Saya selalu menemukan pendekatan untuk menggambarkan metode elemen hingga yang berfokus pada sistem linear diskrit dan bekerja mundur yang tidak perlu membingungkan. Jauh lebih jelas untuk pergi ke arah lain, bahkan jika itu melibatkan sedikit notasi matematika di awal (yang saya akan coba untuk menjaga ke minimum).
Asumsikan bahwa Anda sedang mencoba untuk memecahkan persamaan untuk diberikan dan tidak diketahui , di mana adalah operator linear yang memetakan fungsi (misalnya, menggambarkan perpindahan di setiap titik di domain) di ruang ke fungsi di ruang lain (misalnya, menggambarkan kekuatan yang diterapkan). Karena ruang fungsi biasanya berdimensi tak terbatas, sistem ini tidak dapat diselesaikan secara numerik. Karenanya, pendekatan standar adalah untuk menggantikan dengan subruang dimensi-terbatas dan mencari memuaskanf u A ( x , y ) V V V V h u h ∈ V h A u h = f V A u h - f ∈ V V h v T h ( A u h - f ) = 0 v h V h u h v T i A u jA u = ffkamuSEBUAH( x , y)VVVVhkamuh∈ VhA kamuh= f. Ini masih tak terbatas-dimensi karena ruang jangkauan (yang kita asumsikan untuk kesederhanaan menjadi juga), jadi kita hanya meminta residual menjadi ortogonal untuk - atau setara, bahwa untuk setiap basis vektor di . Jika sekarang kita menulis sebagai kombinasi linear dari vektor-vektor basis ini, kita dibiarkan dengan sistem linear untuk koefisien yang tidak diketahui dalam kombinasi ini. (Istilah persis entri dari matriks kekakuan , dan adalah entri dari vektor beban. JikaVA kamuh- f∈ VVhvTh( A uh- f) = 0vhVhkamuhvTsayaA kamuj v T j f AKsaya jvTjfSEBUAH adalah operator diferensial, yang biasanya melakukan integrasi dengan bagian-bagian di beberapa titik, tetapi ini tidak penting di sini.)
Sejauh ini tidak ada yang khusus untuk metode elemen hingga, tetapi berlaku untuk apa yang disebut metode Galerkin atau metode residu tertimbang. Metode elemen hingga ditandai dengan pilihan khusus : Domain komputasi didekomposisi menjadi sejumlah elemen dengan bentuk dasar yang sama (misalnya, segitiga; proses ini sering disebut triangulasi ), dan ruang dipilih sedemikian rupa sehingga dibatasi untuk setiap elemen, fungsi dalam adalah polinomial (misalnya, linear dalam danV h V h x y V h { ψ j } ( 0 , 0 ) ( 0 , 1 ) ( 1 , 0 ) ψ j 1 0VhVhVhxy). Selanjutnya, fungsi dasar dipilih sedemikian rupa sehingga tidak nol hanya di (lingkungan) salah satu elemen. Maksud dari pilihan ini adalah Anda dapat membangun basis dengan cukup mudah dengan menemukan basis ruang polinomial pada elemen referensi tunggal (seperti segitiga dengan simpul , dan ) dan kemudian menggunakan transformasi affine untuk memetakan fungsi-fungsi dasar ini menjadi fungsi-fungsi dasar pada setiap elemen dalam triangulasi. Ini adalah fungsi bentuk. Biasanya, seseorang mengharuskan fungsi basis lokal mengambil nilaiVh{ ψj}( 0 , 0 )( 0 , 1 )( 1 , 0 )ψj1hanya di salah satu simpul dan di yang lain (disebut basis nodal ), yang merupakan halaman yang Anda tautkan bicarakan.0
(Pilihan lain dari mengarah ke metode lain; pada kenyataannya, ada metode spektral di mana fungsi dasar dipilih sehingga matriks kekakuan adalah identitas. Tentu saja, tidak ada makan siang gratis, sehingga bagian lain dari prosedur menjadi lebih sulit dengan dasar ini.)Vh