Modellreduktion mittels Proper Orthogonal Decomposition
Arthur Fleig
Universit¨at Bayreuth
18. Juli 2012
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode
Gliederung
1 Problemstellung und Motivation
Berechnung einer POD-Basis
3 Anwendungen der POD-Methode
Galerkin-Projektion f¨ur dynamische Systeme Anwendung auf Optimalsteuerungsprobleme
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode
Gliederung
1 Problemstellung und Motivation
2 Die POD-Methode Grundidee
Berechnung einer POD-Basis
3 Anwendungen der POD-Methode
Galerkin-Projektion f¨ur dynamische Systeme Anwendung auf Optimalsteuerungsprobleme
Gliederung
1 Problemstellung und Motivation
2 Die POD-Methode Grundidee
Berechnung einer POD-Basis
3 Anwendungen der POD-Methode
Galerkin-Projektion f¨ur dynamische Systeme Anwendung auf Optimalsteuerungsprobleme
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Problemstellung
Optimalsteuerungsproblem mit pDGLn als Nebenbedingungen Seien Ω⊂R2 beschr¨anktes Gebiet undT, λ >0. Betrachte
min
(y,u)∈W×UJ(y,u) := 1 2
T
Z
0
Z
Ω
|y−yQ|2dxdt +λ 2
T
Z
0
Z
Ω
|u|2dxdt
unter den Nebenbedingungen
∂ty−∆y =Bu auf ]0,T[×Ω =:Q y =yD auf ]0,T]×ΓD
∂y
∂ν =yN auf ]0,T]×ΓN
y(0,·) =y0 auf Ω (Temperaturstartverteilung) wobei∂Ω =: ΓD ∪˙ ΓN,yQ,yD,yN,y0 vorgegeben,
W =U =L2(Q) und B:U →L2(0,T;V0) (→ schwache Form.).
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Problemstellung
Optimalsteuerungsproblem mit pDGLn als Nebenbedingungen Seien Ω⊂R2 beschr¨anktes Gebiet undT, λ >0. Betrachte
min
(y,u)∈W×UJ(y,u) := 1 2
T
Z
0
Z
Ω
|y−yQ|2dxdt +λ 2
T
Z
0
Z
Ω
|u|2dxdt
unter den Nebenbedingungen
∂ty−∆y =Bu auf ]0,T[×Ω =:Q y =yD auf ]0,T]×ΓD
∂y
∂ν =yN auf ]0,T]×ΓN
y(0,·) =y0 auf Ω (Temperaturstartverteilung)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Problemstellung
Optimalsteuerungsproblem mit pDGLn als Nebenbedingungen Seien Ω⊂R2 beschr¨anktes Gebiet undT, λ >0. Betrachte
min
(y,u)∈W×UJ(y,u) := 1 2
T
Z
0
Z
Ω
|y−yQ|2dxdt +λ 2
T
Z
0
Z
Ω
|u|2dxdt
unter den Nebenbedingungen
∂ty−∆y =Bu auf ]0,T[×Ω =:Q y =yD auf ]0,T]×ΓD
∂y
∂ν =yN auf ]0,T]×ΓN
y(0,·) =y0 auf Ω (Temperaturstartverteilung) wobei∂Ω =: ΓD ∪˙ ΓN,yQ,yD,yN,y0 vorgegeben,
W =U =L2(Q) und B:U →L2(0,T;V0) (→ schwache Form.).
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Motivation
Numerische L¨osung solcher Probleme. . .
. . . ist problematisch, da sie zu Optimierungsproblemen mit sehr vielen Variablen f¨uhren.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Motivation
Numerische L¨osung solcher Probleme. . .
. . . ist problematisch, da sie zu Optimierungsproblemen mit sehr vielen Variablen f¨uhren.
→Neue Techniken sind erforderlich.
→Reduced order methods, z.B. POD-Verfahren.
Numerische L¨osung solcher Probleme. . .
. . . ist problematisch, da sie zu Optimierungsproblemen mit sehr vielen Variablen f¨uhren.
→Neue Techniken sind erforderlich.
→Reduced order methods, z.B. POD-Verfahren.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Grundidee
Grundidee
Projiziere das gegebene dynamische System in einen Unterraum, in dem die Hauptdynamik stattfindet, d.h. versuche, die wesentlichen Informationen mit wenigen Basiselementen zu behalten.
