Dalam persamaan gelombang:
Mengapa kita pertama kali mengalikan dengan fungsi tes sebelum mengintegrasikan?
finite-element
Andy
sumber
sumber
Jawaban:
Anda datang ke belakang. Pembenaran lebih baik dilihat dengan mulai dari pengaturan variasional dan bekerja menuju bentuk yang kuat. Setelah Anda selesai melakukannya, konsep mengalikan dengan fungsi tes dan pengintegrasian kemudian dapat diterapkan ke masalah di mana Anda tidak memulai dengan masalah minimisasi.
Jadi pertimbangkan masalah di mana kami ingin meminimalkan (dan bekerja secara formal dan tidak keras sama sekali di sini):
tunduk pada beberapa syarat batas pada . Jika kita ingin I ini mencapai minimum, kita perlu membedakannya sehubungan dengan u , yang merupakan fungsi. Ada beberapa cara yang sekarang baik untuk mempertimbangkan jenis turunan ini, tetapi satu cara diperkenalkan adalah untuk menghitung∂Ω saya kamu
di mana hanya skalar. Anda dapat melihat bahwa ini mirip dengan definisi tradisional turunan untuk fungsi skalar dari variabel skalar tetapi diperluas hingga fungsional seperti saya yang mengembalikan skalar tetapi memiliki domainnya di atas fungsi.h saya
Jika kita menghitung ini untuk kita (kebanyakan menggunakan aturan rantai), kita dapatkansaya
Menyetel ini ke nol untuk menemukan minimum, kita mendapatkan persamaan yang terlihat seperti pernyataan lemah untuk persamaan Laplace:
Sekarang, jika kita menggunakan Divergence Theorm (alias integrasi multi-dimesi oleh bagian-bagian), kita dapat mengambil turunan dari dan meletakkannya di u untuk mendapatkanv kamu
Sekarang ini benar-benar terlihat dari mana Anda mulai ketika Anda ingin membangun pernyataan lemah dari persamaan diferensial parsial. Dengan gagasan ini sekarang, Anda dapat menggunakannya untuk PDE apa pun, cukup kalikan dengan fungsi tes, integrasikan, terapkan Teorema Divergence, dan kemudian diskritkan.
sumber
Seperti yang saya sebutkan sebelumnya, saya lebih suka berpikir tentang bentuk lemah sebagai sisa tertimbang.
Kami ingin mencari solusi perkiraan u . Mari kita mendefinisikan sisa sebagaiu^
untuk kasus solusi yang tepat residual adalah fungsi nol di atas domain. Kami ingin menemukan solusi perkiraan yang "baik", yaitu yang membuat "kecil". Jadi, kita dapat mencoba untuk meminimalkan norma residual (metode kuadrat terkecil, misalnya), atau beberapa rata-rata. Salah satu cara melakukannya adalah dengan menghitung residu tertimbang, yaitu, meminimalkan residu tertimbangR
Jika Anda memilih case pertama, maka Anda akan berakhir dengan persamaan seperti yang dijelaskan oleh @BillBarth.
sumber