Capitolul 6

Ecuaţii de tip eliptic

Curs 7
Conf.dr.ing.mat. Alina Bogoi
Metode cu Diferenţe Finite

CURS_7_MDF (2015-2016) 1
CUPRINS
 Metode iterative
 Metoda diferenţelor finite:Ecuaţia Eliptică
 Ecuaţia Laplace
 Schema în 5 puncte
 Schema în 9 puncte
 Algoritmi de rezolvare
 Metoda Jacobi
 Metoda Gauss-Seidel punctuală
 Metoda Gauss-Seidel pe linie
 Metoda SOR
 Folosirea ecuaţiei de tip Parabolic
 Metoda Explicită
 Metoda implicită
CURS_7_MDF (2015-2016) 2
 METODE ITERATIVE
CLASICE

CURS_7_MDF (2015-2016) 3
Diferite metode recurente

 Metoda Jacobi
 Metoda Gauss-Seidel
 Metoda S.O.R (Successive Over
Relaxation)
 SOR este o metodă pentru accelerarea
convergenţei
 Iteraţia Gauss-Seidel este un caz particular al
metodei SOR

CURS_7_MDF (2015-2016) 4
Metoda Jacobi
a11 x1  a12 x2    a1n xn  b1  x10 
a21 x1  a22 x2    a2 n xn  b2  0
 x2 
x 
0
 
 0
an1 x1  an 2 x2    ann xn  bn  xn 

1
x 
1
1 (b1  a12 x20    a1n xn0 )
a11
1
x2 
1
(b2  a21 x10  a23 x30    a2 n xn0 )
a22
1
xn 
1
(bn  an1 x10  an 2 x20    ann1 xn01 )
ann
1  i 1 n 
bi   aij x j   aij x j 
k 1
xi  k k

aii  
CURS_7_MDF (2015-2016) 5
j 1 j  i 1
Metoda Gauss-Seidel (GS)
a11 x1  a12 x2    a1n xn  b1  x10 
Foloseşte ultimul a21 x1  a22 x2    a2 n xn  b2  0
 x2 
x 
0
iniţializat  
 0
an1 x1  an 2 x2    ann xn  bn  xn 

1
x 
1
1 (b1  a12 x20    a1n xn0 )
a11
1
x12  (b2  a21 x11  a23 x30    a2 n xn0 )
a22
1
xn 
1
(bn  an1 x11  an 2 x12    ann1 x1n 1 )
ann

1  i 1 n 
bi   aij x j   aij x j 
k 1 k 1
xi  k
CURS_7_MDF (2015-2016)
aii  j 1 j  i 1  6
 Comentarii
 Metoda Gauss-Seidel ar trebui să
conveargă mai rapid decât iteraţia Jacobi
din moment ce foloseşte ultimele
actualizări.
 Dar sunt unele cazuri in care iteraţia Jacobi
converge , iar Gauss-Seidel nu.(… şi
invers).
 Pentru a accelera metoda lui Gauss-Seidel
şi mai departe , poate fi folosita metoda
S.O.R(successive over relaxation)
CURS_7_MDF (2015-2016) 7
 Metoda SOR (Successive Over Relaxation)
 Metoda GS poate fi scrisă şi în felul următor
1  i 1 n 
 i  ij j 
k 1 k 1
xi  b  a x  a x k
ij j 
aii  j 1 j  i 1 
1  i 1 n
k
bi   aij x j   aij x j 
k 1 k 1
xi x 
k
i
aii  j 1 j i 
xik 1  xik   ik Corecţie

 i2
xi3  i1
 i2 Convergenţă
xi2
1
 1
i rapidă
x i
Înmulţire cu  i0
 i
0
 1
0
x i

CURS_7_MDF (2015-2016) 8
Metoda SOR (Successive Over Relaxation)

xik 1  xik   ik
1  i 1 n
k
 x  bi   aij x j   aij x j 
k 1 k k 1
xi i

aii j 1 j i 
1  i 1 n
k
xi  (1   ) xi   bi   aij x j   aij x j 
k 1 k k 1

aii  j 1 j  i 1 

xiSOR  1    xiold   xinew

• =1 metoda GS
•1<<2 converge mai rapid (suprarelaxare).
• 0<<1 converge mai lent (subrelaxare).
• Există o valoare optimă pentru 
CURS_7_MDF (2015-2016) 9

• Se găseşte prin incercări (aproximativ 1.6).

