Sebastiano Seatzu Cornelis Van der Mee Pietro Contu

Transcript

1 SIMAI E-Lecture notes Vol 3 ISSN Sebastiano Seatzu Cornelis Van der Mee Pietro Contu MATEMATICA APPLICATA Un secondo corso SIMAI Società Italiana di Matematica Applicata e Industriale

2

3 Matematica Applicata UN SECONDO CORSO Sebastiano Seatzu, Cornelis Van der Mee, Pietro Contu Dipartimento di Matematica e Informatica Università di Cagliari viale Merello 9, 93 Cagliari, Italia seatzu@unica.it, cornelis@krein.unica.it Rockley Photonics 34 E Colorado Blvd Suite 6, Pasadena, CA 9, USA pietro.contu@rockleyphotonics.com Vol. 3-7 ISBN-A: / Licensed under Attribution-Non-Commercial-No Derivative Works

4 Published by: SIMAI - Società Italiana di Matematica Applicata e Industriale Via dei Taurini, 9 c/o IAC/CNR 5, ROMA (ITALY) SIMAI e-lecture Notes ISSN: Volume 3, 3 ISBN-3: ISBN-A: /

5 Dedicato ai nostri parenti

6

7 Indice Prefazione i INTRODUZIONE ALLE EQUAZIONI ALLE DERIVATE PAR- ZIALI (PDEs). Preliminari PDEs del secondo ordine RISULTATI ESSENZIALI SULLE EQUAZIONI DIFFEREN- ZIALI ORDINARIE (ODEs) 3. Preliminari Trasformazione di una ODE di ordine superiore al primo in un sistema Risoluzione di semplici ODEs lineari del secondo ordine Esempi di ODEs di tipo inomogeneo facilmente risolubili Risoluzione di sistemi di ODEs lineari omogeni Risoluzione di sistemi di ODEs lineari inomogenei Risoluzione numerica dei sistemi di ODEs SERIE DI FOURIER E PROBLEMI SPETTRALI DI STURM- LIOUVILLE Funzioni periodiche e polinomi trigonometrici Serie di Fourier Serie di Fourier in due variabili Problema di Sturm-Liouville: Forma canonica Problema di Sturm-Liouville con condizioni di periodicità RISOLUZIONE ANALITICA DELLE PDEs Metodo degli integrali generali a Problemi di Cauchy per PDEs iperboliche Metodo di separazione delle variabili a Equazioni ellittiche b Equazioni paraboliche i

8 4. c Equazioni iperboliche d PDEs in tre variabili Esercizi proposti ALGEBRA LINEARE ESSENZIALE 5. Proprietà di base Norme vettoriali e matriciali Sistemi lineari Metodi iterativi METODI ALLE DIFFERENZE FINITE Equazioni ellittiche Equazioni paraboliche Equazioni iperboliche Modelli debolmente non lineari Problema spettrale di Helmholtz Una tipica applicazione industriale Esercizi proposti SISTEMI NON LINEARI 5 7. Definizioni e risultati basilari Caso unidimensionale Caso multidimensionale METODO AGLI ELEMENTI FINITI. Introduzione Formulazione variazionale a Formulazione variazionale di una ODE con valori agli estremi assegnati b Richiami di calcolo vettoriale-di erenziale c Forma variazionale di tipici BVPs d Di erenza fondamentale tra la formulazione classica e quella variazionale e Spazi di Sobolev Proprietà basilari degli spazi di Sobolev Risoluzione di BVPs con il metodo degli elementi finiti a Calcolo delle funzioni di base l(x, y) b Calcolo della sti ness matrix e del load vector c Triangolo di riferimento e suo utilizzo nella costruzione del sistema (.43) BVPs con condizioni inomogenee al bordo Convergenza del metodo degli elementi finiti ii

9 .7 Problema spettrale di Helmholtz Problemi parabolici e iperbolici A RISULTATI ESSENZIALI DI ANALISI FUNZIONALE 7 Bibliografia 75 iii

10 iv

11 PREFAZIONE Obiettivo primario del libro è la presentazione dei metodi basilari nella risoluzione analitica e numerica delle Equazioni Di erenziali. Al fine di ridurre al minimo il ricorso ad altri testi, nel libro vengono richiamati i metodi e i risultati necessari alla loro reale comprensione. Destinatari primi del libro sono gli studenti delle Lauree Magistrali in Ingegneria. Per questo motivo vengono presentati i risultati analitici e numerici che maggiormente interessano le applicazioni, rinviando a libri specialistici i risultati teorici e modellistici relativi a situazioni più complesse. Èquestalaragione per la quale sono state omesse le dimostrazioni su diversi risultati analitici e numerici utilizzati. Il libro potrebbe essere adottato nella Laurea Magistrale in Matematica, a condizione che vengano apportate integrazioni sulle proprietà analitiche delle soluzioni delle equazioni di erenziali e precisazioni varie sulla esistenza e unicità della soluzione in domini più generali. Considerazioni analoghe, in un certo senso complementari, valgono per la Laurea Magistrale in Fisica. In questo caso le integrazioni dovrebbero riguardare la parte modellistica. Sarebbe infatti opportuno integrare il libro con la presentazione di ulteriori problematiche fisiche, allo scopo di evidenziare maggiormente che le equazioni di erenziali sono lo strumento matematico più utilizzato per descrivere le relazioni tra le diverse entità fisiche (massa, posizioni, forze, energie, momenti, ecc.). Le equazioni di erenziali sono infatti utilizzate per rappresentare fenomeni stazionari ed evolutivi nella generalità dei settori dellingegneria, della Fisica e di numerosissimi altri settori delle scienze applicate. Negli ultimi due decenni il loro utilizzo si è esteso a settori non tradizionali, come quello delle nanotecnologie, nel quale si presentano spesso con caratteristiche nuove, aprendo così nuovi fronti per la ricerca matematica. Due esempi relativi a questo settore sono illustrati nei Capitoli 6 e. Anche se buona parte degli argomenti trattati sono contenuti in [6], i due libri presentano importanti differenze. In primo luogo perché i cambiamenti, apportati nella presentazione degli argomenti, ne hanno accresciuto la leggibilità, in secondo luogo perché gli ampliamenti introdotti in alcuni capitoli lo hanno reso più completo, riducendo significativamente la necessità di ricorrere ad altri testi. Anche se la sua focalizzazione riguarda i metodi di risoluzione analitica e numerica delle equazioni i

12 di erenziali a derivate parziali, alcuni capitoli sono dedicati ai richiami e alle metodologie, le cui conoscenze sono essenziali alla loro e ettiva comprensione. Dei suoi otto capitoli, il primo e il quarto riguardano la risoluzione analitica delle equazioni a derivate parziali. Più precisamente, mentre il primo capitolo contiene una presentazione di caratttere generale sulle equazioni alle derivate parziali con relativa classificazione, il quarto è dedicato alla presentazione dei due metodi di risoluzione analitica maggiormente utilizzati, con applicazioni a vari problemi di tipo ellittico, parabolico e iperbolico. Il secondo richiama i risultati essenziali sulle equazioni di erenziali ordinarie, con una certa enfasi sui metodi spettrali, dato che questi sono i più utilizzati nella risoluzione analitica di quelle alle derivate parziali. Il capitolo terzo è funzionale al quarto, in quanto la generalità delle soluzioni delle equazioni alle derivate parziali è rappresentabile mediante serie di Fourier o di autofunzioni relative a problemi di Sturm-Liouville. Per questo motivo, in aggiunta ai richiami essenziali, vengono messe in evidenza le proprietà di decadimento dei coe cienti delle serie di Fourier in funzione della regolarità della soluzione. Nel quinto, dedicato allalgebra lineare, oltre ai richiami di carattere generale sugli spazi vettoriali, autovalori-autovettori e norme vettoriali e matriciali, vengono richiamate le proprietà spettrali basilari nella risoluzione dei sistemi lineari mediante i metodi iterativi. Vengono quindi presentati alcuni dei metodi iterativi più utilizzati nella risoluzione numerica dei sistemi lineari tipici delle equazioni a derivate parziali. Il sesto è dedicato alla risoluzione delle equazioni di erenziali ordinarie e alle derivate parziali mediante i metodi alle di erenze finite. Nel primo caso viene considerata la risoluzione di problemi ai limiti per equazioni lineari e debolmente lineari del secondo ordine. Nel secondo caso la risoluzione numerica di problemi ellittici, parabolici e iperbolici lineari su domini rettangolari. Nel caso ellittico viene altresì considerata la risoluzione di problemi debolmente non lineari. Il settimo capitolo è dedicato alla risoluzione numerica dei sistemi non lineari. Dopo un presentazione generale dei metodi di risoluzione e di alcuni metodi iterativi, vengono messe in evidenza le principali analogie e di erenze con i metodi iterativi per i sistemi lineari. Il capitolo è corredato da esempi esplicativi e da applicazioni riguardanti la risoluzione numerica delle equazioni di erenziali debolmente non lineari. Il capitolo ottavo è il più vasto. Dopo aver richiamato alcune definizioni essenziali di calcolo vettoriale-di erenziale, si procede alla formulazione variazionale dei problemi di erenziali considerati, evidenziando le principali di erenze tra le formulazioni classiche e quelle variazionali. Vengono quindi introdotti gli spazi di Sobolev, con la presentazione delle proprietà di specifico interesse per ii

13 il settore. Si passa quindi alla risoluzione dei problemi ai limiti per le equazioni di erenziali lineari ordinarie e dei problemi con valori al bordo per quelle parziali di tipo ellittico. Per queste vengono considerati problemi con valori noti della soluzione al bordo, valori assegnati della derivata normale sulla frontiera e con condizioni miste. L ultima parte riguarda la risoluzione numerica dei problemi di tipo parabolico e iperbolico. Come nel capitolo sulle di erenze finite, viene illustrata la risoluzione di un problema spettrale di Helmholtz, tipico di alcuni settori ingegneristici. Nell Appendice A sono infine riportati i risultati dell Analisi Funzionale, più frequentemente utillizzate nella Matematica Applicata. iii

14 iv

15 Capitolo INTRODUZIONE ALLE EQUAZIONI ALLE DERIVATE PARZIALI (PDEs). Preliminari Per equazione alle derivate parziali di ordine n in r variabili, si intende una relazione che stabilisca un legame funzionale tra una funzione incognita u(x,x,...,x r @x j,...,n-esime n r k + k k r = n, dellastessafunzione. Naturalmente nell equazione possono non figurare varie derivate parziali. Perché l ordine sia n, devecomparirealmenounadellesuederivateparzialidi ordine n. Nel caso r =, un equazione del primo ordine è del tipo f x, @u mentre una del secondo ordine ha la forma f x, @ u Una funzione u che, assieme alle derivate parziali coinvolte, soddisfi l equazione è detta soluzione o integrale dell equazione. In accordo con la notazione internazionale, le equazioni di erenziali alle derivate parziali verranno indicate come PDEs (Partial Di erential Equations) e quelle ordinarie come ODEs (Ordinary Di erential Equations).

16 Una fondamentale di erenza fra le PDEs e le ODEs è che, mentre la soluzione generale delle ODEs, che rappresenta la totalità dei suoi integrali, dipende da n costanti arbitrarie (nel caso l ordine sia n); nelle PDEs, di ordine n, l integrale generale dipende da n funzioni arbitrarie. Esempio. La ODE del primo ordine y (x) =f(x), a apple x apple b, f(x) continuain[a, b], ha come integrale generale la funzione y(x) = Z x a f(t)dt + c, dove c è una costante arbitraria. La PDE del primo = f(x, y), con f(x, y) nell intervallo a apple x apple b, c apple y apple d, ha come integrale generale la funzione u(x, y) = Z x a f(t, y) dt + '(y), dove '(y) èunafunzionecontinua,peraltroarbitrarianell intervallo[c, d]. Esempio. La ODE del secondo ordine y = f(x), a apple x apple b, con f(x) nota e continua in [a, b], ha come integrale generale la funzione Z x Z t y(x) = f( ) d dt + c x + c, a essendo c e c costanti arbitrarie. La PDE del secondo u = f(x, a apple x apple b, c apple y apple d, a con f(x, y) funzionenotaecontinuain[a, b] [c, d], ha come soluzione generale un integrale dipendente da due funzioni arbitrarie. Infatti, integrando l equazione rispetto ad = Z x a f(t, y) dt + '(y), essendo ' una funzione continua e arbitraria nell intervallo [c, d]. integrando rispetto ad x, segueche Z y Z x Z y u(x, y) = f(t, z) dt dz + '(z) dz + (x), c a a Da essa, essendo (x) una funzione continua, peraltro arbitraria, nell intervallo [a, b].

17 Il problema della soluzione generale di una PDE è, in generale, impossibile da risolvere in modo esplicito. Per fortuna, nelle applicazioni, esso non è generalmente di e ettivo interesse. Interessa molto di più determinare l unica soluzione che, unitamente ad altre condizioni prefissate, soddisfa il problema di erenziale, ossia la PDE e le condizioni assegnate. Nelle ODEs di ordine n, tipicamente,l unicitàdellasoluzioneèottenuta imponendo n condizioni iniziali (problema di Cauchy), oppure n condizioni lineari negli estremi di integrazione (problema con valori agli estremi). Nelle PDEs, il problema di Cauchy fondamentalmente riguarda le equazioni del primo ordine f x, @u =. Esso consiste nella determinazione di un integrale u(x, y) che,neipuntidiuna curva regolare del piano xy, assumadeivaloriprefissati. Supponendoche la curva sia assegnata mediante equazioni parametriche del tipo x = (t), y = (t), a apple t apple b, ivaloriprefissatidiu(x, y) su risultano assegnati in funzione di t e, di conseguenza, si può dire che si cerca un integrale u(x, y) della (.) che verifica la condizione iniziale u[ (t), (t)] = '(t), a apple t apple b, (.) essendo '(t) unafunzionecontinua,peraltroarbitraria,assegnatasu[a, b]. Esso rappresenta la naturale estensione del problema di Cauchy per un equazione f(x, y, y ) =, con la condizione iniziale y(x )=y. Geometricamente il problema (.)-(.) equivale alla determinazione della superficie integrale u = u(x, y), soluzione della (.), che passa per la curva x = (t), y = (t), u = '(t) dellospaziox, y, u con a apple t apple b. Per maggiore chiarezza, consideriamo l equazione a(x, + =, (.3) la quale, sotto l ipotesi di continuità dei coe cienti, possiede infinite soluzioni dipendenti da una funzione arbitraria. Per la sua determinazione consideriamo una soluzione del tipo '(x, y; u(x, y)) = costante con ' funzione da determinare. A tale scopo osserviamo che, per la derivazione delle funzioni composte, la ' soddisfa il @u @y =. 3 (.4)

18 esot- Da cui, moltiplicando la prima @x traendo la prima dalla seconda. si ottiene =. Di conseguenza la u(x, y) èsoluzionedella(.3),nelcasochela' soddisfi = a(x, y) = b(x, y). In questo caso, anche la u = F ['(x, y; u)], qualunque sia la F,purchèderivabile rispetto alla ', èsoluzionedelle(.3). Perverificarlo,bastaosservarecheper la (.4), + = Esempio.3 Determinare la soluzione generale dell equazione In virtù della @y =. (.6) da cui '(x, y) =3y + f(x) e'(x, y) = x + g(y), con f(x) eg(y) funzioni continue ed arbitrarie. Di conseguenza, prendendo f(x) = x e g(y) =3y, una soluzione particolare è '(x, y) = x +3y, mentre la soluzione generale è u(x, y) =F ( x +3y), con F arbitraria, purchè derivabile rispetto a x e y. osservare che da cui segue = F ( x +3y) =3F ( Per la verifica basta x +3y),

19 Determinare ora la soluzione del problema di Cauchy =, : u(x, ) = sin x. (.7) Essendo F ( x +3y) lasoluzionegenerale,dobbiamoimporreche F ( x) =sinx, ossia che risulti Da cui, posto t = F (t) =sin t, t = x. x +3y, lasoluzionedelproblema(.7)è u(x, y) =sin ( x +3y) =sin x 3 y, come è immediato verificare per sostituzione diretta. L estensione di questo problema alle PDEs di ordine n, oltre che di di cilissima soluzione, ha scarso interesse applicativo. Per questo motivo, nel seguito, per tali equazioni faremo riferimento soltanto ad altri tipi di condizioni. Passiamo ora alla descrizione dei metodi analitici più comunemente usati nella risoluzione esatta delle PDEs lineari del secondo ordine, che rappresenta l argomento fondamentale del capitolo. Per la loro descrizione è indispensabile fare ricorso alle serie di Fourier e alle proprietà spettrali tipiche dei problemi di Sturm-Liouville. Le definizioni, proprietà e risultati sulle serie di Fourier e sui problemi di Sturm-Liouville, funzionali alla illustrazione dei metodi sulle PDEs, sono contenuti nel Capitolo 3.. PDEs del secondo ordine Una PDE del secondo ordine è definita lineare quando in essa la u elesuederivate parziali del primo e del secondo ordine compaiono linearmente. Nel caso le variabili indipendenti siano due, essa è rappresentabile nel modo seguente: a (x, y)u xx + a (x, y)u xy + a (x, y)u yy + b (x, y)u x + b (x, y)u y + c(x, y)u = f(x, y), (.) dove i coe cienti a (x, y),...,c(x, y) eilterminenotof(x, y) rappresentano funzioni che, per semplicità, supponiamo continue in un assegnato dominio del piano xy. Inessa,comeusuale,u x y xx u, xy u u yy u.l equazioneèdettaomogeneasef(x, y) 5

20 Per le equazioni del tipo (.) il problema di Cauchy consiste nel richiedere che la u assumano valori prefissati lungo i punti una curva definita nel dominio dell equazione di erenziale. L imposizione di questa condizione induce tre situazioni, sostanzialmente diverse, a seconda che il discriminante (x, y) =a (x, y) 4a (x, y)a (x, y), (x, y), (.9) sia negativo, uguale a zero o positivo. Nel primo caso ( < ) l equazione è detta di tipo ellittico, nelsecondocaso( = )ditipoparabolico e, nel terzo caso ( > ), di tipo iperbolico. Essa è detta di tipo misto se, in un subdominio di è di un tipo e in un altro di tipo diverso. Se i coe cienti delle derivate di secondo ordine sono costanti, la classificazione è la stessa in tutti i punti del dominio. Diversamente essa può dipendere dal punto del dominio, come nel seguente esempio di Tricomi: =. In questo caso, essendo a (x, y) =y, a (x, y) =,a (x, y) =e (x, y) =A (x, y) 4 a (x, h)b (x, y) = 4y. Di conseguenza l equazione è ellitiica per y>, parabolica per y =eiperbolica per y<. Se il dominio contiene valori di y>ey 6=,l equazioneè di tipo misto. Se ovunque in, è y>, l equazione è di tipo ellittico in, se è y =,èditipoparabolicoedèditipoiperbolicosey<. Per le equazioni di tipo ellittico, il problema di Cauchy ha pochissima importanza, mentre sono di grande importanza i problemi detti di Dirichlet e di Neumann, il cui significato verrà precisato nel seguito. Per quelle di tipo parabolico, interessa pochissimo il problema di Cauchy e interessa molto, come vedremo nel seguito, il problema di propagazione non vibratoria. In quelle di tipo iperbolico, il problema di Cauchy è di qualche interesse applicativo, anche se quello che maggiormente interessa è quello detto di propagazione vibratoria, il cui significato verrà chiarito nel seguito. Nelle applicazioni, le equazioni ellittiche rappresentano modelli di tipo stazionario a di erenza di quelli parabolici, che rappresentano modelli evolutivi di prima specie, e di quelli iperbolici, che rappresentano problemi evolutivi di seconda specie. Una PDE del secondo ordine, in due variabili, è definita debolmente nonlineare quando in essa la u non compare linearmente, a di erenza delle sue 6

21 derivate parziali che compaiono tutte linearmente. Essa è dunque del tipo a (x, y)u xx + a (x, y)u xy + a (x, y)u yy + b (x, y)u x + b (x, y)u y + c(x, y; u) =f(x, y) con c(x, y; u) nonlineareinu. Esempio.4 L equazione seguente ( u xx + u yy +(e x sin y)u x +(e y sin x)u y apple x apple, apple y apple, (x + y) u 5 = xy cos xy, è pertanto un esempio di PDE debolmente non lineare. L equazione è detta fortemente nonlineare, quando la nonlinearità riguarda almeno una delle derivate parziali della u. La trattazione proposta, anche se fondamentalmente riferita alle PDEs del secondo ordine in due variabili, può estendersi (in modo del tutto naturale) ai modelli in più variabili. Allo scopo di rendere concreta questa a ermazione, nel seguito verranno considerati alcuni esempi di PDE in tre variabili. La generalizzazione formale a R n risulta sostanzialmente immediata, una volta precisata l estensione dal caso D a quello 3D. IproblemiapplicativigovernatidaPDEssonoinnumerevoli. Essiriguardono soprattutto la Fisica, la Chimica, la Biologia e la generalità dei settori dell Ingegneria, Relativamento parlando, i modelli di erenziali di tipo ordinario eallederivateparzialirappresentanolamaggiorpartedeimodellimatematici di reale interesse applicativo. Tra di essi, una prima distinzione riguarda i problemi di tipo stazionario da quelli di tipo evolutivo, tra i quali una ulteriore distinzione riguarda quelli di primo ordine e di seconda ordine. Atitoloesemplicativo,ciso ermiamoorasutreclassiciproblemifisicila cui modellizzazione matematica conduce a tre PDEs, rispettivamente di tipo ellittico, parabolico e iperbolico, Esempi: ( ) Caso ellittico (equazione di u =, (x, Tale equazione può rappresentare la conservazione di un flusso in assenza di sorgenti e di scarichi, come la temperatura in un dominio in condizioni stazionarie, dunque indipendenti dal tempo, oppure un potenziale gravitazionale o elettrostatico in, in condizioni stazionarie. 7

22 ( ) Caso ellittico (equazione di = (x, y), (x, y). 4 Tale equazione può rappresentare la conservazione di un flusso in presenza di una sorgente, come in elettrostatica, fluidodinamica e gravitazione Newtoniana. () Caso parabolico (equazione = k = K µ = conducibilità termica calore specifico densità. Tipicamente la u(x, t) rappresentalatemperaturainunpuntox di un intervallo [a, b] all istantet, conapple t apple T. (3) Caso iperbolico (equazione delle onde): (3 ) Corda = a = µ = tensione densità. In genere la u(x, t) rappresenta la tensione all istante t ( apple t apple T ) di una corda in un punto x di un intervallo [a, b]. (3 ) Vibrazioni trasversali di una u = c = e µ = elasticità densità. In questo caso la u(x, t) indicalavibrazionedellasezionetrasversale di una trave in un punto x di un intervallo [a, b] all istantet (deflessione rispetto ad una posizione iniziale). Nel caso di una PDE lineare in n variabili (n ) indicata, come usuale, lafrontieradiriferimentoecon[,t] l intervallo temporale di riferimento nei modelli evolutivi, i modelli di erenziali di riferimento, per i quali è facile dare le condizioni che assicurano l esistenza e l unicità della soluzione sono i seguenti: (a) Modello ellittico i,j= i >: u = a ij + a u = f, x R j

23 (b) Modello @x i a ij + a u = f, (x, t) j u = ', [,T], >: u(x, ) =, x R n. (c) Modello u >< i,j= i u = a ij + a u = f, (x, t) j [,T], u(x, ) =, x R >: n, u t (x, ) =, x R n. Le definizioni (a), (b) e (c) introdotte sono valide nell ipotesi che i coe {a ij } e {a } soddisfino le condizioni di ellitticità, ossia che esistano: cienti (a) un numero tale che a (x),qualunquesiax ; (b) esista una costante positiva tale che nx i,j= a ij (x) i j k k, per ogni x e R n, essendo k k = p n la norma Euclidea del vettore. Da notare che può non essere positivo, a condizione che + >. Nel caso dell equazione di Laplace, la condizione di ellitticità è verificata in ogni punto (x,x ) R. Basta infatti osservare che, essendo a = a = e a = a =,lacondizionediellitticitàè +,ovviamente verificata per ogni =(, ) R e< <. Nel caso la relazione sia valida per = e non >, la condizione è detta di debole ellitticità. Ciascuno dei tre problemi indicati possiede una e una sola soluzione, sotto ipotesi molto generali sui coe cienti {a ij,a },sullafunzionef in, come anche su quelle assegnate esu@ [,T]. Questo è vero, in particolare, quando l operatore ellittico A = i 9 a + a j

24 soddisfa le condizioni di ellitticità in e la è su cientemente regolare (C a tratti). Ipotesi che, nel seguito, supporremo sempre soddisfatta. Iproblemimodelloindicati,inciascunodeiqualièassegnatalasoluzione sono definiti problemi di Dirichlet. Seinvece,inluogodellau si assegna la derivata di Infine sono definiti di tipo misto quando su una parte èassegnatalau oppure se èassegnataun combinazione lineare di Esempi di problemi di Dirichlet, di Neumann e di tipo misto per l equazione di >< u =, apple x apple 5, apple y apple u(x, ) =, u(x, 3) =, >: u(,y)=, >< u =, apple x apple 5, apple y apple u y (x, ) =, u y (x, 3) =, >: u x (,y)=g(y), u x >< u =, apple x apple 5, apple y apple u y (x, ) =, u(x, 3) =, >: u x (,y)=, u(5,y)=f(y), essendo g(x) unafunzionecontinuasull intervallo[, 5] e f(y) unafunzione continua sull intervallo [, 3]. Esempi di PDEs per le quali è facile determinare la soluzione generale: Consideriamo la u =x Integrando ordinatamente rispetto alla x eallay si ottiene la soluzione generale u(x, y) =x y xy + F (y)+g(x), con F e G funzioni arbitrarie di classe C.Lefunzioni u (x, y) =x y xy +3y 4 +sinx 5 e u (x, y) =x y xy + y +cos x sono invece due soluzioni particolari.

25 Consideriamo ora l equazione di Clairaut u La soluzione generale è Le funzioni e u(x, y) =xf (y) F (y), F arbitraria di classe C. sono due soluzioni particolari. Consideriamo ora la PDE La soluzione generale è u (x, y) = 4 x u (x, y) =x sin y u xy con F e G di classe C. Le funzioni e sin y = x cos y. u(x, y) = x sin y + F (y)+g(x), u (x, y) = x sin y y3 +3x 4 +sinhx u (x, y) = x sin y cosh y + y cos x sono invece due soluzioni particolari, in quanto ottenute particolarizzando F (y) eg(x). La risoluzione analitica delle PDEs è ottenibile soltanto in casi particolari. Per questo motivo, in generale, si ricorre alla sua risoluzione numerica. Quando possibile, la risoluzione analitica è preferibile sia per l esattezza dei risultati, sia per la quantità e qualità di informazioni matematiche e fisiche da essa deducibili. I metodi analitici più utilizzati sono il metodo degli integrali generali e il metodo della separazione delle variabili. Per la loro illustrazione è necessario utilizzare i risultati essenziali sulle ODEs (presentati nel Cap. ) equellisulleseriedifourieresulleproprietàspettralideiproblemidisturm- Liouville (introdotti nel Cap. 3). Per questi motivi la illustrazione dei metodi analitici delle PDEs è rinviata al Cap. 4.

26

27 Capitolo RISULTATI ESSENZIALI SULLE EQUAZIONI DIFFERENZIALI ORDINARIE (ODEs). Preliminari In questa sezione vengono illustrati alcuni metodi basilari per la risoluzione analitica delle ODEs e richiamati, molto sinteticamente, alcuni metodi per la loro risoluzione numerica. I metodi analitici richiamati sono utilizzati nella risoluzione analitica delle equazioni a derivate parziali (PDEs) ed è questo il motivo per cui sono più dettagliati rispetto a quelli numerici. Per ODE di ordine n intendiamo una relazione funzionale tra una variabile indipendente, la funzione incognita e le sue derivate fino all ordine n. Lasuaformagenerale è d e l t i p o f(x; y, y,...,y (n) )=, (.) dove x è l a v a r i a b i l e i n d i p e n d e n t e, y la funzione incognita, y,...,y (n) le sue derivate fino all ordine n e f una funzione nota. L equazione y + a(x)y = f(x), a apple x apple b, (.) è evidentemente lineare e del primo ordine, mentre l equazione y + a(x)y + b(x)y = f(x), a apple x apple b, (.3) è lineare del secondo ordine. Più in generale, l equazione y (n) + a (x)y (n ) a n (x)y = f(x), a apple x apple b, (.4) 3

28 è lineare di ordine n. È ben noto che la soluzione generale di una ODE di ordine n dipende da n costanti arbitrarie. Conseguentemente per la sua unicità è necessario assegnare n condizioni linearmente indipendenti: tipicamente n condizioni in a (oppure m in a e n m in b). Nel caso sia a = e/o b =+ le condizioni assegnate sono di tipo asintotico. Esempi: () y = f(x) pera apple x apple b, y(x) = R x f(t) dt + c. a () y +! y =pera apple x apple b, y(x) =c cos!x + c sin!x. dove c, c e c sono costanti arbitrarie. Nell ipotesi che sia sin!(b a) 6=, esse possono essere univocamente determinate fissando il valore della y in a per la (.) e i valori della y edellay in a oppure, in alternativa, i valori di y in a e b. Nel caso della (.4) le costanti arbitrarie sono n esiparladiproblema di Cauchy, nel caso vengono assegnati in a ivaloridelley, y,...,y (n ) ;di problema agli estremi nel caso vengono (complessivamente) assegnati n valori di y edellasuaderivataprimainaeb. Èbenericordarechela(.)è facilmente risolubile analiticamente. Infatti, indicata con (x) unaprimitiva di a(x), molteplicando primo e secondo membro per e (x) si ottiene l equazione d dx e (x) y = e (x) f(x), (x) = dalla quale segue immediatamente che Esempio. ( y Z x a a(t) dt, Z x y(x) =e (x) e (t) f(t) dt + ce (x). (.5) a y() =. y =cost, Molteplicando primo e secondo membro per e t l equazione diventa applez t (e t y) = e t cos t =) y(t) =e t e cos d + c, dalla quale, osservato che deriva che Z t e cos d = e t (sin t cos t)+, y(t) = (sin t cos t + et )+ce t, da cui, richiedendo che y() =, risulta che y(t) = (sin t cos t)+ 3 et. 4

29 Esempio. ( y +! y =, a apple x apple b, y(a) =, y(b) =, con <!(b a) <. Essendo cos!x esin!x soluzioni particolari, la soluzione generale è y(x) =c cos!x + c sin!x. La soluzione del problema agli estremi viene quindi ottenuta imponendo che c e c soddisfino il sistema ( sin!b sin!a c cos!a + c sin!a = a, >< c =, sin!(b a) =) c cos!b + c sin!b = b, cos!a cos!b >: c =. sin!(b a) Nel caso particolare a =,b =, =e = y(x) =cos!x cos! sin! sin!x.. Trasformazione di una ODE di ordine superiore al primo in un sistema Iniziamo con la trasformazione di una ODE lineare del secondo ordine in un sistema lineare di due equazioni del primo ordine. Sia ay + by + cy = f(x), a 6=, (.6) una ODE nella quale a, b e c sono numeri reali noti e f(x) unafunzionenota. Per la sua trasformazione, posto la (.6) diventa ( y = y, ay + by + cy = f(x), y = y e y = y = y, < y = y, () : y = c a y b a y + f(x) a, che, con notazione matriciale, possiamo scrivere nella forma dy dx = A y + f, = y (x), (.7) y (x) dove A = c/a b/a, f(x) = f(x)/a. 5

30 Esempio.3 y +! y =cosx. Ponendo y = y, y = y = y,l equazioneprecedentesitrasformanelsistema ( y = y, y = essendo y(x) =! y +cosx, y (x) y (x). () dy dx =! y(x)+, cos x Esempio.4 y IV +y + y + y =sinx. Ponendo y = y, y = y = y, y 3 = y = y e y 3 = y IV,l equazionepuòessere scritta nella forma y = y, >< y = y 3, y3 >: = y 4, y4 = y 3 y y +sinx, () dy dx = A y + f, dove y y = By y 3 A, A = y 4 C A, f(x) = sin x C A. Lo stesso tipo di tecnica permette di trasformare una ODE lineare di ordine n in un sistema lineare di ODE del primo ordine. La tecnica è ugualmente applicabile, senza modifiche significative, al caso di ODE non lineari. Un equazione non lineare del secondo ordine y = f(x, y, y ) può essere trasformata in un sistema non lineare di due equazioni del primo ordine. Ponendo y = y e y = y,la(.7)sitrasformainfattinelsistema ( y = y, y = f(x, y,y ). 6

31 .3 Risoluzione di semplici ODEs lineari del secondo ordine Iniziamo con una ODE lineare omogenea del secondo ordine a coe cienti costanti ay + by + cy =, (.) dove a, b e c sono costanti reali con a 6=. Ilmetodopiùutilizzatosibasa sull osservazione che la soluzione generale è esprimibile come combinazione lineare di due soluzioni particolari, linearmente indipendenti. Per determinare le quali, seguendo il metodo di D Alembert, poniamo y(x) =e x con costante complessa da determinare. Sostituendo la sua espressione nella (.) otteniamo e x a + b + c =, dalla quale, dato che e x 6=,sideduceche deve essere soluzione dell equazione caratteristica a + b + c = le cui radici, = b p b 4ac a identificano le soluzioni caratteristiche della (.). (a) Le radici caratteristiche sono reali e distinte (b questo caso y (x) =e x e y (x) =e x sono entrambe soluzioni e la loro combinazione lineare y(x) =c e x + c e x, con c,c R, 4ac > ). In è la soluzione generale della (.). L arbitrarietà di c e c consente di soddisfare due condizioni iniziali (problema di Cauchy) oppure due condizioni agli estremi (problema con valori agli estremi). (b) Le due radici sono reali e coincidenti (b 4ac =): = = =. Alla radice corrispondono le soluzioni: b a y (x) =e x e y (x) =xe x. Essendo ovvio che y sia una soluzione, basta osservare che lo è anche la seconda. Derivando due volte y e sostituendo nella (.) si ha infatti che a( + x)e x +b(+ x)e x +cxe x = xe x (a +b +c)+e x (a +b) =, 7

32 dato che a + b + c =(essendo radice dell equazione caratteristica) e a + b =,inquanto = b.lasoluzionegeneraleèdunque a y(x) =(c + c x)e x, c,c R. (c) Le radici caratteristiche sono una complessa coniugata dell altra (b 4ac < ). Anche in questo caso e x e e x sono soluzioni. La loro forma non è però (in generale) utilizzata in quanto si preferisce evitare il ricorso a funzioni complesse, dato che la ODE è a coe cienti reali. Per avere una rappresentazione reale della soluzione generale, basta utilizzare opportunamente la formula di Eulero. Più precisamente, posto = b + i e a = b i, = p b 4ac >, per la formula di Eulero a a e x = e e x = e da cui deriva immediatamente che b a x (cos x + i sin x), b a x (cos x i sin x), (e x + e x )=e b a x cos x, i (e x e x )=e b a x sin x. Questo implica (essendo l equazione lineare) che e b a x cos x e e b a x sin x sono soluzioni (linearmente indipendenti) della (.) (come si può verificare per sostituzione). Conseguentemente, in questo caso, la soluzione generale è y(x) =e b a x (c cos x + c sin x). Esempio.5 Determinare la soluzione dei seguenti problemi di Cauchy: (a) ( y +y y =, y() =, y () =. Posto y = e x,l equazionecaratteristicaè + ==), = p. Di conseguenza la soluzione generale è y(x) =e x c e xp + c e xp,

33 con (c,c )soluzioneca)(unica)delsistema ( c + c =, ( + p p )c +( )c =. (b) ( y +! y =, y() =, y () =, dove!>. Essendo, = ±i!, lasoluzionegeneraleè y(x) =c cos!x + c sin!x. La soluzione particolare si ottiene imponendo che la y soddisfi le condizioni iniziali, ossia che ( c =, =) y(x) =cos!x. c! =, (c) ( y y + y =, L equazione caratteristica associata è Di conseguenza la soluzione generale è y() =, y () =. +==) = =. y(x) =e x (a + bx) con (a, b) soluzioneunicadelsistema ( y() = a =, y () = a + b =, =) y(x) =e x ( x)..4 Esempi di ODEs di tipo inomogeneo facilmente risolubili Le ODEs più ricorrenti nelle applicazioni sono di secondo ordine che, in vari casi, è possibile risolvere facilmente. Nel caso i coe cienti siano costanti, abbiamo già visto come si calcola la soluzione generale dell equazione omogenea 9

34 associata. Nel caso inomogeneo a questa deve essere aggiunta una particolare della inomogenea. Supponendo che l equazione sia del tipo ay + by + cy = f(x) (.9) con a, b e c costanti, la sua determinazione è facile se: (a) f(x) èesponenziale; (b) un polinomio algebrico; (c) un polinomio trigonometrico. (a) f(x) =e x, R. In questo caso si cerca una soluzione del tipo y = ĉe x con ĉ costante da determinare. Sostituendo la y elesueprime derivate nella (.9) si ottiene la relazione ĉe x a + b + c = e x, dalla quale si ricava immediatamente ĉ, nell ipotesichea + b + c 6=. Nel caso non lo sia, si pone y = xe x,dacuiderivacheĉ = se a + b 6=. a +b Nel caso a + b + c =a + b =,siponey = x e x,dacuiderivache ĉ =,essendoa6=. a (b) Supponiamo, per ipotesi, che f(x) siaunpolinomiodisecondogrado f(x) =a x + a x + a, a 6=. La previsione è che anche y(x) siaunpolinomiodisecondogrado y(x) =y x + y x + y. Derivando e sostituendo si trova la relazione a(y )+b(y x + y )+c(y x + y x + y )=a x + a x + a, dalla quale segue che y, y e y debbono soddisfare il sistema >< cy = a, (b)y + cy = a, >: (a)y + by + cy = a, che, nell ipotesi che c 6=, ammette un unica soluzione. Nel caso c =, si ripete il procedimento ponendo y(x) =y x 3 + y x + y x + y 3. Questo implica che a, a e a sono la soluzione unica del sistema >< 3by = a, 6ay +by = a, >: ay + by = a,

35 nell ipotesi che b 6=. Nel caso b = c = e a 6= la ODE si riduce all equazione con soluzione generale y = a x + a x + a a y(x) = a a x4 + a 6a x3 + a a x + c + c x, dove le costanti c e c sono arbitrarie. (c) Nel caso f(x) =f cos!x + f sin!x, 6=! R, si procede nell ipotesi che anche la y sia dello stesso tipo. Ponendo y(x) =y cos!x + y sin!x, derivando e sostituendo nella (.9) si trova che la coppia (y,y )èlasoluzione unica del sistema ( (c a! )y + b!y = f, (c a! )y b!y = f, nell ipotesi che (c a! ) +(b!) >. Nel caso b = c a! =ea 6= la ODE si riduce all equazione y +! y =. Intalcaso,ponendo y(x) =f x cos!x + f x sin!x, si ottiene il sistema f! = y ef! = y di soluzione f = y! e f = y!. Essendo l equazione lineare, per il principio di sovrapposizione, il problema è f a c i l m e n t e r i s o l u b i l e a n c h e n e l c a s o f(x) sia di tipo misto. Nel caso, ad esempio, sia f(x) =f (x)+f (x) con f polinomio algebrico e f polinomio trigonometrico, si cercherà una soluzione del tipo y(x) =y (x) +y (x) cony (polinomio algebrico) soluzione del sistema ay + by + cy = f (x) e y (polinomio trigonometrico) soluzione del sistema ay + by + cy = f (x).

36 Esempio.6 ( y +y +4y = x +, y() =, y() =. Poiché le radici dell equazione caratteristica associata sono, = i p 3, la soluzione dell equazione omogenea associata è ŷ(x) =e a x cos(x p 3) + b sin(x p 3). Essendo il secondo membro dell equazione un polinomio di secondo grado, è facile dimostrare che una sua soluzione particolare è y p (x) = 4 (x x +). Di conseguenza la soluzione è y(x) =ŷ(x)+y p (x), essendo a e b la soluzione unica del sistema ( 4 + a =, 4 + e a cos( p 3) + b sin( p 3) =, =) a = 3, b = e +3cos(p 3) 4 4sin( p. 3).5 Risoluzione di sistemi di ODEs lineari omogeni Consideriamo ora la risoluzione analitica di un sistema lineare omogeneo di ODE a coe cienti costanti, pertanto esprimibile nella forma dy dx = A y, (.) dove A è u n a m a t r i c e a t e r m i n i c o s t a n t i d i o r d i n e n e y è u n v e t t o r e d i n funzioni incognite della x. Anche se esistono metodi a carattere più generale, procediamo nell ipotesi che la matrice A ammetta un sistema di autovettori linearmenti indipendenti. Sotto tale ipotesi la soluzione generale del sistema può essere ottenuta con unmetodo spettrale che consente di ricondurre il calcolo alla risoluzione di n ODE disgiunte del primo ordine. Come sarà evidente nel seguito, la denominazione spettrale deriva dall utilizzo nel metodo dello spettro della matrice A. Per la sua applicazione, si cercano soluzioni della (.) della forma [] y(x) = (x) u, dove (x)èunafunzionescalareeu è u n v e t t o r e n o n n u l l o i n R n.sostituendo la sua espressione nella (.) abbiamo che dy dx = d u = (x) A u, dx

37 da cui deriva che i due vettori u e A u debbono essere proporzionali, ossia che u deve essere un autovettore di A. In altre parole perché valga l ultima relazione deve essere A u = u, dalla quale segue che d dx = (x) =) (x) =ce x, dove c è una costante. Di conseguenza, ad ogni coppia autovalore-autovettore (, u) dia si può associare una soluzione della (.) del tipo y(x) =ce x u determinata a meno di una costante arbitraria. Se lo spettro di A è { i, u i } n i= e i suoi autovettori sono linearmente indipendenti, la soluzione generale della (.) assume la forma nx y(x) = c i e ix u i (.) i= con c,c,...,c n costanti arbitrarie, pertanto utilizzabili per soddisfare condizioni iniziali o agli estremi. Esempio.7 y =5y 4y y 3, >< y = 4y +y 4y 3, y3 >: = y 4y +5y 3, y () =, y () =, y 3 () =. La matrice A del sistema è pertanto il cui sistema spettrale è 5 4 A 4 4A, 4 5 =, u A ; =6, u 3 A ; 3 =, u 3 A.

38 La soluzione generale del sistema di erenziale è pertanto 3X >< c + c e 6x + c 3 e x, y(x) = c i e ix u i = c c 3 e i= >: x, c c e 6x + c 3 e x, con c, c e c 3 da determinare imponendo che siano soddisfatte le condizioni iniziali, ossia che soddisfino il sistema >< c + c + c 3 =, c c 3 =, =) c = >:, c 3 =, c 3 =. 3 c c + c 3 =, Di conseguenza y (x)= 3 +3e 6x e x,y (x)= 3 +e x,y 3 (x)= 3 3 e 6x e x..6 Risoluzione di sistemi di ODEs lineari inomogenei Consideriamo ora la risoluzione di sistemi di ODE lineari di tipo dy dx = A y + f(x), (.) dove A, comenelcasoomogeneo,èunamatricecostantediordinen e f(x) è un vettore di n funzioni della x. Comeverràevidenziatonelseguito,esistono situazioni particolari nelle quali, nota la soluzione generale del sistema omogeneo, è molto facile trovare una soluzione particolare di quello inomogeneo e conseguentemente determinare la soluzione generale di quello non omogeneo, dato che è la somma della soluzione generale del sistema omogeneo associato (sistema (.)) e di una particolare di quello inomogeneo (sistema (.)). Il metodo a carattere generale più utilizzato è il metodo della variazione dei parametri che ci limitiamo ad illustrare nel caso la matrice A abbia n autovettori linearmente indipendenti (stessa ipotesi del caso omogeneo). Di conseguenza anche in questo caso possiamo parlare di metodo spettrale. Come nel caso omogeneo, indichiamo con { i.u i } n i= lo spettro (autovalori-autofunzioni) di A. Essendo(peripotesi)linearmenteindipendenti, ogni vettore di R n è e s p r i m i b i l e c o m e l o r o c o m b i n a z i o n e l i n e a r e. D i 4

39 conseguenza, per ogni x, possiamoa ermarechef(x)puòessererappresentato nel modo seguente: f(x) =c (x)u + c (x)u c n (x)u n, (.3) dove i coe cienti sono, ovviamente, funzioni di x. Essendof(x) nota,icoeffienti {c i (x)} n i= possono essere calcolati risolvendo un sistema lineare. Nel caso A sia simmetrica e, conseguentemente, gli autovalori siano ortogonali, i coe cienti sono le proiezioni ortogonali di f(x) sugliautovettori,ossia c i (x) =f(x) T u i, i =,,...,n, con f(x) =(f (x),...,f n (x)) T, u i =(u i,u i,...,u ni ) T, f(x) T u i = nx f j (x)u ji. j= Per lo stesso motivo anche la soluzione y(x) della(.),per ogni x, può essere espressa in modo analogo, ossia ponendo y(x) =a (x)u + a (x)u a n (x)u n, (.4) icuicoe cienti{a i (x)} n i= non possono essere calcolati come nel caso della f(x), dato che y(x) è un vettore incognito. Tuttavia il metodo permette di calcolarli mediante la risoluzione di n ODE disaccopiate (una per coe ciente). Tenuto conto della (.4) e del significato degli {u i } n i=, possiamoa ermare che!! dy A y = d nx nx a i (x)u i A a i (x)u i dx dx i= i= nx da i nx nx = dx u da i nx i a i (x)a u i = dx u i ia i (x)u i i= i= i= i= nx dai = ia i (x) u i. dx i= Di conseguenza, tenendo conto della (.4), il sistema (.) può essere scritto nella forma seguente nx dai nx ia i (x) u i = c i (x)u i, dx dalla quale segue che i= i= da i dx ia i = c i (x), i =,,...,n. (.5) 5

40 La (.5) evidenzia che, in questo modo, la risoluzione del sistema (.) viene ricondotto a quella di n ODE del primo ordine, ciascuna indipendente dalle altre. La loro risoluzione consente di scrivere immediatamente la soluzione generale della (.), la quale dipende da n costanti arbitrarie derivanti dalla risoluzione delle n ODEs (.5) (una costante per equazione). I loro valori vengono determinati uno per volta, nel caso siano assegnati i valori iniziali per le componenti del vettore y (y i (a) =y i, i =,...,n). Esempio. >< y = y + y, y >: = y y, y () =, y () =. Lo spettro della matrice A =( )è = p, u = u = p.diconseguenzalasoluzionegeneraleè p ; = p, y(x) =c e xp u + c e xp u con c e c determinati imponendo che siano soddisfatte le condizioni iniziali, ossia come soluzione del sistema ( p c +( )c =, ( p =) c = )c + c =,,c = ( + p ). Questo implica che h i y (x) = e xp + e xp, y (x) = h ( p )e xp ( p i +)e xp. Esempio.9 ( y (x)+ y = f(x), a apple x apple b, y(a) =, y(b) =, >, <b a<, (.6) dove 6= R. Essendo il problema lineare, per il principio della sovrapposizione, possiamo porre y = v +w, conv e w soluzioni dei seguenti due problemi: ( v + v = f(x), v(a) =v(b) =, ( w + w =, w(a) =, w(b) =. (.7a) (.7b) 6

41 La ODE che caratterizza il primo problema è del tipo inomogeneo e quella che caratterizza il secondo è di tipo omogeneo. L inverso si verifica per le condizioni agli estremi, essendo di tipo omogeneo il primo e di tipo inomogeneo il secondo. La (.7b) è facilmente risolubile in quanto, essendo cos x esin x due soluzioni linearmente indipendenti, la soluzione generale è w(x) =c cos x + c sin x, con (c,c )soluzioneunicadelsistema ( (cos a)c +(sin a)c =, (cos b)c +(sin b)c =, chiaramente non singolare, dato che il determinante del sistema è sin (b a). Per la soluzione del secondo problema, posto v = v e v = v,trasformiamo l equazione nel sistema lineare v v (x) = (x) v (x) v(x) = + = A v(x)+f(x). (.) v (x) f(x) Lo spettro di A è : = i, u =( i ); = i, u =( i ). Di conseguenza, sulla base del metodo della variazione dei parametri, possiamo scrivere v(x) = (x) u + (x) u e f(x) =c (x) u + c (x) u con (x) e (x) incogniteec (x) ec (x) soluzionidelsistema ( c (x)+c (x) =, =) c (x) = f(x) i [c (x) c (x)] = f(x), i,c (x) = f(x) i. Sostituendo v(x) nella (.) e tenendo conto dello spettro della A edella rappresentazione di f(x), possiamo a ermare che v (x) = (x) u + (x) u = A v(x)+f(x) = (x) u + (x) u + c (x) u + c (x) u, dalla quale segue che (x) e (x) sono soluzione delle due equazioni disaccoppiate applez x ( (x) = (x)+c (x), >< (x) =e x e t c (t) dt + c, =) applez (x) = (x)+c (x), x >: (x) =e x e t c (t) dt +ĉ, 7

