变分原理与边值问题的计算机处理

River Chandler

已于 2023-08-15 23:25:46 修改

阅读量158

点赞数 2

分类专栏： # 科学计算原理文章标签： python 数学建模 numpy

于 2023-08-15 21:57:25 首次发布

本文链接：https://blog.csdn.net/Chandler_river/article/details/132307706

版权

科学计算原理专栏收录该内容

24 篇文章 2 订阅

订阅专栏

变分原理与边值问题的计算机处理
唉，先讲讲博主故事吧
- 两年大学一事无成
  - 拿过cupt的国三（去了就有）
  - 拿过高教杯的省三（写代码没考虑精度，方程对的，从第二问就算错了）
  - 拿过美赛M（全靠大佬）
  - 雅思考过一次惨不忍睹
  - 绩点嘛特拉
    - 大一上没啥好说的
    - 大一下也挺正常
    - 大二上
      - 光学与概统太拉了
    - 大二下
      - 一学期致力于写出一篇文章
        然而发现我创造的东西
        早就有人创造了。。。。。。
      - 考理力的时候碰上点感情问题
      - 微电子热统
        你考LC电路干什么
        我都看不懂电路（物理系不学电路）
- 来到成都反正身体也不太好
  - 做了一次手术
- 我前半生最好的也是唯一的朋友闹掰了
  - 有时候营销号也是有道理的至少人家每次都能归因出来不是吗
  - 上了大学身边不少狠人有四个熟人
    - 技术高手
      - 这个很平凡（大学里面高手如云）
    - 一个三多式的人
    - 一个任何时候都很幸运的谜一样的人
    - 一个很清醒的人
  - 祝他们都好
- 不说了
  - 很遗憾高考的时候生物化学考了大概是双B（按原方案）
  - 这就太拉了
INFJ - T 型人格
- 只爱少数特定的人
- 但想大点的事情
川黛物院拔尖废物一个
- 多多私信留言哦

基本数学概念回顾

泛函的k阶连续

给定 $y_0(x)$ ，如果对于任意的 $\varepsilon >0$ ，存在 $\delta=\delta(y_0(x),\varepsilon )$ ，对任意的满足 $\begin{vmatrix} y^{(k)}(x)-y_0^{(k)}(x) \end{vmatrix}<\delta$ 都有 $\begin{vmatrix} I(y(x))-I(y_0(x)) \end{vmatrix}<\varepsilon$ ，则称泛函 $I(y)$ 在 $y_0(x)$ 处是k阶连续的

Weierstrass 定理

设 $F:D\subset R^n\rightarrow R$ 。若 $D$ 是闭区域，则 $D$ 上的任意连续函数 $F$ 都有最大值和最小值且一定在 $D$ 的内部或者边界上取到。若 $F$ 连续可微，则 $F$ 在 $D$ 的内部一点 $x_0\in D$ 取到极值的必要条件是 $F$ 在该点的梯度为零。如果 $D$ 不是闭的则极值可以不存在
即存在无解的变分问题

变分问题的欧拉方程

一元函数泛函取极值的Euler 方程

$\left\{\begin{matrix} J(y)=\int_{x_0}^{x_1}F(x,y(x),y'(x))dx\\ y(x_0)=y_0,y(x_1)=y_1 \end{matrix}\right.$

对应的函数

$F_y-\frac{d}{dx}F_{y'}=0$

二元函数泛函取极值的 Euler 方程

$I[z(x,y)]=\iint_\Omega F(x,y,z,\frac{\partial z}{\partial x},\frac{\partial z}{\partial y})dxdy$

对应的函数

$\frac{\partial z}{\partial z}-\frac{\partial }{\partial x}\frac{\partial F}{\partial p}-\frac{\partial}{\partial y}\frac{\partial F}{\partial q}=0$

其中

$\left\{\begin{matrix} p=\frac{\partial z}{\partial x}\\ q=\frac{\partial z}{\partial y} \end{matrix}\right.$