Convergenţa metodelor iterative

 Definiţie: A este strict diagonal dominantă pe linii

dacă
| a ij |
| aii |  | aij |  j i
1 i  1,2, n
j i | aii |
 şi slab (weakly) diagonal dominant (Scarborough
criterion-1958) dacă

| a i0 j |
| aii |  | aij |, i  1, n şi i0
j  i0
1
j i | ai0i0 |
CURS_7_MDF (2015-2016) 10
Convergenţa metodelor iterative
 Teoremă: Daca A este strict sau slab diagonal dominantă,
atunci amândouă metodele Jacobi si Gauss-Seidel converg.

 Teoremă: Fie A o matrice simetrică şi pozitiv

definită, atunci metoda Gauss-Seidel converge
pentru orice soluţie de start.(fără demonstraţie!)

 Observaţie: Există sisteme liniare, pentru care

metoda Jacobi converge, dar metoda Gauss-
Seidel diverge, e.x.

CURS_7_MDF (2015-2016) 11
Convergenţa metodelor iterative
Alte rezultate pentru convergenţă.

 Teoremă: Dacă A este simetrică şi pozitiv definită,

atunci SOR converge pentru toate   (0,2)
 (fără demonstraţie!)
 Observaţie:
 Supra relaxare(converge mai rapid decât GS): 1   2
 Sub relaxare: 0  1
 Parametrul optim de relaxare: opt  1.6

CURS_7_MDF (2015-2016) 12
 ECUAŢIA ELIPTICĂ

CURS_7_MDF (2015-2016) 13
Clasificarea EDP cu doua variabile
Forma generală( 2 variabile)

CURS_7_MDF (2015-2016) 14
Condiţii iniţiale şi la frontieră
Condiţii Iniţiale : sunt folosite ca R
punct de plecare pentru
problemele de propagare R
Condiţii pe frontieră: specifice
acelor domenii care trebuie să s
procure soluţii în interiorul
domeniului computaţional. n

CURS_7_MDF (2015-2016) 15
EDP reprezentative
 Ecuaţii de tip Eliptic
• Ecuaţia Laplace/Poisson (ordinul al II-lea liniar)

• Ecuaţia Helmholtz (ordinul al II-lea neliniar)

CURS_7_MDF (2015-2016) 16
Ecuaţia Laplace (q=0)

 2 T ( x, y )  2 T ( x, y )
  q ( x, y )
x 2
y 2

A  1, B  0, C  1
B 2  4 AC  4  0 Ecuaţie Eliptică

CURS_7_MDF (2015-2016) 17
Soluţii Tehnice
 Se propune un grid în regiunea de interes
y

Dy

x
 Deoarece EDP este satisfăcută în orice Dx
punct, va fi satisfăcută şi-n punctele
gridului.
CURS_7_MDF (2015-2016) 18
 Soluţii Tehnice de rezolvare
 2 T ( x, y ) Ti 1, j  2Ti , j  Ti 1, j
Se propune o  ,
x  Dx 
2 2
schemă cu
diferenţe
finite de  2 T ( x, y ) Ti , j 1  2Ti , j  Ti , j 1
forma: 
y  Dy 
2 2

 T ( x, y )  T ( x, y )
2 2
   0 0 ((Dx ) 2
, ( Dy ) 2
)
x 2
y 2

Astfel se obţine 'Schema în 5 puncte':