42 con c eĉ costanti arbitrarie. La soluzione generale dell equazione (.7a) è pertanto v(x) = (x)+ (x) = applez x applez x e i x e i t f(t) dt + c e i x e i t f(t) dt +ĉ i = Z x e i (x t) e i (x t) f(t) dt + ce i x +ĉe i x i Z x sin (x t) = f(t) dt + c +ĉ cos x + c ĉ sin x, i con c eĉ determinabili imponendo le condizioni v(a) = e v(b) =..7 Risoluzione numerica dei sistemi di ODEs Sull argomento esistono numerosi libri a carattere introduttivo e specialistico. Nel primo settore rientrono i libri di Analisi Numerica (per es. [7,, 4]) e nel secondo quelli specifici (per es. [3, 4]). In ciascuno di essi ampio spazio viene riservato alla famiglia di metodi di tipo Runge-Kutta, con particolare riguardo aquelliapassovariabilediordine4e5elorocombinazioni. Ilmetodo, probabilmente più di uso, è il cosiddetto ODE45 (presente nel MATLAB) che utilizza una combinazione di metodi di Runge-Kutta (a passo variabile) del quarto e del quinto ordine. Esso consente di risolvere con successo la generalità dei sistemi di ODE, con l importante eccezione di quelli definiti STIFF, ossia di quelli nei quali è particolarmente elevato il rapporto tra il massimo e minimo valore assoluto degli autovalori della matrice A del sistema. Vediamo di illustrare il problema con un interessante esempio riportato in [, pag. 5]. Consideriamo < dx dt = A x, : x() =, < dy dt = A y, : y() =, (.9) due ODE di tipo omogeneo con le stesse condizioni iniziali. Per semplificare l analisi, assegniamo A e A mediante le loro decomposizioni spettrali, supponendo che siano caratterizzate da autovalori diversi e autovettori uguali. Più precisamente, supponiamo che A = UD U T e A = UD U T, con U = u u u 3,

43 essendo u = A, u = 3 A, u 3 = 6 D =diag(,, 3) e D =diag(,, ) e = p 3 u. Avendo i due problemi lo stesso vettore iniziale e gli stessi autovettori, la di erenza riguarda gli autovalori delle due matrici e soprattutto la di erenza tra il massimo e minimo valore assoluto degli autovalori. Tale rapporto è infatti 3 per A epera. Il metodo spettrale precedentemente illustrato permette di calcolare facilmente le rispettive soluzioni. Ponendo infatti A ; x(t) = 3X a j (t) u j, j= si ottiene che 3X a j(t) u j = j= dalla quale segue che a j(t) = conseguenza, 3X j= ja j (t) u j, j a j (t), ossia a j (t) =e jt a j (), j =,, 3. Di x(t) =a ()e t u + a ()e t u + a 3 ()e 3t u 3 con a (), a () e a 3 () determinati imponendo che per cui x() = = p 3 u =) a () = p 3,a () = a 3 () =, x(t) = p 3 e t u = e t. Utilizzando lo stesso procedimento si trova che y(t) =b ()e t u + b ()e t u + b 3 ()e t u 3, da cui, imponendo che y() = = p 3 u,seguecheb () = p 3, b () = b 3 () =. Di conseguenza y(t) =x(t) =e t, ossia e t è la soluzione di ciascuno dei due problemi. 9

44 Nonostante ciò, il numero dei passi occorrente per ottenere una precisione dell ordine di ( t) 4 in t =, è,nelsecondoesempio,circavoltequello richiesto nel primo. Risultato che dipende del diverso rapporto ( max / min ) = 3 nel primo caso e nel secondo. Nel secondo esempio, come in tutte le situazioni simili è importante, e talvolta necessario, ricorrere a metodi di tipo implicito, in luogo di metodi espliciti, come lo sono i metodi di tipo Runge- Kutta in generale e il metodo ODE45 in particolare. Esempio. (di problemi sti ) dy = f(x, y) = 6 y dx y La soluzione, come è immediato verificare, è e 6 t y(t) =., y() = e t. t il passo tempo- L applicazione del metodo di Eulero esplicito, indicato con rale unitario, richiede che y (n+) = y (n) + f(x n, y (n) ) t, n =,,,..., =( =...=( ossia che ( y (n+) = y (n) 6 ty (n) 6 t) (n y ) 6 t) n+, y (n+) = y (n) ( t)y (n) =( t)y (n) =( t) (n ) y =...=( t) n+. Da tali formule di ricorrenza segue che, per ragioni di stabilità, 6 t < e t < =) < t< 6. In altri termini, la stabilità numerica richiede che il passo temporale sia molto piccolo. Se t è esterno alla regione di stabilità, si verifica il cosiddetto blow up, ossia una abnorme crescita dei valori assoluti degli iterati. Se, per esempio, t = 5,siottengonogliiterati y () =( )y () = 9, y () =( 9),...,y (n) =( 9) n, per cui y (n)!+ per n!.inoltre y () =( 5 )y () = 5, y () =( 5 ),..., y (n) =( 5 ) n ' 5 n. 3

45 Situazioni non accettabili, anche se non esplosive, si presentano quando ci si avvicina alla frontiera sella regione di stabilità. Per t = 6,adesempio, si ottengono gli iterati ( y (n) =pern =,,,..., y (n) =( 6 ) n per n =,,,... Per evitare questo tipo di problemi è necessario ricorrere a metodi impliciti, ossia a metodi che, ad ogni passo, richiedono la risoluzione di un sistema di equazioni. Situazione che, per quanto possibile, si cerca di evitare soprattutto quando il sistema da risolvere è non lineare. Utilizzando (nel caso specifico) il metodo di Eulero implicito, ad ogni iterazione si deve risolvere il sistema che, in forma scalare, diventa y (n+) = y (n) + f(x n, y (n+) ), y (n+) = y (n) 6 ty (n+) ) y (n+) = y (n+) = y (n) ty (n+) ) y (n+) = y(n) y (n) + 6 t =...= ( + 6 t) n+, + t = y(n ) ( + t) =...= ( + t). n+ Ricorrenze che evidenziano la stabilità del metodo, indipendentemente da t, in quanto ( + 6 t) < e ( + t) <, per ogni t>. Per t< 5,adesempio,siottengonogliiterati n n y (n) =, y (n) =, n =,,, Valori sostanzialmente accettabili, in quanto y ( 5 n)=e n = e n, y ( 5 n)=e 5n = e 5n. Considerazioni analoghe valgono se si considera l esempio (.9) caratterizzato dalla matrice A.Inquestocasolaregionedistabilità,relativaalmetodo di Eulero diretto, è caratterizzata da un passo temporale < t<.. Tale limitazione segue facilmente dalla applicazione del metodo di Eulero e dell osservazione che A = VD V T con V matrice ortogonale (VV T = I). 3

46 Applicando il metodo, per n =,,,... abbiamo y (n+) = y (n) + tvd V T y (n) = VV T y (n) + tvd V T y (n) = V (I + td )V T y (n), da cui, posto V T y (n) = z (n),segue >< z (n+) =( t)z (n), z (n+) =(I + td )z (n) () z (n+) =( t)z (n), >: z (n+) 3 =( t)z (n) 3. Il metodo è pertanto stabile solo se t <, t <, t <, ossia se < t<.. Di conseguenza, se si considera un passo temporale maggiore, per esempio t =.3, si presenta il blow-up ossia una crescita abnorme dei valori degli iterati. Se invece si applica il metodo di Eulero implicito, tale fenomeno non si presenta e si ottengono ragionevoli valori della relazione anche con un passo temporale t =.3. Il metodo implicito non richiede invece alcuna limitazione sul passo t. Per rendersene conto basta osservare che la sua applicazione richide che y (n+) = y (n) + tvd V T y (n+), dalla quale, usando le stesse precedenti notazioni, deriva la successione ( td )z (n+) = z (n) () z (n+) =(I td ) z (n). Successione che, in forma scalare, è così esprimibile >< z (n+) =(+ t) z (n), z (n+) =(+ t) >: z (n), z (n+) 3 =(+ t) z (n) 3. Le precedenti considerazioni valgono unicamente per sistemi lineari. Nel caso non lineare il comportamento è molto più complicato, in quanto possono presentarsi singolarità anche al finito. In questo caso il blow-up può risultare intrinseco al problema come si può osservare analizzando, ad esempio, l equazione [] y = ty(y ), y() = y. 3

47 La sua esatta soluzione è y(t) = y y +( y )e t. Dalla sua espressione segue immediatamente che: (a) y(t) pery =; (b) y(t) convergeasintoticamenteazeroper<y < ; (c) Per y >, y(t) haunasingolaritàalfinitoat =, con s y (y )= ln. y Inoltre, y(t)! + se t! (y ). La soluzione dell equazione di erenziale è pertanto instabile rispetto alla sua condizione iniziale in quanto per y =ècostante,per<y < tende asintoticamente a zero per t! + epery > presentaunasintotoverticale in t = (y ) Figura.: La figura mostra i grafici della funzione y(t) = y =4epery =. y y +( y )e t per 33

48 34

49 Capitolo 3 SERIE DI FOURIER E PROBLEMI SPETTRALI DI STURM-LIOUVILLE 3. Funzioni periodiche e polinomi trigonometrici Definizione. Una funzione f(x) definita in un dominio D è detta periodica di periodo T se, qualunque sia x D, x + T appartiene a D ed inoltre f(x) = f(x + T ). In tal caso T è i l p e r i o d o e /T è l a f r e q u e n z a d e l l a f. Sef(x) èperiodica con periodo T,loèanchediperiodoT,3T,... Per questo motivo, talvolta si preferisce precisare che T è il periodo fondamentale. Per esempio le funzioni sin x ecosx sono periodiche di periodo, mentre sin!x ecos!x (! 6= ), sono periodiche di periodo. Se k è u n i n t e r o! positivo, anche sin k!x e cosk!x sono periodiche con periodo fondamentale ( /k!). Spesso, in vari contesti applicativi, una funzione definita in un intervallo di ampiezza limitata viene estesa per periodicità a tutto R. Ad esempio, la funzione ( x, apple x<, f(x) = x, apple x<, può essere estesa per periodicità su R, ponendo f(x) =f(x +). Armoniche elementari. Le funzioni. f k (x) =a k cos k!x + b k sin k!x, k intero positivo,! 6=, 35

50 . g k (x) = k cos(k!x + k ), k intero positivo, >,! 6=, k R, dette armoniche elementari, sonoperiodichediperiodo. Esse sono inoltre! equivalenti, nel senso che, assegnate le costanti che caratterizzano una forma, è sempre possibile passare dalla () alla () e viceversa. Per esempio, assegnati k e k,èimmediatocalcolarea k e b k.infatti,essendo g k (x) = k cos(k!x + k )= k {cos(k!x)cos( k ) sin(k!x)sin( k } = k cos( k )cos(k!x) k sin( k )sin(k!x) basta porre a k = k cos( k )eb k = k sin( k ). Viceversa, noti a k e b k,èimmediatodeterminare k e k.infatti,essendo ( k cos k = a k, si avrà k = p a k + b k e k =arctg k sin k = b k, b k a k se a k 6=. Inparticolare,seb k = si ha k = a k e =oppure = asecondachesiaa k > oa k <. Polinomio trigonometrico. Per polinomio trigonometrico di ordine n, intendiamo una funzione del tipo T n (x) =a + nx (a k cos k!x + b k sin k!x), k= dove a,a k,b k e! 6= sononumerireali. T n è u n a f u n z i o n e p e r i o d i c a, i n q u a n t o c o m b i n a z i o n e l i n e a r e d e l l e n + funzioni elementari, cos!x, sin!x,..., cos n!x, sin n!x, (3.) tutte periodiche con periodo fondamentale T =!. Teorema 3. Le funzioni trigonometriche (3.), qualunque sia n, sono mutuamente ortogonali in [,T]. Dimostrazione. La funzione costante f(x) =èortogonaleatuttelealtre, in quanto, per k =,,...,n, Z T Z T apple T sin k!x cos k!x dx = k! apple cos k!x sin k!x dx = k! = T sin k!t k! = = cos k k! sin ik k! =. =, 36

51 Inoltre se h 6= k, Z T Z T cos k!x cos h!x dx = {cos(k h)!x +cos(k + h)!x} dx = apple T sin(k h)!x sin(k + h)!x + =, (k h)! (k + h)! in quanto!t =. Da notare che se h = k, Z T cos k!x dx = = Z T {+cosk!x} dx apple x + sin k!x k! T = T. Pertanto i due risultati possono essere espressi nella forma Z T cos k!x cos h!x dx = T hk, essendo hk il simbolo di Kronecker, così definito: (, h = k, hk =, h 6= k. Analogamente, se h 6= k, Z T e, se h = k, sin k!x sin h!x dx = Z T Z T sin k!x dx = {cos(k h)!x cos(k + h)!x} dx = apple sin(k h)!x (k h)! = Z T apple x sin(k + h)!x (k + h)! { cos k!x} dx sin k!x k! T = T. Pertanto, indipendentemente dall essere h e k uguali o diversi, Z T sin k!x sin h!x dx = T hk. 37 T =,

52 Infine è immediato osservare che sin h!x ecosk!x sono ortogonali in [,T], qualunque sia la coppia di valori h, k. Infatti,seh 6= k, Z T sin k!x cos h!x dx = einoltre,sek = h, Z T = sin k!x cos h!x dx = Z T {sin(k h)!x +sin(k + h)!x} dx apple T cos(k h)!x cos(k + h)!x =, (k h)! (k + h)! Z T sin h!x dx = apple cos h!x h! T =. Dimostriamo ora un importante proprietà sull integrazione delle funzioni periodiche. Teorema 3. Indicato con T il periodo di una funzione periodica e integrabile e con a un qualunque numero reale, vale la seguente proprietà: Z a+t a f(x) dx = Z T f(x) dx. Dimostrazione. Qualunque sia a R, esisteuninteron tale che nt apple a<(n +)T.Pertanto,essendo(n +)T apple a + T, Z a+t a f(x) dx = = = = = = Z (n+)t a Z (n+)t a Z (n+)t a Z (n+)t nt Z T Z T f(x) dx + f(x) dx + f(x) dx + f(x) dx f(z + nt ) dz f(x) dx. Dalla proprietà segue, in particolare, che Z T T f(x) dx = Z T Z a+t (n+)t Z a nt Z a nt f(x) dx, f(x) dx f(y + T ) dy f(x) dx qualunque sia il valore di T. 3

53 Coe cienti di Fourier. Supponiamo che una funzione f(x) sia bene approssimata in [,T]medianteunpolinomiotrigonometricodiordinen f(x) a + nx (a k cos k!x + b k sin k!x), T =!. k= Èalloranaturalerichiederechel integrazionein[,t]dellaf(x) perlefunzioni di base {, cos!x, sin!x,..., cos k!x, sin k!x} risulti sostanzialmente uguale all integrazione della funzione approssimante per le stesse funzioni di base. Questo fatto, in conseguenza della ortogonalità delle funzioni di base, implica che Z T Z T Z T Z T f(x)dx ' a dx = a T, f(x)cosk!x dx ' a k Z T f(x)sink!x dx ' b k Z T cos T k!x dx = a k, k =,,...,n, sin T k!x dx = b k, k =,,...,n. Poiché questa osservazione è dovuta a Fourier, i coe cienti a = T a k = T b k = T Z T Z T Z T f(x) dx, f(x)cosk!x dx, f(x)sink!x dx, k =,,...,n, k =,,...,n, vengono definiti coe cienti di Fourier della f. Energia di un segnale. Supponendo che una funzione f(x), al quadrato integrabile in [,T], rappresenti un segnale a valori reali o complessi, si definisce energia del segnale la norma della f così definita Z T kfk = f(x) dx, f(x) = f(x)f(x), dove f(x) indica il complesso coniugato di f(x) sef(x) ècomplessa,f(x) stessa se f(x) èreale. 39

54 Indicato con T n un polinomio trigonometrico, il quadrato della sua energia può essere agevolmente calcolato nel modo seguente: Z " T nx kt n k = a + (a k cos k!x + b k sin k!x)# dx = = = T Z T Z T " + " " k= a +a nx (a k cos k!x + b k sin k!x) k= # nx (a k cos k!x + b k sin k!x)(a l cos l!x+ b l sin l!x) dx k,l= a + a + # nx (a k cos k!x + b k sin k!x) dx k= nx k= a k + b k #, essendo! =( /T) e R T cos k!x dx = R T sin k!x dx = T. Èinteressantecapirequalesialadistanzaminima,interminidienergia,tra una f(x) in[,t]edunasuaapprossimantetrigonometrica.interessadunque minimizzare la funzione I(a,a,b,...,a n,b n )= Z T [f(x) T n (x)] dx al variare dei coe cienti a,a,b,...,a n,b n di T n (x). Èpossibiledimostrare che, grazie alla ortogonalità delle funzioni di base, tale minimo è determinato dai coe cienti di Fourier. Dimostrazione. Per brevità, limitiamoci a dimostrare il risultato per n =. Atalescopoconsideriamolafunzione eindichiamocon I(a,a,b )= Z T [f(x) â = T â = T ˆb = T Z T Z T Z T (a + a cos!x + b sin!x)] dx f(x) dx, f(x)cos!x dx, f(x)sin!x dx, 4

55 icoe cientidifourierdellaf(x) in[,t]. Per l ortogonalità delle funzioni di base e la definizione di â,â e ˆb Z T I(a,a,b )= f (x) dx + Ta + T (a + b ) Z T Z T Z T applea f(x) dx+a f(x)cos!x dx+b f(x)sin!x dx = Z T h i f (x)dx + Ta + T (a + b ) Ta â + T (a â + b ˆb ), da cui, aggiungendo e togliendo T â, T â e T ˆb, I(a,a,b )= Z T f (x) dx T â + T (a â ) T â + T (a â ) T ˆb + T (b ˆb ), il cui minimo è ovviamente ottenuto per a =â, a =â e b = ˆb. Il quadrato dell energia corrispondente alla di erenza tra la f(x) elasua approssimante ottimale ˆT (x) =â +â cos!x + ˆb sin!x è d u n q u e I(â, â, ˆb )= Z T f (x)dx T â T (â + ˆb ). Estendendo tali considerazioni al caso generale si ottiene che il minimo di I(a,a,b,...,a n,b n )èottenutopera =â, a k =â k e b k = ˆb k, k =,,...,n. In altri termini, prefissato n, icoe cientidifourieridentificanoilpolinomio trigonometrico che, in termini di energia, meglio approssima un segnale, esprimibile con una funzione al quadrato integrabile in [,T]. L estensione delle precedenti considerazioni permette inoltre di a ermare che Z T I(â, â, ˆb,...,â n, ˆb n )= f (x) dx T â T nx â k + ˆb k da cui, essendo I(â, â, ˆb,...,â n, ˆb n ) â + nx k= â k + ˆb k apple T k=, segue la diseguaglianza di Bessel Z T f (x) dx. Tale diseguaglianza esprime il fatto che l energia associata al polinomio trigonometrico che meglio approssima un segnale è sempre inferiore a quella del segnale stesso. 4

56 Un altra interessante osservazione è che kt n+ k = kt n k + T â n+ + ˆb n+, ossia: l energia dell approssimante T n è u n a f u n z i o n e monotonamente crescente rispetto a n e limitata dall energia del segnale. 3. Serie di Fourier Definizione. Sia f una funzione integrabile in [ L, L]. Allora ad essa è formalmente associabile la serie di Fourier F(x) =a + X n= a n cos n x L + b n sin n x, (3.) L dove, a egli{a n,b n } sono i coe cienti di Fourier, così definiti: a = L a n = L b n = L Z L L Z L L Z L L f(x) dx f(x)cos n x L f(x)sin n x L Esempio 3.3 Scrivere la serie di Fourier di f(x) =x, apple x apple. Dalla definizione della sua serie di Fourier segue immediatamente che: dx dx. a = Z Z xdx= 4 [x ] =; a k = x cos kx dx = = apple sin kx x k b k = = Z Z Z x sin kx dx = apple cos kx x k + Z sin kx xd = k sin kx dx = apple cos kx k k Z cos kx xd = k cos kx dx = k k ( )k+, =; in quanto cos k =cos( k ) =( ) k. 4

57 La serie di Fourier di x su [, ] èdunquela F(x) = X k= k ( )k+ sin kx. Esempio 3.4 Scrivere la serie di Fourier di f(x) =x, apple x apple. a = = Z Z x dx = apple x 3 3 a k = x cos kx dx = = apple sin kx x + k apple cos kx x Z k Z Z Z b k = x sin kx dx = = apple cos kx x + k = apple sin kx x k Z Z Z xd = 3 ; x sin kx d k cos kx k = = cos kx dx = 4 k k ( )k ; xd x cos kx d k sin kx k sin kx k = dx = k = apple cos kx k =. Pertanto la serie di Fourier di x su [, ] è F(x) = 3 + X 4 k ( k= )k cos kx. Esempio 3.5 Scrivere la serie di Fourier di ><, apple x<, f(x) =, apple x<, >:, apple x<. In conseguenza della definizione della sua serie di Fourier, a = Z xdx= applez Z dx + dx = = [ + ( )] = 3 ; 43

58 applez a k = Z xf(x)coskx dx = Z cos kx dx + cos kx dx = = [(sin k sin k)+(sink sink)] = (sin k)( cos k +); k k b k = Z applez Z f(x)sinkx dx = sin kx dx + sin kx dx = = [(cos k cos k)+(cosk cosk)] = k = k cos k cos k +( ) k. Di conseguenza, alla f(x) possiamo associare la serie di Fourier F(x) = 3 X k= {[sin k(cos k +)]coskx k + ( ) k cos k cos k sin kx. Esempio 3.6 Scrivere la serie di Fourier di (, 3 apple x<, f(x) = x, apple x<3. Per la definizione della sua serie di Fourier, a = 6 a k = 3 b k = 3 Z 3 3 Z 3 3 Z 3 3 f(x) dx = 6 Z 3 f(x)cos k x 3 dx = 3 f(x)sin k x 3 dx = 3 xdx= 3 4 ; Z 3 3 Z 3 3 x cos k x 3 dx = 3 k ( ) k x sin k x 3 dx = 3 k ( )k. ; Pertanto, la serie di Fourier di f(x) in[ 3, 3] è F(x) = X k= 3 k ( ) k cos k x 3 3 k ( )k sin k x 3. Funzioni pari e dispari. Sia f una funzione definita in un intervallo [ L, L] foreveryl R +.Seperognix[ L, L], risulta: f(x) =f( x), la funzione si dice pari; f(x) = f( x), la funzione si dice dispari. 44

59 Se per almeno un valore di x non vale nessuna delle due precedenti condizioni, la f non è né pari né dispari. Di conseguenza, la funzione dell Es. 3.3 è dispari, quella dell Es. 3.4 è pari, mentre quelle degli esempi 3.5 e 3.6 non sono né pari né dispari. Èimportantenotarecheselafunzionef(x) èpari,allorab n = per n =,,... elasuaseriedifouriersiriduceadunaseriedisolicoseni. Più precisamente risulta Teorema 3.7 Se la funzione f è pari, la sua serie di Fourier è dove a = L Dimostrazione. a = L = L Z L F(x) =a + X n= f(x) dx e a n = L a n cos n x L Z L Tenuto conto dell ipotesi di parità Z L f(x) dx = applez f(x) dx + L L L apple Z Z L f(x) dx + f(x) dx = L dove nel secondo passaggio si è posto t = uso della parità della f(x). Analogamente L f(x)cos n x L Z L Z L dx. f(x) dx f(x) dx, x nel primo integrale e si è fatto einfine Z L a k = L L = applez L = L Z L Z L b k = L L = applez L f(x)cos k x L dx f(x)cos k x L L dx + f(x)cos k x L f(x)sin k x L dx dx, f(x)sin k x L L dx + Z L Z L f(x)cos k x L dx =. f(x)sin k x L dx 45

60 Se la funzione f(x) èdispari,alloraa =ea n =pern =,,... e la sua serie di Fourier si riduce ad una serie di soli seni. Più precisamente risulta Teorema 3. Se la funzione f è dispari, la sua serie di Fourier è X F(x) = b n sin n x L, dove b n = L Z L n= f(x)sin n x L Dimostrazione. Si dimostra in modo del tutto analogo, ossia decomponendo l integrale tra [ L, L] inunotra[ L, ] e uno tra [,L], ponendo t = x nel primo integrale e ricordando che f( t) = f(t). Osservazione. Non è detto che il valore della f in un generico x [ L, L] coincida con il valore della sua serie di Fourier in x. In altri termini, non necessariamente la serie di Fourier di una funzione risulta ad essa convergente in ogni punto. Ad esempio, la serie di Fourier di f(x) =x in [, ] è F(x) = X k= k ( dx. )k+ sin kx, la quale assume il valore in x = ±, mentreintalipuntif(x) =±. Inoltre, mentre f( )=,nonèa attoevidenteche sia il valore della serie in tale punto. Allo scopo di discutere il problema della convergenza è bene premettere le seguenti definizioni di derivata destra e derivata sinistra. Definizione. Selaf(x) ammettelimitedestroinx (f(x + )), si definisce derivata destra della f in x il limite f (x + f(x + h) f(x + ) )= lim, h! + h nell ipotesi che esso esista e sia finito. Analogamente, se la f ammette limite sinistro in x (f(x )), si definisce derivata sinistra della f in x il limite nell ipotesi che esso esista e sia finito. f f(x h) f(x (x )= lim ), h! + h 46

61 Esempio 3.9 Sia f(x) = ( +x, x, apple x<, apple x<. In questo caso esistono derivata destra e sinistra in tutti i punti interni. Per x (, ) \{} è e v i d e n t e, m e n t r e i n x =,essendof( + )=ef( )=, risulta h lim h! + h =, lim h! + h h =. Da notare che in esiste la derivata destra e in quella sinistra con f ( + ) =ef ( )=. Definizione. Lafunzionef è regolare a tratti in [a, b]sevalgonoleseguenti proprietà: ) esiste un numero finito di punti x,...,x n con a<x <...<x n <b, tale che f sia di classe C negli intervalli (a, x ), (x j,x j+ )(perj =,,...,n ) e (x n,b); ) nei punti x,...,x n,esistonofinitelederivatedestraesinistra; 3) nei punti x,...,x n,esistonofinitiilimitidestroesinistro. Teorema 3. (Convergenza della serie di Fourier) Sia f regolare a tratti su [ L, L]. Allora: ) se la f è continua in x ( L, L), la serie di Fourier assume in x il valore f(x ); ) se x ( L, L) e la f è discontinua in x, la serie di Fourier in x converge a [f(x+ )+f(x )]; 3) la serie di Fourier converge a sia in L che in L. [f( L+ )+f(l )] La ) consente, ad esempio, di a ermare che P k= ( dalla quale segue che )k+ sin k k =, X k = 6. k= 47

62 Per convincersene è su ciente osservare che, per l esempio 3.4, = 3 + X ( ) k 4 cos k = k 3 + X 4 k. k= Teorema 3. (Lemma di Riemann-Lebesgue) Sia f sommabile in [ L, L] (nel senso che esiste finito l integrale R f(x) dx) e ivi sviluppabile in serie LL di Fourier, allora Z L lim f(x)cos n x Z L dx =, lim f(x)sin n x dx =, n! L L n! L L cienti della serie di Fou- limiti che stabiliscono la convergenza a zero dei coe rier. k= Questioni rilevanti sulle serie di Fourier riguardano la sua integrazione e derivazione termine a termine. Come si evince dai due teoremi che seguono, la di erenziabilità termine a termine è molto più problematica rispetto alla integrabilità. Teorema 3. (Integrazione termine a termine) Se la f è regolare a tratti in [ L, L], essa è integrabile termine a termine, ossia, per ogni x [ L, L], Z x f(t) dt = a (x + L)+ L X n a n sin n x h L n L + b n cos n x io cos n. L n= Esempio 3.3 Dall esempio 3.3, la serie di Fourier di f(x) =x in [ X 4 F(x) = sin kx. k Poiché f è c o n t i n u a i n [, ], in virtù del Teorema 3., si può scrivere Z x X Z tdt= x 4 x = k ( )k+ sin kt dt da cui, ricordando che P k= 3.4, che = = k k= X k= X k= 4 k ( k= )k+ apple (cos kx k 4 k ( )k cos kx ( ) k, cos k ), ] è =, si ottiene esattamente, come nell esempio 6 x = 3 + X k= 4 k ( 4 )k cos kx.

63 La di erenziazione di una serie di Fourier si presenta in modo molto diverso. Infatti, di erenziando termine a termine la serie di Fourier di x in [, ] si ottiene X d X dx k ( )k+ sin kx = ( ) k+ cos kx, k= k= la quale non converge per alcun valore di x in ( f (x) =., ) e tanto meno risulta Teorema 3.4 (Di erenziazione termine a termine) Se la f è continua in [ L, L] con f( L) =f(l) e la f è regolare a tratti in [ L, L], allora la serie di Fourier è derivabile termine a termine. Ossia, in ogni punto x ( L, L) in cui la f (x) è continua, F (x) = L X h n= na n sin n x L + nb n cos n x i. L La serie di Fourier di f(x) =x non è dunque derivabile termine a termine in quanto f( ) 6= f( ). Esercizi.. Risolvere l equazione di erenziale +t, apple t<, >< y +y = f(t), f(t) = t, apple t<, >: f(t + ), t R. Sviluppando la f(t) inseriedifouriersihache: F(t) = 4 X k= ( ) k cos kt. Posto y(t) =a + P k= a k cos kt, derivando e sostituendo nell equazione di erenziale, si ottiene X a + ( k +)a k cos kt = 4 X ( ) k cos kt da cui k= k k= a =, ( k +)a k = 4 X ( ) k k= 49 k k cos kt, k =.,...

64 einfine y(t) = X k= cos(k )t. ( k ) [ (k ) ]. Calcolare la serie di Fourier di f(x) = x, apple x apple. Soluzione: F(x) = 4 X n= cos( n )x. ( n ) (, apple x<, 3. Calcolare la serie di Fourier di f(x) =., apple x<. Soluzione: F(x) = 4 X n= sin( n )x. n Decadimento dei coe cienti. Larapiditàconcuiicoe cientidifourier {a k ; b k } convergono a zero per k!, dipende dalla regolarità della funzione f(x) cuilaseriesiriferisce.ingenerale,sipuòa ermarecheessoètantopiù rapido quanto più la f è regolare. Più precisamente se la f(x) presentadei punti di discontinuità a k = O e b k k = O,ossiaicoe cientidecadonoa k zero come per k!.selafunzioneècontinuaedesisteladerivataprima, k come funzione continua a tratti, a k = O e b k k = O, ossia i coe cienti k decadono a zero, per k!,come. Se, infine, la f è d e r i v a b i l e r volte k (r ) ed esiste la derivata (r +)-esima, come funzione continua a tratti, a k = O e b k r+ k = O,ossiaicoe cientidecadonoazero,perk!, k r+ come k r Serie di Fourier in due variabili La sviluppabilità in serie di Fourier non è limitata alle funzioni in una variabile, ma riguarda anche le funzioni in più variabili. Supponiamo, ad esempio, di avere una funzione f(x, y) con L apple x apple L e M apple y apple M, integrabile nel rettangolo [ L, L] [ M,M]. Supponiamo inoltre che, prefissato y, lafunzioneg [y] (x) =f(x, y) siadisparinell intervallo[ L, L]. La sua 5

65 espansione in serie di Fourier è allora dove b n (y) = L Z L g [y] (x) = g [y] (x)sin X n= b n (y)sin n x L, n x dx = L L Z L f(x, y)sin n x dx, L per n =,,... Supponiamo ora che la b n (y) sia, a sua volta, sviluppabile in una serie di funzioni seno (ipotesi verificata nel caso sia dispari in [ M,M]). In tal caso si può scrivere X m y b n (y) = b n,m sin, M essendo b n,m = M m= Z M n= m= b n (y)sin m y dy. M In definitiva, la f(x, y) puòesseresviluppatacomeunadoppiaseriedifourier, nel modo seguente: " X # X f(x, y) = b n,m sin m y sin n x M L n= m= X X = b n,m sin m y n x sin M L, essendo b n,m = M = 4 LM Z M L Z L Z M Z L f(x, y)sin n x L f(x, y)sin n x L dx sin m y M dy m y sin M dxdy. Esempio 3.5 Sia f(x, y) =xy, apple x apple, apple y apple. Essendo la f dispari rispetto ad ambedue le variabili, sulla base delle precedenti considerazioni, possiamo scrivere f(x, y) = nx mx b nm sin my sin nx, i= j= 5

66 dove b nm = Z Z / = Z y sin my dy n= xy sin my sin nx dxdy Z / x sin nx dx = nm ( )n+m. Nel caso generale, la rappresentazione in serie di Fourier di una f(x, y), sull intervallo L apple x apple L e M apple y apple M, èlaseguente X X f(x, y) = a nm cos n x L cos m y M + b nm cos n x m y sin L M n= m= +c nm sin n x m y cos L M + d nm sin n x m y sin L M X = a + a n cos n x L + c n sin n x L con i coe + + X m= X a m cos m y M X n= m= +c nm sin n x L a nm cos n x L cienti così determinati: a = 4LM a m = LM a n = LM a nm = LM b nm = LM c nm = LM d nm = LM Z L Z M L Z M M Z L M L Z L Z M L Z M M Z M M Z M M Z M M M cos m y M sin m y M cos m y M sin m y M + b m sin m y M cos m y M + b nm cos n x L sin m y m y cos M + d nm sin n x L f(x, y) dydx, f(x, y)cos m x L M m y sin M, dxdy, m =,,...; f(x, y)cos n y dydx, n =,,...; M Z L L Z L L Z L L Z L L f(x, y)cos n x L f(x, y)cos n x L f(x, y)sin n x L f(x, y)sin n x L 5 dxdy, m, n =,,...; dxdy, m, n =,,...; dxdy, m, n =,,...; dxdy, m, n =,,...

67 Da notare che b n, c m, d n e d m non compaiono in quanto coe cienti di funzioni che si annullano rispettivamente per m =,n =,m =en =come è immediato notare, guardando lo sviluppo della f(x, y). Naturalmente, come abbiamo già visto nel caso di una funzione f(x, y) disparirispettoadentrambe le variabili, lo sviluppo si semplifica notevolmente nel caso di importanti simmetrie. Nel caso la f(x, y) sia pari rispetto ad ambedue le variabili, essa assume la forma seguente: X f(x, y) =a + a n cos n x L + X a m cos m y M + X n= X m= n= a mn cos n x L m= m y cos M, dove a, a n e a m sono determinati come già specificato nel caso generale. Qualora la funzione sia pari rispetto alla x edisparirispettoallay, sihail seguente sviluppo: f(x, y) = X m= n= b m sin m y M + X X m= n= b mn cos n x L m y sin M. Se, infine la f è d i s p a r i r i s p e t t o a l l a x eparirispettoallay, sihailseguente sviluppo: X f(x, y) = c m sin n x L + X X c mn sin n x m y cos L M. m= n= e Esercizio. Dimostrare che lo sviluppo di f(x, y) =x 3 y,per apple x apple apple y apple è l a s e r i e X X f(x, y) = ( ) n+m 4 m 3 n (m 6) sin nx sin mx. m= n= 3.4 Problema di Sturm-Liouville: Forma canonica Si tratta di un problema spettrale che, nella sua forma canonica, viene rappresentato nel modo seguente: apple < d p(x) dy + q(x)y = r(x)y, a apple x apple b, dx dx (3.3) : y(a)+ y (a) =, y(b)+ y (b) =, 53

68 dove,,, sono costanti assegnate tali che + > e + > ; p(x) >, q(x) e r(x) sono funzioni note e è un parametro indipendente da x. Ogni equazione del tipo y + a(x)y +[b(x)+ c(x)]y =, a apple x apple b, può essere scritta nella forma (3.3), a condizione che c(x). A tale scopo, indicata con (x) unaprimitivadia(x) (x) = R a(x) dx,bastamoltiplicare l equazione per e (x).cosìoperandosiottieneinfatti e (x) y + e (x) a(x)y + e (x) b(x)+ e (x) c(x) y = = d e (x) y +[ q(x)+ r(x)]y =, dx con p(x) = e (x) >, q(x) = e (x) b(x) er(x) = e (x) c(x), essendo c(x) peripotesi. Per il suo ruolo particolare la funzione r(x) è definita funzione peso. I valori { k } k= del parametro spettrale ai quali corrispondono soluzioni {y k} k= non identicamente nulle, sono detti autovalori e le corrispondenti y k sono definite autofunzioni. L insieme { k,y k } k= rappresenta lo spettro del problema. Lo spettro è caratterizzato dalle seguenti due proprietà: gli autovalori sono reali e formano una infinità numerabile non limitata, con lim k! k =+; le autofunzioni sono mutuamente ortogonali, rispetto alla funzione peso r(x), nell intervallo [a, b], ossia R b r(x)y a n(x)y m (x) dx =perognicoppia (n, m) conn 6= m. Da notare che ambedue le proprietà valgono anche nell ipotesi che r(x) apple, nel qual caso come peso si assume la funzione r(x). Alcune dimostrazioni. ) Gli autovalori sono reali. Dimostrazione: Supponendo,,,, p, q ed r reali, siano un autovalore e y la corrispondente autofunzione. In tal caso e y soddisfano il sistema apple < d p(x) dy + q(x)y = r(x)y, a apple x apple b, dx dx (3.4) : y(a)+ y (a) =, y(b)+ y (b) =, 54

69 da cui, considerando i complessi coniugati, si ha apple < d p(x) dy + q(x)y = r(x)y, a apple x apple b, dx dx : y(a)+ y (a) =, y(b)+ y (b) =. (3.5) Moltiplicando l equazione (3.4) per y ela(3.5)pery esottraendomembro amembrosiottiene da cui, integrando tra a e b, d dx [p(x)(yy yy )] = ( ) r(x) y, Z b [p(x)(yy yy ) b a =( ) r(x) y dx =, in quanto y(a)y (a) y(a)y (a) =ey(b)y (b) y(b)y (b) =,dato che e non si annullano simultaneamente e neanche e. Di conseguenza, =,datoche Z b a a r(x) y dx >. ) Le autofunzioni corrispondenti ad autovalori diversi sono ortogonali in [a, b] rispettoallafunzionepesor(x). Dimostrazione: Sey e y sono le autofunzioni corrispondenti agli autovalori 6=,sonovalidiisistemi apple < d p(x) dy dx dx + q(x)y = r(x)y, a apple x apple b, (3.6) : y (a)+ y(a) =, y (b)+ y(b) =, apple < d p(x) dy dx dx + q(x)y = r(x)y, a apple x apple b (3.7) : y (a)+ y(a) =, y (b)+ y(b) =, Moltiplicando l equazione (3.6) per y ela(3.7)pery esottraendo membro a membro si ottiene d dx [p(x)(y y y y )] = ( )r(x)y y. La relazione y(a)y (a) y(a)y (a) = è vera in quanto il primo membro è il determinante del sistema omogeneo ( y(a) y (a) =, y(a) + y (a) =, nel quale e non sono entrambi nulli. Per lo stesso tipo di considerazioni è valida anche la seconda relazione in b. 55

70 Integrando tra a e b etenendocontodellecondizioniagliestremisiha ( ) Z b a r(x)y y dx =[p(x)(y y y y ) b a =. Conseguentemente, essendo, 6=, y e y sono ortogonali rispetto a r(x) in[a, b]. IsistemidiSturm-Liouvillesonospessogeneratidallarisoluzionedeiproblemi alle derivate parziali mediante la tecnica di separazione delle variabili. Esercizio 3.6 Sviluppare la funzione f(x) =e xp mediante le autofunzioni del seguente problema di Sturm-Liouville: >< ' +' +(+ ) ' =, con apple x apple, ' >: () + '() =, '( )=. Si cercano soluzioni del tipo '(x) ' e x che conducono all equazione caratteristica + +(+ )=. Questa equazione ha come soluzioni, = ± p ( +). Occorredistinguere tre casi a seconda del segno del discriminante. p <. In tal caso abbiamo due radici reali e distinte, = ± ( +),percuilasoluzionegeneraleè '(x) =e x c e xp ( +) + c e xp ( +). Poiché '() = c + c, ' () = (c + c )+ '( )=e h c e p ( +) + c e p p c ( +)+c ( +), p i ( +), le costanti c e c devono soddisfare il sistema < p ( +) c + + p ( + c =, p p : e ( +) c + e ( +) c =. A nché c e c non siano simultaneamente nulli il determinante ( )diquesto sistema, ossia p ( )= ( +) e p ( +) + p ( +) e p ( +) 56

71 deve risultare nullo. Posto b = p ( +) >, si può a ermare che il determinante si annulla quando ( b) e b ( + b) e b =. Riscritta l equazione come b, le sue soluzioni sono date dall intersezione +b in (, ) fra la funzione y(b) = b per apple b apple. +b Dalla rappresentazione grafica delle due funzioni [Fig. 3.], si vede che esiste un singolo valore di b (, ), b, dove i due grafici si intersecano. Ad esso corrispondono l autovalore = b appartenente all intervallo (, ) e l autofunzione q p '(x) =e x ( +) q ( +) p e x ( +) A. + ( +) Figura 3.: La figura rappresenta i grafici delle funzioni y = x e y = e x. +x =. In tal caso abbiamo due radici reali e coincidenti = =. La soluzione generale è '(x) =e x (c + c x), con c e c soluzioni del sistema omogeneo ( c + c =, c + c =. Essendo il suo determinante diverso da zero, l unica soluzione è quella banale (c = c =). 57

72 >. In questo caso abbiamo due radici complesse coniugate, = ± i p +,percuilasoluzionegeneraleè '(x) =e c x cos(x p +)+c sin(x p +), le cui costanti c e c sono da determinare mediante il sistema di equazioni lineari e omogenee ( c + c p +=, c cos( p +)+c sin( p +)=. Dalla prima equazione del sistema si ricava c = p c +, che sostituita nella seconda equazione fornisce h c p p p +cos( +)+sin( i +) =. Non consideriamo c =, in quanto questa scelta comporta c =. L equazione è quindi non banalmente soddisfatta quando tg ( p +)= p +. Per risolvere tale equazione poniamo p +=z>, da cui segue che tgz = z. Come si vede nella Fig. 3., i due grafici si intersecano in un insieme nu Figura 3.: La figura mostra i grafici delle funzioni y = z e y =tgz. merabile di punti {z k : k =,,...}, dovek < z k < k+. Gli autovalori corrispondenti sono i k = + z k,cuisonoassociateleautofunzioni ' k (x) =e x zk cos z kx +sinz kx. 5

73 La soluzione generale è pertanto la serie ' ( x)=ã '(x)+ X a k ' k (x), essendo '(x) l autofunzionerelativaall autovalore < <. Per determinare i coe cienti si deve imporre la condizione e p x =ã '(x)+ k= X a k ' k (x). k= Per fare questo osserviamo che l equazione ' +' +(+ riscritta nella forma canonica d dx (ex ' )+e x ( + )' =, ) ' =puòessere per cui la funzione peso è r(x) =e x. Essendo le autofunzioni ortogonali in [, ]rispettoalpesor(x), i coe cienti della serie sono ottenibili nel modo seguente: ã = a k = R e x e p x '(x)dx R, e x '(x) dx R e x e p x ' k (x) dx R, con k =,,... e x ' k (x) dx Esercizio: Risolvere il seguente problema di Sturm-Liouville: >< y +3y +( )y =, con <x<5, y() + y >: () =, y(5) = Problema di Sturm-Liouville con condizioni di periodicità Consideriamo preliminarmente il classico problema spettrale >< y = y, a apple x apple b, y(a) =y(b), >: y (a) =y (b). (3.) 59

74 Èfacileosservarechenonesistonoautovalorinegativi. Infattise =, >, la soluzione risulta del tipo y(x) =c e x + c e x con (c,c )soluzione del sistema lineare omogeneo ( (e a e b )c +(e a e b )c =, il cui determinante (e a e b )c (e a e b )c =, (e a e b )(e a e b )+(e a e b )(e a e b ) 6= per >. Per =,siottieneun autofunzioney (x) =c =costante. Per >, la soluzione generale dell equazione è y(x) =c cos(x p )+c sin(x p ), con c e c costanti arbitrarie. Imponendo le due condizioni di periodicità, si trova che (c,c )debbono soddisfare il sistema ( (cos(a p ) cos(b p )c +(sin(a p ) sin(b p )c =, (sin(a p ) sin(b p )c +(cos(a p ) cos(b p )c =, il quale possiede una soluzione non banale (c e c non contemporaneamente nulli) se e solo se il suo determinante (cos(a p ) cos(b p ) +(sin(a p ) sin(b p ) = ossia se e solo se cos(a p )=cos(b p )esin(a p )=sin(b p ). Quest ultima condizione, tenendo conto dell ipotesi di nonnegatività di, èsoddisfattasee solo se (b a) p k =k, k =,,...,ossia k = k, k =,,... b a Lo spettro del problema (3.), tenuto conto del fatto che le autofunzioni sono definite a meno di un fattore moltiplicativo e che non esiste alcuna relazione tra c e c,èpertantocostituitodallaseguenteinfinitànumerabilediautovalori eautofunzioni: >< { ( =;}, k =, S( k,y k )= k k >: k = ;cos b a b a 6 ) k, sin, b a

75 dove k =,,... Di conseguenza, il problema (3.) possiede una infinità di autovalori k, con k! + per k!,eun infinitàdiautofunzioni mutuamente ortogonali in [a, b], come è immediato verificare. Consideriamo ora la seguente estensione bidimensionale del problema (3.): >< (u xx + u yy )= u, a apple x apple b, c apple y apple d, u(a, y) =u(b, y), u x (a, y) =u x (b, y), (3.9) >: u(x, c) =u(x, d), u y (x, c) =u y (x, d). Per la sua risoluzione, utilizzando la separazione delle variabili, poniamo U(x, y) =X(x)Y (y). Procedendo come al solito, indicato con il parametro che caratterizza la separazione nella FDE, otteniamo X = X e Y =( )Y. Tenuto conto della periodicità, si perviene ai due sistemi >< X = X, X(a) =X(b), >: X (a) =X (b), >< Y =( )Y, Y (c) =Y (d), >: Y (c) =Y (d). (3.) (3.) Procedendo come nel caso (3.), per il sistema (3.) si ottiene lo spettro ( ) n n x n x S( n,x n )= n =,X n (x) =cos, sin b a b a b a Per quanto riguarda lo spettro del sistema (3.), nel quale assume i valori n già identificati, si procede come nel caso (3.). Così procedendo, per ogni n =,,...,siottienelospettro ( m m y S n ( n,m,y n,m )= n,m = n +,Y n,m(y) =cos, d c d c m y oppure Y n,m (y) =sin ; m =,,,..., d c 6 n=.

