问题 4
[编辑 | 编辑源代码]
考虑以下系统
.
|
问题 4a
[编辑 | 编辑源代码]
证明如果参数 选择得足够小,那么该系统在某个矩形区域内有唯一解 。
|
解答 4a
[编辑 | 编辑源代码]
方程组可以用矩阵表示。
的雅可比矩阵,
,可以使用偏导数计算
如果
足够小,并且
限制在有界区域
内,
根据中值定理,对于
,存在
使得
由于
在区域
内是有界的,给定足够小的 
因此,
是一个压缩映射,根据压缩映射定理,在矩形区域内存在唯一的固定点(解)。
问题 4b
[编辑 | 编辑源代码]
推导出求解该系统的固定点迭代方案,并证明其收敛性。
|
解答 4b
[编辑 | 编辑源代码]
使用牛顿法
[编辑 | 编辑源代码]
为了解决这个问题,我们可以使用牛顿法。事实上,我们想要找到以下函数的零点
的雅可比矩阵,
,可以使用偏导数计算
然后,求解这个线性方程组的牛顿法由以下公式给出
通过验证牛顿假设成立来证明收敛性
[edit | edit source]
g 的雅可比矩阵是 Lipschitz 连续的
[edit | edit source]
我们想证明
是一个 Lipschitz 函数。事实上,
现在,利用
是 Lipschitz 连续的,我们得到
g 的雅可比矩阵是可逆的
[编辑 | 编辑源代码]
由于
是一个压缩映射,
的雅可比矩阵的谱半径小于 1,即
.
另一方面,我们知道
的特征值为
.
因此,可以得到
,或者等效地
是可逆的。
g 的雅可比矩阵的逆矩阵是有界的
[编辑 | 编辑源代码]
由于
存在,
。给定一个有界区域(有界
),上述矩阵的每个元素都是有界的。因此,范数是有界的。
(g 的雅可比矩阵)^-1(x_0) * g(x_0) 的范数是有界的
[编辑 | 编辑源代码]
,因为
和
都是有界的。
然后,使用一个足够好的近似值
,我们可以得到牛顿法至少是二次收敛的,即:
问题 5a
[编辑 | 编辑源代码]
概述用于数值求解初值问题 的 Adams-Bashforth 方法的推导。
|
解 5a
[编辑 | 编辑源代码]
我们想要解以下初值问题:
。
首先,我们将该表达式在
上积分,得到
,
为了近似右侧的积分,我们使用一个适当的 p 次插值多项式来近似它的被积函数
,在
上。
这个想法产生了 Adams-Bashforth 方法。
,
其中,
表示近似解,
,以及
表示相关的拉格朗日多项式。
问题 5b
[edit | edit source]
推导 Adams-Bashforth 公式
![{\displaystyle y_{i+1}=y_{i}+h\left[-{\frac {1}{2}}f(x_{i-1},y_{i-1})+{\frac {3}{2}}f(x_{i},y_{i})\right]\qquad \qquad (1)\!\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/bdf88b88a6c46efff56063d3ee3d3603e493391a)
|
解答 5b
[edit | edit source]
从 (a) 我们得到
其中 ![{\displaystyle \int _{x_{i}}^{x_{i+1}}fdx\approx \int _{x_{i}}^{x_{i+1}}\left[{\frac {x-x_{i}}{x_{i-1}-x_{i}}}f_{i-1}+{\frac {x-x_{i-1}}{x_{i}-x_{i-1}}}f_{i}\right]dx\!\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/466e9d3b14eac67a715c9882145ecef47c81744a)
然后,如果我们令
,其中 h 是固定步长,我们可以得到
![{\displaystyle h\int _{0}^{1}\left[{\frac {sh}{-h}}f_{i-1}+{\frac {(1+s)h}{h}}f_{i}\right]ds=h\left[-{\frac {1}{2}}f_{i-1}+{\frac {3}{2}}f_{i}\right]\!\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a745514c9f1e97c58dd997ce651e671a8ff8ac9c)
所以,我们得到了所需的 Adams-Bashforth 方法
![{\displaystyle y_{i+1}=y_{i}+h\left[-{\frac {1}{2}}f(x_{i-1},y_{i-1})+{\frac {3}{2}}f(x_{i},y_{i})\right]\!\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a99692eb614b14fdae6ae48361c98bc7a03620d1)
问题 5c
[edit | edit source]
分析方法 (1)。具体来说,求局部截断误差,证明收敛性,并求收敛阶。
|
解答 5c
[edit | edit source]
使用泰勒展开式求局部截断误差
[edit | edit source]
注意
。另外,用 h 表示均匀步长
。因此,
因此,给定方程可以写成
展开左侧
[编辑 | 编辑源代码]
在
附近展开,我们得到
展开右侧
[编辑 | 编辑源代码]
同样在
附近展开得到
收敛性证明:稳定性和一致性
[编辑 | 编辑源代码]
一个方法收敛当且仅当它既稳定又一致。
稳定性
[编辑 | 编辑源代码]
很容易证明该方法是零稳定,因为它满足根条件。因此,它稳定。
一致性
[编辑 | 编辑源代码]
截断误差是二阶的。当 h 趋于零时,截断误差趋于零。所以该方法是一致的。
收敛阶数
[编辑 | 编辑源代码]
Dahlquist 原理:一致性 + 稳定性 = 收敛。收敛阶数为 2。
问题 6
[编辑 | 编辑源代码]
考虑问题

