Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
i
NÉMETH MÁRK
SZAKDOLGOZAT
ii
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM
GÉPÉSZMÉRNÖKI KAR
HIDRODINAMIKAI RENDSZEREK TANSZÉK
SZAKDOLGOZATOK
iii
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM
GÉPÉSZMÉRNÖKI KAR
HIDRODINAMIKAI RENDSZEREK TANSZÉK
Németh Márk
SZAKDOLGOZAT
Burgers egyenlet numerikus analízise spektrál kollokációs
módszerrel
Konzulens: Témavezető:
Dr. Hegedűs Ferenc Dr. Hegedűs Ferenc
Adjunktus Adjunktus
Budapest, 2015
iv
Szerzői jog © Németh Márk, 2015.
ZÁRADÉK
Ez a szakdolgozat elzártan kezelendő és őrzendő, a hozzáférése a vonatkozó szabályok
szerint korlátozott, a dolgozat tartalmát csak az arra feljogosított személyek ismerhetik.
A korlátozott hozzáférés időtartamának lejártáig az arra feljogosítottakon kívül csak a
korlátozást kérelmező személy vagy gazdálkodó szervezet írásos engedélyével rendelkező
személy nyerhet betekintést a dolgozat tartalmába.
A hozzáférés korlátozása és a zárt kezelés 2015. év december hónap 11. napján ér véget.
v
NYILATKOZATOK
Elfogadási nyilatkozat
Ezen szakdolgozat a Budapesti Műszaki és Gazdaságtudományi Egyetem
Gépészmérnöki Kara által a Diplomatervezési és Szakdolgozat feladatokra előírt
valamennyi tartalmi és formai követelménynek, továbbá a feladatkiírásban
előírtaknak maradéktalanul eleget tesz. E szakdolgozatot a nyilvános bírálatra és
nyilvános előadásra alkalmasnak tartom.
A beadás időpontja:
témavezető
Nyilatkozat az önálló munkáról
Alulírott, Németh Márk (VVGMES), a Budapesti Műszaki és Gazdaságtudományi
Egyetem hallgatója, büntetőjogi és fegyelmi felelősségem tudatában kijelentem és
sajátkezű aláírásommal igazolom, hogy ezt a szakdolgozatot meg nem engedett
segítség nélkül, saját magam készítettem, és dolgozatomban csak a megadott
forrásokat használtam fel. Minden olyan részt, melyet szó szerint vagy azonos
értelemben, de átfogalmazva más forrásból átvettem, egyértelműen, a hatályos
előírásoknak megfelelően, a forrás megadásával megjelöltem.
Budapest, 2015. December 11.
szigorló hallgató
vi
vii
TARTALOMJEGYZÉK
Jelölésjegyzék ................................................................................................................ ix
Előszó ............................................................................................................................. xi
1. Bevezetés ................................................................................................................... 13
1.1. Célkitűzések ..................................................................................................... 13
1.2. Történelmi áttekintés ...................................................................................... 15
1.3. Spektrál módszer és más numerikus módszerek összehasonlítása ......... 17
1.4. Burgers egyenlet .............................................................................................. 19
2. Matematikai Háttér .................................................................................................. 21
2.1. Ortogonalitás, Ortogonális Projekció............................................................ 21
2.2. Spektrál módszert alkotó lépések áttekintése ............................................. 26
2.2.1. Polinomillesztés .................................................................................... 26
2.2.2. Optimális Bázisfüggvények ................................................................ 30
2.2.3. Optimális hálók ..................................................................................... 31
2.2.3.1. Roots Grid nem periodikus perem .......................................... 31
2.2.3.2. Extrema Grid nem periodikus perem .................................... 32
2.2.3.3. Extrema Grid periodikus perem .............................................. 32
2.2.3.4. Roots Grid periodikus perem .................................................. 33
2.2.4. Hely szerinti derivált előállítása ........................................................ 34
2.2.5. Szűrő eljárások ...................................................................................... 37
2.2.5.1. Szűrő típusok ............................................................................. 37
2.2.6. Idő szerinti derivált .............................................................................. 38
3. Burgers egyenlet ....................................................................................................... 39
3.1. Súrlódásmentes Burgers egyenlet periodikus peremfeltétel..................... 39
3.2. Súrlódásmentes Burgers egyenlet nem periodikus peremfeltétel ............ 42
3.3. Súrlódásos Burgers egyenlet periodikus peremfeltétel ............................. 46
3.4. Súrlódásos Burgers egyenlet nem periodikus peremfeltétel ..................... 49
4. Összefoglalás ............................................................................................................. 52
5. Kitekintés ................................................................................................................... 53
6. Summary .................................................................................................................... 53
7. Irodalomjegyzék ....................................................................................................... 54
viii
ix
JELÖLÉSJEGYZÉK
Spektrál módszer jelölés rendszere
)(xan n-edik bázisfüggvény együtthatója
kc Fourier együtthatók
e Euler szám
)(xu közelített függvény
i képzetes rész
N kollokációs pontok száma (szabadsági fok)
)(xPn N-ed fokú közelítő függvény
),( naxR reziduum
k szűrő vektor
)(xn n-edik bázisfüggvény
Burgers egyenlet jelölés rendszere
t idő koordináta
u áramlási sebesség (hidraulikában)
kinematikai viszkozitás
x hely koordináta
y hely koordináta (transzformáció után)
x
xi
ELŐSZÓ
A dolgozatban a Burgers egyenlet numerikus analízisére kerül sor, spektrál kollokációs
módszerrel. Többek közt a súrlódásmentes és súrlódásos Burgers egyenlet megoldásait
kerestem periodikus és nem periodikus peremfeltétel mellett. A spektrál kollokációs módszer
matematikai háttere is ismertetésre kerül, azonban a matematikai levezetések nem képezik
részét a dolgozatnak. A Burgers egyenlet egy parciális differenciálegyenlet, amely a
nemlineáris hullámterjedést modellezi, és megoldásában lökéshullám alakulhat ki, ezért
alkalmas különböző numerikus módszerek tesztelésére.
***
Ezúton szeretném megköszönni Dr. Hegedűs Ferencnek, hogy készségesen segítette
az elméleti háttér elsajátítását, illetve ezen dolgozat elkészültét. Továbbá köszönettel
tartozom Klapcsik Kálmánnak, akinek a diplomaterve segítette a spektrál módszer
elméleti hátterének megismerését.
Budapest, 2015. December 11.
Németh Márk
xii
13
1. BEVEZETÉS
1.1. Célkitűzések
A mérnöki gyakorlatban számos jelenséget differenciálegyenletekkel írunk le. Ezen
egyenletek megfelelő kezelése elengedhetetlen a korszerű fejlesztésekhez, azonban
ezek az egyenletek ritkán oldhatók meg analitikusan. A differenciálegyenletek
megoldására az utóbbi pár évtizedben kezdtek elterjedni a numerikus módszerek,
amelyek a differenciálegyenletek közelítő megoldását állítják elő. A numerikus
módszerek előtt, mivel nem tudták kezelni a legtöbb jelenséget leíró
differenciálegyenletet, több helyszíni mérésre illetve modellkísérletre volt szükség a
tervezési fázisban. Napjainkban a tervezési fázisban a numerikus szimulációkkal
tudjuk csökkenteni a szükséges mérések illetve modellkísérletek számát, aminek a
következménye, hogy olcsóbb és hatékonyabb a tervezési szakasz. A numerikus
módszerek ilyen mértékű térhódításához szükség volt a számítástechnika
robbanásszerű fejlődésére, ugyanis ezek a módszerek rendkívül nagy számítási
igénnyel rendelkeznek.
A számítógépek számítási kapacitásának robbanásszerű fejlődése előreláthatólag
folytatódik, ugyanis Moore törvénye igazolódni látszik, amely azt mondja ki, hogy
körülbelül minden 18. hónapban megduplázódik az integrált áramkörökben lévő
egységnyi területre jutó tranzisztorok száma, és ez által a számítógépek számítási
teljesítménye is. Az 1.1. ábrán látható, az integrált áramkörökbe épített tranzisztorok
száma az idő függvényében.
1.1. ábra: Egységnyi területre beépített tranzisztorok száma az idő függvényében
14
A spektrál módszer manapság még kevésbé elterjedt eljárás, amely a numerikus
módszerek családjába tartozik. A numerikus eljárások mindig kompromisszumot
igényelnek, ennek oka, hogy minél pontosabban akarjuk közelíteni az egzakt
megoldást, annál nagyobb a számítási igénye a módszernek. A spektrál módszerek
előnye más sémákkal szemben, hogy azonos pontosság eléréséhez kevesebb
erőforrásra van szükségük, ezáltal a kívánt pontosság megtartása mellett a számítási
idő csökkenthető, ami fontos szempont az ipari alkalmazások során. A dolgozat célja
a spektrál módszer alkalmazásának bemutatása a Burgers egyenleten keresztül. A
Burgers egyenlet egy nemlineáris parciális differenciálegyenlet, amely egyenlet
megoldásában lökéshullám alakulhat ki. A dolgozat további célja egy rövid történeti
áttekintés után összefoglalni a matematikai hátterét a spektrál módszernek, a téma
iránt mélyebben érdeklődők pedig az irodalmi hivatkozásban találnak műveket,
amelyekben megtalálhatóak a matematikai levezetések is. Vizsgáltam a
súrlódásmentes Burgers egyenletnél, periodikus peremfeltétel mellett a
lökéshullámok kialakulásának mechanizmusát, továbbá nem periodikus
peremfeltétel mellett különböző harmonikus gerjesztések esetén, a lökéshullámok
kialakulásának helyét a gerjesztés függvényében. A súrlódásos Burgers egyenletnél is
elvégeztem ezeket a vizsgálatokat, továbbá a disszipáció hatását is vizsgáltam a
kialakuló lökéshullámokra.