Diese Basiselemente sollen Eigenschaften/Charakteristika der erwarteten L¨osung besitzen (vgl. Finite Elemente).
Vorgehen
Wie geht man dabei vor?
⇒Berechnung der Basiselemente
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Grundidee
Grundidee
Projiziere das gegebene dynamische System in einen Unterraum, in dem die Hauptdynamik stattfindet, d.h. versuche, die wesentlichen Informationen mit wenigen Basiselementen zu behalten. Diese Basiselemente sollen Eigenschaften/Charakteristika der erwarteten L¨osung besitzen (vgl. Finite Elemente).
⇒Berechnung der Basiselemente
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Grundidee
Grundidee
Projiziere das gegebene dynamische System in einen Unterraum, in dem die Hauptdynamik stattfindet, d.h. versuche, die wesentlichen Informationen mit wenigen Basiselementen zu behalten. Diese Basiselemente sollen Eigenschaften/Charakteristika der erwarteten L¨osung besitzen (vgl. Finite Elemente).
Vorgehen
Wie geht man dabei vor?
⇒Berechnung der Basiselemente
Grundidee
Projiziere das gegebene dynamische System in einen Unterraum, in dem die Hauptdynamik stattfindet, d.h. versuche, die wesentlichen Informationen mit wenigen Basiselementen zu behalten. Diese Basiselemente sollen Eigenschaften/Charakteristika der erwarteten L¨osung besitzen (vgl. Finite Elemente).
Vorgehen
Wie geht man dabei vor?
⇒Berechnung der Basiselemente
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Betrachte ein dynamisches System, dessen Zustandy =y(x,t) mit Hilfe der Finiten Elemente diskretisiert wurde, d.h.
yh(x,tj) =
n
X
i=1
Y˜ijϕi(x), x ∈Ω, j = 1, . . . ,m
wobei Ω⊂Rd,d ∈ {2,3} beschr¨anktes Gebiet, ϕi,i = 1, . . . ,n die Finite-Element-Funktionen beschreiben und in ˜Y ∈Rn×m die Koeffizienten des Galerkin-Ansatzes stehen.
Ziel:Approximation derL2-Funktionen {yh(·,tj)}mj=1
POD als Optimierungsproblem
Betrachte ein dynamisches System, dessen Zustandy =y(x,t) mit Hilfe der Finiten Elemente diskretisiert wurde, d.h.
yh(x,tj) =
n
X
i=1
Y˜ijϕi(x), x ∈Ω, j = 1, . . . ,m
wobei Ω⊂Rd,d ∈ {2,3} beschr¨anktes Gebiet, ϕi,i = 1, . . . ,n die Finite-Element-Funktionen beschreiben und in ˜Y ∈Rn×m die Koeffizienten des Galerkin-Ansatzes stehen.
Ziel:Approximation derL2-Funktionen {yh(·,tj)}mj=1
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Zun¨achst: Approximiere die L2-Funktionen{yh(·,tj)}mj=1 durch eine einzige normierteL2-Funktionψ∈span{ϕ1, . . . , ϕn} im Mittel bestm¨oglich, d.h. l¨ose das folgende Optimierungsproblem:
max
m
X
j=1
|hyh(·,tj), ψiL2(Ω)|2 s.t. kψk2L2(Ω)= 1 (P1)
Die POD-Basisfunktionψ kann geschrieben werden als ψ(x) =
n
P
i=1
viϕi(x) und weil dieϕi fest sind, l¨asst sich (P1) umschreiben zu:
max
m
X
j=1
*
yh(·,tj),
n
X
i=1
viϕi +
L2(Ω)
2
s.t.
n
X
i=1
viϕi
2
L2(Ω)
= 1
POD als Optimierungsproblem
Zun¨achst: Approximiere die L2-Funktionen{yh(·,tj)}mj=1 durch eine einzige normierteL2-Funktionψ∈span{ϕ1, . . . , ϕn} im Mittel bestm¨oglich, d.h. l¨ose das folgende Optimierungsproblem:
max
m
X
j=1
|hyh(·,tj), ψiL2(Ω)|2 s.t. kψk2L2(Ω)= 1 (P1) Die POD-Basisfunktionψkann geschrieben werden als
ψ(x) =
n
P
i=1
viϕi(x) und weil dieϕi fest sind, l¨asst sich (P1) umschreiben zu:
max
m
X
j=1
*
yh(·,tj),
n
X
i=1
viϕi
+
L2(Ω)
2
s.t.
