Составить разностное уравнение и краевую задачу для учп

Конечно-разностный метод решения краевых задач.

для обыкновенных дифференциальных уравнений.

Примером краевой задачи является двухточечная краевая задача для обыкновенного дифференциального уравнения второго порядка:

с граничными условиями, заданными на концах отрезка [a; b]:

Следует найти такое решение у(х) на этом отрезке, которое принимает на концах отрезка значения у₀, у₁. Если функция линейна по аргументам , то задача поиска этой функции – линейная краевая задача, в противном случае – нелинейная..

Кроме граничных условий, задаваемых на концах отрезка и называемых граничными условиями первого рода, используются еще условия на производные от решения на концах — граничные условия второго рода:

или линейная комбинация решений и производных – граничные условия третьего рода:

где – такие числа, что

Возможно на разных концах отрезка использовать условия различных типов.

Наиболее распространены два приближенных метода решения краевой задачи:

— метод стрельбы (пристрелки);

Используя конечно-разностный метод, рассмотрим двухточечную краевую задачу для линейного дифференциального уравнения второго порядка на отрезке [а; b].

Введем разностную сетку на отрезке [а; b]:

Решение задачи будем искать в виде сеточной функции:

предполагая, что решение существует и единственно.

Введем разностную аппроксимацию производных следующим образом:

Подставляя эти аппроксимации производных в исходное уравнение, получим систему уравнений для нахождения y_k:

Приводя подобные члены и учитывая, что при задании граничных условий первого рода два неизвестных уже фактически определены, получим систему линейных алгебраических уравнений с трехдиагональной матрицей коэффициентов:

Для этой системы уравнений при достаточно малых шагах сетки h и q(x_k)

В первом случае линейная алгебраическая система аппроксимирует дифференциальную задачу в целом только с первым порядком (из-за аппроксимации в граничных точках), однако сохраняется трех диагональная структура матрицы коэффициентов. Во втором случае второй порядок аппроксимации сохраняется везде, но матрица линейной системы не трехдиагональная.

Пример. Решить краевую задачу:

с шагом 0,2.

Во всех внутренних узлах отрезка [0; 1] после замены производных их разностными аналогами получим:

На левой границе y₀ = 1, на правой границе аппроксимируем производную односторонней разностью 1-го порядка:

С помощью группировки слагаемых, приведения подобных членов и подстановки значений x_k, а также с учётом у₀ = 1,получим систему линейных алгебраических уравнений:

.

В результате решения системы методом Крамера в Excel, получим:

Решением краевой задачи является табличная функция:

Расчетная часть

3.1. Найти действительные корни уравнения методами простых итераций и касательных (Ньютона) с точностью до 0,00001.

Решение: Для нахождения корня уравнения предварительно отделим корень уравнения графическим методом, записав уравнение в виде:

Построим в осях ХОУ графики функций:

:

Линии графиков пересекаются в единственной точке с абсциссой х₀, лежащей в интервале [0,5; 0,6], т.е.

Значение функции на концах интервала:

Т.к. знаки различны, то уравнение имеет единственный корень в интервале [0,5; 0,6].

3.1.1. Уточнение корня методом простых итераций.

Приведём исходное уравнение к виду:

Т.к. первая производная заданной функции в этом интервале положительна и численно первая производная на этом участке близка к 1,5, то константу С выбираем из интервала:

Т.о. итерационная функция приобретает вид:

Делаем первую итерацию:

Делаем вторую итерацию:

Делаем третью итерацию:

Делаем четвёртую итерацию:

Делаем пятую итерацию:

Делаем шестую итерацию:

Делаем седьмую итерацию:

Делаем восьмую итерацию:

Делаем девятую итерацию:

Продолжая далее, получаем:

На 19-ой итерации изменение шестого знака после запятой, позволяет утверждать, что пятый знак – после запятой – 5. Т.о. значение корня с заданной точностью:

3.1.2. Уточнение корня методом касательных (метод Ньютона):

Т.к. уравнение то же, то интервал, содержащий искомый корень, оставляем тот же [0,5; 0,6], т.е. а = 0,5; b = 0,6.

Находим первую и вторую производную функции :

Очевидно необходимые условия выполняются, т.к.:

, т.е. сохраняют знак на отрезке .

Выполняем первое приближение (х₀ = 0,5):

Выполняем второе приближение (х₁ = 0,571429):

Выполняем третье приближение (х₂ = 0,576128:

Выполняем четвёртое приближение (х₃ = 0,576146):

В пределах заданной точности f(x₂) оказался равен нулю, т.е. требуемая точность достигнута за 4 шага. Значение корня с заданной точностью:

3.2. Вычислить приближенное значение интеграла , используя формулы:

а) трапеций (n = 10); б) Симпсона (n = 10); в) Гаусса (n = 5).

Решение: Ограничимся в расчётах 4 знаками после запятой. Для приближённого вычисления определённого интеграла методом трапеций используется формула:

Разобьём интервал (–1; 9) на n = 10 отрезков (h =1) и вычислим значения подынтегрального выражения для начала и конца каждого отрезка.

№	0	1	2	3	4	5	6	7	8	9	10
х	0	1	2	3	4	5	6	7	8	9	10
	2,4495	2,6458	3,7417	5,7446	8,3666	11,4455	14,8997	18,6815	22,7596	27,1109	31,7175

Тогда по формуле трапеций, имеем:

Используя формулу Симпсона (формулу параболических трапеций) в виде:

получим:

Применяя к исходному интегралу квадратурную формулу Гаусса, имеем:

где

Для n = 5, коэффициенты t_i, представляющие нули полинома Лежандра и коэффициента А_i (эти значения табулированы в справочных таблицах) составляют:

i	1	2	3	4	5
ti	–0,9061	–0,5385	0	0,5385	0,9061
A1	0,2369	0,4786	0,5689	0,4786	0,2369
хi	0,4695	2,3075	5	7,6925	9,5305
	2,4705	4,2763	11,4455	21,4756	29,5239

3.3. Построить интерполяционные многочлены Лагранжа и Ньютона по следующим табличным данным:

	2,9	4,4	6,3	9,7
	2,84	4,53	6,04	5,50

Проверить совпадение значений интерполирующего многочлена с табличными значениями функции в узлах интерполяции.