15
1.2. Történelmi áttekintés
Egyes áramlástani jelenségek numerikus szimulációinál a spektrál módszerek váltak
az uralkodó numerikus eljárássá. Többek közt a turbulencia kutatásban, a
laminárisból turbulens áramlásba történő átmenet szimulációjánál, és a globális
időjárás szimulációnál. Számos más területen bizonyította a módszer, hogy életképes
alternatíva a hagyományos véges differencia sémák mellett, többek közt a hőátadás
és a magnetohidrodinamika területén is. A spektrál módszerek történelmi
fejlődésének bemutatásához szükséges ezen a ponton ismertetni a spektrál
módszerek két csoportját. Az egyik csoport az interpolációs spketrál módszer (más
néven pszeudo-spektrál módszer) a másik a nem interpolációs spektrál módszer. Az
interpolációs módszernél osztáspontokban vett diszkrét értékekkel dolgozunk, a nem
interpolációs módszernél ezzel szemben nincsenek osztáspontok és folytonos
függvényekkel dolgozunk. A két módszer közti különbséget a dolgozat későbbi
részében röviden bemutatom. A spektrál módszerek kialakulásának kezdeti
szakaszában, a módszer legnagyobb támogatói a meteorológusok és a turbulencia
kutatók voltak.
A módszert először 1944-ben Blinova [1] majd 1954-ben Haurwitz és Craig [2]
javasolta nagyszabású folyadékdinamikai számítások elvégzéséhez. Blinova célja a
hosszú távú időjárás előrejelzés volt, Haurwitz és Craig pedig a nagy kiterjedésű
atmoszférikus áramlási mintákat vizsgálta. A spektrál módszerek első áramlástani
alkalmazása Silbermanhez [3] kötődik, aki az egyik nem interpolációs módszert 1954-
ben alkalmazta meteorológiai modellezéshez. Silberman mért adatokat használt
kezdeti feltételként, majd próbált időjárás előrejelzéseket készíteni különböző
numerikus módszerekkel. Arra a következtetésre jutott, hogy a spektrál módszer
kétszer olyan hatékony volt számítási idő tekintetében, mint a hagyományos véges
differencia módszer.
A kollokációs megközelítés először Slater [4] és Kantorovic [5] publikációjában jelent
meg 1934-ben. 1937-ben Frazer [6] a közönséges differenciál egyenletek megoldási
módszerévé fejlesztette tovább az eljárást. 1938-ban Lanczos [7] a kollokációs pontok
különböző bázisfüggvényekhez tartozó optimális eloszlását határozta meg, ami
alapvetően befolyásolja a módszer pontosságát. Az 1960-as években a módszer kevés
figyelmet kapott. Az első komolyabb alkalmazása a módszernek 1972-ben történt
meg, amikor Oliger és Kreiss [8] illetve Orszag [9] használta először térben
periodikus parciális differenciálegyenlet megoldására. Ezután népszerű lett a
turbulencia kutatók és a meteorológusok körében az eljárás. 1977-ben Gottlieb és
Orszag [10] írt egy tanulmányt, amiben a spektrál módszerek matematikai hátterét
16
foglalták össze. Az 1980-as évekre a spektrál módszerek matematikai háttere
meglehetősen kidolgozott lett. Azonban számos megválaszolatlan probléma maradt
a módszerrel kapcsolatban. Többek közt rosszul kezelte azokat a
differenciálegyenleteket, amelyek megoldásában diszkontinuitás, azaz szakadás
lépett fel. Az 1980-as években számos oldalról próbálták megközelíteni ezt a
problémát, különösen az összenyomható áramlásokban keletkező lökéshullámok
miatt. A probléma kezelésére különböző simító eljárások alakultak ki, amelyekre a
dolgozat későbbi részében még kitérek. Az első könyv 1988-ban született Canuto,
Hussaini, Quarteroni, Zang [11] közreműködésével, amely a spektrál módszer
alkalmazási lehetőségeit mutatta be áramlástani problémákon. Az ezt követő
időszakban robbanásszerű növekedés következett be a spektrál módszerek
népszerűségében. 1989-ben jelent meg Boyd [12] munkája, amely részletesen
tárgyalja a különböző spektrál algoritmusokat. Az 1990-es években a komplex
geometriákon történő alkalmazási lehetőségekkel kezdtek foglalkozni, ugyanis ezen
a téren voltak hiányosságai a módszernek. Az első publikációk a 2000-es években
jelentek meg ezzel kapcsolatban. Az 1990-es években főleg a kutatás eszköze volt, az
ipar a 2000-es évek körül kezdte el használni a módszert. Jelenleg a hullámterjedések
leírására nagyon jól használható, ezért kedvelt módszer számos területen, többek
közt az akusztika, a szeizmológia és az elektromagnetika területén. Ennek egyik oka,
hogy rendkívül jó fázistartási tulajdonságai vannak a módszernek.
17
1.3. Spektrál módszer és más numerikus módszerek összehasonlítása
A jelenségeket leíró parciális differenciálegyenletek, a keresett változó hely és idő
szerinti deriváltjai között teremtenek kapcsolatot. Ezt a változót általános u-val, a
teret, mivel csak egy dimenzióban vizsgálódunk x-el, az időt pedig t-vel fogom
jelölni. Ha a változó hely és idő szerinti deriváltja is szerepel az egyenletben az azt
jelenti, hogy a változónk térben és időben is változik. Ebből következik, hogy
szükséges kijelölnünk a vizsgált tér és időtartományt, ahol meg akarjuk határozni a
változó értékét. A vizsgált térrészt a véges differencia és a pszeudo-spektrál
módszernél is fel kell osztanunk osztáspontokra. A numerikus módszerekben közös,
hogy a kollokációs pontokban határozzuk meg a megoldásfüggvény diszkrét értékeit
adott időpillanatokban.
A numerikus módszereknél célszerű törekedni a hely szerinti deriváltak pontos
meghatározására az osztáspontokban, ugyanis a hely szerinti deriváltak
meghatározásának pontossága, hatással van az idő szerinti deriváltak
meghatározhatóságának pontosságára. Az idő szerinti deriváltak pontos
meghatározása nélkül, a megoldásunk az időben előre haladva egyre pontatlanabb
lesz.
A spektrál módszerek az osztáspontokban meghatározott értékekre globálisan, míg
a véges differencia sémák lokálisan illesztenek polinomot. A globális polinom
illesztés előnye, hogy a hely szerinti deriváltak értéke pontosabban meghatározható
az osztáspontokban. Az 1.2. ábrán látszik, hogy lokális polinom illesztés esetén, a
hely szerinti derivált pontos előállítása problémát okoz. A hely szerinti derivált
pontosítása elérhető az osztáspontok sűrítésével, azonban ez a számításhoz
szükséges erőforrás igényt jelentősen megnövelheti. Az 1.2. ábrán látható, hogy
globális polinom illesztés esetén a hely szerinti deriváltak pontosabban előállíthatók.
1.2. ábra: Lokális és Globális polinom illesztés N=7 osztáspontra
18
A lokális polinom illesztés során például három pontonként egy másodrendű
polinomot illesztünk az osztáspontokra (másodrendű differencia séma), míg globális
polinom illesztésnél N darab osztáspontra egy N-1-ed rendű polinomot illesztünk.
A magasabb rendű illesztett polinom miatt a spektrál módszereket szokás magasabb
rendű numerikus módszereknek is hívni.
Több összehasonlító tanulmány született már a numerikus módszerekről, ebben a
dolgozatban nem célom ezeket a vizsgálatokat elvégezni csupán az eredményeket
kívánom bemutatni. A numerikus módszereket célszerű a pontosság és a
konvergencia sebesség alapján összehasonlítani. A vizsgálatokat olyan
differenciálegyenleteken végezték, amelyeknek ismert az egzakt, pontos megoldása,
hiszen a pontos megoldást lehet referenciaként használni. A differenciálegyenletek
egzakt (pontos) megoldása és a közelítő megoldás mindig eltér egymástól
valamilyen mértékben. A kettő közti különbséget szokás reziduumnak nevezni. A
reziduum minimalizálása mindig céljaink közt szerepel. A szabadsági fokok száma
az osztáspontok számával egyezik meg. Könnyen belátható, hogy a szabadsági
fokszám növelésével csökkenthető a reziduum, azonban ez a lépés, a módszer
erőforrás igényét drasztikusan megemeli. Pontosságról akkor kapunk képet, ha a
reziduum értékét vizsgáljuk az egész térrészen. Korábbi tanulmányokból [13] látszik,
hogy a spektrál módszerek akár 2-3 nagyságrenddel is pontosabbak a véges
differencia módszereknél, azonos szabadsági fokszám mellett.
A konvergencia sebesség alatt, a reziduum maximum abszolút értékének a
csökkenését értjük a szabadsági fokszám növelése mellett. Korábbi tanulmányokból
[13] kiderül, hogy a spektrál módszerek konvergencia sebessége nagyobb, mint a
véges differencia sémáké. Tehát a spektrál módszerek előnye, hogy azonos pontosság
érhető el velük, sokkal kisebb erőforrás igény mellett. Elképzelhető, hogy ez egy
összetettebb probléma esetén, akár hónapokkal rövidebb számítási időt is jelenthet.
