книги из ГПНТБ / Марчук Г.И. Методы вычислительной математики
.pdfЕсли этот процесс продолжать, то все пробные функции ф-* — приближенные решения задачи — будут принадлежать под пространству Ф, на котором норма оператора шага меньше единицы, и в силу предположения о существовании решения процесс будет сходиться к элементу пространства Ф.
Мы рассмотрели простейший пример организации алго ритма вычислений, который не выводит последовательность приближенных решений из заданного подпространства. Таких примеров можно было бы привести много.
Переходим теперь к условно корректным задачам мате матической физики. Снова рассмотрим уравнение ( 1 . 4 ) с сим метричным положительно определенным оператором А и
предположим, что f е Ф |
и ф є Ф , где Ф — некоторое |
подпро |
|||||
странство гильбертова пространства |
F. |
|
|
|
|||
Задачу ( 1 . 4 ) будем |
называть |
поставленной |
у с л о в н о |
||||
к о р р е к т н о , |
если ее решение принадлежит |
некоторому под |
|||||
пространству |
Ф гильбертова |
пространства |
F и |
на |
элемен |
||
тах Ф имеет место априорная |
оценка |
|
|
|
|
||
|
|
ІІФІІФ^МОІІЛІФ. |
|
|
( 1 - 9 ) |
||
где М0 — константа и |
НЛ1Ф<ОО. |
|
|
|
( 1 . 1 0 ) |
||
|
|
|
|
|
|||
Уравнение |
( 1 . 4 ) разрешим |
относительно ф, |
|
|
|||
|
|
ц>=А~Ч, |
|
|
|
( 1 . 1 1 ) |
и оценим его по норме на элементах этого подпространства. Тогда получим
І ! Ф ] Ф < И - « ! < І > - |
( 1 . 1 2 ) |
Отсюда следует, что для корректности |
задачи достаточно |
выполнения априорного условия |
|
И - і | | ф < М . |
( 1 . 1 3 ) |
Обратим внимание на следующую важную деталь: если опера тор А симметричный, то
Легко видеть, что если 0<=^F, то
Таким образом, корректность задачи может быть опреде лена не только условием ( 1 . 9 ) , но и эквивалентным ему условием ( 1 . 1 3 ) . Более того, если константа М задана, то основной проблемой организации вычислительного процесса оказывается определение подпространства Ф, содержащего
не только само решение задачи ср, но и всей последователь ности его приближенных значений ср'.
Обратим внимание теперь на другую сторону проблемы решения условно корректных задач, а именно, на точность задания входных данных. Обычно при решении условно кор ректных задач приходится иметь дело по крайней мере с
погрешностью за счет аппроксимации задачи |
(1.4) разност |
||||
ной задачей или за счет неточных сведений |
о |
коэффициентах |
|||
оператора Л и функции /. |
|
|
|
_ |
|
Пусть А—точный |
оператор, |
f — точный |
вектор, ср — точ |
||
ное решение задачи |
|
|
|
|
|
|
Лф = |
/, |
|
|
|
причем |
_ |
|
|
|
|
|
А = А + 6Л, |
/ = / |
+ б/ |
|
(1.15) |
и относительно 6Л |
и б/ на множестве |
Ф известна априорная |
|||
погрешность: |
|
|
|
|
|
|
ЦбЛ||Ф ^Є і ; |
|
|
(1.16) |
|
|
H 6 f l U < B 2 . |
|
|
(1.17) |
Тогда решение задачи (1.4) сводится к организации такого итерационного процесса, который порождал бы новые приб лижения, принадлежащие подпространству Ф. Если операто ром А является положительная матрица, то, как было показано в главе 3, для задач с такими матрицами существу ет целый набор итерационных процессов, сходящихся к реше нию задачи (1.4). При этом подпространство приближенных решений Ф совпадает со всем гильбертовым (эвклидовым) пространством F. В этом, кстати сказать, состоит одна из при ятных особенностей задач с положительными матрицами. Ите рационный процесс
Ф^1 = Ф^ _ Т |
( Л ф ^ - / ) , ф ° = 0 |
(1.18) |
|
при соответствующем выборе |
параметра т будет |
сходиться, |
|
а оптимизация процесса |
может |
быть произведена, |
например, |
с учетом априорной информации (1.16), (1.17) выбором числа шагов итерационного процесса /о (см. 3.7).
Предположим теперь, что в задаче (1.4) оператор Л сим метричен и имеет как положительную часть спектра, так и отрицательную. Это типичный случай при рассмотрении ус ловно корректных задач.