Решение: Интерполяционный полином Лагранжа для четырёх узлов интерполяции записывается в виде:

Подставим численные значения из заданной таблицы:

Для составления интерполяционного полинома в форме Ньютона, вычислим разности первого порядка для заданной таблицы по формуле:

Вычислим разности второго порядка по формуле:

Вычислим разность третьего порядка по формуле:

Тогда интерполяционный полином Ньютона L_n(x) приобретает следующую форму:

Расчёты показывают, что оба интерполяционных полинома практически одинаковы, т.е. интерполяция ряда точек полиномом третьей степени осуществляется единственным образом.

По заданным узлам интерполяции х_i значения полинома по этому уравнению составляют:

Расчётные значения практически совпадают с заданными значениями f(x).

По полученному уравнению построена кривая, проходящая через узлы интерполяции.

3.4. Найти оценки параметров линейной и квадратичной моделей функциональной зависимости величин у и х по результатам наблюдений , приведенным в таблице:

	0,4	2,4	3,4	4,4	5,4
	2,14	2,14	2,24	2,34	2,34

Построить чертеж: на плоскости нанести экспериментальные точки , построить графики полученных эмпирических функций .

Решение: Коэффициенты «a₀ и а₁» линейной модели найдём, выполнив необходимые вычисления. Расчеты сведем в таблицу:

Номер наблюдения	1	2	3	4	5	Сумма
х	0,4	2,4	3,4	4,4	5,4	16
у	2,14	2,14	2,24	2,34	2,34	11,2
х 2	0,16	5,76	11,56	19,36	29,16	66
х∙y	0,856	5,136	7,616	10,296	12,636	36,54
	2,108	2,202	2,249	2,297	2,344	11,200
	0,0011	0,0039	0,0001	0,0019	0,0000	0,0069

Т.о. линейная зависимость у = а₀ + а₁х имеет вид: у = 2,08865 + 0,0473х.

По этой зависимости определены выровненные значения и остаточная сумма квадратов отклонений, которые записаны в нижних строках таблицы.

Коэффициенты а₀, а₁, а₂ квадратичной зависимости найдём, также выполнив необходимые расчёты в таблице:

Номер наблюдения	1	2	3	4	5	S
х	0,4	2,4	3,4	4,4	5,4	16
у	2,14	2,14	2,24	2,34	2,34	11,2
х 2	0,16	5,76	11,56	19,36	29,16	66
х 3	0,064	13,824	39,304	85,184	157,464	295,84
х 4	0,0256	33,1776	133,634	374,81	850,306	1391,95
у·х	0,856	5,136	7,616	10,296	12,636	36,54
у·х 2	0,3424	12,3264	25,8944	45,3024	68,2344	152,1
	2,128	2,182	2,230	2,292	2,368	11,200
	0,0001	0,0018	0,0001	0,0023	0,0008	0,0051

Составим систему уравнений:

Решение этой системы методом Крамера даёт:

Т.о. квадратичная зависимость у = а₀ + а₁х + а₂х 2 имеет вид:

у = 2,12433 + 0,00729·х + 0,006996·х 2 .

В нижней строке таблицы по полученному уравнению тоже рассчитаны значения по заданным значениям Х и остаточная сумма квадратов отклонений, которые записаны в нижних строках таблицы.

Эмпирическая ломаная, а также линии линейной и квадратичной модели построены на рисунке.

Результаты и выводы.

1. Т.о. интерполяционный полином Лагранжа и Ньютона, построенный по 4 заданным узлам интерполяции имеет вид:

Значения функции, вычисленные по этому полиному третьей степени, точно совпадают с заданными значениями в узлах интерполяции.

Полученное уравнение позволяет найти приближённые значения функции в любых промежуточных точках от х₁ = 2,9 до х₄ = 9,7.

2. Применение метода минимальных квадратов (МНК) к аппроксимации пяти экспериментальных точек линейной зависимостью вида у = а₀ + а₁х, т.е. прямой линией и квадратичной зависимостью вида , т.е. параболой дало следующие выражения:

– линейная зависимость реализована уравнением: у = 2,0887 + 0,0473х

– квадратичная зависимость реализована уравнением: у = 2,1243 + 0,0073·х + 0,007·х 2 .

Судя по остаточной сумме квадратов отклонений, квадратичная зависимость несколько лучше аппроксимирует экспериментальные данные, т.к. для неё остаточная сумма квадратов отклонений меньше, чем для линейной функции.

Список использованной литературы

1. Самарский А.А. Гулин А.В. Численные методы. М. МГУ. 1989 год.

2. Н. С. Бахвалов; Н.П. Жидков; Г.М. Кобельков. Численные методы. М 2003 год;

3. В.А. Буслов, С.Л.Яковлев. Численные методы и исследование функций. СПГУ. Курс лекций. СПБ 2001 г

4. Г.А. Зуева. Метод наименьших квадратов и его применение. Электронное учебное пособие. Иваново, 2009

Численные методы решения краевых задач

Постановка задачи и основные положения

Рассмотрим двухточечные краевые задачи, часто встречающиеся в приложениях, например, при решении задач вариационного исчисления, оптимального управления, механики жидкости и газа и др. Пусть дано обыкновенное дифференциальное уравнение

и краевые условия

где [math]F \bigl(x,y,y’,\ldots,y^<(n)>\bigr);

j=\overline[/math] — функции указанных аргументов, заданные в некоторой области их изменения; [math]L[/math] и [math](n-L)[/math] — число условий на левом и правом концах отрезка [math][a,b][/math] соответственно. Общее количество условий равно порядку дифференциального уравнения. Требуется найти функцию [math]y=y(x)[/math] , которая на отрезке [math][a,b][/math] удовлетворяет уравнению (7.1), а на концах отрезка — краевым условиям (7.2).

