特征值问题误差分析:Babuska–Osborn紧算子谱逼近理论

Posted 陆嵩

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了特征值问题误差分析:Babuska–Osborn紧算子谱逼近理论相关的知识,希望对你有一定的参考价值。

特征值问题误差分析:Babuska–Osborn紧算子谱逼近理论

文章目录


上午好,各位。非常荣幸站在这里。且,今天我想给大家分享一些关于特征值问题的误差分析。
关于我们的讨论班,我提议用说英文。就是,关于我们的讨论班,我提一个建议。我觉得大家可以英文来讲。事实上,我们以前就这么干过,并且取得了不错的成果。为什么呢?因为大家以后有可能不免要在国际会议上做报告,要和外国人交流,讨论班就是一个很好的练习的机会。
有问题吗?那么今天就从我这里开始,以后我也很可能就参与到你们的讨论班当中来。try to persuade everybody……don’t be shy, just try, OK? Speak as more as possible。反对无效,反对无效,反对无效,好,我说服了所有人。

从一个简单的例子开始

一维例子

让我们从一个简单的例子讲起。让 Ω = [ 0 , π ] \\Omega = [0,\\pi] Ω=[0,π],我们寻找特征对 ( λ , u ) , u ≠ 0 (\\lambda,u), u \\neq 0 (λ,u),u=0,使得
− u ′ ′ ( x ) = λ u ( x )  in  Ω , u ( 0 ) = u ( π ) = 0. \\beginaligned -u^\\prime \\prime(x) &=\\lambda u(x) \\quad \\text in \\Omega, \\\\ u(0) &=u(\\pi)=0 . \\endaligned u(x)u(0)=λu(x) in Ω,=u(π)=0.
这个问题具有真解 λ = k 2 , u = sin ⁡ ( k x ) , k = 1 , 2 , 3 , ⋯ \\lambda = k^2, u=\\sin(kx), k=1,2,3,\\cdots λ=k2,u=sin(kx),k=1,2,3,。取 V = H 0 1 ( Ω ) V=H_0^1(\\Omega) V=H01(Ω),标准的有限元方法告诉我们,上述问题的弱形式是,寻找 λ ∈ R \\lambda \\in \\mathbbR λR 和非零 u ∈ V u \\in V uV,使得,
∫ 0 π u ′ ( x ) v ′ ( x ) d x = λ ∫ 0 π u ( x ) v ( x ) d x ∀ v ∈ V \\int_0^\\pi u^\\prime(x) v^\\prime(x) \\mathrmd x=\\lambda \\int_0^\\pi u(x) v(x) \\mathrmd x \\quad \\forall v \\in V 0πu(x)v(x)dx=λ0πu(x)v(x)dxvV
它的有限元逼近是,取 V h = span ⁡ φ 1 , … , φ N ⊂ V V_h=\\operatornamespan\\left\\\\varphi_1, \\ldots, \\varphi_N\\right\\ \\subset V Vh=spanφ1,,φNV,那么,我们要求 λ h ∈ R \\lambda_h \\in \\mathbbR λhR 和非零 u h ∈ V h u_h \\in V_h uhVh,使得
∫ 0 π u h ′ ( x ) v ′ ( x ) d x = λ h ∫ 0 π u h ( x ) v ( x ) d x ∀ v ∈ V h \\int_0^\\pi u_h^\\prime(x) v^\\prime(x) \\mathrmd x=\\lambda_h \\int_0^\\pi u_h(x) v(x) \\mathrmd x \\quad \\forall v \\in V_h 0πuh(x)v(x)dx=λh0πuh(x)v(x)dxvVh

它的代数形式是,
A x = λ M x A \\mathrmx=\\lambda M \\mathrmx Ax=λMx
其中的 A = a i j i , j = 1 N A=\\left\\a_i j\\right\\_i, j=1^N A=aiji,j=1N 是刚度矩阵, M = m i j i , j = 1 N M=\\left\\m_i j\\right\\_i, j=1^N M=miji,j=1N 是质量矩阵,他们的元素是:
a i j = ∫ 0 π φ j ′ ( x ) φ i ′ ( x ) d x a_i j=\\int_0^\\pi \\varphi_j^\\prime(x) \\varphi_i^\\prime(x) \\mathrmd x aij=0πφj(x)φi(x)dx
m i j = ∫ 0 π φ j ( x ) φ i ( x ) d x m_i j=\\int_0^\\pi \\varphi_j(x) \\varphi_i(x) \\mathrmd x mij=0πφj(x)φi(x)dx

P1 元逼近

为了方便,我们不妨更具体一些。我们把 [ 0 , π ] [0,\\pi] [0,π] 剖分成 N + 1 N+1 N+1 份,区间长度为 h = 1 N + 1 h=\\frac1N+1 h=N+11,有限元空间我们用 P 1 \\mathcalP_1 P1。简单的计算,我们可以得到刚度矩阵和质量矩阵。
a i j = 1 h ⋅ 2  for  i = j , − 1  for  ∣ i − j ∣ = 1 , 0  otherwise  m i j = h ⋅ 4 / 6  for  i = j 1 / 6  for  ∣ i − j ∣ = 1 0  otherwise  a_i j=\\frac1h \\cdot\\left\\\\beginarrayll 2 & \\text for i=j, \\\\ -1 & \\text for |i-j|=1, \\\\ 0 & \\text otherwise \\endarray \\quad m_i j=h \\cdot \\begincases4 / 6 & \\text for i=j \\\\ 1 / 6 & \\text for |i-j|=1 \\\\ 0 & \\text otherwise \\endcases\\right. aij

以上是关于特征值问题误差分析:Babuska–Osborn紧算子谱逼近理论的主要内容,如果未能解决你的问题,请参考以下文章

相机标定误差怎么计算

主成成分分析(PCA)

Best名品腕表:腕表走时误差大的几个常见原因

如何进行变量筛选和特征选择(三)?交叉验证

高斯分布的特征是啥?啥事极限误差?误差值通常取多少位?啥是真值的最佳值?

随机森林如何评估特征重要性