76 dove n,m! + per m!eley n,m sono mutuamente ortogonali nell intervallo [c, d]. Come conseguenza, tenuto conto della separazione delle variabili, lo spettro per il problema (3.9) è il seguente insieme bi-infinito n S( n,m ; U n,m )= n,m = n b a + m d c ; n m U n,m (x, y) =cos b a x cos d c y, cos n m x sin y, b a d c m x cos sin n b a sin n b a y, d c m x sin d c y ; n, m =,,..., dove le autofunzioni sono mutuamente ortogonali nel rettangolo [a, b] [c, d]. Suggerimenti. Per ulteriori approfondimenti e applicazioni si vedano i libri [4, 9] oppure [7]. 6

77 Capitolo 4 RISOLUZIONE ANALITICA DELLE PDEs I metodi più utilizzati nella risoluzione analitica delle PDEs sono due: metodo degli integrali generali e il metodo della separazione delle variabili. il 4. Metodo degli integrali generali Esso rappresenta la naturale estensione alle PDEs del metodo di D Alembert, già utilizzato nella risoluzione delle ODEs. Tenuto conto delle finalità del libro, procediamo alla sua illustrazione mediante la sua applicazione a vari tipi di PDEs. Iniziamo con il seguente problema di Cauchy per una PDE del primo =, : u(,y)=4siny. Per la costruzione dell integrale generale, osserviamo preliminarmente che una funzione del tipo u(x, y) =e ax+by è soluzione dell equazione di erenziale soltanto se a = l integrale generale è della forma 3b. Di conseguenza u(x, y) =F (y 3x), con F arbitraria e di erenziabile rispetto a x e y. La condizione al contorno richiede che u(,y)=f (y) =4siny 63

78 il che implica che la soluzione del problema di erenziale è u(x, y) =F (y 3x) =4sin(y 3x). Determiniamo ora la soluzione generale dell equazione di erenziale 3 u tt =u xx. (4.) Estendendo il ragionamento adottato per le ODEs cerchiamo una soluzione della forma u(x, t) =e ax+bt che, sostituita nella equazione di erenziale, fornisce la seguente relazione tra le costanti reali a e b: q 3b =a ) b = ±a. 3 Questo implica che nell equazione di erenziale data (equazione delle onde) la variabile spaziale e temporale qsono correlate, nel senso che compaiono univocamente nella forma a x t. Per questo motivo, ipotizziamo ora che la soluzione generale della (4.) sia u(x, t) =F x 3 q q t + G x + t, (4.) 3 3 con F e G di classe C, peraltro arbitrarie. Per verificare se la (4.) soddisfa l Eq. (4.) osserviamo che q h >< u t = 3 q >: u x = F x t q F x t 3 + G 3 q + G x + t q x + t, 3 i, 3 eche >< u tt = hf x 3 q >: u xx = F x t q t 3 + G 3 + G x + t q x + t q 3 i, 3. Da cui segue immediatamente che 3 u tt =u xx, ossia che la (4.) è la soluzione generale della (4.). 64

79 Consideriamo quindi la PDE >< = x y, u(x, ) = x, >: u(,y)=cosy. Integrando ordinatamente rispetto alla x e alla y si ottiene l integrale generale u(x, y) = 6 x3 y + F (y)+g(x). e Per le condizioni al contorno deve essere u(x, ) = F () + G(x) =x =) G(x) =x F () u(,y)= 6 y + F (y)+g() = cos y =) F (y) =cosy 6 y G(), dalle quali si ottiene u(x, y) = 6 x3 y +cosy 6 y G()+x F (), con G()+ F () =, essendo u(x, ) = x. La soluzione del problema di erenziale è dunque u(x, y) = 6 x3 y +cosy 6 y + x. 4. a Problemi di Cauchy per PDEs iperboliche. Equazionedelleondeconvelocitàinizialenulla >< u apple x apple, t, u(x, ) = sin x, >: u t (x, ) =. Ogni funzione u(x, y) =e ax+bt è s o l u z i o n e d e l l e q u a z i o n e d a t a s e b = ± 5 a. L integrale generale è dunque della forma u(x, t) =F (x +5t)+G(x 5t), F e G di erenziabili rispetto a x e t. Dalle condizioni al contorno ( u(x, ) = F (x)+g(x) =sinx, u t (x, ) = 5[F (x) G (x)] =, 65

80 segue che, derivando rispetto adx la prima equazione e sommando alla seconda, ossia dove c è una costante arbitraria. Infine, si ottiene la soluzione F (x) = cos x, F (x) = sin x + c, G(x) = sin x c, u(x, t) = sin(x +5t)+ sin(x 5t).. >< u c, con apple x apple, u(x, ) = sin(x), >: u t (x, ) = cos(x), dove c>. Una funzione del tipo u(x, t) =e ax+bt soddisfa l equazione se b = ±ca. Percuiu(x, t) =e a(x±ct) fornisce due soluzioni particolari, qualunque sia il valore di a. L integralegeneralesaràquindidella forma u(x, t) =F (x + ct)+g(x ct) con F e G derivabili almeno due volte rispetto a x eat. Poiché u t (x, t) =cf (x+ct) cg (x ct), dalle condizioni iniziali ricaviamo il sistema ( u(x, ) = F (x)+g(x) =sinx u t (x, ) = c [F (x) G (x)] = cos x. Derivando la prima equazione si ha F (x)+g (x) =cosxper cui, tenuto conto della seconda equazione, è possibile ricavare F (x) eg (x). Più precisamente si trova F (x) = + cos x e G (x) = cos x. Integrandosihache c c F (x) = + sin x + c, c G(x) = sin x + c, c 66

81 dove c e c sono costanti arbitrarie che, per la condizione F (x)+g(x) =sinx, devono soddisfare il vincolo c + c =. Possiamoquindiscrivere F (x + ct) = + sin(x + ct)+c, c G(x ct) = sin(x ct) c, c perciò l integrale generale diventa u(x, t) = + c sin(x + ct)+ sin(x c ct). È inoltre immediato verificare che: u(,t)+u(, t) = + sin(ct) c + + sin( + ct)+ c u x (,t)+u x (, t) = + cos(ct)+ c + + cos( + ct)+ c sin(ct) c sin( ct) =; c cos(ct) c cos( ct) =. c Rimane da verificare che la soluzione trovata soddisfi il modello iniziale. Essendo apple u tt (x, t) = c + sin(x + ct)+ sin(x ct), c c u xx (x, t) = apple + sin(x + ct)+ sin(x ct). c c l u = u è s o d d i s f a t t a. L a v e r i fi c a d e l l e d u e c o n d i z i o n i u(x, sin(x) eu t (x, ) = cos(x) èinfineimmediata. 3. ProblemadiCauchyperunaPDEiperbolica >< u xx +u xy 3u yy =, u(x, ) = sin x, >: u y (x, ) = 4 cos x. 3 Si cercano soluzioni del tipo u(x, y) ' e ax+by la quale, per sostituzione, conduce all equazione a +ab 3b =. Dividendotaleequazioneperb 6= 67

82 (se fosse b =allorasarebbeanchea =etalecasoèovviamentedascartare) si ottiene a a + 3=. b b Tale equazione ammette come soluzioni a = 3e a =,percuilesoluzioni b b cercate sono del tipo u(x, y) ' e 3x+y e u(x, y) ' e x+y.lasoluzionegenerale è p e r t a n t o u(x, y) =F (x + y)+g( 3x + y) con le funzioni F e G derivabili almeno due volte rispetto a x e y. Dal teorema di derivazione delle funzioni composte si ha u y (x, y) =F (x+y)+g ( 3x+y), per cui, imponendo le condizioni per y =, si trova il sistema ( F (x)+g( 3x) =sinx F (x)+g ( 3x) = 4 cos x. 3 Derivando la prima equazione si ottiene ( F (x) 3G ( 3x) =cosx F (x)+g ( 3x) = 4 cos x, 3 da cui, sottraendo dalla prima equazione la seconda, si trova G ( 3x) = cos x, dacui G( 3x) = sin x + c, ossiag(t) = sin t + c. Di conseguenza F (x) =sinx + sin x c = 5 sin x c. Lasoluzionegeneraledel 4 4 problema è dunque u(x, y) = 5 sin(x + y) y 3x sin = sin(x + y) 3x y sin. 4 3 Tale funzione è la soluzione del problema di erenziale proposto, come è facile verificare per sostituzione nell equazione di erenziale e nelle condizioni iniziali. 4. Metodo di separazione delle variabili Il metodo consiste nel ricondurre un assegnato problema alle derivate parziali, dotato di un unica soluzione, allarisoluzionedipiùproblemiallederivate ordinarie. Naturalmente esso non è sempre applicabile. Il metodo è infatti fondamentalmente utilizzato per risolvere problemi a derivate parziali con coe cienti costanti e con domini regolari. Quando è applicabile è in grado di fornire la soluzione esatta del problema, a di erenza di quanto avviene con i metodi numerici. Nei casi più complicati il ricorso ai metodi numerici è inevitabile. Tuttavia, anche in questi casi, il ricorso ai metodi analitici è importante per verificare l e ettività dei codici di calcolo che si intende utilizzare. A tale scopo tipicamente si procede nel modo seguente: 6

83 (a) si risolvono analiticamente uno o più problemi, il più possibile vicini a quello da risolvere numericamente; (b) si risolvono numericamente gli stessi problemi e si confrontano i risultati ottenuti con le soluzioni analitiche; (c) si procede alla risoluzione numerica del problema di e ettivo interesse con il codice disponibile, dopo aver verificato che l errore commesso nei problemi semplificati corrisponda alle aspettative. Iniziamo con il seguente problema di Cauchy per una PDE del primo : u(,y)=e 3y, (x, y) R. Dalla teoria delle equazioni a derivate parziali è noto che il problema ammette una e una sola soluzione. La tecnica consiste nel cercare preliminarmente un integrale dell equazione a variabili separate: u(x, y) =X(x)Y (y), X e Y di erenziabili. Sostituendo, riordinando e dividendolo per XY si ha X Y =4XY, X 4X = Y Y. (4.3) La divisibilità per XY viene verificata a posteriori. Il primo membro della (4.3) dipende esclusivamente dalla variabile x, mentreilsecondomembro dalla variabile y. Se due funzioni dipendenti rispettivamente da due variabili indipendenti hanno sempre lo stesso valore, sono inevitabilmente uguali ad una costante. Indicando con R tale costante, dalla (4.3) si ottiene il sistema epertanto ( X 4 X =, Y Y =, da cui u(x, y) =ce (4x+y). ( X = e 4 x, Y = e y, Imponendo la condizione u(,y)=e 3y si ha c =e = 3, da cui u(x, y) =e 3(4x+y). 69

84 4. a Equazioni ellittiche In questa sezione discutiamo alcuni problemi ellittici con diverse condizioni al bordo.. Consideriamo il problema di Dirichlet per l equazione di >< =, u(x, ) = 4 e 3x. u(x, >: )=, u(,y)=4cos3y, u(,y)=4e 3 cos 3y, (4.4) dove (x, y),,. Si tratta di un problema ellittico su un quadrato con assegnati i valori della soluzione lungo la frontiera del dominio. Il problema ha una sola soluzione che possiamo ottenere col metodo della separazione delle variabili, ponendo u(x, y) =X(x)Y (y), X e Y di erenziabili. Sostituendo e riordinando si ha X >< X = Y Y =, X(x)Y () = 4 e >: 3x. X(x)Y ( )=, X()Y (y) =4cos3y, X( )Y (y) =4e 3 cos 3y. Si hanno quindi tre casi a seconda del segno del parametro >. ( X (x) X(x) =, Y (y)+ Y (y) =, =) ( X(x) =c e xp + c e xp, (autovalore). Y (y) =d cos(y p )+d sin(y p ). Le condizione Y ()X(x) =d X(x) =4e 3x implica che >< c =, d c =4, >: p =3. Dalla condizione (4.5) X()Y (y) =c [d cos(y p )+d sin(y p )] = 4 cos(3y), ricordando che d c =4e p =3,segueched =elasoluzionedel problema risulta essere u(x, y) =4e 3x cos 3y, dato che essa soddisfa tutte le condizioni (4.4). 7

85 Poiché la soluzione è unica risulta del tutto inutile analizzare i casi = e <.. Consideriamo il problema misto per l equazione di >< u =, apple x apple 5, apple y apple u y (x, ) =, u(x, 3) =, >: u x (,y)=, u(5,y)=f(y). Procedendo, come nel caso precedente, poniamo u(x, y) = X(x)Y (y). ottiene così la condizione Si X X = Y Y =, indipendente da x eday. Da cui, tenendo conto delle condizioni al bordo, ( X + X =, X () =, ( Y Y =, Y () =, Y(3) =. Il problema in Y è un classico problema di Sturm-Liouville, il cui spettro è definito da un infinità numerabile di autovalori e autofunzioni. Tali autovalori sono, ovviamente, i valori da attribuire a per il problema in Y.PostoY (y) = e y,l equazionecaratteristica,associataalproblemaspettraleiny,è =. Si considerano tre casi, a seconda che sia positivo, nullo o negativo. =, >. In questo caso Y (y) =c e y + c e y,essendoc e c soluzioni del sistema ( ( Y () =, c c =, =) Y (3) =, e 3 c + e 3 c =, il cui determinante = e 3 + e 3 >, per ogni >. Di conseguenza c = c e la soluzione è inaccettabile. =. LasoluzioneèY (y) =a + by, anch essainaccettabileinquanto comporta a = b =. 7

86 =, >. In quest ultimo caso Y (y) =a cos y+b sin y,essendo a e b soluzione del sistema ( b =, cos 3 =, da cui k =(k +),conk =,,... 6 Gli autovalori sono pertanto i k = (k 36 +), k =,,,... Lo spettro relativo è n k = o (k +),Yk (y) =cos(k +) y; k =,, La k-esima soluzione dell associato problema ( Xk (k +) Xk =, 6 () =, X k è X k (x) =a k e (k+) 6 x + b k e (k+) 6 x,cona k un fattore moltiplicativo irrilevante, b k =,ossia,amenodi X k (x) =e (k+) 6 x + e (k+) 6 x =cosh(k +) 6 x. Ciascuna delle funzioni u k (x, y) =cosh (k +) 6 x cos (k +) 6 y, k =,,..., soddisfa l equazione di Laplace e tutte le condizioni assegnate, ad eccezione della u(5,y)=f(y), con f(y) funzioneassegnatain[, 3]. Si assume pertanto come soluzione la serie con i coe u(x, y) = X c k cosh (k +) x cos (k +) y 6 6 k= centi c k determinati in modo che risulti soddisfatta la condizione X ĉ k cos(k +) y = f(y), ĉ 6 k = c k cosh(k +) 5. 6 k= Trattandosi di una serie di Fourier con apple y apple 3, ĉ k = c k = R 3 f(y)cos[(k +) y 6 ] dy R 3 cos [(k +) y ĉ k cosh[(k +) 5 ]. 6 6 ] dy = Z 3 f(y)cos[(k +) y 6 ] dy, 7

87 dove k =,, Consideriamo il problema di >< =, u(,y)=, u(l, y) =f(y), >: u(x, ) = u(,m)=, (4.6) per (x, y) [,L] [,M]. Applicando il metodo di separazione delle variabili, poniamo u(x, y) =X(x)Y (y) =) X (x) X(x) {z } = + Y (y) ==) Y (y) {z } = ( X (x) X(x) =, Y (y)+ Y (y) =. Imponendo le condizioni sulla frontiera è facile vedere che per la Y (y) siottiene un problema di Sturm-Liouville, essendo: ( ( X X =, Y + Y =, X() =, Y () = Y (M) =. Per trovare gli autovalori e le autofunzioni risolvendo il problema relativo alla Y,otteniamo <, k = k M : Y k (y) = sin k y M, dove k N. Ilproblemadi erenzialeperlax k (x) diventa ( Xk (x) kx(x) =, X k () =, che, essendo k >, essa ammette la seguente soluzione X k (x) =ae xp k + be xp k, da cui X k () = =) a + b =. Pertanto la soluzione del (4.), a meno di una costante moltiplicativa, è (4.7) (4.) X k (x) =e p kx e p kx =sinh( p kx). (4.9) Facendo uso delle (4.) e (4.9) la soluzione del problema è la serie trigonometrica: X k x k y u(x, y) = a k sinh sin. (4.) M M k= 73

88 Dalla condizione u(l, y) =f(y) siottieneinfine X a n sinh n L n sin M M y = f(y), da cui segue che i coe n= cienti di Fourier a n sono dati da R M f(x)sin n y a n = M M dy sinh L. M 4. Equazione di Laplace sul cerchio unitario (con formula risolutiva di Poisson). ( u xx + u yy =, x + y <, (4.) u(x, y) =f(x, y), x + y =. Il problema (4.) non è risolubile mediante il metodo di separazione delle variabili in quanto il dominio non è rettangolare. Pertanto si procede ad un cambiamento di coordinate al fine di avere (nel nuovo sistema di riferimento) un dominio che ci permetta di separare le variabili nella equazione di erenziale trasformata. Vista la simmetria polare del dominio, trasformiamo il problema da coordinate cartesiane a coordinate polari, ponendo ( ( p x = cos, = x + y, =) y = sin, =arctg y x. Applicando le regole di derivazione delle funzioni composte, u xx = + u + u + cos = u u @ + x + x + @ cos u

89 u yy = + da + cos u + cos sin @ + cos +cos sin u xx + u yy @ + @ + u @ =. Pertanto, tenendo conto delle condizioni di periodicità della u in (, ) e di limitatezza della soluzione nel cerchio, l equazione di Laplace è ora esprimibile nella >< u(, ) =u(, ), =, u (, ) =u (, ), u(, )=f( ), >: u(, ) limitato. + lim! (condizioni di periodicità), (condizione al contorno), Essendo [, ] e [, ], nelle nuove variabili il dominio è rettangolare, per cui possiamo porre: da cui, sostituendo nella PDE, U(, ) =U( )V ( ), U V + U V + UV =() U V + U V + UV =, U + U = V U V =. Da essa, tenuto conto delle condizioni di periodicità, seguono: il problema spettrale >< V + V =, V () = V ( ), >: V () = V ( ), 75

90 elaode < U + U U =, : lim U( ) limitato. +! Procedendo, in analogia con quanto già visto, si ottiene lo spettro n = n ; V n ( ) =a n cos n + b n sin n. n= Per ogni n, si deve ora risolvere l equazione U n + U n U n =, (4.) che costituisce una classica equazione di Eulero-Cauchy (x y + xy + by =). Per la sua soluzione, posto U n = m, dobbiamo risolvere l equazione da cui m = ±n. Diconseguenza m [m(m ) + m n ]=, U n ( ) =c n n + d n n. L imposizione che il lim! + U( ) sialimitato,implicached n =perognin ediconseguenza,tenendocontodell espressionedellav n, u(, ) =a + X n (a n cos n + b n sin n ). n= Dalla condizione u(, )=f( ) siricavanoicoe a = a n = b n = Z Z Z f( ) d f( )cosn d f( )sinn d. cientidifourier da cui u(, ) = Z " # X + n (cos n cos n +sinn sin n ) f( ) d n= = Z " # X + n cos n( )]f( ) d f( ) d. n= 76

91 Aquestopuntosiosservachelaserieentroparentesipuòessereespressain forma chiusa, in quanto + X r n cos n =Re(+re i )( + re i + r e i +...) n= Si ottiene così la formula risolvente di Poisson u(, ) = =Re +rei re i = r +r r cos. Z f( ) d, + cos( ) che definisce la u(, ) mediantelau sulla circonferenza. 4. b Equazioni paraboliche In questa sezione illustriamo la risoluzione di alcune equazioni paraboliche con condizioni al bordo di vario tipo. 5. u =@, apple x apple 3, u(,t)=u(3,t)=, >: u(x, ) = 5 sin 4 x 3sin x +sin x. (4.3) Si tratta dell equazione del calore in una dimensione spaziale che ammette una e una sola soluzione, visto che sono dati i valori della soluzione agli estremi dell intervallo e la distribuzione della temperatura all istante iniziale lungo tutto l intervallo (, 3). Cerchiamo una soluzione del tipo: u(x, y) =X(x)T (t), X e T di erenziabili. Sostituendo e riordinando si ha XT =X T ossia T T = X X. Imponendo che entrambi i rapporti siano uguali ad uno stesso parametro ottiene il sistema ( X (x) X(x) =, T (t) T (t) =.,si 77

92 Utilizzando le condizioni al contorno date agli estremi, otteniamo ( u(,t)=x()t (t) =, u(3,t)=x(3)t (t) =, la condizione T (t) =perognit non è accettabile, in quanto essa implicherebbe u(x, t) =X(x)T (t) =perogni(x, t) neldominio,conlaconseguenza che non risulterebbe soddisfatta la condizione iniziale u(x, ) = 5 sin 4 x 3sin x +sin x. Di conseguenza la X(x) devesoddisfareilproblemaspettrale ( X (x) X(x) =, apple x apple 3, X() =, X(3) =, (4.4) che rappresenta un tipico problema di Sturm-Liouville (Cap. 3). Per la sua risoluzione occorre distinguere tra i seguenti casi: >. In questo caso l equazione caratteristica ammette due radici reali edistinte,conunasoluzioneesponenzialedeltipo X(x) =ae xp + be xp. Imponendo le condizioni al contorno si trova il seguente sistema lineare omogeneo a =. b e 3p e 3p Essendo il determinante della matrice e 3p e 3p = sinh(3 p ) 6= per ogni >, risulta a = b =,soluzionedascartareperchénon risulterebbe soddisfatta la condizione iniziale. =. L equazionecaratteristicaammetteduesoluzionirealiecoincidenti, per cui X(x) =(a + bx)e xp. Applicando le condizioni al contorno, si trova subito che a = b =, soluzione non accettabile. <. In questo caso l equazione caratteristica possiede due soluzioni complesse coniugate, cui corrisponde la soluzione generale X(x) =a cos(x p )+b sin(x p ). 7

93 Imponendo che siano soddisfatte le condizioni agli estremi, si ottiene ( a =, X() = X(3) = =) b sin(3 p )=. Di conseguenza si ha una infinità numerabile di autovalori k, cuicorrisponde una infinità numerabile di autofunzioni X k (x) eprecisamente: k k x k =, X k (x) =sin, k =,, 3,... (4.5) 3 3 k dobbiamo determinare la corri- Avendo determinato X k (x), per ogni spondente soluzione T k (t) dellaode T k(t) k T k (t) =. (4.6) La soluzione della (4.6), a meno di una costante moltiplicativa, è e kt e, di conseguenza, per ogni k N, abbiamolasoluzioneparticolare k x u k (x, t) =e kt sin, k N. 3 La soluzione generale è una combinazione lineare delle u k (x, t), ossia la serie u(x, t) = X c k u k (x, t) = k= X k= k c k e 3 t sin k x 3, (4.7) con i coe cienti {c k } k= da determinare in modo che risulti soddisfatta la condizione iniziale, l unica non soddisfatta dalle singole u k (x, t). Imponendo quest ultimo vincolo si ottiene la seguente condizione sui coefficienti c k : X k x c k sin =5sin4 x 3sin x +sin x, 3 k= equestoimplicachesoltantoitreseguenticoe da zero: >< c =5, c 4 = 3, >: c 3 =. Di conseguenza l unica soluzione del problema (4.3) è cientidellaseriesianodiversi u(x, t) =5e (4 )t sin 4 x 3 e ( )t sin x +e ( )t sin x. 79

94 6. Consideriamo il problema parabolico con condizioni di u =@, apple x apple 3, u(,t)=, u(3,t)=4, >: u(x, ) = 6 sin x +3(x +). (4.) Si tratta di un problema parabolico con condizioni agli estremi non omogenee. In questi casi è sempre possibile convertire il problema dato in uno avente condizioni agli estremi omogenee. Èsu cientee ettuarelasostituzione u(x, t) =v(x, t)+'(x), (4.9) con ' C ([, 3]). Sostituendo la (4.9) nella (4.), si v +' (x), v(,t)+'() =, v(3,t)+'(3) = 4, >: v(x, ) + '(x) =6sin x +3(x +). Di conseguenza, per avere un problema di erenziale con la stessa PDE ma con tre condizioni agli estremi omogenee, è su ciente scegliere '(x) inmodoche sia ( ' (x) =, (4.) '() =, '(3) = 4, la cui soluzione è '(x) =x +. v v(,t)=, v(3,t)=, >: v(x, ) = 6 sin x +3x +) (x +)=6sin x +3x x 7. (4.) Procedendo per separazione delle variabili, come nell esempio precendente, si trova che la v(x, t) èrappresentatadallaserie X X k x k v(x, t) = c k v k (x, t) = c k e kt sin, k =. (4.) 3 3 k= k= Imponendo infine la condizione iniziale v(x, ), si ottiene l equazione X k x c k sin =6sin x +3x x 7, 3 k=

95 dalla quale segue che c 3 =6,mentrelealtrecostantic k con k N\{3} devono essere calcolate in modo che risulti soddisfatta l equazione X c k sin k 3 x =3x x 7. (4.3) k= k6=3 La (4.3) è una serie di Fourier e per isolare i coe cienti c k occorre moltiplicare primo e secondo membro per sin(m x/3) (m N \{3}) eintegrarenell intervallo [, 3], in modo da sfruttare l ortogonalità delle funzioni sin(m x/3) nell intervallo (, 3). Così operando si trova che Z 3 c m sin m x Z 3 dx = 3 da cui, ricordando che sin (m /3) = [ 3 c m = Z 3 sin m x 3 (3x x 7) dx, cos(m /3)], segue che m x sin (3x x 7) dx. (4.4) 3 Calcolando, mediante integrazione per parti, l integrale a secondo membro si trova che c m = apple 33 3 (m ) [( )m ] + 9 m ( )m+ + m, (4.5) con m N \{3}. Possiamo dunque a ermare che la soluzione del problema (4.) è data da u(x, t) = X c m e m= m x mt sin +(x +), 3 dove c 3 =6eicoe centic m con m 6= 3sonodatidalla(4.5). 7. u a, apple x apple L, u(,t)=u(l, t) =, >: u(x, ) = f(x), (4.6) dove a è u n a c o s t a n t e r e a l e e p o s i t i v a. Il problema (4.6) rappresenta un modello parabolico descrivente un filamento mantenuto a zero gradi agli estremi e avente una distribuzione di

96 temperatura iniziale data da f(x) che,persemplicità,supponiamocontinua. Tale problema ammette una e una sola soluzione che cerchiamo col metodo di separazione della variabili, ponendo u(x, t) =X(x)T (t) =) T (t) a T (t) = X (x) X(x) =. Dalle condizioni agli estremi del filamento (u(,t)=u(l, t) =)segueche ( X (x)+ X(x) =, X() =, X(L) =. Questo problema spettrale ammette i seguenti autovalori e autofunzioni: ( k = dove k N. Dall equazionet k + k L, X k (x) =sin k x L, kt k =,segueche (4.7) T k (t) =e a kt = e k a t L. La soluzione u(x, t) èdunque u(x, t) = X k= c k e k a t L Dalla condizione u(x, ) = f(x) siricavainfineche c k = L Z L sin k x L. f(x)sin k x L.. u a. apple x apple L, u(,t)=, u x (L, t) = Au(L, t), >: u(x, ) = f(x), (4.) con a e A costanti reali positive. Il problema (4.) modellizza un filamento con una distribuzione di temperatura iniziale data da f(x) C([,L]), con un estremo mantenuto a zero gradi e con l altro estremo che irradia calore.

97 Dalla teoria sappiamo che il problema ammette una sola soluzione, che cerchiamo nella forma. u(x, t) =X(x)T (t) =) T a T = X X =. Le condizioni agli estremi della sbarra danno luogo alle seguenti condizioni per la X(x): ( ( u(,t)=, X()T (t) =, =) u x (L, t) = Au(L, t), X (L)T (t) = AX(L)T (t), ( X() =, =) X (L) = AX(L), che generano il seguente problema di Sturm-Liouville con condizioni miste (Appendice A): >< X + X =, X() =, (4.9) >: X (L)+AX(L) =. Avendo condizioni al contorno miste, il problema (4.9) va discusso al variare del segno dell autovalore. <. X(x) =ae xp + be xp, X (x) =a p e xp b p e xp. Le condizioni al contorno implicano ( a + b =, a p e Lp b p e Lp + A(ae Lp + be Lp )=. Occorre stabilire se il seguente sistema omogeneo ammette soluzioni non banali:! a ( p + A)ep L p p ( + A)e L =. (4.3) b Si trova facilmente che il determinante della matrice dei coe cienti della (4.3) è sempre diverso da zero perché l equazione trascendente (A + p ) e Lp =(A p )e Lp è s o d d i s f a t t a s o l o p e r =. Diconseguenzaa = b =,casodascartare. 3

98 =. X(x) =ax + b, X (x) =a. Le condizioni al contorno implicano ( b =, a + A(aL + b) =, cioè a = b =equindianchequestocasoèdascartare. >. X(x) =a cos(x p )+b sin(x p ), X (x) = a p sin(x p )+b p cos(x p ). Le condizioni al contorno implicano ( a =, b p cos(l p )+Ab sin(l p )=, dove necessariamente b 6=,diversamentesarebbeX(x). Da essa segue che cos(l p ) 6=,diversamenteanchesin(L p )=equestoè impossibile perché sin ecos non si annullano mai simultaneamente. Di conseguenza tg z = z AL, dove z = Lp. (4.3) La (4.3) è un equazione trascendente che possiede una infinità numerabile di soluzioni {z n } n=. (n ) apple z n apple n. n =,,... Pertanto il problema di Sturm-Liouville studiato ammette le seguenti autofunzioni e autovalori ( zn x Xn (x) =sin, L (n ) apple z (4.3) n apple n, n N \{}, con z n = L p n.danotarechetaliautofunzionisonoortogonaliin[,l], dato che la funzione peso dell equazione X + X =èr(x) =. 4

99 z z Figura 4.: La figura mostra le intersezioni della curva y =tgz edellaretta y = z/(al). Si trova facilmente che la soluzione per la T n (t) è(amenodiunacostante moltiplicativa) T n (t) =e z n a L t, equindi u(x, t) = X n= c n e z n a t L Dalla condizione u(x, ) = f(x) siottieneinfine X c n sin z nx L = f(x), n= sin z nx L. da cui, sfruttando l ortogonalità delle autofunzioni sin znx L R L f(x)sinz nx c n = L xdx R L z nx sin L dx. 9. Equazioneparabolicaconcondizioniditipomisto u t =6u xx +3u x + u, con apple x apple, t, >< u x (,t)+u(,t)=, u(,t)=, >: u(x, ) = x ( x). 5 in [,L], si ha che

100 Sostituendo nell equazione u(x, t) =X(x)T (t) sitrova T T =6X X +3X X +=. Si perviene così al seguente problema spettrale >< 6X +3X +( +)X =, con apple x apple, X >: () + X() =, X() =. Altre informazioni vengono poi ottenute dall equazione T = T. Risolviamo il problema spettrale. Si cercano soluzioni del tipo X(x) ' e x che conducono all equazione caratteristica (+ )=. Questa equazione ha come soluzioni, = [ 3 ± p (4 +5)]. = 5.Intalcasoabbiamodueradicirealiecoincidenti = = 4. La soluzione generale è X(x) =e 4 x (c + c x). Essendo X() = c, X () = c 4 + c e X() = e (c +c ), le costanti c e c devono soddisfare il sistema ( 3 c 4 + c =, c +c =, il quale ammette la sola soluzione banale. < 5. In tal caso abbiamo due radici reali e distinte, = [ 3 ± p x (4 +5)]. La soluzione generale è X(x) =e 4 (c e µx + c e µx ), dove si è posto µ = p 4 5 >. Le costanti c e c sono da determinare mediante il sistema di equazioni lineari e omogenee ( c e µ + c e µ =, Il determinante relativo è ( 3 4 µ)c +( µ)c =. ( µ)e µ ( 3 4 µ)e µ, 6

101 che si annulla quando ( µ)e µ ( 3 4 µ)e µ =. Tenuto conto che µ>, l equazione può essere riscritta come 3 4µ e 4µ =. 3+4µ Le eventuali soluzioni di questa equazione sono date dall intersezione fra la retta di equazione y = e la funzione y = e 4µ per µ>. 3 4µ 3+4µ Poiché y = 4e4µ ( 6µ +3)lafunzioneècrescenteper<µ< p 3, (3+4µ) 4 decrescente per µ> p 3 e raggiunge il massimo (assoluto) per µ = p Inoltre poiché lim µ! + y =,y( 3)=elim 4 µ!+ y = il grafico è quello riportato nella Fig Figura 4.: Grafico delle funzioni y = 3 4x 3+4x e4x e y =. Poiché p i due grafici si intersecano in un unico punto di ascissa µ con 3 < µ < 3,essendo µ = 4 4 p 4 5, il corrispondente autovalore = 5 µ 6 elacorrispondenteautofunzioneè X(x) =e x 4 (e µx e 4 µ e µx ). In corrispondenza all autovalore µ abbiamo l equazione T = µ T, 7

102 da cui si ricava T = e µt.otteniamoquindil autofunzione ũ(x, t) =e 4 x µt (e µx e 4 µ e µx ). > 5. In tal caso abbiamo due radici complesse coniugate, = [ 3 ± ip 4 + 5]. La soluzione generale è X(x) =e x 4 (c cos µx + c sin µx)), dove si è posto µ = p 4 +5 >. Poiché X() = c, X () = 4 c +c µ e X() = e (c cos µ + c sin µ), le costanti c e c sono da determinare tramite il sistema ( 3 4 c + c µ =, c cos µ + c sin µ =. Dalla prima equazione del sistema si ricava c = nella seconda, fornisce l equazione 4 3 c µ, che,sostituita apple 4 c µ cos µ +sinµ =. 3 Le soluzioni non banali si ottengono risolvendo l equazione 4 µ cos µ +sinµ =. 3 Potendo assumere cos µ 6=, ci si può ricondurre all equazione tg µ = (µ) = 4 µ, µ >. 3 3 Per risolvere questa equazione si procede per via grafica. Igraficidellefunzioniy =tgµ e y = (µ) (conµ>) si intersecano in 3 un insieme numerabile di punti, in ciascuno dei quali l equazione possiede una soluzione non banale. Dalla Fig. 4.3 si vede che le ascisse µ k dei punti d intersezione soddisfano la seguente condizione + k <µ 4 k < +(k + 4 ), k =,,,... I corrispondenti autovalori sono k = 5 +6µ k,cui corrispondono le autofunzioni X k (x) =e x 4 4 µ 3 k cos µ k x +sinµ k x). In corrispondenza abbiamo anche le equazioni T k + µ kt =, che conducono alle soluzioni T k (t) =e µ kt. In definitiva troviamo le funzioni u k (x, t) =T k (t)x k (x) =e µ kt e x 4 ( 4 3 µ k cos µ k x +sinµ k x).

103 Figura 4.3: Grafico delle funzioni y =tgx e y = 4 3 x. La soluzione del problema dunque risulta X u(x, t) =ãũ(x, t)+ c k u k (x, t) =ãe µt e x 4 (e µx e 4 µ e µx ) + X k= k= c k e µ kt e x 4 ( 4 3 µ k cos µ k x +sinµ k x), con ã e c k costanti da determinare. A tal fine imponiamo la condizione u(x, ) = x ( x). Questa implica x X ã. 4 (e µx e 4 µ e µx )+ c k e x 4 4 ( µ 3 k cos µ k x +sinµ k x)=x ( x). k= In questa condizione compaiono ũ(x, ) e le u k (x, ) che sono soluzioni della equazione X + X + ( +)X =,laqualepuòscriversinellaformacanonica 6 d dx (e x X )+e x ( )X =. La funzione r(x) = e x > noncambiasegnoequestogarantiscechele 6 funzioni ũ(x, ) e u k (x, ) (k =,, 3,...)sianoortogonaliin[, ] rispetto ad essa. Si ottengono così le seguenti espressioni dei coe cienti: ã = c k = R e x x ( x)ũ(x, t)dx R e, x ũ(x, t) dx R e x x ( x)u k (x, t)dx R e, k =,,... x u k (x, t) dx 9

104 . Equazioneparabolicaconcondizionimiste u t = u xx +u x +3u, >< u x (,t)+u(,t)=, u(, t) =3, >: u(x, ) = sin x. Si cercano soluzioni del tipo u(x, t) =v(x, t)+ (x). Sostituendo si trova v t = v xx + +v x + +3v +3, >< v x (,t)+ () + v(,t)+ () =, v(, t)+ ( ) =3, >: v(x, ) = sin x (x), da cui seguono i due problemi v t = v xx +v x +3v, >< v x (,t)+v(,t)=, v(, t) =, >: v(x, ) = sin x (x), >< + +3 =, >: () + () =, ( ) =3. (4.33) (4.34) Èimmediatoosservarechelasoluzionecercataèdeltipo (x) =e a x cos(x p ) + b sin(x p ), con a e b costanti da determinare tramite il sistema ( a + p b =, Indicata con a cos( p ) + b sin( p ) =3e. ã, b la sua soluzione, la soluzione del problema (4.34) è (x) =e ã x cos(x p ) + b sin(x p ). 9

105 Possiamo adesso so ermarci sul problema (4.33). Cerchiamo soluzioni del tipo v(x, t) =X(x)T (t). Sostituendo nell equazione si trova T T = X X +X X +3=, da cui segue il problema spettrale >< X +X +( +3)X =, X >: () + X() =, X( ) =. Altre informazioni vengono poi ottenute dall equazione T = T. Per risolvere il problema spettrale, si cercano soluzioni del tipo X(x) ' e x,le quali conducono all equazione caratteristica + +(3+ )=. Questa equazione ha come soluzioni, = ± p ( +). Occorredistinguere tre casi a seconda che sia =, >, oppure <. =. In questo caso la soluzione generale è X(x) =e x (c + c x)con le costanti (c,c ), soluzione del sistema ( c + c =, c + c =. Poiché l unica soluzione è quella banale, questo caso non è da prendere in considerazione. Supponendo <, per semplicità, poniamo +=, >. In tal caso la soluzione generale è X(x) =e x (c e x + c e x ). Poiché X() = c +c, X () = ( )c ( +)c e X( ) =e (c e + c e ), le costanti c e c sono da determinare attraverso il sistema di equazioni lineari (rispetto a c e c )eomogenee ( ( +)c +( )c =, c e + c e =. 9

106 Il determinante di questo sistema è + ( )e. Anoiinteressanoivaloridi per cui + ( )e =. Tenuto conto che >, si può riscrivere l ultima equazione (dividendo ambo i membri per + >) come e =. + Le soluzioni, se esistono, sono date dall intersezione fra la funzione y = elafunzioney = e.occorrequindirappresentaregraficamente + tali funzioni (Fig. 4.4) Figura 4.4: Grafici delle funzioni y = x +x e x e y =. Poiché i due grafici si intersecano in un unico punto di ascissa con < <, dall equazione += è p o s s i b i l e d e t e r m i n a r e i l v a l o r e di per cui il determinante si annulla. Quindi, in corrispondenza di, sitroval autofunzione X(x) =e x (e ( x) + e x), nella quale si è tenuto conto che c = c e. In corrispondenza all autovalore abbiamo inoltre l equazione T = T, 9

107 da cui si ricava T (t) =e t. Otteniamoquindilasoluzione(delproblema principale) ṽ(x, t) =e t x (e ( x) + e x). Per >, poniamo +=, >. In tal caso abbiamo due radici complesse coniugate, = ± i elasoluzionegeneraleè X(x) =e x (c cos x + c sin x)), con le costanti c e c da determinare mediante il sistema ( c + c =, c cos + c sin =. Dalla prima equazione del sistema si ricava c = c,che,sostituita nella seconda equazione, fornisce c ( cos +sin ) =. L equazione è non banalmente soddisfatta quando cos +sin =. Osservato che cos 6=,sipervieneall equazione che viene risolta per via grafica. tg =, Figura 4.5: Grafici delle funzioni y =tgx e y =(x/ ). Igraficidellefunzioniy =tg e y = ( >) si intersecano in un insieme numerabile di punti, in ciascuno dei quali il sistema di equazioni lineari possiede una soluzione non banale. Dalla Fig. 4.5 si vede che 93

108 le ascisse k dei punti d intersezione soddisfano la seguente condizione k< k < k+, k =,,... Una volta noti questi valori di k è p o s s i - bile determinare i corrispondenti valori di k per cui il sistema possiede soluzioni non banali attraverso la relazione k = k. Quindi, in corrispondenza ai valori k< k < k+, k =,,... del problema spettrale si trovano le seguenti autofunzioni Per ciascun valore di soluzione X k (x) =e x ( k cos k x +sin k x). k si considera l equazione T k + kt =, che ha la T k (t) =e kt. In definitiva troviamo le autofunzioni v k (x, t) =T k (t)x k (x) =e kt e x ( k cos k x +sin k x). Siamo quindi in grado di scrivere la soluzione del problema, che risulta X u(x, t) =ã ṽ(x, t)+ c k v k (x, t) =ãe t x (e ( x) + e x) + k= X c k e kt e x ( k cos k x +sin k x), k= con ã e c k costanti da determinare. A tal fine imponiamo la condizione u(x, ) = sin x (x). Questa implica ãe x (e ( x) + e x)+ X c k e x ( k cos k x +sin k x)=sin x (x). k= In questa condizione compaiono ũ(x, ) e le u k (x, ) che sono soluzioni della eequazione X +X +( +3)X =, la quale può scriversi nella forma canonica di Sturm-Liouville d dx (ex X )+e x (3 + )X =. La funzione r(x) =e x > noncambiasegnoequestogarantiscechelefunzioni ũ(x, ) e u k (x, ) (k =,, 3...)sianoortogonalitralororispettoadessain [, ], e questo determina le seguenti espressioni dei coe cienti ã = c k = R ex (sin x (x))ũ(x, t) dx R ex ũ(x, t), dx R ex (sin x (x))u k (x, t) dx R ex u k (x, t), k =,,... dx 94

109 4. c Equazioni iperboliche Illustriamo ora la risoluzione di alcune PDEs iperboliche con condizioni di vario tipo.. >< u =4@, apple x apple 5, u(,t)=u(5,t)=, >: u(x, ) =, u t (x, ) = sin x sin 4 x. (4.35) Si tratta di un problema iperbolico in una dimensione spaziale (equazione delle onde descrivente una corda vibrante) con condizioni iniziali e alla frontiera che garantiscono l unicità della soluzione. Cerchiamo ora tale soluzione con il metodo di separazione delle variabili: u(x, t) =X(x)T (t), X e T di erenziabili. Sostituendo e riordinando si ha: XT =4X T =) T 4T = X X = =) ( X (x)+ X(x) =, T (t)+4 T (t) =. Applicando le condizioni agli estremi della corda u(,t)= u(5,t)=,sitrova il problema di Sturm-Liouville per la X(x): ( X + X =, (4.36) X() =, X(5) =, con x [, 5]. Tale problema ammette diversi casi a seconda del segno dell autovalore ma, in analogia a ciò visto negli esempi precedenti, sappiamo che l unico caso accettabile è quello con soluzioni oscillanti ( >) del tipo X(x) =a cos(x p )+b sin(x p ( k X() =, >< k =, ), ) 5 X(5) =, k x >: X k (x) =sin 5 con k N. Di conseguenza il problema di erenziale per la T k (t) diventa: ( Tk (t)+4 kt k (t) =, T k () =, 95, (4.37)

110 che ha come soluzione Pertanto e T k (t) =sin u k (x, t) =sin u(x, t) = k= k t 5 t, k N \{}. k sin 5 k t X k x a k sin sin 5 5, k t 5. (4.3) Possiamo ora applicare la condizione u t (x, ) = sin x sin 4 x, sfruttando il fatto che la serie (4.3) è uniformemente convergente rispetto alla variabile t e che quindi è possibile permutare l operatore di serie con quello di derivata parziale rispetto al tempo. Di conseguenza da cui u t (x, t) = X k= X k= a k k 5 sin a k k 5 sin k x 5 cos k t 5, k x =sin x sin 4 x. (4.39) 5 Dalla (4.39) si capisce chiaramente che sono diversi da zero soltanto i coe - cienti a 5 e a.dataleosservazionesegueche ( ( a 5 =, a 5 5 = =), 4 a =, a 5 =. La soluzione del problema (4.35) risulta dunque u(x, t) = sin( x)sin( t) sin(4 x)sin( t). (4.4) Facendo uso delle formule di prostaferesi la (4.4) può essere scritta nel seguente modo u(x, t) = cos (x t) cos (x +t) cos 4 (x t) cos 4 (x +t), 6 nel quale viene evidenziato che nella soluzione della equazione delle onde, le variabili spazio e tempo compaiono sempre come x ± ct essendo c la velocità di propagazione dell onda nel mezzo considerato. 96

111 . u u a, apple x apple L, u(,t)=u(l, t) =, u(x, ) = f(x), >: u t (x, ) =, (4.4) dove a è una costante reale positiva. Il problema ammette una e una sola soluzione che possiamo ottenere con il metodo della separazione delle variabili. La procedura è analoga a quella vista negli esempi precedenti, per cui, sorvolando sui dettagli, possiamo scrivere: u(x, t) =X(x)T (t) ( X + X =, < n = n, n =,,..., =) L X() = X(L) =, : X n = b n sin n L. ( T + a T =, =) T n = a n cos na T () =, L. u(x, t) = = X n= X n= Dalla condizione u(x, ) = c n sin n x L c n X n= c n = L na t cos L hsin n L (x at)+sinn L (x + at) i. c n sin n x L Z L = f(x) siricavainfine f(x)sin n x L dx. 3. Equazione iperbolica con condizioni non nulle agli estremi >< u tt =3u xx + u x +x, con apple x apple et, u(,t)=u(,t)=, >: u(x, ) = x( x), u t (x, ) =. 97

112 Poiché le condizioni per x =ex = non sono di tipo omogeneo, si cerca una soluzione del tipo u(x, t) = v(x, t) + (x). Sostituendo nell equazione si trova v tt =3(v xx + )+v x + +x. Si impone quindi che siano soddisfatti i problemi di erenziali >< v tt =3v xx + v x, v(,t)=v(,t)=, >: v(x, ) = x( x) (x), v t (x, ) =, ( 3 + +x =, () = () =. La soluzione generale dell equazione (4.43) è (x) =c + c e 3 x + x( x +6). (4.4) (4.43) Imponendo le condizioni agli estremi si trova che c e c devono soddisfare il sistema ( c + c =, c + e 3 c = 4. Indicata con ( c, c ) la soluzione di tale sistema, la soluzione del problema (4.43) è (x) = c + c e 3 x + x( x +6). (4.44) Passiamo ora alla risoluzione del problema (4.4). Procedendo con il metodo di separazione delle variabili, Cerchiamo soluzioni del tipo v(x, t) = X(x)T (t). Sostituendo si perviene ai seguenti problemi: ( 3X + X + X =, (4.45) X() = X() =, ( T + T =, (4.46) T () =. Iniziamo a risolvere il problema di Sturm Liouville (4.45). Cerchiamo soluzioni del tipo X(x) ' e x.siottienecosìl equazionecaratteristica3 + + = che ammette come soluzioni, = ± p 6. 9

113 =. In tal caso l equazione caratteristica possiede due radici reali coincidenti = =. La soluzione dell equazione è X(x) = 6 e 6 x (a + bx), con a e b costanti da determinare. Essendo, X() = a e X() = e 6 (a + b), a e b debbono soddisfare il sistema di equazioni lineari e omogenee ( a =, a + b =. Quest ultimo ammette come unica soluzione quella banale a = b =. <. In tal caso l equazione caratteristica possiede due radici reali e distinte, = [ ± p ]. La soluzione dell equazione è 6 X(x) =e 6 x ae µx + be µx, dove si è posto µ = 6p >, con a e b da determinare mediante il sistema di equazioni lineari e omogenee ( a + b =, e µ a + e µ b =. Il determinante di questo sistema di equazioni lineari è det = e µ e µ che si annula solo se µ =. Poichéµ>, il sistema ammette come unica soluzione quella banale a = b =. >. In tal caso l equazione caratteristica possiede due radici reali e distinte, = [ ± ip + ]. La soluzione dell equazione è 6 X(x) =e 6 x (a cos µx + b sin µx), dove si è posto µ = 6p + >, con a e b costanti da determinare dal sistema di equazioni lineari e omogenee ( a =, a cos µ + b sin µ =. Le soluzioni non banali di questo sistema si ricavano dall equazione sin µ =. Sitrova 6p + k = k, k =,,... In corrispondenza agli autovalori k si hanno le autofunzioni X k (x) =e 6 x sin k x, k =,,... In corrispondenza degli autovalori sopra trovati occorre risolvere ( Tk + kt k =, () =. T k 99

114 Questa ammette come soluzione T k (t) =a k cos(t p k)+b k sin(t p k). Poiché Tk () = b p k k =,ossiab k =,siottienet k (t) =a k cos(t p k). Quindi, relativamente agli autovalori 6p + k = k, k =,,..., si trovano le seguenti funzioni v k (x, t) =e 6 x sin(k x) cos(t p k). Rimane da imporre la condizione v(x, ) = x( x) (x) con (x) definita dalla (4.44). A tal fine osserviamo che X v(x, t) = c k e 6 x sin(k x) cos(t p k), k= con P k= c ke 6 x sin(k x) =x( x) (x). Questa equazione può essere riscritta come X c k sin k x = e 6 x {x( x) (x)}, k= dalla quale è possibile ricavare i coe cienti c k attaverso l analisi di Fourier (a primo membro compare infatti una serie di Fourier). Infatti, moltiplicando primo e secondo membro per sin(h x) eintegrando(tenendoconto dell ortogonalità delle funzioni sin(k x) sin(h x)) si trova c k = Z e 6 x (x( x) (x)) sin k x, k =,,... (4.47) Finalmente si può scrivere la soluzione del problema come X v(x, t) = c k e 6 x sin(k x) cos(t p k)+ c + c e 3 x + x( x +6), k= con i coe cienti c k dati dalle equazioni (4.47). 4. d PDEs in tre variabili Vediamo ora come si estende al caso tridimensionale la tecnica di separazione delle variabili illustrata nel caso bidimensionale. 4. u = u u, apple x apple L, apple y apple M, >< u(x,,t)=u(x, M, t) =, u(,y,t)=u(l, y, t) =, u(x, y, ) = f(x, y), >: u t (x, y, ) =. (4.4)

115 Il problema (4.4) rappresenta la propagazione delle onde su una membrana elastica di forma rettangolare (lunghezza dei lati M e L) conlatibloccati, posizione iniziale data dalla superficie regolare f(x, y) C([,L] [,M]) e con velocità iniziale nulla. Vista la regolarità del dominio, è possibile applicare il metodo di separazione delle variabili u(x, y, t) =X(x)Y (y)t (t). Tenuto conto delle condizioni al contorno e, in particolare, della condizione u(,y,t)=u(l, y, t) =,otteniamox() = X(L) =. Iniziamooraconil separare la variabile x e t, operandonelmodoseguente: T a T Y Y = X X =, da cui T Y a T Y = e X + X =. La seconda equazione, tenendo conto della condizione u(,y,t)=u(l, y, t) =, genera il problema spettrale classico ( X + X =, X() = X(L) =. Dalla prima equazione è ora possibile separare le variabili y e t, ponendo T a T + = Y Y = µ, dove µ è un secondo parametro spettrale. Da questa, ricordando che u(x,,t) = u(x, M, t) =,otteniamoilproblemaspettrale ( Y + µy =, el equazionediraccordo Y () = Y (M) =, T +( + µ)a T =. Dal problema di Sturm-Liouville in X segue che n n x n = e X n (x) =sin, n =,,... L L Analogamente, dal problema di Sturm-Liouville in y segue che µ n = m e Y M m (y) =sin m y, m =,,... M

116 Di conseguenza resta da risolvere l equazione n Tn,m + L + m a T M n,m =. Da essa segue che T n,m (t) =a n,m cos r! r! n at L + m n + b M n,m sin at L + m, M da cui, ricordando che u t (x, y, ) = segue che b n,m =,n, m =,,... Pertanto avendo ottenuto, a meno di fattori moltiplicativi arbitrari, X n (x) =sin n x >< Y m (y) =sin m y >: T n,m (t) =cos L, at M, q n + m, L M si ha che, a meno di un fattore moltiplicativo arbitrario, u n,m (x, y, t) = sin n x r! m y n sin cos at L M L + m, M edunque u(x, y, t) = X X n= m= c n,m sin n x L m y sin M da cui, per l ortogonalità delle autofunzioni sin n x L in [,M], sin m y M c n,m = 4 Z M LM Z L f(x, y)sin n x L r! n cos at L + m, M in [,L]edelleautofunzioni m y sin M dxdy. Come già osservato in casi simili, la tecnica è analoga se u(x, y, ) = e u t (x, y, ) = g(x, y). Inoltre, se u(x, y, ) = f(x, y) eu t (x, y, ) = g(x, y), per la linearità del problema omogeneo a parità delle altre condizioni, si risolvono separatamente i due casi con u(x, y, ) =, u t (x, y, ) = g(x, y), u(x, y, ) = f(x, y) e u t (x, y, ) =, rispettivamente, e si assume come u(x, y) la somma delle due soluzioni così ottenute.