Если уравнения (7.1),(7.2) линейны относительно искомой функции и ее производных, то краевая задача называется линейной.

Для простоты ограничимся частным случаем линейной краевой задачи для дифференциального уравнения второго порядка [math](n=2)[/math] , которая наиболее часто ставится в вычислительной практике и записывается в виде

(\Omega \equiv [a,b]),[/math]

где [math]p(x),\, q(x),\, f(x)\in C_2[a,b][/math] — заданные функции, а [math]\alpha_0,\,\alpha_1,\, \beta_0,\, \beta_1,\,A,\,B[/math] — заданные числа, 0,

j=0;1[/math] . Требуется найти функцию [math]y(x)[/math] , удовлетворяющую уравнению (7.3) и краевым условиям (7.4). Краевые условия при [math]\alpha_\ne0,

j=0;1[/math] , задают линейную связь между значениями искомого решения и его производной на концах отрезка [math][a,b][/math] .

В простейшем случае, когда [math]\beta_0=0,

\beta_1=0[/math] , краевые условия задают на концах отрезка [math][a,b][/math] только значения функции [math]y(a),\,y(b)[/math] . Такие функциональные условия называют краевыми условиями первого рода. В этом случае краевая задача называется первой краевой задачей.

В случае, когда [math]\alpha_0=0,

\alpha_1=0[/math] , т.е. на концах отрезка заданы только значения производных, краевые условия являются дифференциальными. Такие краевые условия называют условиями второго рода или «мягкими». Последнее название обусловлено тем, что они определяют на концах отрезка [math][a,b][/math] всего лишь наклоны интегральных кривых, а не значения функции [math]y(x)[/math] . В этом случае задача (7.3),(7.4) называется второй краевой задачей.

В общем случае, когда [math]\alpha_0[/math] и (или) [math]\alpha_1;

\beta_0[/math] и (или) [math]\beta_1[/math] не равны нулю, краевые условия носят функционально-дифференциальный характер и называются условиями третьего рода. Тогда задача (7.3),(7.4) называется третьей краевой задачей.

Например, условия [math]y(a)=A,

y(b)=B[/math] являются условиями первого рода. Геометрически это означает, что при решении первой краевой задачи требуется найти интегральную кривую уравнения (7.3), проходящую через данные точки [math](a,A),\, (b,B)[/math] (рис. 7.1,а). Условия [math]y'(a)=A,\, y'(b)=B[/math] являются условиями второго рода. Геометрически вторая краевая задача сводится к отысканию интегральной кривой уравнения, пересекающей прямые [math]x=a,

x=b[/math] под заданными углами [math]\alpha,\,\beta[/math] , где [math]\operatorname\alpha=A,

\operatorname\beta=B[/math] (рис. 7.1,6). Условия [math]y'(a)=A,

y(b)=B[/math] являются частным случаем краевых условий третьего рода, так как [math]\alpha_0=0,

\beta_1=0[/math] . Геометрически данная краевая задача сводится к отысканию интегральной кривой уравнения, проходящей через точку [math](b,B)[/math] и пересекающей прямую [math]x=a[/math] под данным углом [math]\alpha[/math] , где [math]\operatorname\alpha= A[/math] (рис. 7.1,в).

В общем случае краевая задача может:

а) иметь единственное решение;

б) не иметь решений;

в) иметь несколько или бесконечно много решений.

Утверждение 7.1 (о существовании и единственности решения краевой задачи (7.3),(7.4)). Для того чтобы существовало единственное решение краевой задачи (7.3),(7.4), необходимо и достаточно, чтобы однородная краевая задача

имела только тривиальное решение [math]y(x)\equiv0[/math] .

Пример 7.1. Найти аналитическое решение следующих краевых задач:

0 \leqslant x \leqslant \frac<\pi><2>,

y\! \left(\frac<\pi><2>\right)-y’\! \left(\frac<\pi><2>\right)=2[/math] (третья краевая задача);

0 \leqslant x \leqslant 1,

y(1)=0[/math] (первая краевая задача).

Воспользуемся известной методикой отыскания общих решений дифференциальных уравнений. Подставив в них заданные краевые условия, получим аналитические решения данных краевых задач.

1. Найдем общее решение однородного уравнения [math]y»+y=0[/math] , одинакового для обеих рассматриваемых задач. Так как характеристическое уравнение [math]\lambda^2+1=0[/math] имеет комплексные сопряженные корни [math]\lambda_<1,2>=\pm i= \alpha\pm \beta i[/math] [math](\alpha=0,

\beta=1)[/math] , то общее решение будет

2. Частные решения неоднородных уравнений находятся методом подбора. Подставляя [math]y_<\text>(x)=C[/math] в уравнение [math]y»+y=1[/math] , а [math]y_<\text>(x)=Dx[/math] в уравнение [math]y»+y=-x[/math] , получаем [math]C=1,

D=-1[/math] . Поэтому [math]y_<\text>(x)=1[/math] в случае «а», [math]y_<\text>(x)=-x[/math] в случае «б».

3. Найдем общее решение неоднородного уравнения как сумму общего решения однородного уравнения и частного решения неоднородного уравнения:

а) [math]y(x)=C_1\cos x+C_2\sin x+1[/math] ; б) [math]y(x)=C_1\cos x+C_2\sin x-x[/math] .

4. Определим значения произвольных постоянных из краевых условий третьего рода (случай «а») и первого рода (случай «б»):

а) найдем [math]y'(x)=-C_1\sin x+C_2\cos x[/math] . Тогда

Отсюда [math]C_1=1[/math] и [math]y(x)=1+\cos x[/math] — решение краевой задачи «а»;

б) общее решение [math]y(x)=C_1\cos x+C_2\sin x-x[/math] и, следовательно, [math]y(0)=C_1=0,

y(1)=C_1\cos1+ C_2\sin1-1=0[/math] , отсюда [math]C_2= \frac<1><\sin1>[/math] и [math]y(x)=\frac<\sin x><\sin1>-x[/math] — решение краевой задачи «б». Таким образом, решение краевой задачи представляет собой такое частное решение, которое удовлетворяет краевым условиям.

