Primer Relátorio Dissertação

Daniel Alfonso Sánchez Vega

Matrı́cula:201004674

05 de Novembro de 2022

1. O método do valor quase limite baseado em um esquema

de diferenças finitas para problemas em 1D
Consideremos o seguinte problema problema PQVBM parametrizado.


 ut − ∆u = f, in Ω × (0, T ),
u(·, t) = 0 in ∂Ω × (0, T ),


 u(·, 0) = ϕ in Ω,
u(·, T ) + β(αf (·) − ∆f (·)) = gδ , in Ω,


onde α ≥ 0 é um parámetro de disenho para controlar o número de condição do solver PinT

direto subsequente, no caso de 1D nosso anterior o problema transforma-se no seguinte:


 ut − uxx = f, in Ω × (0, T ),
u(·, t) = 0 in ∂Ω × (0, T ),


 u(·, 0) = ϕ in Ω,
u(·, T ) + β(αf (·) − ∆f (·)) = gδ , in Ω,


onde Ω ⊂ R, para a implementação do método precisamos resolver o problema direto dado

por: 
 ut − uxx = f, in Ω × (0, T ),
u(·, t) = 0 in ∂Ω × (0, T ),
u(·, 0) = ϕ in Ω,


1.1. Discretização do problema direto em 1D:

Considere a primera equação de nosso problema em 1D

ut (x, t) − uxx (x, t) = f (x, t). (1)

Podemos aplicar as aproximações da derivada primera e segunda em nossa anterior ex-

presão, isto é utilizar as seguintes duas expresões:

u(xi , tj+1 ) − u(xi , tj ) U j+1 − Uij

⋆ ut (xi , tj+1 ) ≈ ≈ i .
∆t ∆t
j+1
u(xi−1 , tj+1 ) − 2u(xi , tj+1 ) + u(xi+1 , tj+1 ) Ui−1 − 2Uij+1 + Ui+1
j+1
⋆ uxx (xi , tj+1 ) ≈ ≈ .
h2 h2

1
Reemplazando as equações de acima em (1) obtem-se que:
j+1
Uij+1 − Uij Ui−1 − 2Uij+1 + Ui+1
j+1
− = qij+1 . (2)
∆t h2
Se agora deixarmos as expressões com sobrescrito j + 1 à esquerda, ficamos com
j+1
−λUi−1 + (1 + 2λ)Uij+1 − λUi+1
j+1
= ∆tqij+1 + Uij (3)
j+1
onde λ = ∆th2
. Notamos que Ui+1 não fico sozinha na esquerda, mais fico ao lado dos
j+1 j+1
termos Ui−1 e Ui+1 . Isso mostra que o método é ı́mplicito, é por isso que a cada pas-
so de tempo teremos que resolver um sistema de equações. Isso é um pouco mais caro
computacionalmente do que o que é feito no caso explı́cito, mas a estabilidade é obtida.

O método implı́cito é estável para qualquer ∆t > 0

Se incorporarmos as condições de bordo, em x = 0 usamos a condição de bordo u(0, t) = 0

pelo que levamos U1j+1 = a(tj+1 ) onde a(t) = 0 para todo t ≥ 0. Em x = L onde Ω = (0, L)
j+1
a condição de bordo é u(L, t) = b(t) onde b(t) ≥ 0 para todo t ≥ 0. Logo, Un+1 = b(tj+1 ).
Vemos que, conocido Ui , para um j dado e para i = 1, 2, ..., N + 1, os valores Uij+1 ,
j

i = 1, 2, ..., N + 1 tem que satisfazer o seguinte sistemas de N + 1 equações:


j+1
 U1 = a(tj+1 )

j+1
−λUi−1 + (1 + 2λ)Uij+1 − λUi+1
j+1
= ∆tqij+1 + Uij , i = 2, 3, ..., N
 U j+1 = b(t )

N +1 j+1

Em forma matricial, o sistema a resolver em cada paso de tempo resulta:

  j+1     
U1 a(tj+1 ) 0

1 0 0 ··· ··· 0
−λ 1 + 2λ  U j+1   U j  q j+1 
−λ 0 ··· 0  2   2   2 
  U j+1   U j   j+1 

 0 −λ 1 + 2λ −λ · · · 0 q3 
   
 3   3 
=  .  + ∆t 

 .. . .. . .. . .. . .. . .
..   ..   .. 
  .. 