n
X
i=1
viϕi
2
L2(Ω)
= 1
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Seiv := (v1, . . . ,vn)T. Die zu (P1) geh¨orige Lagrange-Funktion L:Rn×R→Rist gegeben durch:
L(v, λ) :=
m
X
j=1
*
yh(·,tj),
n
X
i=1
viϕi +
L2
2
+λ
1−
n
X
i=1
viϕi
2
L2
Man kann zeigen, dass ein Lagrange-Multiplikatorλund eine L¨osungv f¨ur das Problem (P1) existieren, die∇L(v, λ) = 0 erf¨ullen (notwendige und hinreichende Bedingung).
Im Folgenden: Berechnung von∇L(v, λ).
POD als Optimierungsproblem
Seiv := (v1, . . . ,vn)T. Die zu (P1) geh¨orige Lagrange-Funktion L:Rn×R→Rist gegeben durch:
L(v, λ) :=
m
X
j=1
*
yh(·,tj),
n
X
i=1
viϕi +
L2
2
+λ
1−
n
X
i=1
viϕi
2
L2
Man kann zeigen, dass ein Lagrange-Multiplikatorλund eine L¨osungv f¨ur das Problem (P1) existieren, die∇L(v, λ) = 0 erf¨ullen (notwendige und hinreichende Bedingung).
Im Folgenden: Berechnung von∇L(v, λ).
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Bezeichne mitM ∈Rn×n die symm. pos. def. Massenmatrix, d.h.
Mij =hϕi, ϕjiL2(Ω). Es gilt f¨uri = 1, . . . ,n:
∇viL(v, λ) = ∂
∂vi
m
X
j=1
* n X
k=1
Y˜kjϕk,
n
X
l=1
vlϕl +
L2
2
+λ 1−
* n X
k=1
vkϕk,
n
X
l=1
vlϕl
+
L2
!#
=. . .
= 2
MY˜Y˜TMv
i
−2λ(Mv)i = 0
⇔(MY˜Y˜TMv)i =λ(Mv)i
Also:∇vL(v, λ) = 0⇔MY˜Y˜TMv =λMv
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Bezeichne mitM ∈Rn×n die symm. pos. def. Massenmatrix, d.h.
Mij =hϕi, ϕjiL2(Ω). Es gilt f¨uri = 1, . . . ,n:
∇viL(v, λ) = ∂
∂vi
m
X
j=1
* n X
k=1
Y˜kjϕk,
n
X
l=1
vlϕl +
L2
2
+λ 1−
* n X
k=1
vkϕk,
n
X
l=1
vlϕl +
L2
!#
=. . .
= 2
MY˜Y˜TMv
i
−2λ(Mv)i = 0
⇔(MY˜Y˜TMv)i =λ(Mv)i
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
Bezeichne mitM ∈Rn×n die symm. pos. def. Massenmatrix, d.h.
Mij =hϕi, ϕjiL2(Ω). Es gilt f¨uri = 1, . . . ,n:
∇viL(v, λ) = ∂
∂vi
m
X
j=1
* n X
k=1
Y˜kjϕk,
n
X
l=1
vlϕl +
L2
2
+λ 1−
* n X
k=1
vkϕk,
n
X
l=1
vlϕl +
L2
!#
=. . .