Рассмотренный метод нахождения аналитического решения краевых задач применим для ограниченного класса задач. Поэтому в вычислительной практике используются численные и приближенно-аналитические методы, позволяющие найти приближенное решение краевых задач, точные аналитические решения которых не могут быть найдены.

Метод сеток

Рассмотрим линейную краевую задачу с краевыми условиями первого рода (первую краевую задачу):

где [math]p(x),q(x),f(x)\in C_2[a,b][/math] — заданные функции; [math]A,\,B[/math] — заданные числа.

Очевидно, любой отрезок [math][a,b][/math] , на котором ищется решение краевой задачи, можно привести к отрезку [math][0;1][/math] с помощью линейного преобразования [math]\widetilde= \frac[/math] . Действительно, тогда новая переменная [math]\widetilde\in [0;1][/math] . В результате без ограничения общности краевая задача (7.5) может быть решена сначала на отрезке [math][0;1][/math] , а затем это решение с помощью преобразования [math]x=a+(b-a)\cdot \widetilde[/math] может быть записано на отрезке [math][a,b][/math] . То же относится и к исследованию свойств полученного решения.

Утверждение 7.2 (о единственности решения краевой задачи (7.5)). Если функции [math]p(x),q(x),f(x)[/math] принадлежат классу [math]C_2[a,b],

q(x) \geqslant 0[/math] на [math][0;1][/math] , то краевая задача (7.5) имеет единственное решение [math]y(x)\in C_4[0;1][/math] .

Для решения задачи (7.5) применим метод сеток, получаемый путем аппроксимации первой и второй производных. Введем равномерную сетку (где [math]n[/math] — число отрезков разбиения)

Функции [math]p(x),q(x),f(x)[/math] заменяются их проекциями на сетку [math]\Omega_n[/math] , то есть [math]p(x)\to p(x_)=p_i,[/math] [math]q(x)\to q(x_)=q_i,[/math] [math]f(x)\to f(x_)= f_i,[/math] . Вместо точного решения [math]y(x)[/math] отыскивается некоторое приближение [math]\widehat_= \widehat(x_)\approx y(x_),

i=\overline<0,n>[/math] . Первая и вторая производные аппроксимируются на трехточечном шаблоне [math](x_,x_,x_)[/math] по формулам второго порядка (5.10),(5.14):

Краевые условия для этой задачи аппроксимируются точно, т.е. [math]y(a)[/math] и [math]y(b)[/math] заменяются на [math]\widehat_<0>[/math] и [math]\widehat_[/math] . После замены от дифференциальной задачи (7.5) переходим к разностной схеме:

представляющей собой систему алгебраических уравнений трехдиагонального вида:

\delta_=f_[/math] . Здесь система (7.6) записана для внутренних узлов сетки [math]\Omega_n[/math] . Она является трехдиагональной системой линейных алгебраических уравнений и решается методом прогонки.

1. Изложенный метод сеток допускает обобщение. Например, его можно применять для решения нелинейной краевой задачи:

где [math]F(x,y)[/math] — нелинейная по [math]y[/math] функция (в общем случае, который здесь не рассматривается, функция [math]F[/math] зависит также и от [math]y'[/math] ).

Рассуждая аналогично рассмотренному выше способу, перейдем к разностной задаче:

В силу нелинейности правой части полученная алгебраическая система является нелинейной и для ее решения нельзя использовать метод прогонки в том виде, в каком он изложен для линейной задачи. Поэтому для ее решения используем метод простых итераций, с помощью которого при фиксированном [math]k[/math] (номер итерации) система алгебраических уравнений (7.8) превращается в линейную, так как величины, входящие в правую часть системы, известны из предыдущей итерации. Действительно, для k-й итерации получается система (которая решается на каждой итерации методом прогонки)

Можно показать, что итерации сходятся при выполнении условия [math]q=\frac<1><8>(x_n-x_0)^2M_1 [math]M_1=\max_<[a,b]>\left|\frac<\partial F><\partial y>\right|[/math] с линейной скоростью.

2. Краевые условия второго и третьего рода в задаче, аналогичной (7.5), могут быть аппроксимированы несколькими способами.

Первый способ. Использование аппроксимационных формул (5.4) первого порядка

В силу первого порядка этих аппроксимаций метод сеток в этом случае также будет иметь первый порядок аппроксимации.

Второй способ. Применение формулы Тейлора и ее преобразование с использованием дифференциального уравнения. Таким способом может быть достигнут второй порядок аппроксимации.

Третий способ. Применение левосторонней (5.8) и правосторонней (5.9) формул, аппроксимирующих производные со вторым порядком:

3. Порядок аппроксимации схемы определяется минимальным порядком аппроксимации дифференциального уравнения и краевых условий.

Алгоритм применения метода сеток

1. Задать сетку [math]\Omega_n[/math] на отрезке [math][a,b][/math] или сформировать ее из условий достижения требуемой точности.

2. Используя аппроксимационные формулы (5.10),(5.14) и один из трех способов аппроксимации краевых условий (в случае, если они второго или третьего рода), перейти от исходной дифференциальной задачи к системе алгебраических уравнений (разностной схеме), неизвестными в которой являются величины, «близкие» к решению краевой задачи в узлах сетки.

3. Найти решение разностной задачи путем решения трехдиагональной системы уравнений и таким образом определить приближенное решение краевой задачи.

