Professional Documents
Culture Documents
13
Sự tùy tiện của Galerkin đối với các bài toán biến phân như được mô tả trong Chương 8 dẫn đến
các hệ phương trình đại số tuyến tính lớn. Trong trường hợp toán tử vi phân riêng elliptic và tự
liền kề, ma trận hệ thống là đối xứng và xác định dương. Do đó, chúng ta có thể sử dụng phương
pháp chuyển sắc liên hợp để giải hệ thống kết quả một cách lặp lại. Thay vào đó, sự tùy tiện của
Galerkin đối với bài toán điểm yên ngựa, ví dụ khi xem xét sơ đồ phần tử hữu hạn hỗn hợp hoặc
công thức đối xứng của phương trình tích phân biên, dẫn đến một hệ tuyến tính trong đó ma trận
Bằng cách áp dụng một phép biến đổi thích hợp, hệ thống này có thể được giải lại bằng cách sử
dụng phương pháp gradient liên hợp. Vì chúng tôi quan tâm đến các thuật toán giải pháp lặp lại
trong đó hành vi hội tụ độc lập với kích thước vấn đề, tức là mạnh mẽ đối với kích thước mắt
lưới, chúng tôi cần sử dụng các chiến lược tiền điều kiện thích hợp. Đối với điều này, trước
tiên chúng tôi mô tả và phân tích một cách tiếp cận khá tổng quát dựa trên việc sử dụng các toán
tử có thứ tự ngược lại và đưa ra hai ví dụ sau cho cả phương pháp phần tử hữu hạn và phần tử
biên. Để có lý thuyết chi tiết hơn về các phương pháp lặp tổng quát, chúng tôi tham khảo [4, 11,
70, 143].
Chúng ta cần tính vectơ nghiệm u RM của một dãy các hệ phương trình đại số tuyến tính (8.5),
thứ nguyên của không gian thử nghiệm được sử dụng cho sự tùy biến của bài toán biến phân elliptic
cơ bản (8.1).
Để suy ra phương pháp của gradient liên hợp, chúng ta bắt đầu với một hệ thống các vectơ
M 1
liên hợp hoặc AM – trực giao {p k} k = 0 làm hài lòng
k
(AMp , pℓ ) = 0 với k, ℓ = 0, ..., M - 1, k = ℓ.
Machine Translated by Google
k
(AMp , pk ) > 0 với k = 0, 1, ..., M - 1.
0
Đối với một dự đoán ban đầu tùy ý cho RM , chúng ta có thể viết lời giải duy nhất
trước uu RM của hệ tuyến tính AMu = f là một tổ hợp tuyến tính của liên hợp
vectơ như
M 1
ℓ αℓp .
-
0 u = u
ℓ = 0
Do đó chúng tôi có
M 1
0 - ℓ
AMu = AMu αℓAMp = f,
ℓ = 0
ℓ
và từ tính trực giao AM – trực giao của vectơ cơ sở p chúng ta có thể tính toán
0
(AMu - f, pℓ )
αℓ = ℓ cho ℓ = 0, 1, ..., M - 1.
(AMp , pℓ)
Đối với một số k = 0, 1, ..., M, chúng ta có thể xác định một nghiệm gần đúng
k 1
ℓ M
0 : = u -
k
bạn
αℓp R
ℓ = 0
k + 1 kk : = u
u - αkp cho k = 0, 1, ..., M - 1,
M 1
và từ tính trực giao AM – của vectơ {p ℓ} ℓ = 0
chúng tôi đạt được
k 1
0 - ℓ
0
αℓAMp k
(AMu - f, pk ) & AMu ℓ = 0 - f, pk ' = (AMu - f, pk )
αk = = .
(AMp k, pk) (AMp k, pk) (AMp k, pk)
k
(r , pk )
αk = . (13,1)
(AMp k, pk)
k
+ 1 Mặt khác, với k = 0, 1, ..., M - 1, chúng ta có thể tính số dư r một cách đệ
quy bằng cách
Machine Translated by Google
k + 1 k + 1 kk - αkp k k
r = AMu - f = AM (u ) - f = r - αkAMp .
M1
Phương pháp trên dựa trên việc sử dụng vectơ AM – trực giao {p ℓ} ℓ = 0.
Một hệ thống vectơ như vậy có thể được xây dựng bằng cách áp dụng thuật toán trực giao
M 1
Gram – Schmidt được áp dụng cho một số hệ thống nhất định {w ℓ} vectơ độc lập tuyếnℓ = 0
Tính k = 0, 1, ..., M - 2:
k
k + k + - ℓ (AMw k + 1,
1 : = w
1 p βkℓp pℓ ) , βkℓ =
(Apℓ , pℓ)
ℓ = 0
ℓ ℓ k
span {p }k ℓ = 0 = span {w }ℓ = 0 .
M 1
Nó vẫn là để xác định hệ thống vectơ ban đầu {w ℓ} ℓ = 0 . Một khả năng là [59].
k chọn vectơ cơ sở đơn vị w k : = e
= (δk + 1, ℓ)ℓ M
= 1 Ngoài ra, chúng ta k +
tìm thấy các hệ vectơ w vectơ cơ
1 từ
sở các
{p ℓ}
thuộc
k vàtính
{r ℓ}
của
k hệ thức đã được xây dựng có thể
ℓ = 0 ℓ = 0.
(r k + 1, pℓ ) = 0 với ℓ = 0, 1, ..., k.
Bằng chứng. Với ℓ = k = 1, ..., M - 1, chúng ta có bằng cách sử dụng (13.1) để xác
số trực giao αk và bằng cách sử dụng đệ quy của phần dư r định hệ số k + 1 các hệ
k k
(r k + 1, pk ) = (r , pk ) - αk (AMp , pk ) = 0 .
k k
(r k + 1, pk 1 ) = (r , pk 1 ) - αk (AMp , pk 1 ) = 0
k k
bằng cách áp dụng tính trực giao AM của và p 1 . Bây giờ khẳng định sau
(r k + 1, wℓ ) = 0 với ℓ = 0, 1, ..., k.
Machine Translated by Google
ℓ
Bằng chứng. Bằng cách xây dựng các hướng tìm kiếm p từ Gram – Schmidt
ℓ 1
j
ℓ w + = pℓ βℓ 1, jp .
j = 0
ℓ 1
(r k + 1, wℓ ) = (r k + 1, pℓ ) + βℓ 1, j (r k + 1, pj ),
j = 0
0 w
,w1 , ..., wk , rk + 1
là trực giao với nhau, và do đó độc lập tuyến tính. Vì chúng ta cần 0 , ..., pk và do
p 0 , ..., wk để xây dựng nghiệm gần đúng uđók vec
+ 1 ban đầuđóchỉ
và do cácbiết
phầncác
tử hướng
w dư rtìm
k +kiếm
1,
k +
1 w : = rk + 1 cho k = 0, ..., M - 2
k 1
k k k k
(r , pk ) = (r ,rk ) + βk 1, ℓ (r , pℓ ) = (r ,rk ),
ℓ = 0
k
(r ,rk )
αk = cho k = 0, ..., M - 1.
(AMp k, pk)
(r ℓ + 1, rℓ + 1) = (r ℓ - αℓApℓ , rℓ + 1) = (r ℓ , rℓ + 1) = 0
ℓ + 1chỉ
ℓ +r 1hệ= thống
0 và do đó utính
tuyến ám = u sẽ là giải pháp chính xác của
AMu = f.
Machine Translated by Google
ℓ + 1
ℓ
AMp ℓ r - r
αℓ
k + 1
k + 1 và bằng cách sử dụng tính đối xứng của ma trận hệ thống
AM = A M ta có thể tính mẫu số của hệ số βkℓ là
chúng
ℓ
(AMw k + 1, pℓ ) = (r k + 1, AMp (r k + 1, rℓ - r ℓ + 1)
αℓ
(r k + 1, rk + 1)
αk
k + 1 k (r k + 1, rk + 1)
- βkkp
(AMp k, pk)
k k k k
, rk βk 1, k 1p k 1 ) = (r rk )
k + k + 1 k
1 p + βkp
0
Đối với một phỏng đoán ban đầu tùy ý bạn tính toán
0 r : = AMu 0 0 0
- f, p0 : = r , ̺0 : = (r , r0 ).
Với k = 0, 1, 2, ..., M - 2:
k s k k
: = AMp , σk : = (s , pk ), αk : = ̺k / σk;
kk - αks ;
k +
1 u
k : = u , rk + 1 : = r
k - αkp
̺K + 1 : = (r k + 1, rk + 1) .
Dừng lại, nếu ̺k + 1 ≤ ε̺0 thỏa mãn với độ chính xác nhất định ε.
Nếu không, hãy tính hướng tìm kiếm mới
k + 1 k .