Ahhoz, hogy teljes legyen az összkép, célszerű a spektrál módszerek hátrányaira is
kitérni. Azokban az esetekben, amikor a megoldásfüggvényben szakadás
(diszkontinuitás) lép fel, a spektrál módszer hatékonysága lecsökken. A szakadás
környezetében a harmonikus függvényekkel történő közelítés miatt, a közelítés
oszcillálni kezd (Gibbs jelenség), ami nagy pontatlansághoz vezet. A probléma
megoldására különböző simító eljárások alakultak ki, amikre a dolgozat későbbi
részében részletesen kitérek. A másik kevésbé kiforrott alkalmazási területe a
módszernek a komplex geometriákon történő alkalmazása, azonban ezzel
kapcsolatban a 2000-es évektől folyamatosan jelennek meg tanulmányok, így
folyamatos fejlődés várható ezen a téren.
19
1.4. Burgers egyenlet
A dolgozatban a Burgers egyenleten mutatom be a spektrál kollokációs módszer
alkalmazását. A Burgers egyenletet nemlineáris hullámterjedés leírására használják a
hidraulikában, az akusztikában illetve a magnetohidrodinamikában. A Burgers
egyenlet egy nemlineáris parciális differenciálegyenlet, amely tartalmaz egy
disszipatív tagot is. Attól függően, hogy a disszipatív tagot figyelembe vesszük, vagy
nem, beszélhetünk súrlódásos illetve súrlódásmentes Burgers egyenletről. A Burgers
egyenlet hidraulikai alkalmazásakor az u változó az áramlási sebességet, akusztikai
alkalmazásakor a nyomást jelöli.
A súrlódásos Burgers egyenlet általános alakja a következő:
.2
2
x
u
x
uu
t
u
(1.1) (1.1)
Ha a viszkozitást elhanyagoljuk, akkor a súrlódásmentes Burgers egyenletet kapjuk:
.0
x
uu
t
u (1.2)
Az (1.2) egyenlet többek közt forgalom, és sekélyvízi hullámterjedés leírására is
használt.
A Burgers egyenlet egy nemlineáris, parciális differenciálegyenlet, továbbá ez egy
hiperbolikus egyenlet, amelynek az a tulajdonsága, hogy szakadásmentes kezdeti
feltétel mellett is kialakulhat szakadás az egyenlet megoldásában. A parabolikus
egyenleteknél ez a jelenség nem fordulhat elő. Tehát a Burgers egyenlet
megoldásában lökéshullám alakulhat ki. Az u változó az áramlási sebességet jelenti,
amely egyben a hullámterjedési sebesség is. A Burgers egyenlet megoldásában a
hullám egyes részei különböző sebességgel haladnak, ebből adódóan a hullám
torzulni fog. A torzulás lehet olyan mértékű, hogy lökéshullám alakul ki. A
lökéshullám tulajdonképpen egy hirtelen ugrás az áramlási sebességben, azaz a
hullámnak egy olyan része, ahol a sebesség hely szerinti deriváltja tart a végtelenhez.
A lökéshullám kialakulását az 1.3. ábra szemlélteti.
20
1.3. ábra: Lökéshullám kialakulása
Az egyenlet megoldásában kialakuló szakadás környezetében, a közelítő polinom
erősen oszcillálni kezd. Szükséges tehát a közelítő polinomot simító eljárásokkal
kezelni, annak érdekében, hogy a közelítés pontossága ne romoljon sokat.
A hullám tehát képes önmagát torzítani, azonban ezt megfigyelni csak alacsony
viszkozitás és nagy amplitúdó mellett lehetséges, ugyanis ha a hullám energiája túl
hamar disszipál el a viszkozitás miatt, akkor nincs ideje kialakulni a lökéshullámnak.
21
2. Matematikai háttér
A spektrál módszereket a dolgozat befejezéséig nem integrálták kereskedelmi
szoftverekbe, így a módszer alkalmazásához elengedhetetlen a matematikai háttér
ismerete. A matematikai háttér ismeretében egy matematikai szoftver segítségével
(például MATLAB) már írhatóak különböző spektrál megoldók. A módszer
matematikai hátterének levezetése az alapoktól nem tartozik a céljaim közé, csupán
általánosságban szeretném ismertetni az összefüggéseket, amikkel már egy spektrál
megoldó leprogramozható. A spketrál módszerek, mint már korábban is utaltam rá,
két nagy csoportba sorolhatók. Vannak az interpolációs és a nem interpolációs
spektrál módszerek. A két módszer közti különbség bemutatásához azonban először
célszerű tisztázni pár alapfogalmat a vektorokkal és függvényekkel kapcsolatban.
2.1. Ortogonalitás, Ortogonális projekció
A vektorok mindig egy M dimenziós vektortérben vannak értelmezve, amely
vektorteret egyértelműen meghatároznak a vektortér bázisvektorai. A 2.1. ábrán egy
kétdimenziós vektortér látható, amelyet az 𝑒1 és 𝑒2 bázisvektorok feszítenek ki.
Geometriában ortogonálisnak nevezünk két vektort akkor, ha egymásra
merőlegesek. Az alábbi ábrán látható egy kétdimenziós vektortér. Legyen a két
tetszőleges vektor g és f vektor.
2.1. ábra: Ortogonalitás
22
Ha g és f ortogonális, azaz merőlegesek egymásra, akkor skaláris szorzatuk nulla,
amely vektorok esetén a következő módon értelmezett:
.0)(;1
M
i
ii fgfg (2.1)
Tetszőleges vektor felbontható bázisok és együtthatók lineáris kombinációjára, ha a
bázisvektorokra merőlegesen vetítjük a vektort. Ezt a merőleges vetítést ortogonális
projekciónak hívjuk, amelyet a 2.2. ábra szemléltet.
2.2. ábra: Ortogonális Projekció
Tehát a g vektor a következő alakban írható fel:
.2211 egegg (2.2)
Általános esetben a g , egy M dimenziós vektortérben a bázisvektorok és
együtthatók lineáris kombinációjaként előállítható vektor:
,)(1
M
i
ii egg (2.3)
ahol gi és fi az egyes bázisvektorokhoz tartozó együtthatók.
23
Továbbiakban térjünk át a függvényekre. A függvények közelíthetők különböző
függvénysorokkal. Ezek a függvénysorok felbonthatók különböző függvények és
együtthatók lineáris kombinációjára. A két legismertebb függvénysor a Taylor és a
Fourier sor. A Taylor sor esetén hatványfüggvények és együtthatók lineáris
kombinációjával közelítjük a függvényt. A Taylor sor hátránya, hogy a függvényt a
sorfejtés helyén illetve annak környezetében közelíti jól, máshol kevésbé. A Taylor
sor alakja a következő:
n
p
pp
n xxp
xfxT
0
00 .)(
!
)()( (2.4)
A Fourier sor esetén a függvény közelítése trigonometrikus függvények és
együtthatók lineáris kombinációjával történik. A Fourier sor alakja a következő:
n
p
ppn pxbpxaa
xF1
0 )).sin()cos((2
)( (2.5)
A függvénysorokkal történő közelítés annál pontosabb, minél több taggal közelítünk.
A számítási kapacitásunk azonban véges, ezért nem lehet végtelen számú taggal
közelíteni a függvényeket.
Az ortogonalitás fogalma kiterjeszthető függvényekre is. Két függvény akkor
ortogonális, ha a belső szorzatuk nulla. A függvények belső szorzata az alábbi
módon értelmezett:
b
a
dxxgxfgf 0)()(; ],[ bax . (2.6)
Az ortogonális projekció más néven ortogonális vetítés függvényekre is értelmezhető
olyan esetekben, amikor a függvények belső szorzata értelmezve van. Ha szeretnénk
egy magasabb dimenziós térben értelmezett függvényt közelíteni egy alacsonyabb
dimenziós függvénnyel, akkor a legpontosabb közelítést az ortogonális projekció
által kapjuk. Tulajdonképpen az ortogonális projekció révén kapjuk meg a
bázisfüggvényekhez tartozó azon együtthatókat, amelyekkel a közelítő
függvénysorunk a legpontosabb lesz. A függvények ortogonális projekcióját a 2.3.
ábra szemlélteti.
24
2.3. ábra: Függvény ortogonális projekciója
A 𝑔′ előállítható a következő alakban:
.''' 3311 egegg (2.7)
ahol g1′ és g3′ a bázisfüggvények együtthatói, 𝑒1, 𝑒2, 𝑒3 a bázisfüggvények . Az
ábrán látható, hogy a 𝑔 − 𝑔′ merőleges az 𝑒1, 𝑒3 síkra, ezért felírható a következő
összefüggés:
,0;' 1 egg (2.8)
.0;' 3 egg (2.9)
25
Ha a (2.8) egyenletbe behelyettesítjük a (2.7) egyenletet, akkor az alábbi
összefüggéshez jutunk:
.0;'' 13311 eegegg (2.10)
A (2.10) egyenletet átrendezve kapjuk a (2.11) egyenletet:
.;';'; 1331111 eegeegeg (2.11)
A bázisok ortogonálisak, tehát 0; 13 ee . Ezáltal a '1g együttható könnyen
meghatározható:
.;
;'
11
1
1ee
egg (2.12)
Ennek analógiájára tetszőleges 𝑔𝑛′ együttható is meghatározható:
.;
;'
nn
n
nee
egg (2.13)
Az ortogonalitás fogalmának ismeretében térjünk vissza a két féle spektrál módszer
közti különbség bemutatásához. A két módszer közti eltérés a belső szorzat
számításának módjában jelentkezik. Az interpolációs (más néven pszeudo-spektrál)
módszernél a vizsgált teret felosztjuk osztáspontokra, és a megoldásfüggvény
osztáspontokban vett diszkrét értékeivel dolgozunk. Az interpolációs módszernél
mivel diszkrét értékekkel dolgozunk, amiket vektorokba szervezünk, a belső
szorzatok meghatározása a vektorok belső szorzatának meghatározása alapján
történik. A nem interpolációs módszereknél nincsenek osztáspontok, hanem
folytonos függvényekkel dolgozunk, és a belső szorzatok meghatározása a
függvények belső szorzatának bemutatott meghatározása szerint történik.