|
问题 6a
[编辑 | 编辑源代码]
给出 (2) 的变分公式,即用以下形式表达 (2):

定义空间 H、双线性形式 B 和线性泛函 F,并说明 (2) 和 (3) 之间的关系。
|
解 6a
[编辑 | 编辑源代码]
将 (2) 乘以一个测试函数,并使用分部积分法得到
因此,与问题 (2) 相关的弱形式或变分形式如下:找到
使得
对于所有 
其中
.
问题 6b
[编辑 | 编辑源代码]
设 是 上的一个网格,其中 ,设
.
定义有限元逼近, 基于逼近空间 。关于 在 上的 Sobolev 范数误差能说什么?
|
解 6b
[edit | edit source]
定义分段线性基
[edit | edit source]
对于我们的
的基底,我们使用一组帽子函数
,即对于
定义 u_h
[edit | edit source]
由于
是
的基底,并且
,我们有
.
离散问题
[edit | edit source]
现在,我们可以写下离散问题:找到
使得
对于所有 
如果我们认为
是
的一个基底,以及双线性形式
和泛函
的线性,我们得到等价的问题
找到
使得
最后一个问题可以表述为矩阵问题,如下所示
找到
使得
其中
且
.
边界误差
[edit | edit source]
一般来说,我们可以使用 Cea 引理得到
特别是,我们可以考虑
作为拉格朗日插值,记为
。那么,
.
很容易证明有限元解在节点上是精确的。那么它就与拉格朗日插值一致,我们有以下的点估计
问题 6c
[edit | edit source]
推导出 的估计,即 中的误差。提示:令 w 为以下方程的解 (#) : 我们用变分方法来刻画 :
.
令 ,得到

使用公式 (4) 估计 .
|
解 6c
[edit | edit source]
[edit | edit source]
误差的正交性
[edit | edit source]
.
w 的 L2 范数的界
[edit | edit source]
因此,
w 的 L2 范数的界
[edit | edit source]
从
,我们有
那么,
L2 误差界限
[edit | edit source]
最后,从 (#),我们有
。然后,
,
或者等效地,
.
问题 6d
[编辑 | 编辑源代码]
假设 是 的一个基底。证明

其中 是刚度矩阵。
|
解 6d
[编辑 | 编辑源代码]
我们知道
其中最后两行的替换来自于误差的正交性。
现在,
然后,我们得到