βk : = ̺k + 1 / ̺k, pk + 1 : = r + βkp
Nếu ma trận AM là đối xứng và xác định dương, chúng ta có thể xác định
· AM : = . (AM ·, ·)
là một định mức tương đương trong RM. Hơn thế nữa,
1 λmax (AM)
Một M 2 =
κ2 (AM) : = AM 2
λmin (AM)
là số điều kiện phổ của ma trix AM xác định dương và đối xứng trong đó ·
2 là chuẩn ma trận được tạothể
ta có ra chứng
bởi tích bên
minh trong
ước Euclide.
lượng sau đây Sau
cho đó, người
k nghiệm
gần đúng mà u xem ví dụ [70, 143].
,
k
2q . κ2 (AM) +1 -
.
k
- u A ≤ 0 u u A trong đó q : = . κ2 (SA) - 1
bạn
2k
1 + q
Để đảm bảo một độ chính xác tương đối nhất định ε (0, 1), chúng ta tìm số
kε N của các bước lặp bắt buộc từ
k
k u - u A 2q
≤ 2k ≤ ε
0 u - u A 1 + q
và do đó
ln [1 - √ 1 - ε 2] - ln
ε kε > ln q Số kε rõ ràng phụ .
thuộc vào q
và do đó phụ thuộc vào số điều kiện phổ κ2 (AM) của AM. Khi xem xét tính tùy ý của các
bài toán biến thiên elip bằng cách sử dụng phần tử hữu hạn hoặc phần tử biên, số điều
kiện phổ κ2 (AM) phụ thuộc vào kích thước M N của không gian thử nghiệm hữu hạn chiều
đã sử dụng, hoặc vào kích thước lưới cơ bản h.
Trong trường hợp tùy ý phần tử hữu hạn, chúng ta có số lượng sai lệch
phổ, bằng cách sử dụng ước lượng (11.13),
PTHH 2 PTHH PTHH
κ2 (A h ) = O (h ), tức là κ2 (A h / 2 ) ≈ 4 κ2 (A h )
khi xem xét chiến lược sàng lọc lưới gần như đồng nhất trên toàn cầu. Về mặt lý thuyết,
điều này mang lại cho
) +1
h / 2
/ κ2 (AFEM / h )+1
2 . κ2 (AFEM
≈ ln
ln qh / 2 = ln
) - 1 h )- 1
2 . κ2 (AFEM
h / 2
κ2 (AFEM
1 h ) +1 .
. κ2 (AFEM 1
≈ ln =
Trong qh .
2 2
κ2 (AFEM h) - 1
Machine Translated by Google
Do đó, trong trường hợp một bước tinh chỉnh đồng nhất, tức là giảm một nửa lưới
kích thước h, số lần lặp lại cần thiết được tăng gấp đôi để đạt được cùng một tương đối
độ chính xác ε. Ví dụ, chúng tôi chọn ε = 10 10. Trong Bảng 13.1, chúng tôi đưa ra
số lần lặp lại của phương pháp gradient liên hợp để thu được kết quả
đã được trình bày trong Bảng 11.2.
PTHH BEM
L N κ2 (Ah) 2 64 Iter N κ2 (Vh) Iter
12,66 13 16 24,14 số 8
Khi xem xét sự tùy tiện có thể so sánh bằng cách sử dụng các yếu tố ranh giới như
đã được thảo luận trong Bảng 12.2, chúng tôi thu được số điều kiện phổ
của ma trận hệ thống
Số lần lặp lại bắt buộc để đạt được độ chính xác tương đối nhất định ε sau đó
tăng với hệ số √ 2, xem Bảng 13.1.
Do đó, cần nghiêm túc xây dựng các thuật toán lặp lại
gần như mạnh mẽ đối với tất cả các thông số tùy chỉnh, tức là đối với
đến kích thước mắt lưới h. Nói chung, điều này có thể được thực hiện bằng cách đưa ra khái niệm
1/2
C = JD1 / 2 J , DCA = Diag (. Λk (CA))
Một CA
Thay vì hệ thống tuyến tính AMu = f bây giờ chúng ta coi hệ thống tương đương
Machine Translated by Google
1/2 1/2
A : = C Một AMC Một
một lần nữa đối xứng và xác định dương. Do đó chúng ta có thể áp dụng phương pháp
các gradient liên hợp như được mô tả trong Thuật toán 13.2 để tính chuyển đổi
1/2
vectơ nghiệm được tạo thành u = C u. Chèn tất cả các phép biến đổi, cuối cùng chúng ta
A có được phương pháp điều chỉnh trước của gradient liên hợp, xem Thuật toán 13.3.
0
Đối với một dự đoán ban đầu tùy ý x tính toán
1
r0 : = AMx
0
- f, v0 : = C r 0 , p0 : = v 0 , ̺0 : = (v 0 , r0 ).
Một
Với k = 0, 1, 2, ..., M - 2:
S k : = AMp k
, σk : = (s
k
, pk ), αk : = ̺k / σk;
k +
1 x : = x kk - αkp kk
, rk + 1 : = r - αks ;
v k + 1 :1 = C
Một r k + 1, ̺k + 1 : = (v k + 1, rk + 1) .
Dừng lại, nếu ̺k + 1 ≤ ε̺0 thỏa mãn với độ chính xác nhất định ε.
Nếu không, tính toán hướng tìm kiếm mới
k + 1 k .
βk : = ̺k + 1 / ̺k, pk + 1 : = v + βkp
Thuật toán 13.3: Phương pháp điều chỉnh trước của gradient liên hợp.
Thuật toán 13.3 của phương pháp điều chỉnh trước của các chuyển sắc liên hợp
k k
yêu cầu một ma trận theo tích vectơ trên mỗi bước lặp, s = AMp , lại và một
k 1
+ 1 ứng dụng của ma trận điều kiện trước nghịch đảo, v = C Một
r k + 1. Từ
k
Định lý 13.3 ta thu được ước lượng sai số cho nghiệm gần đúng u ,
2q / κ2 (A ) +1
k u - u Một ≤ 2k
0 u - u Một trong đó q = .
1 + q
/ κ2 (A ) - 1
1/2
Lưu ý rằng đối với z = C Một
z chúng tôi có
2 1/2 2
z Một = (AC A z,
C1 / 2
Một z) = (AMz, z) = z SÁNG .
k 1/2
Do đó, đối với giải pháp gần đúng, u = C Một
u k chúng tôi tìm thấy ước tính lỗi
k 2q
bạn
- u AM ≤ 0 u - u AM .
2k
1 + q
Machine Translated by Google
Để ràng buộc các giá trị riêng cực trị của ma trận hệ thống đã biến đổi A , chúng ta
lấy từ thương số Rayleigh
(A ,z ) (A ,z )
z λmin (A ) = phút z ≤ max = λmax (A ).
z RM (z, z ) z RM (z, z )
cho
(AMz, z) (AMz, z)
λmin (A ) = tối thiểu ≤ tối đa = λmax (A ).
z RM (CAz, z) z RM (CAz, z)
Do đó, chúng ta phải giả định rằng ma trận điều kiện trước CA thỏa mãn
sự bất bình đẳng tương đương phổ
c Một Một M
1 (CAz, z) ≤ (AMz, z) ≤ c 2 (CAz, z) cho z R (13,2)
độc lập với M. Khi đó chúng ta có thể ràng buộc số điều kiện quang phổ của
chuyển đổi ma trận hệ thống thành
c Một
1/2 1 2 .
κ2 (C Một AC 1/2 ) = κ2 (C AM) ≤
Một Một
c Một
1
1
Nếu số điều kiện quang phổ κ2 (C Một AM) của hệ thống được điều chỉnh trước
ma trận có thể được giới hạn độc lập với kích thước M, tức là không phụ thuộc vào
kích thước mắt lưới h, sau đó có một số kε cố định của các lần lặp lại cần thiết để đạt được
một độ chính xác tương đối nhất định cho trước ε.
Chúng ta cần xây dựng một ma trận CA như một điều kiện tiên quyết cho một ma trận nhất định
AM sao cho thỏa mãn các bất đẳng thức tương đương phổ (13.2), và
k = C 1rk
thực hiện hiệu quả điều kiện trước v Một
có khả năng. Đây chúng tôi
xem xét trường hợp ma trận AM đại diện cho sự tùy biến Galerkin
của toán tử có giới hạn, X – elliptic và tự liền kề A : X X ′ thỏa mãn
2
v X, Av với v X.
X ′ ≤ c2
Một Một
Av, v ≥ c 1 v X (13.3)
B 2 B
Bf, f ≥ c 1 f X ′ , Bf X ≤ c 2 f X ′ .