Ha a bázisfüggvények vagy bázisvektorok ortogonálisak, akkor:
mn ; = { = 0 , ℎ𝑎 𝑛 ≠ 𝑚 ≠ 0 , ℎ𝑎 𝑛 = 𝑚
. (2.14)
26
2.2. Módszert alkotó lépések áttekintése
Annak érdekében, hogy egy parciális differenciálegyenlet megoldható legyen,
szükséges kezdeti feltételt és peremfeltételeket definiálni. A kezdeti feltétel a teljes
vizsgált térrészen a megoldásfüggvény a kezdeti időpillanatban. Peremfeltételek
alatt azt értjük, hogy a vizsgált térrész határán előírjuk a változó értékét. A szükséges
peremfeltételek száma megegyezik a differenciálegyenletben megjelenő legmagasabb
derivált számával, azaz a differenciálegyenlet rendjével. Célunk a teljes idő és
tértartományon a lehető legpontosabban közelíteni a differenciálegyenlet
megoldásfüggvényét. A vizsgált teret felosztjuk osztáspontokra, és az
osztáspontokban kerül meghatározásra a megoldás diszkrét értéke. Az
osztáspontokban meghatározott értékekre polinomot illesztünk.
A közelítés pontosságához, a hely szerinti deriváltakat kell minél pontosabban
meghatároznunk az osztáspontokban. Ugyanis a hely szerinti deriváltak pontos
meghatározása, nagy hatással van az idő szerinti deriváltak pontosságára. Ennek
oka, hogy a differenciálegyenlet a változó hely és idő szerinti deriváltja közt teremt
kapcsolatot, ezáltal a hely szerinti deriváltak értékéből kerül meghatározásra az idő
szerinti derivált az osztáspontokban.
2.2.1. POLINOMILLESZTÉS
A differenciálegyenletek egzakt megoldását analitikusan lehet meghatározni.
Azonban a legtöbb differenciálegyenlet analitikusan nem oldható meg, ezért ezekben
az esetekben a megoldást numerikusan közelítjük, amelynek lényege, hogy egy
polinommal közelítjük a pontos megoldását. A spektrál módszer magas rendű
polinommal közelít, annak érdekében, hogy a hely szerinti deriváltak pontosan
előállíthatóak legyenek. A globális polinomillesztést az 1.2. ábra szemlélteti.
A közelítő polinom optimálisan megválasztott együtthatók és bázisfüggvények
lineáris kombinációjából tevődik össze. A közelítő polinom általános alakja a
következő:
.0
N
n
nnN aPu (2.15)
ahol u - az egzakt megoldás , 𝑃𝑛 – a közelítő polinom, 𝑎𝑛 – skalár együtthatók, , 𝜙𝑛 –
bázisfüggvények, , N pedig a kollokációs pontok száma. A bázisfüggvények
optimális megválasztása a következő fejezetben kerül bemutatásra.
27
Reziduumnak nevezzük a közelítő polinom és pontos megoldásfüggvény
különbségét:
).()()( xuxPxR N (2.16)
A minél pontosabb közelítéssel, a reziduum értéke csökken, tehát a reziduum
minimalizálása mindig célunk. Egzakt megoldás esetén, a reziduum függvény
pontosan nulla. Tehát szeretnénk úgy polinomot illeszteni a diszkrét értékekre, hogy
a reziduum lehetőleg minimális legyen. A reziduum minimalizálását az ortogonális
projekció segítségével tudjuk megvalósítani. Az illesztett polinomnak át kell haladnia
az osztáspontokban számított diszkrét értékeken. Tehát a közelítő polinom,
kollokáció esetén, megegyezik az egzakt megoldás értékeivel az osztáspontokban,
ezáltal a reziduum értéke az osztáspontokban nulla. Ezért ezt a módszert
interpolációs módszernek hívjuk. Tehát
).()( iiN xuxP i= 1…N (2.17)
Írjuk fel tetszőleges i osztáspontra a közelítő polinomot kifejező egyenletet.
.)()()(1
N
i
inniNi xaxPxu (2.18)
Ha ezt az összefüggést általánosítjuk az összes pontra, akkor egy mátrix egyenletet
kapunk, ami a következő alakú:
.
)()()()(
)()()()(
)()()()(
)()()()(
)(
)(
)(
)(
2
1
0
210
2222120
1121110
0020100
2
1
0
NNNNNN
N
N
N
N a
a
a
a
xxxx
xxxx
xxxx
xxxx
xu
xu
xu
xu
(2.19)
Ebből az egyenletből az együtthatókon kívül minden ismert, így az egyenletet
átrendezve az együtthatók meghatározhatók:
.
)()()()(
)()()()(
)()()()(
)()()()(
)(
)(
)(
)(
2
1
0
1
210
2222120
1121110
0020100
2
1
0
NNNNNN
N
N
N
N a
a
a
a
xxxx
xxxx
xxxx
xxxx
xu
xu
xu
xu
(2.20)
28
Az együtthatók ismeretében, azokat visszahelyettesítve a (2.18) egyenletbe,
megkapjuk az interpolációs pontokban lévő diszkrét értékekre illesztett polinomot.
Ezt a polinom illesztési módot polinomiális interpolációnak hívjuk. Az együtthatók
ilyen módon történő meghatározása egyszerű, de viszonylag nagy számítási igénnyel
rendelkezik, mivel a mátrix általában rosszul kondicionált. Az együtthatók másik
meghatározási módja a diszkrét ortogonális projekció. Itt is az a célunk, hogy a
reziduumot minimalizáljuk.
A reziduum a korábbi definíció szerint a következő:
).()()( xuxPxR N (2.21)
Következő lépésben képezzük a bázisfüggvények és a reziduum skaláris szorzatát,
amit nullával teszünk egyenlővé:
.0; Rm (2.22)
A (2.22) egyenletbe behelyettesítjük a (2.21) egyenletet:
.0; uPNm (2.23)
Ezt az összefüggést célszerű átrendezni az alábbi alakba:
,0;; uP mNm (2.24)
.;; uP mNm (2.25)
A (2.25) egyenletbe helyettesítsük be a (2.18) egyenletet:
,;;0
ua m
N
n
nnm
(2.26)
.;;0
N
n
mmnn ua (2.27)
29
A (2.27) összefüggés mátrix alakban a következű alakú lesz:
.
;;;
;;;
;;;
;;;
;
;
;
;
1
0
0
0
1110
0000
1
0
N
m
NNNnN
mNmnm
Nn
Nn
N
m
a
a
a
a
u
u
u
u
(2.28)
Ha választott bázisfüggvények ortogonális bázisrendszert alkotnak, annak az a
következménye, hogy egy bázisfüggvény önmagával vett skaláris szorzata nem
nulla, bármely más bázisfüggvénnyel képzett skaláris szorzat nulla lesz:
mn ; = { = 0 𝑛 ≠ 𝑚 ≠ 0 𝑛 = 𝑚
. (2.29)
Az együtthatók ily módon történő meghatározásának az előnye az, hogy a mátrix
főátlójában lesznek csak nem nulla elemek, ezáltal a művelet számításigénye
jelentősen csökken. Ezáltal a következő alakra egyszerűsödik az egyenlet:
.
;000
0;00
00;0
000;
;
;
;
;
1
0
11
00
1
0
N
m
NN
mn
N
m
a
a
a
a
u
u
u
u
(2.30)
Tehát az együtthatók meghatározhatók a következő módon:
.;
;
mm
m
m
ua
(2.31)
30
2.2.2. OPTIMÁLIS BÁZISFÜGGVÉNYEK
Különböző bázisfüggvények optimálisak térben periodikus és térben nem
periodikus perem esetén. A térben periodikus perem azt jelenti, hogy a térrész
periodikusan ismétlődik. Térben nem periodikus perem esetén a térrész nem
ismétlődik és a tér határain előírjuk a változó értékét. Térben nem periodikus perem
esetén célszerű Chebyshev polinomokat használni bázisfüggvénynek. Azonban
vannak kivételes esetek, amikor térben nem periodikus perem esetén például a
Laguerre függvényeket célszerű használni bázisnak. A Chebyshev polinomok
ortogonális bázisrendszert alkotnak a [-1,1] intervallumon, ha megfelelően választjuk
meg az osztáspontok eloszlását.
Chebyshev polinomok a következő alakban állíthatók elő:
.
)()(2)(
)(
1)(
11
1
0
xxxx
xx
x
nnn
(2.32)
Térben periodikus perem esetén harmonikus függvényeket használunk bázisnak.
Ezek előnye, hogy automatikusan kielégítik a peremfeltételeket. Térben periodikus
perem esetén a [0,2𝜋] közti tartományon, optimális osztáspont eloszlás mellett,
ortogonális bázisrendszert alkotnak a harmonikus függvények, amelyek 2 𝜋 szerint
periodikusak. A harmonikus függvényekből alkotott bázis a következő:
𝜙0 (𝑥) = 1
𝜙𝑖 (𝑥) =
x
i
2
1cos ; ha i páratlan (2.33)
𝜙𝑖 (𝑥) =
x
i
2sin ; ha i páros .
