh (x, t)
∂t j=1
∂t
|{z}
1
± ∆t
Appunti 81 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
R t1 R xs R t1 R xs+1
... + 1
∆t t0 xs−1
ut1 ,xs x−xhs−1 ϕt1 ,s + ∆t
1
t0 xs
ut1 ,xs xs+1h −x ϕt1 ,s +
1
R t1 R xs+1
+ ∆t t0 xs
ut1 ,xs+1 x−x
h
s
ϕt1 ,s
Appunti 82 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
NX
(h) NX
(h)
= u1j ϕj (x) ψ1 (t) + u0j ϕj (x) ψ0 (t)
j=0 j=0
Appunti 83 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
formulazione debole
Z t1 Z 1 Z t1 Z xj+1
∂uH ∂uH
vH dx dt = ϕh (x) dx ψ1 (t) dt
t0 0 ∂t t0 xj−1 ∂t
Z t1 Z xj+1 h
dψ1 dψ0 i
= u1h (x) + u0h (x) ϕj (x) dt ψ1 dt
t0 xj−1 dt | {z } dt
noto
Z t1 Z xj+1
dψ1 (t)
= ψ1 (t) dt u1h (x)ϕj (x) dx +
t0 dt xj−1
Z t1 Z xj+1
dψ0 (t)
+ ψ0 (t) dt u0h (x)ϕj (x) dx
t0 dt xj−1
Z xj+1 NX (h)
1
= u1i ϕi (x) ϕj (x) dx −
2 xj−1
| i=0 {z }
u1h (x)
Z xj+1 N (h)
1 X
− u0i ϕi (x)ϕj (x) dx
2 xj−1 i=0
precedentemente sono stati fatti tutti i conti portando fuori le serie ecc.
R xj+1
M = (mij ) = xj−1 ϕi ϕj
u1 = u1j , u0 = u0j
1 1
M u1 − M u0
|2 {z 2 }
∂uH
∂t
Z t1 Z 1 Z t1 Z xj+1
u0H vH
0
= u0H ϕ0j (x)ψ1 (t)
t0 0 t0 xj−1
Z t1 Z xj+1 h 0 0 i
= u1h (x) ψ1 (t) + u0h (x) ψ0 (t) ϕ0h ψ1 (t)
t0 xj−1
Z t1 2
Z xj+1 0
= ψ1 (t) dt u1h (x) ϕ0j (x) dx +
| t0 {z } xj−1
Simpson
Appunti 84 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
Appunti 85 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
dalla figura si nota che esiste una dipendenza dai tempi successivi, t0 vede
t1/2 e t1 e cosı̀ via
Z t1 Z 1
∂uH
vH vH = ϕj (x)ψ1/2 (t), ϕj (x)ψ1 (t)
t0 0 ∂t
Z t1 Z xj+1
0 dψ0 1/2 dψ1/2 dψ1
= ψ1 (t) uh (x) + uh (x) + u1h ϕj dx dt
t0 xj−1 dt dt dt
1/2
uH (x, t) = u0h (x)ψ0 (t) + uh (x)ψ1/2 (t) + u1h (x)ψ1 (t)
Z t1
dψ0
α1,0 = ψ1 (t)
dt
Z xj+1 t0 Z xj+1 Z xj+1
0 1/2
= α1,0 uh ϕh dx + α1,1/2 uh ϕh dx + α1,1 u1h ϕj dx
xj−1 xj−1 xj−1
X
u0h (x) = u0i ϕi (x)
i
allora
0 1/2 1 1
α1,0 M u + α1,1/2 M u + α1,1 M u = F per ψ1 (t)ϕj (x)
α1/2,0 M u0 + α1/2,1/2 M u1/2 + α1/2,1 M u1 = F 1/2
0 Q
u = h u0
è un sistema a blocchi che va risolto cosı̀ com’è ed è pesante, il costo è molto
più alto rispetto a Crank-Nicolson
α1,1/2 M α1,1 M
α1/2,1/2 M α1/2,1 M
è una matrice che non si riesce a diagonalizzare.
Appunti 86 F.Cadei BS
8. Discretizzazione di ordine 2 in spazio dipendenti dal tempo
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.