117 5. Equazioneiperbolicaconposizioneinizialenulla u tt =3u xx +u yy +4u x +3u y, apple x, y apple, t, >< u(,y,t)=u(, y, t) =, u(x,,t)=u(x,, t) =, u(x, y, ) =, >: u t (x, y, ) = sin(xy). Si cercano soluzioni del tipo u(x, y, t) =X(x)Y (y)t (t). Sostituendo nell equazione, si trova XY T = 3X YT +XY T +4X YT +3XY T, da cui T T =3X +Y X Y +4X X +3Y Y. Potendo scrivere l ultima equazione come 3 X X +4X X = T Y T Y 3 Y Y =, si perviene al primo problema spettrale >< 3X +4X + X =, X() =, >: X( ) =. (4.49) Inoltre, poiché il rapporto T non dipende da y, introducendounsecondo T parametro spettrale, si può scrivere Y Y +3Y Y = T T + = µ, da cui si ottengono i problemi di erenziali >< Y +3Y + µy =, Y () =, >: Y ( ) =, ( T +( + µ)t =, T () =. (4.5) (4.5) Discutiamo brevemente la soluzione di ciascuno di questi tre problemi, iniziando con il problema (4.49). Si cercano soluzioni del tipo X(x) ' e x che conducono all equazione caratteristica =, la quale ha come soluzioni, = ±p

118 = 4 3.Inquestocasoabbiamodueradicirealiecoincidenti = =.LasoluzionegeneraleèX(x) =e 3 x (c 3 + c x). Poiché X() = c e X( ) =e 3 (c + c ), le costanti c e c devono soddisfare il sistema ( c =, c + c =, che ammette come unica soluzione quella banale. Nel caso < 4 3 abbiamo due radici reali e distinte, = 3 ±, = p >, per cui la soluzione generale è X(x) =e 3 x (c e x + c e x ). Poiché X() = c + c e X( ) =e 3 (c e + c e ), le costanti c e c sono da determinare mediante il sistema ( c + c =, c e + c e =, che possiede, come unica soluzione, quella banale. Sia ora > 4 3.Intalcasoabbiamolasoluzionegenerale X(x) =e 3 x (c cos x + c sin x)), = p >. Poiché X() = c e X( ) =e 3 (c cos + c sin ), le costanti c e c sono da determinare mediante il sistema ( c =, c cos + c sin =. L equazione è non banalmente soddisfatta quando sin =. Questa equazione ammette come soluzioni k = k, k =,,..., cui corrisponde k = k.lospettroperilproblema(4.49)èpertanto k = k,x k (x) =e 3 x sin kx, k =,,.... 4

119 Discutiamo ora il problema (4.5). Si cercano soluzioni del tipo Y (y) ' e y che conducono all equazione caratteristica +3 + µ =. Questa equazione ha come soluzioni, = [ 4 3 ± p 9 µ]. Occorre distinguere tre casi a seconda che sia 9 µ =,9 µ >, oppure 9 µ <. µ = 9.IntalcasolasoluzionegeneraleèY (y) =e 3 4 y (c + c y). Poiché Y () = c e Y ( ) =e 3 4 (c + c ), le costanti c e c devono soddisfare il sistema ( c =, c + c =, che ammette come unica soluzione quella banale. In maniera analoga si trova che anche il caso 9 µ >èdascartareinquantoconducealla soluzione Y (y). Sia ora 9 µ <. In tal caso abbiamo due radici complesse coniugate, = 3 ± i, = p µ 9, per cui la soluzione generale è 4 4 Y (y) =e 3 4 y (c cos y + c sin y). Poiché Y () = c e Y ( ) =e 3 4 (c cos + c sin ), le costanti c e c sono da determinare mediante il sistema ( c =, c cos + c sin =. Il sistema è non banalmente soddisfatto soltanto quando sin =. Questa equazione ammette come soluzioni k = k,. =,,... equindi µ n = 9 +n. Lo spettro per il problema (4.49) è pertanto µ n = 9 + n,y n (y) =e 3 4 y sin(ny), n=,,.... Resta da risolvere l associato problema (4.5). Esso è del tipo ( Tnk +( k + µ n )T nk =, T nk () =, k,n =,,... 5

120 Poiché k + µ n >, T nk = a nk cos(t p k + µ n )+b nk sin(t p k + µ n )edalla condizione T nk () = si ricava a nk =. Lospettroèquindi n µ n + k,t nk (t) =sin(t p o k + µ n ),n,k=,,.... Pertanto u kn (x, y, t) =(e 3 x sin kx)(e 3 4 y sin ny) sin(t p k + µ n )elasoluzione del problema iniziale è X u(x, y, t) = c kn e ( 3 x+ 3 4 y) sin kx sin ny sin(t p k + µ n ). k,n= Imponendo la condizione u t (x, y, ) = sin xy si trova X p k + µ n c kn e ( 3 x+ 3 4 y) sin kx sin ny =sinxy. k,n= Sfruttando l ortogonalità delle X k (x) in[, ]rispettoalpesoe 4 3 x,siottienela relazione X p Z Z k + µ n c kn sin kx dx e 3 4 y sin ny = e 3 x sin kx sin(xy) dx. n= Infine imponendo l ortogonalità delle Y n (y) rispettoalpesoe 3 y,ugualmente in [, ], si trova p Z sin kx dx sin ny dy k + µ n c kn Z = Z e 3 4 x sin ny Z e 3 x sin kx sin(xy) dxdy. Dall ultima equazione ricaviamo quindi la relazione p Z Z k + µ n c kn = e 3 4 x sin ny e 3 x sin kx sin(xy) dxdy 4 per k, n =,,...,laqualeidentifica,perognicoppia(k, n), il valore del coe ciente c kn. Osservazione. Comeabbiamovistonegliesempiprecedenti,l applicazione del metodo di separazione delle variabili è notevolmente semplificata nel caso in cui in tutte le condizioni al bordo e iniziali, tranne una, siano funzioni identicamente nulle. Questa tuttavia, almeno per le equazioni di erenziali omogenee, non rappresenta una oggettiva di coltà in quanto il problema iniziale può sempre essere ricondotto alla risoluzione di uno o più problemi che presentano le caratteristiche desiderate. L a ermazione è una diretta conseguenza della seguente proprietà di linearità, immediatamente verificabile. 6

121 Proposizione 4. Se u (x, y) e u (x, y) sono soluzioni di una PDE lineare, lo è anche una qualunque loro combinazione lineare. Per semplicità, limitiamoci a considerare l equazione u tt = A(x, t)u xx + B(x, t)u x + C(x, t)u t + D(x, t)u. Dobbiamo verificare che se u (x, t)eu (x, t) sono soluzioni, lo è anche u(x, t) = c u (x, t)+c u (x, t), qualunque siano le costanti c e c. Per la verifica, basta osservare che c (u ) tt + c (u ) tt = A(x, t)[c (u ) xx + c (u ) xx ]+B(x, t)[c (u ) x + c (u ) x ] in quanto, per ipotesi, + C(x, t)[c (u ) t + c (u ) t ]+D(x, t)[c u + c u ] c (u ) tt = c [A(x, t)(u ) xx + B(x, t)(u ) x + C(x, t)(u ) t + D(x, t)u ], c (u ) tt = c [A(x, t)(u ) xx + B(x, t)(u ) x + C(x, t)(u ) t + D(x, t)u ]. Supponiamo ora di dover risolvere una PDE a coe cienti costanti del tipo: >< u tt = Au xx + Bu x + Cu t + Du, con a apple x apple b e t, u(a, t) =f (t), u(b, t) =f (t), >: u(x, ) = g (x), u t (x, ) = g (x). Supponiamo inoltre di saper risolvere la stessa equazione di erenziale in ciascuna delle seguenti situazioni () f (t) 6=,f (t), g (x), g (x) ; () f (t), f (t) 6=,g (x), g (x) ; (3) f (t), f (t), g (x) 6=,g (x) ; (4) f (t), f (t), g (x), g (x) 6=. Indichiamo con u i (x, t), i =,, 3, 4 rispettivamente le soluzioni dell equazione di erenziale con assegnate le condizioni (), (), (3) e (4). Èalloraimmediato verificare che u(x, t) =u (x, t)+u (x, t)+u 3 (x, t)+u 4 (x, t). Atalescopobastaosservareche: (a) in conseguenza della linearità dell equazione di erenziale, u(x, t) è una soluzione; (b) u(x, t) soddisfasialecondizionialbordosiaquelleiniziali,datoche su ciascuna di esse tre soluzioni sono nulle e la quarta assume i valori desiderati. 7

122 4.3 Esercizi proposti (a) Risolvere con il metodo degli integrali generali i seguenti problemi di erenziali: >< u tt = c u xx, con apple x apple e t, u(,t)+u(, t) =, >: u(x, ) = sin x, u t (x, ) = cos x. >< u xy = x + y cos x, u(x, t) =3x +, >: u(,y)=. >< u tt =3u xx +3u xt, u(x, ) = x, >: u t (x, ) =. (b) Risolvere mediante separazione delle variabili i seguenti problemi di erenziali: >< u tt =u xx +3u x +4u t +5u, con apple x apple et, u(x, ) = + x >: t(x, ) =, u(,t)=, u(,t)=. u t =4u xx +6u x u, >< u x (,t)+u(,t)=, u(,t)=, >: u(x, ) = sin x. >< u xx +u yy + u x +u y =, u(x, ) = u(x, ) =, >: u(,y)=y, u(,y)=sin y. >< u tt =3u xx +u, con apple x apple et, u(,t)=, u(,t)=3, >: u(x, ) = x sin x, u t (x, ) =. >< u t =3u xx u x +4u, con apple x apple e t, u x (,t) u(,t)=, u(, t) =, >: u(x, ) = x( x).

123 >< u tt =3u xx +5u x 4u t +sinx, con apple x apple 5et, u(,t)=, u(5,t)=3, >: u(x, ) = cos x, u 5 t(x, ) = x u u, apple x apple 3, u(,t)=u(3,t)=, >: u(x, ) = sin x sin 4 x. u t = c u xx +u x, con apple x apple, t, >< u(,t)=, u(,t)+4u x (,t)=, >: u(x, t) u u a, apple x apple L, t, a u(,t)=u(l, t) =, u(x, ) =, >: u t (x, ) = g(x). Suggerimenti per ulteriori approfondimenti: Gli argomenti trattati in questo capitolo si ritrovano nella generalità dei libri (Advanced Engineering Mathematics) utilizzati nelle università statunitensi. Si veda in particolare l ottimo libro di O Neil [9], oppure, in italiano, il libro di Spiegel [7]. 9

124

125 Capitolo 5 ALGEBRA LINEARE ESSENZIALE L algebra lineare e la teoria delle matrici forniscono attualmente le metodologie e gli strumenti di calcolo più importanti in molti settori della Matematica Applicata. L a ermazione è vera, oltre che per problemi tipici dell algebra lineare quali: la risoluzione dei sistemi lineari e il calcolo di autovalori e autovettori nella risoluzione delle equazioni di erenziali, per la teoria dell approssimazione, per il controllo ottimale e per la risoluzione dei sistemi nonlineari [9,, 3, 4, 7]. 5. Proprietà di base Iniziamo questa sezione con qualche richiamo sulle notazioni. Con R n indichiamo lo spazio reale n-dimensionale dei vettori colonna x con componenti x,x,...,x n econc n il corrispondente spazio complesso. Assegnato x R n,conx T intendiamo il trasposto di x, ossiailvettore riga (x,x,...,x n ), mentre, per x C n,conx =(x,x,...,x n)intendiamo il suo aggiunto, ossia il suo trasposto coniugato. Ricordiamo che n vettori x, x,...,x n di R n sono linearmente indipendenti se la relazione x + x n x n = vale unicamente per = =...= n =. Ognin-pla di vettori linearmente indipendenti di R n rappresenta una base di R n.diconseguenzaa ermarecheglinvettori x, x,...,x n di R n sono linearmente indipendenti equivale ad a ermare che ogni vettore b R n si può esprimere univocamente come loro combinazione lineare. L insieme delle matrici reali A da R m a R n (A : R m! R n ), per evidenziare che rappresentano operatori lineari da R m a R n,vieneindicatoconl(r m, R n ); più semplicemente L(R n )nelcasom = n. Analogamente con L(C m, C n ), viene indicato lo spazio delle matrici complesse da C m a C n ; semplicemente L(C n )

126 nel caso m = n. GlielementidiA L(R m, R n ), come anche di A L(C m, C n ), vengono indicati con a ij, i =,,...,n, j =,,...,m. Nel caso reale, con A T indichiamo la trasposta di A e, nel caso complesso, con A = A T = (A T )latraspostaconiugata. Per ogni matrice quadrata, det A indica il determinante di A eperogni matrice A non singolare A indica la sua inversa. Per rango di una matrice Rang(A) indichiamo il numero massimale delle sue colonne (o righe) linearmente indipendenti. 5.. Relativamente all invertibilità di una matrice è fondamentale aver presente l equivalenza delle seguenti a ermazioni: (a) det A 6= ; (b) A è n o n s i n g o l a r e ; (c) il sistema lineare omogeneo Ax = possiede l unica soluzione x = ; (d) qualunque sia il vettore b, ilsistemalineareax = b possiede una sola soluzione; (e) le colonne (e le righe) di A sono linearmente indipendenti; (f) il rango della matrice A è n. Se A L(C n ), un numero (reale o complesso) definiti autovalore e autovettore di A se eunvettorex 6= vengono Ax = x. Per le equivalenze richiamate al punto 5., indicata (come usuale) con I la matrice identità, questo avviene se e solo se P A ( )=det( I A) =, ossia se e solo se soddisfa l equazione caratteristica di A. P A ( )rappresenta il polinomio caratteristico di A. Essendo P A ( )unpolinomiodigradon, A ha esattamente n autovalori non necessariamente distinti che, tenuto conto delle loro molteplicità, sono esattamente gli zeri (con relative molteplicità) di P A ( ). Di conseguenza, essendo P A ( )monico, P A ( )= ny Y n ( i) con deta =( ) n P A () = ( ) n i= i= i.

127 Ivettorirelativiagliautovalorisonogliautovettorielacoppia(, x) indica una coppia autovalore-autovettore. Dalla definizione di polinomio caratteristico, essendo det(a) =det(a T ), segue immediatamente che gli autovalori di A e A T sono uguali. Per convincersene basta osservare che P A T ( )=det( I A T )=det[( I A) T ] = det( I A) =P A ( ), da cui discende che i due polinomi hanno gli stessi zeri con le stesse molteplicità. Per spettro di A si intende l insieme degli autovalori,,..., n di A, mentre con (A) = max i=,...,n i intendiamo il raggio spettrale di A, ossiailraggiodelminimocerchio(con centro nell origine) contenente lo spettro di A. Calcolare lo spettro di una matrice è, in generale, di cile. Non lo è tuttavia in casi particolari. Se, per esempio, A è triangolare (superiore o inferiore), a a a a n a a. A =..... a a n...., A = , C B... C... A a n a n a nn a nn non è necessario nessun calcolo, in quanto gli autovalori coincidono con gli elementi diagonali di A. Ovviamente questo vale anche se A è u n a m a t r i c e diagonale (A =diag(,,..., n )). Essendo gli autovalori di una matrice gli zeri dell associato polinomio caratteristico, la loro distribuzione nel piano complesso è del tutto arbitraria. Esistono tuttavia delle importanti situazioni nelle quali gli autovalori sono distribuiti in zone meglio precisate del piano. Valgono infatti le seguenti particolarità: () Se A è r e a l e e s i m m e t r i c a ( A = A T ), gli autovalori sono reali; () Se A è complessa e Hermitiana (A = A), gli autovalori sono reali; (3) Se A è u n a m a t r i c e r e a l e s e m i - d e fi n i t a p o s i t i v a ( x T Ax, per ogni x R n ), gli autovalori sono reali non negativi; (4) Se A è r e a l e e d e fi n i t a p o s i t i v a, ( x T Ax >, per ogni 6= x R n ), gli autovalori sono tutti positivi. 3

128 Due matrici A e B di L(R n )(odil(c n )) sono simili se esiste una matrice non singolare P L(R n )(oinl(c n )) tale che B = P AP. Questa definizione appare del tutto naturale se si osserva che le due matrici condividono la stessa trasformazione lineare in due diversi sistemi di riferimento. Supponiamo infatti che in un dato sistema di riferimento y = Ax. Un cambiamento di variabili comporta trasformazioni del tipo Di conseguenza, y = P ŷ e y = P ˆx, con P non singolare. dalla quale (essendo P non singolare) P ŷ = AP ˆx, ŷ = P AP ˆx = Bˆx, B = P AP, ossia la trasformazione è la stessa, anche se riferita ad assi diversi. 5.. Duematricisimilihannoglistessiautovalori. Per la dimostrazione basta osservare det( I P AP )=det P ( P AP ) =det P ( I A)P =det(p )det( I A)det(P ) In molte applicazioni non è necessario calcolare gli autovalori; è sufficiente darne una buona localizzazione. A questo serve, in particolare, il seguente Teorema 5. (di Gershgorin) Gli autovalori di una matrice n-dimensionale A (reale o complesso) sono tutti contenuti nell unione dei cerchi a ii apple nx a ij, i =,,...,n. (5.) j= j6=i Dimostrazione. Sia un autovalore e x 6= il corrispondente autovettore. Indicata con x i la componente di massimo modulo di x ( x i =max j=,...,n x j ), è e v i d e n t e c h e x i 6=, dato che x 6=. Diconseguenza,considerandolai-esima 4

129 riga di Ax = che x ericordandoche x j apple x i, j =,...,n,possiamoa ermare a ii x i = a ii x i x i = apple nx a ij x j j= j6=i nx a ij C A x i j= j6=i apple nx a ij x j j= j6=i dalla quale segue la (5.). Poiché, come osservato precedentemente, A e A T hanno gli stessi autovalori, il teorema di localizzazione di Gershgorin può riferirsi alle colonne di A, oltre che alle righe. In altre parole il teorema è ugualmente valido nei cerchi a ii apple nx a ij, j =,,...,n. i= i6=j La prima e praticamente più importante conseguenza del teorema riguarda le matrici diagonalmente dominanti. Una matrice A è definita diagonalmente dominante in senso stretto se, per ogni i =,,...,n, vale la disuguaglianza a ii > nx a ij. j= j6=i Dal Teorema 5. segue immediatamente che ogni matrice diagonalmente dominante in senso stretto è non singolare. Per rendersene conto basta osservare che nessuno dei cerchi (5.) contiene il valore = e dunque = non è un autovalore, il che equivale ad a ermare che A è n o n s i n g o l a r e. S e i n f a t t i A fosse singolare,indicato con r<nil rango della matrice, l equazione Ax = x, =, avrebbe n r soluzioni non nulle. Una matrice A si dice diagonalmente dominante in senso debole se a ii nx a ij, i =,...,n, j= j6=i 5

130 con il maggiore stretto valido almeno una volta. La matrice A = B 3 A, ad esempio, è diagonalmente dominante in senso debole, ma non in senso stretto Matrici ortogonali. Una matrice A L(R n )èortogonalese Esempio 5. La matrice A = p 6 AA T = I. Di conseguenza: (a) A = A T = p 6 A T A = AA T = I () A T = A.! p p p p 3 p 3! ; p p 3 p p p 3 è o r t o g o n a l e, i n q u a n t o A T A = (b) Se A è o r t o g o n a l e, l a s o l u z i o n e d e l s i s t e m a Ax = b è x = A T b. Se, ad es., A è l a m a t r i c e p r e c e d e n t e e b T =(,, ) e x T = p 6 ( p p, 3, ). In L(C n )proprietàanaloghevalgonoperlematriciunitarie,ossiaperlematrici per le quali A A = AA = I, A = (A T )=(A) T, nel qual caso A = A e Ax = b =) x = A b Autovalori di una matrice ortogonale. Tutti gli autovalori di una matrice Hermitiana [A = A ]hannomodulo,conseguentamentesono tutti localizzati nella circonferenza con centro l origine e raggio. Dimostrazione. Ax = x e x 6= =) x Ax = x x =) x x = x Ax. D altronde, x A = x =) x A x = x x = x Ax =) =. Questoimplicacheanchegliautovaloridiunamatriceortogonale (A T = A )sono = ±. Altre utili proprietà: (a) gli autovalori di una matrice simmetrica A T = A sono reali; (b) gli autovalori di una matrice antisimmetrica (A T = puri; A)sonoimmaginari 6

131 (c) in una matrice simmetrica gli autovettori corrispondenti ad autovalori distinti sono ortogonali; (d) se A L(R n )èortogonale,lesuecolonnerappresentanounabase ortonormale di R n. In tal caso è immediato calcolare le proiezioni sui vettori di base. Infatti, indicato con x un generico vettore di R n econa, a,...,a n le colonne di una matrice ortogonale A, dallarelazione x = a + a n a n segue, come immediata conseguenza della ortogonalità dei vettori {a i } n i=, che x T a i =(x, a i )= i, i =,,...,n. Questo significa che l i-esimo coe x su a i. ciente i di x è l a p r o i e z i o n e o r t o g o n a l e d i 5.6. Ortonormalizzazione di una base. Anche se teoricamente le basi di R n sono equivalenti, dal punto di vista computazionale è di gran lungo preferibile disporre di una base ortonormale. Tale obiettivo può essere raggiunto ortonormalizzando la base iniziale con il metodo di Gram-Schmidt. Assegnata una base {a, a,...,a n } di R n il metodo di ortonormalizzazione di Gram- Schmidt genera una base ortonormale {q, q,...,q n },procedendonelmodo seguente: q = a ka k, (5.) ˆq = a r q, r = q T a =) q T q =, q = ˆq e, in generale, kˆq k j X >< ˆq j = a j r ij q i, r ij = q T i q j >: q j = (5.3) ˆq i= j, j =, 3,...,n, kˆq j k dove il simbolo k kindica la norma Euclidea. Questo algoritmo può essere considerato il prototipo dei metodi QR, ossia dei metodi di fattorizzazione di una matrice A nel prodotto di una ortogonale Q per una triangolare superiore R. 7

132 Dimostrazione. PostoA = a a... a n,vogliamorealizzarelafattorizzazione r r r n A = a a... a n = q q... q n r r n.... = QR, B A... r nn dove Q T Q = I. Dalla (5.3), procedendo per colonne, otteniamo (5.4) a = r q, dalla quale, posto r = ka k, segue che q = a, r a >< = r q + r q, dalla quale segue che r = q T a ; osservato quindi che r q = a r q,r = ka r q k >: econseguentementeq = a r q. r In generale, per j =, 3,...,n dove q, q,...,q j esse segue che jx a j = r ij q i, i= sono vettori noti, normalizzati e tra loro ortogonali. Da j X r ij = q T i a j, i =,...,j, con r jj q j = a j i= r ij q j. P Da quest ultima, la normalizzazione di q j richiede che r jj = ka j j i= r ijq j k econseguentemente q j = a P j j i= r ijq j. r jj Di questo metodo esistono diverse varianti che hanno come obiettivo la sua stabilità numerica [, 3, ]. Le matrici ortogonali svolgono un ruolo molto importante nel calcolo dello spettro di una matrice, come nella risoluzione dei sistemi lineari, come risulta dalle seguenti proprietà: Se A L(C n )èsimmetrica,essaèdiagonalizzabileconunamatriceortogonale. Esiste cioè una matrice ortogonale P tale che A = P DP = P T DP, essendo D =diag(,..., n ).

133 Da essa segue che, (essendo P = P T )lospettrodia è r a p p r e s e n t a t o d a g l i elementi diagonali di D ( i = i, i =,...,n) Teorema di Schur []. Se A L(C n ), esiste una matrice ortogonale P in grado di triangolarizzare A, talecioèdaottenersi A = P T TP, T triangolare. Essendo A simile a T,gliautovaloridiA sono gli elementi diagonali di T. È importante anche notare che per calcolare gli autovalori di un polinomio matriciale P m (A) =a A m + a A m a m A + a m I, è su ciente conoscere gli autovalori di A. Allo scopo basta osservare che Ax = x, x 6= ) A x = A(Ax) =A( x) = Ax = x, x 6=, ( A k x=a k (Ax)=A k ( x)= A k x=...= k x, Ax = x, x 6= ) x 6=, da cui segue che P m (A)x =(a m + a m a m + a m )x, x 6=. Di conseguenza, lo spettro di P m (A) è {a m i + a m i a m i + a m,i=,...,n}, dove,..., n sono gli autovalori di A. 5.. SeA L(R n )èunamatricesimmetrica,gliautovettorirelativiadue autovalori diversi sono ortogonali. Dimostrazione. Siano Ax = x, x 6= e Ay = y, y 6= con 6=. Come conseguenza, Ax = x =) y T Ax = y T x e x T Ay = x T y, da cui, essendo y T Ax = x T Ay e y T x = x T y,segueimmediatamenteche ( )x T y ==) x T y = y T x =, dato che 6=. Da questa proprietà segue che, se gli autovalori di A sono distinti, gli autovettori formano una base ortogonale di R n. 9

134 5. Norme vettoriali e matriciali In questa sezione introduciamo le definizioni e proprietà delle norme vettoriali e matriciali, basilari nella risoluzione numerica dei sistemi algebrici Norme vettoriali. Per norma vettoriale in R n (o in C n )siintende la funzione k ksoddisfacente le seguenti propprietà: (a) kxk, qualunque sia x con kxk =seesolosex = ; (b) k xk = kxk, perognivettorex eogniscalare ; (c) kx + yk applekxk + kyk, qualunquesianox e y. Le tre norme più frequentemente utilizzate nelle applicazioni sono le seguenti: kxk = kxk =! / nx x i, norma Euclidea (norma ); i= nx x i, norma in ` (norma ); i= kxk = max i=,...,n x i, norma in ` (norma infinito). Ciascuna di esse appartiene alla famiglia delle norme p essendo, per apple p<, kxk p =! /p nx x i p. i= La norma è c o s ì d e n o m i n a t a, i n q u a n t o l i m i t e d e l l e k k p per p!. Per cerchio unitario in k k p si intende l insieme dei vettori x R n con kxk p apple. Èfaciledimostrareche,relativamenteallanorma,e abbiamo le rappresentazioni geometriche riportate nella Fig. 5.: Osserviamo che il terzo cerchio contiene il primo, che a sua volta contiene il secondo. È facile altresì dimostrare che k k p è u n a f u n z i o n e d e c r e s c e n t e d i p, dacuisegue,in particolare, che kxk applekxk applekxk, per ogni x R n. Tutte le precedenti considerazioni sono immediatamente estendibili al campo complesso C n. 5.. Prodotto interno. PerprodottointernoinR n si intende un applicazione da R n a R n che soddisfa le seguenti proprietà:

135 Figura 5.: Nella prima riga: I cerchi unitari tipici delle norme, e, rispettativamente. Nella seconda riga: i tre cerchi unitari in una singola figura. (a) (x, x), per ogni x, con(x, x) =seesolosex = ; (b) ( x, y) = (x, y) perognicoppiadivettoriinr n eogninumeroreale ; (c) (x, y) =(y, x), qualunque siano x, y R n ; (d) (x, y + z) =(x, y)+(x, z), qualunque siano i vettori x, y e z. Le stesse proprietà valgono per vettori in C n acondizionedisostituirela(c) con la seguente: (c ) (x, y) =(y, x), qualunque siano x, y C n. Ad ogni prodotto interno si può associare una norma così definita kxk = p (x, x). (5.5) La verifica delle proprietà (a) e (b) è immediata. La verifica della (c) [o della (c )] richiede il ricorso alla seguente Disuguaglianza di Cauchy-Schwartz: (x, y) applekxkkyk, qualunque siano x, y R n. Per la sua dimostrazione basta osservare che, per le proprietà (a) e (b) del prodotto interno, il polinomio P ( ) =( x + y, x + y) = (x, x)+ (x, y)+(y, y)

136 è n o n n e g a t i v o p e r o g n i v a l o r e R. Diconseguenza,ilsuodiscriminante (P )=4 (x, y) (x, x)(y, y) apple è n o n p o s i t i v o e q u e s t o e q u i v a l e a d i r e c h e l a d i s u g u a g l i a n z a è v a l i d a. Per dimostrare la disuguaglianza triangolare basta infine osservare che (per ogni coppia x, y) kx + yk =(x + y, x + y) =(x, x)+(x, y)+(y, y) apple (x, x)+kxkkyk +(y, y) =(kxk + kyk) =) kx + yk applekxk + kyk edunquela(5.5)definisceunanorma. Implicazione della disuguaglianza triangolare. Nella disuguaglianza triangolare sulla norma segue immediatamente che, qualunque siano x, y, kxk kyk apple kx yk. (5.6) Per verificare ls (5.6), basta osservare che (per la disuguaglianza triangolare) kxk = k(x + y) yk applekx + yk + kyk =) kxk kyk applekx + yk. kyk = k(y + x) xk applekx + yk + kxk =) kyk kxk applekx + yk, dalle quali segue immediatamente la (5.6). Matrice di Gram. Ilseguenterisultatoèmoltoutilenellostabilirelanon singolarità delle matrici provenienti dalla risoluzione numerica delle equazioni di erenziali e di altri problemi applicativi. Teorema 5.3 Gli n vettori a, a,...,a n in R n sono linearmente indipendenti se e solo se la corrispondente matrice di Gram è non singolare. Dimostrazione. kc a c n a n k = G = {g ij } n i,j=, g ij =(a i, a j ), Èfacileverificareche nx i,j= c c n B C c i c j (a i, a j )= c... c n A, qualunque siano le costanti reali c,...,c n. Di conseguenza, esistono tali costanti c i non tutte nulle tali che c a c n a n = se e solo se il vettore colonna c... c n T è a u t o v e t t o r e d i G corrispondente all autovalore G, cioè gli n vettori a, a,...,a n sono linearmente dipendenti se e solo se la matrice di Gram G è s i n g o l a r e.

137 Un risultato simile vale per n vettori in C n. 5.. Norme matriciali (indotte, naturali). Ad ogni norma vettoriale k k in R n si può associare una norma matriciale, per tale motivo, definita indotta o anche naturale. Definizione. PerogniA L(R n )siha: kaxk kak =sup x6= kxk. (5.7a) Ponendo y = che kyk =,diventa x,la(5.7a),osservatochekaxk = ka(kxk)yk = kxkkayk e kxk kak =max kyk= kayk. (5.7b) La sostituzione del sup con il max discende dal fatto che la k k è una funzione continua e l insieme dei vettori y R n con kyk =èchiuso. Le norme matriciali sono caratterizzate dalla validità delle seguenti proprietà: (a) kak conkak =seesolosea = O; (b) k Ak = kak, qualunquesiailnumero R ( C); (c) ka + Bk applekak + kbk, qualunque siano le matrici A e B; (d) kabk applekakkbk, qualunquesianolematricia e B. Le prime tre seguono immediatamente dalle (5.7). Per la (d) si deve prima osservare che per la (5.7a) kaxk kxk applekak, x 6=, dato che kak (per definizione) è il più piccolo maggiorante di kaxk, kxk 6=, kxk da cui kaxk applekakkxk. Conseguentemente, per ogni x 6=, ka(bx)k apple kak kbxk apple kak kbk kxk =) =) k(ab)xk kxk kabk =sup x6= applekakkbk per ogni x 6= edunquevalela(c), dato che k(ab)xk kxk applekakkbk. 3

138 Matrice identità. Èevidenteche,indicataconI la matrice identità in L(C n ), qualunque sia la norma matriciale indotta, kik =. 5.. Relazione tra norma matriciale e raggio spettrale. Qualunque sia la k kmatriciale indotta e qualunque sia la matrice A L(C n ), Verifica. Dalladefinizione (A) applekak. (5.) Ax = x, x 6= deriva infatti che, qualunque sia l autovalore x, kaxk = kxk =) = kaxk kxk eilcorrispondenteautovettore kaxk applekak =sup x6= kxk. Anche se, in generale vale il <, incasiparticolaripuòvalorel uguale. Per A = I, vale l uguale dato che, per ogni norma, kak =e = =... = n ==) (I) =. Calcolo delle kak, kak e kak. (a) Se A L(R n ), kak = p (A T A). Per la sua dimostrazione, indicati con (, u) una coppia autovalore-autovettore di A T A,possiamoa ermareche Da essa segue che econseguentemente A T Au = u, u 6=. u T A T Au = kauk = kuk =) (A T A)= kauk kuk kaxk apple sup x6= kxk = kak, ossia (A T A) applekak. Per dimostrare che vale l uguale, posto µ = (A T A)eindicatoconv l autovettore corrispondente, osserviamo che kavk kvk = vt A T Av v T v = vt (µv) v T v = µ = (AT A). Resta così dimostrato che kak = p (A T A). 4

139 Se la matrice A è simmetrica, essendo (A T A)= (A )= (A), kak = (A). Se A è ortogonale, kak =,datochea T A = I e (I) =. Anche se esistono vari metodi per il calcolo del raggio spettrale di una matrice, il calcolo della kak è, in generale, piuttosto complicato. Per questo motivo nei metodi iterativi, in particolare, si utilizzano più frequentemente la k k elak k,moltopiùsemplicidacalcolare. (b) Se A L(R n ), kak = max i=,...,n nx a ij. j= 5.3. Iniziamo con l osservazione che, per ogni x R n con kxk = max i=,...,n x i =,siha: kaxk = max i=,...,n apple max i=,...,n nx a ij x j j= nx a ij. j= apple max i=,...,n nx a ij x j j= Per dimostrare che vale l uguale, basta trovare un vettore x con kxk =per cui vale l uguale. A tale scopo, indicata con r la riga della matrice con nx j= a rj = max i=,...,n nx a ij, j= definiamo x ponendo per j =,,...,n ( arj a x j =, se a rj rj 6=, se a rj =. La dimostrazione risulta pertanto completa, dato che kaxk = nx a rj x j = j= nx a rj. j= Calcolare la k k di una matrice è molto semplice, a di erenza di quanto avviene per il calcolo della k k. Come risulta dalla proprietà seguente, il costo computazionale della kak e kak è l o s t e s s o, p e r o g n i A L(C n ) PerogniA L(R n ), kak = max j=,...,n 5 nx a ij. i=

140 Dimostrazione. kaxk = = nx i= nx a ij x j j= nx x j j= nx i= apple nx i= nx a ij x j j= a ij apple max j=,...,n! nx a ij kxk. i= Si tratta ora di dimostrare che esiste un vettore x 6= per cui vale l uguale. A tale scopo, supponendo che il massimo della sommatoria valga per j = r, basta prendere x = e k (versore con nella k-esima posizione e zero altrove). Con tale scelta risulta infatti Ae k = a k,colonnak-esima di A, eladimostrazione è c o m p l e t a ( e s s e n d o ke k k =). La (5.) evidenzia che (A) è minore di una qualsiasi norma indotta. In realtà si può a ermare che (A) èl estremoinferioredellenormeindottein quanto, alla (5.) può essere aggiunta la seguente proprietà (di cui si tralascia la dimostrazione): prefissato ad arbitrario ">, esiste una norma kak per la quale (A) applekak < (A)+". (5.9) In una matrice simmetrica (A) = kak, dato che kak = p p (A T A) = (A) = (A), dato che A T = A e (A )= (A). Nella seguente matrice simmetrica A =, (A) = p 3e,conseguentemente kak = (A), mentre: kak =max i=,,3 kak = max j=,,3 3X a ij = j= 3X a ij = i= 3X a j =3, j= 3X a i =3. È importante osservare, per la rilevanza del risultato nella risoluzione dei sistemi lineari, che (A) puòessere<, anche se kak > ekak >. Per evidenziarlo consideriamo il seguente esempio riportato in[, pag. 55]... A = B per la quale kak =.3 ekak =.4. Il suo raggio spettrale (A) <. Per verificarlo, indicata con D la matrice diagonale D = diag(6, 6,, 6), 6 i=

141 consideriamo la matrice simile alla A..6. DAD = B A Applicando ad essa il teorema di localizzazione di Gershgorin si ha:. apple. =).7 apple apple.9.3 apple.56 =).6 apple apple.6. apple 7 3 =) apple apple apple.4 =).3 apple apple.5. Di conseguenza, (A) <, dato che < in ciascuno dei cerchi di Gershgorin. Alla stessa conclusione si può arrivare applicando il teorema di localizzazione di Gershgorin alle colonne di A. Convergenza di una successione. Una successione {x k } k= in Rn è convergente a x R n,secondounaprefissatak k,se lim kx k xk =. Analogamente, la successione {x k } k= è di Cauchy (per la norma in considerazione) k! se, prefissato ">, esiste un N(") tale che, per ogni coppia k, l > N("), kx k x l k <". Per la completezza dello spazio R n,rispettoaunasuaqualunquenorma,ogni successione di Cauchy è anche convergente. Pertanto, essendo l inverso ovvio, le due definizioni sono equivalenti. Nei processi iterativi studiare la convergenza rispetto a una norma può essere molto più complicato che rispetto a un altra norma. Per fortuna, come evidenziato nel seguente teorema, la convergenza secondo una norma (la più semplice da utilizzare) implica la convergenza con un altra norma (quella di maggior interesse). Teorema 5.4 (Equivalenza delle norme) Prefissata due qualsiasi norme k k e k k, esistono due costanti c c >, tali che c kxk applekxk apple c kxk, qualunque sia il vettore x Dimostrazione. Per rendersi conto dell equivalenza basta osservare che se una successione {x k } k= converge a x secondo la k k,essendoc indipendente dai vettori in considerazione, kx k xk apple c kx k xk =)kx k xk!. 7

142 Se, viceversa {x k } k= converge e se secondo la k k,perl indipendenzadie dei vettori in considerazione, c kx k xk applekx k xk =)kx k xk!. È questo il motivo per il quale, nei metodi iterativi, in virtù della facilità del loro calcolo, le norme più usate sono k k elak k.laconvergenzasecondo una delle due implica, in particolare, la convergenza secondo la k k. Prima di discutere della risoluzione numerica dei sistemi lineari, è bene soffermarsi sulla rappresentazione spettrale della soluzione di un sistema lineare. La sua rilevanza trascende il settore specifico, in quanto una analoga rappresentazione viene utilizzata nella risoluzione analitica dei sistemi di ODEs lineari. Iniziamo con il supporre che la matrice A L(R n )delsistemaax = b sia non singolare e simmetrica. In tal caso gli autovalori,..., n sono reali egliautovettoriu,...,u n possono essere scelti mutuamente ortonormali. Di conseguenza, si può scrivere ( Au i = i u i,i=,...,n con... n > (5.) u T i u j = ij, i, j =,,...,n. Tale proprietà, in forma matriciale, può essere così rappresentata AU = UD, U = u u... u n, D =diag(,,..., n). Da quest ultima, tenendo conto della ortonormalità delle colonne di U, segue che A = UDU T =) UDU T x = b, (5.a) econseguentemente,essendod non singolare (u, b) x = UD U T b = u u... u n D (u, b) B A, (u n, b) che, in forma scalare diventa x = nx j= (u j, b) u j. j (5.b) La (5.) fornisce la rappresentazione spettrale della soluzione. Il risultato, più che numericamente, è importante teoricamente per la proprietà da essa desumibile e per le analogie che ispira in altri settori della matematica.

143 Decomposizione a valori singolari (Singular Value Decomposition, SVD). SeA è n o n s i n g o l a r e, l e m a t r i c i A T A e AA T sono simmetriche e definite positive. Di conseguenza, indicati con { i = i,i=,...,n} gli autovalori di A T A econ{u,...,u n } irelativiautovettoriortonormali,possiamoscrivere Da essa, ponendo (per definizione) A T Au i = i u i, i =,,...,n. (5.) Au i = i v i, i =,,...,n, otteniamo i due sistemi A T v i = i u i Au i = i v i i =,,...,n. (5.3) Dalla (5.) segue immediatamente che i,..., n sono gli autovalori di AA T (oltre che di A T A), i cui autovettori relativi sono i v,...,v n. Per verificarlo basta osservare che, molteplicando la prima delle (5.3) per A AA T v i = i Au i, i =,...,n, (5.4) dalla quale, ricordando la seconda, segue che A T Av i = i v i, i =,...,n. Di conseguenza, A T A e AA T hanno gli stessi autovalori, mentre gli autovettori sono diversi. Anche ( gli autovettori v,...,v n sono ortonormali, dato che (indicato con ij =, i = j, il simbolo di Kronecker) per la seconda delle, i 6= j, (5.3) v T j v i = u T j A T Au i = j i i u T j u i = j i j ij, i, j =,...,n, edunqueancheiv,...,v n sono ortonormali. Ponendo V = v v... v n, U = u u... u n, =diag(,..., n), dalla prima delle (5.3) segue che AU = V 9

144 edaquesta,ricordandocheu = U T echev = V T, segue la SVD di A A = V U T =) A = U V T. I,..., n sono definiti i valori singolari di A eivettori{u i, v i } n i= isuoivettori singolari. Di conseguenza, la soluzione x = A b può essere rappresentata nella forma vettoriale (v, b) x = U V T b = u u... u n (v, b) B C A (v n, b) o, nella forma scalare x = nx j= (v j, b) u j. j (5.5b) La (5.5) fornisce la rappresentazione singolare della soluzione di un sistema con matrice non singolare. La (5.) implica che, ordinati i valori singolari per valori decrescenti (... n), kak = p (A T A)=, ka k = p ((A T A) )=, n da cui segue immediatamente che (relativamente alla stessa norma) cond(a) kak ka k =. n Esistono nella letteratura molti metodi per il calcolo della SVD di A e del cond(a). Algoritmi molto e cienti per il calcolo dei valori singolari e dei vettori singolari e conseguentemente anche del cond(a), rispetto alla k k,si trovano in MATLAB. 5.3 Sistemi lineari Per la sua particolare rilevanza, tutti i libri di Analisi Numerica trattano l argomento con la illustrazione di numerosi metodi diretti e iterativi []. Esistono altresì più riviste specializzate dedicate alla risoluzione numerica dei sistemi lineari e all analisi delle matrici. Si definiscono diretti imetodiche,conunnumerofinitoditrasformazioni (anche se elevato) e in assenza di errori di arrotondamento, consentono di calcolare la soluzione esatta del sistema. Tra le varie tipologie esistenti, la più 3

145 classica è quella definita di tipo LU. Si tratta di metodi che riconducono la risoluzione di un sistema non singolare Ax = b aquellodiunsistemaequivalentedeltipo LUx = c, (5.6) dove L è una matrice triangolare inferiore e U è triangolare superiore. Esse sono dunque del tipo ` u u u n ` `. L =..... u u n...., U = , C B... C... A `n `n u `nn nn con `ii 6=,i =,...,n e u ii 6=,i =,...,n. La risoluzione del sistema viene quindi ottenuta risolvendo, in seguenza, i due sistemi Ly = c e Ux = y. La motivazione (dovuta a Gauss) è che risolvere un sistema triangolare inferiore/superiore è piuttosto facile (per discesa nel primo caso e per risali nel secondo caso). Lo schema di risoluzione di Lx = c è i n f a t t i i l s e g u e n t e :! y = c, y i = Xi c i `ij y j, i =, 3,...,n, ` `ii mentre per il secondo vale lo schema x n = y n u nn, x i = u ii y i j= nx j=i+ u ij x j!, i =,,...,n. Il prototipo di tale famiglia di metodi è il metodo di eliminazione di Gauss, così definito in quanto basato su n trasformazioni sequenziali nella prima delle quali si elimina la x della seconda, terza,..., n-esima equazione, nella seconda si elimina la x dalla terza, quarta,..., n-esima e nella (n )-esima la x n. La matrice così ottenuta è triangolare superiore e la soluzione viene quindi ottenuta con un procedimento di risalita. Naturalmente la tecnica di calcolo e ettivo (come riportata in MATLAB) contiene molti accorgimenti 3

146 computazionali che hanno come obiettivo primario il contenimento della propagazione degli errori di arrotondamento. Nel metodo di eliminazione di Gauss il costo computazionale, ossia il numero delle operazioni aritmetiche necessarie per ottenere la soluzione, è dell ordine di n 3 /3. Altra importante famiglia di metodi diretti è rappresentata dei metodi QR. Si tratta di metodi nei quali la matrice A del sistema viene fattorizzata nella forma A = QR, dove Q è u n a m a t r i c e o r t o g o n a l e Q T Q = QQ T = I e R è u n a m a t r i c e t r i a n g o l a r e s u p e r i o r e c o n g l i e l e m e n t i d i a g o n a l i r ii 6=,i =,...,n,nell ipotesichea sia non singolare. In questo modo la risoluzione del sistema Ax = b viene ricondotta a quella del sistema triangolare Rx = Q T b. Considerazioni del tutto analoghe valgono nel caso di un sistema a termini complessi. La fattorizzazione QR di A è ugualmente possibile con la precisione che Q è u n i t a r i a ( Q Q = QQ = I). Numero di condizione di una matrice. L aritmetica con cui i computers eseguono i calcoli è finita, in quanto ogni numero reale viene sempre rappresentato con un numero finito di cifre decimali anche se, fortunatamente, elevato. Lo status attuale è di 6 cifre decimali. Numero elevato ma non infinito, come richiesto per la rappresentazione esatta di un numero irrazionale. Il procedimento di calcolo risulta, conseguentemente, del tipo: arrotondamento dei numeri, esecuzione delle equazioni aritmetiche, nuovo arrotondamento ecc.. La sequenza arrotondamento-operazione-arrotondamento comporta una più o meno marcata propagazione degli errori di arrotondamento, fortemente dipendente dalle caratteristiche della matrice. La stima dell attitudine di una matrice A viene misurata del suo numero di condizione cond(a), numero dipendente della norma matriciale adottata Definizione. Sia A una matrice non singolare in L(C n )ek k il simbolo di una norma indotta. Per numero di condizione di A, rispettoalla norma k k,siintendeilnumero cond(a) =kakka k. (5.7) Dalla definizione segue immediatamente che cond(a). Per rendersene conto basta osservare che, essendo I = AA,econd(I) =,qualunquesiala norma in considerazione applekakka k =cond(a). Per capire come la perturbazione dei dati influenzi la soluzione del sistema, in dipendenza del suo condizionamento, consideriamo il sistema perturbato (A + A)(x + x) =b + b. (5.) 3

147 Una stima della variazione relativa delle soluzione può essere ottenuta, in funzione delle variazioni relative sui dati mediante il seguente Teorema 5.5 Se A è non singolare e la perturbazione A non è eccessiva, nel senso che k AkkA k <, (5.9) supponendo che x e x soddisfino il sistema iniziale e quello perturbato, si ha k xk kxk apple µ µ k Ak kak k bk kbk + k Ak kak, dove µ = cond(a). (5.) Dimostrazione. Essendo ka AkapplekA kk Ak <, come conseguenza del teorema di Gershgorin sulla localizzazione degli autovalori, I + A A è non singolare e inoltre k(i + A A) kapple ka Ak apple ka kk Ak. (5.) Molteplicando la (5.) per A ericordandocheax = b, siottieneche x =(I + A A) A ( b A x). Dividendo per kxk eutilizzandoladisuguaglianza(5.)sitrovache k xk kxk apple kakka k k AkkA k k bk kbk + k Ak kak, (5.) dalla quale, posto µ = kakka k,seguela(5.9). Danotareche,perl ipotesi (5.7), aumentando il cond(a) l errorerelativo k xk cresce, sia perché kxk viene incrementato il numeratore, sia perché decresce il denominatore. Quando la perturbazione A è trascurabile rispetto a b (come spesso avviene nelle applicazioni) la (5.), più semplicemente, diventa k xk kxk apple cond(a)k bk kbk. (5.3) La (5.3) evidenzia che, sotto tale ipotesi, il cond(a) indicailmassimopossibile fattore di amplificazione della perturbazione relativa dei dati sull errore relativo della soluzione. Dall osservazione cond(a), deriva che il condizionamento ottimale di una matrice è cond(a) =. È importante osservare che esiste una importantissima classe di matrici che godono di tale proprietà. 33

148 Matrici ortogonali. Tuttelematriciunitarie,rispettoallanormaEuclidea (norma ) hanno numero di condizione uguale a. Dimostrazione. SeU è una matrice unitaria di L(C n ), per definizione U U = UU = I. Conseguentemente, per la definizione di norma Euclidea, kuk =sup x6= ku k =sup x6= kuxk kxk ku xk kxk =sup x6= =sup x6= x U Ux x x x UU x x x =. =, edunquecond(u) =. Lo stesso risultato vale per le matrici ortogonali, ossia per le matrici U L(R n ) con U T U = UU T = I, come è immediato osservare adattando la dimostrazione precedente. Qualche osservazione sul condizionamento di una matrice. () Per le matrici A, B L(C n )siha: cond(ab) apple cond(a)cond(b). La disuguaglianza segue immediatamente dalle proprietà delle norme indotte, in quanto cond(ab) =kabkk(ab) k = kabkkb A k applekakkbkkb kka k =cond(a)cond(b). () Nelle fattorizzazioni QR di una matrice (Q unitraria, R triangolare superiore) cond(a) =cond(r). Basta osservare che cond(a) apple cond(q)cond(r) =cond(r), come anche cond(r) =cond(q QR), dato che Q Q = I, percui cond(r) apple cond(q )cond(qr) =cond(a), dato che cond(q )=. Èquestoilmotivopercui,nellarisoluzionedei sistemi lineari, vengono molto utilizzati i metodi QR. Intalcaso, Ax = b () QRx = b () Rx = Q b, 34

149 sistema facile da risolvere in quanto R è triangolare superiore. Da notare che cond(r) =cond(a), proprietà importante non valida nei metodi LU, il prototipo del quale è il metodo di eliminazione di Gauss. In questo caso il sistema iniziale A () x = b () viene trasformato in uno del tipo A (n) x = b (n), dove A (n) è t r i a n g o l a r e s u p e r i o r e, con cond(a (n) )talvoltamoltosuperioreaquellodicond(a () ). Osservazione. Stimareilcondizionamentodiunamatrice,sullabasedella definizione, è generalmente impossibile, dato che non si conosce la sua inversa. Ci sono comunque classi di matrici importanti per le quali non è di cile. Se, ad esempio, la matrice A è s i m m e t r i c a e l a n o r m a i n d o t t a è q u e l l a E u c l i d e a, cond(a) = max{ i, i=,,...,n} min{ i, i=,,...,n} = n nell ipotesi che gli autovalori di A siano ordinati per autovalori in modulo decrescente (... n > ). Per la dimostrazione basta osservare che kak = (A) =, ka k = (A )= max i=,...,n i = n, dato che lo spettro di A = { i,i=,...,n}. In molte situazioni applicative, l analisi tecnica del problema fisico iniziale, o del modello matematico che lo rappresenta, fornisce una importante indicazione sul condizionamento del problema. Questo è, tipicamente, dipendente dalla stabilità della soluzione rispetto ai dati del problema (es. continuità della soluzione dai dati iniziali). Spesso, empiricamente, si ritiene di poter evitare la stima del condizionamento della matrice, nella risoluzione del sistema Ax = b, ricorrendoaduna valutazione a posteriori della approssimazione ottenuta. Più precisamente, indicata con x la soluzione numerica fornita del metodo, si ritiene x accettabile se la norma del residuo r( x) =b A x è su cientemente piccola. Il seguente esempio evidenzia che, quando il cond(a)èelevato,talecriterio non ha alcun fondamento. 35