 .  
 . 
 
 0 ··· 0 −λ 1 + 2λ −λ  UN j+1   j   j+1 
  UN  qN 
0 ··· 0 ··· 0 1 j+1
UN +1
b(tj+1 ) 0

1.2. Reconstrução da fonte:

No problema do PQBVM mostrado no ı́nicio depois de calcular a solução do problema
direto, u(·) = g, com o fim de fugir do crime inverso geramos uma condição de ruido do
seguinte jeito:

Construı́ um vetor com ruido ϵ, de fato ϵ = rand(N, 1)

Normaliza o vetor, ϵ = 1/||ϵ||2 ∗ ϵ

Fazemos g̃ = g + ϵ
||g̃−g||2
Chamamos de RE = ||g||2

Fazemos g̃ = g + RE||g||2 ϵ

2
Agora baseado na discretização do problema direto, a discretização completa do PQBVM
nos leva a:  j
(u − uj−1 )/τ − ∆h uj − fh = 0, j = 0, 1, ..., n.
un + β(αfh − ∆fh ) = gδ,h
Dividendo por β a relação anterior nos leva a reformular um sistema linear não-simétrico

Ah uh = bh (4)

Onde
     
αIh − ∆h 0 0 ··· ··· Ih /β fh gδ,h /β
 −Ih
 I h /τ − ∆ h 0 0 ··· 0 


 u1


 ϕh /τ 
 
 −Ih −Ih /τ Ih /τ − ∆h 0 ··· 0   u2
  0 
Ah =   uh =   , bh =  .. 
     
.. . .. . .. . .. .. .. ..

 . . . 




.  . 
 
 −Ih 0 0 −Ih /τ Ih /τ − ∆h 0  un−1   0 
−Ih ··· 0 ··· −Ih /τ Ih /τ − ∆h un 0

A matriz Ah pode ser escrita em um produto kronecker da forma

Ah = B ⊗ Ih − It ⊗ ∆h (5)

Onde Ih = Im ∈ Rm×m é uma matriz identidade, ∆h ∈ Rm×m e no paso temporal

It ∈ R(N +1)×(N +1) é uma matriz identidade e B ∈ R(N +1)×(N +1) é a matriz de discretização
temporal dada por:
 
α 0 0 ··· ··· 1/β
−1 1/τ 0 0 ··· 0 
 
−1 −1/τ 1/τ 0 · · · 0 
B= . (6)
 
.. .. .. .. .. 
 .. . . . . . 
 
−1 0 · · · −1/τ 1/τ 0 
−1 0 ··· 0 −1/τ 1/τ

Ao final o problema se reduz a obter o vetor uh o qual tem a fonte no primeiro bloco.

2. Algums Exemplos em 1D:

Agora considere o caso em que o Ω = (0, π), T = 1 e ϕ(x) = 0 e a função de fonte dada
por:

f (x) = x(π − x)sin(4x)

Agora vamos mostrar uma reconstrução usando o método PQVBM com um número de
nodos no espaço e tempo iguais a 20. A função em vermelho é a fonte reconstruida e a
função no azul é a fonte original.

3
 Figura 1: Fonte e fonte reconstruida

Támbem reconstruı́mos para Ω = (0, π), T = 1 e ϕ(x) = 0 e a função de fonte dada por:

f (x) = e−4x cos(π − x)

Figura 2: Fonte e fonte reconstruida

Uma coisa a perceber é porque as reconstruções de funções suaves se parecem a função

constante 0, mais quando a fonte mesma é uma constante a reconstrução daı́ uma função
muito oscilante. Por exemplo consideremos Ω = (0, π), T = 1 e ϕ(x) = 0 e a função de
fonte dada por:

4
 f (x) = 0,004

Figura 3: Fonte e fonte reconstruida

Isso mesmo faz me pensar se em algúm momento os autores utilizaron algum kernel de
mollyfing para ficar perto da solução, como um núcelo do calor e atingir soluções com
traços similares. E é isso, ainda tou modificando olheando os códigos revisando linha por
linha fazendo testes porque não fiquei satisfeito com as reconstruções que tou atingindo.

3. Bı́bliografı́a
A Direct Parallel-in-Time Quasi-Boundary Value Method for Inverse Space-Dependent
Source Problems Yi Jiang, Jun Liu, Xiang-Sheng Wang