Если исходная матрица Л рассматриваемой задачи не сим метрична, то с помощью преобразования Гаусса эту задачу можно привести к задаче с симметричным и положительно полуопределенным оператором.
Анализ показывает, что итерационный процесс (1.18) в
указанных предположениях будет |
расходиться. |
14* |
211 |
В самом деле, пусть |
|
Ф = 2фпы», / = S/««„ |
(1.19) |
и {#п}—полная ортонормированная система собственных функций оператора Л. Подставляя (1Л9) в (1Л8) и скалярно умножая результат на ип, приходим к рекуррентным соотно шениям для коэффициентов Фурье
Ф І + 1 = Ф І - ' ( ^ « Ф І - / П ) . Ф£ = О |
|
|
или для невязки |^=Лф* — f |
|
|
= (1 — тЛ.„) |
ЛІ = - / „ . |
(1.20) |
Решая уравнение (1.20), получаем |
|
|
Й = - ( 1 - т Я „ ) > / п . |
(1.21) |
|
Следовательно, |
|
|
g / = - S ( l - x W « - |
(1-22) |
|
Естественно, что итерационный процесс (1.18) будет |
сходить |
|
ся только в том случае, если |
|
|
lim V = |
0. |
|
7->со |
|
|
Если оператор Л своими собственными числами имел бы толь ко положительные числа из интервала
с е ( Л ) ^ М Л ) < Р И ) , |
|
то выбором т > 0 из интервала |
|
0 < т < - | - |
(1.23) |
процесс (1.19) можно сделать сходящимся.
Однако в рассматриваемом случае по предположению сим метричная матрица А имеет как положительные, так и отри цательные собственные числа. Пусть х выбрано из интервала
(1.23). Тогда все гармоники невязки, соответствующие |
поло |
|
жительным %, будут от итерации к итерации |
подавляться со |
|
скоростью TJn, где Тп= ( 1 — тЯ,„)^'<1 и / — показатель |
степе |
|
ни. Что касается гармоник, соответствующих |
отрицательным |
|
собственным числам, то для них |
|
|
ГІ = ( 1 - т А „ р ' > 1 ,
и такие компоненты невязки будут расти. Это и приводит к расходимости итерационного процесса.
Таким образом, итерационный процесс (1.18) с последова тельностью пробных функций q>>, принадлежащих всему гиль бертову пространству, расходится.
Примером процесса, который бы не выводил последова тельность приближенных решений из Ф, является двухшаговый метод минимальных невязок (см. 3.2.1)
ф і + і = , ф і — X j { A ( f i — f ) — yjA* (Acpi—f).
Несколько слов о практическом подходе к численному реше нию условно-корректных задач. Такие задачи обычно сводят ся к системам линейных уравнений с плохо обусловленными матрицами общей структуры. Как правило, они решаются с помощью многошагового метода минимальных невязок (см. 3.2.1), который обеспечивает быструю сходимость итерацион ного процесса. Возможно также применение метода сопря женных градиентов после симметризации уравнений с по мощью трансформации Гаусса. Этот второй метод мы рас смотрим ниже в связи с решением обратных эволюционных задач (см. 5 . 3 ) . При решении задачи итерационными метода-, ми процесс следует оборвать на шаге, где норма невязки приближенно окажется равной априорной погрешности вход
ных данных, т. е . '|| £ 3 Ї І « Е І +Є2- |
В этом случае, |
как отмечено |
|
в 3.6, мы приходим |
к максимально достижимой |
точности ре |
|
шения при заданных |
априорных |
погрешностях. |
|
5.2.Р Е Ш Е Н И Е ОБРАТНЫХ Э В О Л Ю Ц И О Н Н Ы Х З А Д А Ч
МЕ Т О Д О М Р Я Д О В Ф У Р Ь Е
Пусть А — положительная |
матрица, не зависящая |
от вре |
|||||
мени, имеющая вещественный |