150 Esempio 5.6 Consideriamo il sistema lineare ( x + y = x +(+ )y =, dove < <, con soluzione esatta x =( ). Sulla base del suddetto criterio empirico, i due vettori 3 x =, x = (anche se molto diversi) hanno la stessa attendibilità, dato che r(x )=r(x )=. Nel caso sia su cientemente piccolo ambedue i vettori dovrebbero essere considerati accettabili, nonostante siano ambedue molto distanti da x. Questo dipende dal fatto che A = + e A = Per cui essendo, relativamente alla norma k k, cond(a) = ( + ), +. il condizionamento di A cresce tra e al decrescere di tra e. Questo tipo di errore di valutazione non si presenta se è abbastanza grande. Infatti se non è piccolo, lo stesso criterio porta ad escludere sia x sia x,datoche kr(x )k = kr(x )k =. Altro errore frequente consiste nel considerare sperimentalmente provato che il det(a) èunbuonstimatoredelcond(a). Questa ipotesi, pur avendo una certa attendibilità sperimentale, non è sempre valida, come dimostra il seguente semplicissimo esempio: 6 A = 6 =) det(a) = e cond(a) =. Come l esempio precedente dimostra (per molto piccolo) una matrice può avere determinante piccolo ed essere mal condizionata. L esempio seguente [, 36

151 pag. ] dimostra che il determinante può essere molto piccolo e la matrice ben condizionata A =..... B A In questo caso det(a) =econd(a) =n n relativamente alla k k. Come risulterà chiaro nella risoluzione dei sistemi lineari con metodi iterativi, altra definizione fondamentale sulle matrici è quella di matrice convergente. Definizione. Una matrice A è definita convergente se, indicata con O la matrice nulla (matrice con elementi tutti nulli), lim n! An = O. Il seguente teorema dimostra che essa può essere espressa anche in altre forme, spesso più utili. Teorema 5.7 Le seguenti a ermazioni sono infatti equivalenti: (a) A è convergente; (b) lim n! ka n k =, per una qualche norma matriciale; (c) (A) <. Dimostrazione. (a) =) (b) datoche,perlacontinuitàdellenorme,a n! O =) ka n k!. (b) =) (a). Infatti se esiste una norma k kper la quale ka n k!, per l equivalenza delle norme, esiste una costante positiva c con ka n k apple cka n k la quale implica che ka n k! edunquea n!. (b) =) (c). Per l equivalenza delle norme, basta limitarsi a considerare le norme indotte. Ricordando allora che se è u n a u t o v a l o r e d i A, n lo è di A n echeilraggiospettralediunamatriceèapple di una sua qualsiasi norma, ka n k (A n )= (A) n epertanto (A) n!, ossia (A) <. (c) =) (b). nfatti, per la (5.), esiste una norma indotta per la quale (essendo (A) < ), kak apple (A)+"< 37

152 equestoimplicacheka n k!, dato che ka n kapplekak n e kak <. L equivalenza (a) =) (c) èautomaticamenteverificata,essendogiàstato dimostrato che (a) =) (b) =) (c). Strettamente connessa con la definizione di matrice convergente è la convergenza delle serie geometriche che intervengono frequentemente nei metodi iterativi. Teorema 5. La serie geometrica I + A + A A n +... è convergente se e solo se A è convergente. In tal caso la matrice I A è non singolare e (I A) = I + A + A A n +... (5.4) Dimostrazione. La necessità della convergenza della matrice per la convergenza della serie è immediata. La su cienza deriva dal fatto che, se A è c o n v e r g e n t e, e s i s t e u n a n o r m a p e r l a q u a l e kak < econseguentemente (qualunque sia n) ks n k = ki + A + A A n kapple+kak kak n = kakn+ kak n!! kak. Essendo A convergente per ipotesi, (A) < e quindi I A è n o n s i n g o l a r e, dato che ad ogni autovalore di A corrisponde l autovalore di I A e, ovviamente, > >. Inoltre, osservato che (qualunque sia n) la convergenza della A implica che (I A)(I + A A n )=I A n+, lim (I A)(I + A n! An )=I equestocompletaladimostrazione. 3

153 Corollario 5.9 Se esiste una norma indotta per la quale kak <, I non singolare e inoltre +kak applek(i A) kapple A è kak. (5.5) Dimostrazione. kak < =) (A) <, per cui I A è n o n s i n g o l a r e. Poiché per ogni norma indotta kik =,dallaidentità segue che I =(I A)(I A) appleki Akk(I A) kapple( + kak)k(i A) k e questo dimostra la prima disuguaglianza. Inoltre, dalla identità segue che dalla quale, essendo kak <, (I A) = I + A(I A) k(i A) kapple+kakk(i A) k k(i A) kapple kak la cui validità completa la dimostrazione. Naturalmente, essendo k Ak = kak, perognimatricea con kak <, risulta anche +kak applek(i + A) kapple kak. Osservazione. La (5.5) viene spesso utilizzata per stimare la norma dell inversa di matrici tridiagonali che intervengono nella risoluzione numerica dei problemi agli estremi per ODEs lineari del secondo ordine. La sua valutazione permette quindi la stima, rispetto alla norma, delsuonumerodi condizione. Sia, ad esempio, A = C... 6 A

154 Indicata con D la matrice diagonale con (D ) ii = d ii = a ii,siconsiderala decomposizione D A = I + A esiosservacheka k = 3,datoche Di conseguenza per la (5.5) A = C... A k(d A) k = k(i + A ) k apple ed infine, dato che A =(I + A ) D, 3 ka k = 3 ka k applek(i + A ) k kd k apple 3 6 = 4. La matrice è pertanto ben condizionata in quanto, utilizzando la norma, cond(a) apple = 3. 4 Tale procedimento è utilizzabile per calcolare, con semplici adattamenti formali, la norma dell inversa di una qualsiasi matrice diagonalmente dominante, ossia di una matrice A per la quale a ii > nx a ij, i =,,...,n. j= j6=i Procedimento che, ovviamente, consenta anche il calcolo del cond(a) relativamente alla norma. 5.4 Metodi iterativi L idea alla base dei metodi iterativi è la seguente: indicato con Ax = b (5.6) 4

155 il sistema non singolare da risolvere, si decompone la matrice A nella forma A = N P, con l unica limitazione che N sia non singolare. Il sistema (5.6) diventa pertanto x = N P x + N b. (5.7) Indicato allora con x () un vettore iniziale, si costruisce la successione {x (k) } k= generata dalla relazione di ricorrenza x (k) = N P x (k ) + N b. (5.) Sostituendo P = N A nella (5.), si ottiene la relazione di ricorrenza, spesso più rapidamente convergente, x (k) = x (k ) N Ax (k ) + N b =(I N A)x (k ) + N b. (5.9) Teorema 5. Posto M = N P, la successione {x (k) } k= converge alla soluzione esatta, secondo una qualsiasi norma, se e solo se la matrice M ha raggio spettrale inferiore ad uno. Dimostrazione. Sia e (k) = x (k) x, k =,,,..., la successione dei vettori errore generata dal metodo iterativo. Indicato con e () il vettore errore iniziale, dalle relazioni (5.7)-(5.) deriva che e (k) = Me (k ) = M e (k ) =...= M k e (), k =,,... (5.3) Dalla (5.3) segue facilmente che ke (k) k!, qualunque sia x () se e solo se (M) <, essendo (M) ilraggiospettraledim. La dimostrazione è conseguenza delle seguenti tre proprietà basilari: () In C n (oppure R n )tuttelenormesonoequivalenti,nelsensochese una successione {x (k) } k= converge a zero secondo una norma, converge azerosecondaunaqualsiasialtranorma. Inaltreparole,qualunque siano le norme k k e k k, kx (k) k! =)kx (k) k! eviceversa kx (k) k! =)kx (k) k!. () Il raggio spettrale (A) di una qualsiasi matrice A è l estremo inferiore delle norme indotte, ossia, qualunque sia la norma indotta k k, (A) applekak e inoltre, qualunque sia ">, esiste una norma con kak < (A) +". 4

156 (3) Per ogni norma matriciale indotta e qualunque siano x C n (R n )e A L(C n )(L(R n )) kaxk applekakkxk. Per la conclusione osserviamo che, se (M) <, per la () esiste una norma indotta k kcon kmk < epertanto ke (k) kapplekmkke (k ) kapple...applekmk k ke () k, da cui ke (k) k!, qualunque sia ke () k,datochekmk k! perk!. Se, viceversa, ke (k) k!, qualunque sia ke () k,necessariamentekm k k! (cioè, M è convergente) e conseguentemente (M) <. Da cui deriva che, essendo (M) l estremoinferioredellenormeindottedim, esisteunanorma con kmk <. Quando un metodo iterativo è convergente, come indicatore della velocità di convergenza si considera il numero R = log (M) definito indice di convergenza. La conoscenza di R permette di stabilire il numero minimo di iterazioni necessarie per ridurre la norma di un vettore errore di un prefissato fattore. Infatti, in base alla (5.3), qualunque norma naturale si consideri, per ogni k ke (k) kapplekmk k ke () k. Pertanto, poiché (M) è l estremo inferiore delle norme, il numero minimo k di iterazioni richieste per ridurre la norma dell errore iniziale di un fattore m è così definito: (M) k apple m, ossia con R = log (M). k Metodo di Jacobi e delle iterazioni simultanee. Il metodo di Jacobi è caratterizzato dalla scelta m R, N ij = a ij ij, i, j =,...,n, dove ij è il simbolo di Kronecker. Poiché N deve essere non singolare, il metodo è applicabile solo se tutti gli elementi diagonali di A sono non nulli. In tale ipotesi la matrice di iterazione M è definita dal seguente schema: M = N P = I N A, 4

157 da cui <, per i = j, M ij = a ij :, per i 6= j. a ii Pertanto, in base alla (5.7), il relativo schema iterativo è definitivo dalla seguente relazione di ricorrenza: x (k) i = nx B a b (k ) i a ij x C j A, i =,...,n, k =,,... (5.3) j= j6=i Teorema 5. Condizione su ciente perché il metodo di Jacobi sia convergente è che la matrice A sia diagonalmente dominante in senso stretto. Dimostrazione. La suddetta ipotesi esprime il fatto che nx a ij kmk = max <. i=,...,n a ii j= j6=i Poiché (M) apple kmk, anche (M) <, e di conseguenza il metodo è convergente, qualunque sia il vettore iniziale x (). Dal momento che (M) applekmk,lastessaconclusionevalesekmk <, cioè se la matrice A è strettamente diagonalmente dominante per colonne. Per la semplicità con cui kmk e kmk possono essere calcolate, oltre che per dimostrare la convergenza del metodo, kmk e kmk vengono spesso usate per stimare l indice di convergenza del metodo. A tale scopo ci si serve della seguente disuguaglianza: R =log (M) min log, kmk kmk. Nel metodo di Jacobi il numero di molteplicazioni/divisioni per iterazione è d e l l o r d i n e d i n epertanto,seilmetodoconverge,perridurrediunfattore di m la norma del vettore errore iniziale, occorrono circa n m molteplicazioni/divisioni. Per questo motivo si considera il metodo di Jacobi R computazionalmente competitivo, rispetto ai metodi diretti, soltanto se m apple n. R 3 Esercizio 5. Risolvere con il metodo di Jacobi il seguente sistema: >< x + x + x 3 = x +x + x 3 =3 >: x +x +x 3 =4. 43

158 Il metodo è convergente perché la matrice dei coe A A cienti è diagonalmente dominante in senso stretto. Infatti gli elementi diagonali di A sono, in valore assoluta, maggiori della somma dei valori assoluti degli elementi non diagonali lungo le tre righe. La soluzione esatta del sistema è x = x = x 3 =. Siax () =(.,, ) T il vettore iniziale. Iterando si ottiene: >< x () = ( ) =. >< x () = (.6.6) =.97 x () (3.4 ) =.6 x () (3.4.6) =.97 >: x () >: 3 = (4.4 ) =, 6, x () 3 = (4.4.) =.94, >< x (3) = (.97.94) =. x (3) = ( ) =.96 >: x (3) 3 = ( ) =.. Iterando ancora ed arrontondando alla quarta cifra si ottiene: = = x (4) =.99, x (4) =.9974, x (4) 3 =.9965, x (5) =.6, x (5) =., x (5) 3 =.9, x (6) =.999, x (6) =.999, x (6) 3 =.9997, x (7) =., x (7) =., x (7) 3 =.. Da cui, osservato che la successione esatta del sistema è x = x = x 3 =, segue che in norma infinito, glierrorirelativiaisuddettivettoridiiterazione sono: ke () k =, ke () k =., ke () k =.5, ke (3) k =., ke (4) k =.35, ke (5) k =.9, ke (6) k =.3, ke (7) k =. Metodo di Gauss-Seidel e delle iterazioni successive. Il metodo di Gauss-Seidel può essere interpretato come una modifica di quello di Jacobi. Infatti è da esso ottenibile con la sola variante che ogni componente di x (k) già calcolata, viene utilizzata nella stessa iterazione per calcolare le componenti successive. Invece nel metodo di Jacobi le componenti di x (k) calcolate al passo k vengono utilizzate soltanto nella (k+)-esima iterazione. Pertanto lo schema iterativo di Gauss-Seidel è così definito: x (k) i = a ii b i Xi j= a ij x (k) j 44 nx j=i+ (k ) a ij x j!, (5.3)

159 dove, per ogni k =,,..., i =,,...,n.sipuòdimostrarecheladecomposizione di A che genera lo schema (5.3) è la seguente: a... a a N = C. A, P = N A. a n a nn Poiché det(n) = Q n i= a ii, taledecomposizioneèutilizzabilesoltantosetutti gli elementi diagonali di A sono non nulli, come avviene nel metodo di Jacobi. Dalla (5.3) si ricava immediatamente la seguente rappresentazione del k-esimo vettore errore e (k) i = Xi j= a ij e (k) j a ii nx j=i+ a ij (k ) e j, (5.33) a ii con i =,,...,n. Le (5.3) e (5.33) per i =ei = n devono essere così interpretate:! >< x (k) =! nx (k ) b a ij x j a >< x (k) n = Xn b n a nj x (k) j a nn j= j= nx >: e (k) a ij Xn (k ) = e j, a >: e (k) a nj n = e (k) j. a nn j= Teorema 5.3 Qualunque sia il vettore iniziale x (), se la matrice A è strettamente diagonalmente dominante, cioè se nx r =max r a ij i <, r i = appleiapplen a ii risulta e pertanto il metodo è convergente. j= j6=i ke (k) k apple r k ke () k, k =,,...,n, (5.34) Dimostrazione. La validità della (5.34) può essere accertata per induzione relativamente alle componenti di e (k). Nella suddetta ipotesi, per la prima componente di e (k) si ha che nx e (k) a j nx (k ) apple e j appleke (k ) a j k a a j= = ke (k ) k r apple rke (k ) k. j= j= 45

160 Supponendo ora che e (k) h applerke(k ) k, h =,...,i, si deve dimostrare che e (k) i applerke (k ) k. Dalla (5.33), in conseguenza della suddetta ipotesi, si ha che e (k) i apple Xi i j= a ij a ii e (k) j + ( Xi i appleke (k ) k appleke (k ) k nx j= j6=i j= nx j=i+ a ij r a ij a ii + a ii e La (5.34) rimane dunque dimostrata, essendo nx j=i+ (k ) j a ij a ii ) a ij a ii = r i ke (k ) k <rke (k ) k. ke (k) k <rke (k ) k <...<r k ke () k. Pertanto, quando la matrice del sistema è diagonalmente dominante in senso stretto, risultanto convergenti sia il metodo di Jacobi che quello di Gauss- Seidel (si veda Es. (5.)). Esistono tuttavia degli esempi, con matrici non diagonalmenti dominanti, per i quali si ha convergenza con il metodo di Jacobi e non quello di Gauss-Seidel e viceversa. Quando entrambi i metodi convergono, pur non essendovi alcuna dimostrazione in questo senso, si ritiene generalmente più velocemente convergente il metodo di Gauss-Seidel. L ipotesi della dominanza diagonale in senso stretto può essere indebolita acondizionechelamatricesiairriducibile. Perintrodurretaledefinizione permettiamo le definizioni di matrice di permutazione e di matrice riducibile. Una matrice P è d e t t a d i permutazione se le sue righe o le sue colonne sono semplice permutazioni della matrice identità. Esempio 5.4 P A, P A. Nel primo caso P è ottenuta scambiando la seconda riga della matrice identità con la prima e nel secondo caso scambiando la prima con la terza. Èevidente che P non è singolare e che P = I e P = P. Una matrice A è d e t t a riducibile se esiste una matrice di permutazione P tale che P AP risulti triangolare superiore o triangolare inferiore a blocchi. 46

161 Questo significa che permutando opportunamente le righe e le colonne di A si può pervenire ad una delle due seguenti forme: P AP = Â Â O Â, oppure P AP = Â O Â Â dove le matrici diagonali sono quadrate e O indica una matrice (non necessariamente quadrata) di elementi tutti nulli. Una matrice non riducibile, ossia per la quale non esiste una matrice di permutazione che operando su righe e colonne possa ridurla ad una forma triangolare a blocchi, è detta irriducibile. La matrice A A è riducibile, perché la matrice di permutazione che scambia la seconda con la terza riga la riduce alla seguente P AP A, essendo P A. Una classe importante di matrici irriducibili è rappresentata dalle matrici tridiagonali del tipo a b A = c a b c 3 a 3 b 3 c 4 a 4 b 4 c 5 a 5 b 5 c 6 a 6 b 6 c 7 a 7 b 7 c a con b i 6=,i =,...,n ec j 6=,j =,...,n. Questo ovviamente implica la irriducibilità di ogni matrice nella quale siano nulli tutti gli elementi della prima sopra e sottodiagonale. Esistono tecniche standard per verificare in modo automatico la eventuale riducibilità di una matrice, ormai presenti nel software algebrico di qualità per la risoluzione dei sistemi lineari. Accertare questo è importante in quanto la riducibilità di una matrice permette di ricondurre la risoluzione di un sistema lineare a 47 C A,

162 quella di due sistemi lineari, ciascuno di dimensione ridotta. Per evidenziarlo, supponiamo che la matrice A del sistema Ax = b, A R n m, sia riducibile alla forma triangolare superiore mediante una matrice di permultazione P. Utilizzando P il sistema può essere trasformato nella forma equivalente Ây = c,  = P AP, y = P x, c = P b, con  e  non singolari. Ponendo c =( c c ), c R p, c R n p e y =( y y ), y R p, y R n p,il sistema Âc = c può essere espresso nella forma ( y + Ây = c  y = c, da cui, ottenuto y =  c,perrisalitasicalcolay dal primo, ottenendo y =  (c  y ). Il procedimento è del tutto analogo nel caso la matrice sia riducibile ad una forma triangolare inferiore. La sola di erenza è che si procede per discesa, ossia prima si calcola y esuccessivamentey. Le considerazioni precedenti sulla riducibilità di una matrice implicano l inutilità di dare condizioni su cienti per la convergenza dei metodi iterativi per matrici riducibili. Per tale motivo esse vengono date unicamente per matrici irriducibili. Teorema 5.5 Condizione su ciente perché il metodo di Jacobi, come anche quello di Gauss-Seidel, siano convergenti qualunque sia il vettore iniziale, è che la matrice A sia diagonalmente dominante in senso stretto oppure sia irriducibile e diagonalmente dominante in senso debole. Metodo del gradiente coniugato. Essorappresentaunapietramiliare del calcolo scientifico. Introdotto nel 95 da Hestenes e Stiefel [3] viene utilizzato per risolvere sistemi lineari con matrici definite positive. Il metodo risulta tanto più e ciente quanto più gli autovalori sono ben distribuiti. Se la matrice del sistema non singolare Ax = b non è simmetrica e definita positiva, esso viene applicato al sistema equivalente A T Ax = c, c = A T b, nel quale A T A è s i m m e t r i c a ( ( A T A) T = A T A) e definita positiva in quanto x T A T Ax = kaxk > qualunquesiax. Sistemilinearideltipo A T Ax = A T b (5.35) 4

163 con A L(R m, R n )em > n, si presentano nella risoluzione del classico problema ai minimi quadrati min kax bk, (5.36) xr n dove A L(R m, R n ), x R n e b R m,essendom>n. Si può infatti dimostrare il seguente teorema. Teorema 5.6 Il vettore x R n è la sola soluzione del problema (5.36) se e solo se esso è soluzione del sistema (5.35), ossia se e solo se x soddisfa la seguente condizione di ortogonalità A T (b Ax) =. (5.37) Dimostrazione. Supponiamo che x soddisfi la condizione di ortogonalità A T r =, essendo r il residuo r = b Ax. Allora, per ogni x R n,posto` = x x, r = b Ax = r + A(x x)=r + A`. Di conseguenza, essendo A T r =, r T r =(r + A`) T (r + A`) =(r ) T r + ka`k che è minima se x = x. Supponendo ora che A T r = y 6=, prendiamo x = x + y, con parametro reale, cui corrisponde il residuo r = r Ay, con r T r =(r ) T r y T y + (Ay) T Ay < (r ) T r per su cientemente piccolo. Di conseguenza, x è s o l u z i o n e d e l p r o b l e m a ai minimi quadrati se e solo se A T r =. Esso è il più importante tra i metodi i cui iterati forniscono approssimanti della soluzione in sottospazi di Krylov di dimensione crescente. Famiglia di metodi noti come metodi di proiezione nei sottospazi di Krylov. Sia Ax = b, cona L(R m ), il sistema non singolare da risolvere la cui soluzione esatta è x = A b. Per sottospazio di Krylov generato da b eda A, didimensionen apple m, siintendeilsottospaziodir m K n = hb,ab,...,a n bi, (5.3) 49

164 ossia il sottospazio n-dimensionale di R m avente come base b,ab,...,a n b. Poiché K K... K m = R m,l ideabasedeimetodidiproiezionenei sottospazi di Krylov è approssimare ricorsivamente la soluzione in sottospazi di dimensione crescente. Èevidenteche,perlaproprietàdiinclusionedeisottospazi, la distanza in norma delle approssimanti da x decresce all aumentare di n erisulterà tecnicamente esattaink m. Essendo studiati per risolvere sistemi di grandi dimensioni, la risoluzione in K m è p r a t i c a m e n t e e s c l u s a, c i s i l i m i t a a d a p p r o s s i m a r e l a s o l u z i o n e i n sottospazi di dimensione nettamente inferiore ad m. Glialgoritmichesibasano su questa logica si caratterizzano, in particolare, per la tecnica di costruzione di una base ortogonale per K n,inquantoquellaindicatanella(5.3)èpoco utile. L ipotesi A definita positiva equivale a supporre che tutti gli autovalori di A sono positivi o che, equivalentemente, qualunque sia il vettore (non nullo) x risulti x T Ax >. Sotto questa ipotesi, la funzione k k A,cosìdefinita kxk A = p x T Ax è una norma, nota come A-norma. Per convincersene basta osservare che soddisfa le proprietà caratterizzanti le norme vettoriali. Questo permette di stimare l errore di approssimazione di x in K n,alcresceredin, mediantela ke n k A = p e T nae n, e n = x x n, essendo x n l approssimante di x in K n. In sintesi, il metodo del gradiente coniugato (CG method) genera l unica sequenza di iterati x n K n che gode delle seguenti proprietà: ad ogni passo n, ke n k A è m i n i m a. I n d i c a t o c o n r(ˆx) ilresiduorelativoadˆx (r(ˆx) =b Aˆx), il residuo relativo all approssimante x n calcolato nell n-esimo iterato viene indicato con r n = b Ax n, n =,,...,essendor il residuo corrispondente al vettore iniziale (vettore d innesco) x. Scelto un vettore di innesco e calcolato il residuo relativo, il metodo richiede: la scelta di una direzione di discesa (rispetto alla k k A ), la ottimizzazione del passo lungo tale direzione, il calcolo della nuova approssimazione alla soluzione e del relativo residuo e, infine, la determinazione della nuova direzione di discesa e la ottimizzazione del suo passo. Algoritmo. Presentiamooraidiversipassidell algoritmo: () vettore d innesco (x )edelladirezionedidiscesarelativa(p ) x = =) r = b, p = r ; () per n =,,..., n-esima approssimante della soluzione x n = x n + n p n, 5

165 con n =(r T n r n )/(p T n Ap n ), ottimizzazione del passo nella direzione di discesa p n ; (3) nuovo reiduo r n = r n n p n ; (4) nuova direzione di discesa p n = r n + n p n ; (5) ottimizzazione del passo nella nuova direzione n = rt nr n r T n r n. La prima osservazione è la semplicità della programmazione che, ad ogni passo, richiede varie operazioni sui vettori e il calcolo di Ap n.diconseguenza, se la matrice è densa e non strutturata, la complessità di calcolo è m per ogni passo. Se invece è sparsa o dotata di strutture (utilizzabili nel calcolo) la sua complessità è un O(m). Questo si verifica, in particolare, se la matrice è a banda (tri-, penta- o eptadiagonale). Le principali proprietà dell algoritmo sono riassunte nel seguente Teorema, per le cui dimostrazione si rinvia alla referenza [3]. Teorema 5.7 Se la matrice A del sistema Ax = b è simmetrica e definita positiva, fintanto che il metodo non ha generato la soluzione del sistema (r n 6= ), l algoritmo procede senza divisioni per zero e i vettori posizione costruiti x, x,...,x n, come i residui r, r,...,r n e le direzioni di discesa p, p,...,p n sono basi del sottospazio di Krylov K n. In simboli K n = hx, x,...,x n i = hp, p,...,p n i = hr, r,...,r n i = hb,ab,...,a n bi. (5.39) Inoltre, i residui sono ortogonali, r T nr j, j =,,...,n, mentre le direzioni di ricerca sono A-coniugate, p T nap j =, j =,,...,n. È proprio quest ultima proprietà ad aver indotto Hestenes e Stiefel a definire il metodo CG-method. 5

166 Altra proprietà importante, che dimostra che (in assenza di errori di arrotondamento) gli iterati convergono alla soluzione esatta in non più di m passi è il seguente: Teorema 5. Se la matrice del sistema Ax = b è simmetrica e definita positiva e l iterazione non ha già determinato la soluzione esatta (r n 6= ), il vettore x n è l unico vettore di K n che minimizza la ke n k A. Inoltre, la successione è monotona decrescente, nel senso che ke n k A appleke n k A, con e n = per un indice di iterazione n apple m. Errori di arrotondamento. Gliimportantirisultatideiteoremi(5.7)e (5.) sono esatti solo in aritmetica infinita, ossia in assenza di errori di arrotondamento. In presenza di errori di arrotondamento, le proprietà di convergenza dipendono molto dal condizionamento della matrice. Anche senza entrare nel merito dei molti risultati esistenti sull argomento, vogliamo evidenziare il seguente risultato. Indicato con µ il numero di condizione della matrice A simmetrica e definita positiva, p ke n k A µ n apple p = ke k A µ + dove, con riferimento alla norma Euclidea, µ =cond(a) =kak = max, p µ + n, (5.4) essendo max e min il massimo e il minimo autovalore di A. La (5.4) evidenzia che il numero degli iterati da calcolare per avere un risultato accettabile è una funzione crescente con µ. Per µ moderatamente elevato, il numero degli iterati previsto per avere un buon risultato è un O( p µ). Per approfondimenti sul CG method, come per la illustrazione dei vari metodi di proiezione di tipo Krylov, si rinvia ai libri sull algebra lineare numerica [, ]. Precondizionamento. Laconvergenzae ettivadeimetodiiterativi(convergenza in presenza degli errori di arrotondamento) dipende dalle caratteristiche della matrice del sistema: numero di condizione, decadimento dei valori singolari e altre proprietà. Fortunatamente, negli ultimi 4 anni sono stati introdotti vari metodi in grado di migliorare significativamente le caratteristiche delle matrici, ai fini della convergenza dei metodi iterativi. Per tale motivo, vengono definiti metodi di precondizionamento. 5 min

167 L idea di base teoricamente semplice è la seguente: Qualunque sia la matrice non singolare M, il sistema non singolare Ax = b, A L(R n ), è equivalente al sistema M Ax = c, c = M b. (5.4) Nonostante ciò, un metodo iterativo può essere convergente se applicato al sistema (5.4), anche se non lo è se applicato al sistema iniziale. Il motivo è che nel primo sistema la convergenza dipende dalle caratteristiche di A e nel secondo da quelle di M A. Di conseguenza, se M è s c e l t a b e n e, u n metodo iterativo può essere rapidamente convergente se applicato al sistema M Ax = M b enonconvergenteoconvergentemoltolentamenteseapplicato al sistema iniziale. Se M non è distante da A, M A non lo è da I eil sistema (5.4) è ben condizionato. Poiché invertire una matrice è molto più oneroso che risolvere un sistema, una tale operazione non è numericamente fattibile. Nel caso tutti gli elementi diagonali di A siano non nulli, un possibile condizionamento è dato da M =diag(a,a,...,a nn ). Per evidenziare questa proprietà, in [3, pag. 35] è riportato il seguente esempio: A è una matrice pentadiagonale simmetrica di ordine con a ii =.5+ p i, sulla diagonale principale; a ij =nellaprimasubdiagonaleenellaprimasopradiagonale; a ij = nella -esima subdiagonale e nella -esima sopradiagonale. In questo caso il CG method converge lentamente, anche se la matrice è fortemente sparsa. Se invece si precondiziona ponendo M =diag(a,a,...,a nn ), il metodo converge molto più rapidamente. Per gli approfondamenti si rinvia alle referenze indicate per il CG method [, 3]. 53

168 54

169 Capitolo 6 METODI ALLE DIFFERENZE FINITE Questo capitolo è dedicato ai metodi alle di erenze finite, una famiglia di tecniche numeriche per la soluzione di equazioni di erenziali alle derivate ordinarie eparzialimoltonotaeconsolidata[,]. Principali vantaggi: facilità di implementazione; buona e Principale di cienza computazionale. coltà: scarsa capacità di risoluzione in domini con geometria irregolare. L ultimo punto è dovuto all utilizzo di griglie di calcolo strutturate nei metodi alle di erenze finite. Queste ultime sono griglie i cui nodi possono essere messi in corrispondenza biunivoca con una matrice. In altre parole, si tratta di griglie icuinodisonoidentificatiinmodounivocodaunacoppia(terna)diindici locali, e quindi possono al più ottenersi da griglie regolari per deformazione continua. I metodi ad elementi finiti hanno invece la capacità di utilizzare griglie non strutturate, incuiinodisonoliberididisporsisenzanessunvincolotopologico: caratteristica che conferisce una flessibilità d uso notevolmente superiore rispetto alle di erenze finite. Un esempio di griglia strutturata e uno di griglia non strutturata per una geometria semplice (un quadrato) sono mostrate nella figura

170 Figura 6.: Un esempio di griglia strutturata e uno di griglia non strutturata per una semplice geometria di riferimento. Problema di erenziale con valori agli estremi Risolviamo preliminarmente il problema di erenziale >< y (x) =p(x) y (x)+q(x) y + r(x), p, q e r funzioni continue in [a, b], >: y(a) =, y(b) =. Supponiamo, per semplicità, di discretizzare l intervallo [a, b] con punti equidistanti, ponendo pertanto x i = a + ih, dovei =,,...,n+eh = b a. n+ Indichiamo inoltre con y i il valore in x i, i =,,...,n+, della soluzione del modello discretizzato. Lo schema di discretizzazione è valido se è s u x i. max y i y(x i ) i=,...,n c i e n t e m e n t e p i c c o l o, e s s e n d o y(x i )ilvaloreesattodellasoluzionein Schema di discretizzazione alle di erenze centrali del secondo ordine: y (x i ) y i y i + y i+ h, y (x i ) y (x i ) y i+ y i, y (x i ) h y i y i + y i+ = O(h ), h y i+ y i = O(h ), h dove, come al solito, il simbolo O(h p ), p>, indica un infinitesimo di ordine p rispetto ad h, perh!. La collocazione in x i, i =,...,n,dell equazione 56

171 di erenziale genera il sistema lineare: y i y i + y i+ y i+ y i = p h i h + q i y i + r i p i = p(x i ) q i = q(x i ) r i = r(x i ) dove i =,,...,n+, essendo y = e y n+ =. In questo caso, nell ipotesi che la soluzione sia su cientemente regolare, è immediato valutare il residuo di erenziale, ossia il residuo che si ottiene nel modello discretizzato sostituendo gli {y i } con gli {y(x i )}. LaformuladiTaylor di ordine 4 permette infatti di dimostrare che y(x h) y(x)+y(x + h) y(x + h) y(x h) (x, h) = p(x) h h q(x)y(x) r(x) =O(h ). Lo schema è detto del secondo ordine in quanto (h) = max (x, h) = aapplexappleb O(h ). La risoluzione del modello discretizzato richiede dunque la risoluzione del seguente sistema lineare di n equazioni in n incognite: ( + p i h y i ( + h q i ) y i + y = ; y n+ =. p i h y i+ = h r i Posto a i = +h q i, b i = + p i h p i, c i = h per i =,,...,n,sidevedunquerisolvereilsistemalinearetridiagonale a c y h r b b a c y h r =. C B C B. C.. cn h r n A b n a n y n h r n c n (6.) Il caso più semplice si ha quando q(x) perx (a, b), in quanto la matrice del sistema risulta allora diagonalmente dominante e irriducibile se ph apple, essendo p =max p(x), ossiapurdiprendereh su cientemente piccolo. In tal caso il sistema possiede una e una sola soluzione, qualunque siano aapplexappleb le condizioni iniziali. Per dimostrare la irriducibilità del sistema basta osservare che, sotto tali ipotesi tutti gli elementi della sopra e sotto-diagonale sono non nulli. Per la dominanza diagonale in senso debole, osserviamo preliminarmente che ph < implica la positività sia dei c i sia dei b i.diconseguenzasi ha la dominanza diagonale, in quanto: 57

172 () nella seconda, terza e (n )-esima riga, il valore assoluto dell elemento diagonale risulta maggiore o almeno uguale alla somma dei valori assoluti dei due fuori diagonale ( a i b i + c i, i =,...,n ); () per i =, a i =+h q i > i = n, a n > b n. p h,datoche+ p h>eq i e,per Per quanto concerne la precisione dei risultati, vale il seguente Teorema 6. (Gerschgorin []) Nelle ipotesi precedenti, l errore sulla soluzione possiede una maggiorazione del tipo: y(x i ) y i applec (h), i =,,...,n, essendo c una costante positiva indipendente da h e (h) = max (x, h) = aapplexappleb O(h ). Questo significa che nelle suddette ipotesi di regolarità, l ordine dell errore di approssimazione della soluzione coincide con quello del residuo di erenziale. 6. Equazioni ellittiche Consideriamo ora il problema di erenziale ( u xx + u yy + p(x, y)u x + q(x, y)u y + r(x, y)u + s(x, y) =, (x, y), u(x, y) =f(x, y), (x, dove = [a, b] [c, d] e@ indicailcontornodi,f(a, y) =f (y), f(b, y) = f (y); f(x, c) =g (x) ef(x, d) =g (x). Anche se la trattazione può essere adattata a situazioni più generali, per semplicità, supponiamo che le funzioni p, q, r e s siano continue in e che la f lo sia L assenza del termine u xy, in un problema ellittico, non è una limitazione e ettiva in quanto è noto che [, ] con una rotazione degli assi, esso può essere azzerato. Considerando, per semplicità, una reticolazione con nodi equidistanti in ciascuno dei due intervalli [a, b] e[c, d], si ottengono i nodi {(x i,y i )}, essendo x i = a + ih, i =,,...,n+, con h = b a n +, y j = c + jk, j=,,...,m+, con k = d c m +. Nel caso di geometria più complessa, è talvolta possibile adottare una e cace strategia di adattamento delle condizioni al contorno nei nodi prossimi alla frontiera. 5

173 La discretizzazione con il metodo alle di erenze centrali (schema a 5 punti) e la collocazione dell equazione di erenziale nei punti interni generano il sistema: u i,j u i,j + u i+,j + u i,j u i,j + u i,j+ u i+,j u i,j + p h k i,j h per i =,...,n e j =,...,m. + q i,j u i,j+ u i,j k + r i,j u i,j + s i,j = (i,j+) (i,j) (i,j) (i+,j) (i,j ) Figura 6.: Schema di discretizzazione a 5 punti. Ordinando gli {u i,j } i=,...,n per linee (per j crescente e, a parità di j, peri j=,...,m crescente), la discretizzazione precedente genera il seguente sistema lineare h ( kq i,j )u i,j + k ( hp i,j )u i,j (h + k ) h k r i,j ui,j + k ( + hp i,j )u i+,j + h ( + kq i,j )u i,j+ = h k s ij (6.) per i =,...,n e j =,...,m. Il sistema di ordine nm così ottenuto è chiaramente pentadiagonale, avente come elementi diagonali della matrice i coe cienti di u ij, i =,...,n, j =,...,m. Fuori diagonale, per ogni riga abbiamo due elementi sottodiagonali, formate dai coe cienti di u i,j e u i,j, e due sopradiagonali, formate dai coe cienti di u i+,j e u i,j+. Da notare che i termini contenenti u i, u i,m+, u j e u n+,j sono noti, essendo u i = g (x i ), u i,m+ = g (x i )peri =,,...,n+eu,j = f (y j ), u n+,j = f (y j )perj =,,...,m+. Atitoloesemplificativola(6.3)riportaschematicamentelamatricedei coe ciente del sistema lineare (6.), nell ipotesi che n =4em =3,nelquale 59

174 abbiamo indicato con a ij, b ij, ˆb ij, c ij eĉ ij icoe cientidiu ij, u i,j, u i+,j, u i,j e u i,j+,rispettivamente,peri =,, 3, 4el =,, 3. a ˆb ĉ b a ˆb ĉ b 3 a 3 ˆb3 ĉ 3 b 4 a 4 ĉ 4 c a ˆb ĉ c b a ˆb ĉ c 3 b 3 a 3 ˆb3 ĉ 3 c 4 b 4 a 4 ĉ 4 c 3 a 3 ˆb3 c 3 b 3 a 3 ˆb3 c 33 b 33 a 33 ˆb33 c 43 b 43 a 43 C A (6.3) Nel caso r ij apple, i =,...,n e j =,...,m,lamatricedelsistemaèirriducibile e diagonalmente dominante in senso debole a condizione che i valori di h e k siano su cientemente piccoli. Per la irriducibilità è su ciente l esistenza di due diagonali (le due formate dagli elementi b ij e ˆb ij,rispettivamente)con elementi tutti non nulli. Nel caso r ij <, la dominanza in senso stretto è assicurata dall ipotesi che tutti gli elementi fuori diagonali siano non negativi, in quanto, in tal caso, la somma dei loro valori assoluti sarebbe inferiore al valore assoluto dell elemento diagonale, essendo 4(h + k ) < 4(h + k ) h r ij, i =,...,n e j =,...,m. Nel caso r ij apple (comeancher ij =)sottolestesseipotesidinonnegatività degli elementi fuori diagonale, si avrebbe la dominanza diagonale in senso debole per le seguenti ragioni: () in tutte le righe intermedie (quelle aventi come termini noti i soli f ij ), il valore assoluto del termine diagonale risulta uguale alla somma dei corrispondenti fuori diagonale; () in tutte le altre risulta non inferiore, con il maggiore in senso stretto nelle righe estremi (per es. per i = j =). Talicondizionisonochiaramente soddisfatte se h e k soddisfano i seguenti vincoli: apple hp ij apple () h p ij apple, apple kq ij apple () h q ij apple, 6

175 certamente soddisfatti per hp apple ekq apple, essendo p = max p(x, y) e q = max q(x, y). (x,y) (x,y) Da tali considerazioni segue immediatamente che nelle menzionate ipotesi di regolarità dei coe cienti in e della soluzione, r(x, y) apple in,seh e k soddisfano le condizioni ph apple eqk apple, essendo p(x, y) applep e q(x, y) appleq per (x, y), il sistema ottenuto con il metodo alle di erenze centrali possiede una e una sola soluzione. In questo caso, se p, q, r, es sono funzioni continue in e la f lo è il residuo di erenziale (x, y; h, k) =O(h + k ) e inoltre l errore sulla soluzione, in ogni punto nodale, soddisfa la condizione [] max u(x i,y j ) u i,j applec(h + k ), i,j con C non dipendente da h e k. Metodo upwind. Qualora le condizioni ph apple eqk apple risultinomolto restrittive, nel senso che h e/o k siano molto piccoli e dunque n e/o m molto grandi, onde evitare la risoluzione di un sistema di dimensioni eccessivamente grandi spesso si ricorre al cosiddetto metodo upwind []. In tal caso, mentre u xx e u yy vengono discretizzate con il precedente schema alle di erenze centrali, u x e u y vengono discretizzate nel modo seguente: Questo equivale a porre u x (x i,y j ) u i+,j h u i,j, se p ij u x (x i,y j ) u i,j u i,j, se p ij apple h u y (x i,y j ) u i,j+ k u i,j, se q ij u y (x i,y j ) u i,j u i,j, se q ij apple. k p(x i,y j )u x ( p ij + p ij ) u i+,j p ij u ij +( p ij p ij ) u i,j h q(x i,y j )u y ( q ij + q ij ) u i,j+ q ij u ij +( q ij q ij ) u i,j. k 6

176 Tale schema genera il sistema apple k + k ( q ij q ij ) u i,j + + apple h + k + p ij h + q ij k apple k + k ( q ij + q ij ) u i,j+ = apple h + r ij u ij + s ij h ( p ij p ij ) u i,j apple h + h ( p ij + p ij ) u i+,j per i =,...,n e j =,...,m. Questo sistema, se r(x, y) apple, è diagonalmente dominante e dunque univocamente risolubile per ogni coppia (h, k). Questo fatto non implica tuttavia che h e k possano essere presi non piccoli, ossia che si debba risolvere un sistema piccolo. Infatti si deve tenere conto dell errore di discretizzazione che, mentre per le di erenze centrali è un O(h + k ), nel caso upwind è un O(h + k). Per questo motivo, non necessariamente, il metodo upwind deve riguardare ambedue i termini p(x, y)u x e q(x, y)u y,in quanto non è detto che ambedue i vincoli su h e k siano troppo restrittivi nel caso delle di erenze centrali. Nel caso lo sia soltanto su h, siapplicaal termine p(x, y)u x enonaltermineq(x, y)u y eviceversa,nelcasoilvincolosia troppo restrittivo per k, essosiapplicaaltermineq(x, y)u y enonap(x, y)u x. Nel primo caso l errore di discretizzazione (h, k) =O(h + k )enelsecondo (h, k) =O(h + k). Nelle ipotesi precedenti, posto ad esempio a = b =e b = d =,lasceltadih = e k =,comportalarisoluzionediunsistema 5 pentadiagonale (diagonalmente dominante) di ordine n m = ' 5 5, comunque risolubile con i metodi iterativi di Jacobi e Gauss-Seidel. Osservazione 6. Il metodo precedentemente descritto si estende in modo immediato, nell ipotesi che i coe cienti di u xx e u yy non siano costanti, naturalmente nell ipotesi che siano ambedue positivi o negativi, onde evitare che esistano punti del dominio in cui l equazione non sia ellittica. Questo implica che, come risulta nell esempio 6.3, le condizioni ph apple e qk apple non sono su cienti ad assicurare la dominanza diagonale della matrice del sistema. In questo caso conviene discretizzare e verificare sull esempio le condizioni per la dominanza diagonale. Esempio 6.3 Discutere la risoluzione numerica, mediante il metodo alle differenze finite, del seguente problema di erenziale: (x + y) u xx +5u yy +(sin p x >< + y ) u x + p x + y u y = x + y, apple x, y apple 5 u(, y)=f (y), >: u(x, ) = g (x), u(5, y)=f (y) u(x, 5) = g (x). 6

177 Nell ipotesi che i dati al contorno si raccordino, ossia che risulti f () = g (), g (5) = f (), f (5) = g (5) e f (5) = g (5). Considerando una reticolazione con nodi equidistanti in ciascuno dei due intervalli [, 5], si ottengono i nodi {(x i,y j )},essendox i = ih, i =,,,...,n+ e y j = jk, j =,,,...,m+conh = 5 e k = 5.Consideriamoinoltre n+ m+ le seguenti approssimazioni u xx (x i,y j ) ' u i+,j u i, j + u i,j,u h x (x i,y j ) ' u i+,j u i,j h u yy (x i,y j ) ' u i, j+ u i, j + u i, j,u k y (x i,y j ) ' u i, j+ u i, j. k La discretizzazione con il metodo alle di erenze centrali (schema a 5 punti)ela collocazione dell equazione di erenziale nei punti interni generano il sistema: (x i + y j ) u i+,j u i, j + u i,j +5 u i, j+ u i, j + u i, j q h k +(sin x i + y j )u i+,j u q i,j + x i h + u i, j+ u i, j y j k = x i + y j, per i =,...,ne j =,...,m.danotarechetaleprocedimentocomportaun errore di discretizzazione = O(h + k ). Ordinando gli {u i,j } i=,...,n per linee j=,...,m (per j crescente e, a parità di j, peri crescente), la discretizzazione precedente genera il seguente sistema 5 k + q x i + y j k A u i, j (x i + y j ) h (xi + y j ) + u h k i, j (x i + y j ) sin + h 5 x k + i + y j A u i, j+ = x i + yj, k q sin x i + y j h q x i + y j h A u i,j A u i+,j nel quale, come è immediato verificare, i coe cienti del termine u ij per i =,...,n e j =,...,m,fornisconoivaloridelladiagonaledellamatricedel sistema. La matrice di ordine nm è c h i a r a m e n t e p e n t a d i a g o n a l e. Èancheimmediato osservare che se tutti i coe cienti fuori diagonale fossero non negativi, il valore assoluto dell elemento diagonale sarebbe uguale alla somma dei valori assoluti di quelli fuori diagonale. Per la precisione questo avverrebbe per tutte le equazioni interne, ossianellequaliitermininotisonodatiunicamenteda 63

178 f ij = x i + yj.perquellenon interne il valore assoluto dell elemento diagonale è superiore, dato che almeno un termine, essendo noto, viene spostato alla destra dell uguale. Questo avviene in particolare per i = j =. Sotto tali condizioni la matrice risulta debolmente diagonalmente dominante e pertanto, se irriducibile, si ha l unicità della soluzione ottenibile con metodi iterativi standard come i metodi di Jacobi e Gauss-Seidel. Per la irriducibilità basta osservare che la diagonale principale ha tutti gli elementi non nulli, come lo sono le due diagonali, formate dai coe cienti u i,j e u i,j+ per k su cientemente piccolo, ossia per k soddisfacente il vincolo q x i + y j < 5 k k, essendo sempre positivo il coe ciente di u i,j+. Essendo x i + yj apple 5, tale vincolo è certamente soddisfatto, qualunque siano i, j, perk<.icoe cienti 5 di u i,j e u i+,j sono non negativi se q (x i + y j ) sin x i + y j apple apple (x i + y j ), h h h ossia per q essendo sin qx i + yj < e y j positivi, q sin x i + y j h apple (x i + y j ) h, x i + y j.daquest ultima,osservatoche,essendox i q x i + y j <x i + y j,segueladisuguaglianza apple x i + y j, h chiaramente soddisfatta per ogni coppia di valori positivi x i = ih e y j = jk. In definitiva per tutte le equazioni interne si ha la dominanza diagonale a condizione che k<. A maggior ragione questa vale quando il termine noto 5 passa a destra dell uguale. Per i = j =,inparticolare,sihaladominanza diagonale qualora (x + y ) + h k > (x + y ) + sin( p x + y) + 5 p x h h k + + y, k condizione ovviamente soddisfatta in quanto, per k< 5 equalunquesiah, 5 k > p x + y k e (x + y ) k 64 > sin( p x + y). h

179 Tenuto conto dell errore di discretizzazione e del fatto che la matrice è pentadiagonale, una buona scelta per h e k potrebbe essere la seguente: h = k = 5. In tal caso n + = m + = 5, scelta che comporta la risoluzione, con il metodo di Jacobi o di Gauss-Seidel, di un sistema pentadiagonale, irriducibile e diagonalmente dominante dell ordine di 5 5 equazioni in altre incognite. Per quando concerne la scelta (nelle iterazioni) del vettore iniziale, un ottima scelta è rappresentata dai valori di interpolazione u(x i,y j )= (x i,y j ), i =,,...,n+,j =,...,m+,dove essendo (x, y) = x (x 5) G(x, y)+y (y 5) F (x, y) x (x 5) + y (y 5), F (x, y) = x f (y)+(x 5) f (y) x +(x 5) la funzione che interpola f (y) ef (y) perogniprefissatoy, e G(x, y) = y g (x)+(y 5) g (x) y +(y 5) l interpolante di g (x) eg (x), per ogni prefissato x. 6. Equazioni paraboliche Consideriamo ora il problema di erenziale >< u t = c u xx + p(x, t)u x + q(x, t)u + r(x, t), a apple x apple b, apple t apple T, u(a, t) =f (t), u(b, t) =f (t), apple t apple T, >: u(x, ) = (x), a apple x apple b. In questo caso, si può sfruttare la conoscenza della condizione iniziale per ricondurre la soluzione del problema bidimensionale alla risoluzione di una sequenza di problemi monodimensionali, conconseguentemiglioramentodella precisione dei risultati e riduzione della complessità di calcolo. A tale scopo si adatta lo schema a 4 punti riportato nella Fig Il punto di partenza è la costruzione della mesh: x i = a + ih, i =,,...,n+, h = b a n + t j = jk, j =,,...,m+, k = T m +, 65

