微分方程数值方法实验报告.doc

一、实验题目 （1）用Ritz-Galerkin方法求解边值问题 精确解 （2）用有限元方法求解 二、实验目的 运用MATLAB数学软件编写Ritz-Galerkin方法和有限元方法程序，进一步熟悉MATLAB的应用及掌握偏微分方程数值方法中Ritz-Galerkin方法和有限元方法，对各个方法求解精度进一步明确。 三、实验原理 （1）Ritz-Galerkin方法 Ritz方法 设给出二次泛函 （1） 其中是Hilbert空间V上的双线性泛函，而且满足对称性、有界性、正定性；是V上的有界线性泛函。考虑一下变分问题：求满足 （2） 设Hilbert空间V是可分的，即V中有可数多个元素构成一个稠密集。在V中取N个线性无关的元素，他们张成一个N维子空间，即,或记成。 （3） 上述元素称为空间的基. 用代替V，在上求泛函的极小，即求满足 (4) 显然，原先的变分问题（2）与后面的变分问题（4）是不同的，他们的解也是不同的。如果V的子空间充分接近V，那么，用代替V而得到的解也就充分接近u，从而把作为原变分问题的近似解，亦即把无穷维空间V中的极值问题近似为有限维空间中的极值问题，这就是Ritz方法得基本思想。 问题（4）很容易化为一个线性代数方程组问题。实际上，每一个中的元素都可以用的线性组合表示，故，这时，由及的性质 ， 因此，是一个以为变量的二次多项式。由于双线性泛函是对称、正定的，则二次项 是一个以为变量的正定二次型，即矩阵是对称正定的。因此，在点取得极小的充分必要条件是。 可以算出，上式即，即N维向量是线性方程组的解，其中。求出之后，即得近似变分问题(4)的解 总之，Ritz法吧泛函的极小值问题化为多元二次函数的极小值问题，最后通过求解一个线性代数方程组而得出变分问题的近似解。 Galerkin方法 当双线性泛函对称时，变分问题（2）等价于变分方程：求使得 （5） Galerkin方法是一种求解变分方程（5）的近似方法。假设V是可分的Hilbert空间，仍然取有限维子空间为。考虑近似变分方程：求满足 （6） 需要注意的是，近似变分方程（6）的解中，且检验函数v只要求对中的元素成立而不是对V中的一切元素成立。 这时，求解仍然化为求解一个线性方程组。因为中的元素仍是通过的线性组合来表示，可以设，代入式（6）得 或者 由的任意性，即得任意性，可得出线性代数方程组 由于双线性泛函是对称的，所以该线性方程组与Ritz得到的线性方程组是相同的。 （1）有限元方法 考虑两点边值问题（P） 其中,且,，(记)，常数，为已知常数。 根据边界条件，定义空间 构造空间V的有限维子空间线性无关的函数集合，使它成为空间的基。 引入空间上的双线性泛函 和线性泛函 于是，有限元方法求关于问题（P）的解可以表示为 把区间剖分，然后作定义在区间、支集在和上的“山形”函数： 显然线性无关，而且满足，故由张成的子空间。 容易验证 所以，如果给出节点上的未知函数值，那么，在中的近似解就是。 我们的问题是：求使得 这相当于：求使得 定义矩阵 ， ， 则 可求出 所以边值问题的近似解为 四、实验步骤 （1）Ritz-Galerkin方法 clear all n=2;h=(1-0)/n; syms x; for i=1:n fai(i)=x*(1-x)*(x^(i-1)); dfai(i)=diff(x*(1-x)*(x^(i-1))); end fai; for i=1:n for j=1:n fun=-dfai(i)*dfai(j)+fai(i)*fai(j); A(i,j)=int(fun,x,0,1); end fun=-x*fai(i); f(i)=int(fun,x,0,1); end c=inv(A)*f; product=c.*fai; c; h1=1/10; sum=0; for i=1:n sum=sum+product(i); end vu=[]; for y=0:h1:1 v=subs(sum,x,y); vu=[vu,v]; end y=0:h1:1; yy=0:0.001:1; u=sin(yy)/sin(1)-yy; plot(yy,u,-,y,vu,o-); u=vpa(u,5) vu=vpa(vu,5) Iwant