31
2.2.3. OPTIMÁLIS HÁLÓK
Térben nem-periodikus peremfeltétel esetén, az egyenközű hálózás stabilitási
problémákhoz vezethet a peremek környezetében. Ez alatt azt értjük, hogy a közelítő
polinom a peremek környezetében oszcillálni fog, ezáltal nem fogja jól közelíteni az
egzakt megoldást. Ezt a problémát a háló sűrítésével sem tudjuk sok esetben
kiküszöbölni, a közelítő függvény oszcillációja elképzelhető, hogy növekedni fog a
közelítés fokszámának növelésével. Ezért célszerű olyan térbeli hálót alkalmaznunk,
amely a peremeken sűrűbb. A különböző peremfeltételekhez kialakultak optimális
hálók is.
2.2.3.1 Roots Grid nem-periodikus perem esetén
A 2.4. ábrán látható egy egységnyi sugarú félkör. Ha a félkört felosztjuk egyenlő
középponti szöggel rendelkező N+1 körcikkre, majd a körcikkeket határoló
szakaszok és a körív metszéspontjait levetítjük a félkör átmérőjére, akkor a 2.4. ábrán
látható módon megkapjuk a Roots Gridhez tartozó eloszlását az osztáspontoknak a [-
1,1] tartományon. Látható, hogy a peremek környékén sűrűbben vannak
osztáspontok, ennek oka, hogy a peremek környékén a közelítő polinom lehetséges
oszcillációját megelőzhessük. Roots Grid esetén a 2.4. ábrán látható módon a [-1,1]
szakasz határain nincsenek osztáspontok. Az osztáspontok helykoordinátáját a (2.34)
képlettel tudjuk leírni:
xi =
.12
12cos
N
i i = 0 – N (2.34)
2.4. ábra: Roots Grid N = 7 szabadsági fok mellett
32
2.2.3.2 Extrema Grid nem-periodikus perem esetén
Nem periodikus perem esetén az Extrema Gridhez tartozó eloszlása az
osztáspontoknak a 2.5. ábrán látható. A Roots Gridhez hasonlóan ezt a típusú hálót is
egy egységnyi sugarú félkör segítségével szemléltetem. A félkört felosztjuk N-1
egyenlő körcikkre. A körcikkeket határoló szakaszok és a körív metszéspontjait
levetítve a félkör átmérőjére, megkapjuk az Extrema Gridhez tartozó eloszlását az
osztáspontoknak. Látható, hogy Extrema Grid esetén a [-1,1] intervallum határain is
vannak osztáspontok. Az osztáspontok helykoordinátáját a (2.35) képlettel tudjuk
leírni:
x𝑖 = .cos
N
i i= 0 – N (2.35)
2.5. ábra: Extrema Grid N=7 szabadsági fok mellett
Térben periodikus peremfeltétel esetén, az egyenközű hálózás nem okoz olyan
problémákat, mint térben nem periodikus peremfeltétel esetén. Periodikus perem
esetén a vizsgált tartomány 2𝜋 szerint periodikus. Periodikus perem esetén az utolsó
osztáspontot nem szabad belevenni a számításokba, ugyanis az első és utolsó
osztáspont megegyezik, és ha mindkettőt belevesszük a számításokba az könnyen
szingularitáshoz vezethet.
2.2.3.3 Extrema Grid periodikus perem esetén
Extrema Grid esetén a [0,2𝜋] tartományt N-1 egyenlő szakaszra osztjuk. A szakasz
határokon jelöljük ki az osztáspontok helyét. Extrema Grid esetén a tartományt úgy
osztjuk fel, hogy a [0,2𝜋] tartomány határára ne essen szakaszhatár, azaz osztáspont.
33
Az utolsó osztáspont helye megegyezik az első osztáspont helyével, ezért az utolsó
osztáspontot nem vesszük be a számításainkba, ugyanis ez könnyen szingularitáshoz
vezethet. Az osztáspontok eloszlása a [0,2𝜋] tartományon a 2.6. ábrán látható.
Az osztáspontok helykoordinátái a (2.36) képlettel számolhatók Extrema Grid esetén:
N
ixi
2 i = 0 - (N– 1). (2.36)
2.6. ábra: Extrema Grid N=7 szabadsági fok mellett
2.2.3.4 Roots Grid periodikus perem esetén
Roots Grid esetén is N-1 egyenlő szakaszra osztjuk az [0,2𝜋] tartományt, ahogy a 2.7.
ábrán látszik. Roots Gridre is érvényesek az Extrema Gridre vonatkozó állítások, a
két háló közti különbség, hogy a Roots Grid az Extrema Gridhez képest N
-el el van
tolva. Az osztáspontok helykoordinátái a (2.37) képlettel számolhatók:
NN
ixi
2 i = 0 – (N-1). (2.37)
2.7. ábra: Roots Grid N=7 szabadsági fok mellett
34
2.2.4. HELY SZERINTI DERIVÁLTAK ELŐÁLLÍTÁSA
A hely szerinti deriváltak minél pontosabb előállítása elengedhetetlen a numerikus
módszerek kellő pontosságához. Mint korábban utaltam rá a jelenséget leíró
differenciálegyenlet a változó hely és idő szerinti deriváltja között teremt kapcsolatot.
Tehát, a hely szerinti deriváltak meghatározásának pontossága az osztáspontokban,
kihatással van az idő szerinti deriváltak pontosságára. A hely szerinti deriváltak
hatékony és pontos előállítása kétféleképpen lehetséges.
Az első lehetőség a deriváló mátrix segítségével történő előállítás. Az
osztáspontokban a közelítő polinom és a keresett megoldásfüggvény pontosan
megegyezik:
.)()()(
1
N
i
innini xaxPxu (2.38)
Ez alapján az osztáspontokban a deriváltak értéke 2.39 alakban írható:
.)()()(
1
,,
N
i
ixnnixnix xaxPxu (2.39)
A (2.38) és (2.39) összefüggés segítségével, levezethető egy deriváló mátrix, amelynek
a lényege, hogy az osztáspontokban vett f(x) függvényértékeket tartalmazó vektort
megszorozzuk egy úgynevezett deriváló mátrixszal, amelynek eredménye az
osztáspontoknál lévő hely szerinti deriváltakat tartalmazó vektor lesz (f’(x)), adott
időpillanatban:
.
)(
)(
)(
)(
)('
)('
)('
)('
1
2
1
0
321
3333231
2232221
1131211
1
2
1
0
NNNNNN
N
N
N
N xu
xu
xu
xu
DDDD
DDDD
DDDD
DDDD
xu
xu
xu
xu
(2.40)
A különböző térbeli peremfeltételekhez és hálókhoz a deriváló mátrixok korábbi
tanulmányokban levezetésre kerültek [13], a levezetéseket nem kívánom bemutatni
csupán az eredményeket foglalom össze.
35
Fourier bázisra Roots és Extrema Grid esetén a deriváló mátrix
Dmn = { nm
nmxx
5,0cot5,01 𝑚 ≠ 𝑛
0 𝑚 = 𝑛 (2.41)
Chebyshev bázisra Roots Grid esetén a deriváló mátrix
Dmn =
{
nm
mnnm
xx
xx
22 1/1
1 𝑚 ≠ 𝑛
221/5,0 mm xx 𝑚 = 𝑛
(2.42)
Chebyshev bázisra Extrema Grid esetén a deriváló mátrix
Dmn =
{
6/12 2 N 𝑚 = 𝑛 = 0
6/12 2 N 𝑚 = 𝑛 = 𝑁
212/ mm xx 𝑚 = 𝑛 ≠ 0 ≠ 𝑁
nmnm
nmxxcc
/1 𝑚 ≠ 𝑛
(2.43)
A hely szerinti deriváltak előállítására van egy másik lehetőség is. Ha ezt a
lehetőséget szeretnénk alkalmazni, akkor az osztáspontokat 2𝑁+1 alakban vegyük fel.
Első lépésben az osztáspontokban vett függvényértékeket Fourier transzformáljuk. A
Fourier sor komplex alakja a következő:
.)(
N
Nk
ikx
k ecxu (2.44)
A MatLab tartalmaz FFT utasítást. A MatLab az együtthatókat egy vektorba rendezi.
N az osztáspontok számát jelöli, továbbá n =2N. A Fourier együtthatókat tartalmazó
vektor első tagja nem tartalmaz képzetes részt, az együtthatók első része 2 és (n/2)+1
között pozitív képzetes résszel, a második része (n/2)+2 és N+1 között negatív
képzetes résszel rendelkező tagok lesznek. Az együtthatók komplex számok,
amelyek párba rendezhetők a 2.8. ábra alapján. Az együtthatók komplex konjugált
párokat alkotnak, ezért lesz a közelítő függvényünk valós függvény.
36
2.8. ábra: Fourier együtthatók párba rendezése
A Fourier térben a deriválás tulajdonképpen az i képzetes rész többszörösével
történő szorzása az együtthatóknak. Tehát van összesen 2𝑁+1 együtthatónk. A
deriváló vektor elemei is párba állíthatók, a párok egymás konjugáltjai. A deriváló
vektor a (2.45) alakban állítható elő, ahol i a képzetes részt jelenti.
i
i
in
in
in
i
i
Cder
10
20
12
0
20
20
20
10
0
(2.45)
A Fourier térben magasabb rendű derivált előállítása is egyszerű, ugyanis az
együttható vektort annyiszor szükséges megszorozni a deriváló vektorral, ahányadik
deriváltat szeretnénk előállítani. A szorzás alatt nem skaláris szorzást értek, hanem
az együttható vektor minden elemét a deriváló vektor hozzá tartozó elemével való
szorzását. Következő lépésben a Fourier térből egy inverz Fourier transzformációval,
37
megkaphatjuk a szükséges osztáspontbeli deriváltakat tartalmazó vektort. A MatLab
tartalmaz inverz Fourier transzformációs függvényt.