180 esuccessivacollocazionedell equazionenelpuntonodale(x i,t j ), la quale, per ogni j =,...,m genera il sistema n-dimensionale u i,j u i,j k per i =,...,n. = c u i+,j u i,j + u i,j u i+,j u i,j + p h i,j h + q i,j u i,j + r i,j, (i,j) (i,j) (i+,j) (i,j ) Figura 6.3: Schema di discretizzazione a 4 punti. Da notare che per j =, le incognite sono u,,...,u n,,lequalipossono essere determinate risolvendo il sistema di ordine n ottenuto per i =,...,n, in quanto sono noti sia i valori iniziali {u i, i =,,...,n+} sia i valori al bordo u e u n+,.piùingenerale,supponendonotiivaloriu i,j al livello j come pure i due valori al bordo coinvolti, i valori incogniti u i,j, i =,...,n, (al livello j) possonoesserecalcolatirisolvendoilsistemadiordinenottenuto ponendo i =,...,n. Di conseguenza, lo schema precedente implica che l avanzamento temporale richiede la risoluzione del sistema: c k u i,j +c q i,j u i,j h p i,j h c + h h + p i,j h u i+,j = r i,j u i,j k per i =,...,n,prefissatoj =,...,m. Se q(x, t) < pera apple x apple b eapple t apple T, tale sistema è diagonalmente dominante in senso stretto per hp apple c,essendop = max p(x, t). Se aapplexappleb appletapplet q(x, t) apple, la matrice è irriducibile e diagonalmente dominante per hp apple c. In ambedue i casi, per ogni prefissato j, ilsistemapossiedeunaeunasola soluzione, ottenibile con i metodi di Jacobi o di Gauss-Seidel. Se esistono valori q ij >, tutte le precedenti considerazioni possono essere ripetute a condizione che si assuma k con q k ij, i =,...,n, j = 66

181 ,...,m. Condizione che risulta certamente soddisfatta se k apple,essendo q q =max (x,t) q(x, t). Osservazione. Poichéu t (x i,t j )èstataapprossimataconunoschemaalle di erenze del primo ordine in t e uno del secondo in x, l erroredidiscretizzazione è un O(h + k). Nel caso a =, b = e T =, con la scelta di h =, k =, si debbono risolvere m + = sistemi tridiagonali (diagonalmente dominanti), ciascuno di ordine n =399. Essipossonoessererisolticonbuona precisione, utilizzando i metodi di Jacobi e di Gauss-Seidel. Per tali metodi iterativi un ottima scelta dei valori iniziali è rappresentata dai seguenti valori di interpolazione u () ij = f (t j )+ x i a b a [f (t j ) f (t j )] per ogni j =,,...,m+ei =,,...,n+. Esempio 6.4 Discutere la risoluzione numerica, mediante il metodo alle differenze finite, del seguente problema di erenziale di tipo parabolico: >< u t = x t u xx + x+t (cos xt)u x +(xt )u, apple x apple, apple t apple 5, u(, t)=f (t), u(, t)=f (t), >: u(x, ) = g(x). Per la risoluzione si inizia con la costruzione della mesh x i = ih, i =,,...,n+, h = b a n +, t j = jk, j =,,...,m+, k = T m +. Poiché la funzione x+t assume valori particolarmente elevati in prossimità dei valori x = e t = 5, conviene ricorrere, nella discretizzazione della funzione x+t (cos xt) u x,almetodoup-wind. Questosignificachenelladiscretizzazione dei termini di erenziali si dovranno usare approssimazioni del tipo u xx (x i,t j ) ' u i+,j u i, j + u i,j, h u x (x i,t j ) ' u i+,j h u i,j u x (x i,t j ) ' u i,j u i,j h u t (x i,t j ) ' u i,j u i,j. k 67 se cos x i t j, se cos x i t j apple,

182 La discretizzazione con lo schema a 4 punti e la collocazione dell equazione di erenziale nei punti interni generano il sistema: u i,j u i,j k =(x i t j ) u i+,j u i,j + u i,j h + x i+t j ( cos x i t j +cosx i t j )u i+,j cos x i t j u i,j +( cos x i t j cos x i t j )u i,j h +(x i t j )u i,j In questo caso l errore di discretizzazione è = O(h + k). Per j =, le incognite sono u,,...,u n,,lequalipossonoesseredeterminaterisolvendoil sistema di ordine n ottenuto per i =,...,n,inquantole{u i } sono note, come lo sono i valori agli estremi u e u n+,. Più in generale, supponendo noti i valori u i,j al livello j, i valori u i,j, i =,...,n,allivelloj, possono essere calcolati risolvendo il sistema di ordine n ottenuto per i =,...,n. Quindi assegnato j, ilvettore{u i,j } è noto, e lo schema precedente implica che l avanzamento temporale richiede la risoluzione del sistema: apple (xi t j ) + x i+t j cos x i t j cos x i t j u h i,j h apple k + (x it j ) + x i+t j cos x i t j +( x h i t j ) u i,j h apple (xi t j ) + + x i+t j cos x i t j +cosx i t j u h i+,j = u i,j h k, per i =,...,n,prefissatoj =,...,m.poiché. Per k x i t j, che implica k apple 49, il coe ciente del termine u i,j è positivo,. Sotto tale condizione il sistema è debolmente diagonalmente dominante in quanto (a) per i =,...,n (b) per k apple 49 k + (x it j ) + x i+t j cos x i t j +( x h i t j ) h (x i t j ) + x i+t j cos x i t j ; h h k + (x + t ) + x +t cos x t +( x h t ) h > (x t ) + x t cos x t ; h h 6

183 (c) condizione di dominanza diagonale, analoga alle (b), vale anche per i = n. Poiché la matrice è anche irriducibile, dato che tutti i termini delle tre diagonali sono diversi da zero, il sistema possiede un unica soluzione. Essa è univocamente risolubile con il metodo di Jacobi o di Gauss-Seidel. Nel caso h = k =,lasoluzionedelproblemarichiedelarisoluzionedim +=5 sistemi tridiagonali, diagonalmente dominanti, ciascuno di ordine n = 999. Per la scelta del vettore iniziale vale quanto detto precedentemente nel caso parabolico. 6.3 Equazioni iperboliche Consideriamo ora il problema di erenziale >< u tt = c u xx + p(x, t)u x + q(x, t)u t + r(x, t)u + s(x, t), a apple x apple b, t, u(a, t) =f (t), u(b, t) =f (t), apple t apple T, >: u(x, ) = (x), u t (x, ) = (x), a apple x apple b. In questo problema, oltre alla soluzione in x = a e x = b, perogniapple t apple T, sono note la u elau t all istante iniziale in ogni punto dell intervallo [a, b]. Questa informazione, utilizzando opportunamente la formula di Taylor, permette di calcolare la soluzione in un passo temporale successivo. La conoscenza della u in due livelli iniziali consente di calcolare ricorsivamente la soluzione mediante l utilizzo dello schema a 7 punti riportato della Fig Come al solito, il primo passo consiste nella generazione della mesh x i = a + ih, i =,,...,n+, h = b a n + t j = jk, j =,,...,m+, k = T m +, e nella successiva collocazione in (x i,t j ), prefissato j =,...,m per i =,...,n.sipervienecosìalsistema u i,j+ u i,j + u i,j = c apple ui+,j+ u i,j+ + u i,j+ k h + u i+,j u i,j + u i,j + p i,j h apple ui+,j+ u i,j+ h + q i,j u i,j+ u i,j k 69 + u i+,j u i,j h + r i,j u i,j + s i,j

184 per i =,...,n e j =,...,m.inessolederivateu x e u xx sono approssimate mediante la medie delle loro approssimazioni centrali nei livelli j + e j per ogni j =,...,m.poichéladiscretizzazioneèstatae ettuataconledi erenze centrali, sia in x che in t, l erroredidiscretizzazione (h, k) =O(h + k ). (i,j+) (i+,j+) (i,j+) (i,j) (i,j ) (i,j ) (i+,j ) Figura 6.4: Schema di discretizzazione a 7 punti. Se, in aggiunta agli u i,,fosseronotiinvaloriu i,,loschemaconsentirebbe di calcolare gli u i,, i =,...,n,risolvendounsistemalinearediordinen. Di conseguenza, iterando il processo, noti i valori in livelli di j, gli n valori del livello superiore verrebbero calcolati risolvendo un semplice sistema lineare di ordine n. Tale calcolo può essere e ettuato utilizzando la formula di Taylor, troncata al termine di ordine. Da notare che così procedendo si ottiene, per i =,...,n, u i, = u(x i,t ) u i, + ku t (x i, ) + k u tt(x i, ) = (x i )+k (x i )+ k u tt(x i, ), da cui, utilizzando l equazione stessa, u i (x i )+k (x i ) c u xx (x i, ) + p i u x (x i, ) + q i (x i )+r i u i + s i. + k Ivaloriincognitidiquest ultimaformula,ossiau xx (x i, ) e u x (x i, ), possono essere infine valutati mediante lo schema alle di erenze centrali u xx (x i, ) u i+, u i, + u i, = (x i+ ) (x i )+ (x i ) h h u x (x i, ) u i+, u i, h = (x i+ ) (x i ). h 7

185 Così procedendo, se le funzioni assegnate sono tutte continue, l errore di discretizzazione è complessivamente un O(h + k ). Riordinando di conseguenza, ossia tenendo conto del fatto che gli unici valori incogniti sono u i,j+, u i,j+ e u i,j+,siottieneilsistema c p ij k u i,j+ h h + c q ij u h i,j+ + c k h = h h pij pij + c h c u i,j + h k + c h + q ij k u i+,j r ij + k u i,j s ij, u i,j h + p ij u i+,j+ dove i =,...,n per ogni prefissato j =,...,m. Per calcolare u i,j in tutti i punti nodali si debbono dunque risolvere m sistemi lineari tridiagonali, ciascuno di ordine n. Tali sistemi, se q(x, t) apple, qualunque sia il valore del peso k, sonotuttidiagonalmentedominantiinsenso stretto purché risulti hp apple c,essendop =max p(x, t). aapplexappleb appletapplet Nel caso q(x, t), valgono le stesse considerazioni, purchè, k k per i =,...,n e j =,...,m. Tale condizione è certamente soddisfatta nell ipotesi che si consideri k apple,essendoq =max{q(x, t), a apple x apple b, apple q t apple T }. Sotto tali ipotesi per la risoluzione numerica degli m sistemi lineari, si può procedere come nella risoluzione di quelli derivanti dai problemi di tipo parabolico. Si possono cioè utilizzare i metodi di Jacobi e Gauss-Seidel, utilizzando, per ogni livello j, l interpolantelinearetraf (t j )ef (t j ), ossia ponendo u () ij = f (t j )+ x i a b a [f (t j ) f (t j )], dove j =,,...,m+ei =,,...,n+. Esempio 6.5 Discutere la risoluzione numerica del seguente problema di erenziale di tipo iperbolico: (x +)u tt =(t +)u xx +3 x +t u x +(cost)u t +(x + t) u, >< <x<, <t<5, u(, t)=f (t), >: u(x, ) = g (x), u(, t)=f (t), u t (x, ) = g (x). Seguendo il procedimento illustrato, si genera la mesh x i = ih, i =,,...,n+, h = n+ t j = jk, j =,,...,m+, k= 5 m+ 7 q ij

186 epoisicollocain(x i,t j ) utilizzando lo schema a 7 punti. Usando il metodo upwind per il termine contenente u x (dato che 3 x +t assume nel dominio valori molto elevati) verranno utilizzate le seguenti approssimazioni u xx (x i,t j ) ' u i+,j+ u i, j+ + u i,j+ + u i+,j u i, j + u i,j, h h u x (x i,t j ) ' u i+,j+ h u i,j+ u t (x i,t j ) ' u i,j+ u i,j, k u tt (x i,t j ) ' u i, j+ u i, j + u i, j k. + u i+,j u i,j, h La discretizzazione con lo schema a 7 punti e la collocazione dell equazione di erenziale nei punti interni generano il sistema: (x i +) u i, j+ u i, j + u i, j k =(t j +) apple ui+,j+ u i, j+ + u i,j+ + u i+,j u i, j + u i,j h h +3 x i +t j +(x i + t j ) u ij apple ui+,j+ h u i,j+ + u i+,j u i,j h +(cost j ) u i,j+ u i,j k In questo caso l errore di discretizzazione è = O(h + k ). Riordinando l equazione precedente e tenendo conto che le incognite sono soltanto al livello j +,siottiene t j + h + t j + h x i + u i,j+ + t j + k h + 3x i +t j h cos t j k! u i,j+! + 3x i +t j u i+,j+ = (u i,j h,u i,j,u i+,j,u i,j ), dove indica una funzione nota, dipendente dai soli argomenti esplicitamente indicati. Tale sistema risulta essere diagonalmente dominante in senso stretto purché x i + > cos t j, condizione soddisfatta se k <. Prendendo ad esempio k = k k e h =,sidebbonorisolvere5sistemitridiagonaliediagonalmente 5 dominanti ciascuno dell ordine di. Per la determinazione della soluzione al livello, ossia per t = k eperognix i, i =,...,n,siprocedenelmodo 7

187 seguente: u(x i,k)=u i = u(x i, ) + ku t (x i, ) + k u tt(x i, ) = g (x i )+kg (x i ) apple + k u i+, u i, + u i, +3 x i u i+, u i, + g h (x i )+x i g (x i ) h = g (x i )+kg (x i )+ k +3 x i g (x i+ ) g (x i ) h apple g (x i+ ) g (x i )+g (x i ) h + g (x i )+x i g (x i ),i=,,...,n. In questo modo si calcola la u(x i,k)conunerroredidiscretizzazionedell ordine di k,cosìchel errorecomplessivodidiscretizzazionerisultaancora un O(h + k ). Per la risoluzione degli m sistemi lineari si procede come precedentemente specificato. 6.4 Modelli debolmente non lineari Consideriamo inizialmente il problema di erenziale ( y (x)+p(x) y (x)+q(x, y)+r(x) =, a apple x apple b, y(a) =, y(b) =, con q(x, y) nonlineareiny apple, per a apple x apple qualunque sia y. Tale condizione [] garantisce l esistenza e l unicità della soluzione del problema di erenziale. Posto x i = a + ih e y i y(x i ), per i =,,...,n+eh = b a,lacollocazioneinx n+ i dell equazione di erenziale con lo schema alle di erenze centrali trasforma il problema iniziale nel sistema non lineare < y i+ y i + y i y i+ y i + p h : i + q(x i,y i )+r i =, i =,...,n h y =, y n+ =. Questo sistema è dunque esprimibile nella forma f i (y i,y i,y i+ )=, i =,,...,n, y =, y n+ =, essendo f i (y i,y i,y i+ )= h p i y i y i + + h p i y i+ + q(x i,y i )h + h r i. 73

188 Condizione su ciente [, ] a nché tale sistema sia univocamente risolubile è che h sia tale da soddisfare la condizione ph apple, essendo p =max p(x). aapplexappleb Da notare che se il sistema fosse lineare, ossia q(x, y) = q(x)y, questa condizione implicherebbe la dominanza diagonale del sistema, nell ipotesi che sia q(x) apple peraapplexappleb con ph apple. Nelle suddette ipotesi la soluzione può essere ottenuta mediante il metodo iterativo di Newton-Jacobi consistente nel calcolare, per ogni k =,,..., gli iterati dove f i (y (k) i e,y(k) i,y (k) y (k+) i i+ )= apple = y (k) i (y (k) i f i (y (k) i,y(k) i,y (k) i+ i (y (k) i,y(k) i,y (k) i+ ), i =,...,n, apple h p i yi k y (k) i + + h p i y (k) i+ +q(x i,y (k) i )h +h r i,,y(k) i,y i+ )= + (x i,y (k) i i essendo y (k) = e y (k) n+ =, k =,,... Nelle citate ipotesi il metodo è globalmente convergente, dunqueteoricamenteindipendentedeivalori y () i, i =,...,n. Poiché y () = e y () n+ =,lasceltapiùfrequentedel vettore iniziale consiste nell assumere y () i = + i ( ), i =,,...,n+, n + ossia nell interpolare linearmente i valori e. Questo allo scopo di evitare che un elevato numero di iterati possa pregiudicare i risultati, in conseguenza della propagazione degli errori di arrotondamento. Consideriamo ora il seguente problema debolmente nonlineare di tipo ellittico ( u xx + u yy + p(x, y)u x + q(x, y)u y + r(x, y, u)+s(x, y)=, (x, y), u(x, y) =f(x, y), (x, dove, per semplicità = [a, b] [c, d]elar(x, y,u), non dipendente linearmente da u, apple, per (x, y), qualunque sia u. che garantisce [] l esistenza e l unicità del problema di erenziale. 74

189 Posto x i = a + ih, i =,,...,n+, h = b a n +, y j = c + jk, j=,,...,m+, k= d c m +, la discretizzazione dell equazione di erenziale con il metodo alle di erenze centrali genera il sistema debolmente non lineare u i+,j u i,j + u i,j + u i,j+ u i,j + u i,j u i+,j u i,j + p h k i,j h + q i,j u i,j+ u i,j k + r(x i,y j,u i,j )+s(x i,y j )= per i =,...,n e j =,...,m. Tale sistema può essere espresso nella forma più compatta essendo i,j(u i,j,u i,j,u i,j,u i+,j,u i,j+ )=, i =,...,n, j =,...,m, i,j(u i,j,u i,j,u i,j,u i+,j,u i,j+ )=h ( kq ij )u i,j + k ( hp ij )u i,j 4(h + k )u i,j + k ( + hp ij )u i+,j + h ( + kq ij )u i,j+ +h k [r(x i,y j,u i,j )+s(x i,y j )], con u i, = f(x i,c)eu i,m+ = f(x i,d), i =,,...,n+; u,j = f(a, y j )e u n+,j = f(b, y j )perj =,,...,m+. Condizione su ciente a nché questo sistema sia univocamente risolubile, è che h e k siano tali da soddisfare la seguente condizione: Ph apple e Qk apple, essendo P =max p(x, y) e Q =max q(x, y) per (x, y). In caso di linearità di s rispetto ad u, lecondizioniprecedentiassicuranoche la matrice del sistema, relativo alla parte lineare, sia diagonalmente dominante, come già rilevato in precedenza. Nelle suddette ipotesi il metodo di Newton/Jacobi applicato al sistema debolmente lineare ottenuto per discretizzazione come sopra specificato, risulta globalmente convergente. Di conseguenza, prefissato l =,,..., la soluzione può essere ottenuta mediante il processo iterativo u (l+) i,j = u (l) i,j i,j(u (l) i,j (u (l) i,j,u(l) i,j,u(l) i,j,u(l) i+,j,u(l) i,j+ ),u(l) i,j,u(l) i,j,u(l) i+,j,u(l) i,j+ ), 75

190 per i =,...,n e j i,j = 4(h + k i,j con u (l) i, = f(x i,c)eu (l) i,m+ = f(x i,d), i =,,...,n+; u (l),j = f(a, y j)e u (l) n+,j = f(b, y j), j =,,...,m+. Poiché la u è n o t a a l c o n t o r n o ( v e t t o r e i n z i a l e ), i v a l o r i u () ij, i =,...,n, j =,...,m, possono essere e cacemente ottenuti per interpolazione rispetto ai valori assunti sul contorno. Un punto importante del procedimento riguarda infatti la scelta del vettore d innesco u () ij.perspiegarelatecnica,iniziamocon l indicare le condizioni al contorno in questo modo: ( u(a, y) =f (y), u(x, c) =' (x), u(b, y) =f (y), u(x, d) =' (x). Aquestopuntointerpoliamof (y), f (y) e' (x) e' (x) ponendo f(x, y) = (x a) f (y)+(x b) f (y) (x a) +(x b), '(x, y) = (y c) ' (x)+(y d) ' (x) (y c) +(y d). Ottenuti f(x, y) e '(x, y), la scelta del vettore d innesco può essere fatta ricorrendo alla funzione di interpolazione bidimensinale F (x, y) = (x a) (x b) '(x, y)+(c y) (d y) f(x, y) (x a) (x b) +(c y) (d y). Tale funzione è e ettivamente interpolante, dato che F (a, y) =f(a, y) =f (y), F (b, y) =f(b, y) =f (y), F (x, c) ='(x, c) =' (x), F (x, d) ='(x, d) =' (x). Il vettore d innesco u () i,j, i =,...,n e j =,...,m è d a t o d a u() i,j = F (x i,y j ) in ciascuno dei punti nodali prefissati. 76

191 6.5 Problema spettrale di Helmholtz Allo scopo di mostrare come si possono utilizzare gli schemi alle di erenze finite nella trattazione delle PDEs con coe cienti discontinui, consideriamo l equazione D (bidimensionale) di Helmholtz r " r = (6.4) su un rettangolo a apple x apple b, c apple y apple d [6]. Tenuto conto del significato dei simboli di gradiente di una funzione e di divergenza di un campo vettoriale, la (6.4), in forma più esplicita, può essere espressa nel =, (6.5) dove = (x, y), " = "(x, y) e = (x, y) con(x, y) =[a, b] [c, d]. La (6.5) rappresenta il problema spettrale associato all operatore D di Helmholtz nel dominio rettangolare. Supponiamo ora che la funzione nota " soddisfi le seguenti condizioni di periodicità: "(a, y)= "(b, y), " x (a, y)= " x (b, y), capple y apple d; "(x, c)= "(x, d), " y (x, c)= " y (x, d), aapple x apple b. Sotto tali ipotesi possiamo richiedere che la sia periodica, ossia che risulti: (a, y) = (b, y), x (a, y) = x (b, y), c apple y apple d; (x, c) = (x, d), y (x, c) = y (x, d), a apple x apple b. La funzione (x, y) rappresenta l autovalore dell operatore di Helmholtz corrispondente all autofunzione (x, y). Dal punto di vista fisico, il modello governa la propagazione della componente elettrica del campo elettromagnetico creato dalla luce che attraversa un mezzo periodico. Questo problema è diventato molto attuale nello studio delle nanostrutture (strutture dell ordine di 6 mm) di tipo periodico, come lo sono i cristalli fotonici. In tale ambito la funzione "(x, y) indicalacostantedielettricadelmezzoin(x, y). La teoria stabilisce che gli autovalori, definiti modi nell elettromagnetismo, costituiscono una infinità numerabile ij, i, j =,,... Supponiamo ora che, come avviene in varie applicazioni ingegneristiche, il dominio sia formato dall unione di un numero finito di domini omogenei, in ciascuno dei quali la "(x, y)siacontinua. Piùprecisamente,comeindicatonella 77

192 Figura 6.5: La figura mostra lo schema di un cristallo fotonico bidimensionale costituito da una distribuzione cilindrica della costante dielettrica " [5]. Fig. 6.5 supponiamo che all interno di siano presenti dei cerchi, ciascuno di raggio r, echeinesso c, in ciascuno dei cerchi; "(x, y) = c, nella parte restante del dominio, essendo c > c. Procedendo come al solito, reticoliamo il dominio introducendo un insieme di punti nodali x i = a + ih x, i =,,...,n+, h x = b a n + ; y j = b + jh y, j =,,...,m+, h y = d c m +. Al fine di pervenire ad un sistema lineare con il massimo delle simmetrie possibili, collochiamo l equazione di erenziale in (x i,y j )ediscretizziamoconle di erenze centrali con passi h x /eh y /rispettivamente. Questoequivalea considerare in (x i,y j )l i+/,j h i i /,j h y = (i,j) i,j, dove i =,...,n e j =,...,m. Per tenere conto delle discontinuità della "(x, y), approssimiamo il valore della " in un punto con la media dei due punti contigui. Discretizzando ancora con le di erenze centrali e tenendo conto di tale osservazione, otteniamo la seguente (i, j)-ma equazione: " i+,j + " i,j i+,j i,j h x " i,j + " i,j i,j i,j h x " i,j+ + " i,j h x i,j+ i,j h y " i,j + " i,j i,j i,j h y h y = (i,j) i,j. 7

193 Riordinando opportunamente essa diventa + " i,j " i,j h i,j + y " i,j " i,j h i,j x apple " i+,j " i,j " i,j h x " i,j+ " i,j " i,j h y + i+,j + i,j+ = (i,j) " i+,j " i,j " i,j+ " i,j h x dove i =,...,n e j =,...,m. Le condizioni di periodicità delle funzioni " e, interminidelledi erenze finite, implicano che ",j = " n,j e ",j = " n+,j,,j = n,j e j = n+,j, per j =,,...,m+; "i, = " i,m e " i, = " i,m+, i, = i,m e i, = i,m+, per i =,,...,n+; h y i,j i,j, Figura 6.6: La figura mostra una discretizzazione regolare del dominio dove la costante dielettrica " viene campionata per difetto (immagine a sinistra) e per eccesso (immagine a destra). Queste considerazioni sulla periodicità consentono di ridurre il numero delle incognite del sistema con le sostituzioni n+,j =,j, n,j =,j, i,m+ = i, e i,m = i,. In tal modo il sistema risulta di ordine (n )(m ). Naturalmente ci si deve ricordare di e ettuare le analoghe sostituzioni sulla ", ponendo " i,m+ = " i,, " i,m = " i, e " n+,j = ",j e " n,j = ",j. Poiché la matrice è simmetrica e debolmente diagonale, i suoi autovalori sono tutti non negativi. Più precisamente essa possiede un autovalore semplice uguale a zero, mentre gli altri sono strettamente positivi. Èaltresìpossibileosservarechegli 79

194 autovalori sono debolmente decrescenti al crescere della costante dielettrica. Per questo motivo si considerano due mesh di erenti, una contenente valori di " approssimati per difetto e una contenente una valutazione per eccesso, come evidenziato nella Fig Come valori e ettivi si considerano le loro medie aritmetiche. Tenuto conto delle caratteristiche della matrice, gli autovalori si possono calcolare, con buona precisione, utilizzando le opportune routines del MatLab. Atitoloesemplificativo,postoc =ilvaloredellacostantedielettricaal di fuori dei cerchi, sono state e ettuate le seguenti scelte di c : c =3, 5, 7, 9, avendo posto r =. L, come raggio dei cerchi riportati nel dominio, rappresentato da un quadrato di lato L. Ivalorideiprimiautovalori(ordinatiper valori crescenti) sono stati riportati nella Fig Figura 6.7: La figura mostra i primi dieci autovalori del problema spettrale (6.4) con condizioni al contorno periodiche, nel caso in cui il valore della costante dielettrica al di fuori dei cerchi sia uno e i valori all interno dei cerchi siano c =3, 5, 7, 9, rispettivamente.

195 6.6 Una tipica applicazione industriale Una delle più note applicazioni delle di erenze finite, nella geofisica applicata, è la seismic migration, unametodologiaperlaricostruzionedellastruttura geologica del sottosuolo, orientata alla localizzazione di giacimenti di acqua o idrocarburi. L industria petrolifera ha sviluppato questa tecnologia a partire dagli anni 7. Camion speciali, dal peso di 4 tonnellate e dotati di piattaforme vibranti generano onde acustiche ed elastiche che propagandosi nel sottosuolo, vengono riflesse da eventuali strutture geologiche e registrate alla superficie mediante appositi ricevitori. I risultati ottenuti vengono opportunamente trattati e utilizzati dagli analisti come strumento di supporto alle decisioni per l identificazione di eventuali giacimenti. A seconda della profondità e del tipo di applicazione, possono essere usate anche altre sorgenti d onda, come gli air-gun (cannoni ad aria compressa) o cariche esplosive. Figura 6.: Un tipico modello 3D a di erenze finite utilizzato per la seismic migration. Immagine del Center for Economic Migration and Tomography, Reno, Nevada. La simulazione della propagazione delle onde acustiche/elastiche è particolarmente e cace con metodi alle di erenze finite, perché il dominio computazionale è estremamente regolare: una porzione di suolo a forma di parallelepipedo, in cui in generale anche la faccia superiore corrispondente alla superficie libera è piana, perché, tenuto conto dell estensione del dominio sotto esame, si considera non rilevante la topologia di superficie. Nella Fig. 6. è mostrato un tipico modello 3D a di erenze finite nel quale i confini tra regioni con diverse velocità di propagazione delle onde, se obliqui, vengono discretizzati tramite una struttura a scaletta, con un rapido alternarsi di segmenti orizzontali e verticali. Al fine di contenere al massimo la conseguente perdita di accuratezza si infittisce la mesh di riferimento, naturalmente aumentando la dimensione dei problemi algebrici da risolvere.

196 La Figura 6.9 mostra il risultato di una seismic migration relativa ad un sito nel Nevada (USA), utilizzato per la produzione di energia geotermica, nel quale è evidenziato un possibile giacimento di acqua calda intrappolato all interno di una serie di faglie, ad una profondità di circa 4 km. Figura 6.9: Seismic migration relativa ad un sito nel Nevada (USA) utilizzato per la produzione di energia geotermica nel quale è evidenziato un possibile giacimento di acqua calda ad una profondità di circa 4 km. Immagine del Center for Economic Migration and Tomography, Reno, Nevada. 6.7 Esercizi proposti (a) Discutere la risoluzione numerica dei seguenti problemi di erenziali lineari: ( + sin x)u xx +(y +)u yy +(xy)u x +(xcos y)u y, >< (3 sin xy)u =, apple x apple, apple y apple 3, u(, y) =f (y), u(, y) =f (y), >: u(x, ) = g (x), u(x, 3 ) =g (x).

197 u t =(xt)u xx +(sinxt)u x +(tcos x)u + x sin xt, >< 3 apple x apple 4, apple t apple 6, u( 3,t)=f (t), u(4,t)=f (t), >: u(x, ) = g(x). u tt =(+x t)u xx +(xt)u x + xt u +cosxt, >< apple x apple 3, apple t apple 5, u(,t)=f (t), u(3,t)=f (t), >: u(x, ) = g (x), u t (x, ) = g (x). u tt =(+x t )u xx +(x + t)u t (x + t)u x +cos(xt), >< 3 apple x apple 4, apple t apple 5, u( 3,t)=f (t), u(4,t)=f (t), >: u(x, ) = g (x), u t (x, ) = g (x). (b) Discutere la risoluzione numerica dei seguenti problemi di erenziali, debolmente nonlineari >< y +(xsin x)y ( cos x)y 7 =, 3 apple x apple 3, >: y( 3) =, y(3) = 5. ( + sin x)u xx +(y +)u yy +(xy)u x +(xcos y)u y, >< (3 sin xy)u 7 =, apple x apple, apple y apple 3, u(, y) =f (y), u(, y) =f (y), >: u(x, ) = g (x), u(x, 3 ) =g (x). u xx +u yy +(xy) u x +(x + y)u y +(sinu u) 3 = x y, >< 4 apple x apple 5, 3 apple y apple 6, u( 4,y)=f (y), u(5,y)=f (y), >: u(x, 3) = g (x), u(x, 6) = g (x). Suggerimenti: Per una trattazione più generale e per ulteriori approfondimenti si rinvia ai libri [] e [] della bibliografia. 3

198 4

199 Capitolo 7 SISTEMI NON LINEARI In questo capitolo verranno illustrati alcuni risultati base sui sistemi non lineari evidenziando, altresì, le principali di erenze tra i metodi di risoluzione dei sistemi lineari e di quelli non lineari. 7. Definizioni e risultati basilari Per sistema non lineare, intendiamo un sistema di equazioni non lineari f i (x,x,...,x n )=, i =,,...,n, (7.a) che, con notazione vettoriale, indichiamo nella forma F (x) =, (7.b) dove F : R n! R n, la cui i-esima componente è f i (x,x,...,x n )exèil vettore (x,x,...,x n ) T.Pern =,ilsistemasiriduceadunaequazionenon lineare f(x) =. In questo ambito, l analogo della f (x)èrappresentatodallamatrice Jacobiana della F (x), n (x) =, (7.) C j j f i (x,x,...,x n ), n i, j =,,...,n.

200 Nel caso vettoriale l analogo della derivabilità di una f : R! R è s t a b i l i t o dalla seguente Definizione. Una funzione vettoriale F : R n! R n è totalmente di erenziabile (di erenziabile nel senso di Fréchet) in x se la matrice Jacobiana (7.) esiste in x e lim h! kf (x + h) F (x) F (x)hk khk =. (7.3) Come è immediato osservare la (7.3) si riduce alla di erenziabilità ordinaria nel caso n =. Analogamente a quanto avviene per la di erenziabilità (nel caso n =),latotaledi erenziabilitàimplicalacontinuità. Bastainfattiosservare che, per la disuguaglianza triangolare della norma, kf (x + h) F (x)k = k[f (x + h) F (x) F (x)h]+f (x)hk applekf (x + h) F (x) F (x)hk + kf (x)hk che tende a zero (per la (7.3)) per khk!. Non sempre l estensione dei risultati dal caso n = alcasogeneraleè semplice, come bene evidenziato in [, pp. 4-4]. L importante teorema del valor medio per una funzione unidimensionale f, adesempio,nonè immediatamente estendibile al caso n-dimensionale. Nel caso unidimensionale esso stabilisce che se f è di erenziabile in [ a, b], per ogni coppia di valori x, y [a, b], esiste un punto z tra x e y con f(y) f(x) =f (z)(y x). La sua estensione per funzioni F : R n! R n, di erenziabili nel senso di Fréchet, è la seguente: F (y) F (x) = Z Per la dimostrazione basta osservare che, posto F [x + (y x)](y x) d. (7.4) g i ( ) =f i [x + (y x)], < <, i =,,...,n, f i (y) f i (x)=g i () g i ()= Z Z gi( ) d = j f i [x+ (y x)](y j y i ) d, che rappresenta la i-esima componente della relazione vettoriale (7.4). Dalla (7.4) deriva immediatamente che F (y) F (x) F (x)(y x) = Z j= [F [x + (y x) F (x)](y x) d 6

201 da cui, se la F è c o n t i n u a i n u n i n s i e m e e x, y sonoabbastanzavicini, F (y) F (x) F (x)(y x) '. (7.5) Poiché solo in casi molto particolari si riesce a risolvere tali problemi in modo esplicito, la generalità dei metodi numerici è basata su procedimenti iterativi. I metodi iterativi si compongono delle due fasi seguenti: a) ricerca di una funzione di iterazione con la proprietà che ogni soluzione del sistema F (x) = è u n p u n t o fi s s o p e r l a, t a l e c i o è d a a v e r s i ( ) = e viceversa, ogni punto fisso della funzione di iterazione soluzione del sistema F (x) =; è una b) generazione di una successione di iterati x (i) apartiredaunpuntoiniziale x (). In questo contesto si pongono i seguenti problemi: ) scelta di una funzione di iterazione computazionalmente valida; ) scelta di un punto iniziale x () everificadellaconvergenzadellasuccessione {x (i) } i=; 3) valutazione della velocità di convergenza della successione {x (i) } i=. Nel seguito, sia nel caso scalare sia in quello vettoriale, faremo sempre riferimento a metodi iterativi del tipo x (i+) = (x (i) ), i =,,..., (7.6) dove x () è i l p u n t o i n i z i a l e e l a f u n z i o n e d i i t e r a z i o n e d e fi n i t a i n u n d o m i - nio chiuso inr n. Supporremo inoltre che la possieda almeno un punto fisso ed indicheremo con I un suo intorno. Come abbiamo già osservato, quest ultima ipotesi equivale a supporre che sia una soluzione del problema iniziale. Supponiamo ora che sia una soluzione del sistema (7.b) e I un intorno su cientemente piccolo di. Indicato con x () un punto di tale intorno, la (7.5) indica che F ( ) = ' F (x () )+F (x () )( x () ). 7

202 Pertanto, se la matrice Jacobiana F (x)ènonsingolareini,possiamodefinire x () come soluzione del sistema ponendo F (x () )(x () x () )= F (x () ), x () = x () (F (x () )) F (x () ). Questa osservazione suggerisce di introdurre la funzione di iterazione dalla quale, iterando, deriva che (x) =x (F (x)) F (x), (7.7) x (i+) = x (i) F (x (i) ) F (x (i) ), i =,,... La (x) così definita è la funzione di iterazione del metodo di Newton, che è il più famoso dei metodi iterativi. Definizioni. (a)indicaticon un punto fisso di, con I un suo intorno econx () un punto di I se, per la successione (7.6), vale la disuguaglianza kx (i+) kappleckx (i) k p, i =,,..., (7.) il metodo iterativo è almeno di ordine p>. Se la (7.) è valida per p =, con <c<, il metodo è almeno del primo ordine. Ilmetodoèesattamente di ordine p se non esiste un valore più elevato di p per cui la (7.) sia valida; (b) Se esiste un numero <c<taleche k (x ) (x )kappleckx x k, x, x, (7.9) la funzione è definita contrattiva. Teorema 7. (delle contrazioni) Supponiamo che :! sia una funzione contrattiva soddisfacente la (7.9). Allora la successione {x (i) } i= converge ad un solo punto fisso, qualunque sia il punto d innesco x (), nell ipotesi che anche x (). Dimostrazione. Basta osservare che, utilizzando la (7.6) e la (7.9) kx (i+p) x (i) kapplekx (i+p) x (i+p ) k kx (i+) x (i) k apple (c i+p + c i+p c i )kx () x () k apple ci c kx() x () k.

203 Di conseguenza, {x (i) } i= è u n a s u c c e s s i o n e d i C a u c h y i n equindihalimite. Facendo tendere p all infinito, risulta kx (i) kapple ci c kx() x () k. Inoltre, facendo tendere i all infinito nella (7.9) risulta = ( ), cioè è u n punto fisso della. L unicità del punto fisso si dimostra facilmente. Infatti, se ne esistessero due, e, alloralastimak k = k ( ) ( )k appleck k per c (, ) implicherebbe =. Corollario 7. Supponiamo che esistano una costante c (, ) e un intero r N tali che k r (x ) r (x )kappleckx x k. Allora la successione {x (i) } i= converge ad un solo punto fisso, qualunque sia il punto d innesco x (). Dimostrazione. Secondo il Teorema delle contrazione esiste un unico punto fisso della mappa r. Definiamo, per j =,,...,r, j = j ( ). Allora r ( j )= r+j ( ) = j ( r ( )) = j ( ) = j, j =,,...,r. Poichè ciascun j è p u n t o fi s s o d e l l a r etalemappahaunsolopuntofisso, risulta = =... = r =. Di conseguenza, ( ) = = =. Siccome, per j =,,...,r edatoilpuntod innescox (),ler successioni {x (j+ir) } i= tendono tutte a, anchelasuccessione{x (i) } i= tende a. Applicando la (7.) r volte, si ottiene la stima kx (i+r) kapplec pr +p r +...+p+ kx (i) k pr. (7.) Infatti, essendo valida la (7.) per r =esupponendolasuavaliditàperun certo r, sihache k r (x (i) ) r ( )k = kx (i+r+) kappleckx (i+r) k p apple c c pr +p r +...+p+ kx (i) k pr p apple c pr +p r +...+p+ kx (i) k pr+. Quindi, per induzione, la stima (7.) è valida per r =,,... Ovviamente, x (i)! se <c<, qualunque sia il punto d innesco x (). D altra parte, 9

204 scegliendo, per c, il punto d innesco x () tale che kx () k <c /(p ),la stima kx (r) kapplec r kx () p r k pr, C r = c p, implica che x (r)!. Di conseguenza, nell ipotesi (7.) esiste un intorno di tale che, qualunque sia il punto d innesco x () appartenente all intorno, gli iterati x (i) tendono a. Nei metodi iterativi per i sistemi non lineari, nei quali la convergenza è tipicamente locale, è di grande importanza la seguente definizione di punto di attrazione. Definizione. Un punto x R n è d i a t t r a z i o n e, p e r l a s u c c e s s i o n e d e g l i iterati x (k+) = (x (k) ), se esiste un intorno I x di x tale che, qualunque sia il punto iniziale x () I x,lasuccessionedegliiteratix (k)! x = (x ), ossia alla soluzione del sistema F (x) =, datoche x = (x ) () F (x )=. L intorno I x è detto dominio di attrazione. Nel caso particolare in cui I x = R n, x è d e fi n i t o p u n t o d i a t t r a z i o n e g l o b a l e. Relativamente al punto di attrazione, il risultato più importante è stabilito dal Teorema di Ostrowski []. Teorema 7.3 Se la funzione di iterazione è di erenziabile in x = (x ) e inoltre ( (x )) <, x è un punto di attrazione per gli iterati x (k). Dimostrazione. Essendo la di erenziabile in x,perogni">, esiste un intorno I x di x per ogni punto x del quale k (x) (x ) (x )(x x )kapple"kx x k. Inoltre, essendo ( (x )) <, qualunque sia ">, esiste una norma tale che k (x )kapple ( (x )) + ". Di conseguenza, per ogni x I x,risulta k (x) (x )kapplek (x) (x ) apple ( (x )+")kx x k. (x )(x x )k + k (x )(x x )k Da tale disuguaglianza, ricordando che ( (x )) < e che ">èarbitrario, deriva che " può essere scelto in modo da avere = ( (x )) + " <, ossia che k (x) (x )kapple kx x k, <. 9

205 La convergenza con tale norma segue immediatamente in quanto, essendo kx (k) x k = k (x (k ) ) (x )kapple kx (k ) x kapple...apple k kx () x k, con < <, è evidente che x (k)! x,perk!. L equivalenza tra le norme garantisce che la convergenza vale con qualsiasi norma indotta. Metodo di Newton. Il Teorema di Ostrowski consente di dimostrare che ogni soluzione del sistema F (x) = è u n p u n t o d i a t t r a z i o n e p e r g l i i t e r a t i del metodo di Newton, a condizione che F ( ) sianonsingolare.bastainfatti osservare che essendo (x) =x (F (x)) F (x) ef ( ) =, da cui segue che ( ( )) =. ( ) =I (F ( )) F ( ) =O, Esempio 7.4 ( x + x =, (7.) x + x =, di cui x = 4/5 3/5 è una soluzione. La (7.) può essere scritta nella forma x = (x), con x (x) = p e (x) x p x x A. Una semplice visualizzazione grafica delle due equazioni permette di stabilire che x è u n p u n t o i n t e r n o a l r e t t a n g o l o R =[ 3 5, ] [ 4 5, ]. Per verificare se la condizione di Ostrowski ( ( (x )) < ) per gli iterati è soddisfatta, calcoliamo il Fissato x in R, idueautovaloridi x (i+) = (x (i) ), con x R, sup ( (x)). xr (x) x p ==) ( (x)) = x (x) sono le due soluzioni dell equazione s x p x. 9

206 Da tale espressione segue che ( (x)) > perx [ 4 5, ], essendo 4x > x. Questo significa che x potrebbe non essere un punto di attrazione per tali iterati. Come abbiamo già osservato, x è invece punto di attrazione per gli iterati del metodo di Newton x (i+) = (x (i) ), i =,,,..., x () R, nell ipotesi che la matrice Jacobiana F (x )sianonsingolare. certamente soddisfatta, in quanto F x x (x) = =) det(f (x)) > inr. Condizione La funzione di iterazione è pertanto x x x (x) = + x. x (x x ) x x + x Esempio 7.5 L esempio ( 5x x + x 3 =5, x +5x + x 3 =5, può essere espresso nella forma x = (x), dove (x) = x x x x (x) come funzione di itera- Scelto un vettore di innesco x (),utilizzandola zione si possono calcolare gli iterati x (i+) = (x (i) ), i =,,,... Osservato che x =( ) è una soluzione del sistema, è facile dimostrare che x è un punto di attrazione per gli iterati. La matrice Jacobiana della è (x) = 3x 5 3x, da cui (x )= 3, 5 3 icuiautovalorisono = 4 5 e = 5. Conseguentemente x è d i a t t r a z i o n e per gli iterati, dato che ( (x )) =

207 7. Caso unidimensionale In questo paragrafo verranno presentati risultati basilari sui metodi per la valutazione delle radici di un equazione non lineare f(x) =, (7.) dove la f è derivabile e ha derivata prima continua. Approssimando il grafico della funzione f(x) inunintornodelpunto(x n,f(x n )) mediante la sua retta tangente y f(x n )=f (x n )(x x n )ecercandoilvaloredix = x n+ per cui (x n+, ) è un punto di tale retta tangente, si ottiene x (n+) = x (n) f(x (n) ) f (x (n) ), (7.3) nell ipotesi che la retta tangente in (x n,f(x n )) non sia orizzontale. L iterazione del tipo (7.3) si chiama metodo di Newton-Raphson oppure, semplicemente, metodo di Newton. La sua funzione iterativa è '(x) =x (f(x)/f (x)), che rappresenta il caso unidimensionale della (7.6). Teorema 7.6 Nel caso scalare, condizione su ciente perché una funzione ', derivabile con continuità in un intervallo [a, b], sia contrattiva è che esista un numero m (, ) tale che ' (x) applem<, x [a, b]. Dimostrazione. [x,x ] [a, b], Per il teorema del valor medio, applicato ad un intervallo '(x ) '(x )=' ( )(x x ), (x,x ). Pertanto, essendo ' (x) applem<peripotesi, '(x ) '(x ) applem x x con apple m<perognix,x [a, b], e quindi la ' è c o n t r a t t i v e i n [ a, b]. Esempio 7.7 Per a [, ], la funzione ' = a log(x +) x è c o n t r a t t i v a 3 in [, ]. Infatti, essendo ' (x) = a x + 3, basta osservare che per a [, ] a x + 3 apple 5 6 <, x [, ]. 93

208 Esempio 7. Il metodo iterativo x (i+) =cos(x (i) ) è globalmente convergente. Infatti, indicato con il solo punto fisso dell equazione x =cos(x) edosservatoche (, ), per ogni x () R possiamo scrivere Pertanto, essendo per ogni i x () =cos(x () ) [, ] x (i+) =cos(x (i) )=cos( ) (x (i) )sin( (i) ) (i) (x (i), ) [, ], i =,,... x (i+) = x (i+) cos( ) = sin( (i) ) x (i) < (sin()) x (i), il metodo è globalmente convergente e la sua convergenza è lineare (convergenza di ordine ). Se f (x) 6= perx [a, b], il Teorema 7.6 può essere applicato al metodo di Newton, per il quale la funzione di iterazione è '(x) =x f(x) f (x). Essendo f (x) 6= perx [a, b], ' (x) = f (x) f(x)f (x) f (x) = f(x)f (x) f (x). Supponendo che sia uno zero semplice della f (cioè, che f( ) = e f ( ) 6= ),esisteunintervallocontenente al suo interno in cui ' (x) <. Pertanto, qualunque sia il punto d innesco appartenente a tale intervallo, gli iterati convergono a. Teorema 7.9 Supponiamo che in un intervallo [a, b] valgono le seguenti ipotesi: ) f(a)f(b) < ; ) la f è derivabile due volte con continuità in [a, b]; 3) f (x) e f (x) sono di segno costante in [a, b]. 94

209 Se inoltre, come punto iniziale x (), si prende a qualora sia f(a)f (a) >, oppure b qualora sia f(b)f (b) >, la successione {x (n) } n=, ottenuta con l algoritmo (7.3), converge monotonamente alla sola soluzione dell equazione (7.). Dimostrazione. Siano, per esempio, f(a) <, f(b) >, f (x) > e f (x) > pera apple x apple b (la dimostrazione nelle altre possibili situazioni è del tutto analoga). Poiché f(b)f (b) >, poniamo x () = b. La ) assicura l esistenza di almeno uno zero per la f in [a, b]. La non variazione di segno di f (x) in[a, b] neassicural unicità. Mostriamoora,perinduzione,cheogni iterato x (n) >b. Supponendo che x (m) > per m =,,...,i,dobbiamo dunque dimostrare che x (m+) >.Sviluppandof( ) conlaformuladitaylor con punto iniziale x () eosservatoche si ha = x (n) +( x (n) ), f( ) ==f(x (n) )+f (x (n) )( x (n) )+ f ( (n) )( x (n) ) con < (n) <x (n).poichéf (x) >, risulta e, di conseguenza, essendo f(x (n) )+f (x (n) )( x (n) ) < <x (n) f(x (n) ) f (x (n) ) = x(n+), l intera successione {x (n) } n= consiste di punti appartenenti all intervallo semiaperto (,b]. Poiché f (x (n) ) > peripotesief(x (n) ) >, in quanto x (n) > ed f( ) =, la successione {x (n) } n= è m o n o t o n a d e c r e s c e n t e e i n f e r i o r m e n t e l i m i t a t a da. Esiste dunque un limite finito =lim n! x (n). Passando al limite nell uguaglianza (7.3) si ha = f( ) f ( ) da cui f( ) =edinfine,perl unicitàdeglizeridellaf in [a, b], f( ) =. Talvolta, come è dimostrato nel seguente teorema, è possibile valutare la distanza dell n-esimo iterato dalla radice dell equazione. 95

210 Teorema 7. Supponiamo che valgano le ipotesi del Teorema 7.9. Se esistono due numeri positivi m ed M tali che: ) m apple f (x) per ogni x [a, b]; ) f (x) applem per ogni x [a, b]; tra l n-esimo iterato di Newton e la radice dell equazione f(x) =vale la seguente importante stima dell errore x (n) < M m (x (n) x (n ) ). (7.4) Dimostrazione. Per il teorema del valor medio, applicato ad un generico intervallo [x, ] [a, b] conf( ) =ef(x) 6=, f(x) f( ) =(x )f ( ), (x, ). Pertanto, esistendo un numero positivo m tale che f (x) risulta f(x) = f(x) f( ) m x equindianche m per x [a, b], x apple f(x) m. (7.5) Inoltre, dall applicazione della formula di Taylor di ordine due, f(x (n) )=f[x (n ) +(x (n) x (n ) )] = f(x (n ) )+f (x (n ) )(x (n) x (n ) ) + f ( (n) )(x (n) x (n ) ), per un opportuna (n) (x (n ),x (n) ). Poiché, per costruzione, nel metodo di Newton f[x (n ) )+f (x (n ) )(x (n) x (n ) )=, dalla formula di Taylor di secondo ordine deriva che dato che f(x (n) apple M (x (n) x (n ) ), (7.6) f (x) applem, x [a, b]. Infine, utilizzando la (7.5) e la (7.6), si ha la (7.4). Esempio 7. Valutare p conunerroredell ordinedi 5,conilmetodo di Newton. Consideriamo, allo scopo, f(x) =x nell intervallo[, ]. Il metodo di Newton è applicabile in quanto: 96

211 ) f(a)f(b) =( )() < ; ) f (x) =x è d i s e g n o c o s t a n t e i n [, ]; 3) f (x) => in[, ]. Poiché f()f () = 4 >, come punto iniziale si prende. Pertanto Essendo, per la (7.4), x () = x () f(x () ) f (x () ) = 4 = 3, x () = 7,x(3) '.44. x (3) p apple M m (x (3) x () ) apple 4 ( ) ' 3 6, x (3) rappresenta un approssimazione valida di p. Teorema 7. Se è uno zero semplice per la f (f( ) =, f ( ) 6= ), il metodo di Newton ha convergenza del secondo ordine. Se è uno zero multiplo (f( ) =... = f (m ) ( ) =, f (m) 6=, m>), il metodo di Newton ha convergenza lineare. Dimostrazione. Se è u n o z e r o s e m p l i c e, e s s e n d o per la formula di Taylor di ordine due, ' ( ) = f( )f ( ) (f ( )) =, x (n+) = '(x (n) )='( )+ (x(n) ) ' ( (n) ), da cui, posto ' (x) applem in [a, b], (n) (x (n), ), x (n+) apple M x (n) equindiilmetodohaconvergenzaquadratica. Se invece è u n o z e r o m-plo, esiste una g(x) cong( ) 6= taleche f(x) =(x Di conseguenza, se g(x) èderivabile, ' ( ) = ) m g(x). m 6=. 97

212 Pertanto, per la formula del valor medio, x (n+) = '(x (n) )='( )+(x (n) )' ( (n) ), (n) (x (n), ), da cui, posto ' (x) applem in [a, b], x (n+) applem x (n). L ultima disuguaglianza dimostra che, essendo almeno localmente M <, il metodo è convergente con convergenza lineare. Il metodo della secante o della falsa posizione, vieneutilizzatoper risolvere in un intervallo [a, b] un equazionef(x) =, nell ipotesi che in [a, b] essa abbia una sola radice. Algoritmicamente, esso si presenta in uno dei modi seguenti: x (n+) = x (n) f(x (n) ) f(x (n) ) f(a) (x(n) a), (7.7) con x () = b e n =,,...,; x (n+) = x (n) f(x (n) ) f(b) f(x (n) ) (b x(n) ), (7.) con x () = a e n =,,...,. Geometricamente corrisponde alla sostituzione, nell intervallo [a, b], della curva y = f(x) con la corda che unisce il punto (x (n),f(x (n) )con(a, f(a)) o (b, f(b)) e assume x (n+) come l intercetta della corda con l asse x. Teorema 7.3 Se in un intervallo [a, b] sono soddisfatte le seguenti ipotesi: ) f(a)f(b) < ; ) f(x) è derivabile due volte con continuità; 3) f (x) ed f (x) sono di segno costante; il metodo della secante è convergente all unica radice dell equazione f(x) = in (a, b), purché si usi la formula (7.7) se f(a)f (a) >, la formula (7.) se f(b)f (b) >. Dimostrazione. Sia, per fissare le idee, f (x) > in a apple x apple b (se questa ipotesi non fosse soddisfatta le considerazioni seguenti cambierebbero solo formalmente). La curva y = f(x) è allora convessa e disposta al di sotto della corda che unisce i punti (a, f(a)), (b, f(b)). Due casi sono allora possibili: 9

213 ) f(a) > ; ) f(b) >. Nel primo caso, l estremità a è fissa e le approssimazioni successive : x () = b, x (n+) = x (n) f(x (n) ) f(x (n) ) f(a) (x(n) a), n =,,..., formano una successione decrescente e limitata inferiormente da. Nel secondo caso, l estremità b è fissa e le approssimazioni successive : x () = a, x (n+) = x (n) f(x (n) ) f(b) f(x (n) ) (b x(n) ), n =,,..., formano una successione crescente e limitata da. Poiché,inentrambiicasi, la successione {x (n) } n= è m o n o t o n a e c o n t e n u t a i n ( a, b), esiste il lim n! x(n) = con a< <b. Pertanto, nel primo caso, passando al limite nella (7.7) si ha = f( ) ( a) f( ) f(a) da cui f( ) =equindi =, datoche,nelleipotesi) ) del teorema, l equazione f(x) = possiede una sola radice in (a, b). Procedendo allo stesso modo si trova che, anche nel secondo caso, la successione degli iterati {x (n) } n= converge all unica radice dell equazione f(x) =in(a, b). Il seguente teorema consente, sotto opportune ipotesi, di valutare la distanza tra l n-esimo iterato e la radice in (a, b) dell equazionef(x) =. Teorema 7.4 Se esistono due numeri m e M tali che per ( a apple x apple x (n), <m apple f (x) applem < x (n) apple x apple b, nel primo caso, nel secondo caso, tra l n-esimo iterato x (n) del metodo della secante e l unica radice dell equazione f(x) =in (a, b) vale la seguente relazione: x (n) apple M m m x (n) x (n ). (7.9) 99

214 Esempio 7.5 Valutare, a meno di,laradicepositivadell equazionef(x) = x 3.x.x. =. Poiché f() =.6 edf() = 5.6, la radice cercata appartiene all intervallo (, ). Dato che l intervallo di indeterminazione è grande, possiamo ridurlo per bisezione calcolando f(3/). Poiché f(/) =.45, la radice cercata appartiene all intervallo (,.5). Applicando ora la relazione di ricorrenza (7.) otteniamo: x ().6 =+ ( ) =.5, x ().73 =.5 + ( ) =.9, x (3).36 =.9 + ( ) =.9. Poiché, nell intervallo [.9,.5], 6.73(.5).4(.9). f (x)3(.9).4(.5). =3.49 per la (7.9) < x (3) < < 4 epertantox (3) è a c c e t t a b i l e c o m e v a l u t a z i o n e d e l l a r a d i c e. I l v a l o r e e s a t t o della radice è.. Osservazione. Mentre il metodo di Newton, almeno quando la radice dell equazione f(x) = è semplice, ha convergenza quadratica, il metodo della secante ha sempre convergenza lineare. Tuttavia l importanza del metodo della secante non è trascurabile, soprattutto perché, mentre nel metodo di Newton il calcolo di un nuovo iterato x (i) richiede la valutazione sia della funzione che della sua derivata in x (i ),ilmetododellasecante,trannenelprimopasso (nel quale ne sono richieste due) richiede soltanto la valutazione della funzione in x (i ). Nel calcolo di radici o di logaritmi, ottenuti mediante la risoluzione di equazioni del tipo x k =, k N, =, log(x) =, R, risulta tuttavia più e ciente il metodo di Newton, anche se si tiene conto del maggior numero di valutazioni funzionali richiesto.