Machine Translated by Google
Bằng cách áp dụng Định lý 3.4, tồn tại toán tử nghịch đảo B 1 : X X ′ . Đặc
biệt, bằng cách sử dụng (3.13) và Bổ đề 3.5, chúng ta có
1 1
B 1 B 1 v 2 với v X.
v X ′ ≤ v X, v, v ≥ X (13,4)
B B
c 1 c 2
Từ các giả định (13.3) và (13.4), chúng tôi ngay lập tức kết luận:
Hệ quả 13.4. Đối với v X có các bất đẳng thức tương đương phổ
Một B
B 1 Một B 1 B v, v.
cc 1 1 v, v ≤ Av, v ≤ c 2 c 2
Sau đó, bằng cách xác định ma trận điều hòa trước
chúng tôi thu được từ Hệ quả 13.4 bằng cách sử dụng đẳng cấu
M
M
v R vM = vkϕk XM X
k = 1
B B
cc 1
Một
1 (CAv, v) ≤ (AMv, v) ≤ c
Một
c 2 (CAv, v) với v R M. (13,6)
2
Mặc dù các hằng số trong (13.6) chỉ biểu thị các sai sót trong ánh xạ liên tục
của các toán tử A và B, và do đó chúng độc lập với sự tùy ý được sử dụng, cách
tiếp cận trên thoạt nhìn có vẻ vô dụng, vì nói chung chỉ có toán tử B được đưa ra
một cách rõ ràng. Hơn nữa, ma trận điều hòa trước CA không thể được tính toán cũng
1
như không thể sử dụng C nghịch đảo một cách hiệu quả. Do đó, chúng tôi giới
Một
một
thiệu
không gian thử nghiệm phù hợp trong không gian kép X ′
,
M
X ′M : = span {ψk} k = 1 X ′ ,
và xác định
Lưu ý rằng ma trận Galerkin BM là đối xứng và xác định dương, và do đó khả
nghịch. Do đó, chúng ta có thể xác định một giá trị xấp xỉ của ma trận định vị
trước CA bằng cách
1
C A : = M MB M MM . (13,7)
Chúng ta cần chứng minh rằng ma trận tiền điều kiện gần đúng C A tương
đương với CA và do đó với AM.
Bổ đề 13.5. Gọi CA là ma trận Galerkin của B 1 như được định nghĩa trong (13.5),
và gọi C A là xấp xỉ được cho trong (13.7). Sau đó, có giữ
Lưu ý rằng
1
(CAv, v) = B vM, vM = w, vM = Bw, w. (13,8)
1
Theo cách tương tự, chúng ta xác M MMv wM X ′ M như một giải pháp duy nhất
định w = B của bài toán biến phân Galerkin
Lại,
1
(C Av, v) = (BM MMv, MMv) = (w, MMv) = wM, vM = BwM, wM . (13,9)
B (w - wM), zM = 0 với zM X ′ M.
B 2
0 ≤ c 1 w - wM X ′ ≤ B (w - wM), w - wM
và do đó
BwM, wM ≤ Bw, w.
Bằng cách sử dụng (13.8) và (13.9), điều này cuối cùng đưa ra khẳng định.
Lưu ý rằng Bổ đề 13.5 phù hợp với bất kỳ không gian thử phù hợp tùy ý nào X
XM X và X ′ giả M ′ . Tuy nhiên, để chứng minh ước lượng ngược lại, chúng ta cần
sử một điều kiện ổn định nhất định của không gian thử nghiệm X M′ X ′ .
Bổ đề 13.6. Ngoài các giả thiết của Bổ đề 13.5, chúng ta giả sử điều kiện ổn định
vM, zM
cS vM X ≤ sup 0 = với mọi vM XM. (13,10)
zM X ′
zM X′M
Sau đó,
B
2
c 1
cS B (CAv, v) ≤ (C Av, v) với mọi v R M.
c 2
Bằng chứng. Cho v RM vM XM tùy ý nhưng cố định. Từ các thuộc tính (13.4),
chúng tôi sau đó thu được
1 1
1
(CAv, v) = B vM, vM ≤B vM X ′ vM X ≤ B
vM 2 X.
c 1
Machine Translated by Google
1
Như trong chứng minh của Bổ đề 13.5, cho w M MMv wM X ′ M. Sau đó, bởi
vM, zM BwM, zM
cS vM X ≤ sup 0 = zM X′M = sup 0 = B ≤ c 2 wM X ′ ,
zM X ′
zM X′M
zM X ′
và do đó
2 2
1 B
c 2
2
1 B
c 2
(CAv, v) ≤ B
wM X ′ ≤ B BwM, wM .
c 1 cS cS c 1
Hệ quả 13.7. Để tất cả các giả thiết của Bổ đề 13.6 được thỏa mãn, cụ thể
là chúng ta giả sử điều kiện ổn định (13.10). Sau đó, có các bất đẳng thức
tương đương phổ
2
Một B Một B
1 B
c 2
cc 1 1 (C Av, v) ≤ (AMv, v) ≤ c 2 c 2
B
(C Av, v) với mọi v R M.
cS c 1
đặc biệt, chúng ta cần đảo các ma trận thưa thớt MM và M , chúng ta phảiM, và ngoài ra
thực hiện một ma trận bằng phép nhân vectơ với BM.
13.2.1 Một ứng dụng trong các phương pháp cơ bản ranh giới
Cách tiếp cận chung của điều kiện trước như được mô tả trong Phần 13.2 hiện
được áp dụng để xây dựng một số điều kiện sơ bộ được sử dụng trong các phương
pháp phần tử biên. Bằng cách xem xét điện thế lớp đơn V : H 1/2 (Γ)
H1 / 2 (Γ) và toán tử tích phân biên siêu âm D : H1 / 2 (Γ) H 1/2 (Γ) ,
ta có a cặp toán tử tích phân biên phù hợp có thứ tự ngược lại [104, 105,
144]. Tuy nhiên, toán tử tích phân biên siêu âm D là ± 1/2 (Γ) chỉ là bán
elip,
chúng ta phải sử dụng không gian thừa số thích hợp H như đã được xem xét
do đó
trong Phần 6.6.1.
Bổ đề 13.8. Đối với điện thế lớp đơn V và đối với toán tử tích phân biên siêu âm
D , có các bất đẳng thức tương đương phổ
1
1 1
V
cc 1 1
D
V v, v Γ ≤ Dv, v Γ ≤ V v, v Γ
4
Dv, v Γ = DV w, V w Γ
1 = ( I - K ′ ) (1 I + K ′ ) w, V w Γ
2 2
1 1
= ( I + K ′ ) w, ( I - K) V w Γ
2 2
1 1
(= (2 2I + K ′ ) w, V Tôi - K ′ ) w Γ
1
= V w, w Γ - V K′w, K ′ w
4 Γ
1 1
≤ V w, w Γ = 1 V v, v Γ .
4 4
Từ độ nhớt H 1/2 (Γ) của điện thế một lớp V (xem Định lý 6.22 trong trường hợp ba
chiều d = 3 và Định lý 6.23 trong trường hợp hai chiều d = 2), chúng tôi kết luận,
bằng cách sử dụng ước tính (3.13), biên độ giới hạn của tiềm năng lớp đơn nghịch đảo,
1
V 1
v, v Γ ≤ v 2
H1 / 2 (Γ) với mọi v H1 / 2 (Γ).
V
c 1
D v 2 D V V v,1 v Γ
Dv, v Γ ≥ c 1 H1 / 2 (Γ) ≥ c1 c 1
đối với u, v H1 / 2 (Γ) , chúng ta có thể xác định toán tử tổng hợp biên siêu âm
được sửa đổi D : H1 / 2 (Γ) H 1/2 (Γ) trong đó α R + là một số tham số được
chọn một cách thích hợp, và weq = V 11 H 1/2 (Γ) là mật độ tự nhiên.
Định lý 13.9. Đối với điện thế lớp đơn V và đối với toán tử tích phân biên hy
persingular đã sửa đổi , có các bất đẳng thức tương đương phổ
1
γ1 V v, v Γ ≤ Dv, v Γ ≤ γ2 V 1 v, v Γ (13.11)
D
1
V
γ1 : = min c 1
c
1 , α 1, weq Γ , γ2 : = max ,α 1, weq Γ .
4
Machine Translated by Google
Bằng chứng. Với bất kỳ v H1 / 2 (Γ) nào, chúng ta coi sự phân rã trực giao
v, weq Γ ,
v = v + γ, γ : = (Γ). v 1/2H
1, weq Γ
Dạng song tuyến của điện thế lớp đơn nghịch đảo sau đó có thể được viết là
2
1 1 [ v, weq
V = V v, v Γ + .
v, v Γ
Γ ] 1, weq Γ
2
Dv, v Γ = Dv, v Γ + α [ v, weq Γ ]
1 2
1 [ v, weq
≤ V Γ ] v, v Γ + α 1, weq Γ 1, weq Γ
4
1
≤ tối đa ,α 1, weq Γ 1 V v, v Γ .
