Finite Elemente Methode für elliptische Differentialgleichungen

Ähnliche Dokumente
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt

Optimalitätskriterien

Kevin Caldwell. 18.April 2012

Modulabschlussklausur Analysis II

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen

Die Methode der Finiten Elemente

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli Fachbereich für Mathematik und Statistik Universität Konstanz

17. Penalty- und Barriere-Methoden

Computer Vision: Optische Flüsse

1.3 Ein paar Standardaufgaben

Charakteristikenmethode im Beispiel

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Absolute Stetigkeit von Maßen

Mengensysteme, Wahrscheinlichkeitsmaße

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Beispiel Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Grundlagen der Variationsrechnung

Kapitel 15: Differentialgleichungen

3. Grundlagen der Linearen Programmierung

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

FEM in 1D. Kapitel Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

3.3 Eigenwerte und Eigenräume, Diagonalisierung

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

3. Zusammenhang. 22 Andreas Gathmann

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009

Codierungstheorie Rudolf Scharlau, SoSe

(2) (x x x 2 n)(y y y 2 n) = z z z 2 n

Elemente der Analysis II

Extremwertverteilungen

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

1 Stochastische Prozesse in stetiger Zeit

Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem

Lineare Gleichungssysteme

Grundbegriffe der Informatik

Grundbegriffe der Informatik

Bestimmung einer ersten

Stabilität mittels Ljapunov Funktion

Analytische Methoden und die Black-Scholes Modelle

Definition und Eigenschaften Finiter Elemente

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Programmiersprachen und Übersetzer

34 5. FINANZMATHEMATIK

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Solvency II und die Standardformel

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

11. Primfaktorzerlegungen

Wortproblem für kontextfreie Grammatiken

Geometrische Mannigfaltigkeiten

6 Symmetrische Matrizen und quadratische Formen

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Schranken für zulässige Lösungen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Grammatiken. Einführung

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Vorlesung. Funktionen/Abbildungen 1

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, Uhr

0, v 6 = , v 4 = span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Prolog basiert auf Prädikatenlogik

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Lineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Ergänzungen zur Analysis I

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II Thomas Brox, Fabian Kuhn

OPERATIONS-RESEARCH (OR)

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

Einführung in die Algebra

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Theoretische Grundlagen der Informatik

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

3.1. Die komplexen Zahlen

Skalare Differentialgleichungen

Lineare Algebra - alles was man wissen muß

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

Extrema von Funktionen in zwei Variablen

Rekursionen. Georg Anegg 25. November Methoden und Techniken an Beispielen erklärt

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Teil II. Nichtlineare Optimierung

Welfenlab Institut für Mensch-Maschine-Kommunikation

ax 2 + bx + c = 0, (4.1)

2 Die Darstellung linearer Abbildungen durch Matrizen

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1

Physik 1 für Ingenieure

Hilbertraum-Methoden

Die Black-Scholes-Gleichung

Theorie der Informatik

Transkript:

Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte die Randwertaufgabe u = g in, u = γ. () Die äußere Normale n = n(x) R n existiere für x mit Ausnahme endlich vieler Punkte. genügt also den Voraussetzungen des Gaußschen Integralsatzes, d.h. für F C (, R n ) C(, R n ) gilt F (x) d = F n ds. Für ψ C(, R) sei D ψ = {u C(, R) : u = ψ}. Das Ritzsche Verfahren basiert auf einer Umformulierung der Randwertaufgabe () in ein Variationsproblem. Satz Für eine Funktion u C 2 () D γ sind paarweise äquivalent i) u löst das Problem () ii) u ist stationärer Punkt des Funktionals I(u) = 2 u 2 gu dx, wobei u C () D γ ist S

iii) u = u C () D γ erfüllt für alle v C () D 0. u v gv dx = 0 Bemerkung 2 u heißt stationärer Punkt eines Funktionals I : C () D γ R, wenn für alle v C () D 0. ε I(u + εv) ε=0 = 0 Bemerkung 3 Die Aussage ii) ist äquivalent damit, dass das Funktional I sein Minimum bei u annimmt. Man bezeichnet deshalb ii) als Variationsproblem und iii) als Variationsgleichung oder schwache Formulierung der Randwertaufgabe. Beweis: Zum Beweis benötigen wir die erste Greensche Formel v u n ds = v u + v u d, die sich aus dem Gauß schen Satz ableiten lässt. i) ii) Für v C () D 0 gilt ε I(u + εv) = ( ε 2 = ( ε = v u + ε v v g v d. ) ( u + ε v) ( u + ε v) g(u + εv) d 2 u u + ε v u + 2 ε2 v v gu εgv d ) Somit folgt ε I(u + εv) ε=0 = v u gv d. Also ist ε I(u + εv) ε=0 = 0 genau dann, wenn iii) gilt. i) iii) Multipliziere () mit einem v C () D 0 und integriere die dadurch erhaltene Gleichung über. Unter Benutzung der ersten Greenschen Formel ergibt sich die Gültigkeit von gv d = uv d = v u d v u n ds = v u d für alle v C () D 0. 2