215 7.3 Caso multidimensionale Teorema 7.6 Nel caso n-dimensionale, condizione su ciente perché una funzione sia contrattiva in un intervallo I R n è che esista un numero [, ) tale che nx i j apple <, i =,,...,n, x I. (7.) Dimostrazione. Per la formula di Taylor di primo ordine, per i =,,...,n eperognicoppiadipuntix, x I, ' i (x ) ' i (x )= nx i ( (i,j) j (x j x j ), essendo (i,j) un punto interno all intervallo di estremi x, x.diconseguenza, dato che (i,j) I, perla(7.) ' i (x ) ' i (x ) apple nx i ( (i,j) j x j x j applekx x k nx i ( (i,j) j apple kx x. Poiché la suddetta diseguaglianza vale per i =,...,n,risulta anche k'(x ) '(x )k apple kx x k epertantola' è c o n t r a t t i v a. R i c o r d a n d o l a d e fi n i z i o n e d i k k di una matrice, la (7.), può esprimersi nella forma k (x)k apple <. Esempio 7.7 Dimostrare che la funzione ( ' (x,x )= p [x (x +5) ]/, (x) = ' (x,x )= p 3+log x, è contrattiva nell insieme I = {(x,x )con 3.5 x apple. e. x apple.}.

216 In apple apple apple p [3.4(.+5) ]/ <.54, p [3.4(.+5) ]/ <.7, + 3(.43) 3.4 p 3.4+log 3.4 <.4, Di <. <.4 <, la funzione (x) ècontrattivaini. Teorema 7. Supponiamo che in un intervallo chiuso I = {x R n con a i apple x i apple b i per i =,...,n} esista una sola soluzione dell equazione F (x) = e quindi un solo punto fisso per una sua funzione di iterazione (x). Allora, se: ) esistono continue in I le derivate parziali della ; ) il punto iniziale x () e tutti gli iterati successivi appartengono ad I; 3) per i =,...,n valgono in I le n apple m i <, essendo =(',...,' n ), la successione degli iterati converge a. La condizione 3) equivale a dire che esiste un apple m<taleche k (x)k apple m<, per ogni x I.

217 Esempio 7.9 Valutare, a meno di,lasoluzionepositivadelsistema ( f (x, y) =x xy 5x +=, f (x, y) =x +3log x y =. Allo scopo di trovare un intervallo nel quale cade la soluzione positiva del sistema, costruiamo le curve f (x, y) =,f (x, y) =. L approssimazione della soluzione positiva, ottenuta graficamente, è x () =3.5, y () =.. Per ottenere una funzione di iterazione seguente: scriviamo il sistema nella forma r x(y +5) x = ' (x, y) =, y = ' (x, y) = p 3+log x. Supponiamo inoltre che l intervallo I sia così definito: I = {(x, y) con 3.5 x apple. e. y apple.}. In apple apple apple p [3.4(.+5) ]/ <.54, p [3.4(.+5) ]/ <.7, + 3(.43) 3.4 p 3.4+log 3.4 <.4, Di <. <.4 <, se come punto iniziale prendiamo la soluzione grafica e se gli iterati successivi rimangono in I (ciò che deve essere verificato durante la esecuzione dei calcoli), il processo iterativo è convergente. 3

218 Calcolando gli iterati mediante le formule r x x (i) (i ) (y = (i ) +5), q y (i) = 3+log x (i ), i =,,..., ed approssimando alla terza decimale, si costruisce la seguente tabella x () =3.5, y () =., x () =3.479, y () =.59, x () =3.4, y () =.6, x (3) =3.44, y (3) =.6, x (4) =3.46, y (4) =.6, x (5) =3.47, y (5) =.6, x (6) =3.47, y (6) =.6. Avendo ottenuto x (6) = x (5) = 3.47 e y (6) = y (5) =.6, si può porre () =3.47 e () =.6. Osservazione. L ipotesi 3) del Teorema 7., come dimostrato nel seguente Teorema 7., può essere sostituita dall ipotesi meno restrittiva della contrattività della. Teorema 7. Siano: una funzione di iterazione definita in un insieme ; x () un punto iniziale appartenente da ; I x (),r un intorno circolare con centro x () e raggio r. Allora, se esiste un numero apple [, ) tale che: ) k (x ) (x )kappleapple x x k, x, x I x (),r; ) kx () x () k = k (x () ) x () kapple( apple)r, risultano valide le seguenti a ermazioni: ) x (i) = (x (i ) ) I x (),r per i =,,...; ) possiede in I x (),r un solo punto fisso ; 4

219 3 ) gli iterati convergono a secondo la relazione seguente kx (i) kapple applei apple kx() x () k. (7.) Dimostrazione. La ) può essere verificata per induzione. Poiché x () I x (),r per la ), resta da dimostrare che se x (),...,x (i) I x (),r anche x (i+) I x (),r. E ettivamente in tale ipotesi x (i+) I x (),r in quanto, essendo kx (i+) x (i) k = k (x (i) ) (x (i ) )kappleapplekx (i) x (i ) k per la disuguaglianza triangolare e per la ), apple apple i kx () x () k, (7.) kx (i+) x () kapplekx (i+) x (i) k + kx (i) x (i ) k kx () x () k apple (apple i + apple i +...+)kx () x () kapple( apple i+ ) <r. Per verificare la ) dimostriamo dapprima che la successione {x (i) } i= è d i Cauchy. Dalla disuguaglianza (7.) e dall ipotesi ) segue che, per h = i + j, kx (h) x (i) kapplekx (h) x (h ) k kx (i+) x (i) k apple (apple (i+j ) + apple (i+j ) apple i )kx () x () k apple apple i applej apple kx() x () k < applei apple kx() x () k <apple i r. (7.3) Pertanto, poiché {apple i r} i= è s t r e t t a m e n t e d e c r e s c e n t e a z e r o, l a s u c c e s s i o n e {x (i) } i= è di Cauchy. Inoltre, poiché in R n le successioni di Cauchy sono convergenti, esiste un vettore R n al quale converge {x (i) } i= ed inoltre, essendo un punto di accumulazione per I x,r, essoappartieneallachiusura () di I x (),r ( I x,r). Infine è u n p u n t o fi s s o p e r l a f u n z i o n e d i i n t e r a z i o n e, () essendo, per ogni " R + ed i su cientemente elevato, k ( ) k applek ( ) (x (i) )k + k (x (i) ) k apple applek x (i) k + kx (i+) k <". per il fatto che x (i)!. L unicità del punto fisso segue immediatamente dall osservazione che se fosse un altro punto fisso di avrebbe k k = k ( ) ( )kappleapplek k 5

220 epertanto,datocheapple [, ), deve essere =. Infine per la stima (7.) dell errore basta osservare che, in base alla (7.3) lim h! kx(h) x (i) k = k x (i) kapple applei apple kx() x () k. Il teorema 7. è molto utile, in quanto: esso prescinde dalla conoscenza di un intervallo contenente il punto fisso efornisceunamaggiorazionedella distanza tra punto fisso e l i esimo iterato, computazionalmente utilizzabile come criterio di interruzione dei calcoli. Analogie e di erenze con il caso lineare. Nel caso lineare (x) = Mx c, per cui la matrice Jacobiana (x) =M coincide con la matrice stessa del sistema. Di conseguenza la condizione ( (x )) = (M) < del teorema di Ostrowski fornisce la nota condizione su ciente sulla convergenza di un sistema lineare. Tuttavia, mentre nei sistemi lineari la convergenza è globale, ossia è indipendente dal punto iniziale, nei sistemi non lineari è soltanto locale, ossia la convergenza è assicurata soltanto se x () è abbastanza vicino a x. Da notare inoltre che, mentre nei sistemi lineari la condizione ( (x )) = (M) < ènecessariaperlaconvergenza,questacondizionenon è necessaria per i sistemi non lineari. Il risultato non deve meravigliare dato che (M) < (nei sistemi lineari) è un vincolo necessario per la convergenza globale non per la semplice convergenza locale e, nei sistemi non lineari, la convergenza di cui si parla è semplicemente locale. Supponiamo ora che la funzione di iterazione sia del tipo (x) =x [C(x)] F (x), (7.4) dove C(x) è una matrice nonsingolare in x. Sotto tali ipotesi, essendo F (x )=, (x )=I [C(x )] F (x ). (7.5) Nel metodo di Newton C(x) =F (x), ossia la funzione di iterazione è (x) =x [F (x)] F (x). Di conseguenza, nell ipotesi che nel punto fisso x la matrice Jacobiana F (x) sia nonsingolare, la (7.5) implica che (x )èidenticamentenulla,ossiache ( (x )) =. Sotto tale ipotesi il punto fisso x è e v i d e n t e m e n t e u n p u n t o di attrazione per gli iterati x (k+) = x (k) F (x (k) ) F (x (k) ), k =,,... Metodo di Newton-Jacobi. Supponiamo ora di decomporre F (x) nel modo seguente: F (x) =D(x) [L(x)+U(x)] 6

221 dove D(x) èladiagonaledif (x), L(x) eu(x) rispettivamenteitriangoli strettamente inferiore e superiore di F (x). Il metodo di Newton-Jacobi è caratterizzato da una funzione di iterazione di tipo (7.4) con C(x) =D(x) =) (x) =x [D(x)] F (x) naturalmente nell ipotesi che tutti gli elementi diagonali di D(x) sianostret- tamente non nulli. Osserviamo ora che, nel caso lineare, dove F (x) = Ax b, ilmetodo di Newton-Jacobi coincide con il metodo di Jacobi. In questo caso, infatti, essendo F (x) =D (L + U), essendo (x) =x D (Ax b) =x D {[D (L + U)]x b} = D [(L + U)x + b] =Hx + c, H = D (L + U), c = D b. Supponiamo ora che la F sia di erenziabile in tutto un intorno di x nel quale F (x )= e che la matrice Jacobiana F sia continua in x. Se D(x )è nonsingolare e inoltre il raggio spettrale {[D(x )] [L(x )+U(x )]} <, (7.6) la funzione di iterazione (x) =x [D(x)] F (x) soddisfa, in x, il teorema di Ostrowski e di conseguenza x è d i a t t r a z i o n e p e r g l i i t e r a t i x (k) = (x (k ) ). Per la dimostrazione è su ciente osservare che per la (7.5), (x )=I [D(x )] {D(x ) [L(x )+U(x )]} =[D(x )] [L(x )+U(x )]. La verifica della (7.6) naturalmente non può essere diretta, dato che non conosciamo x. La condizione è tuttavia verificata se si trova un intorno I x di x,perognipuntox del quale risulti {D (x)[l(x)+u(x)]} <. Osservazione. Nel caso tale condizione sia verificata per ogni x R n,la funzione di iterazione risulta globalmente contrattiva, con la conseguenza che la convergenza è globale, ossia gli iterati convergono a x,qualunquesiax (). 7

222 Esempio 7. Applicare il metodo di Newton-Jacobi alla risoluzione del sistema ottenuto mediante la discretizzazione, con il metodo delle di erenze centrali, del problema y = g(y(x)), a apple x apple b, y(a) =, y(b) =, nell ipotesi che la g sia di erenziabile con continuità su [a, b] echesoddisfila condizione g (t) >, t R. Discretizzando con la usuale notazione si genera il sistema F (y) =, con f i (y) = y i+ +y i y i + h g(y i )=, (7.7) con i =,...,n, y = e y n+ =. Da essa segue immediatamente che la matrice Jacobiana F (y) = A + G (y), essendo A = C A G (y) =h diag(g (y ),g (y ),...,g (y n )). La condizione di nonnegatività della g implica che (F ) i,i (y) =+h g(y i ) > L i (y)+u i (y) =, i =,...,n, epertantoanche kd (y)(l(y)+u(y))k <, {D (y)(l(y)+u(y))} <, qualunque sia y R n. Questo implica che la soluzione del sistema è un punto di attrazione globale per gli iterati del metodo di Newton-Jacobi. Metodo di Newton-Gauss-Seidel. In questo caso la funzione di iterazione è (x) =x [D(x) L(x)] F (x) dove D(x) e L(x) hanno il significato precedentemente specificato. Procedendo come nel caso di Newton-Jacobi, è facile dimostrare che, nel caso D(x ) L(x ) sia nonsingolare, il punto fisso x è d i a t t r a z i o n e p e r g l i i t e r a t i del metodo di Newton-Gauss-Seidel se {[D(x ) L(x )] U(x )} <. (7.)

223 Per quanto concerne la verifica della diseguaglianza (7.), valgono lo stesso tipo di considerazioni fatte per il metodo di Newton-Jacobi. Per approfondimenti sulla convergenza locale e globale del metodo di Newton si rinvia al Cap. 5 del libro di Stoer e Burlish [] e ai libri di Ortega [], di Ortega e Rheinboldt [] e di Kelley [6]. 9

224

225 Capitolo METODO AGLI ELEMENTI FINITI. Introduzione Il metodo agli elementi finiti (Finite Element Method, FEM) è, attualmente, la tecnica numerica più utilizzata nella risoluzione delle PDEs con assegnate condizioni al bordo (Boundary Value Problems, BVPs). Questo non esclude, naturalmente, l esistenza di settori specifici nei quali altri metodi siano più utilizzati. Nel caso di domini regolari, ad esempio, i metodi tuttora più utilizzati sono quelli alle di erenze finite. L utilizzo degli elementi finiti è essenziale nel caso di domini complessi (telaio di un automobile, motore di un aereo, ecc.). Nel settore esistono molti libri eccelenti, come i libri di Brennes e Scott [], Strang e Fix [3], Ciarlet [5] e Raviart e Thomas [3]. Essi tuttavia non riservano abbastanza spazio ai dettagli pratici sugli algoritmi e sulla programmazione. Per questo motivo, consideriamo più adatti alle esigenze didattiche degli studenti di Ingegneria quelli di Gockenbach [9] e di Quarteroni []. Dal punto di vista teorico un BVP lineare può essere rappresentato nella forma Af = g, (.) dove A : X! Y è un operatore lineare da uno spazio di Hilbert X ad un altro spazio di Hilbert Y. Nelle applicazioni, spesso, gli spazi X e Y sono coincidenti. Nei BVPs, A è i d e n t i fi c a t o d a u n o p e r a t o r e a d e r i v a t e p a r z i a l i l i n e a r e e dalle condizioni assegnate al bordo. Nei problemi di tipo ellittico, l operatore di erenziale in n variabili è del tipo  = a ij + a (x), x R n, j i,j=

226 con X e Y opportuni spazi di Hilbert. Nel caso particolare X = Y, generalmente verificato nelle applicazioni, condizione necessaria e su ciente perchè l equazione funzionale (.) sia univocamente risolubile in X, qualunque sia g X, ècheesistalimitatol operatore inverso A : X! X. Allo scopo di dare condizioni su cienti per stabilire tale proprietà, nel caso degli operatori ellittici, si fa riferimento al funzionale bilineare nx a(u, v) = a ij Z v(x) dx + a (x)u(x)v(x) dx j i,j= con u e v appartenenti ad X. Valeinfattiilseguenteimportante Lemma. (Lax-Milgram) Condizione su ciente perchè l operatore (differenziale) lineare A : X! X abbia inverso limitato è che esso sia coercivo, ossia che esiste una costante c> tale che a(v, v) ckvk, qualunque sia v X, (.4) dove il simbolo k k indica la norma nello spazio di Hilbert X. Nel caso dei modelli di erenziali di tipo ellittico, parabolico e iperbolico considerati in questo libro, la condizione di coercività, introdotta nel Lemma di Lax-Milgram, è equivalente a quella di ellitticità introdotta nella Sezione. del libro. Il primo passo nella risoluzione di un BVP consiste nell associare al problema iniziale una formulazione variazionale a(u, v) =L(v), per ogni v X, (.5) dove a(u, v) è il funzionale bilineare (.3) e L(v)èunoperatorelinearelimitato. Nell ipotesi di coercività dell operatore A, il Lemma di Lax-Milgram implica che l equazione (.5) possiede una e una sola soluzione u X. Allo spazio infinito dimensionale X viene associata una successione di spazi finito dimensionali {X n } n= soddisfacenti la seguente proprietà: X n X n+ con [ X n = X, dove il soprassegno indica la chiusura dell unione degli spazi introdotti. Al problema infinito dimensionale (.5) viene quindi associato un problema finito dimensionale n= a(u n,v)=l(v) per ogni v X n. (.6)

227 dist(u,x n) u u n X X n Figura.: Distanza dist(u, X n )=min unx n ku u n k tra la soluzione u in X elasoluzioneu n nello spazio finito dimensionale X n. Il Lemma di Lax-Milgram garantisce che, sotto le ipotesi di coercività, anche il problema finito dimensionale (.6) possiede esattamente una soluzione in X n [Fig..]. Al tendere di n!la ku u n k!, come stabilito dal seguente importante Lemma. (di Céa) [5] Sotto le ipotesi di coercività dell operatore di erenziale e di approssimazione della successione {X n } n=, vale la seguente diseguaglianza ku u n kapplec dist(u, X n ), (.7) essendo c una costante indipendente da n. Il risultato è molto importante in quanto consente di utilizzare, in tale ambiente, i numerosi risultati della teoria dell approssimazione sulla stima della distanza tra una funzione in uno spazio di Hilbert X elasuaapprossimazione ottimale in molteplici sottospazi finito dimensionali X n.. Formulazione variazionale. a Formulazione variazionale di una ODE con valori agli estremi assegnati Consideriamo il seguente problema di erenziale (con condizioni di omogeneità agli estremi): < d p(x) dy + q(x)y = f(x), x [a, b] R, dx dx (.a) : y(a) =, y(b) =, 3

228 dove p(x) > in(a, b), essendo p C [a, b], con q, f C [a, b], avendo indicato con C [a, b] lospaziodellefunzionicontinuein[a, b] econc k [a, b], k =,,...,lospaziodellefunzionicontinuein[a, b] assiemeallesuederivate fino all ordine k. Nel caso = =,sidicecheilproblema(.a)soddisfa condizioni di omogeneità agli estremi. Diversamente si dice che le condizioni agli estremi sono di inomogeneità. Per ragioni di semplicità, nell associare al problema (.a) la sua formulazione variazionale, si ipotizzano condizioni di omogeneità agli estremi. Tale ipotesi non è limitativa in quanto, con una semplice trasformazione lineare, è sempre possibile ricondursi a tale situazione. Posto infatti y = z + ' con '(x) = + x a ( ), dove ' è l i n t e r p o l a n t e b a lineare tra (a, ) e(b, ), l equazione (.a) si trasforma nella seguente: < d p(x) dz + q(x)z = g(x), x [a, b] R, dx dx (.b) : z(a) =z(b) =, dove g(x)èlafunzioneg(x) =f(x)+ d [p(x)'(x)] q(x)'(x), continua in [a, b]. dx Per questo motivo nel seguito supporremo, per semplicità, che nel problemi (.a) le condizioni agli estremi siano di tipo omogeneo. L esistenza puntuale della (.a) presuppone che p C [a, b] echeq, f C [a, b]. Questo implica che la sua soluzione puntuale y C [a, b] = y; y, y,y C [a, b], con y(a) =y(b) =. Per generarla introduciamo, come spazio delle funzioni test, lo spazio C [a, b]. Indicata con v la generica funzione test, moltiplicando primo e secondo membro delle (.) per v eintegrandosu[a, b] otteniamol equazione Z b a d p(x) dy v(x) dx + dx dx Z b a q(x)y(x)v(x) dx = Z b a f(x)v(x) dx. Da essa, integrando per parti il primo termine e tenendo presente che (per ipotesi) v(a) = v(b) =, otteniamo che, per ogni funzione test v, vale l equazione Z b a p(x)y (x)v (x) dx + Z b a q(x)y(x)v(x) dx = Z b a f(x)v(x) dx. (.9) La (.9) viene definita formulazione variazionale delle (.). È importante osservare che le due formulazioni sono equivalenti, nel senso che: (a) ogni soluzione y della (.) soddisfa la (.9), qualunque sia v C[a, b]; (b) ogni funzione y che soddisfa la (.9), qualunque sia v C[a, b], soddisfa la (.). Essendo la (a) ovvia, ci limitiamo a dimostrare la (b). Procedendo per assurdo 4

229 supponiamo che, pur essendo la (.9) soddisfatta (qualunque sia v C[a, b]) esista un punto x (a, b) nelqualerisulti d p(x) dy + q(x)y(x) f(x) >. (.) dx dx Sotto tale ipotesi, per continuità esiste un intorno I x, di centro x eraggio,inognipuntodelqualela(.)risultasoddisfatta. Questoimplicache possiamo costruire una v C[a, b], positiva in I x, enullaaltrove. Maallora Z b apple d I = p(x) dy + q(x)y(x) f(x) v (x) dx >, dx dx contro l ipotesi che a Z b a [p(x)y (x)v (x)+q(x)y(x)v(x) f(x)v(x)] =, qualunque sia v C [a, b]. Per estendere tale tipo di formulazione ai modelli di erenziali alle derivate parziali (BVPs per PDEs) è necessario premettere alcuni risultati di calcolo vettoriale di erenziale.. b Richiami di calcolo vettoriale-di erenziale Gradiente di una funzione. Indicata con u(x) = u(x,x,...,x n )una funzione definita in un dominio e ivi di erenziabile, per gradiente della u in, in simboli, ru =gradu (nabla u, gradientediu), si intende il n Esempio.3 Il gradiente della funzione u(x,x,x 3 )=x + x +cos(x x x 3 ) è i l v e t t o r e x x x 3 sin(x x x 3 ) ru x x x 3 sin(x x x 3 ) A. x x sin(x x x 3 ) Derivata direzionale-gradiente. Supponiamo che u(x,x,...,x n )e le sue derivate parziali siano continue in una sfera con centro x () e che ru(x () ) 6=. Per derivata direzionale della u in x () =(x (),x (),...,x () n ), lungo la direzione d =(d,d,...,d n ) d u(x () ) d d n d n, 5

230 dove, come mostra la definizione e come usuale, il punto indica il prodotto interno (prodotto scalare) tra i vettori ru(x () )ed. Dalle quale, ricordando che (per definizione di prodotto tra d u(x () ) d = ru(x () ) kdk cos, dove è l a n g o l o t r a i v e t t o r i ru(x () )ed, seguono le seguenti osservazioni: a) la direzione di massima crescita, ossia la direzione d, di lunghezza unitaria, lungo la quale, a partire da x () la funzione u cresce maggiormente è rappresentata dal vettore unitario ( versore) d = ru(x() ) kru(x () )k. b) Per lo stesso tipo di considerazioni, il versore d = ru(x () ) kru(x () )k indica la direzione di massima decrescita, ossia la direzione lungo la quale, apartiredax (),lau presenta la più ripida discesa. Al fine di interpretare geometricamente l osservazione b), consideriamo la famiglia delle curve di livello u(x,x )=c, c R, associata ad una funzione di erenziabile u in un dominio bidimensionale. Considerato un punto x (),ladirezionedipiùripidadiscesa,comeindicato nella Fig.., rappresenta il versore normale alla tangente di una curva di livello, in x (),rivoltoversol interno,ossianelversodellecurvedilivellocon c decrescenti. Esempio.4 Se u(x,x,x 3 )=x + x + x 3,ilversorenormaledipiùripida discesa in x () =(,, ) T è d = p 3 (,, ) T.Essoindicainfattiche,qualunque sia la superficie sferica di equazione x + x + x 3 = c, c>, il versore d, partendo da x (),puntaversol origine,ossiaalcentrodellasferacaratterizzata da c =. Versore normale esterno. Perversorenormaleesterno(vettorenormale esterno di norma ) ad una superficie, dotata di piano tangente in un punto 6

231 Figura.: La figura mostra due curve di livello della funzione u(x,x )eil suo (versore) gradiente. x (),siintendeilversorenormalealpianotangente,orientatonelversodelle curve di livello crescenti della u(x). Generalmente indicato con n = ru(x() ) kru(x () )k, esso rappresenta, nel punto, la direzione di più rapida crescita. Esempio.5 Consideriamo la superficie rappresentata dall equazione q x 3 = x + x, in cui x e x psono numeri reali qualsiasi. Il versore normale esterno alla superficie x 3 x + x =in(x,x,x 3 ), è! T = n = p x p, x + x x p, x + x p x x 3, x x 3, T. Il versore normale alla suddetta superficie conica, in (,, p ) è pertanto n = p T p, p,. Divergenza di un campo vettoriale. Indicatocon v(x) =(v (x),v (x),...,v n (x)) T, x =(x,x,...,x n ) T R n, un vettore n-dimensionale di erenziabile in un punto x, per divergenza di v in x, insimboli (r v)(x) =(divv)(x) (nabla v in x, divergenza di v in x), 7

232 si intende la funzione (r v)(x) n. Esempio.6 Se v(x) =(x + x,x x x 3,x 3 sin(x x )) T,ladivergenzadiv in x è l a f u n z i o n e (r v)(x) =x + x x 3 +sin(x x ). Se, in particolare, v è d i e r e n z i a b i l e d u e v o l t e i n, (r @x n n che, come noto, indica il Laplaciano della v. In simboli (r rv)(x) = v(x) =r v(x). Nell esempio.4 (u(x,x,x 3 )=x + x + x 3) (r rv)(x) =(r ru)(x) =6. Il risultato del calcolo vettoriale più importante nella trattazione della forma debole di un problema alle derivate parziali con assegnate condizioni al contorno (BVPs per PDEs) è rappresentato dal teorema della divergenza. In un certo senso, esso rappresenta l analogo multidimensionale del teorema fondamentale del calcolo integrale. Anche se i risultati, per semplicità, sono illustrati in due dimensioni, grazie alla generalità delle notazioni usate, essi si estendono facilmente al caso n- dimensionale (n =3, 4,...). Se è un dominio di R con regolare atrattiedf è u n c a m p o v e t t o r i a l e d e fi n i t o s u (chiusuradi, = ), il teorema della divergenza stabilisce che Z Z r f dx = f n d, (.) dove n è i l v e r s o r e n o r m a l e (di lunghezza unitaria) che è variabile Il teorema della divergenza, per la sua applicabilità, richiede ovviamente che il campo vettoriale f sia su ciemente regolare. Sotto tale ipotesi di regolarità esso stabilisce una relazione tra una quantità definita in un dominio e un altra definita sulla Esso permette di stabilire, in particolare, che per un problema del calore, in condizioni di stazionarità, nel dominio vale l equazione r (k ru) =f,

233 dove k indica una costante fisica del dominio e f una sorgente termica. Indicato infatti con! un subdominio di, la quantità di calore che entra in può essere descritto sia in termini di una sorgente f, siainterminidel calore che attraversa la frontiera, rappresentato dal flusso termico k ru. In condizioni di equilibrio termico i due flussi si compensano, ossia risulta che Z Z k ru n d + fdx Per il teorema della divergenza (applicato al primo integrale), qualunque sia il subdominio! di Z [r (kru)+f] dx =,! da cui (per l arbitrarietà di! in ) segue che, in condizioni di stabilità termica, vale la (.). Il teorema della divergenza permette anche di stabilire facilmente le condizioni di compatibilità per il seguente problema di Neumann: < r (k ru) =f in, = h (.3a) È intuitivo pensare che per l esistenza e l unicità della soluzione del problema (.3a), le funzioni f ed h non possono essere del tutto indipendenti tra loro. Èinfattinaturaleattendersicheesistatralorounproblemadicompatibilità. Tale condizione la si può ricavare, in modo molto semplice, mediante il teorema della divergenza. Basta infatti osservare che, indicata la derivata normale di u punto (x, y) di@ = ru n (essendo n il versore della u in (x, y) orientatoversol esterno),perilteoremadelladivergenza Z fdx = Z r (k ru) dx =! k d = hd. Le condizioni di compatibilità tra le funzioni f ed h sono dunque espresse dalla condizione Z Z fdx + hd =. (.3b) Per il seguito è utile osservare che, nel caso f(x, y) = divergenza si semplifica nel modo seguente: dxdy = f 9 f (x,y), il teorema della (.4a)

234 essendo n la prima componente del vettore n orientato verso l esterno. Per analogia è evidente che, qualora sia nulla la prima componente del campo vettoriale f, risulta dxdy = f n d, essendo f la seconda componente di f e n la seconda componente di n. Prima identità di Green. Laderivazionedellaformulazionevariazionale (debole) di un BVP richiede l utilizzo della prima identità di Green, considerato l analogo multidimensionale della regola di integrazione per parti. Dalla regola di derivazione di un prodotto sappiamo che come anche da cui segue la regola Z b a d (uv) =du dx dx v + udu dx, du dx vdx+ Z b a u dv dx dx =[uv]b a, (.5a) Z b a u dv dx dx =[uv]b a Z b a du dx vdx. La prima identità di Green segue dall applicazione del teorema della divergenza alla seguente regola di prodotto multidimensionale r (v ru) =rv ru + v u, (.5b) dove u = r ru è il cosiddetto Laplaciano di u. (Lasuaderivazionesegue dalla applicazione della regola del prodotto al primo membro, esplicitamente espressa rispetto alle sue coordinate). Integrando in ambedue i membri della (.5b), otteniamo Z Z Z r (vru) dxdy = ru rvdxdy+ v udxdy. Da cui, applicando il teorema della divergenza, segue che Z Z Z v(ru n) d = ru rvdxdy+ Da essa, ricordando che ru n identità di Z Z v udxdy = d ru rvdxdy. (.6a)

235 Una forma alternativa alla (.6a), molto utile nello studio dei BVPs, è la seguente: Z Z Z v r (kru) dxdy = k ru @n d. (.6b) Forma ottenibile dalla seguente applicazione della regola di di erenziazione del prodotto: r (v(k ru)) = k ru rv + v r (k ru) edelteoremadelladivergenza.ilteoremadelladivergenzaimplicainfattiche Z Z Z r (v(kru)) dxdy = kv(r n) d d Z Z = k ru rvdxdy+ v r (kru) dxdy, da cui Z (r k ru) dxdy = d + k ru rvdxdy. La prima identità di Green e il teorema della divergenza (più che per l effettivo calcolo di specifici integrali) sono molto importanti per ricavare altre formule di pratica utilità. Vediamo ora alcune forme particolari del teorema della divergenza e della prima identità di Green, molto utilizzate nel campo degli elementi finiti. Dalla (.), ponendo f =( uv )ef =( uv )eindicaticonn e n la prima e la seconda componente di n, possiamo ricavare le seguenti utili formule: Z >< Z >: dxdy + dxdy dxdy dxdy = Z Z uvn dxdy, uvn dxdy. (.7) Altra formula molto utilizzata e facilmente ricavabile dalla regola di derivazione di un prodotto e dal teorema della divergenza, è la seguente: Z Z v r (kru) dxdy = d k ru rvdxdy. (.). c Forma variazionale di tipici Come primo esempio consideriamo il classico problema di Dirichlet con condizioni di omogeneità sul bordo: ( r (k ru) =f in, (.9) =,

236 dove k(x, y) > in =,ossiau(x, y) =inognipuntodellafrontiera di. Se la f è c o n t i n u a e u è una soluzione (in senso classico) della (.9), la u e le sue derivate parziali prime e seconde sono ovunque continue in, con u(x, y) =inognipuntodi@. Possiamo dunque a ermare che u appartiene allo spazio C ( ) = {v C ( ) : v =su@ }, avendo indicato con lachiusuradi econc ( ) lo spazio delle funzioni continue, assieme alle sue derivate parziali prime e seconde, su. Se u è soluzione della (.9), è evidente che, qualunque sia v C( ), Z [r (kru)+f] vd =. Equazione che, in conseguenza della (.) e dell ipotesi che v sia nulla può essere scritta nella seguente forma variazionale: Z Z k ru rvdxdy= fvdxdy, qualunque sia v C( ). (.) Èimportanteosservarechevaleanchel inverso,nelsensochesela(.)è verificata qualunque sia v C( ), è verificato anche il problema di Dirichlet (.9). Per dimostrarlo basta osservare che se esiste un punto (x,y ) nel quale risulta Z (r (kru)+f) dxdy >, (.) per continuità esiste un intorno I (x,y ) inognipuntodelqualela(.) risulta soddisfatta. Ma allora è possibile costruire una funzione v C( ), positiva in ogni punto interno di I (x,y ) enullaaltrovein, per la quale risulta Z [r (kru)+f] vdxdy>, contro l ipotesi che tale integrale sia nullo, qualunque sia v C ( ). Lo stesso tipo di considerazioni vale (naturalmente) nel caso che esiste un punto di nel quale sia r (k ru)+f <. Si può pertanto a ermare che se una funzione u verifica la (.), qualunque sia v C ( ), la u è a n c h e s o l u z i o n e d e l p r o b l e m a d i D i r i c h l e t (. 9 ). R i s u l - tato pertanto dimostrato che risolvere il BVP (.9) equivale a determinare la funzione u C ( ) che soddisfa la (.), qualunque sia v C ( ).

237 . Come secondo esempio consideriamo il classico problema di Neumann, con condizioni di omogeneità al bordo: < r (k ru) =f, (x, y), =, (.3) La continuità della f in implica che, come nel precedente problema di Dirichlet, u è c o n t i n u a i n a s s i e m e a l l e s u e d e r i v a t e p a r z i a l i p r i m e e s e c o n d e. L a di erenza, rispetto al caso precedente, dipende unicamente dalle diverse condizioni al bordo. In questo caso supponiamo che l insieme delle funzioni test sia C ( ). La (.3) implica che, qualunque sia la funzione test v C ( ), Z Z r (kru)v dxdy = fvdxdy, da cui, applicando la prima identità di Green, segue che (per ogni v C ( )) Z Z d + k ru rvd = fvdxdy, per ogni v C ( Da quest ultima relazione, essendo =su@, segue infine Z Z k ru rvdxdy= fvdxdy, per ogni v C ( ). (.5) La condizione di omogeneità sulla derivata normale prevista dal problema di Neumann non richiede alcun vincolo della funzione test, a di erenza di quanto richiesto dal problema di Dirichlet. La (.5) rappresenta la formulazione variazionale del problema (.3). Mentre è evidente che la (.3) implica (.4) e conseguentemente la (.5), l inverso non lo è. Non è evidente, in particolare, per quale motivo la u deve soddisfare la condizione al bordo =. l applicazione della prima identità di Green alla (.5) implica che Z Z r (k ru)v k vd = Z fvdxdy, qualunque sia v C ( ). Da tale relazione, essendo r (k ru) =f, segueovviamenteche Z vdxdy=, per ogni v C ( ). Di conseguenza, dall arbitrarietà di v in C ( ) segue =. 3

238 Per questo motivo la (.5) viene considerata equivalente alla (.3). 3. Come terzo esempio consideriamo il seguente problema con condizioni alla frontiera di tipo misto (problema misto): r (k ru) =f, (x, y), >< u = su, >: = su, dove [ con \ = ;. ComenelcasoDirichletlacondizioneu = su è c o n s i d e r a t a essenziale, nelsensochedeveesserepresenteanchenello spazio delle funzioni test. La condizione è i n v e c e c o n s i d e r a t a di tipo naturale, nel senso che contribuisce all annullarsi dell integrale senza implicare alcun vincolo sulle funzioni test. Lo spazio delle funzioni test è i n f a t t i C( ) = {v C ( ) : v =su }. Moltiplicando primo e secondo membro dell equazione per v eintegrandoin otteniamo l equazione Z Z r (kru)v dxdy = fvdxdy, qualunque sia v C( ). Utilizzando quindi la prima identità di Green otteniamo l equazione Z Z k ru rvdxdy d = fvdxdy, per ogni v Tenendo conto delle due condizioni al bordo, possiamo scrivere che Z d = d d, da cui segue che l integrale al bordo è nullo, dato che il primo integrale è nullo perchè v =su possiamo a ermare che Z Z k ru rvdxdy= fvdxdy, qualunque sia v C( ). (.) La (.) rappresenta la formulazione variazionale della (.7). Con un procedimento analogo ai due usati in precedenza, si può dimostrare che le due formulazioni sono equivalenti nel senso che la (.7) implica la (.) eviceversalavaliditàdella(.),qualunquesiav C ( ), implica la validità della (.7). 4

239 . d Di erenza fondamentale tra la formulazione classica e quella variazionale Problema (.). La formulazione classica, nell ipotesi che la f sia continua in [a, b], richiede che la soluzione y sia due volte derivabile con continuità in [a, b] (y C [a, b]). La sua formulazione variazionale (.9) richiede invece la semplice derivabilità della y. Danotareancheche,mentrela(.)richiedela continuità della f, la (.9) richiede semplicemente la sua integrabilità in [a, b]. Questo suggerisce di ampliare notevolmente lo spazio nel quale ricercare la soluzione del problema di erenziale con valori agli estremi assegnati. Vedremo che tale spazio è lo spazio di Sobolev H [a, b], definito nel seguito. Problema (.9). Il problema (.9), nella sua formulazione classica, richiede che la f sia continua in = [@ echelau sia due volte di erenziabile con continuità in. La sua formulazione variazionale (.) richiede, invece, la semplice di erenziabilità della u in e la semplice integrabilità in della f. L interessearisolvereilproblema(.9)nellasuaformulazionevariazionale deriva dalla possibilità che questa o re di ricercare la soluzione in spazi molto più ampi rispetto a C ( ). Considerazioni del tutto analoghe valgono per i BVPs (.3) e (.7). Èquestalaragionechehaportatoall introduzionedegli spazi di Sobolev, che sono gli spazi nei quali si cerca la soluzione variazionale degli assgnati BVPs. Le loro soluzioni, per contrasto con quelle classiche, definite forti, sonodefinitedeboli.. e Spazi di Sobolev Per la loro introduzione è necessario premettere alcune definizioni. In primo luogo occorre precisare che per supporto di una funzione u(x, y) intendiamo la chiusura dell insieme dei punti di R nei quali la u è n o n n u l l a. I n s i m b o l i supp(u) ={(x, y) R : u(x, y) 6= }. Se u è d e fi n i t a s u e i l s u p p ( u) èuncompatto(insiemechiusoelimitato), per brevità diciamo che u è a s u p p o r t o c o m p a t t o s u. D a n o t a r e c h e u n a funzione continua a supporto compatto su è zero sulla frontiera di e nelle sue immediate vicinanze. Lo spazio C ( ), al quale spesso si ricorre nei metodi agli elementi finiti, è lo spazio delle funzioni indefinitamente di erenziabili in, aventi supporto compatto in. Esempio.7 (di una funzione in C ( )) Indicati con x e x due punti di R n,siar>unnumerotalechelasferadir n con centro x eraggio 5

240 r sia interna ad. In tale ipotesi la funzione v(x) = ( e /(r kx x k ), per kx x kappler,, altrove in, dove il simbolo k k indica la norma Euclidea in R n, appartiene allo spazio C ( ). Per rendersene conto basta osservare che v è i n d e fi n i t i v a m e n t e di erenziabile e che /(r kx x k )! + per kx x k!r. Derivazione in senso debole (nel senso delle distribuzioni) Persemplicità, iniziamo con la derivazione distribuzionale (in senso debole) di una funzione definita in un intervallo [a, b]. A tal fine indichiamo con C [a, b] l insieme delle funzioni indefinitamente derivabili (in senso ordinario) in (a, b) e nulle in a e b. Questo implica che, per continuità, esistono un intorno destro di a eunosinistrodibnei quali tali funzioni sono nulle. In sintesi, C [a, b] è lo spazio delle funzioni indefinitamente derivabili in ( a, b), aventi supporto compatto in [a, b]. Per definire la derivazione, in senso debole (distribuzionale), della y in [a, b], ricordiamo che se y C [a, b], per la regola di integrazione per parti, per ogni z su cientemente regolare in [a, b], Z b a dy dx zdx=[yz]b a Z b a y dz dx dx. Nel caso z C [a, b], essendo z(a) =z(b) =,risultapiùsemplicemente Z b a dy dx zdx= Z b a y dz dx dx. Questo equivale ad a ermare che dy dx è q u e l l a f u n z i o n e u per cui Z b a uz dx = Z b a y dz dx dx, qualunque sia z C [a, b]. (.9) Come è naturale aspettarsi, si può dimostrare che per ogni funzione y C[a, b], esiste una e una sola funzione u che soddisfa la (.9). Per questo motivo essa, per contrasto con la definizione di derivata ordinaria, viene definita derivata in senso debole (distribuzionale) della y. Prima di passare alla introduzione della derivazione parziale in senso debole consideriamo due esempi. 6

241 Esempio. Consideriamo la seguente funzione continua in [, ], con un punto angoloso in x = : f(x) = ( x, apple x<, x, apple x<. Tale funzione, anche se non è derivabile (in senso ordinario) in x =, è derivabile in senso distribuzionale (debole) e la sua derivata è f (x) = (, apple x<,, <x<. Per la sua dimostrazione basta osservare che, qualunque sia g C [, ], Z f(x)g (x) dx = Z = xg(x) = Z xg (x) dx + Z g(x) dx + Z ( x)g (x) dx g(x) dx +( x)g(x) + Z g(x) dx = Z Z g(x) dx f (x)g(x) dx. Esempio.9 Consideriamo ora la seguente funzione di Heaviside: H(x) = (, apple x<,, apple x apple. La funzione H, anchesediscontinuainx =, è al quadrato integrabile in [, ], ossia H L [, ]. Poiché il suo supporto è [, ], la funzione w è l a derivata (in senso debole) di H se Z wv dx = Z Hv dx = Z v dx = v(), qualunque sia v C [, ]. Questo implica che w è la restrizione della di Dirac su [, ] in quanto, per definizione di di Dirac, Z (x)v(x) dx = v(), qualunque sia v C [, ]. 7

242 Supponendo ora che u C ( ), integrando per parti, come indicato nella (.7), abbiamo che Z vdxdy= uvn u dxdy, essendo n la prima componente della normale n, qualunquesialafunzione test v su cientemente regolare. Nel caso v C ( ) l integrale ènullo epertanto dxdy, qualunque sia v C ( ). Questo significa è l a f u n z i o n e w per la Z Z wv dxdy dxdy, qualunque sia v C ( ). (.3a) Come c è da aspettarsi si può dimostrare che ad ogni u C( ), corrisponde una e una sola funzione w per la quale vale la (.3a) per ogni v C ( ). Per questo motivo, tale funzione viene definita la derivata parziale in senso debole (distribuzionale) della u. Utilizzando lo stesso procedimento si definisce la derivata in senso debole che, evidentemente, è la funzione z per la quale Z zv dxdy = dxdy, qualunque sia v C ( ). (.3b) Esempio. Indicato con il quadrato, = (, ) (, ), consideriamo la funzione ( xy, <x< u(x, y) =, <y<, ( x)y, <x<, <y<. (.3) Tale funzione, ovviamente non derivabile in senso forte, lo è in senso debole. Èfacileinfattidimostrareche(insensodebole) y, <x< (x, y) =w(x, y) =, y, <x<, <y<. (.3) Per verificarlo osserviamo dapprima che, per ogni funzione test v C ( ), Z Z Z wv dxdy = w(x, y)v(x, y) dxdy = Z y Z v(x, y) dxdy Z y Z v(x, y) dxdy.