спектр |
в интервале |
а ( А ) ^ Я - ^ |
||||
sg:B(А), ф — вектор-функция — решение следующей |
задачи |
||||||
Коши: |
|
|
|
|
|
|
|
^ . _ Л ф |
= о |
( 0 < * < д , |
|
( 2 Л ) . |
|||
ф = |
£ |
При |
|
* = |
0, |
|
|
где g — заданное значение |
вектора |
в |
начальный |
момент вре |
|||
мени. |
|
|
|
|
|
|
|
Рассмотрим две спектральные |
задачи: |
|
|
||||
Аи=Ки; |
А*и* |
= |
Хи*.. |
|
( 2 . 2 ) |
Предположим, что они определяют два базиса биортогональных собственных функций {«„} и { ы п } . Функции ф и g пред ставим в виде сумм Фурье:
? = 2 Фп«т>, |
g = 2 gnun. |
( 2 . 3 ) |
Подставим эти суммы в (2.1), результат |
скалярно умножим |
||||
на ы„ . Получим систему обыкновенных |
дифференциальных |
||||
уравнений для коэффициентов |
Фурье: |
|
|
||
d<P„ |
|
|
|
|
(2.4) |
~-Кц>п |
|
= 0, |
|
||
4>n=gn |
|
при |
t = Q |
|
|
(п=1, |
|
2 |
N). |
|
|
Решение каждого уравнения (2.4) имеет вид |
|
||||
Ф „ = £ „ е Л " ' |
|
(п = |
\, 2, |
JV), |
(2.5) |
и, следовательно, решение |
задачи |
(2.1) представится |
в виде |
||
Ф ( 0 = |
2 |
gne^'un. |
|
(2.6) |
|
Итак, мы установили, что решение задачи |
(2.1) представлено |
в виде суммы Фурье, каждый член которой по времени экспо ненциально растет в зависимости от величины «-го собствен ного числа Хп.
Предположим, что нас интересует физически определенное решение этой задачи в интервале времени и рас смотрим задачу, аналогичную (2.1), но уже корректную:
|
^ - Л < р = 0 ( 0 < / < г 0 ) , |
( 2 7 ) |
||||
|
ф = л |
|
при |
t=to. |
|
|
Поступая аналогично предыдущему, получим |
|
|||||
|
Ф = 2> h n e - * » u ' - n u n . |
|
(2.8) |
|||
Потребуем, чтобы |
решение |
(2.8) |
при t=0 |
совпадало |
с век |
|
тором g из задачи |
(2.1). Отсюда |
получим |
связь между |
коэф |
||
фициентами Фурье функции h и функции g : |
|
|||||
|
gn |
= |
h n e - ^ ' \ |
|
(2.9) |
|
Таким образом, функция g восстанавливается с помощью |
||||||
функции h вполне |
просто: |
|
|
|
|
|
|
8 = |
2 |
Ке~Кп'°ип. |
|
(2.10) |
Более того, малым ошибкам в /г (или h n ) будут соответ ствовать малые ошибки в функции g . Однако наша задача обратная к рассмотренной. Мы располагаем информацией о
функции g , а нам требуется восстановить функцию h по фор муле
N
|
|
А = l i g n e ^ u |
n . |
(2.11) |
|
|
n = l |
|
|
Если бы мы |
располагали точной |
информацией о |
функции |
|
g и имели |
возможность вести расчет с бесконечным |
числом |
||
значащих |
цифр, |
то восстановление |
функции h по |
формуле |
(2'.11) не представляло бы труда. В данной ситуации, однако, функцию g мы знаем с определенной погрешностью, которая априори считается известной, и расчет проводится на ЭВМ с ограниченным числом знаков (словом), поэтому в процессе вычислений появляются ошибки округления. Эти два обсто ятельства делают задачу вычисления h по формуле (2.11) уже не такой простой.
Прежде всего предположим, что исследователю, пытающе муся произвести обработку экспериментальных данных на ос нове решения обратной эволюционной задачи (2.1), заранее известна система собственных функций ип и он имеет возмож ность в результате разложения исходных данных (функций g ) по этой системе выделить полезную информацию и с достаточ ной точностью оценить погрешность в каждом компоненте Фурье — g n .