iii) i) Es gilt umgekehrt genau dann, wenn gv v u d = 0 ( u g)v d = 0 für alle v C () D 0 erfüllt ist. Mit dem Variationslemma folgern wir u g = 0, d.h. i) gilt, da u C 2 () D 0. Wir können nun das Ritzsche Verfahren zur Lösung von () formulieren. Wähle ein u 0 C () D γ und Ansatzfunktionen u i C () D 0, i =,..., m. Mache das Funktional I : C () D γ R stationär bzgl. u u 0 + V, V = u,..., u n, d.h. finde ein u u 0 + V mit ε I(u + εv) ε=0 = 0 für alle v V. Dies ist äquivalent mit folgender Aufgabe: Finde ein ũ u 0 + V mit ũ v gv d = 0 (2) für alle v V. Die Gleichung (2) nennt man Galerkinsche Gleichung zur Randwertaufgabe (). Suche ũ in der Form ũ = u 0 + c j u j, c j R, j =,..., m. j= Es genügt, die Bedingung (2) auf einer Basis von V zu fordern. Wähle die Basis {u,..., u m }. Erhalte ( ) u 0 + c j u j u i gu i d = 0, i =,..., m, ( j= u 0 + j= ) c j u j u i gu i d = 0, i =,..., m, j= c j u j u j d = gu i u 0 u i d, i =,..., m. 3

Setzt man A ij = u j u j d und r i = gu 0 u 0 u i d, so ist letzteres mit folgender Gleichung äquivalent: A ij c j = r i, i =,..., m bzw. j= Ac = r mit A = (A ij ) i,j m R m,m und r = (r,..., r m ) R m in der Matrixform. Beim klassischen Ritzschen Verfahren wählt man glatte Ansatzfunktionen u i C () D 0, i =,..., m, die im allgemeinen auf dem ganzen Gebiet nicht verschwinden. A ist dann eine vollbesetzte Matrix. Bemerkung 4 Das Ritzsche Verfahren lässt sich auch auf andere Randbedingungen verallgemeinern. 2 Finite Elemente Methoden Finite Elemente Methoden unterscheiden sich in zwei Punkten von Ritzschen Verfahren. Die wesentlichen Abweichungen sind:. Es wird geringere Glattheit der Ansatzfunktionen vorausgesetzt. Dabei verwendet man schwächere Glattheitsbegriffe, wie etwa schwache Differenzierbarkeit und sogenannte Sobolevräume. Man ersetzt das Gebiet durch eine geeignete Approximation, z.b. durch eine Triangulierung Tn (falls R 2 ), indem man Tn = e e E n setzt, wobei E n eine Menge von Dreiecken ist. Je zwei Dreiecke e, e E n haben entweder eine Seite, oder einen Punkt oder nichts gemeinsam. Ferner definiert man V Tn = {u C( Tn ) u ist linear in x auf jedem Dreieck e E n und u = 0 auf Tn }. Bemerkung 5 Beachte, dass die Funktionen u V Tn nicht zu dem Raum C () gehören! Formal gilt also die Äquivalenz im Satz nicht mehr. Eine andere Äquivalenzaussage lässt sich aber zeigen, wenn die Variationsgleichung u v gv d = 0 4

für alle v H 0() gilt. Der Sobolevraum H 0() umfasst dabei den Raum V Tn. 2. Die Ansatzfunktionen besitzen einen lokalen Träger, d.h. sie verschwinden jeweils im größeren Teil des Gebietes Tn. Als Konsequenz haben wir, dass A dünn besetzt ist. 3 Etwas Theorie zur Finite Elemente Methode Sei ein beschränktes Gebiet. Definition 6 Für u : R heißt supp u = {x u(x) 0} Träger von u. Definition 7 C 0 () = {u C () supp u kompakt} ist der Raum der Testfunktionen. Letzterer Raum ist nicht leer, da insbesondere der Friedrichs sche Molifier (der Glättungskern) u ε ( x 0 ) für alle x 0 und ε < dist(x 0, ) in diesem Raum liegt, wobei { ( ) exp u ε (x) = ε2, x < ε ε n ε 2 x 2 0, sonst Definiere für u C (), v C0 () die Abbildung a(u, v) = u(x) v(x) dx. Setze ferner g, v = g(x)v(x)dx. Dies definiert ein Skalarprodukt auf C(). Eine klassische Lösung u C 2 () C() erfüllt also a(u, v) = g, v für alle v C0 (). Die Bilinearform a definiert auf C0 () ein Skalarprodukt, das eine Norm erzeugt, nämlich u a = ( /2 a(u, u) = u dx) 2. Mit bezeichnen wir im folgenden die übliche Norm in L 2 (). Der Raum C 0 () ist als Grundraum für die Gleichung a(u, v) = g, v zu klein, da im allgemeinen u C 0 (). Der Ansatz eines neuen Grundraums V ist: V := { u C() u existiert und ist stückweise stetig, u = 0 auf }. Das Ziel ist es, die Gleichung a(u, v) = g, v für alle v V zu erstellen. 5