Hamilton 原理

一个机械能守恒的系统在与约束条件相容的可能运动中，实际可能出现的运动是使积分 $H=\int_{t_0}^{t_1}(T-U)dt$ 取得极小值的运动，其中 $T,U$ 分别代表系统的动能和位能

与边值问题等价的变分问题

一维边值问题的泛函等价定理

$\left\{\begin{matrix} f(x)=q(x)y-(p(x)y')'\,\,\,x_0<x<x_1\\ y(x_0)=y_0,y(x_1)=y_1 \end{matrix}\right.$

其中， $p(x)\geq p_0 \geq 0,q(x)\geq0,p(x),q(x)$ 和 $f(x)$ 在 $(x_0,x_1)$ 上足够光滑，则求解上述边值问题等价于求泛函 $I[y(x)]=\int_{x_0}^{x_1}(p(x)(y'(x))^2+q(x)y^2(x)-2fy(x))dx$ 的极小值问题

二维边值问题的泛函等价定理

设 $\Omega$ 为一x, y平面上的有界域， $\partial \Omega$ 为其边界，在 $\Omega$ 上 $u(x,y)$ 满足

$\left\{\begin{matrix} \frac{\partial^2u}{\partial x^2}+\frac{\partial^2 u}{\partial y^2}=f(x,y),(x,y)\in \Omega\\ u|_{\partial \Omega}=\varphi(x,y) \end{matrix}\right.$

等价于求解泛函 $I[u]=\iint_{D}[(\frac{\partial u}{\partial x})^2+(\frac{\partial u}{\partial y})^2+2uf]dxdy$ 的极小值问题

Galerkin 定理

$\left\{\begin{matrix} f(x)=q(x)y-(p(x)y')'\,\,\,x_0<x<x_1\\ y(x_0)=y_0,y(x_1)=y_1 \end{matrix}\right.$

$y(x)$ 上问题的解，其中 $p(x)$ 连续可微， $q(x)$ 连续，其充分必要条件是 $y(x)$ 满足如下的条件：

$\int_{x_0}^{x_1}(p(x)y'(x)z'(x)+q(x)y(x)z(x)-f(x)z(x))dx=0$ 。其中 $z(x)$ 是集合 $D=\begin{Bmatrix} y(x)\in C^2(x_0,x_1)|y(x_0)=y_0,y(x_1)=y_1 \end{Bmatrix}$ 中的任意函数

Ritz 方法

选择函数系

线性无关性
空间完备性
基函数连续可导
基函数满足边界条件
一般选择

$\begin{Bmatrix} \varphi_k(x) \end{Bmatrix}=\begin{Bmatrix} (x_l-x_0-x)x^k \end{Bmatrix}_{k=1}^{\infty}$

求解线性方程组

$\begin{matrix} y_n(x)=\sum_{k=0}^na_k\varphi_k(x)\\ Iy_n(x)=\sum_{o,j=1}^na_{i,j}a_ia_j-2\sum_{k=1}^n\beta_ka_k\\ a_{i,j}=\int_{x_0}^{x_l}(p(x)\varphi_i'(x)\varphi_j'(x)+q(x)\varphi_i(x)\varphi_j(x))dx\\ \beta=\int_{x_0}^{x_l}\varphi_k(x)f(x)dx\\ \sum_{k=1}^na_{s,k}a_k=\beta_s\,\,\, s=1,2,...,n \end{matrix}$

得出结论

$y_n(x)\approx\sum_{k=1}^{n}a_k\varphi_k(x)$

证明其收敛性与计算其收敛速度

不易证
收敛速度 $O(\frac{1}{n+1})$

有限元方法

一维有限元方法

一维有限元方法就是采用了 $\varphi_i(x)=\left\{\begin{matrix} 0 & 0\leq x\leq x_{i-1}\\ \frac{x-x_{i-1}}{h} & x_{i-1}\leq x \leq x_i\\ \frac{x_{i-1}-x}{h} & x_i\leq x\leq x_{i+1}\\ 0&x_{i+1}\leq x \leq l \end{matrix}\right.$ 作为基函数的 Ritz方法
具体实现见博客