Ti 1, j  2Ti , j  Ti 1, j Ti , j 1  2Ti , j  Ti , j 1
 0
 Dx   Dy 
CURS_7_MDF (2015-2016) 2 2 19
Soluţii Tehnice de rezolvare
 2 T ( x, y ) Ti  2, j  16Ti 1, j  30Ti , j  16Ti 1, j  Ti  2, j
 ,
x 2
12(Dx) 2

 2 T ( x, y ) Ti , j  2  16Ti , j 1  30Ti , j  16Ti , j 1  Ti , j  2


y 2
(Dy )2
 2 T ( x, y )  2 T ( x, y )
  0
x 2
y 2

Astfel se obţine 'Schema în 9 puncte': O((Dx) 4 ,( Dy ) 4 )

ui  2, j  16ui 1, j  30ui , j  16ui 1, j  ui  2, j

12(Dx) 2

ui , j  2  16ui , j 1  30ui , j  16ui , j 1  ui , j  2

0
CURS_7_MDF (2015-2016) (Dy ) 2
20
Soluţii Tehnice de rezolvare.
Schema in “5 puncte”.
Ti 1, j  2Ti , j  Ti 1, j Ti , j 1  2Ti , j  Ti , j 1
 0
 Dx   Dy 
2 2

2
 Dx 
Ti 1, j  2Ti , j  Ti 1, j   (Ti , j 1  2Ti , j  Ti , j 1 )  0
 Dy 
 Dx 
Notăm:    
 Dy 

Ti 1, j  Ti 1, j   Ti , j 1   Ti , j 1  2(1   )Ti , j  0

2 2 2

CURS_7_MDF (2015-2016) 21
Soluţii Tehnice de rezolvare
Ti 1, j  2Ti , j  Ti 1, j Ti , j 1  2Ti , j  Ti , j 1
 0
 Dx   Dy 
2 2

2
 Dx 
Ti 1, j  2Ti , j  Ti 1, j   (Ti , j 1  2Ti , j  Ti , j 1 )  0
 Dy 
 Dx 
Notăm:    ;   2(1   2 )
 Dy 

Ti 1, j  Ti 1, j   Ti , j 1   Ti , j 1  2(1   )Ti , j  0

2 2 2

Ti 1, j  Ti 1, j   Ti , j 1   Ti , j 1  Ti , j  0

CURS_7_MDF (2015-2016)
2 2
22
Soluţii Tehnice de rezolvare
Matrice de tip pentadiagonal

CURS_7_MDF (2015-2016) 23
Algoritmi de rezolvare
Ti 1, j  Ti 1, j   2Ti , j 1   2Ti , j 1  2(1   2 )Ti , j  0
 Metoda iterativă Jacobi

 k 1 1 Ti k1, j  Ti k1, j   2 (Ti , kj  1  Ti , kj 1 ) 

Ti , j 
2(1   2 )  

 ❖Metoda se poate aplica şi este

convergentă daca este satisfăcută condiţia
de diagonal dominanţă:

CURS_7_MDF (2015-2016) 24
Algoritmi de rezolvare

Ti 1, j  2Ti , j  Ti 1, j Ti , j 1  2Ti , j  Ti , j 1

 0
 Dx   Dy 
2 2

Dacă Dx  Dy  h
 Ti 1, j  4Ti , j  Ti 1, j  Ti , j 1  Ti , j 1  0
Metoda iterativă Jacobi

 k 1 1 k 
 (Ti 1, j  Ti 1, j  Ti , j  1  Ti , j 1 )
k k k
Ti , j
4
CURS_7_MDF (2015-2016) 25
Algoritmi de rezolvare
Ti , j 1

Ti 1, j Ti , j Ti 1, j

Ti , j 1

Ti 1, j  4Ti , j  Ti 1, j  Ti , j 1  Ti , j 1  0

CURS_7_MDF (2015-2016) 26
 Metoda iterativă Gauss-Seidel punctuală
Valori care urmează
Ti 1, j  4Ti , j  Ti 1, j  Ti , j 1  Ti , j 1  0 sa fie calculate