= 2
MY˜Y˜TMv
i
−2λ(Mv)i = 0
⇔(MY˜Y˜TMv)i =λ(Mv)i
Also:∇vL(v, λ) = 0⇔MY˜Y˜TMv =λMv
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
DefiniereY :=M1/2Y˜ ∈Rn×m undu :=M1/2v ∈Rn. Dann l¨asst sich die notwendige BedingungMY˜Y˜TMv =λMv schreiben als:
M1/2YYTu =λM1/2u
YYTu =λu (1)
YYT ∈Rn×n ist symmetrisch positiv semi-definit: xT(YYT)x= (YTx)T(YTx) =
YTx
2 ≥0,x∈Rn
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
DefiniereY :=M1/2Y˜ ∈Rn×m undu :=M1/2v ∈Rn. Dann l¨asst sich die notwendige BedingungMY˜Y˜TMv =λMv schreiben als:
M1/2YYTu =λM1/2u
Multiplikation von links mitM−1/2 liefert schließlich das folgende symmetrische Eigenwertproblem:
YYTu =λu (1)
YYT ∈Rn×n ist symmetrisch positiv semi-definit: xT(YYT)x= (YTx)T(YTx) =
YTx
2 ≥0,x∈Rn
POD als Optimierungsproblem
DefiniereY :=M1/2Y˜ ∈Rn×m undu :=M1/2v ∈Rn. Dann l¨asst sich die notwendige BedingungMY˜Y˜TMv =λMv schreiben als:
M1/2YYTu =λM1/2u
Multiplikation von links mitM−1/2 liefert schließlich das folgende symmetrische Eigenwertproblem:
YYTu =λu (1)
YYT ∈Rn×n ist symmetrisch positiv semi-definit:
xT(YYT)x= (YTx)T(YTx) = YTx
2 ≥0,x∈Rn
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
POD als Optimierungsproblem
YYT symm. pos. semi-def.⇒Alle Eigenwerteλsind reell und≥0:
0≤xTYYTx =xT(λx) =λkxk2, wobeix Eigenvektor von YYT.
Man kann zeigen:
Jeder Eigenvektor von YYT erf¨ullt die notw. Bedingung (1). Sei ˆu der zum gr¨oßten Eigenwert ˆλgeh¨orende normierte Eigenvektor von YYT. Das zu ˆv :=M−1/2uˆ geh¨origeψ l¨ost das Problem (P1) und bildet die sogenanntePOD-Basis von Rang 1.
POD als Optimierungsproblem
YYT symm. pos. semi-def.⇒Alle Eigenwerteλsind reell und≥0:
0≤xTYYTx =xT(λx) =λkxk2, wobeix Eigenvektor von YYT.
Man kann zeigen:
Jeder Eigenvektor von YYT erf¨ullt die notw. Bedingung (1).
Sei ˆu der zum gr¨oßten Eigenwert ˆλgeh¨orende normierte Eigenvektor von YYT. Das zu ˆv :=M−1/2uˆ geh¨origeψ l¨ost das Problem (P1) und bildet die sogenanntePOD-Basis von Rang 1.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Verallgemeinerung von (P1)
Die Approximation derL2-Funktionen{yh(·,tj)}mj=1 durch k ∈N paarweise orthonormaleL2-Funktionen ψi f¨uhrt zu der folgenden Verallgemeinerung von (P1):
ψ1max,...,ψk
k
X
i=1 m
X
j=1
|hyh(·,tj), ψiiL2(Ω)|2 s.t. hψi, ψjiL2(Ω)=δij (Pk)
Analog zu (1) l¨asst sich die Optimalit¨atsbedingung f¨ur (Pk) herleiten:
YYTui =λiui,i = 1, . . . ,k (2) wobeiui ∈Rn. Seien die ui die Eigenvektoren, die zu denk
gr¨oßten Eigenwerten λ1, . . . , λk geh¨oren. Die zuvi =M−1/2ui geh¨origen normierten ψi bilden dann eine POD-Basis von Rang k.