Пример 7.2. Найти приближенное решение краевой задачи [math]y»+y=1,

0 \leqslant x \leqslant \frac<\pi><2>,[/math] [math]y'(0)=0,[/math] [math]y\! \left(\frac<\pi><2>\right)-y’\! \left(\frac<\pi><2>\right)=2[/math] при [math]n=3[/math] , используя первый способ аппроксимации краевых условий. Записать разностные схемы для второго и третьего способов при произвольном [math]n[/math] .

В поставленной задаче

Для решения задачи воспользуемся методикой.

1. Так как [math]n=3[/math] , то сетка имеет вид [math]\Omega_3=\[/math] , где [math]x_=ih,

y\! \left(\frac<\pi><6>\right)=y_1,[/math] [math]y\! \left(\frac<\pi><3>\right)=y_2,[/math] [math]y\! \left(\frac<\pi><2>\right)=y_3[/math] . Будем искать приближенные значения [math]\widehat_0,\widehat_1, \widehat_2, \widehat_3[/math] . Проекции функций [math]p(x), q(x), f(x)[/math] на сетку имеют вид [math]p_=0,

2. Составим разностную схему. Согласно (7.6), для внутренних узлов сетки получаем

i=1;2[/math] или [math]\widehat_-(2-h^2)\widehat_+ \widehat_=h^2,

Применим первый способ аппроксимации краевых условий. По формуле (5.4) с учетом условия [math]y'(0)=0[/math] на левом конце имеем

На правом конце [math]y\! \left(\frac<\pi><2>\right)=y_3,

y’\! \left(\frac<\pi><2>\right)=y’_3[/math] , и по второй из формул (7.9) [math]\widehat\,’_<3>= \frac<\widehat_<3>-\widehat_<2>>[/math] . Тогда краевое условие [math]y\! \left(\frac<\pi><2>\right)-y’\! \left(\frac<\pi><2>\right)=2[/math] аппроксимируется выражением

В результате получаем разностную схему первого порядка аппроксимации (трехдиагональную систему линейных алгебраических уравнений)

Сравнивая первое уравнение этой системы с рекуррентным соотношением [math]\widehat_= P_\cdot \widehat_+ Q_[/math] метода прогонки, характеризующим обратный ход, получаем [math]P_0=1,

После этого вычисляются все последующие прогоночные коэффициенты по формулам:

Здесь [math]\alpha_,\beta_,\gamma_[/math] соответствуют коэффициентам левой части полученной алгебраической системы, а [math]\delta_[/math] — правой части.

Далее выполняется обратный ход: [math]\widehat_<3>=Q_3,

\widehat_<2>= P_2\widehat_<3>+ Q_2,

\widehat_<1>= P_1\widehat_<2>+ Q_1[/math] .

Результаты решения краевой задачи приведены в табл. 7.1, в которой последний столбец соответствует точному решению [math]y(x)=1+\cos x[/math] , найденному в примере 7.1.

7.1>>\\\hline i& \alpha_& \beta_& \gamma_& \delta_& P_& Q_& \widehat_& y(x) \\\hline 0& 0&-1,\!0000&-1& 0,\!00000& 1,\!00000& 0& 1,\!8648& 2,\!0000\\\hline 1& 1& 1,\!72584& 1& 0,\!27415& 1,\!37771&-0,\!37770& 1,\!8648& 1,\!8666\\\hline 2& 1& 1,\!72584& 1& 0,\!27415& 2,\!87240&-1,\!87242& 1,\!6277& 1,\!5000\\\hline 3& 1& 0,\!47640&-& 1,\!04200&-& 1,\!21853& 1,\!21853& 1,\!0000\\\hline \end[/math]

В силу того, что краевые условия аппроксимированы с первым порядком относительно [math]h[/math] , в данном случае получена разностная схема первого порядка, так как порядок аппроксимации схемы определяется минимальным порядком аппроксимации дифференциального уравнения и краевых условий.

Воспользуемся вторым способом аппроксимации краевых условий для построения разностной схемы второго порядка аппроксимации. Разложим [math]y(x)[/math] в точке [math]x=x_1[/math] относительно точки [math]x_0[/math] по формуле Тейлора:

Выразим из этого соотношения [math]y'(x_0)[/math] и подставим в него вместо [math]y»(x_0)[/math] выражение [math]y»(x_0)=1-y(x_0)=1-y_0[/math] , определяемое исходным дифференциальным уравнением:

Как показывает это соотношение, дифференциальное условие на левой границе аппроксимируется на двухточечном шаблоне [math](x_0,x_1)[/math] со вторым порядком аппроксимации двухточечным алгебраическим уравнением:

Аналогично получается двухточечное алгебраическое уравнение при / [math]i=n-1[/math] и [math]i=n[/math] . Разложение [math]y(x)[/math] в точке [math]x=x_[/math] относительно точки [math]x_n[/math] по формуле Тейлора имеет вид

Выражая отсюда [math]y'(x_n)[/math] с учетом связи [math]y»(x_n)=1-y(x_n)=1-y_n[/math] , следующей из исходного дифференциального уравнения, получаем

Подставим это выражение в граничное условие:

Таким образом, система линейных алгебраических уравнений в окончательном виде записывается следующим образом:

Эта трехдиагональная система, отличающаяся от полученной первым способом только первым и последним уравнениями, решается численно методом прогонки.

Применим третий способ аппроксимации краевых условий для построения разностной схемы второго порядка. Так, для крайней левой точки используется левосторонняя формула (5.8):

Тогда получается трехточечное алгебраическое уравнение:

Аппроксимация производной [math]y’\! \left(\frac<\pi><2>\right)[/math] в крайней правой точке по правосторонней формуле [math]\widehat\,’_= \frac<1> <2h>\bigl(\widehat_-4\widehat_+ 3\widehat_\bigr)[/math] приводит к трехточечному алгебраическому уравнению:

Тогда в этом случае получается следующая система линейных алгебраических уравнений:

Здесь [math]\widehat_<2>[/math] в первом уравнении и [math]\widehat_[/math] в последнем нарушают ее трехдиагональный характер. В этом случае система приводится к трехдиагональному виду путем исключения [math]\widehat_<2>[/math] и [math]\widehat_[/math] из первых двух и последних двух уравнений системы и после этого решается методом прогонки.