T k 1
i, j
1 k
4
 k 1 k 1
 Ti 1, j  Ti 1, j  Ti , j 1  Ti , j 1
k

K
(i,j+1)
T new
T old

s  i, j
new
i, j
 100
T i, j
K+1
(i,j) K
K+1
(i-1,j) (i+1,j)
Parcurgerea reţelei se poate
face de la stânga la dreapta şi de jos în sus. K+1
(i,j-1)
CURS_7_MDF (2015-2016) 27
Valori deja calculate
Metoda SOR (Succesive Over Relaxation )

Ti 1, j  4Ti , j  Ti 1, j  Ti , j 1  Ti , j 1  0

T k 1
i, j
1 k
4
 k 1 k 1
 Ti 1, j  Ti 1, j  Ti , j 1  Ti , j 1
k

T   1    T
new
k 1
i, j  T k 1
i, j
k
i, j

Ti ,new  T old

s  j
new
i, j
 100
T i, j

CURS_7_MDF (2015-2016) 28
Algoritmi de rezolvare a ecuaţiei
eliptice folosind ecuaţia parabolică
 ❖Rezolvarea ecuaţiilor eliptice folosind ecuaţiile de tip
parabolic care se rezolvă până când soluţia devine
staţionară.
 ▪ Ecuaţia parabolică:
u  2u  2u
 2  2
t x y
 ▪ Formularea explicită (FTCS):
uin, j 1  uin, j uin1, j  2uin, j  uin1, j uin, j 1  2uin, j  uin, j 1
 
Dt (Dx) 2
(Dy ) 2
Dt Dt
u n 1
i, j
CURS_7_MDF
 u n
i, j 
(Dx)2
(2015-2016)
u n
i 1, j 2u n
i, j  u n
i 1, j  
(Dy )2
u n

i , j 1  2u n
i, j  u n
1
i , j29 
Algoritmi de rezolvare
 ❖Pentru simplitate (△x=△y) :
uin, j 1  uin, j 
Dt
(Dx) 2
ui
n
1, j  ui
n
1, j  4ui
n
, j  ui
n
, j 1  ui
n
, j 1 
Dt 1
 ❖Dacă  se obţine o soluţie condiţionat stabilă.
(Dx) 2
4
Dt 1
 ❖ Dacă (Dx) 2  4

u n 1
i, j
1 n
4
i, j 
 u  ui 1, j  ui 1, j  4ui , j  ui , j 1  ui , j 1
n n n n n

n 1 1 n
u
i, j  (ui 1, j  ui 1, j  ui , j 1  ui , j 1 )
n n n
CURS_7_MDF (2015-2016)
4 30
Algoritmi de rezolvare
 ❖ Se obţine chiar metoda iterativă Jacobi pentru
ecuaţia eliptică în 2D unde:
 Dx
 1
Dy

k 1 1 k
u i, j  (ui 1, j  uik1, j  uik, j 1  uik, j 1 )
4

CURS_7_MDF (2015-2016) 31
Algoritmi de rezolvare

CURS_7_MDF (2015-2016) 32
Algoritmi de rezolvare
Metoda iterativă Gauss-Siedel pe linie/coloană

ui 1, j  2(1   2 )ui , j  ui 1, j    2ui , j 1   2ui , j 1

 ❖ 3 necunoscute: (i-1,j),(i,j),(i+1,j)-linie/coloană

uik1,1 j  2(1   2 )uik, j 1  uik1,1 j   2uik, j 1   2uik, j 11

 2uik, j 11  2(1   2 )uik, j 1   2uik, j 11  uik1, j  uik1,1 j
 se formază un sistem tridiagonal.
 se rezolvă cu metoda Thomas
 Metoda Gauss-Siedel pe linie converge mai rapid decât
metoda
CURS_7_MDF Gauss-Siedel punctuală
(2015-2016) 33

 Necesită un timp mare de calcul

Algoritmi de rezolvare
k 
u i , j 1

 k 1  k 1  k 1

u i1, j ui, j u i1, j

Valori care au fost determinate  k 1

u i , j 1

Valori care au fost determinate

TEMĂ: scrieţi schema şi pe coloane....