Appunti 87 F.Cadei BS
Capitolo 9
Temi d’esame
In questa sezione si intede inserire alcuni temi d’esame delle sessioni passate1
del prof. F.Saleri ed uno del prof. P.Zunino.
http://aero.polimi.tripod.com
Esercizio
Si consideri il seguente problema ai limiti
2
d d
− dx2 u − 100 dx u = 0
x ∈ (0, 1)
d 100e100
dx
u(0) = 1−e100 (9.1)
u(1) = 0
88
9. Temi d’esame
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 più i nodi x − h1 − h2 , x − h1 e
x, essendo h1 e h2 due quantità positive assegnate.
Domanda 2.
1. 5 pt. In cosa differisce il metodo del gradiente coniugato da quello del
gradiente?
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 uni-
forme 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.
Appunti 89 F.Cadei BS
9. Temi d’esame
Domanda 2.
1. 3 pt. Si riporti un esempio di problema parabolico, precisando le
condizioni che lo rendono ben posto.
Esercizio
Si consider il problema ai limiti seguente
0
1 0 1 1 2 1
− u + u = x2 cosh 2 x x∈ ,1
x2 2
u 21 = sinh 18 (9.2)
u(1) = sinh 1
2
Appunti 90 F.Cadei BS
9. Temi d’esame
3. 2 pt. A quale proprietà deve soddisfare una direzione per essere con-
siderata ottimale?
4. 2 pt. Si riportino le stime per l’errore dei metodi del gradiente e del
gradiente coniugato.
Domanda 2.
1. 3 pt. Si dimostri il lemma di Céa e se ne dia una interpretazione
geometrica.
Esercizio
si consideri il problema ai limiti seguente:
− ex2 u0 0 = 2
(9.3)
u(−1) = 1 , u0 (0) = 0
e
Appunti 91 F.Cadei BS
9. Temi d’esame
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 ∈ Rn×n .
2. Dopo quante iterazioni il metodo del gradiente coniugato converge
sicuramente? Quale disuguaglianza soddisfa l’errore?
3. Si stimi, in termine di n, il numero di poerazioni che tale metodo
richiede ad ogni passo e si individui l’operazione più costosa.
Appunti 92 F.Cadei BS
9. Temi d’esame
Esercizio
Si consideri il problema ai limiti seguente:
( 10x
−u00 = −100 ee10 −1 x ∈ (0, 1)
(9.5)
u(0) = 0, u(1) = 1
Si supponga di utilizzare una griglia non uniforme di n + 1 nodi 0 = x0 <
x1 < · · · < xn−1 < xn = 1, composta da n sottointervalli di ampiezza
hi = xi − xi−1 , per i = 1, 2, . . . , n.
1. Calcolare l’errore di troncamento τ u(x) = D2 u(x)−u00 (x), dove D2 u(x)
è l’approssimazione della derivata seconda di u, data da
ui−1 ui ui+1
D2 u(xi ) = 2 −2 +2 (9.6)
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 discretiz-
zando 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 l’errore di
norma infinito, sapendo che la soluzione esatta è data da:
e10x − 1
uex (x) =
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 l’errore ottenuto in
scala logarirmica al variare di n. Che ordine di convergenza si osserva
(rispetto ad n−1 ? Perchè? Si ricorda che in un intorno di zero vale la
seguete formula:
x2
ln(1 + x) = x − + O(x3 )
2
Appunti 93 F.Cadei BS
9. Temi d’esame
Domanda 2.
Si consideri il seguente problema parabolico:
∂
∂t
u + Lu = f (x, t) ∈ (0, 1) × (0, T )
u(0) = 0 t ∈ (0, T )
(9.7)
u(1) = 0 t ∈ (0, T )
x ∈ (0, 1)
u(x, 0) = u0 (x)
Esercizio
Si consideri il problema ai limiti seguente
(
−u00 + 4u = 4sign(x)(2x2 − 1) x ∈ (−1, 1)
(9.8)
u(−1) = −1, u(1) = 1
Appunti 94 F.Cadei BS
9. Temi d’esame
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 + β u0 v dx ∀u, v ∈ H01 (0, 1)
0 0
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 d’esame
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
xi , i = 0, . . . , N e sia Xh,0 ⊂ H01 (0, 1) lo spazio delle funzioni continue
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)
Domanda 3.