Tehát a térbeli deriváltak előállítására az előbb bemutatott két lehetőség adott. A
deriváló mátrixxal történő előállítás számításigénye arányos 𝑁2-el, míg a Fourier
térben történő előállítás számításigénye NN log -el arányos.
2.2.5. SZŰRŐ ELJÁRÁSOK
Azokban az esetekben, amikor a megoldásfüggvényben diszkontinuitás, azaz
szakadás lép fel, a közelítő polinom a szakadás környezetében erősen oszcillálni
kezd, ami miatt a pontosság a diszkontinuitás környezetében erősen romlik. Ezt a
jelenséget Gibbs jelenségnek hívjuk. A szakadások kezelésére kialakultak különböző
szűrő eljárások, amelyek az oszcillációt hivatottak simítani. A szűrő eljárások
lényege, hogy a Fourier transzformáció után az együttható vektort egy olyan szűrő
vektorral szorozzuk meg, amely a nagy frekvenciákhoz tartozó együtthatókat
nagyobb mértékben csökkenti, mint a kis frekvenciákhoz tartozókat. A szűrő
vektorral történő szorzást a Fourier térben kell elvégeznünk az együtthatókat
tartalmazó vektoron, a deriváltak előállítása előtt.
2.2.5.1 Szűrő típusok
Az oszcillációt a nagyobb frekvenciákhoz tartozó Fourier tagok okozzák, ezért
célszerű egy olyan szűrővektorral megszorozni a Fourier együtthatókat, amely a
Fourier együtthatókat tartalmazó vektor nagyobb frekvenciákhoz tartozó részét
szűri. A MatLab az együtthatókat úgy rendezi vektorba, hogy középen helyezkednek
el a nagy frekvenciákhoz tartozó együtthatók, a széleken pedig a kis frekvenciákhoz
tartozók. A módszer fejlődése során kialakultak optimális szűrő típusok, amelyek a
következők.
Cesáro Sum
𝜎𝑘 = { 1 𝑘 = 1
1 − (𝑘/((𝑛/2 + 1) )) 1 < 𝑘 ≤ 0.5𝑛 + 1 1 − (𝑛 + 3 − 𝑘/((𝑛/2 + 1) )) 0.5𝑛 + 1 < 𝑘 ≤ 𝑛 + 1
38
Lanczos
𝜎𝑘 = { 1 𝑘 = 1
𝑠𝑖𝑛 (2𝑘𝜋/𝑁)/((2𝑛𝜋/𝑁)) 1 < 𝑘 ≤ 0.5𝑛 + 1 𝑠𝑖𝑛 (2(𝑛 + 3 − 𝑘)𝜋/𝑁)/((2𝑛𝜋/𝑁)) 0.5𝑛 + 1 < 𝑘 ≤ 𝑛 + 1
Raised Cosine
𝜎𝑘= { 1 𝑘 = 1
1 + 𝑐𝑜𝑠 (2𝑘𝜋/𝑁)/2 1 < 𝑘 ≤ 0.5𝑛 + 1 1 + 𝑐𝑜𝑠 (2(𝑛 + 3 − 𝑘)𝜋/𝑁)/2 0.5𝑛 + 1 < 𝑘 ≤ 𝑛 + 1
2.2.6. IDŐ SZERINTI DERIVÁLT
Ha az osztáspontokban sikerült előállítani pontosan a hely szerinti deriváltakat,
akkor a jelenséget leíró parciális differenciálegyenletből, amely kapcsolatot teremt a
változó hely és idő szerinti deriváltja közt, egy közönséges differenciálegyenlet
rendszer lesz, amelyben csak az idő szerinti derivált lesz ismeretlen. Tulajdonképpen
minden osztáspontra kapunk egy közönséges differenciálegyenletet. A MatLab
tartalmaz közönséges differenciálegyenlet megoldókat (ODE). A MatLab beépített
közönséges differenciálegyenlet megoldójának segítségével egyszerűen előállítható a
vizsgált idő és térrészen a megoldása a vizsgált parciális differenciálegyenletnek.
39
3. BURGERS EGYENLET
A folyadékok ultrahanggal történő gerjesztésekor lezajló jelenségek megismeréséhez
célszerű a Burgers egyenlet megoldását vizsgálni. Az ultrahangos gerjesztéssel
hanghullámok hatolnak be a folyadékba és nagy illetve kisnyomású zónákat hoznak
létre. A kisnyomású zónákban a nyomás lecsökkenhet a gőz telítési nyomásáig adott
hőmérsékleten, ezáltal gőzbuborékok keletkeznek. Amikor ezek a buborékok
továbbvándorolnak nagyobb nyomású zónákba akkor a gőz lekondenzálódik, és a
buborék összeroppan. Ezt a jelenséget számos célra lehet hasznosítani például két
rosszul elegyedő folyadék keverésére, vagy polimer láncok tördelésére annak
érdekében, hogy új polimereket hozzanak létre. Az ultrahang hullámok terjedését a
Burgers egyenlet tökéletesen leírja. Súrlódásmentes esetben periodikus perem mellett
lehet vizsgálni a lökéshullámok kialakulásának mechanizmusát. Szintén
súrlódásmentes esetben nem periodikus perem esetén, ha valamilyen harmonikus
peremfeltételt írunk elő, vizsgálható a különböző harmonikus gerjesztések hatása a
lökéshullám kialakulására. A súrlódásos Burgers egyenleten is célszerű elvégezni
ezeket a vizsgálatokat a viszkozitás, mint paraméter változtatása mellett. A
viszkozitás növelésével a hullám energiája hamarabb disszipál el, ami az amplitúdó
csökkenését eredményezi, az időben előre haladva. A disszipáció mértéke erősen
befolyásolja azt, hogy kialakul-e a megoldásban lökéshullám.
3.1. Súrlódásmentes Burgers egyenlet periodikus peremfeltétellel
Ebben a fejezetben a súrlódásmentes Burgers egyenlet megoldásában figyeljük meg a
lökéshullám kialakulását, periodikus peremfeltétel mellett. A súrlódásmentes
Burgers egyenlet az alábbi formában írható fel.
0
x
uu
t
u (3.1)
Az egyenletben nincs disszipatív tag, tehát a hullám energiája nem disszipál el a
terjedés során. Látszik, hogy ez egy elsőrendű parciális differenciálegyenlet, ugyanis
az u sebességnek az x hely és t idő szerinti egyszeres deriváltja jelenik meg az
egyenletben. Továbbá ez egy nemlineáris parciális differenciálegyenlet, ugyanis
szerepel benne a sebesség és a sebesség hely szerinti deriváltjának a szorzata.
Szakadásmentes kezdeti feltétel mellett is kialakul az egyenlet megoldásában
szakadás, egyfajta lökéshullám. Célunk meghatározni, hogy mikor alakul ki a
40
lökéshullám. Az 3.1. ábrán látható az egyenlet megoldása a [0,2π] tartományon
különböző időpillanatokban, amelyeket különböző színekkel jelöltem a
jelmagyarázatnak megfelelően. Piros színnel a kezdeti feltétel látható, amely az
u=sin(x)+2 egyenlettel írható fel.
3.1. ábra: Súrlódásmentes Burgers egyenlet megoldása, periodikus peremfeltétel mellett,
A.) N = 257 B.) N = 385 osztáspont esetén
Az 3.1. ábrán látható, hogy a lökéshullám valahol a 0,9 és 1,1 másodperc között
alakul ki a vizsgálat során rögzített kezdeti feltétel mellett. Továbbá megfigyelhető,
hogy a szakadás környezetében a közelítés erősen oszcillálni kezd, a szabadsági
fokok növelésével pedig az oszcilláció mértéke erősödik. Ezt a jelenséget Gibbs
jelenségnek hívjuk. Mivel az egzakt megoldásban a szakadás környezetében nem
oszcillál a megoldás, ezért ekkor a közelítésünk elég pontatlan. Célszerű valamilyen
simító eljárást alkalmazni, ami tulajdonképpen a magasabb frekvenciákhoz tartozó
Fourier tagokat szűri ki a közelítésünkből. A korábban említett szűrő eljárások
alkalmazásának eredményeit a 3.2. ábra szemlélteti.
A megoldások a [0,2π] tartományon láthatók különböző időpillanatokban, amelyeket
különböző színekkel jelöltem a jelmagyarázatnak megfelelően. Piros színnel a
kezdeti feltétel látható, amely továbbra is az u=sin(x)+2 egyenlettel írható fel.
41
3.2. ábra: A.) Cesáro Sum B.)Lanczos C.)Raised Cosine szűrő alkalmazása N=129 osztáspont esetén
A 3.2. ábrából látszik, hogy a szűrő eljárások alkalmazásával a szakadás
környezetében kileng a megoldásfüggvény. A magas frekvenciákhoz tartozó tagokat
kiszűrte az eljárás, ugyanakkor az amplitúdót nagyon megnövelte a szakadás
környezetében. Ebben a formában a megoldás nem nevezhető pontosnak. További
irodalomkutatás eredményként arra a következtetésre jutottam, hogy a szűrő
eljárások alkalmazása hiperbolikus parciális differenciálegyenleteknél problémás.
Parabolikus parciális differenciálegyenleteknél, ha szakadás van a kezdeti feltételben,
akkor abban az időpillanatban alkalmazzuk a szűrő eljárások valamelyikét egyszer, a
továbbiakban pedig nem jön létre szakadás a megoldásban.