Методы минимизации невязки

Описываемые здесь методы относятся к приближенно-аналитическим и могут применяться при решении достаточно широкого класса задач. На основе одного из приближенно-аналитических методов (метода Галеркина) строится метод конечных элементов, излагаемый в разд. 7.5.

Рассмотрим линейную краевую задачу (7.3),(7.4). Ее решение будем искать в виде

где [math]\varphi_0(x), \varphi_1(x), \ldots, \varphi_m(x)[/math] — элементы заданной системы функций; [math]a_1,\ldots,a_m[/math] — неопределенные коэффициенты. Заданная система функций называется базисной, и ее элементы должны удовлетворять условиям:

а) [math]\varphi_(x)\in C_2[a,b],

б) при любом конечном [math]m[/math] функции [math]\varphi_1(x), \ldots, \varphi_m(x)[/math] линейно независимы на отрезке [math][a,b][/math] ;

в) [math]\varphi_0(x)[/math] удовлетворяет краевым условиям (7.4)

г) [math]\varphi_1(x), \ldots, \varphi_m(x)[/math] удовлетворяют условиям

называется невязкой . Она равна разности левой и правой частей уравнения (7.3), образующейся при подстановке [math]\widehat_(x)[/math] вместо [math]y(x)[/math] в дифференциальное уравнение, и характеризует степень отклонения функции [math]\widehat_(x)[/math] от точного решения краевой задачи. Если при некоторых значениях коэффициентов [math]a_1,\ldots,a_m[/math] невязка тождественно равна нулю на отрезке [math][a,b][/math] , а именно

то функция [math]\widehat_(x)[/math] совпадает с точным решением краевой задачи (7.3),(7.4), так как удовлетворяются и уравнение, и краевые условия.

Однако при решении краевых задач, как правило, не удается получить невязку тождественно равной нулю. Поэтому ставится задача: вычислить коэффициенты [math]a_1,\ldots,a_m[/math] таким образом, чтобы невязка в каком-либо смысле стала меньшей. Полученные в результате коэффициенты определяют приближенное решение (7.11).

Выражение для невязки [math]\varepsilon(x; a_1,\ldots, a_m)[/math] с учетом (7.11) удобно записывать в следующей эквивалентной форме:

где [math]L\widehat_\equiv \widehat\,»_(x)+ p(x)\widehat\,’_(x)-q(x) \widehat_(x),

L[/math] — линейный оператор задачи (7.3),(7.4) (выполняются равенства [math]L(y+z)= Ly+Lz,[/math] [math]L(Cy)=C\cdot Ly[/math] для любых [math]y,\,z[/math] и постоянной [math]C[/math] ).

Рассмотрим различные методы, минимизирующие невязку .

А. Метод коллокации. На интервале [math](a,b)[/math] задаются т точек [math]x_1,\ldots, x_n[/math] (точек коллокации) и требуется, чтобы в каждой из них невязка (7.14) обращалась в нуль:

С учетом (7.16) эта система принимает вид

Если полученная система [math]m[/math] линейных уравнений совместна, то из нее определяются коэффициенты [math]a_1,\ldots, a_m[/math] , которые затем подставляются в (7.11).

Б. Метод наименьших квадратов (непрерывный вариант). Неизвестные коэффициенты [math]a_1,\ldots, a_m[/math] должны обеспечивать минимум интеграла от квадрата невязки:

Для решения задачи применяются необходимые условия безусловного экстремум:

Подставляя (7.16) в (7.19), получаем систему [math]m[/math] линейных алгебраических уравнений для нахождения коэффициентов [math]a_1,\ldots, a_m\colon[/math]

В. Метод наименьших квадратов (дискретный вариант). Неизвестные коэффициенты [math]a_1,\ldots,a_m[/math] должны обеспечивать минимум суммы квадратов значений невязки в заданном наборе точек [math]x_1,\ldots,x_n;

n \geqslant m[/math] , то есть [math]x_\in (a,b),

Для решения задачи применяются необходимые условия безусловного экстремума

Отсюда следует система [math]m[/math] линейных уравнений для нахождения коэффициентов [math]a_1,\ldots,a_m[/math] , которая по форме записи совпадает с (7.20), но скалярное произведение определяется по формуле [math]\textstyle<(f,g)= \sum\limits_^ f(x_)g(x_)>[/math] .

Замечание. При [math]n=m[/math] результаты, полученные точечным методом наименьших квадратов и методом коллокации, совпадают. В этом случае точки [math]x_1,\ldots, x_n[/math] являются точками коллокации.

Г. Метод моментов (взвешенных невязок). Неизвестные коэффициенты ах. ат находятся из условия равенства нулю /и моментов невязки:

j=\overline<1,m>[/math] — функции, удовлетворяющие условиям:

б) функции [math]\psi_(x)[/math] являются элементами системы степеней [math]x[/math] или системы тригонометрических функций.

j=\overline<1,m>[/math] называются весовыми, а условие (7.22) является условием ортогональности невязки к весовым функциям.

Д. Метод Галсркина. Он является частным случаем метода моментов, когда в качестве весовых функций используются базисные. Коэффициенты [math]a_1,\ldots,a_m[/math] находятся из условия ортогональности функций базисной системы [math]\varphi_1(x),\ldots, \varphi_(x)[/math] к невязке:

Отсюда следует система [math]m[/math] линейных уравнений для нахождения коэффициентов:

Известно, что при достаточно большом [math]m[/math] условие (7.23) обеспечивает малость невязки в среднем.

Алгоритм применения методов минимизации невязки

1. В выражении (7.11) выбрать систему базисных функций, задать число [math]m[/math] в зависимости от требуемой точности.

2. Найти коэффициенты [math]a_1,\ldots,a_m[/math] путем решения одной из систем алгебраических уравнений (7.18),(7.20),(7.24) в зависимости от выбранного метода.