Dato il problema:
∂
∂t
u − u00 = f (x, t) ∈ (0, 1) × (0, T )
u(0, t) = u(1, t) = 0
u(x, 0) = u0 (x)
Appunti 96 F.Cadei BS
9. Temi d’esame
Domanda 4.
Sia dato il seguente problema di diffusione e trasporto
(
−u00 + βu0 = 0, x ∈ (0, 1)
u(0) = 0, u(1) = 1
che ammette la soluzione esatta
βx
1−e
u(x) = β
1 − e
dove = ln(i100
N )+1
e β = 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 appli-
cato 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 l’ordine di convergenza effettivo rispetto ad h del metodo in
esame e confrontarlo con quello previsto dalla teoria nelle corrispon-
denti norme. Riportare l’ordine di convergenza effettivo e teorico sia
per la norma k · kL2 (0,1) che per la norma k · kH 1 (0,1) .
Appunti 97 F.Cadei BS
9. Temi d’esame
Domanda 2.
1. Dati V, a(·, ·), F (·) del problema della Domanda 1., spiegare la formu-
lazione del metodo agli elementi finiti di Galerkin.
h→0
2. Mostrare che per kv − vh kV −→ 0 allora ku − uh kV → 0.
Domanda 3.
1. Scrivere uno schema centrato per approssimare Dc2 f (xi ) con
1 − x3
f= −1<x<1
1 + x2
Domanda 4.
Con lo schema centrato ricavato alla Domanda 3.1
Domanda 5.
Sia dato il seguente problema di diffusione e reazione
(
−u00 + σu = 0, x ∈ (0, 1)
u(0) = 0, u(1) = 1
Appunti 98 F.Cadei BS
9. Temi d’esame
dove = ln(i100
N )+1
e σ = (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.
Appunti 99 F.Cadei BS
"!"#$%'&()+*,%-./0()132,4562,7567,2,298
:<;>=?=A@CBED);GFH@
IE%KJA0LLM%&A0(NO$0P./RQS!+%K()UT,L$5O!0 i , i $0LLM%$#VW%K$%'X
N C
Y Z [ \ ] ^ _ ` a b c d e f g I h i
j 7 k X l m 8 4 n j 2 j,j j 7 j k j X j l j m j 8 j 4 jn 7,2 7j
o'p
rqs o qutvwt
xM%$%K.y%LM%Hz{|"O# f ∈ L2 (0, 1)
"$L!"#(/(/O})&?#$0x.)~zw|"O#S%KLO F (·) : L2 (0, 1) → R
$Q.)'$%5
Z 1
F (v) := f v dx, ∀v ∈ L2 (0, 1).
0
\ V',}/./(y%K()U!) F (v)
L+%K()~LV.y%K.)T,})./RQS!+%K$W!"#(/T9#()~VW%K.)0VW%K./O!"#T,&S%#})}y%KT,T,O
p p sHH
F (v) L+%K(),
Z 1 Z 1 Z 1
F (αv + βv) = f (αv + βv) = α fv + β f v = αF (v) + βF (v).
0 0 0
LV.y%K.)&A#O!) }/S%
a 5z%K././ 5T,(y%K|"OU%KLLM%$5O}/T,Sf %K∈T,LML%K(0,
|%W1)$5 [ %K!)x|FP(v)|
!0≤%K(/|9M kvkL (0,1)
F (v) 2
2
|F (v)| = |
Z 1
f v| ≤ kf kL2 (0,1) kvkL2 (0,1)
$%!0}y0T, M = kf kL2 (0,1) .
0
j
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
$5V',}/./(y%K()U!y"}/O}/.)1S%'!",}/.y%KP.)~&A,}/./*,% C .y%KLO!y,
kukH 1 (0,1) ≤ Ckf kL2 (0,1) .