4
1
α : =
4 1, weq Γ
chúng tôi thu được các bất đẳng thức tương đương phổ
1
V D
V 1 V v,1 v Γ
cc 1 1 v, v Γ ≤ Dv, v Γ ≤
4
Bằng cách sử dụng Hệ quả 13.10, bây giờ chúng ta có thể xác định điều kiện tiên
quyết cho hệ thống tuyến tính (12.15) của bài toán giá trị biên Dirichlet và cho hệ số
(12,27) của bài toán giá trị biên Neumann. Ma trận hệ thống trong (12.27) là D h : = Dh
+ α aa ở đâu
1
Dh [j, i] = Dϕ1 i , ϕ1 j Γ , aj = ϕ j , weq Γ
1
1 đối với các hàm i, j = 1, ..., M và Sϕ tôi
(Γ) là cơ sở liên tục tuyến tính từng mảnh
h . Ngoài ra, chúng tôi xác định
1
V¯ h [j, i] = V ϕ1 i , ϕ1
j Γ , M¯ h [j, i] = ϕ
j Γ
tôi , ϕ1
1
Bổ đề 13.11. Cho hình chiếu L2 Qh : H1 / 2 (Γ) S có giới hạn. Sau h (Γ) H1 / 2 (Γ) được
đó, có điều kiện ổn định
1
vh, wh Γ 1
vh H1 / 2 (Γ) ≤ sup 0 = với mọi vh S h (Γ).
cQ wh S1 h wh H 1/2 (Γ)
(Γ)
1
Bằng chứng. Phép chiếu L2 Qh : H1 / 2 (Γ) S h (Γ) H1 / 2 (Γ) bị giới hạn, tức là
1
Với bất kỳ w H 1/2 (Γ) , phép chiếu L2 Qhw S nghiệm duy h (Γ) được định nghĩa là
nhất của bài toán biến phân
1
= w, vh Γ với mọi vh S
h (Γ).
Qhw, vh L2 (Γ)
Sau đó,
≤ cQ w H 1/2 (Γ) ,
1
ngụ ý giới hạn của Qh : H 1/2 (Γ) S ước lượng ổn định theo h (Γ) H 1/2 (Γ). Hiện nay
1 M¯
CD : = M¯ hV¯ h h
xác định một ma trận điều hòa trước tương đương với quang phổ D ở đó h. Ngang bằng
2
1 V
c 2
V D
cc 1 1 (CD v, v) ≤ (D hv, v) ≤ cQ (CD v, v) với mọi v R M.
4 V
c 1
Trong Bảng 13.2, các giá trị đặc trưng cực hạn và các số điều kiện phổ
D hchỉnh 1
thu được của miền hình C ma trận hệ thống được điều trước
được liệt nhưL–được
kê cho
D
cho trong Hình 10.1. Để so sánh, chúng tôi cũng đưa ra các giá trị tương
ứng trong trường hợp điều kiện trước theo đường chéo đơn giản thể hiện sự
1.
phụ thuộc tuyến tính vào tham số lưới nghịch đảo h Bằng cách áp dụng Hệ
quả 13.10, chúng tôi có thể sử dụng tùy ý Galerkin của toán tử tích
phân biên siêu mỏng D được sửa đổi làm điều kiện trước cho thế năng một
lớp rời rạc Vh trong (12,15). Tuy nhiên, khi sử dụng các hàm cơ sở hằng
số mảnh để loại bỏ điện thế lớp đơn, để Galerkin tùy ý hóa toán tử tích
phân biên siêu mỏng
Machine Translated by Google
1
CD- = M¯ hV¯h M¯ h
CD- = đường chéo D h
1 1
LN λmin λmax κ (C D-
D h) λmin λmax κ (C D-
D h)
0 28 9,05 –3 2,88 –2 3,18 1,02 –1 2,56 –1 2,50
1 112 4,07 –3 2,82 –2 6,94 9,24 –2 2,66 –1 2,88
2 448 1,98 –3 2,87 –2 14,47 8,96 –2 2,82 –1 3,14
3 1792 9,84 –3 2,90 –2 29,52 8,86 –2 2,89 –1 3,26
4 7168 4,91 –3 2,91 –2 59,35 8,80 –2 2,92 –1 3,31
5 28672 2,46 –4 2,92 –2 118,72 8,79 –2 2,92 –1 3,32
6 114688 1,23 –4 2,92 –2 237,66 8,78 –2 2,92 –1 3,33
1
Học thuyết: Ồ ) O (1)
Bảng 13.2. Các giá trị đặc trưng cực trị và số điều kiện phổ (BEM).
D yêu cầu sử dụng các hàm cơ sở liên tục toàn cầu. Hơn nữa, như một giả định của Bổ đề
13.6, chúng ta cũng cần đảm bảo một điều kiện ổn định liên quan. Một khả năng là sử dụng
các hàm cơ sở bậc hai cục bộ [144]. Để phân tích các điều kiện tiên quyết tích phân biên
trong trường hợp đường cong mở, xem [104].
13.2.2 Điều kiện tiên quyết đa cấp trong các phương pháp phần tử hữu hạn
int int
a (u, v) = γ 0 u (x) dsx γ 0 v (x) dsx + u (x) v (x) dx
Γ Γ Ω
1
điều này tạo ra một toán tử lipid bị giới hạn và H1 (Ω) A : H1 (Ω) H (Ω).
Dạng song tuyến này có liên quan đến công thức biến thiên ổn định (4.31) của bài toán giá
trị biên Neumann, hoặc công thức biến đổi của bài toán giá trị biên Robin, hoặc công thức
điểm yên đã sửa đổi (4.22) khi sử dụng nhân Lagrange.
Giả sử rằng có một chuỗi {TNj } j N0 của các phép phân rã gần như đồng nhất toàn cục
d
của miền giới hạn Ω R trong đó kích thước lưới tổng thể hj của phép phân rã TNj thỏa
mãn
c1 2 j ≤ hj ≤ c2 2 j (13.12)
cho mọi j = 0, 1, 2, ... với một số hằng số toàn cục c1 và c2. Đặc biệt, điều kiện này
được thỏa mãn khi áp dụng chiến lược sàng lọc đồng nhất trên toàn cầu đối với phân hủy
Đối với mỗi TNj phân rã , không gian thử nghiệm liên quan của tuyến tính mảnh
các hàm cơ sở liên tục được đưa ra bởi
1 j Mj }
Vj : = S (Ω) = span {ϕ hj k k = 1
H1 (Ω), j N0.
Machine Translated by Google
1
V0 V1 ··· VL = Xh = S hL (Ω) VL + 1 ··· H1 (Ω)
1
trong đó Xh = S
h (Ω) H1 (Ω) là không gian thử nghiệm được sử dụng cho Galerkin (Ω) được
1
sự tùy biến của toán tử A : H1 (Ω) H dạng song tuyến tạo ra bởi
L
AhL [ℓ, k] = a (ϕ k , ϕL
ℓ ) với k, ℓ = 1, ..., ML.
Nó vẫn còn để xây dựng một ma trận điều hòa trước C A mà về mặt phổ tương đương
với Ah. Đối với điều này, chúng ta cần có một toán tử điều kiện trước 1 B : H
(Ω) H1 (Ω) thỏa mãn các bất đẳng thức tương đương phổ
B 2 B 2
c 1 f 2 f (13,13)
H 1 (Ω) ≤ Bf, f Ω ≤ c H 1 (Ω)
1 B B
với mọi f H 2 (Ω)
. Có
với thể xâyhằng
dựng một op erator như và c
một số số dương c 1 vậy khi sử dụng biểu
diễn đa cấp có trọng số thích hợp của các toán tử phép chiếu L2 , xem
[28, 162].
Với bất kỳ không gian thử nghiệm nào Vj H1 (Ω), đặt Qj : L2 (Ω) Vj là toán tử phép
chiếu L2 như được định nghĩa trong (9.23), tức là Qju Vj là nghiệm duy nhất của bài toán
biến phân
Ngoài ra, chúng tôi giả định một bất đẳng thức nghịch đảo (9.19) giữ đồng nhất cho tất cả các không
1
vj H1 (Ω) ≤ cI h với mọi vj Vj . (13.15)
j vj L2 (Ω)
Bổ đề 13.12. Đối với dãy {Qj} j N0 của các toán tử phép chiếu L2 Qj , chúng ta có các tính
chất sau:
và do đó
thỏa mãn với mọi vk Vk Vj . Điều này kết thúc bằng chứng của 1. Để chỉ ra 2. chúng
ta giả sử j <k và do đó j ≤ k - 1. Sau đó, bằng cách sử dụng 1. chúng ta thu được
= Qj - Qj - Qj 1 + Qj 1 = 0.
2
(Qj - Qj 1) = QjQj - QjQj 1 - Qj 1Qj + Qj 1Qj 1
= Qj Qj 1 - Qj 1 + Qj 1 = Qj Qj 1.
Bằng cách xem xét một tổ hợp tuyến tính có trọng số của các toán tử chiếu L2
Qk , chúng tôi xác định toán tử đa cấp
∞
1 2
B : = hk (Qk - Qk 1) (13,16)
k = 0
tạo ra một định mức tương đương trong không gian Sobolev H1 (Ω).