3. Выписать приближенное решение краевой задачи по формуле (7.11).

Пример 7.3. Найти приближенное решение краевой задачи [math]y»+y=-x,

0 \leqslant x \leqslant 1,[/math] [math]y(0)=0,

y(1)=0[/math] методом коллокации, интегральным методом наименьших квадратов, методом Галеркина

В поставленной задаче

Точное решение найдено в примере 7.1.

Воспользуемся сначала методом коллокации.

1. Зададим [math]m=2[/math] и будем искать решение в виде

где [math]\varphi_0(x)\equiv0[/math] (эта функция удовлетворяет каждому из краевых условий, т.е. [math]\varphi_0(0)=0,

\varphi_0(1)=0[/math] ), функции [math]\varphi_1(x)= x(1-x),

\varphi_2(x)= x^2(1-x)[/math] . Функции [math]\varphi_1(x),\, \varphi_2(x)[/math] линейно независимые, дважды непрерывно дифференцируемые и удовлетворяют условию (7.13). Действительно,

Таким образом, решение краевой задачи ищется в форме

2. Так как [math]m=2[/math] и [math]\varphi_0(x)\equiv 0[/math] , то система (7.18) имеет вид

Выберем узлы коллокации: [math]x_1=1\!\!\not<\phantom<|>>\,4,

Таким образом, имеем линейную систему относительно [math]a_1[/math] и [math]a_2\colon[/math]

3. Приближенное решение задачи: [math]\widehat_2(x)= \frac<217>(42+40x)[/math] .

Решим теперь задачу методом наименьших квадратов (см. непрерывный вариант).

1. Решение краевой задачи ищется в форме [math]\widehat_2(x)= a_1\cdot x(1-x)+ a_2\cdot x^2(1-x)[/math] .

2. Так как [math]f(x)=-x,

\varphi_0(x)\equiv 0[/math] , то система (7.20) имеет вид

Итак, имеем линейную систему относительно [math]a_1[/math] и [math]a_2\colon[/math]

Приближенное решение задачи: [math]\widehat_2(x)=0,\!1875419x(1-x)+ 0,\!1694707x^2(1-x).[/math] .

Решим задачу методом Галеркина.

1. Пусть сначала [math]m=1[/math] . Решение ищется в форме [math]\widehat_1(x)= a_1\cdot x(1-x)[/math] .

2. Тогда система (7.24) преобразуется к виду

Так как [math]\varphi_1(x)= x(1-x),

L\varphi_1(x)= \varphi»_1(x)+ \varphi_1(x)=-2+x(1-x)[/math] , получаем

После вычисления интегралов имеем уравнение [math]-\frac<3><10>\,a_1=-\frac<1><12>[/math] , откуда [math]a_1=\frac<5><18>[/math] .

3. Приближенное решение краевой задачи: [math]\widehat_1(x)=\frac<5><18>\,x(1-x)[/math] . Пусть теперь [math]m=2[/math] .

1. Решение краевой задачи ищется в форме [math]\widehat_2(x)=a_1\cdot x(1-x)+ a_2\cdot x^2(1-x)[/math] .

2. Тогда система (7.24) имеет вид

Вычисляя интегралы, находим

3. Приближенное решение краевой задачи: [math]\widehat_2(x)= x(1-x)\! \left(\frac<71><369>+ \frac<7><41>\,x\right)[/math] .

Сопоставим полученные решения с точным (табл. 7.2).

7.2>>\\\hline x& y_<\text>& y_<\text>& y_<\text>& \text \\\hline 0,\!25& 0,\!045& 0,\!04311& 0,\!0440& 0,\!044014 \\\hline 0,\!50& 0,\!071& 0,\!06807& 0,\!0698& 0,\!069747 \\\hline 0,\!75& 0,\!062& 0,\!05899& 0,\!0600& 0,\!060050 \\\hline \end[/math]

Очевидно, метод Галеркина дал более точный результат.

Пример 7.4. Найти приближенное решение краевой задачи [math]y»+2xy’-2y=2x^2,

0 \leqslant x \leqslant 1,[/math] [math]y'(0)=-2,

y(1)+y'(1)=0[/math] методом Галеркина.

В поставленной задаче

1. Зададим [math]m=2[/math] и подберем функции [math]\varphi_0(x),\, \varphi_1(x),\, \varphi_2(x)[/math] , используя систему [math]1,x,x^2,\ldots[/math] . Функция [math]\varphi_0(x)[/math] должна удовлетворять условиям (7.12):

Пусть [math]\varphi_0(x)=b+cx[/math] , где [math]b,\,c[/math] — неопределенные коэффициенты. Тогда

Отсюда [math]b=4[/math] и [math]\varphi_0(x)=4-2x[/math] .

Функции [math]\varphi_1(x),\, \varphi_2(x)[/math] должны удовлетворять условиям (7.13):

Первое условие выполняется для функций вида [math]\varphi_= x^+b_[/math] . Значения [math]b_[/math] находятся из второго условия [math]1+b_+j+1=0[/math] , откуда [math]b_=-j-2[/math] . Тогда получаем [math]\varphi_1(x)=x^2-3,

Таким образом, решение краевой задачи ищется в форме

2. Тогда система (7.24) имеет вид

3. Приближенное решение краевой задачи [math]\widehat_2(x)= x^2-2x+1[/math] .

Методы сведения краевой задачи к задаче Коши

Метод стрельбы. Суть этого метода заключается в сведении решения краевой задачи к многократному решению задачи Коши. Принцип построения метода стрельбы рассмотрим на примере нелинейной краевой задачи:

где [math]f(x,y,y’)[/math] — нелинейная функция, обусловливающая нелинейность дифференциального уравнения (7.25).