243 D altro canto dxdy = = Z Z Z Z y y Z ( Z Z dxdy = [( x)v(x, y)] + 9 = v(x, y) dx ; dy Z y v(x, y) dxdy Z u(x, (x, y) dxdy Z < y : [xv(x, y)] Z y Z Z ( y v(x, y) dx ) dy = Z y Z Z Z ) v(,y)+ v(x, y) dx dy Z Z v(x, y) dxdy = dxdy 9 = v(x, y) dx ; dy v(,y) w(x, y)v(x, y) dxdy. Risulta pertanto verificato che la funzione w definita nella (.3) è la derivata in senso debole Osservazione. Nelle forme variazionali considerate le uniche derivate parziali che compaiono sono del primo ordine. Per questo motivo, pur non essendoci di coltà particolari ad estendere la definizione alle derivate parziali di ordine superiore in senso debole, ci limitiamo a quelle del primo ordine. Occorre comunque tenere presente che le formulazioni variazionali considerate richiedono che i prodotti ru rv siano integrabili, ossia che siano integrabili in @y..3 Proprietà basilari degli spazi di Sobolev Gli spazi di Sobolev sono gli spazi di Hilbert nei quali vengono risolte le equazioni di erenziali (ordinarie e alle derivate parziali) mediante il metodo degli elementi finiti. Per la loro introduzione è preliminare osservare che gli integrali utilizzati sono definiti nel senso di Lebesgue, non nel senso di Riemann. Questi ultimi, essendo più semplici da definire, vengono introdotti nei corsi introduttivi di Analisi Matematica. Essi non vengono però utilizzati negli elementi finiti per varie ragioni. La più importante è questa: una successione di funzioni integrabili nel senso di Riemann non sempre converge a una funzione integrabile nel senso di Riemann. Èimportantecomunquetenerpresente che ogni funzione integrabile nel senso di Riemann (in un dominio limitato) 9

244 lo è anche nel senso di Lebesgue e i due integrali coincidono. L insieme delle funzioni integrabili nel senso di Lebesgue è più ampio, rispetto a quello delle funzioni integrabili nel senso di Riemann, come richiesto nella teoria degli elementi finiti. Per questo motivo, negli elementi finiti, si definiscono misurabili le funzioni in valore assoluto integrabili nel senso di Lebesgue. Gli integrali di Lebesgue sono basati sulla misura degli insiemi, nel senso che la misura di Lebesgue indica l area di un insieme che può essere anche parecchio complesso. Per approfondimenti sulle loro proprietà si rinvia al libro di Royden [5]. Lo spazio di Sobolev più utilizzato è Z L ( ) = f :! R : f dx <. (.33) dove l integrale è nel senso di Lebesgue. Dalla (.33) segue immediatamente che due funzioni f e g in L ( ) per le quali Z f g dx = sono da considerarsi uguali, in quanto di eriscono tra loro unicamente in un sottoinsieme di di misura nulla. Da questo deriva che in L ( ): (a) una funzione può restare indefinita in un insieme di misura nulla; (b) non può essere definita unicamente in un insieme di misura nulla. Di conseguenza non può essere definita univocamente nella di un insieme limitato R n,datocheessaèdimisuranulla. Completezza di L ( ). Lo spazio C( ), ossia lo spazio delle funzioni continue nella chiusura = di èdensoinl ( ), ma non è completo. Questo significa che: (a) qualunque funzione di L ( ) può essere approssimata, in norma L ( ), con la precisione che si vuole, con una funzione continua in ; (b) una successione di funzioni di C( ), di Cauchy rispetto alla norma di L ( ), non necessariamente converge a una funzione di C( ). Si dimostra invece che ogni successione di funzioni di C( ) di Cauchy, rispetto alla norma di L ( ) converge ad una funzione di L ( ). Per questo motivo si dice che L ( ) è il completamento di C( ), rispetto alla norma di L ( ). Esso è uno spazio di Hilbert nel quale il prodotto interno, relativo a una qualsiasi coppia di funzioni f,g L ( ), è così definito: Z <f,g> L ( )= fgdx. La norma di una qualsiasi f L ( ) è pertanto s Z kfk L ( ) = f dx. 3

245 Spazi di Sobolev H ( ) e H( ). Sia u L ( ). Indicate @y derivate parziali (in senso debole) della u in, lo spazio H ( ) è così definito: H ( ) = u L ( L ( ). Esso rappresenta uno spazio di Hilbert rispetto al prodotto interno Z <u,v> H ( )= dxdy = (uv + ru dove u e v sono due generiche funzioni di H ( ) le cui derivate parziali sono definite in senso debole. Di conseguenza Z! kuk H ( ) = u Z dxdy = u + Per evidenziare una importante proprietà di H ( ), è bene far riferimento allo spazio C ( ) = f C ( C ( ). Tra H ( ) e C ( ) esiste lo stesso tipo di relazione esistente tra H ( ) e C ( ). Si può dimostrare infatti che: C ( ) è un sottospazio denso di H ( ). Per questo motivo H ( ) viene considerato il completamento di C ( ) rispetto alla norma di H ( ). Con riferimento agli elementi finiti è importante notare che, indicato con C ( ) l insieme delle funzioni con supporto limitato e ivi indefinitamente derivabili, lo spazio C ( ) è denso in L ( ), rispetto alla norma di L ( ). Altro spazio di Sobolev, fondamentale negli elementi finiti, è lo spazio Indicato con H ( ) = u H ( ) : =. C ( ) = u C ( ) : =, si può dimostrare che C ( ) è denso in H ( ). Lo spazio H ( ) può, pertanto, essere considerato come il completamento di C ( ) rispetto alla norma di H ( ). Per i BVPs di tipo ellittico considerati, con condizioni di omogeneità al bordo =). H ( ) è lo spazio di Sobolev di riferimento. Nel caso di non omogeneità al bordo, lo spazio di riferimento è H ( ). 3

246 .4 Risoluzione di BVPs con il metodo degli elementi finiti Iniziamo con la risoluzione della forma variazionale (.9) del problema (.), nell ipotesi u(a) =u(b) =. Inquestocaso,essendoilproblemaomogeneo, relativamente alle condizioni agli estremi, lo spazio di Sobolev di riferimento è H[a, b]. Il primo passo consiste nel costruire una successione di spazi {X n } n= di H[a, b], con [ X n H n+, X n = X, essendo X un sottospazio denso di H [a, b] perlanormadih [a, b]. Atalescoposidecomponel intervallo[a, b] conpuntinodaliequidistanziati (per semplice comodità) n= x i = a + ih, i =,,...,n+, h = b a n +. Si introduce quindi uno spazio n-dimensionale X n,tipicamenterappresentato da n polinomi a tratti opportunamente raccordati (spline polinomiali). Nel caso più semplice, che è anche quello più usato, tale base è formata da n splines lineari {H i (x)} n i=, ciascuna delle quali, per soddisfare le condizioni di omgeneità agli estremi, richieste della loro appartenenza a H [a, b], è nulla in x = a e x n+ = b. Il loro tipico andamento è quello rappresentato nella Fig..3. Analiticamente la H H H H H H H H H a=x x x x x x x x x x x =b Figura.3: Esempio di spline lineari per n =9. i-esima spline H i, i =,,...,n,ilcuisupportoèl intervallo[x i ampiezza h, ècosìdefinita, a apple x apple x i, >< x x i, x i apple x apple x i, H i (x) = h x i+ x, x i apple x apple x i+, >: h, x i+ apple x apple b.,x i+ ], di (.34) 3

247 L approssimazione n-dimensional y n (x) diunafunzioney H[a, b] èdata dall interpolante nx y n (x) = y n (x j )H j (x), (.35) j= nella quale y n (x i )èilcoe cientedih i (x), dato che H i (x j )= ij ( per j = i eperj 6= i), e y n (a) =y n (b) =. Lospaziodelleapprossimanti(.35),al variare di y C[a, b], è indicato con S H[a, b]. Ogni spline H i (x), pur avendo un punto angoloso in x i,èderivabileinsensodebole,elasuaderivata è :, a apple x<x i, >< Hi(x) = h, x i <x<x i, (.36) >: h, x i <x<x i+,, x i+ <xapple b. Sostituendo nella (.9) la y con la y n elafunzionetestv con H i, i =,,...,n, si ottiene il sistema nx Z b p(x)hj(x)h i(x) dx+ j= a Z b a q(x)h j (x)h i (x) dx y nj = dove y nj = y n (x j )(i =,,...,n). In tale sistema il vettore y n =(y n,y n,...,y nn ) T Z b a f(x)h i (x) dx, (.37) fornisce i valori nodali dell approssimante y n della soluzione y. La sua valutazione permette di ottenere, mediante la (.35), una approssimazione della soluzione y del problema iniziale (.). Esprimendo il sistema (.37) nella forma matriciale A y n = b n, (.3) è immediato osservare che la matrice A è simmetrica e tridiagonale, dato che a ij = a ji e a ij = per i j, essendo [x i,x i+ ]ilsupportodih i e[x j,x j+ ]quellodih j.ilmotivoper cui le splines lineari sono molto utilizzate negli elementi finiti è fondamentalmente dovuto a tali caratteristiche (simmetria e sparsità della matrice). Grazie 33

248 al supporto minimo delle splines lineari considerate, risulta a ij = per i j, a ii = h applez xi+ x i p(x) dx+ a i,i = a i.i = h applez xi a i,i+ = a i+,i = b ni = h applez xi Z xi x i q(x)(x x i ) dx+ Z xi Z xi+ x i q(x)(x i+ x) dx, p(x) dx + q(x)(x x i )(x x i ) dx, x i x i applez xi+ Z xi+ p(x) dx + q(x)(x x h i )(x x i+ ) dx, x i x i x i f(x)(x x i ) dx + Z xi+ x i f(x)(x i+ x) dx, con i, j =,,...,n. Èimmediatoosservarecheperq(x) la matrice A è anche diagonalmente dominante.il calcolo degli integrali è tecnicamente possibile solo in casi particolari. Esso è chiaramente immediato nel caso p(x) = q(x) =. Nel caso generale si ricorre a formule di quadratura, scelte in funzione delle caratteristiche analitiche di p(x)eq(x)e,perquantoriguardab n,diquelle di f(x). Stima dell errore. Stime dell errore di approssimazione della soluzione, con il metodo descritto, si possono facilmente ottenere nell ipotesi che la soluzione y sia abbastanza regolare, ossia che y H [a, b] = y L [a, b] :y,y anch esse in L [a, b], essendo y e y derivate in senso debole. Ipotesi certamente verificate nel caso che la y sia la soluzione in senso ordinario della (.). Tali stime discendono dal Lemma di Céa e dalle proprietà di approssimazione di una funzione abbastanza regolare mediante le splines lineari []. Più precisamente, indicata con il simbolo H [a,b] la seminorma in H [a, b], così definita Z b y H [a,b] = y (x) dx, a si dimostra la validità delle seguenti stime dell errore di approssimazione (della soluzione y mediante la spline lineare y n ): ky y n k L [a,b] apple ch y H [a,b], (.39a) ky y n k H [a,b] apple ĉh y H [a,b], (.39b) dove c eĉ sono costanti indipendenti da h = b a. Tali stime evidenziano la n+ convergenza di y n a y per n! + (h! + ). Aumentare n significa incrementare l ordine della matrice del sistema e conseguentemente la complessità 34

249 computazionale per la risoluzione del sistema (.3). In questo caso, fortunatamente, l incremento della complessità è molto limitato, in quanto la matrice del sistema è tridiagonale. Esistono infatti metodi appositi che risolvono tali tipi di sistemi per i quali la complessità è di O(n), ossia la complessità cresce linearmente con n. Osservazione. Relativamente alla completezza di importanti spazi di Hilbert, valgono le seguenti a ermazioni: () C( ) è denso in L ( ) () L ( ) è il completamento di C( ) nella norma di L ( ); () C ( ) è denso in H ( ) () H ( ) è il completamento di C ( ) nella norma di H ( ); (3) C ( ) è denso in H ( ) () H ( ) è il completamento di C ( ) nella norma di H ( ). Altri spazi densi in L ( ) sono C ( ) e C ( ) \ L ( ). Lo spazio C ( ) \ H ( ) è denso in H ( ) e lo spazio C ( ) è denso in H ( ). Consideriamo ora la risoluzione del BVP di tipo ellittico (.9), la cui formulazione variazionale è data dalla (.). Per descrivere l analogo di quanto visto nel caso di una ODE, è necessario premettere qualche definizione e qualche considerazione. La prima operazione consiste nell associare al dominio unreticolo(mesh)formatodauninsiemeditriangolicomeindicatonella Fig..4. Come si vede nella Fig..4, due triangoli possono avere in comune Figura.4: Reticolazione di due domini. un lato, oppure una vertice. È evidente che, indicato con h il diametro dei triangoli considerati, il reticolo associato h deve riempire il più possibile e, per h! +, h!. Per l applicazione del metodo, i triangoli e i vertici 35

250 debbono essere numerati. Supponendo che la triangolazione abbia generato N t triangoli, possiamo indicarli con Iverticideitriangoliliindichiamocon T,T,...,T Nt. V,V,...,V Nv, dove, indicato con (a i,y j )lecoordinatelocalidelj-esimo vertice, z j =(x j,y j ), j =,,...,N v. I vertici del triangolo T i,identificaticongliindicix i,, x i, e x i,3,vengonopertantoindicaticon V ni,, V ni, e V ni,3. È altresì importante identificare una trasformazione n ij = n(i, j) che,aciascuno dei tre vertici del triangolo T i,associilvalorecheglicorrispondenella numerazione globale {n ij }. Nel caso rettangolare = [a, b] [c, d], introdotte le coordinate locali x i = a + ih, i =,,...,n+ e y j = c + jk, j =,,...,m, la numerazione globale (sulla base dell ordinamento lessicografico) è ottenuta (Fig..5) con la regola n ij = i ++(n +)j, i =,,...,n+ e j =,,...,n+. Altro passo importante è rappresentato dalla identificazione dei nodi liberi ossia dei nodi (della triangolazione del dominio) nei quali il valore della soluzione del problema è incognita. Nel caso del problema ellittico (.9), essendo prefissati i valori della soluzione al bordo (u(x, y) =per(x, ), i nodi liberi coincidono con i nodi interni. Indicato con N v il numero complessivo det vertici dei triangoli di h,indichiamoconn v il numero di vertici interni che, per quanto osservato, coincide con il numero dei nodi liberi. Per la risoluzione (con gli elementi finiti) del problema variazionale (.), si inizia con l associare ad ogni punto nodale libero (vertice interno) z j,unabox-spline j che assume il valore in z j ezeroinognialtropuntonodale(siainterno sia di frontiera) della mesh h. Come notato nella Fig..6, la j rappresenta una piramide a facce piane e base poligonale (esagonale nel caso specifico) che assume il valore nel punto z j,relativoalverticedellapiramideezeroin tutti gli altrinodi della mesh. La soluzione del problema variazionale (.), relativo alla reticolazione h di, viene quindi approssimata con la seguente combinazione lineare delle box-splines { j }: u h (x, y) = Xn v j= 36 u h,j j (x, y), (.4)

251 Figura.5: La figura rappresenta un esempio di mesh. Il dominio scelto è un quadrato, la mesh è regolare e rappresentata da 3 triangoli e 5 nodi. Dei 5 nodi, 9 sono interni e 6 sono di frontiera. Figura.6: Rappresentazione grafica di j(x, y). dove, per la cardinalità delle box-splines, u h,j rappresenta il valore della u h nel vertice z j,ossiau h,j = u h (z j ), z j =(x j,y j ), j =,,...,n v,essendon v il numero dei vertici liberi. Poichè j H( h ), come è immediato osservare, anche u h H( h ). Questo implica che u h soddisfa le condizioni al bordo, aprescinderedeivalorideicoe cienti{u h,j } nv j=. Assunto, pertanto, H ( h ) come spazio delle funzioni test, assumiamo i (x, y), i =,,...,n v,comeiesima funzione test. Di conseguenza il calcolo del vettore dei coe cienti {u h,j } 37

252 della approssimante u h,vienericondottoallarisoluzionedelsistema Z Z k(x, y)ru h r i dxdy = h f(x, y) i (x, y) dxdy, h i =,,...,n v. (.4) Sostituendo quindi la rappresentazione di u h nella (.4), otteniamo il sistema determinato Xn v j= Z u h,j k(x, y)r j r i dxdy = f(x, y) i (x, y) dxdy, i =,,...,n v, Z h h (.4) dove le derivate parziali di i edi j sono, ovviamente, da intendersi in senso debole. Il sistema (.4), in forma matriciale, è dunque del tipo K h u h = f h, (.43) dove K h è l a c o s i d d e t t a s t i n e s s m a t r i x e f h il load vector. Da quanto detto è evidente che Z (K h ) ij = k(x, y)r i r j dxdy, i, j =,,...,n v, Z h f n,i = f(x, y) i (x, y) dxdy, i =,,...,n v. h La matrice K h è c h i a r a m e n t e s p a r s a, d a t o c h e ( K h ) ij 6=solonelcasoincui isupportidellebox-splines i e j abbiano almeno un triangolo in comune. Il calcolo degli elementi della matrice K h edelvettoref h può essere effettuato analiticamente solo se k(x, y) ef(x, y) sono molto semplici. Nella generalità dei casi deve essere e ettuato numericamente utilizzando formule di risoluzione numerica che tengono conto delle particolarità di k e f in. Il loro calcolo è, in generale, molto complesso in conseguenza dell elevato numero di triangoli che compaiono in h,maanchedelleloromoltepliciconfigurazioni rispetto alle coordinate. Questa seconda di coltà, come vedremo nel seguito, può essere superata con l introduzione del cosiddetto triangolo di riferimento..4 a Calcolo delle funzioni di base l (x, y) Per trovare la rappresentazione analitica di ogni elemento della base, occorre tenere presente che, nella frontiera del dominio, gli elementi della base si devono annullare e che in ogni triangolo T i della mesh (facente parte del supporto di una funzione di base), il piano che la rappresenta ha valore uno nel comune vertice e zero nei restanti vertici (Fig..7). Pertanto è sempre possibile trovare 3

253 Figura.7: La figura rappresenta un esempio di box-spline lineare in un dominio esagonale. Da notare, in particolare, come l unione dei sei piani aventi valore uno nel vertice comune, formano una piramide a base esagonale. l equazione di ogni generico piano su un generico triangolo, visto che per tre punti non allineati dello spazio passa uno e un solo piano. Calcolo di (x, y). Gli estremi del triangolo T (Fig..5) sono dati dai punti ( x =, y =, ( x 7 = h, y 7 = h, ( x 6 =, y 6 = h, per cui il piano z(x, y) = a + bx + cy che la caratterizza soddisfa le condizioni: >< z(x,y )=, z(x 7,y 7 )=, >: z(x 6,y 6 )=, >< a =, =) a + hb + hc =, >: a + hc =, Di conseguenza l equazione del piano cercato è z = x h. Piano con supporto il triangolo T : ( x =, y =, ( x = h, y =, 39 a =, >< =) b = >: h, c =. ( x 7 = h, y 7 = h,

254 >< z(x,y )=, z(x,y )=, >: z(x 7,y 7 )=, >< z(, ) =, ) z(h, ) =, >: z(h, h) =, >< a =, ) a + hb =, >: a + hb + hc =, a =, >< ) b =, >: c = h. Di conseguenza l equazione del piano cercato è z = y. h Piano con supporto il triangolo T 3 : ( ( ( x = h, x =h, x 7 = h, y =, y = h, y 7 = h, >< z(x,y )=, >< z(h, ) =, >< a + hb =, z(x,y )=, ) z(h, h) =, ) a +hb + hc =, >: >: >: z(x 7,y 7 )=, z(h, h) =, a + hb + hc =, h a h ba A ba A. h h h h c c Di conseguenza l equazione del piano cercato è z = Piano con supporto il triangolo T : ( ( x 7 = h, x =h, y 7 = h, y = h, h h x + y. h h ( x 3 =h, y 3 =h, >< z(x 7,y 7 )=, >< z(h, h) =, >< a + hb + hc =, z(x,y )=, ) z(h, h) =, ) a +hb + hc =, >: >: >: z(x 3,y 3 )=, z(h, h) =, a +hb +hc =, h h a h ba A ba A. h h h h c c Di conseguenza l equazione del piano cercato è z = Piano con supporto il triangolo T : ( ( x 7 = h, x 3 =h, y 7 = h, >< z(x 7,y 7 )=, z(x 3,y 3 )=, >: z(x,y )=, y 3 =h, >< z(h, h) =, ) z(h, h) =, >: z(h, h) =, 4 h x. h ( x = h, y =h, h >< a + hb + hc =, ) a +hb +hc =, >: a + hb +hc =,

255 h h a h ba A ba h h c c h h h h A. Di conseguenza l equazione del piano cercato è z = Piano con supporto il triangolo T : ( x 6 =, y 6 = h, ( x 7 = h, y 7 = h, y h. ( x = h, y =h, >< z(x 6,y 6 )=, z(x 7,y 7 )=, >: z(x,y )=, >< z(,h)=, ) z(h, h) =, >: z(h, h) =, >< a + hc =, ) a + hb + hc =, >: a + hb +hc =, h a h ba A ba h h c c A. h h h h Di conseguenza l equazione del piano cercato è z =+ x h y. Pertanto la h Figura.: La figura rappresenta la mesh nella quale sono stati rappresentati solo i nodi interni e dove il supporto della funzione base (x, y) è evidenziato in blu. 4

256 funzione di base (x, y) è data da (Fig..): x, (x, y) T h, y ><, (x, y) T h, x (x, y) = + y, (x, y) T h h 3, x, (x, y) T h, y h >:, (x, y) T, + x y, (x, y) T h h. (.44) Calcolo di (x, y). Piano con supporto il triangolo T 3. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T eassumevaloreunoin (h, h). Pertanto la sua equazione è data da (si veda la (.44)) z = x. h Piano con supporto il triangolo T 4. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T eassumevaloreunoin (h, h). Pertanto la sua equazione è data da (si veda la (.44)) z = yh. Piano con supporto il triangolo T 5. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T 3 eassumevaloreunoin (h, h). Pertanto la sua equazione è data da (si veda la (.44)) z = x h + y h. Piano con supporto il triangolo T 4. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T eassumevaloreunoin (h, h). Pertanto la sua equazione è data da (si veda la (.44)) z =3 Piano con supporto il triangolo T 3. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T eassumevaloreunoin (h, h) epertanto(sivedala(.44))siha:z = Piano con supporto il triangolo T. Tale piano ha la stessa inclinazione del piano avente come supporto il triangolo T epertantolasua equazione è data da (si veda la (.44)) z = x y. h h Pertanto la funzione di base (x, y) èdatada: x, (x, y) T h 3, y ><, (x, y) T h 4, x (x, y) = + y, (x, y) T h h 5, x 3, (x, y) T (.45) h 4, y h >:, (x, y) T 3, x y, (x, y) T h h. 4 y h. x. h

257 Calcolo delle restanti funzioni base. Sfruttando la simmetria della mesh in Fig.. e la linearità delle funzioni base, si trova facilmente che + x, (x, y) T h 5, y ><, (x, y) T h 6, x 3 3(x, y) = + y, (x, y) T h h 7, x 4, (x, y) T h 6, y h >:, (x, y) T 5, + x y, (x, y) T h h 4, x, (x, y) T h 9, + y ><, (x, y) T h, x 4(x, y) = + y, (x, y) T h h, x, (x, y) T h, y 3 h >:, (x, y) T 9, + x y, (x, y) T h h, + x, (x, y) T h, + y ><, (x, y) T h, x 5(x, y) = + y, (x, y) T h h 3, x 3, (x, y) T h, y 3 h >:, (x, y) T, + x y, (x, y) T h h, + x, (x, y) T h 3, + y ><, (x, y) T h 4, x 6(x, y) = + y, (x, y) T h h 5, x 4, (x, y) T h 4, y 3 h >:, (x, y) T 3, x y, (x, y) T h h, x, (x, y) T h 7, + y ><, (x, y) T h, x 7(x, y) = + y, (x, y) T h h 9, x, (x, y) T h, y 4 h >:, (x, y) T 7, 3+ x y, (x, y) T h h 6, 43 (.46) (.47) (.4) (.49) (.5)

258 + x h, (x, y) T 9, + y ><, (x, y) T h, x (x, y) = + y, (x, y) T h h, x 3, (x, y) T h 3, y 4 h >:, (x, y) T 9, + x y, (x, y) T h h, + x, (x, y) T h, + y ><, (x, y) T h, x 9(x, y) = + y, (x, y) T h h 3, x 4, (x, y) T h 3, y 4 h >:, (x, y) T 3, + x y, (x, y) T h h 3. (.5) (.5).4 b Calcolo della sti ness matrix e del load vector Per calcolare la sti ness matrix K occorre fare uso della seguente relazione Z K ij = a( i, j) = k(x, y)r i (x, y) r j (x, y) dxdy. (.53) Supponendo che il mezzo sia omogeneo (k(x, y) =),siha Z K = a(, ) = r (x, y) r (x, y) dxdy Z Z = r (x, y) r (x, y) dxdy + r (x, y) r (x, y) dxdy T T Z Z + r (x, y) r (x, y) dxdy + r (x, y) r (x, y) dxdy T 3 T Z Z + r (x, y) r (x, y) dxdy + T r (x, y) r (x, y) dxdy, T in quanto il supporto della funzione base (x, y)èt [T [T 3 [T [T [T. Dal momento che r (x, y) =(, h )T quando (x, y) T,siha Z T h dxdy = h h =. Nel caso disomogeneo (k(x, y) non costante) il procedimento è del tutto analogo, con la sola di erenza che il calcolo degli elementi K ij potrebbe non essere fattibile per via analitica. In tal caso viene e ettuato con formule di integrazione numerica che tengono conto della espressione esplicita di k(x, y). 44

259 Analogamente Z (x, y) T =)r (x, y) = =) h T h dxdy = h h =, Z (x, y) T 3 =)r (x, y) = h =) h T 3 h dxdy = h h =. Per simmetria si vede facilmente che Z Z r (x, y) r (x, y) dxdy = r (x, y) r (x, y) dxdy =, (.54a) T T Z Z 3 r (x, y) r (x, y) dxdy = r (x, y) r (x, y) dxdy =, (.54b) T T Z Z r (x, y) r (x, y) dxdy = r (x, y) r (x, y) dxdy =, (.54c) T T equindi K = + + =4. (.55) Per il calcolo dell entrata K notiamo che i supporti delle funzioni base (x, y) e (x, y) siintersecanoneitriangolit 3 e T : supp (x, y) \ supp (x, y) =T 3 [ T. Pertanto si ha ( r (x, y) = /h /h, (x, y) T 3 =) r (x, y) = /h, ( r (x, y) = /h, (x, y) T =) r (x, y) =, /h /h Z =) T 3 h dxdy =, Z =) T h dxdy =, equindi K =. (.56) L elemento K 3 =inquanto supp (x, y) \ supp 3 (x, y) =;, mentre gli elementi K 4 e K 5 possono essere diversi da zero in quanto supp (x, y) \ supp 3 (x, y) =T [ T, supp (x, y) \ supp 3 (x, y) =T [ T. 45

260 Tenendo conto delle funzioni base e delle loro relazioni di simmetria, si trova facilmente che la sti ness matrix è una matrice sparsa avente la seguente forma K = 4. (.57) 4 B 4 4 A 4 Il calcolo del load vector f = ((f, ),...,(f, 9)) T dipende fortemente dalla forma del termine noto della PDE (.9). In ogni caso, si procede in modo del tutto analogo a quanto visto per la sti ness matrix. Per esempio, per ottenere la prima componente di f, si procede nel seguente modo Z f =(f, ) = f(x, y) (x, y) dxdy Z = f(x, y) x Z T h dxdy + f(x, y) y T h dxdy Z x + f(x, y) T 3 h + y Z dxdy + f(x, y) + x y dxdy h T h h Z y Z x + f(x, y) dxdy + f(x, y) dxdy, T h T h efacendousodellerestantifunzionibase i(x, y) sitrovanoformuleanaloghe per il calcolo delle rimanenti entrate del load vector. Osservazione. Supponiamo ora che l equazione ellittica nella (.9) sia la seguente: r (k ru)+a u = f, in. (.5) La presenza del termine additivo a non comporta alcuna modifica di tipo metodologico. In questo caso si ottiene la seguente forma variazionale: Z Z Z k ru rvdxdy+ a uv dxdy = fvdxdy, qualunque sia v H( ), che di erisce dalla precedente per la presenza del secondo integrale che non figura nella (.). Per quanto riguarda la sua risoluzione numerica, l unica modifica significativa riguarda la sostituzione del sistema (.43) con il seguente: K h u h + B h u h = f h, (.59) 46

261 dove (B h ) ij = R h a i j dxdy. Lasuapresenzanonalterainmodorilevante la complessità di calcolo nella risoluzione del sistema, dato che la matrice K h + B h presenta la stessa sparsità di K h.l unicoaggraviocomputazionale deriva dal calcolo del secondo integrale, la cui complessità dipende da a..4 c Triangolo di riferimento e suo utilizzo nella costruzione del sistema (.43) Nella pratica gli elementi della matrice K h edelvettoref h non si calcolano (quasi mai) utilizzando la forma esplicita delle j (rispetto alle variabili x e y) perdiverseragioni. Laprimaèche,neiproblemiapplicativi,ilreticolo h è g e n e r a l m e n t e f o r m a t o d a d e c i n e d i m i g l i a i a d i t r i a n g o l i. L a s e c o n d a è che, per le più svariate forme che i triangoli possono presentare, rispetto agli assi coordinati, l integrazione su di essi potrebbe comportare un numero molto rilevante di adattamenti tra loro diversi. Per ottimizzare la tecnica di calcolo si ricorre (di norma) ad un triangolo di riferimento T R avante vertici (, ), (, ) e(, ) in un sistema di riferimento cartesiano (s, t). A tale scopo si definisce una trasformazione lineare che stabilisce una corrispondenza biunivoca tra il generico triangolo T i, i =,,...,n v, della mesh, con il triangolo di riferimento T R.Indichiamocon(x i,y i ), (x i,y i )e(x i3,y i3 )itreverticidit i.traquesti equellidit R si stabilisce una corrispondenza, mediante una connessione di (x i,y i )con(, ), (x i,y i )con(, ), (x i3,y i3 )con(, ). (.6) Come è immediato verificare, essa può essere stabilita mediante la trasformazione lineare ( x = x i +(x i x i )s +(x i3 x i3 )t, (.6) y = y i +(y i y i )s +(y i3 y i3 )t. Tale corrispondenza è geometricamente visualizzata nella Fig..9 La trasformazione (.6) permette di associare a una generica funzione g(x, y)definitanel triangolo T i della mesh una funzione h(s, t), avente supporto T R,cosìdefinita: h(s, t) =g(x i +(x i x i )s +(x i3 x i3 )t, y i +(y i y i )s +(y i3 y i3 )t), dove apple s, t apple. Questo equivale a dire che tra i vertici di T i,relativiagli assi (x, y) equellidit R,relativiagliassi(s, t), vale la corrispondenza (.6), essendo h(, ) = g(x i,y i ), h(, ) = g(x i,y i ), h(, ) = g(x i3,y i3 ). Nella costruzione delle box-splines, ad ogni triangolo T i vengono quindi associati tre funzioni lineari: la i = a x + b y + c che assume il valore uno in 47

262 y t (x i3,y i3) (,) (x i,y i) (x i,y i) x (,) (,) s Figura.9: Corrispondenza biunivoca tra T i e T R. (x i,y i )ezeroin(x i,y i )e(x i3,y i3 ), la i = a x + b y + c che assume il valore uno in (x i,y i )ezeroin(x i,y i )e(x i3,y i3 ), e la i3 = a 3 x + b 3 y + c 3 che assume il valore uno in (x i3,y i3 )ezeroin(x i,y i )e(x i,y i ). Per analogia al triangolo T R vengono associate le seguenti tre funzioni lineari: >< >: (s, t) = s t, (s, t) =s, 3(s, t) =t. (.6) Le (.6) e (.6) implicono che la i (x, y) è in corrispondenza biunivoca con la (s, t), la i (x, y) conla (s, t), e la i3 (x, y) conla 3 (s, t). Calcolo del vettore f h. Ricorrendo al triangolo di riferimento, per il calcolo delle componenti f h,i, i =,,...,n v, si procede in questo modo: (a) identificati i triangoli T il che formano il supporto della box-spline osserva che Xn i Z f h,i = f(x, y)' i (x, y) dxdy, T il l= i, si dove T il indica l l-esimo triangolo del supporto della ' i e n i il numero dei triangoli che formano il suo supporto; (b) il triangolo T il viene quindi posto in corrispondenza biunivoca con il triangolo di riferimento T R,associandoalle' i la,qualoraessaassume il valore nel primo vertice di T il,la,qualoraessaassumeilvalore nel secondo vertice,e la 3,nelcasoassumeilvalorenelterzovertice; 4

263 (c) si procede quindi al calcolo dei vari integrali, osservando che Z Z f(x, y)' i (x, y) dxdy = g(s, t) l (s, t) det J il dsdt T il T R = det J il Z Z s g(s, t) l (s, t) dtds, dove g(s, t) =f(x(s, t),y(s, t)) è la funzione che corrisponde alla ' i su T l e J il è la matrice Jacobiana della trasformazione che al triangolo T il nelle coordinate (x, y) associa T R nelle coordinate (s, t). Calcolo della matrice K h.ilcalcolodeglielementidik h è p i ù c o m p l e s - so, in quanto richiede quello dei gradienti r' i e r' j edelloroprodottointerno nell intersezionedei rispettivi supporti. Indicato cont il generico triangolo dell intersezione dei supporti di ' i e ' j,indichiamocon{(x,y ), (x,y ), (x 3,y 3 )} i suoi vertici e con ' la restrizione di una generica box-spline su T. La corrispondenza tra T e T R è d a t a d a l l e r e l a z i o n i ( x = x +(x x )s +(x 3 x )t, (.63) y = x +(x x )s +(x 3 x )t, che associano (x,y )con(, ), (x,y )con(, ) e (x 3,y 3 )con(, ) Di conseguenza alla ' T corrisponde (s, t) = s t se '(x,y )=, (s, t) =s se '(x,y )=e 3 (s, t) =t se '(x 3,y 3 )=. Essendo x x J = x 3 x y y y 3 y la matrice Jacobiana della trasformazione, la (.63) può essere scritta nella forma x x s = J, y y t da cui, essendo J non singolare (in quanto i tre punti (x j,y j )sonodistinti), s x = J x = t y y det J y3 y x x 3 x x y y x x y y Pertanto, essendo >< s = det J [(y 3 y )(x x )+(x x 3 )(y y )], t >: det J [(y y )(x x )+(x x )(y y )], 49.

264 si > = y 3 y det = y y det J = x x 3 = x x det J. Note le derivate parziali di s e t rispetto a x e y, otteniamo immediatamente la relazione tra r e r. Basta infatti notare che (per regola di derivazione @s @s B =) @t A = J dove il simbolo T indica la trasposizione tra righe e colonne di una matrice e J T =(J ) T =(J T ).Ricordandoinfineche dxdy = det J dsdt, il calcolo di (K h ) ij,suungenericotriangolot,puòesserericondottoaduna integrazione su T R mediante la trasformazione Z Z k(x, y)r' j r' i dxdy = k(s, t)(j T r j ) (J T r i ) det J dsdt, T T R (.64) avendo indicato con k la rappresentazione di k su T R econ j e i le funzioni (s, t) corrispondentisut R a ' j e ' i definite su T R. Esempio. Indicate con ' e le box-splines aventi come rispettivi supporti i due esagoni della Fig.. e che assumono il valore rispettivamente in (, ) e ( + 3h, + k), illustrare il procedimento per il calcolo dell integrale 3 Z I = (xy) r' r dxdy, T essendo T il triangolo con vertici {(, ), ( + h, 3 k), ( + 3 h, + 3 k)}. Iniziamo con la relazione tra T e il triangolo di riferimento T R che, in coordinate (s, t) ècaratterizzatodaivertici{(, ), (, ), (, )}. TraT e T R vale la seguente relazione lineare: ( x =+hs + 3 ht, y = 3 ks + 3 kt. 5

265 A B Ω Figura.: Supporti di ' e, dovea =(, ) e B =(+ 3 h, + 3 k). Da essa risulta evidente che il vertice (, ), nel quale la ' assume il valore, è in corrispondenza biunivoca con (, ) e il vertice ( + 3h, + k)con 3 (, ). Questo implica che alla rappresentazione della ' in T corrisponde la (s, t) = s t in T R echealla corrispondende la (s, t) =t. Lamatrice di Jordan della trasformazione è J = 3 h h k k 3 3!, con J = 3 4hk k 3 h 3 k h 3!, con det J = 4 3 hk. Essendo inoltre r = e r 3 =( ), J T r =! 3 4h = 3 3 k! h, J T r 3 = 3 k! 3 h. k Di conseguenza, tenuto conto della (.64), l integrale I può essere calcolato nel modo seguente: Z!! h I = 3 3 h 4 hk dsdt 3 k k ( + hs + 3ht)( ks + kt) T R Z Z s = 3 6 hk 6 h + k ( + hs + 3ht)( ks + kt) dtds

266 .5 BVPs con condizioni inomogenee al bordo Condizioni di inomogeneità per il problema di Neumann. Consideriamo ora in luogo del problema (.3), nel quale le condizioni sono di tipo omogeneo, il seguente problema: < r (k ru) =f, (x, y), = g, (x, (.65) essendo g una funzione abbastanza regolare definita La derivazione della forma debole associata viene ottenuta procedendo come nel caso omogeneo. Moltiplicando primo e secondo membro nella equazione per v H ( ), richiediamo che Z Z r (kru)v dxdy = fvdxdy, per qualsiasi v H ( ). Da tale relazione, applicando la prima identità di Green, segue la seguente Z Z k ru rvdxdy Z vd da cui, tenendo conto delle condizioni al bordo, segue che Z Z Z k ru rvdxdy= fvdxdy + gv d, qualunque sia v H ( (.66) La forma debole (variazionale), in presenza di condizioni di inomogeneità, differisce dunque da quella relativa al caso omogeneo per la presenza dell integrale Problema di Dirichlet con condizioni di inomogeneità. Consideriamo ora in luogo del problema (.9), nel quale le condizioni al bordo sono di tipo omogeneo, il seguente problema: ( r (k ru) =f, (x, y), (.67) u = h, (x, dove h è una funzione abbastanza regolare definita Consideriamo inizialmente una funzione H H ( ) con H = h La costruzione analitica di H, possibilenelcasodidominiorettangolare(comevistoinprecedenza), è molto complicata in generale. Essa [vedi la prossima Osservazione] è fortunatamente agevole nel contesto degli elementi finiti. Poichè H è nota e 5

267 w = u H H( ), possiamo procedere al calcolo di w erichiedereinfineche u = w + H. Per ottenere la forma debole (distribuzionale) della (.67), moltiplichiamo primo e secondo membro dell equazione per v H( ), dopo aver posto u = w + H. Otteniamooral equazione Z Z [r (krw + rh)v] dxdy = fvdxdy, v H( ). Da essa, utilizzando la prima identità di Green, segue la formulazione debole della (.67), relativa alla funzione incognita w H( ), che è la seguente: determinare la funzione u = w + H, conw H( ), soddisfacente l equazione Z Z Z k rw rvdxdy= fvdxdy k rh rvdxdy, (.6) qualunque sia v H ( ). La formulazione debole, nel caso inomogeneo, di erisce dunque da quella del caso omogeneo, per la presenza dell ultimo integrale. Osservazione. La funzione H può essere costruita mediante un semplice procedimento di interpolazione lineare. Costruito il reticolo h relativo alla V i+ V i+ T i V i Ω Figura.: Il triangolo T i inserito nel dominio., si considera l interpolante continua in h elineareatrattichesoddisfale condizioni: (, se z i è u n p u n t o n o d a l e i n t e r n o d i h, H(z i )= h(z i ), se z i è un punto nodale di appartenente h. 53

268 Nel triangolo T i riportato nella Fig.., ad esempio, H(x, y) rappresental equazione del piano identificato di interpolazione H(z i )=,H(z i+ )=h(z i+ ) e H(z i+ )=h(z i+ ). Condizioni di inomogeneità nel problema di Neumann. In luogo del problema (.3) consideriamo ora il seguente problema di Neumann con condizioni di inomogeneità al bordo: < r (k ru) =f, (x, y), = h, (x, (.69) dove h è una funzione nota al bordo. In questo caso la forma debole (variazionale) dell equazione relativa alla (.69) procede nel modo seguente: (a) moltiplicando primo e secondo membro dell equazione per una generica v H ( ) e integrando in si scrive l equazione Z Z (r kru)vdxdy= fvdxdy, qualunque sia v H( ); (b) applicando quindi l identità di Green il primo integrale diventa Z Z k ru rvd vdxdy, qualunque sia v H da cui, ricordando che = h, con h funzione nota, si ottiene seguente forma variazionale della (.69): Z Z Z k ru rvdxdy= fvdxdy+ hv d, qualunque sia v H ( (.7) In questo caso la di erenza tra la forma variazionale associata al problema, con condizioni non omogenee al bordo, di erisce dal caso omogeneo per la presenza dell ultimo integrale. Condizioni di inomogeneità nel caso misto. Consideriamo ora il caso misto, in condizioni di non omogeneità: r (k ru) =f, (x, y), >< u = g, (x, y), = h, (x, y). 54

269 Costruito il reticolo h di, come primo passo si costruisce una funzione F,continuaelineareatrattiin h,cheinterpolalag in,imponendole condizioni: ( f(z i ), per z i, F (z i )=, per z i /, dove z i indica un qualsiasi punto nodale di h.postou = w+f,moltiplicando primo e secondo membro dell equazione per v H ( ) con v =,siottiene l equazione in w Z Z [r k(rw + rf )] vdxdy= fvdxdy, v H ( ) con v =, dalla quale applicando la prima identità di Green Z Z k(rw + rf ) rvdxdy @n Z vd = gv dxdy. Da essa, ricordando che = h echev =,derival equazione Z Z Z Z k rw rvdxdy+ k rf rvdxdy= hv d + fvdxdy, qualunque sia v H ( ), con v =. Laformadebole,nelcasoinomogeneo, di erisce pertanto da quella ottenuta nel caso omogeneo per la presenza del secondo integrale in e dell integrale in. Osservazione. Tutte le considerazioni precedenti, incluse quelle relative alla metodologia di calcolo, restano sostanzialmente valide se l equazione ellittica precedentemente considerata (nei vari BVPs) r (k ru) =f, (x, y), viene sostituita con la seguente (anch essa ellittica) r (k ru)+a u = f, (x, y). La forma debole associata al relativo problema di Dirichlet (con condizioni al bordo di tipo omogeneo) assume la seguente forma Z Z Z k ru rvdxdy+ a uv dxdy = fvdxdy, qualunque sia v H( ), che di erisce dalla precedente per la presenza del secondo integrale. Per quanto riguarda la sua risoluzione numerica, l unica modifica significativa è la sostituzione del sistema (.43) con il seguente: K h u h + B h u h = f h, (.7) essendo (B h ) ij = R h a i j dxdy per i, j =,...,n h.inessak h è l a s t i n e s s matrix, B h la mass matrix e f h il load vector. 55

270 .6 Convergenza del metodo degli elementi finiti Nonostante i dettagli sulla convergenza del metodo degli elementi finiti considerato (metodo di Galerkin) siano piuttosto complessi, la sua illustrazione è abbastanza semplice. Per capire quanto rapidamente l errore d approssimazione della soluzione tende a zero in norma, è necessario premettere qualche definizione. In primo luogo precisiamo che, indicata con h la mesh relativa ad, indichiamo con u h l approssimazione della soluzione esatta u del problema in studio. L errore di approssimazione dipende naturalmente dal parametro h della reticolazione h di e dalla norma dello spazio di Sobolev considerato. D altro canto l approssimazione di una funzione abbastanza regolare nello spazio delle funzioni approssimanti scelte (box-splines nel nostro caso) dipende dalla finezza della mesh, ossia da h, e dalla norma adottata per stimare l errore di approssimazione. Indicata con f una funzione abbastanza regolare da approssimare in uno spazio X h di funzioni prefissate (box-splines), rispetto alla norma di un prefissato spazio di Hilbert X, conx h X, interessastimarela dist(f,x n )= min f h X h kf f h k. Per quanto concerne la stima dell errore, quando sia utile precisarlo, vengono indicate con i simboli k k L ( ) e k k H ( ) le norme utilizzate. In questo contesto, per funzione abbastanza regolare intendiamo funzioni appartenenti allo spazio di Sobolev H ( ) = f L ( ) con derivate parziali seconde appartenenti ad L ( ), al quale appartengono le soluzioni ordinarie dei BVPs considerati. Per la stima dell errore di approssimazione si fa spesso riferimento alla seguente definizione di seminorma in H ( ): v u Z u H ( ) = t u u + u Essa rappresenta una seminorma, non una norma, in quanto esistono funzioni non nulle u H ( ) con u H ( ) =. Nel caso di funzioni abbastanza regolari, le stime più importanti sugli errori di approssimazione sono le seguenti: Nel caso univariato, nel quale = [a, b], tale seminorma coincide con quella introdotta nell Appendice A per la stima dell errore nella risoluzione del problema agli estremi (.). 56

271 ku u h k L ( ) apple Ch u H ( ), (.7a) ku u h k H ( ) apple Ĉh u H ( ), (.7b) dove u h è l a p p r o s s i m a n t e d i u in X h e C e Ĉ sono costanti non dipendenti da h. Questo significa che se u è una funzione abbastanza regolare in, la sua approssimante u h,ottenutamediantecombinazionelinearedibox-splines costruita nel reticolo h,convergeallau con un errore d ordine di h rispetto alla norma in L ( ) e con un errore dell ordine di h rispetto alla norma in H ( ). Le stime (.7), sull errore di approssimazione della soluzione con gli elementi finiti, sono una immediata conseguenza della diseguaglianza (.7) [Lemma di Céa] e dei risultati sull approssimazione di funzioni abbastanza regolari con le box-splines. Risultati dello stesso tipo si ottengono quando, in luogo delle box-splines, vengano utilizzati altri tipi di approssimanti (splines di ordine superiore, polinomi trigonometrici, ecc.)..7 Problema spettrale di Helmholtz In questo paragrafo consideriamo la risoluzione numerica del problema spettrale di Helmholtz con condizioni di periodicità [7]: r ru(x, y) = u(x, y), (.73) "(x, y) con (x, y) A =[,a] [,b]e"(x, y) funzioneperiodicaina, talecioèda soddisfare le condizioni ( ( "(,y)="(a, y), "(x, ) = "(x, b), y [,b]; x [,a], (.74) " x (,y)=" x (a, y), " y (x, ) = " y (x, b), essendo un parametro reale che rappresenta il generico autovalore. Vogliamo dunque studiare lo stesso problema spettrale precedentemente studiato mediante le di erenze finite. Questo allo scopo di mostrare come, nel caso di domini regolari, le due diverse tecniche conducono essenzialmente agli stessi risultati. Da notare che, nel caso il doninio non sia su cientemente regolare, il problema può essere risolto agevolmente con gli elementi finiti ma non con le di erenze finite. Come già osservato nel (.73), la periodicità della funzione " induce quella della soluzione u, cosìche u(,y)=u(a, y) e u x (,y)= u x (a, y), apple y apple b, (.75a) u(x, ) = u(x, b) e u y (x, )= u y (x, b), apple x apple a. (.75b) 57

272 Introduciamo ora lo spazio H per delle funzioni reali eperiodiche(nelsenso precisato in (.75)) e limitate in A rispetto alla norma seguente ZZ k k H = (x, y) + kr (x, y)k dxdy. per A Da quanto già visto sugli elementi finiti segue che la soluzione debole in H per del problema (.73) è rappresentata dalla soluzione del problema infinitodimensionale ZZ ZZ r " ru 'dxdy = u' dxdy, A essendo ' una qualunque funzione in Hper. Come conseguenza della prima identità di Green e delle condizioni di periodicità della " in A, laprecedente equazione può essere espressa nella forma ZZ ZZ ru r'dxdy = u' dxdy. (.76) " A Per la sua risoluzione numerica dobbiamo associare al problema infinito dimensionale (.76) un sistema lineare 9finito-dimensionale la cui soluzione fornisce i coe cienti delle funzioni di base che compaiono nell approssimazione finito dimensionale delle u in Hper. Atalescopoiniziamoconl introdurreuna griglia (per comodità) regolare di nodi del dominio A, ponendo e x i = ih x, i =,,...,n, h x = a n, y j = jh y, i =,,...,m, h y = b m. Per tenere conto delle periodicità, tale griglia viene estesa a tutto R mediante i nodi (x i+nr,y j+ms ), t =, ±, ±,..., s=, ±, ±,... A questo punto costruiamo una famiglia infinita di funzioni periodiche e interpolanti (in senso Lagrangian) nella griglia estesa. Questo significa che ad ogni punto nodale della griglia estesa associamo una funzione periodica che vale uno nel punto modale preso come riferimento e come zero in tutti gli altri. A tale scopo, al generico punto nodale (x j,y l ) associamo la funzione ' j,l (x, y) = X X r= s= x ' 5 xj+nr h x A y ' yl+ms h x,

273 Figura.: La figura a sinistra mostra alcune traslate della ' e i relativi supporti sono mostrati nella figura a destra nel caso di una griglia regolare 4 4. essendo '(x) lasplinelineare '(x) = ( x, apple x apple,, x apple ox. Per facilitarne la visualizzazione, abbiamo riportato nella Fig.. la rappresentazione geometrica di alcune traslate della ' e dei relativi supporti, nell ipotesi semplificativa di una griglia 4 4. Dalla costruzione segue immediatamente che ogni ' j,l H per esoddisfalecondizionidiperiodicità ' j+nr,l (x, y) =' j,l+ms (x, y) =' j,l (x, y), j,l =, ±, ±,... Èugualmenteimmediatoosservarechesoddisfanolaseguentecondizionedi partizione dell unità Xn mx ' j,l (x, y) =, j= l= per ogni (x, y) R, molto importante ai fini della valutazione dell errore di approssimazione della soluzione e ettiva con la tecniva degli elementivi finiti. Indicato ora con S n,m il sottospazio nm-dimensionale di H per, espansodalle nm splines lineari ' j,l, j =,,...,n, l =,,...,m, una generica funzione v S n,m può essere rappresenta ponendo Xn v(x, y) = mx j = l = 59 v j,l ' j,l(x, y),