Verallgemeinerung von (P1)
Die Approximation derL2-Funktionen{yh(·,tj)}mj=1 durch k ∈N paarweise orthonormaleL2-Funktionen ψi f¨uhrt zu der folgenden Verallgemeinerung von (P1):
ψ1max,...,ψk
k
X
i=1 m
X
j=1
|hyh(·,tj), ψiiL2(Ω)|2 s.t. hψi, ψjiL2(Ω)=δij (Pk)
Analog zu (1) l¨asst sich die Optimalit¨atsbedingung f¨ur (Pk) herleiten:
YYTui =λiui,i = 1, . . . ,k (2) wobeiui ∈Rn. Seien die ui die Eigenvektoren, die zu den k
gr¨oßten Eigenwerten λ1, . . . , λk geh¨oren. Die zuvi =M−1/2ui geh¨origen normierten ψi bilden dann eine POD-Basis von Rang k.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Singul¨arwertzerlegung
Statt der Berechnung der Eigenwerte und -vektoren l¨asst sich Problem (Pk) mit der sog. Singul¨arwertzerlegung (Singular value decomposition, kurz: SVD) l¨osen.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Satz (Singul¨arwertzerlegung)
SeiY ∈Rn×m,d := Rang(Y)≤min{m,n}
⇒ ∃U :=
u1, . . . ,un
∈Rn×n,V :=
v1, . . . ,vm
∈Rm×m jeweils orthonormal,σi ∈R,i = 1, . . . ,d, σ1≥. . .≥σd >0 mit
Y =UΣVT, wobei Σ =
D 0 0 0
undD = diag(σ1, . . . , σd)∈Rd×d.
Singul¨arwertzerlegung - Folgerungen (1) Y l¨asst sich schreiben als:
Y =
u1, . . . ,ud D
v1, . . . ,vdT
=:UdD(Vd)T
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Satz (Singul¨arwertzerlegung)
SeiY ∈Rn×m,d := Rang(Y)≤min{m,n}
⇒ ∃U :=
u1, . . . ,un
∈Rn×n,V :=
v1, . . . ,vm
∈Rm×m jeweils orthonormal,σi ∈R,i = 1, . . . ,d, σ1≥. . .≥σd >0 mit
Y =UΣVT, wobei Σ =
D 0 0 0
undD = diag(σ1, . . . , σd)∈Rd×d.
Weiter gilt:Yvi =σiui und YTui =σivi f¨ur i = 1, . . . ,d.
Singul¨arwertzerlegung - Folgerungen (1) Y l¨asst sich schreiben als:
Y =
u1, . . . ,ud D
v1, . . . ,vdT
=:UdD(Vd)T
Satz (Singul¨arwertzerlegung)
SeiY ∈Rn×m,d := Rang(Y)≤min{m,n}
⇒ ∃U :=
u1, . . . ,un
∈Rn×n,V :=
v1, . . . ,vm
∈Rm×m jeweils orthonormal,σi ∈R,i = 1, . . . ,d, σ1≥. . .≥σd >0 mit
Y =UΣVT, wobei Σ =
D 0 0 0
undD = diag(σ1, . . . , σd)∈Rd×d.
Weiter gilt:Yvi =σiui und YTui =σivi f¨ur i = 1, . . . ,d. Singul¨arwertzerlegung - Folgerungen (1)
Y l¨asst sich schreiben als:
Y =
u1, . . . ,ud D
v1, . . . ,vdT
=:UdD(Vd)T
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Singul¨arwertzerlegung - Folgerungen (2)
AusYvi =σiui und YTui =σivi f¨ur i = 1, . . . ,d folgt:
YTYvi =YTσiui =σ2ivi YYTui =Yσivi =σi2ui
d.h. dievi bzw.ui sind Eigenvektoren von YTY bzw. YYT zu den Eigenwertenσi2,i = 1, . . . ,d.
Erinnerung
Notwendige Bedingung f¨ur Problem (Pk): YYTui =λiui,i = 1, . . . ,k
Singul¨arwertzerlegung - Folgerungen (2)
AusYvi =σiui und YTui =σivi f¨ur i = 1, . . . ,d folgt:
YTYvi =YTσiui =σ2ivi YYTui =Yσivi =σi2ui
d.h. dievi bzw.ui sind Eigenvektoren von YTY bzw. YYT zu den Eigenwertenσi2,i = 1, . . . ,d.
Erinnerung
Notwendige Bedingung f¨ur Problem (Pk):
YYTui =λiui,i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Singul¨arwertzerlegung - Folgerungen (3)
Die ui aus der SVD l¨osen Problem (Pk), λi =σi2,i = 1, . . . ,k mit k≤d.
Die Eigenwerte von YYT und YTY sind gleich und die Eigenvektoren ui k¨onnen aus denvi berechnet werden durch
ui = 1
σiYvi, i = 1, . . . ,d.