При введении новой переменой [math]z=y'[/math] уравнение (7.25) записывается в нормальной форме Коши, а краевые условия видоизменяются:

где [math]\eta=y'(a)=\operatorname\alpha[/math] — параметр, равный тангенсу угла наклона интегральной кривой в точке [math]x=a[/math] . Угол [math]\alpha[/math] (параметр [math]\eta[/math] ) в процессе многократного решения краевой задачи должен принять такое значение, чтобы интегральная кривая «попала в цель», т.е. в точку [math](b,B)[/math] (рис.7.2 ,а). В общем случае полученное при некотором значении [math]\eta[/math] решение [math]y(x,\eta)[/math] не будет удовлетворять условию [math]y(b,\eta)=B[/math] на правом конце отрезка.

Следовательно, требуется найти такое значение параметра [math]\eta[/math] , чтобы оно было корнем нелинейного уравнения [math]\Phi(\eta)= y(b,n)-B=0[/math] . Для решения этого уравнения, как правило, используются методы половинного деления или секущих. В случае использования метода половинного деления сначала делают «пробные» выстрелы при выбранных наугад или в соответствии с некоторым алгоритмом значениях [math]\eta[/math] до тех пор, пока среди значений [math]\Phi(\eta)[/math] не окажется двух противоположных по знаку. Им соответствует начальный интервал неопределенности, который далее последовательно сокращается путем деления пополам. При применении метода секущих используется формула

где [math]\eta^<(0)>,\,\eta^<(1)>[/math] — начальные значения параметра, [math]k[/math] — номер итерации. Итерации прекращаются при выполнении условия окончания [math]\bigl|\Phi(\eta^<(k)>)\bigr| \leqslant \varepsilon[/math] или [math]\bigl|\eta^<(k+1)>-\eta^<(k)>\bigr| \leqslant \varepsilon[/math] с некоторым положительным [math]\varepsilon[/math] , характеризующим точность решения задачи.

Замечание. Точность решения краевой задачи зависит не только от точности определения параметра [math]\eta[/math] , но также и от точности решения соответствующей задачи Коши. Поэтому одновременно с уточнением параметра [math]\eta[/math] рекомендуется уменьшать шаг при решении задачи Коши, либо выбирать более точный метод.

Рассмотрим применение метода стрельбы для решения линейной краевой задачи (7.3),(7.4):

ПРИМЕРЫ РЕШЕНИЯ ТИПОВЫХ ЗАДАЧ. Пример 1. Используя разностное уравнение (18) найти приближённое решение уравнения теплопроводности:

Пример 1. Используя разностное уравнение (18) найти приближённое решение уравнения теплопроводности:

(1)

удовлетворяющее следующим начально-краевым условиям:

Решение: Напоминаем, что разностное уравнение:

(18)

является частным случаем (соответствующим случаю s = l/h 2 = 1/2) общей явнойразностной схемы:

(15)

полученной для отыскания решения u(t, x) уравнения теплопроводности (1) с явной схемой узлов (рис. 2а):

Рис. 2a – явная схема узлов для уравнения теплопроводности.

Как отмечалось выше, в этом случае разностная схема (18) представляет собой формулу для непосредственного вычисления приближённых значений искомой функции u_i,j+1 для очередного ( j + 1)-ого временного слоя на основе приближённых значений искомой функции u_{i—1, j} ; u_{i, j} ; u_{i+1, j} на предыдущем j-ом временном слое.

Для решения задачи выберем по аргументу x шаг h = 0.1; Поскольку уравнение (18) получено из общей схемы (15) при s = l/h 2 = 1/2, то шагу h = 0.1 по оси x соответствует шаг l = h 2 /2 = 0.005 по аргументу t.

Прежде чем продолжать решать задачу дальше, необходимо обратить внимание на симметрию заданных начальных условий на интервалах изменения пространственной переменной (0 £ x £1). Так из начального условия (4) видно, что значения искомого решения в момент времени t = 0 симметричны относительно центра отрезка (0 £ x £1). Действительно, при выбранном шаге h = 0.1 на отрезке (0 £ x £1) для начальных значений решения u(x, 0) = sin(px) по оси x имеем:

Прежде чем продолжать решать задачу дальше, необходимо обратить внимание на симметрию заданных начальных и краевых условий на интервалах изменения пространственной (0 £ x £1) и временной (0 £ t £0.025) переменных.

Заключение (план — аннотация лекции №29).

В лекции 29 рассмотрена идея применения метода сеток (или метода конечных разностей) для решения простейших краевых задач для уравнений параболического и гиперболического типа.

Подробно изложена методика использования метода сеток для решения краевых задач для уравнений эллиптического типа, рассмотрены различные варианты связи узлов в «крестообразных» шаблонах прямоугольных сеток. Приведена оценка погрешности разностного метода решения задачи Дирихле.

Рассмотрена идея аппроксимации граничных условий для решения задачи Дирихле в случае, когда не все граничные узлы сетки лежат на границе расчётной области, в том числе и для случаев построения сеток с «перекрытием» расчётных областей.

На примере третьей краевой задачи для уравнений эллиптического типа обсуждаются подходы, используемые при аппроксимации граничных условий для других граничных условий, встречающихся при решении краевых задач для эллиптического дифференциального уравнения второго порядка.

Приведены примеры решения типовых задач для уравнений эллиптического типа как для случая прямоугольных, так и для случая криволинейных расчётных областей.

1. И.С. Березин, Н.П. Жидков. Методы вычислений. Т. 2. – М.: Физматгиз, 1962. – 620 с.

2. В.М. Вержбицкий. Основы численных методов. – М.: Высшая школа, 2002. – 840 стр.

3. Н.В. Копчёнова, И.А. Марон. Вычислительная математика в примерах и задачах. – М.: Наука, 1972. – 368 с.

4. В.Ф. Формалёв, Д.Л. Ревизников. Численные методы. – М.: Физматлит, 2004. 400 с.

5. Б.П. Демидович, И.А. Марон, Э.З. Шувалова. Численные методы анализа.
– М.: Наука, 1967. – 368 с.

Дата добавления: 2015-09-14 ; просмотров: 779 ; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