Định lý 13.13. Đối với toán tử đa cấp B1 như được định nghĩa trong (13.16), có các
bất đẳng thức tương đương phổ
B 2 1 B 2
c 1 v v
H1 (Ω) ≤ B v, v L2 (Ω) ≤ c 2 H1 (Ω)
Việc chứng minh Định lý 13.13 dựa trên một số kết quả. Đầu tiên chúng ta xem xét
một hệ quả của Bổ đề 13.12:
∞
1 2 2
B = h
v, v L2 (Ω) k (Qk - Qk 1) v L2 (Ω) .
k = 0
Machine Translated by Google
Bằng chứng. Theo định nghĩa của B1 và bằng cách sử dụng Bổ đề 13.12, 3., chúng ta có
∞
1 = 2
B
v, v L2 (Ω) giờ k
(Qk - Qk 1) v, v L2 (Ω)
k = 0
∞
= 2 2
h (Qk - Qk 1) v, v L2 (Ω)
k
k = 0
∞
= 2
giờ k
(Qk - Qk 1) v, (Qk - Qk 1) v L2 (Ω)
k = 0
∞
= 2 2
giờ k (Qk - Qk 1) v L2 (Ω) .
k = 0
Từ các bất đẳng thức nghịch đảo của các không gian thử Vk và bằng cách sử dụng các
ước lượng sai số của toán tử phép chiếu L2 Qk , chúng tôi tiếp tục thu được từ Hệ
quả 13.14:
Bổ đề 13.15. Đối với mọi v H1 (Ω) , có bất đẳng thức tương đương phổ
tuổi tứ tuần
∞ ∞
2 1 2
c1 (Qk Qk 1) v H1 (Ω) ≤ B v, v L2 (Ω) ≤ c2 (Qk Qk 1) v H1 (Ω) .
k = 0 k = 0
Bằng chứng. Bằng cách sử dụng Bổ đề 13.12, 3., bất đẳng thức tam giác, ước lượng sai
số (13.14) và giả thiết (13.12), chúng ta có
∞
1 = 2 2
B h (Qk - Qk 1) v L2 (Ω)
v, v L2 (Ω) k
k = 0
∞
= 2 2
giờ k (Qk - Qk 1) (Qk - Qk 1) v L2 (Ω)
k = 0
∞
2 2
≤ 2 h
k ! (Qk - I) (Qk - Qk 1) v L2 (Ω)
k = 0
2
+ (I - Qk 1) (Qk - Qk 1) v
L2 (Ω) "
∞
2 2 2 2 2
≤ 2c giờ
k (Qk - Qk 1) v H1 (Ω)giờ trở lên
k 1 (Qk - Qk 1) v
k ! h H1 (Ω) "
k = 0
∞
2
≤ c2 (Qk - Qk 1) v H1 (Ω)
k = 0
và do đó ước tính trên. Để chứng minh ước lượng thấp hơn, chúng ta nhận được từ bất
đẳng thức nghịch đảo toàn cục (13.15) cho (Qk - Qk 1) v Vk 1, và bằng cách sử
dụng giả thiết (13.12),
Machine Translated by Google
∞ ∞
2 2 2 2
(Qk - Qk 1) v H1 (Ω) ≤ c
h k
1 (Qk - Qk 1) v
Tôi
L2 (Ω)
k = 0 k = 0
∞
2 2
≤ c giờ k (Qk - Qk 1) v
L2 (Ω)
k = 0
1 = c B
v, v L2 (Ω) .
Phát biểu của Định lý 13.13 bây giờ tuân theo Bổ đề 13.15 và từ các bất đẳng thức tương đương phổ
sau đây.
Bổ đề 13.16. Đối với mọi v H1 (Ω) , có bất đẳng thức tương đương phổ
tuổi tứ tuần
∞
2 2
c¯1 v (Qk - Qk 1) v
H1 (Ω) ≤ H1 (Ω) ≤ c¯2 v 2 H1 (Ω) .
k = 0
Để chứng minh Bổ đề 13.16 trước hết chúng ta cần một công cụ để ước lượng một số chỉ tiêu ma trận.
Bổ đề 13.17 (Schur Lemma). Đối với tập chỉ số đếm được I, ta xét ma trận A = (A [ℓ, k]) k, ℓ I và
2
Au
2 2 2 .
ℓ I
≤ # sup | A [ℓ, k] | 2 α (k ℓ) $ #sup k Iℓ | A [ℓ, k] | 2 α (ℓ k) $ u
k I I
Bằng chứng. Cho v = Au. Đối với một ℓ I tùy ý, đầu tiên chúng ta có
| vℓ | = A [ℓ, k] uk ≤ | A [ℓ, k] | · | uk |
k I k I
=
. | A [ℓ, k] | 2 α (k ℓ) / 2 . | A [ℓ, k] | 2 α (ℓ k) / 2 | uk |.
k I
Bằng cách áp dụng bất đẳng thức Cauchy – Schwarz, điều này cho
2 .
| vℓ | | A [ℓ, k] | 2 α (ℓ k) 2 u
≤ # k I | A [ℓ, k] | 2 α (k ℓ) $ #k I k $
Do đó chúng tôi có
Machine Translated by Google
≤ | A [ℓ, k] | 2 α (ℓ k)
2 # | A [ℓ, k] | 2 α (k ℓ) $ #
| vℓ |
2 u
ℓ I ℓ I k I k I k $
≤ sup | A [ℓ, k] | 2 α (ℓ k)
2 u
ℓ I # | A [ℓ, k] | 2 α (k ℓ) $ k $
k I ℓ I k I
= sup
ℓ I # | A [ℓ, k] | 2 α (k ℓ) $ # # | A [ℓ, k] | 2 α (ℓ k) $ u2
k
k I k I ℓ I
≤ sup
ℓ I # | A [ℓ, k] | 2 α (k ℓ) sup
$ k I # | A [ℓ, k] | 2 α (ℓ k) $
2 u
k
k I ℓ I k I
mà kết luận bằng chứng.
Theo hệ quả của Bổ đề 13.17, chúng ta ngay lập tức có được ước tính chuẩn
Một
ℓ I k I
k I ℓ I
trong đó α R là tùy ý. Đặc biệt đối với ma trận đối xứng A và khi xem xét
α = 0, ước lượng
Một
| A [ℓ, k] | (13,18)
2 ≤ sup
ℓ I
k I
theo sau. Để chứng minh ước lượng thấp hơn trong các bất đẳng thức tương đương phổ
của Bổ đề 13.16, chúng ta cần có một bất đẳng thức Cauchy – Schwarz được củng cố.
Bổ đề 13.18 (Bất đẳng thức Cauchy – Schwarz tăng cường). Hãy để như
sumption (13.12) được thỏa mãn. Khi đó tồn tại q < 1 sao cho
Bằng chứng. Nếu không mất tính tổng quát, chúng ta có thể giả sử j <i. Với vj
Vj , chúng ta có phép chiếu H1 Q1 j vj = vj Vj và do đó
= Q j (Qi - Qi 1) v, (Qj - Qj
j (Qj - Qj
1) v H1 (Ω)
1) v H1 (Ω)
1
≤ Q j (Qi - Qi 1) v H1 (Ω) (Qj - Qj 1) v H1 (Ω) .
1
Do Vj = S nên hj (Ω) H1 + σ (Ω) phép chiếu H1 như cho trong (9.29) là tốt).
1
xác định với u H1 σ (Ω) và với σ (0, Phụ thuộc vào tính thường xuyên
1 2
Machine Translated by Google
của miền tính toán Ω tồn tại chỉ số s (0, σ] sao cho Q1 : H1 s (Ω) Vj H1
s j(Ω)vàbịbằng
giớicách
hạn,sửxem Bổ ước
dụng đề 9.11.
lượng Bằng cách
sai số sử dụng
(9.37) của bất
phépđẳng thức
chiếu L2 nghịch đảođótrong
Qj , sau chúngVj
ta có
1 s
Q j (Qi - Qi 1) v H1 (Ω) ≤ cI h j (Qi - Qi 1) v H1 s (Ω)
s
= cI h j (Qi - Qi 1) (Qi - Qi 1) v H1 s (Ω)
s
≤ cI h j 0 (Qi - I) (Qi - Qi 1) v H1 s (Ω)
+ (I - Qi 1) (Qi - Qi 1) v H1 s (Ω) 1
S S
h ≤ c h sj 0 tôi
+ h i 1 1 (Qi - Qi 1) v H1 (Ω) ≤ c 2 s
(j i) (Qi - Qi 1) v H1 (Ω) .
Với q : = 2-s, chúng ta thu được bất đẳng thức Cauchy – Schwarz được củng cố.