42
A hiperbolikus parciális differenciálegyenleteknél viszont szakadás létrejöhet akkor
is, ha a kezdeti feltételben nincs szakadás, ezért a szűrő eljárásokat minden
időpillanatban alkalmaztam. Ebben az esetben a szűrt megoldásban anomália
jelentkezik, tehát ily módon nem alkalmazhatók a szűrő eljárások. Egyik lehetséges
továbbviteli lehetősége a dolgozatnak, hogy a szakadást detektáljuk térben is időben,
és csak adott időpillanatban, adott térrészen alkalmazzuk a szűrő eljárások
valamelyikét.
3.2. Súrlódásmentes Burgers egyenlet nem periodikus peremfeltétellel
A súrlódásmentes Burgers egyenleten, nem periodikus peremfeltétel mellet tudjuk
vizsgálni, az egyenlet megoldásában jelentkező lökéshullámot a gerjesztő frekvencia
függvényében, abban az esetben, ha a súrlódást elhanyagoljuk. A vizsgált
hossztartományt jelölje y amely a [0;L] tartományon értelmezett. A harmonikus
peremfeltételt, azaz gerjesztést, az y=0 helyen írtam elő. Az új helykoordinátára azért
van szükség, mivel az eredeti helykoordinátákkal amelyet x jelöl, csak a [-1;1]
tartomány vizsgálható. A [-1;1] tartományon, a tartomány rövidsége miatt,
elképzelhető, hogy nem alakul ki lökéshullám, ezért célszerű egy hosszabb
tartományon elvégezni a számításokat. Tehát szükségünk lesz egy hely koordináta
transzformációra a számításokhoz. Először szükséges az y koordinátát
áttranszformálni az x koordinátára, ugyanis a számításokat az x koordinátával
végezzük el. A számítások elvégzése után, az eredmények kiértékeléséhez a x
helykoordinátát szükséges visszatranszformálni az y koordinátára. Tehát az x [-1;1] ,
az y [0;L] tartományon értelmezett független változó. A megoldó módosításához
szükséges előállítanunk az x koordinátát az y függvényében, illetve az x koordináta y
szerinti deriváltját:
2
1L
xy (3.2)
12
L
yx (3.3)
.2
Ly
x
(3.4)
Következő lépésben az u, y szerinti deriváltja kerül meghatározásra, ehhez a
láncszabályt illetve a (3.4) összefüggést használom fel.
Lx
u
y
x
x
u
y
u 2
(3.5)
43
A (3.2) és a (3.5) összefüggés ismeretében, a MatLab kódot módosítva, már az y
tartományon tudjuk vizsgálni az egyenlet megoldását. A MatLab kódban
tulajdonképpen az u, x koordináta szerinti deriváltját szükséges megszorozni a 2/L
konstanssal ahhoz, hogy az új, y szerinti deriváltat kapjuk meg az u-nak. Ekkor az
eredmények, már az y koordinátára vonatkoznak, ezért az eredményeket, az új y
hely koordináta függvényében kell ábrázolnunk.
A számítások során a kezdeti feltétel az alábbi volt:
4)0,( yu . (3.6)
A számítások során használt peremfeltételek a következők:
4)1002sin(1),0( ttu (3.7)
4)10002sin(1),0( ttu (3.8)
4)100002sin(1),0( ttu (3.9)
4)200002sin(1),0( ttu . (3.10)
A különböző gerjesztésekhez tartozó megoldások a 3.3. ábrán láthatók, ahol pirossal
a kezdeti feltételt, továbbá különböző színekkel a különböző időpillanatokhoz
tartozó megoldásait jelöltem az egyenletnek, a jelmagyarázatnak megfelelően. A
megoldások az új y helykoordináta függvényében vannak ábrázolva.
A 3.3./A ábrán látható megoldás esetén a (3.7) peremfeltételt, a 3.3./B ábrán látható
megoldás esetén a (3.8) peremfeltételt, a 3.3./C ábrán látható megoldás esetén a (3.9)
peremfeltételt, a 3.3./D ábrán látható megoldás esetén a (3.10) peremfeltételt
használtam.
44
3.3. ábra: Súrlódásmentes Burgers egyenlet megoldása A.)100Hz B.)1000Hz C.)10000Hz D.)20000Hz
gerjesztés esetén
45
A különböző gerjesztések esetén kapott különböző megoldásokból, a lökéshullám
kialakulásának helye is ideje leolvasható. A kapott eredményeket a 3.4. táblázatban
foglaltam össze.
Frekvencia [Hz] Lökéshullám kialakulásának helye Lökéshullám kialakulásának ideje
1 2,8 0,7
10 0,28 0,07
100 0,028 0,007
1000 0,0028 0,0007
10000 0,00028 0,00007
20000 0,00014 0,000035
40000 0,00007 0,0000175
3.4. ábra: Lökéshullám kialakulásának helye és ideje a gerjesztő frekvencia függvényében
A 3.5. diagramokon a lökéshullámok kialakulásának helye és ideje látható a gerjesztő
frekvencia függvényében. A diagramon kék ponttal a számított értékek láthatók.
Látható, hogy minél nagyobb a gerjesztési frekvencia annál hamarabb kialakul a
lökéshullám mind térben és időben. Továbbá megfigyelhető, hogy logaritmikus
skálán ábrázolva mind a gerjesztő frekvenciát mind a lökéshullám kialakulásának
helyét és idejét, a számított értékek egy egyenes mentén helyezkednek el.
3.5. ábra: A lökéshullám kialakulásának A.)helye és B.) ideje a gerjesztő frekvencia függvényében
46
3.3. Súrlódásos Burgers egyenlet periodikus peremfeltétellel
Azokban az esetekben, amikor az anyag viszkozitása kicsi, a súrlódásmentes Burgers
egyenlet jól közelíti a valóságot, azonban nagyobb viszkozitású anyagok esetén már
a belső súrlódás hatása nem hanyagolható el. Ekkor célszerű a súrlódásos Burgers
egyenletet használni, ugyanis a súrlódásos Burgers egyenlet figyelembe veszi a
súrlódás okozta disszipációt. Periodikus peremfeltétel mellett megfigyelhető, a
lökéshullám kialakulása a viszkozitás függvényében. A súrlódásos Burgers egyenlet
alakja a következő.
2
2
x
u
x
uu
t
u
(3.11)
A súrlódásos Burgers egyenlet a súrlódás hatását egy disszipatív taggal veszi
figyelembe, amely az áramlási sebesség hely szerinti második deriváltjával arányos.
A viszkozitás növelésével a hullám amplitúdója egyre gyorsabban csökken az időben
előre haladva. A lökéshullám kialakulásának gyorsasága függ a hullám
amplitúdójától. Az u változó az áramlási sebességet jelenti. Minél kisebb a maximális
és minimális sebesség különbsége, annál több időre van szüksége a lökéshullámnak a
kialakuláshoz, ugyanis a maximális u-hoz tartozó része a hullámnak nem halad
sokkal gyorsabban, mint a minimális u-hoz tartozó része a hullámnak. Lökéshullám
pedig úgy alakul ki, hogy a maximális sebességhez tartozó része a hullámnak
gyorsabban halad, mint a kisebb sebességhez tartozó része, ezáltal a gyorsabb
részhez tartozó része utoléri a lassabb részhez tartozó részt, ezáltal egy hirtelen
ugrás, azaz szakadás alakul ki a megoldásban. A 3.6. ábrán látható különböző
viszkozitás esetén a súrlódásos Burgers egyenlet megoldása. A 3.6. ábrán látható az
egyenlet megoldása a [0,2π] tartományon különböző időpillanatokban, amelyeket
különböző színekkel jelöltem a jelmagyarázatnak megfelelően. Piros színnel a
kezdeti feltétel látható, amely az u=sin(x)+2 egyenlettel írható fel.
A viszkozitás növelésével a terjedő hullám amplitúdója gyorsabban csökken, a
nyomáshullám meredeksége szintén csökken. A nyomáshullám meredeksége
fokozatosan csökken, ezért nem lehet egy éles határt húzni, amely viszkozitás
értéktől kialakul lökéshullám. A 3.7. ábrán ábrázoltam az első 20 másodperces
időintervallumban kialakuló nyomáshullám maximális meredekségeket a viszkozitás
függvényében. A 20. másodperc után a hullám nagy része már eldisszipált, ezért
elégnek láttam ekkora időintervallumot szimulálni. A számításokat ν [0,005;0,35]
tartományon végeztem el, ∆ν=0,005 lépésközzel.
47
3.6. ábra: Különböző viszkozitások esetén A.) 01,0 B.) 1,0 C.) 3,0 a súrlódásos Burgers
egyenlet megoldása
48
3.7. ábra: Lökéshullám maximális meredeksége a viszkozitás függvényében
Látszik, hogy a nyomáshullám meredeksége konvergál egyhez, ha ν → ∞. Ennek
oka, hogy a kezdeti feltétel maximális meredeksége egy. Látszik, hogy a maximális
meredekség alakulásában nincs hirtelen ugrás. A Gibbs jelenség körülbelül ν =0,03
értékig figyelhető meg a közelítésen, ennél a viszkozitás értéknél húzható határ.
A ν = 0,03 viszkozitás nem képez éles határt, tehát elképzelhető, hogy fölötte is
kialakul lökéshullám.