⇒ Man kann w¨ahlen, ob man
die Eigenwerte vonYTY ∈Rm×m (f¨urmn), die Eigenwerte vonYYT ∈Rn×n (f¨urmn) oder die Singul¨arwertzerlegung vonY berechnet.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Singul¨arwertzerlegung - Folgerungen (3)
Die ui aus der SVD l¨osen Problem (Pk), λi =σi2,i = 1, . . . ,k mit k≤d.
Die Eigenwerte von YYT und YTY sind gleich und die Eigenvektoren ui k¨onnen aus denvi berechnet werden durch
ui = 1
σiYvi, i = 1, . . . ,d.
die Eigenwerte vonYYT ∈Rn×n (f¨urmn) oder die Singul¨arwertzerlegung vonY berechnet.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis (endlich-dimensionaler Fall)
Singul¨arwertzerlegung - Folgerungen (3)
Die ui aus der SVD l¨osen Problem (Pk), λi =σi2,i = 1, . . . ,k mit k≤d.
Die Eigenwerte von YYT und YTY sind gleich und die Eigenvektoren ui k¨onnen aus denvi berechnet werden durch
ui = 1
σiYvi, i = 1, . . . ,d.
⇒ Man kann w¨ahlen, ob man
die Eigenwerte vonYTY ∈Rm×m (f¨urmn), die Eigenwerte vonYYT ∈Rn×n (f¨urmn) oder die Singul¨arwertzerlegung vonY berechnet.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen
Seien
V,H reelle separable Hilbertr¨aume,
a:V ×V →Rsymmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0 ∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →Rsymmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H,
a:V ×V →Rsymmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →Rsymmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →R symmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →R symmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →R symmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Voraussetzungen Seien
V,H reelle separable Hilbertr¨aume,
V dicht in H und kompakt eingebettet in H, V0 der Dualraum von V,
a:V ×V →R symmetrische, beschr¨ankte, V-elliptische Bilinearform mit hϕ, ψiV =:a(ϕ, ψ),
F :V ×V →V0 bilinear und stetig mit F(ϕ) =F(ϕ, ϕ) als abk¨urzende Schreibweise,
f ∈C([0,T];H) und y0∈V.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Abstraktes dynamisches System
Betrachte als abstraktes dynamisches System das nichtlineare Evolutionsproblem
d
dthy(t), ϕiH+a(y(t), ϕ)+hF(y(t)), ϕiV0,V =hf(t), ϕiH (NEPa) f¨ur alleϕ∈V und t ∈]0,T] fast ¨uberall sowie
y(0) =y0 in H. (NEPb)
Hierbei:hF(y(t)), ϕiV0,V :=F(y(t))(ϕ) (duality pairing) Grundidee
Ersetze den Raum der TestfunktionenV durchVk, wobei Vk := span{ψ1, . . . , ψk} und ψi,i = 1, . . . ,k die ersten k POD-Basisfunktionen sind.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Abstraktes dynamisches System
Betrachte als abstraktes dynamisches System das nichtlineare Evolutionsproblem
d
dthy(t), ϕiH+a(y(t), ϕ)+hF(y(t)), ϕiV0,V =hf(t), ϕiH (NEPa) f¨ur alleϕ∈V und t ∈]0,T] fast ¨uberall sowie
y(0) =y0 in H. (NEPb) Hierbei:hF(y(t)), ϕiV0,V :=F(y(t))(ϕ) (duality pairing)
Grundidee
Ersetze den Raum der TestfunktionenV durchVk, wobei Vk := span{ψ1, . . . , ψk} und ψi,i = 1, . . . ,k die ersten k POD-Basisfunktionen sind.
⇒Berechnung der ψi,i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Abstraktes dynamisches System
Betrachte als abstraktes dynamisches System das nichtlineare Evolutionsproblem
d
dthy(t), ϕiH+a(y(t), ϕ)+hF(y(t)), ϕiV0,V =hf(t), ϕiH (NEPa) f¨ur alleϕ∈V und t ∈]0,T] fast ¨uberall sowie
y(0) =y0 in H. (NEPb) Hierbei:hF(y(t)), ϕiV0,V :=F(y(t))(ϕ) (duality pairing)
Grundidee
Ersetze den Raum der TestfunktionenV durchVk, wobei Vk := span{ψ1, . . . , ψk} und ψi,i = 1, . . . ,k die ersten k POD-Basisfunktionen sind.