1
Chứng minh Bổ đề 13.16: Gọi Q1 (Ω) H1
j (Ω)
: H1là
(Ω) hj H1
phép Schiếu được
toán xác
biến định
phân bởi bài
(9.29), đặc
biệt với u H1 (Ω) cho trước, phép chiếu Q1 ju Vj là giải pháp duy nhất của
1
Q ju, vj H1 (Ω) = u, vj H1 (Ω) với mọi vj Vj .
Sau đó, phụ thuộc vào tính đều đặn của miền tính toán Ω, và bằng cách áp
dụng Bổ đề 9.11, tồn tại một chỉ số s (0, 1], sao cho ước lượng sai số
sau đây được giữ nguyên,
1
(Tôi - Qh ) u H1 s (Ω) ≤ c hs u H1 (Ω) .
1 1 1 1 1 1
(Q j - Q j 1 ) (Qj - Q j 1) = Q j - Q j 1 .
=
(Qk - Qk 1) vi , (Qk - Qk 1) vj H1 (Ω)
i, j = 0 k = 0
Bằng cách sử dụng bất đẳng thức nghịch đảo toàn cục (13.15), tính ổn định của
phép chiếu L2 (xem Chú thích 9.14), và áp dụng một số đối số nội suy, chúng
ta thu được từ giả định (13.12) cho tham số đã cố định s (0, 1] ước lượng
c h sk H1
vi s (Ω) .
1 1
H1 s (Ω) = (Q vi tôi
- Q i-1 ) v H1 s (Ω)
1 1 1 1
= (Q tôi
- Q i-1 ) (Q tôi
- Q i-1 ) v H1 s (Ω)
1 1
≤ (Q tôi - I) vi H1 s (Ω) + (I - Q i-1 ) vi H1 s (Ω)
≤ c hs i vi H1 (Ω) .
2 2 giây S S
(Qk - Qk 1) v h h
H1 (Ω) ≤ c k tôi
h j vi H1 (Ω) vj H1 (Ω) .
k = 0 i, j = 0 k = 0
k 2s
2
giây h k ≤ c 2 2 giây phút {i, j} .
= c 9 2 phút {i, j} k : 2s 2
Sau đó, đối với tham số đã được cố định s (0, 1], nó theo sau đó
2
giây h k j} ≤ c 2
2 giây phút {i,
2
2 giây phút {i, j} k
j} ≤ c 2
2 giây phút {i,
.
k = 0 k = 0
∞ ∞
2
(Qk - Qk 1) v 22 giây phút {i, j} 2 s (i + j)
H1 (Ω) ≤ c vi H1 (Ω) vj H1 (Ω)
k = 0 i, j = 0
= c 2 s | i j |
vi H1 (Ω) vj H1 (Ω) .
i, j = 0
Nếu chúng ta xác định một ma trận đối xứng A bằng các phần tử A [j, i] = 2 s | i j | , sau đó chúng tôi nhận được
∞ ∞
2 2
(Qk - Qk 1) v H1 (Ω) ≤ c A 2 vi H1 (Ω) .
k = 0 i = 0
Bằng cách sử dụng ước lượng (13.18) của bổ đề Schur, chúng ta thu được
Machine Translated by Google
∞
A 2 ≤ sup 2 s | i j | .
j N0
i = 0
Đối với q : = 2 s < 1 và đối với j N0 , định mức này bị giới hạn bởi
∞ j 1 ∞ j ∞ ∞
2
| i j = q
j
i + tôi- = q tôi + ≤ 2 = ,
| q j q tôi q tôi q
1 - q
i = 0 i = 0 i = j i = 1 i = 0 i = 0
và do đó nó theo sau đó
∞ ∞
2 2
(Qk - Qk 1) v H1 (Ω) ≤ c¯ vi H1 (Ω) .
k = 0 i = 0
Cuối cùng,
∞ ∞
2 = 1 1 1 1
vi (Q - Q i-1 ) v, (Q - Q i-1 ) v H1 (Ω)
H1 (Ω) tôi tôi
i = 0 i = 0
∞
= 1 1 1 1
(Q tôi
- Q i-1 ) (Q - Q i-1 ) v, v H1 (Ω)
tôi
i = 0
∞
= 1 1 = v 2
(Q tôi
- Q i-1 ) v, v H1 (Ω) = v, v H1 (Ω) H1 (Ω) ,
i = 0
∞
=
|| v || 2
H1 (Ω) (Qi - Qi 1) v, (Qj - Qj 1) v H1 (Ω)
i, j = 0
Bây giờ khẳng định sau như trên bằng cách áp dụng bổ đề Schur.
thỏa mãn, như trong trường hợp đặc biệt s = 1, quan hệ bất đẳng thức tương đương
phổ
2 S 2
c1 v Hs (Ω) ≤ B v, v L2 (Ω) ≤ c2 v với mọi v Hs (Ω).
Hs (Ω)
Machine Translated by Google
Mặc dù các xem xét sau đây chỉ được thực hiện đối với trường hợp đặc biệt s = 1,
những điều tra này cũng có thể được mở rộng sang trường hợp tổng quát hơn s 3 2
[0, ).
1
Bằng cách sử dụng Định lý 13.13, toán tử đa cấp B1 : H1 (Ω) H (Ω)
1 : H 1
là giới hạn và H1 (Ω) –elliptic. Toán tử nghịch đảo (B1 ) (Ω)
1
H1 (Ω) sau đó bị giới hạn và các bất (Ω) –elliptic, cụ thể là phổ tương đương một lần nữa
1
đẳng thức H im lặng (13.13) là hợp lệ. Đối với toán tử nghịch đảo (B1 ), biểu diễn đa
1
Bổ đề 13.20. Toán tử nghịch đảo (B1 ) cho phép đại diện
∞
1 1 1 = 2
B : = (B ) giờ k (Qk - Qk 1).
k = 0
∞ ∞
= 2 2
B 1B 1 giờ kj (Qk - Qk 1) (Qj - Qj 1)
k = 0 j = 0
∞
=
(Qk - Qk 1) = I.
k = 0
0
Nhận xét 13,21. Nếu chúng ta xác định các toán tử chiếu L2 Qj : L2 (Ω) S (Ω) hj vào không gian của
các hàm
0, j
cơ sở hằng số mảnh ϕ thì toán tử đa cấp liên quan Bs thỏa mãn các bất đẳng thức
k , tương đương phổ
2 S 2
c1 v v, v L2 (Ω) ≤ c2 v với mọi v Hs (Ω)
Hs (Ω) ≤ B Hs (Ω)
1 1
trong đó s (- 2 , 2
).
Bằng cách sử dụng hệ quả 13.7, bây giờ chúng ta có thể thiết lập sự tương đương phổ của ma trận hệ
1
C A = M¯ hL B
hL M¯ hL
ở đâu
L
BhL [ℓ, k] = B 1ϕ M¯ hL [ ℓ, k] = ϕ L
k , ϕL
ℓ L2 (Ω) , k , ϕL
ℓ L2 (Ω)
L 1
ϕL với mọik ϕ, ℓ VL = S hL (Ω).
1
Nó vẫn còn để mô tả ứng dụng v = C Một
r bên trong thuật toán của phương
pháp điều chỉnh trước của gradient liên hợp, xem Thuật toán 13.3. Ở đó chúng ta phải tính toán
1 v : = Cr = M 1 BhLM-1 hLr, hL
Một
Machine Translated by Google
hoặc,
u : = M w.
1 hL r, w : = BhL u, v : = M 1 hL
Bằng cách sử dụng đẳng cấu u RML uhL VL , chúng ta thu được các thành phần
của w = BhL u
ML ML
L
wℓ : = BhL [ℓ, k] uk = B 1ϕ k , ϕL ℓ L2 (Ω) uk = B ℓ L2 (Ω) .