CURS_7_MDF (2015-2016) 34
Algoritmi de rezolvare
 Metoda Punctuală de Supra-Relaxare (PSOR)
(Point Successive Over-Relaxation Method)
1
uik, j 1  [u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k 1
i , j 1 )]
2(1   )
2

 ❖Se adună şi se scade: uik, j  uik, j

1
u k 1
u k
[u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k 1
i , j 1 )  2(1   2
)u k
i, j ]
2(1   )
i, j i, j 2

CURS_7_MDF (2015-2016) 35
Algoritmi de rezolvare
1
u k 1
u  k
[u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k 1
i , j 1 )  2(1   2
)u k
i, j ]
2(1   )
i, j i, j 2

 ❖ multiplicând cu w,“parametrul de relaxare”pentru

accelerarea soluţiei.
w
uik, j 1  uik, j  [u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k
i , j 1 )  2(1   2
)u k
i, j ]
2(1   )
2

• w=1 metoda GS
•1<w<2 converge mai rapid (suprarelaxare).
• 0<w<1 converge mai lent (subrelaxare).
• Există o valoare optimă pentru w
• Se găseşte prin incercări (aproximativ 1.6).
CURS_7_MDF (2015-2016) 36
Algoritmi de rezolvare
w
k 1
u u k
[u k
i 1, j  u k 1
i 1, j   2
(u k 1
i , j 1  u k
i , j 1 )  2(1   2
)u k
i, j ]
2(1   )
i, j i, j 2

 ❖Rearanjând ecuaţia:
w
u k 1
 (1  w)u  k
[u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k 1
i , j 1 )]
2(1   )
i, j i, j 2

 
G.S .
k 1 k 1
u i, j  (1  w)u  w uk
i, j i, j
CURS_7_MDF (2015-2016) 37
SOR pe linie
 ❖Rearanjând ecuaţia:

w
u k 1
 (1  w)u  k
[u k
i 1, j  u k 1
i 1, j   2
(u k
i , j 1  u k 1
i , j 1 )]
2(1   )
i, j i, j 2

 Sistem tridiagonal => SOR pe linie

wu k 1
i 1, j  2(1   )u 2 k 1
i, j  wu k 1
i 1, j 
 (1  w)[2(1   )]u  w (u
CURS_7_MDF (2015-2016)
2 k
i, j
2 k
i , j 1
k 1
u
i , j 1 ) 38
 uik1,1 j  2(1   2 )uik, j 1  uik1,1 j    2uik, j 1   2uik, j 11  linie
 2uik, j 11  2(1   2 )uik, j 1   2uik, j 11  uik1, j  uik1,1 j  coloana
Metoda ADI
 Metoda ADI (The Alternating Direction Implicit
(ADI) Method).
1 1 1 1
k k k k
u 2
i 1, j  2(1   2 )ui , j  u
2 2
i 1, j    2 (uik, j 1  u 2
i , j 1 )

 Ecuaţia este implicită pentru necunoscutele în

direcţia x
1
k
 2uik, j 11  2(1   2 )uik, j 1   2uik, j 11  u 2
i 1, j  uik1,1 j

 Ecuaţia este implicită pentru necunoscutele în

direcţia y
CURS_7_MDF (2015-2016) 39
Un ciclu iterativ este considerat complet
dacă se rezolvă :
-sistemul tridiagonal pentru linii.
-sistemul tridiagonal pentru coloane.
- Este posibil şi vice versa.
CURS_7_MDF (2015-2016) 40
 wuik1,1 j  2(1   2 )uik, j 1  wuik1,1 j 

Algoritmi de  
rezolvare i, j
(1 w)[2(1   2
)]u k
 w 2
(u k
i , j 1  u k 1
i , j 1 )