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
Abstraktes dynamisches System
Betrachte als abstraktes dynamisches System das nichtlineare Evolutionsproblem
d
dthy(t), ϕiH+a(y(t), ϕ)+hF(y(t)), ϕiV0,V =hf(t), ϕiH (NEPa) f¨ur alleϕ∈V und t ∈]0,T] fast ¨uberall sowie
y(0) =y0 in H. (NEPb) Hierbei:hF(y(t)), ϕiV0,V :=F(y(t))(ϕ) (duality pairing)
Grundidee
Ersetze den Raum der TestfunktionenV durchVk, wobei Vk := span{ψ1, . . . , ψk} und ψi,i = 1, . . . ,k die ersten k POD-Basisfunktionen sind.
⇒Berechnung der ψi,i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
V := span{y0, . . . ,ym}mit dim V=d und {ψi}di=1 eine orthonormale Basis von V.
⇒yj =
d
P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H) Ziel: W¨ahle die optimale orthonormale Basis f¨ur die Approximation deryj aus, d.h. l¨ose das folgende Optimierungsproblem (k ≤d):
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
die sogenannten “Snapshots”yj :=y(tj),j = 0, . . . ,m f¨ur 0 =t0 < . . . <tm≤T gegeben,
V := span{y0, . . . ,ym}mit dim V=d und {ψi}di=1 eine orthonormale Basis von V.
⇒yj =
d
P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H) Ziel: W¨ahle die optimale orthonormale Basis f¨ur die Approximation deryj aus, d.h. l¨ose das folgende Optimierungsproblem (k ≤d):
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
die sogenannten “Snapshots”yj :=y(tj),j = 0, . . . ,m f¨ur 0 =t0 < . . . <tm≤T gegeben,
V := span{y0, . . . ,ym}mit dim V=d und
⇒yj = P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H) Ziel: W¨ahle die optimale orthonormale Basis f¨ur die Approximation deryj aus, d.h. l¨ose das folgende Optimierungsproblem (k ≤d):
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
die sogenannten “Snapshots”yj :=y(tj),j = 0, . . . ,m f¨ur 0 =t0 < . . . <tm≤T gegeben,
V := span{y0, . . . ,ym}mit dim V=d und {ψi}di=1 eine orthonormale Basis von V.
⇒yj =
d
P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H) Ziel: W¨ahle die optimale orthonormale Basis f¨ur die Approximation deryj aus, d.h. l¨ose das folgende Optimierungsproblem (k ≤d):
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
die sogenannten “Snapshots”yj :=y(tj),j = 0, . . . ,m f¨ur 0 =t0 < . . . <tm≤T gegeben,
V := span{y0, . . . ,ym}mit dim V=d und {ψi}di=1 eine orthonormale Basis von V.
⇒yj =
d
P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H)
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (1) Seien
y die eindeutige L¨osung f¨ur Problem (NEP),
die sogenannten “Snapshots”yj :=y(tj),j = 0, . . . ,m f¨ur 0 =t0 < . . . <tm≤T gegeben,
V := span{y0, . . . ,ym}mit dim V=d und {ψi}di=1 eine orthonormale Basis von V.
⇒yj =
d
P
i=1
hyj, ψiiXψi, j = 0, . . . ,m (X =V oderX =H) Ziel: W¨ahle die optimale orthonormale Basis f¨ur die Approximation deryj aus, d.h. l¨ose das folgende Optimierungsproblem (k≤d):
ψ1min,...,ψk
m
X
j=0
yj −
k
X
i=1
hyj, ψiiXψi
2
X
s.t.hψi, ψjiX =δij (Pk)
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (2) Das Problem (Pk) ist ¨aquivalent zu:
ψ1max,...,ψk
k
X
i=1 m
X
j=0
|hyj, ψiiX|2 s.t. hψi, ψjiX =δij ( ˜Pk)
ψmax1,...,ψk
X
i=1
X
j=1
|hyh(·,tj), ψiiL2(Ω)|2 s.t. hψi, ψjiL2(Ω)=δij
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (2) Das Problem (Pk) ist ¨aquivalent zu:
ψ1max,...,ψk
k
X
i=1 m
X
j=0
|hyj, ψiiX|2 s.t. hψi, ψjiX =δij ( ˜Pk)
Erinnerung
ψmax1,...,ψk
k
X
i=1 m
X
j=1
|hyh(·,tj), ψiiL2(Ω)|2 s.t. hψi, ψjiL2(Ω)=δij
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (3)
Wie im endlich-dimensionalen Fall erh¨alt man die L¨osung von (Pk) durch L¨osen eines Eigenwertproblems.