1uhL , ϕL
k = 1 k = 1
∞ L
2 2
zhL : = B 1uhL =
giờ
k (Qk - Qk 1) uhL =
giờ
k (Qk - Qk 1) uhL VL
k = 0 k = 0
là tổng hữu hạn do QkuhL = uhL với k ≥ L. Đối với các thành phần của w = BhL
u thì chúng ta thu được
ML
L
=
wℓ = B 1uhL , ϕL ℓ L2 (Ω) = zhL , ϕL ℓ L2 (Ω) zk ϕ k , ϕL
ℓ L2 (Ω) .
k = 1
w = MhL z,
và do đó không cần đảo ngược ma trận khối lượng nghịch đảo MhL khi tính
lượng dư được điều chỉnh trước,
v = M 1 w = M 1 MhL z = z. hL
hL
Nó vẫn là tính toán các hệ số của z RML zhL VL. Đối với điều này, chúng tôi
có đại diện
L
2
zhL = h k
(Qk - Qk 1) uhL
k = 0
L 1
2 2 - giờ
2 = hLQLuhL + (h k k + 1) QkuhL
k = 0
L 1
2 2 - giờ
2 = hL u¯hL + (h k k + 1) ¯uhk
k = 0
ở đâu
Mk
kk u¯
u¯hk = QkuhL = ℓϕ ℓ Vk
ℓ = 1
là hình chiếu L2 của uhL vào không gian thử Vk, k = 0, 1, ..., L. Bởi vì
Machine Translated by Google
2 2 2
c h2k ≤ h k k- +h 1 ≤ h k
z¯hL : = giờ
k u¯hk
k = 0
1
để có quang phổ tương đương với C A. Việc đánh giá ¯zhL có thể được thực hiện lặp lại một
2
cách cẩn thận. Bắt đầu từ ¯zh0 = h0u¯h0 V0 ta có
M k 1
Mk
2 k k 2 k
1 z¯ 1 +
z¯hk : = ¯zhk 1 + hku¯hk = ℓ ϕ ℓ
giờ
k ku¯
ℓ .ℓϕ
ℓ = 1 ℓ = 1
k 1
Do bao hàm Vk 1 Vk , chúng ta có thể viết mỗi hàm cơ sở ϕ dưới dạng tổ ℓ Vk 1
k
hợp tuyến tính của các hàm cơ sở ϕ Vk, j
Mk
k 1 k k
= r
ϕ ℓ ℓ, jϕ j với mọi ℓ = 1, ..., Mk 1.
j = 1
M k 1 M k 1
Mk Mk M k 1
k 1 k 1 k k k k
z¯ ℓ ϕ ℓ = k
z¯ ℓ
1
r = k
z¯ r ℓ
1
ℓ, jϕ j ℓ, jϕ j .
ℓ = 1 ℓ = 1 j = 1 j = 1 ℓ = 1
k
Rk 1, k [j, ℓ] = r ℓ, j cho j = 1, ..., Mk, ℓ = 1, ..., Mk 1
k k 1 2 k
z¯
: = Rk 1, kz¯ + h ku¯ .
k
Khi xem xét một chiến lược sàng lọc lưới đồng nhất, các hệ số r ℓ, j cho bởi phép nội là
k 1
suy nút của các hàm cơ sở ϕ Vk 1 tại các nút xj của phép phân rãℓ TNk ,13.1.
xem Hình
Nó vẫn còn để tính toán các phép chiếu L2 ¯uhk = QkuhL là các giải pháp duy nhất của các
bài toán biến phân
k
uhk , ϕk ℓ L2 (Ω) = uhL , ϕk ℓ L2 (Ω) cho tất cả ϕℓ Vk.
Machine Translated by Google
0 0
1 1
1 1
2 2
0 0 000
k 1
Hình 13.1. Các hàm cơ bản ϕℓ k và hệ số r
ℓ, j (d = 2).
Điều này tương đương với một hệ phương trình đại số tuyến tính,
k k
Mhk u¯ = f
ở đâu
k k
Mhk [ℓ, j] = ϕ ℓj L2 (Ω) , f
, ϕk ℓ = uhL , ϕk ℓ L2 (Ω) .
L r = r
f = MhL u = MhLM 1 hL
và do đó
L
u¯ = M 1 r.
hL
Bởi vì
Mk M
k 1 = = k
fℓ = uhL , ϕk ℓ L2
1 (Ω) k r k r
j L2 (Ω)
ℓ, j uhL , ϕk ℓ, jfj
j = 1 j = 1
k 1
= R k
f = R k 1 r.
k 1, kf
k u¯ = M hk 1
R k r,
L
v = h
2 kRkM HK1 R k r.
k = 0
Có tính đến sự tương đương phổ của các ma trận khối lượng với
d
ma trận đường chéo h k Tôi, xem Bổ đề 9.7, sau đó chúng ta thu được ứng dụng của
bộ điều chỉnh trước đa cấp
L
v = h2 d
RkR k r. (13,19)
k
k = 0
Machine Translated by Google
13.3 Phương pháp giải quyết các vấn đề về điểm yên xe 319
Do đó, việc thực hiện điều kiện tiên quyết đa cấp (13.19) đòi hỏi
giới hạn của một vectơ dư r được cho ở cấp độ tính toán
L, và tổng có trọng số của các vectơ lưới thô kéo dài. Vì vậy, một
việc áp dụng bộ điều chỉnh trước đa cấp chỉ yêu cầu các hoạt động O (M) .
1
CA = I CA = M¯ hL B hLM¯ hL
1 1
L Mλmin λmax κ (C Một Ah) λmin λmax κ (C Một Ah)
Bảng 13.3. Giá trị đặc trưng cực trị và số điều kiện phổ (FEM).
Trong Bảng 13.3, chúng tôi đưa ra giá trị riêng cực hạn và các số điều
kiện đặc biệt thu được của ma trận độ cứng phần tử hữu hạn được điều chỉnh trước
C 1 [aa
Một + ÀL ]. Điều kiện tiên quyết này cũng cần thiết để giải quyết hiệu quả
hệ thống tuyến tính (11.22), vì nó sẽ được xem xét trong phần tiếp theo. Kết quả
đối với hệ thống không điều kiện trước (CA = I) xác nhận phát biểu của Bổ đề
11.4, trong khi giới hạn của điều kiện phổ của điều kiện trước
hệ thống trùng với kết quả của phần này.
Sự tùy biến của phần tử biên của công thức đối xứng của các phương trình tích
phân ary có giới hạn để giải các bài toán giá trị biên hỗn hợp, cũng như
sự tùy biến phần tử hữu hạn của các vấn đề về điểm yên ngựa, cả hai đều dẫn đến tuyến tính
hệ phương trình đại số dạng
1 (13,20)
& BA DB '& u1 u2 ' = & f f 2 '
1
u1 = A 1Bu2 + A f1 .
Chèn điều này vào phương trình thứ hai của (13.20), kết quả là hệ thống
bổ sung Schur
- B A 1 f (13,21)
0 D + B A 1B 1 u2 = f 2 1
ở đâu
S = D + B A 1B R M2 × M2 . (13,22)
là phần bổ sung Schur. Từ các tính chất đối xứng của các ma trận khối A, B và
D , chúng ta kết luận tính đối xứng của S, trong khi tại điểm này, chúng ta giả
sử tính xác định dương của S.
Chúng ta giả sử rằng đối với các ma trận xác định đối xứng và dương A và S = D +
B A 1B , có một số ma trận xác định dương và đối xứng xác định trước CA và CS thỏa
mãn phổ tương đương bằng nhau
A Một
c 1 (CAx1 , x1 ) ≤ (Ax1 , x1 ) ≤ c 2 (CAx1 , x1 ) (13,23)
S
S 1c (CSx2 , x2 ) ≤ (Sx2 , x2 ) ≤ c 2 (CSx2 , x2 ) (13,24)
với mọi x2 RM2 . Do đó, để giải hệ thống phần bù Schur (13.21), chúng ta có thể áp
dụng phương pháp điều chỉnh trước CS về gradient liên hợp (Thuật toán = Spk cho Schur
k
bằng phép nhân vectơ s phần bù (13,22) đọc 13.3). Ở đó, ma trận
Awk = Bpk .
Hệ thống này có thể được giải quyết bằng một phương pháp trực tiếp, ví dụ
như phương pháp Cholesky, hoặc một lần nữa bằng cách sử dụng một phương pháp
điều chỉnh trước CA của các gradient liên hợp (Thuật toán 13.3). Tùy thuộc
vào ứng dụng mà phương pháp bổ sung Schur có thể bất lợi. Sau đó, một chiến
lược giải pháp lặp lại cho hệ thống (13.20) nên được sử dụng. Các phương
pháp giải tiên quyết có thể có cho các hệ thống tuyến tính không đối xứng
tổng quát có dạng (13.20) là phương pháp của phần dư tối thiểu tổng quát
(GMRES, [120]), hoặc phương pháp ổn định của các hướng tìm kiếm sinh học (BiCGStab, [155]
Ở đây, sau đây [26], chúng tôi sẽ mô tả một phép biến đổi của hệ xác định
đối xứng khối - xiên nhưng dương (13.20) dẫn đến một hệ xác định đối xứng và
xác định dương trong đó có thể sử dụng phương pháp chuyển đổi gradient liên
hợp được điều chỉnh trước.
Đối với ma trận điều hòa trước CA , chúng ta cần giả định rằng các bất đẳng thức về
độ im lặng tương đương phổ (13.23) giữ ở đâu
Machine Translated by Google
13.3 Phương pháp giải quyết các vấn đề về điểm yên xe 321
> 1 (13,25)
A
c 1
đã hài lòng. Điều này luôn có thể được đảm bảo bằng cách sử dụng một tỷ lệ thích
hợp, nghĩa là đối với ma trận điều kiện trước CA cho trước , chúng ta cần tính giá
trị riêng tối thiểu của hệ thống điều kiện trước A.