Если задача носит статистический характер и допускает многократное повторение, то на основе хорошо разработанных методов корреляционного анализа в этом случае удается су щественно повысить точность данных в g „ , даже если в еди ничном измерении погрешность значительно превышает полез ную информацию. Во всяком случае предварительная обработка материалов наблюдения позволяет сделать заклю чения о величине систематической (или случайной, если речь идет о единичном измерении) погрешности в g n . Поэтому для любого п будем иметь
|
gn |
=gn(l |
+ б « ) , |
где gn—точное |
значение |
(априори |
нам неизвестное!), а б„ — |
относительная погрешность, которую будем считать известной. Обычно погрешность б„ оказывается минимальной для наиболее длинных волн возмущений и быстро растет в на правлении высоких гармоник, как правило, описывающих
мелкомасштабные |
особенности решения. |
Поэтому, |
начиная |
||
с некоторого |
номера, коэффициенты g n в основном описывают |
||||
погрешность |
во |
входных данных. Если теперь вернуться к |
|||
формуле |
(2.11), то из нее следует, что именно самые |
высоко |
|||
частотные |
компоненты имеют наибольший |
экспоненциальный |
вес. Следовательно, если мы не позаботимся заранее о том, чтобы исключить из рассмотрения эти паразитические гармо-
ники, то в итоге можем получить заведомо неверный ре зультат, так как для таких гармоник g„ практически не содер жат полезной информации, но, будучи умноженными на боль шие коэффициенты , они могут внести крупный вклад в ft и тем самым исказить, иногда непоправимо, решение за дачи. Таким образом, первая и основная задача состоит в оп ределении информативности коэффициентов gn.
Предположим, на основе априорной информации установ лено, что п0 первых коэффициентов gn имеют относительную погрешность меньше л, т. е. б п <г| . где Л — максимально до пустимая погрешность. Тогда алгоритм восстановления функ ции (2.11) оказывается аналогичным уже рассмотренному при построении элементов подпространства Ф в задаче (2.1). Нам просто нужно исключить из ряда (2.11) те гармоники, которые являются паразитическими. В результате будем иметь
h = % g n e K U a n . |
(2.12) |
Остановимся на вопросе о расчете первых п0 |
собственных |
функций и„ и ип в тех случаях, когда операторы |
А и А* до |
статочно сложны и не допускают простого решения спектраль ной задачи.
За основу алгоритма решения частной спектральной зада чи примем итерационный метод, сформулированный в 1.1. Если необходимо построить набор первых (наиболее крупно
масштабных) |
собственных |
функций ип |
или ип и |
соответству |
|||||||
ющих |
им |
собственных |
чисел, то для |
этой |
цели |
можно |
вос |
||||
пользоваться |
алгоритмом ортогонализации. Суть |
его |
состоит |
||||||||
в следующем. |
Вычисление |
первых |
собственных |
функций «і |
|||||||
и щ, соответствующих минимальному собственному |
числу |
||||||||||
а(Л) |
при |
уже найденном |
максимальном |
собственном |
чис |
||||||
ле |3(Л), |
производится |
с |
помощью |
итерационного процесса |
|||||||
(см. |
1.1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
* ' + п = в |
Ш - |
* ' ) = е ' |
|
( 2 Л З ) |
где
В = Р ( Л ) £ - Л , В* = р ( Л ) £ - Л * . |
(2.15) |
Тогда
У CJ. п^-со |
У Cl п-*со |
а с\ — постоянная, обеспечивающая нормировку {щ, ы*) = 1.
После того, как собственная функция их или и\ найдена, собственное число a(A)=%i находится как предел отношения
Для последовательного вычисления других собственных функций, соответствующих возрастающим собственным чис« лам Кп, построим аналогичный процесс:
|
= ^ 7 ^ - |
• |
№=g~ |
|
2 |
(g, |
uk>)u*k., |
(2.18) |
||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
*(«+!) |
n |
, *(п) |
|
|
,*№) |
|
|
ь _ т |
|
|
||
Ф)і |
, |
|
= |
g |
- |
2 1 (g, uh-)uk.. |
(2.19) |
|||||
' ' ' = |
fi |
Т Т Й Г |
|
^ " ' |
|
|||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
, (n) |
|
* |
|
1 |
1- |
.,*(") |
|
|
|
Uk |
= - 7 |
= |
Hm |
iph |
uh |
- |
- j |
= hm oph ; |
|
Заметам, что специальный выбор начальных приближений
для i|40> и i|)f t ( 0 > гарантирует отсутствие в них первых (k— 1) младших гармоник. Поэтому старшей ненулевой гармоникой в итерационных процессах являются гармоники с номером k. Но, к сожалению, это имеет место только в том случае, когда вычисления ведутся с бесконечным числом значащих цифр.
Поскольку, |
однако, длина |
слова в ЭВМ ограничена, то за |
|
счет ошибок |
округления в |
процессе счета начнут |
появляться |
и первые |
1) гармоник, |
непрерывно возрастая |
от шага к |
шагу. Для того чтобы погрешность не стала значительной на
завершающем этапе, |
следует |
несколько раз на |
протяжении |
|
счета (особенно для |
больших |
номеров |
k) проводить ортого- |
|
нализацию величин |
щ и чрл |
. Для |
ускорения |
сходимости |
этих процессов можно применить различные хорошо разрабо танные в линейной алгебре приемы (Д. К. Фаддеев, В. Н. Фаддеева [ в 1 , М. К. Гавурин 1 9 1 и другие).