 ❖Introducem parametrul de
relaxare w în ecuaţiile ADI :
1 1 1
k k k
wu 2
i 1, j  2(1   2 )ui , j  wu
2 2
i 1, j
1
k
 (1  w)  2(1   2 )  uik, j  w 2 (uik, j 1  u 2
i , j 1 )
w 2uik, j 11  2(1   2 )uik, j 1  w 2uik, j 11
1 1
k k
 (1  w)  2(1   2 )  ui , j  w(u 2 2
i 1, j  uik1,1 j )
CURS_7_MDF (2015-2016) 41
Exemplu
Să se determine temperatura staţionară în
toate punctele unei placi de metal
încălzite. Muchiile plăcii sunt ţinute
constante la diferite temperaturi: 100,50,
0 şi 75 grade. 100

75 50

Placa se împarte în
6X6.
CURS_7_MDF (2015-2016) 42
 Condiţii la limită de tip Dirichlet.

u2

u1 u3

CURS_7_MDF (2015-2016) u4 43
Exemplu T2

Condiţii de tip Dirichlet.

T1 T3
T = 100

T4

T = 75 T= 50

CURS_7_MDF (2015-2016) 44
T=0
 Cât este temperatura aici?

y T = 100

T = 75 T= 50

T=0 x
CURS_7_MDF (2015-2016) 45
 Cunoscute

Exemplu Necunoscute

T1, 4  100 T2, 4  100 T3, 4  100

T1,3 T2,3
T0,3  75 T3,3
T4,3  50
T1, 2 T2, 2
T0, 2  75
T3, 2 T4, 2  50

T1,1 T2,1 T3,1

T0,1  75 T4,1  50

T1,0  0 T2,0  0 T3,0  0

CURS_7_MDF (2015-2016) 46
 Cunoscute

Exemplu Necunoscute

T1, 4  100 T2, 4  100

T1,3 T2,3
T0,3  75

T1, 2 T2, 2
T0, 2  75

T0,3  T1, 4  T1, 2  T2,3  4T1,3  0

75  100  T1, 2  T2,3  4T1,3  0

CURS_7_MDF (2015-2016) 47
 Cunoscute

Exemplu Necunoscute

T1, 4  100 T2, 4  100

T1,3 T2,3
T0,3  75

T1, 2 T2, 2
T0, 2  75

T0,3  T1,4  T1,2  T2,3  4T1,3  0

75  100  T1,2  T2,3  4T1,3  0

CURS_7_MDF (2015-2016) 48
 Cunoscute

Exemplu Necunoscute

T1, 4  100 T2, 4  100 T3, 4  100

T1,3 T2,3 T3,3

T1, 2 T2, 2 T3, 2

T1,3  T2,4  T3,3  T2,2  4T2,3  0

T1,3  100  T3,3  T2,2  4T2,3  0

CURS_7_MDF (2015-2016) 49
Exemplu
 4 1 0 1   T11   75 
    
 1 4 1 0 1   T21   0 
 0 1 4 0 0 1   T   50 
   31   
 1 0 0 4 1 0 1   T12   75 
  1 0  1 4  1 0  1  T    0 
   22   
  1 0  1 4 0 0  1  T32   50 
    
  1 0 0 4  1 0   T13  175 
  1 0  1 4  1  T23  100 
     
  1 0  1 4   T33  150 

CURS_7_MDF (2015-2016) 50
Exemplu
Condiţii de tip Neumann

y
(0,100) h = 0.05x + 100 (200,100)

h
0
2h 2h h
0
x
 0 x
x 2
y 2

x
(0,0) h (200,0)
0
y

Punct din grid

CURS_7_MDF (2015-2016) 51
Exemplu
Condiţii de tip Neumann
h hi 1, j  hi 1, j

x 2Dx

h
h i+1,j = h i-1,j
0 1,2
x
1,1 2,1 şi

h i,j+1 = h i,j-1
h
0
y
CURS_7_MDF (2015-2016) 52
 Exemplu
Condiţii de tip Neumann