C , Theo
chúng giả thiết
ta thấy (13,25)
rằng ma trận A -
1
CA là xác định dương,
Một
1
và do đó không thể đảo ngược. Do đó, ma trận cũng
- Tôi = (A - CA) C
1
AC 1
Một Một
là không thể đảo ngược, và
- Tôi 0
- Tôi 0 - Tôi 0
(13,26)
& AC Một
1 I '& A B B D '& u1 u2 ' = & AC 1 Một f
I '& f 1 2 '
1 1
B C B C
Một Một
- Tôi 0
A - A (I - AC 1) B
(13,27)
= & ACB (I
1 Một - C A) D + B C
A B '
1 1
Một Một
là đối xứng. Từ các bất đẳng thức tương đương phổ của ma trận hệ thống biến đổi
M với ma trận điều hòa trước
(13,28)
CM : = & A - CA 00 CS '
thì xác định dương của M theo sau. Do đó, chúng ta có thể sử dụng lược đồ gradient
liên hợp được điều chỉnh trước để giải hệ thống tuyến tính đã biến đổi (13,26).
Định lý 13.22. Đối với ma trận điều hòa trước CM như được định nghĩa trong
(13.28) có các bất đẳng thức tương đương phổ
M
c1 (CMx, x) ≤ (Mx, x) ≤ c2 (CMx, x) với mọi x R M1 + M2
M
ở đâu
Machine Translated by Google
1
M
c 1 = A
c 2
2 [1 + c
S Một
[c2 (1 + c
S
)] 2 - c1
S Một
c 2 ,
1
1 ] - 8 14
1
M
c 2 = A
c 2 [1 + c
S Một
[c2 (1 + c
S
)] 2 - c2 2 .
SA c
2
2 2 ] + 8 14
Bằng chứng. Chúng ta cần ước tính các giá trị đặc trưng cực đoan của các
1
ma trận hệ thống M M, cụ thể là chúng ta phải xem xét giá trị đặc trưng
C lem
Một A - A (I - AC 1 A ) B
1 1
& AC
B (I - C
1 Một A) D + B C Một B '& x1 x2 ' = λ & A - CA 0x10 x2
CS '.
'&
tôi và x 1
2 . Từ đầu tiên
liên quan ,
tôi tôi
(AC Một 1 A - A) x 1 + (I - AC 1
Một ) Bxi2 = λi (A - CA) x 1 ,
chúng tôi tìm thấy bằng một số thao tác đơn giản
Bxi
tôi
2 = (λiCA - A) x 1 .
Đối với λi [1, cA 2 ] không có gì được hiển thị. Do đó chúng ta chỉ coi λi
[1, cA 2 ] là λiCA - A khả nghịch. Vì vậy,
tôi
x 1 = - (λiCA - A) 1Bxi 2 .
Chèn kết quả này vào phương trình thứ hai của bài toán giá trị riêng,
B C 1 (CA - A) (λiCA - A)
tôi tôi
Bởi vì
1 1 1 1
C (CA - A) (λiCA - A) = C [λiCA - A + (1 - λi) CA] (λiCA - A) 1 1
Một Một
= (λi - 1) (λiCA - A) - C
Một
+ Dxi
tôi
Một
λi - c 2
A (Ax1 , x1 ) ≤ ((λiCA - A) x1 , x1 )
c 2
Machine Translated by Google
13.3 Phương pháp giải quyết các vấn đề về điểm yên xe 323
A
c 2
((λiCA - A) 1x1 , x1 ) ≤ λi (A 1x1 , x1 ) với mọi x1 R n1 .
Một
- c 2
Từ các bất đẳng thức tương đương phổ (13,24), chúng tôi kết luận
λi
xi2 ) ≤ λi (CSx xi2 )
tôi
S
(Sxi 2 , 2 ,
c 2
= (Dxi 2 ,
xi2 ) + (λi - 1) ((λiCA - A) 1Bxi 2 , Bxi 2 )
A
c 2
≤ (Dxi 2 ,
xi2 ) + (λi - 1) (A 1Bxi 2 , Bxi 2 )
Một
λi - c 2
Một
λi - 1
≤ c 2 (Sxi 2 , xi2 )
Một
λi - c 2
và do đó
λi λi - 1
A ≤ c2 ,
S Một
c 2 λi - c 2
I E
2 S S A
λ
tôi A - 2c [1 + c 2 ] λi + c2 c 2 ≤ 0 .
λ ≤ λi ≤ λ +
ở đâu
1 A
c 2
S Một S NHƯ c
2 .
λ ± = 2 [1 + c [c2 (1 + c 2 )] 2 - c2
2 ] ± 8 14
1 M
A A
c 2
S Một S Một S
= c 2 .
c 2 < λi ≤ 2 [1 + c 2 (1 + c 2 )] 2 - c2 c 2
2 ] + 8 1 [c 4
Vẫn phải xem xét trường hợp λi < 1 trong đó A - λiCA là xác định dương. Bằng cách sử
dụng các bất đẳng thức tương đương phổ (13,23), chúng ta nhận được
A
c 2 - λi
((A - λiCA) x1 , x1 ) ≤ A
(Ax1 , x1 )
c 2
và do đó
A
c 2
((A - λiCA) 1x1 , x1 ) ≥ A
(A 1x1 ,
c 2 x1 ) - λi
với mọi x1 RM1 . Một lần nữa, bằng cách sử dụng các bất đẳng thức tương đương phổ (13,24)
chúng tôi kết luận
Machine Translated by Google
λi
xi2 ) ≥ λi (CSx xi2 )
tôi
S
(Sxi 2 , 2 ,
c 1
và do đó
1 - λi λi
A
c 2 ≤ .
A S
c 2 - λi c 1
2 S S Một
λ
tôi
A - c
2 [c1 + 1] λi + c 1 c 2 ≤ 0,
I E
λ ≤ λi ≤ λ +
ở đâu
1 A S Một S SA c
λ ± = c 2 [1 + c [c2 (1 + c 1 )] 2 - c1 2 .
2 1 ] ± 8 14
1 A M
S S S
1 > λi ≥ c 2 [1 + c
Một
2 (1 + c 1 )] 2 - c1
A
c 2 = c 1 .
2 1 ] - 8 1[c 4
k + 1
k : = r
r 1 1 - αk (AC 1 - I) (Apk - 1Bpk ).
Một 2
k
Do đó chúng ta có thể viết phần dư được điều chỉnh trước v 1 đệ quy dưới dạng
k + 1 1
v
1
k : = v
1 - αkC Một (Apk 1 - Bpk 2 ).
1
0 v : = C - Bx0 - f
1 1 2
A 2 Ax0 1 3.
Sơ đồ lặp được điều chỉnh trước kết quả được tóm tắt trong Thuật toán 13.4.
Machine Translated by Google
1
Shuˆ = Dh + (1 M h + K h ) Vh 1 ( Mh + Kh) uˆ = f. 2 (13,30)
2
Với tư cách là tiền điều kiện cho ma trận bổ sung Schur Sh , chúng ta có thể áp
dụng chiến lược tiền điều hòa như được mô tả trong phần 13.2.1. Nhưng trong trường
hợp này, các bất đẳng thức tương đương phổ (13.11) của biên siêu âm trong toán tử
tegral D : H 1/2 (ΓN ) H 1/2 (Γ) và của điện thế lớp đơn nghịch đảo V : H
1/2 (ΓN ) H1 / 2 (ΓN ) không thỏa mãn do các không gian hàm ent khác nhau
được sử dụng. Nhưng đối với phép thử tuân thủ có chiều hữu hạn (ΓN ) H 1/2
1
dấu cách Sh (ΓN ) người ta có thể chứng minh các ước lượng liên quan [104], tức là
1
vh S h đối với tất cả (ΓN ) có các bất đẳng thức tương đương phổ
1 2 V 1
γ1 V vh, vh Γ ≤ Dvh, vh Γ ≤ γ2 [1 + log | h |] vh, vh Γ .
1
Khi sử dụng ước lượng ma trận điều kiện trước h Sau đó , chúng tôi có được
CD = M¯ hV¯ cho số điều kiện phổ,
1 2
κ2 (C D Dh) ≤ c [1 + log | h |] .
Như được mô tả trong phần 13.2.1, chúng ta cũng có thể xác định ma trận tiền điều
hòa CV cho thế năng lớp đơn rời rạc Vh dựa trên toán tử tích phân siêu kỳ dị đã
sửa đổi Dˆ: H1 / 2 (Γ) H 1/2 (Γ) , xem [144]. Trong Bảng 13.4, chúng tôi đưa
ra số lần lặp của phương pháp tiếp cận gradient liên hợp được điều chỉnh trước
cho nghiệm của hệ bổ sung Schur (13.30) và của phương pháp tiếp cận gradient liên
hợp với phép biến đổi Bramble / Pasciak để giải hệ (13.29). Theo độ chính xác
tương đối, chúng tôi đã coi ε = 10 8
, và tỷ lệ của ma trận điều hòa trước CV của điện thế lớp sin
gle rời rạc được chọn sao cho các bất đẳng thức tương đương phổ (13.23)
thỏa mãn với c A = 1,2.
1