5.3. ОБРАТНАЯ |
Э В О Л Ю Ц И О Н Н А Я |
ЗАДАЧА С |
ОПЕРАТОРОМ, |
|
З А В И С Я Щ И М ОТ ВРЕМЕНИ |
|
|
Рассмотрим |
эволюционную задачу |
|
|
|
^ - Л ( О Ф = О, |
О < * < * 0 1 |
( З Л ) |
|
q — g при |
t = 0 |
|
с оператором |
Л > 0 , зависящим |
от времени. Как и раньше, |
предполагается, что задача (3.1) является результатом ре дукции задачи математической физики по пространственным переменным к системе обыкновенных дифференциальных уравнений. В этом случае метод Фурье уже неприменим, и для решения задачи (3.1) необходимо использовать численные методы.
Переходим к обсуждению одного из возможных алгорит мов численного решения. Задаче (3.1) поставим в соответст
вие |
м о д е л ь н у ю з а д а ч у , |
в известном |
смысле |
близкую: |
||||||
|
|
* £ - Л ф = 0 , |
0 ^ |
t ^ |
t 0 |
1 |
|
|
(3.2) |
|
|
|
at |
|
|
0, |
|
|
|
|
|
|
|
Ф = g |
П Р И |
t = |
|
|
|
|
|
|
где |
А > 0 —оператор, не |
зависящий |
от |
в_ремени, |
имеющий |
|||||
положительный |
спектр а (Л) s£^X {А) |
|
ji (л) |
и в |
некотором |
|||||
смысле близкий к оператору Л (/). Ради определенности |
будем |
|||||||||
полагать, что |
|
_ |
|
|
|
|
|
|
|
|
|
|
A(t) |
= A |
+ 8A(t), |
|
|
|
|
|
(3.3) |
где |
|
|
|
_ |
|
|
|
|
|
|
|
|
[|6Л(0««1Л| |
|
|
|
|
|
(3.4) |
||
для любых t из интервала |
0 ^ / ^ / 0 - |
|
нам |
получить |
необ |
|||||
Задача (3.2) |
в дальнейшем |
позволит |
ходимую априорную информацию для организации вычисли тельного процесса решения основной задачи (3.1).
Методами, изложенными в 5.2, с операторами, не завися
щими от времени, определим т информативных |
(с точки |
зре |
|||
ния ошибок во входных данных) |
собственных |
элементов |
« „ , |
||
ип и собственных чисел Х„ |
(п=1, |
2, |
т). Остальные |
гар |
|
моники ряда Фурье для gn |
( n = m + l , |
m + 2 , |
N) должны |
быть отброшены, так как ошибки при определении этих коэф
фициентов превышают (иногда весьма значительно) |
полезную |
информацию. Тогда получим |
|
т |
|
S = HignUn, |
(3.5) |
л=1 |
|
где |
|
gn={g, Ua).
В результате решения модельной задачи <р на интервале (t) Ог^г^/о представится в виде
Ф ( 0 = |
m |
|
n2= l g« |
(з.б) |
Попытаемся теперь решать модельную задачу (3.2) чис ленно. С этой целью рассмотрим, например, разностную схе му второго порядка точности относительно Д £ = т :
я ^ |
mi |
- |
Ф - |
ж mJ'+ |
l І і = 0 і |
- |
0 = & f f |
( 3 > 7 ) |
І nJ+l |
|
|
|
|||||
|
|
|
|
|
"2 |
|
|
|
( / = 1 , 2, . . . , / „ ) .
Решение задачи (3.7) будем искать с помощью метода Фурье, предположив, что мы располагаем всем набором собственных элементов ип и и*п. Такое предположение делается только с целью теоретического анализа и получения некоторой апри орной информации о поведении решения. Тогда будем иметь
_ |
2 |
_ |
|
|
N |
|
|
Ф ' = |
|
Ф'ПИЯ - |
(3.8) |
В результате для коэффициентов Фурье с помощью (3.7) приходим к рекуррентным соотношениям
ФІ+ 1 = <P°n=gn (3.9)
2
( / = 1 , 2 , . . . , / o ) .
Следовательно,
(3.10)
Таким образом, имеем
_ |
N |
|
У> = |
у] T}ngnu„, |
( з л і ) |
л=1
где
Тп Тл~