hi 1, j  hi 1, j  hi , j 1  hi , j 1  4hi , j  0

h1,1 = (2h1,2 + 2 h2,1)/4
h
0 1,2 2,2 h1,2 = (h1,1 + h1,3+2h22)/4
x
1,1 2,1

h
0
CURS_7_MDF (2015-2016) 53

y
Exemplu ecuaţia Poisson
u xx  u yy  f
1
(u ( x  h, y )  u ( x, y  h)  4u ( x, y )  u ( x  h, y )  u ( x, y  h))  f ( x, y )
h2

Equation for each grid point (x,y)

Au  f

CURS_7_MDF (2015-2016) 54
Exemplu
u xx  u yy  1 pe   [0,1]  [0,1]
u2 pe 
(1,1)

(0,0)
CURS_7_MDF (2015-2016) 55
Exemplu

CURS_7_MDF (2015-2016) 56
Exemplu

CURS_7_MDF (2015-2016) 57
Exemplu

CURS_7_MDF (2015-2016) 58
Exemplu

7 8 9
Matrice de dimensiune 9x9
4 5 6

1 2 3 Au  b

CURS_7_MDF (2015-2016) 59
Sistem liniar

7 8 9
 4 
1 
 (.25) 2 
4 5 6 
1  2


 4 1 0 1 0 0 0 0 0   u1   (.25 ) 2

 1 4 1  u   4 
 0 1 0 0 0 0   2  1  2
1 2 3 0

1 4 0 0 1 0 0 0  u3  
  1 
(.25
2
) 

1 0 0  4 1 0 1 0 0   4   (.25) 
u
1 
2

0 1 0 1 4 1 0 1 0  u 5    1

(.25) 
2
   
1 4 0 1  u6  1  2 
0 0 1 0 0
 2

0 0  u7  
(.25 )
0 0 1 0 0 4 1
   4 
0 0 0 0 1 0 1  4 1  u8   1  2
 (.25 ) 
0
 0 0 0 0 1 0 1  4 u9   2 
1  (.25) 2 
 
1  4 
CURS_7_MDF (2015-2016)  (.25 60) 
2

Parcugerea gridului

CURS_7_MDF (2015-2016) 61
Parcugerea gridului

1 2

CURS_7_MDF (2015-2016) 62
Parcugerea gridului

1 2 3

CURS_7_MDF (2015-2016) 63
Parcugerea gridului

do j=1,n-1
do i=1,n-1

8
1 2 3 4 5 6 7

CURS_7_MDF (2015-2016) 64
Cum ne oprim?
Se caută soluţia u* so astfel încât


Au  b
Calitatea aproximării este dată de reziduul:

r  b  Au
Condiţia de oprire mai poate fi exprimată prin
|| r || eps
unde
|| r ||  max(| ri |)
CURS_7_MDF (2015-2016) 65
Problemă seminar

x y
u xx  u yy   ,1  x  2,1  y  2
y x
u ( x,1)  x ln x, u ( x,2)  2 x ln( 2 x),1  x  2
u (1, y )  y ln y, u (2, y )  2 y ln( 2 y ),1  y  2

CURS_7_MDF (2015-2016) 66
Problemă seminar
PDE

x y
u xx  u yy   ,1  x  2,1  y  2
y x
u ( x,1)  x ln x, u ( x,2)  2 x ln( 2 x),1  x  2
u (1, y )  y ln y, u (2, y )  2 y ln( 2 y ),1  y  2

Condiţii la limită
CURS_7_MDF (2015-2016) 67
Problemă seminar
x y
u xx  u yy   ,1  x  2,1  y  2
y x
u ( x,1)  x ln x, u ( x,2)  2 x ln( 2 x),1  x  2
u (1, y )  y ln y, u (2, y )  2 y ln( 2 y ),1  y  2

Soluţia exactă

uexact ( x, y )  xy ln( xy )
CURS_7_MDF (2015-2016) 68