Ym :R →X, Ymv :=
j=0
vjyj.
⇒Adjungierter Operator:
Ym∗z :X →Rm+1, Ym∗z = (hz,y0iX, . . . ,hz,ymiX)T.
⇒Definiere
Rm :=YmYm∗ ∈ L(X), Rmz =
m
P
j=0
hz,yjiXyj
Km :=Ym∗Ym ∈R(m+1)×(m+1), (Km)ij =hyj,yiiX
⇒EW-Problem: Rmψi =λiψi, i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (3)
Wie im endlich-dimensionalen Fall erh¨alt man die L¨osung von (Pk) durch L¨osen eines Eigenwertproblems.
Definiere dazu den linearen beschr¨ankten Operator Ym :Rm+1 →X, Ymv :=
m
P
j=0
vjyj.
⇒Adjungierter Operator:
Ym∗z :X →Rm+1, Ym∗z = (hz,y0iX, . . . ,hz,ymiX)T.
⇒Definiere
Rm :=YmYm∗ ∈ L(X), Rmz =
m
P
j=0
hz,yjiXyj
Km :=Ym∗Ym ∈R(m+1)×(m+1), (Km)ij =hyj,yiiX
⇒EW-Problem: Rmψi =λiψi, i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (3)
Wie im endlich-dimensionalen Fall erh¨alt man die L¨osung von (Pk) durch L¨osen eines Eigenwertproblems.
Definiere dazu den linearen beschr¨ankten Operator Ym :Rm+1 →X, Ymv :=
m
P
j=0
vjyj.
⇒Adjungierter Operator:
Ym∗z :X →Rm+1, Ym∗z = (hz,y0iX, . . . ,hz,ymiX)T.
m m m m
j=0
j X j
Km :=Ym∗Ym ∈R(m+1)×(m+1), (Km)ij =hyj,yiiX
⇒EW-Problem: Rmψi =λiψi, i = 1, . . . ,k
Gliederung Problemstellung und Motivation Die POD-Methode Anwendungen der POD-Methode Berechnung der POD-Basis in reellen separablen Hilbertr¨aumen
POD als Optimierungsproblem (3)
Wie im endlich-dimensionalen Fall erh¨alt man die L¨osung von (Pk) durch L¨osen eines Eigenwertproblems.
Definiere dazu den linearen beschr¨ankten Operator Ym :Rm+1 →X, Ymv :=
m
P
j=0
vjyj.
⇒Adjungierter Operator:
Ym∗z :X →Rm+1, Ym∗z = (hz,y0iX, . . . ,hz,ymiX)T.
⇒Definiere
Rm :=YmYm∗ ∈ L(X), Rmz =
m
P
j=0
hz,yjiXyj
Km :=Ym∗Ym ∈R(m+1)×(m+1), (Km)ij =hyj,yiiX
⇒EW-Problem: Rmψi =λiψi, i = 1, . . . ,k
POD als Optimierungsproblem (3)
Wie im endlich-dimensionalen Fall erh¨alt man die L¨osung von (Pk) durch L¨osen eines Eigenwertproblems.
Definiere dazu den linearen beschr¨ankten Operator Ym :Rm+1 →X, Ymv :=
m
P
j=0
vjyj.
⇒Adjungierter Operator:
Ym∗z :X →Rm+1, Ym∗z = (hz,y0iX, . . . ,hz,ymiX)T.
⇒Definiere
Rm :=YmYm∗ ∈ L(X), Rmz =
m
P
j=0
hz,yjiXyj
Km :=Ym∗Ym ∈R(m+1)×(m+1), (Km)ij =hyj,yiiX
⇒EW-Problem: Rmψi =λiψi, i = 1, . . . ,k