•
a A
L w
z
"
| O
#
S
K
% O
L F (·)
L+%K()LV.y%K.)}/*9"$%LM%$#VW%K$% j j
b %zw#(/VW% JL+%K() j !"#P./xS% 79£!"#()"!0*#% k9 e * *90()&?0(#T, u, v, w ∈ V
•
*#%KLT9#'LOa(·, })0T,·)0P ./&()#&(/O0.y¤5
(1) a(αu + βv, w) = αa(u, w) + βa(v, w), ∀α, β ∈ R,
a(u, αv + βw) = αa(u, v) + βa(u, w), ∀α, β ∈ R,
(2) ∃M > 0
+. ¥!, a(u, v) ≤ M kuk kvk ,
(3) ∃α > 0
+
. ¥
,
! 2
a(v, v) ≥ αkvk .
V V
αkuk2H 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,$5()0./.y%KV'0P.)HL(/O}/L.y%K.)'!"# C = 1/α
7
o'p
rqs o q§?vwt
xM%'$%K.y%LM%zw#(/VW% a(·, ·) : H01 (0, 1) × H01 (0, 1) → R
Z 1 Z 1
a(u, v) := 0 0
u v dx + β u0 v dx ∀u, v ∈ H01 (0, 1),
0 0
$*9 })#N&S%K(y%KV'0./(/ ()+%KL5C&?,})./*x \ V',}/./(y%K()¨!y !" 0()!0*#%N0LLM%>#(/VW%
})}©%KT,T,v)
] P !0M%K()βUT,}/./RQS!+%K()!"#(/T9#()~VW%K.)0VW%K./O!"W./././&S%#a(u, k·kH 1 (0,1)
#!+%K(),
∀v ∈ H01 (0, 1), ∃Cp > 0
.+¥!, kvk 0
L (0,1) ≤ Cp kv kL (0,1) ,
#./.)0M%KV'WLM%})0T,0P.)H}/./VW%5z0(/O#()&A0(>L&(/V'.)0(/V,
2 2
$%!0(/O}/L.y%!) α=
min(1, C1p )
2
k
o'p
rqs o q§?vO
xM% a(u, v) LM%3z#(/VW%JL+%K()3$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#
!"#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
1/N 1
x =1
a L})0T,0x.)&()#JLO0VW%5 0
N
./()+*,%K() 1 (0, 1)
uh ∈ Xh,0
.y%KLO~!y 1 (0, 1)
a(uh , vh ) = F (vh ), ∀vh ∈ Xh,0
$"*9¦x *,%KLO0P.)G%1$0.)0(/VSLM%ª%K()JSG%#})*#%KLM%KLO#T,(/(y %KuT,i M:= .y%KLS!y u (x) = PN −1 u ϕ̂ (x)
%KS%$5 X 1 (0, 1) b >!"#T,.) u }yx$h$5O}¯z%KªSi=1%1()0LM%Ki |"Oi#
uh (xi ), i = 1, . . . , N −1
{ϕ̂1 , . . . , ϕ̂N −1 }
$0L./&? h,0 i
X
o'p
rqs o q±°
xM%$%K.y%®S%z{|"O# v ∈ H s(0, 1) !"# s ∈ N, s ≥ 2 ²xM%$%K.y%S%³&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
0LO0V'0x./NQ./$5T,(y%#$ r
(0, 1) j
l
o'p
rqs o q·¶
xM%'$%K.)L})0T,0P.)&()#JLO0VW%'$5$5R¸A}/O#1./(y%#}/&A#(/.)
−u00 + βu0 = 0, x ∈ (0, 1),
u(0) = 0, u(1) = 1,
!yU%KVV'0./.)LM%}y#L|"O#"}y%K./.y%5
βx
1 − exp
u(x) = β
,
1 − exp
$ *9 = (log(i ) + 1) · 10−2 β = log(i ) + 1 "})})0$ i , i T,L$5O!0S!"#(/(/O}/&A#$0P./%KLLO>*9,}/./()
e ()$5U$5!"#P*90(/T90|%W¸A0././*9W0LLM%#(/VW% k · k
L (0,1) . . . . . . . . . 2
e ()$5U$5!"#P*90(/T90|%'.)"#(/O!"'0LLM%#(/VW% k · k
L (0,1) . . . . . . . . .
2
e ()$5U$5!"#P*90(/T90|%W¸A0././*9W0LLM%#(/VW% k · k
H (0,1) . . . . . . . . . 1
e ()$5U$5!"#P*90(/T90|%'.)"#(/O!"'0LLM%#(/VW% k · k .........
H 1 (0,1)