49
3.4. Súrlódásos Burgers egyenlet nem periodikus peremfeltétellel
A súrlódásos Burgers egyenleten nem periodikus perem mellett, tudjuk vizsgálni a
lökéshullám kialakulását a gerjesztés és a viszkozitás függvényében. A
súrlódásmentes eseten végzett vizsgálatból kiderült, hogy a gerjesztő frekvencia
fordítottan arányos a lökéshullám kialakulásának helyével és idejével. A súrlódásos
Burgers egyenlet (3.6) egy másodrendű parciális differenciálegyenlet, tehát két
peremfeltételt szükséges előírnunk a kezdeti feltétel előírása mellett. Ebben az
esetben is szükségünk lesz koordináta transzformációra, a 3.2. fejezetben bemutatott
okok miatt. Tehát y [0;L] tartományon szeretnénk eredményt kapni, ehhez az y
koordinátát áttranszformáltam x [-1;1] koordinátára, ugyanis a számításokat a [-1;1]
tartományon szükséges elvégezni, majd az eredmények kiértékeléséhez az x
koordinátát visszatranszformáltam y koordinátára. A koordináta transzformációt a
3.2. fejezetben bemutatott módon végeztem el, többek közt a (3.2) és a (3.5)
összefüggés segítségével. Azonban a súrlódásos egyenletben megjelenik a hely
szerinti második derivált, amit szükséges módosítanunk a (3.12) egyenletnek
megfelelően, ha szeretnénk megkapni az új változó szerinti deriváltját az u-nak:
.2
2
2
2
2
2
Lx
u
y
u (3.12)
A (3.2), (3.5) és (3.12) összefüggés ismeretében, a MatLab kódban a hely szerinti első
és második deriváltat szükséges egy-egy konstanssal megszorozni annak érdekében,
hogy a [0,L] szakaszon kapjuk meg az egyenlet megoldását.
A 3.8. ábrán láthatóak az egyenlet megoldásai különböző viszkozitások mellett. Az
ábrán különböző színekkel a különböző időpillanatokhoz tartozó megoldása látható
az egyenletnek, a jelmagyarázatnak megfelelően. A 3.8. ábrán bemutatott
megoldások során a kezdeti feltétel az alábbi volt:
4)0,( yu . (3.13)
A számítások során használt peremfeltételek az alábbiak voltak:
,4)12sin(1),0( ttu (3.14)
.4),( tLu (3.15)
50
3.8. ábra: Különböző viszkozitások A.) 0,05 B.) 0,1 C.) 0,3 mellett a súrlódásos Burgers egyenlet
megoldása rögzített (1Hz) harmonikus gerjesztés mellett
A 3.8. ábrák állandósult állapotot ábrázolnak. Látszik, hogy a viszkozitás növelésével
az amplitúdó csúcsok gyorsabban csillapodnak. Tehát a viszkozitás növelésével
egyre gyorsabban csökken az amplitúdója a hullámnak, ezért a viszkozitás
növelésével vagy később alakul ki lökéshullám, vagy nem alakul ki. Ha csökken az
amplitúdó, akkor a hullám egyes részeinek sebessége között nincs akkora differencia,
ezáltal lassabban alakul ki lökéshullám. Vizsgáltam továbbá a gerjesztő frekvencia,
51
mint paraméter változtatásának hatását a súrlódásos Burgers egyenletre. A 3.9. ábrán
bemutatott megoldások során a kezdeti feltétel az alábbi volt:
4)0,( yu . (3.16)
A számítások során használt peremfeltételek az alábbiak voltak:
,4)12sin(1),0( ttu (3.17)
,4)52sin(1),0( ttu (3.18)
,4)102sin(1),0( ttu (3.19)
.05,4),( tLu (3.20)
A 3.9. ábrán különböző színekkel a különböző időpillanatokhoz tartozó megoldása
látható az egyenletnek, a jelmagyarázatnak megfelelően. A 3.9./A ábra esetében a
(3.17) és (3.20) peremfeltételeket, 3.9./B ábra esetében a (3.18) és (3.20)
peremfeltételeket, 3.9./C ábra esetében a (3.19) és (3.20) peremfeltételeket használtam.
3.9. ábra: Súrlódásos Burgers egyenlet megoldása különböző gerjesztések A.) 1Hz B.) 5Hz C.) 10Hz
esetén, rögzített viszkozitás mellett
52
A 3.9. ábrából látszik, hogy a gerjesztő frekvenciával fordítottan arányos az a táv
amelyet a hullám képes megtenni anélkül, hogy eldisszipálna. Ennek oka az
akusztikában ismert jelenség, amelynek lényege, hogy a mély hangok, amelyek
alacsonyabb frekvenciával rezegnek, egységnyi távolság megtétele mellett a
kevesebb rezgésszámból adódóan kevesebb munkát fordítanak a részecskék
mozgatása során fellépő súrlódási veszteségekre, ezáltal messzebbre képesek terjedni
a viszkózus közegben.
53
4. ÖSSZEFOGLALÁS
A dolgozatban a súrlódásos és a súrlódásmentes Burgers egyenlet megoldását
kerestem a spektrál kollokációs módszerrel. A spektrál módszerek előnye a központi
differencia sémákhoz képest, hogy azonos pontosság eléréséhez kevesebb erőforrást
igényel, illetve jobbak a fázistartási tulajdonságai. A spektrál módszerek nincsenek
integrálva kereskedelmi szoftverekbe, ezért célszerű egy matematikai szoftver
segítségével saját megoldót létrehozni. Erre a célra a MatLab programot használtam.
Súrlódásmentes esetben periodikus peremfeltétel mellett végzett vizsgálat során
kiderült, hogy az egyenlet megoldásában lökéshullám alakul ki. Szintén
súrlódásmentes esetben nem periodikus perem esetén a különböző harmonikus
gerjesztések hatását vizsgáltam a lökéshullám kialakulására. A vizsgálatból kiderült,
hogy minél magasabb a gerjesztő frekvencia annál hamarabb kialakul a lökéshullám
mind térben, mind időben. A súrlódásos Burgers egyenleten is elvégeztem ezeket a
vizsgálatokat, és megállapításra került, hogy mi az a kritikus viszkozitás, amely
fölött nem alakul ki lökéshullám egy tetszőlegesen megválasztott kezdeti feltétel
mellett. A kritikus viszkozitás fölött nem alakul ki lökéshullám a megoldásban mivel
túl hamar eldisszipál a hullám energiája. Súrlódásos esetben nem periodikus
peremfeltétel mellett vizsgáltam a harmonikus gerjesztések hatását, amely során arra
a következtetésre jutottam, hogy minél alacsonyabb a gerjesztő frekvencia annál
nagyobb távot tud megtenni a hullám a viszkózus közegben.
5. KITEKINTÉS
A dolgozat egyik továbbviteli lehetősége a simító eljárások alkalmazási
lehetőségeinek további vizsgálata, mivel hatékonyan nem használható minden
időpillanatban, ezért célszerű lehet térben és időben detektálni a lökéshullámot és
csak lokálisan a lökéshullám környezetében alkalmazni a simítást. Másik továbbviteli
lehetősége a dolgozatnak, hogy kiterjesztjük a vizsgálatot több dimenzióra.
54
6. SUMMARY
The spectral method is a kind of numerical method, which can prove high accuracy
by less calculations than other numerical methods. In this final thesis, I used the
collocation spectral method to solve the one dimensional Burgers equation. That
method haven’t been integrated in commercial softwares yet, so I've used MatLab to
create my own solver. Burgers equation is a nonlinear partial differentitational
equation, which describe wave propagation in nonlinear medium and it can’t be
solved analytically. Burgers equation was examined in different cases in this thesis.
First, I have tested frictionless Burgers equation with periodic boundary conditions,
where we could observe the mechanism of shock wave formation. At the shock
wave, the approximation begin oscillate strongly, the approximation need to be
smoothed in order to increase its accuracy. Next, I have examined frictionless
Burgers equation with nonperiodic boundary condition. In that case, I specified
harmonic boundary condition, and I observed that harmonic waves how distorted
and form shock wave. Next, I’ve examined Burgers equation with friction with
periodic boundary conditions where the influence of the viscosity to the shock wave
propagation can be observed. Finally, Burgers equation with non periodic boundary
conditions have been examined. In that case harmonic boundary conditions was
specified, and wave dissipation was observed.
I am going to continue this work, first of all, smoothing process didn’t work well, so
it can be improved. Spectral method can be extended for 2 or 3 dimensional cases
that also could be a target.
55
7. IRODALOMJEGYZÉK
[1] Blinova, E.N., 1944. Hydrodynamic theory of pressure and temperature waves
and center of action of the atmosphere
[2] Haurwitz, B., Craig, R. A. 1952. Atmospheric Flow Patterns and Their
Representation by Spherical Surface Harmonics
[3] Silberman, I., 1954. Planetary waves in the atmosphere
[4] Slater, J., C., 1934. Electronic energy bands in metal
[5] Kantorovic, L., V., 1934. On a new method of approximate solution of partial
differential equations
[6] Frazer, R., A., Jones, W., P., Skan, S., W., 1937. Approximation to Functions
and to the Solution of Differential Equations
[7] Lanczos, C., 1938. Trigonometric interpolation of empirical and analytical
functions
[8] Kreiss, H., O., Oliger, J., 1972. Comparision of accurate methods for integration
of hyperbolic equations
[9] Orszag, S., A., 1972. Comparison of pseudospectral and spectral
approximations
[10] Orszag, S., A., Gottlieb, D., 1977. Numerical Analysis of Spectral Methods
[11] Canuto, C., Quarteroni, A., Hussaini, M., Y., Zang, T., J., A., 1988. Spectral
Methods in Fluid Dynamics
[12] Boyd, J., P., 1989. Chebyshev and Fourier Spectral methods
[13] Kapcsik, K., 2014. Spektrál módszerek alkalmazása a hő- és áramlástanban