Satz 8 Gültig sind die Aussagen. a : V V R ist ein Skalarprodukt 2. C 0 () liegt dicht in V bzgl a und Definition 9 u V heißt schwache (variationelle) Lösung von (), wenn a(u, v) = g, v für alle v V gilt. Lemma 0 Ist u eine klassische Lösung von (), so ist u auch eine schwache Lösung. Lemma Die variationelle Lösung stimmt mit der Lösung der Minimierungsaufgabe F (v) = 2 a(v, v) g, v = 2 v 2 gv dx min v V überein. Lemma 2 Die schwache Lösung ist eindeutig. Der Unterschied zwischen den Normen a und ist wesentlich, da sie auf V nicht äquivalent sind und damit verschiedene Konvergenzbegriffe erzeugen. Die normierten Räume (V, ) und (V, a ) sind nicht vollständig. Die Vollständigkeit ist aber essentiell, um die Minimierungsprobleme zu lösen! Vergrößere nun V nach dem Prinzip der Vollständigkeit ohne die bisherigen Ergebnisse zu verletzen. Definition 3 Es sei L 2 () = {u : R u meßbar, u 2 Lebesgue-integrierbar} mit dem Skalarprodukt u, v = u(x)v(x)dx versehen. Lemma 4 Ist u C k (), ϕ C0 (), α N n 0, α k, so gilt α uϕ dx = ( ) k u α ϕ dx. Dies motiviert die folgende Definition Definition 5 Für u L 2 () heißt v L 2 () (allgemeiner: u, v L loc ()) schwache oder verallgemeinerte Ableitung α u der Ordnung α von u, falls vϕ dx = ( ) α u α ϕdx für alle ϕ C 0 (). 6

Bemerkung 6 Ist u C k (), so besitzt u schwache Ableitungen α u, α k und diese stimmen mit den klassischen Ableitungen überein. Definiere W k () := {u L 2 () α u L 2 (), α k} mit dem Skalarprodukt u, v W k := α u, α v. α k Definition 7 W k () heißt ein Sobolevraum. Statt dieser Verallgemeinerung der klassischen Ableitung im schwachen Sinn ist auch eine Verallgemeinerung im starken Sinn möglich: Satz 8 Es gilt: W k () = H k (). H k () = C k () W k (). Die Räume H k () und W k () sind vollständig. Die richtige Wahl für V ist der Raum V = H 0() = {u H () u = 0 auf }. Bemerkung 9 Da die Elemente aus H 0() nicht stetig sein müssen, ist der Ausdruck u = 0 auf möglicherweise nicht definiert. Dieser lässt sich aber im schwachen Sinne erklären. Satz 20 Sei R n ein beschränktes Gebiet und sei stückweise glatt. Dann existiert eindeutig ein linearer stetiger Operator derart, dass Γ(u) = u für alle u C (). Γ : H () L 2 ( ) Man nennt Γ(u) ein Spuroperator oder verallgemeinerte Randwerte von u. Dann ist sinnvoll erklärt. H 0() = {u H () Γ(u) = 0} Bemerkung 2 Die Räume H 0() und W 0 () definiert man wie folgt H0() = C0 () W (), { W0 () = u H () F (L 2 ()) n, F L 2 () : u F d = } uf d. 7

Die schwache Formulierung von () mit γ = 0 lautet damit wie folgt. Gesucht ist ein u V = H 0() mit a(u, v) = b(v), v V wobei b(v) = g(x)v(x) dx. Ist γ 0, so ist u γ H0(). w = u γ sei die Lösung von w = g + γ. So löst u = w + γ die Gleichung u = g und erfüllt die Randbedingung u = γ. Es bleibt uns noch zu zeigen, dass die Anfangswertaufgabe () schwach lösbar ist. Dafür verwenden wir den Satz 22 Lax und Milgram Es sei H ein Hilbertraum und B(, ) eine Bilinearform auf H mit gilt. i) c > 0 : u, v H : B(u, v) c u v ii) p > 0 : u H : B(u, u) p u 2 Dann existiert für alle F H genau ein u H, so dass für alle v H F v = B(v, u) Bemerkung 23 Die Bedingungen i) und ii) heißen Stetigkeit bzw. Koerzitivität (in Numerik: H-Elliptizität). Die Schwarzsche Ungleichung besagt nun a(u, v) u v u H () v H (), u, v V. Die Poincarésche Ungleichung liefert a(u, u) = u 2 min{, c 2 } u 2 H (), u V, wobei c = c() > 0 die Poincarésche Konstante bezeichne. Wegen bv v g v g H () handelt es sich bei b um ein stetiges lineares Funktional auf V. Da a und b alle Voraussetzungen vom Satz 22 erfüllen, folgt es, dass die Randwertaufgabe eindeutig schwach lösbar in V ist, falls g L 2 (). 8