一维Helmholtz方程的Chebyshev - Galerkin谱方法以及Python实现

最新推荐文章于 2025-05-13 15:45:10 发布

gdx6662020

最新推荐文章于 2025-05-13 15:45:10 发布

阅读量1.9k

点赞数 5

分类专栏：谱方法偏微分方程数值解文章标签：算法

本文链接：https://blog.csdn.net/liuxinglongqi/article/details/110094638

版权

Legendre-Galerkin方法以及Chebyshev-Legendre-Galerkin方法以及Python实现

加权余量法简介

给定算子方程以及边界条件:
$\begin{cases} Tu - f = 0 & u \in V \\ Bu - g = 0 & u \in S \end{cases}$
其中 $u$ 为待求函数, $T$ 为区域内部 $V$ 上算子, $B$ 为区域边界上的算子, $f, g$ 分别为定义在区域内部和区域边界的函数.

处理上述问题的加权余量方法如下:
首先,设方程组的近似解为:
$u_{n} = \sum\limits_{i = 1}^{n}a_{i} \varphi_{i}(x_{1}, x_{2}, \cdots, x_{m})$
其中, $a_{i}, (i = 1, \cdots, n)$ 待定, $\varphi_{i}$ 为某个容许空间上的基函数(具体什么空间需要具体分析.)
将方程带入原方程后一般无法近似精确求解,即在一般情况下, $Tu_{n} \neq f$
因此,引入以下两个残差函数:
$\begin{cases} R_{v} = Tu_{n} - f \\ R_{s} = Bu_{n} - g \end{cases}$
统称上述两个残差函数为 $\color{red}剩余函数$ .
加权余量法的思想是适当选取 $W_{vi},W_{si}$ 使得余量 $R_{v}$ 以及 $R_{s}$ 在某种意义上为0,一般的,可以令余量与加权内积的满足正交性条件:
$\begin{cases} (R_{v}, W_{vi})_{v} = \int_{V} R_{v}W_{vi}dV = \int_{V} \left( Tu_{n} - f \right)W_{vi} dV = 0 \\ (R_{s}, W_{si})_{s} = \int_{S} R_{s}W_{si}dS = \int_{S} \left( Bu_{n} - g \right)W_{si} dS = 0 \end{cases}$
如果适当的选取 $u_{n}$ ,如使得 $u_{n}$ 能够满足边界条件, 则上面的正交性条件将退化为:
$(R_{v}, W_{vi})_{v} = \int_{V} \left( Tu_{n} - f \right)W_{vi} dV =0$
将上式的加权余量法称为 $\color{red}{内部法}$ ;
如果 $u_{n}$ 的选取满足 $Tu_{n} - f = 0$ ,则上面的方程组将退化为:
$(R_{s}, W_{si})_{s} = \int_{S} \left( Bu_{n} - g \right)W_{si} dS = 0$
称上述的方法为加权余量的 $\color{red}{边界法}$ .
同理,如果选取的 $u_{n}$ 既不满足内部方程,又不满足边界方程,则必须同时用两个正交性条件消除剩余.
一般的,会选取合适的基,使得基函数满足边界条件,即考虑内部法.
对于内部法,将近似解带入内积中,选取 $n$ 个权函数 $W_{vi}, \cdots, W_{vn}$ 可得到方程组:
$\int_{V} \left( Tu_{n} - f \right) W_{vi} dV = 0, \quad (i = 1, 2, \cdots, n)$
再从上述方程组中求解出 $a_{i}$ ,最终得到逼近解.

由上,总结加权余量方法的步骤如下:

选取适当的基函数.
带入算子方程,求出剩余表达式.
选取适当个数权函数作剩余表达式和权函数的内积,并令其正交消除剩余,从方程中求解出坐标.

注:加权余量法中权函数的选取是非常重要的, 它和所求近似解的精度有着密切的关系, 特别的如果将权函数就取为 $W_{vi} = \varphi_{i}, \ (i= 1, 2, \cdots, n)$ , 则将得到方程组:
$\int_{V} \left( Tu_{n} - f \right) \varphi_{i} dV = 0 , \ (i= 1, 2, \cdots, n)$
称上述方程组为 $\color{red}{Galerkin}方程组$ , 其解称为 $\color{red}{Galerkin}系数.$

一维 $H e l m h o l t z$ 方程的Galerkin 方法

下面进入主题,考虑如下一维齐次 $D i r i c h l e t$ 型边界条件的 $H e l m h o l t z$ 方程:
$\begin{cases} -u ^{''} + \alpha u = f \ \ in \ I = (-1, 1) \\ u(\pm1) = 0 \end{cases}$
定义空间
$P^{0}_{N} = \left\lbrace \phi \in P_{N} | \phi(\pm1) = 0\right\rbrace$
其中 $P_{N}$ 表示次数不超过N的全体多项式组成的空间, 则显然可知 $P^{0}_{N}$ 为 $N - 2$ 维线性空间.利用加权余量法的步骤推导上述方程的 $G a l e r k i n$ 方法:

取试函数: $u_{N} = \sum\limits_{i = 0}^{N - 2} a_{i}\phi_{i}(x)$ , 其中 $\phi_{i}(x)$ 为空间 $P^{0}_{N}$ 的基函数.
将 $u_{N}$ 代入原方程得到剩余表达式:
$R_{v} = -u_{N}^{''} + \alpha u_{N} - f$
在权函数 $\omega(x)$ 的意义下得到 $G a l e r k i n 方程组 :$
$\int_{-1}^{1} R_{v}(x)\phi_{j}(x)\omega(x) dx = 0 \quad j = 0, 1,\cdots, N-2$
实际上,利用线性空间的定义, 上述过程一般还可以描述为如下:
求 $u_{N} \in P^{0}_{N}$ , s.t.
$\int_{-1}^{1}R_{v} \phi_{j}\omega(x) dx = 0 \quad \forall v_{N} \in P^{0}_{N}$
将残量带入,即:
求 $u_{N} \in P^{0}_{N}$ , s.t.
$-(u_{N}^{''} , v_{N})_{\omega} + \alpha(u_{N}, v_{N})_{\omega} = (f, v_{N})_{\omega} \quad \forall v_{N} \in P_{N}^{0}$