Экстраполированный итерационный метод
3.2. Экстраполированный итерационный метод
Для симметризуемого метода (3.10) экстраполированный метод имеет вид
. (3.11)
Его можно переписать в виде
(3.12)
Здесь ‑ параметр экстраполяции. Выясним сходимость экстраполированного метода (3.12). Для этого надо оценить спектр . Очевидно, собственные числа оператора перехода равны
,
а экстремумы достигаются на границах, т.е. при , либо при . Для спектра построим график функции
(3.13)
Рекомендуемые материалы
и найдем ее минимум по . Соответствующее значение будет оптимальным параметром экстраполяции в смысле минимизации спектра оператора перехода: . График функции (3.13) при , от аргумента показан на рис. 3.1 красным цветом. При построении, графика учтено, что
а угловые коэффициенты (наклон ветвей графика) функции болше, чем .
Рис. 3.1. К определению оптимального пaрaметра экстраполяции
Оптимальное значение параметра экстраполяции в смысле минимизации оператора перехода итерационного метода (3.12) находим из уравнения
(3.14)
При этом значении имеем
Следовательно, оптимальный экстраполированный метод (RF-OE – Ричардсона с фиксированным параметром оптимально экстраполированный)
сходится, если сходится метод RF.
Перепишем итерационный процесс в каноническом виде. Имеем
Применив к этому равенству оператор и поделив на , получим
. (3.15)
При фиксированных (не зависящих от шага ) и метод (3.15) называют методом простой итерации. Если, кроме того, , то он становится явным, а оптимальный параметр (3.14) вычисляется по формуле
Итак, чтобы вычислить параметр экстраполяции (оптимальный шаг в методе простой итерации), необходимо знать границы спектра – собственные числа . Это самостоятельная, вообще очень трудная задача. Точно она решается лишь в простейших случаях. Тем не менее, нам нужны хотя бы оценки.
Собственные числа и собственные функции
простейших операторов и матриц
Рассмотрим одномерную задачу теплопроводности
. (1)
Оценим с.ч. и с.ф. положительно определенного оператора . Для этого решим задачу Штурма-Лиувилля , или
. (2)
Прежде всго, для удобства сведем задачу к области заменой . Получим , или, обозначив ,
(3)
Решение задачи (2) ищем в виде ряда
. (4)
Очевидно, чтобы уловлетворить краевому условию при , следует положить . Очевидно, что решение задачи (3) определено с точностью до множителя, поэтому, не нарушая общности, можно положить (эквивалентно делению на множитель ).
Подставим (4) в (3):
Очевидно, все коэффициенты при одиинаковых степенях должны быть равны нулю. Отсюда следует рекуррентная формула для коэффициентов
(5)
Получим их явный вид:
Итак, все четные равны нулю, а нечетные равны
Подставим эти значения в ряд (4). Будем иметь
(6)
Это очень похоже на разложение в ряд Тейлора функции в окрестности нуля:
Таким образом, получили решение (6) задачи (3) в виде
(7)
Оно удовлетворяет граничному условию , если , откуда находим собственные числа одномерного опрератора Лапласа с нулевыми граничными условиями на единичном отрезке . Вспомним, что для перехода к отрезку достаточно сделать замену .
Окончательно получим из (7) собственные функции и собственные значения
. (8)
Границы спектра таковы:
.
Как уже отмечалось, в задаче (2) собственные функции определяются с точностью до множителя. Выберем этот множитель так, чтобы система функций вида (8) была ортонормальной, т.е. положим
(9)
и потребуем, чтобы
.
При имеем
откуда находим нормирующий множитель . Ортогональность функций (9) очевидна. Итак, имеем
(10)
Главное свойство ортонормального базиса.
Любая достаточно гладкая функция , удовлетворяющая однородным краевым условиям однозначно представима в виде ряда по ортонормальному базису (10):
. (11)
Перейдем теперь к разностной схеме для задачи Штурма-Лиувилля (2) на равномерной сетке:
(12)
Решение этой задачи определит собственные значения и соответствующие им собственные функции разностного оператора Лапласа с граничными условиями Дирихле. Базисные функции, по аналогии с дифференциальным случаем, будем искать в виде
, (13)
где - произвольный множитель, а выбрано так, чтобы удовлетворить граничным условиям. Из (12) получаем
Но , поэтому имеем уравнение для
Находим (т.к. )
. (14)
Нетрудно видеть, что все , причем
При имеем оценку границ спектра разностного оператора Лапласа
. (15)
Множитель собственных функций определим из условия их ортонормальности в смысле скалярного произведения
.
При , с учетом нулевых граничных условий, подстановка (13) дает
Последняя сумма равна нулю (?), поэтому имеем , и ортнормированная система собственных функций (13) принимает вид
(16)
Основные свойства с.ф. (16) и с.з. (14) задачи Дирихле.
1. Ортонормированность
2. Любая сеточная функция , равная нулю на границе, , во внутренних узлах может быть разложена в ряд по с.ф.
3. Ограниченность спектра с.з.
Можно показать, что для расностной задачи Неймана
с.з. те же, но их уже :
С.ф. - косинусы
Эти с.ф. также образуют ортонормальный базис.
В задаче Неймана имеется нулевое с.з. , ему соответствует постоянная с.ф. , что отражает вырожденность этой задачи, т.е. ее решение определено с точностью до постоянной.
Двухслойный итерационный процесс и метод установления
Двухслойный итерационный процесс (3.15) можно трактовать как неявную (при ) схему для нестационарного уравнения
,
а параметр - как шаг по фиктивному времени. Различие между итерационными методами и схемами для нестационарных задач заключается в следующем:
1. При любых и точное решение исходной задачи удовлетворяет (3.15), т.е. обращает его в тождество. Для нестационарных задач это может удовлетворяться лишь при .
2. Выбор оператора (матрицы) и параметра экстраполяции следует подчинить лишь требованиям сходимости итераций и минимума арифметических действий, необходимых для нахождения решения исходной задачи с требуемой точностью. Для нестационарных задач выбор шага подчинен прежде всего требованиям аппроксимации и устойчивости.
Выше предполагалось, что оператор линеен (коэффициенты матрицы не зависят от решения ), однако итерационная схема (3.15) может использоваться и для нелинейных операторов, в этом случае коэффициенты матрицы вычисляются на векторе .
Достаточное условие сходимости двухслойного итерационного процесса.
Теорема. Итерационный процесс
(3.15)
сходится, если
Доказательство. Пусть - погрешность приближенного решения на -м шаге ( - точное решение задачи). Подставив это в (3.15), получим однородное уравнение для погрешности
. (1)
Для краткости обозначим . Уравнение (1) перепишем в виде
Требуется доказать сходимость, если
Если Вам понравилась эта лекция, то понравится и эта - Исследования генетики поведения собак.
Умножим это равенство скалярно на . Будем иметь
. (2)
Но В силу симметричности оператора (условие 1) , поэтому второй член в (2) равен . Подставив это в (2) и воспользовавшись тем, что (условие 2), получим
т.е. последовательность норм погрешностей убывает до нуля с ростом числа итераций , т.е. процесс сходится.