Horvath.R Farago.I Jegyzet

Farag Istvn Horvth Rbert
NUMERIKUS MDSZEREK
Elsz
Az Olvas most egy egyetemi jegyzetet tart a kezben vagy nz a szmtgpe kpernyjn. E jegyzetet a Budapesti Mszaki s Gazdasgtudomnyi Egyetemen illetve az Etvs Lornd Tudomnyegyetemen tartott numerikus mdszerek kurzusainkhoz rtuk. Az rs sorn mindvgig azt vettk gyelembe, hogy a jegyzet segtsgvel hallgatink alapos ismereteket tudjanak elsajttani a trgy tmjban s egyben eredmnyesebben tudjanak felkszlni a vizsgkra. Ezt a clt szolgljk a magyarz brk, a szemlltet pldk, az ellenrz krdsek, a gyakorl feladatok s a jegyzet vgn tallhat szszedet is. A jegyzetbe nem akartunk tbb dolgot belezsfolni, mint amirl egy kt flves kurzus sorn az eladsokon is sz lehet, de igyekeztnk azrt az rdekld hallgatknak is kitekintst nyjtani az eladsok anyagn tlmutat elmletek felvillantsval vagy az ezeket trgyal irodalom megadsval. A jegyzetben a dencikat s tteleket vastag vonallal emeltk ki. Azokat a pldkat, amelyek a jobb megrtst segtik bekeretezve kzljk. Szintn bekeretezve szedtk az egyes algoritmusokat s programrszleteket. A bizonytsok vgt , a pldk s megjegyzsek vgt pedig jel zrja. A dencik, a ttelek, a kvetkezmnyek s a megjegyzsek fejezetenknt folytonosan sorszmozdnak. A fontosabb fogalmakat dlt betvel szedtk. ltalban ezek kerltek a szszedetbe is. Mivel ez a jegyzet elektronikus formban lesz elrhet, gy kihasznltuk azokat a lehetsgeket is, amiket az elektronikus forma megenged. gy szmos helyen megadtunk internethivatkozsokat valamilyen szemlltet programhoz, bvebb lershoz vagy letrajzhoz. Termszetesen mivel ezek internetes tartalmak, a jvben vltozhatnak s elrhetetlenn is vlhatnak. A kpletekre, ttelekre vagy a szszedetbeli elemekre val hiperhivatkozsok a pdf fjlban egy kattintssal elrhetk, majd az ALT+ billentyvel visszatrhetnk ez eredeti olvassi helyhez. Ksznet illeti hallgatinkat, akik az elmlt flvek sorn alaposan tnztk a jegyzet korbbi vltozatait, megjegyzseikkel hozzjrultak az anyag kialakulshoz s vgleges formba ntshez, s a korbbi vltozatokban lv hibkra felhvtk gyelmnket. Ksznet illeti Dr. Havasi gnest rtkes javaslatairt, aki a tle megszokott alapossggal nzte t a kziratot. A jegyzet a TMOP 4.1.2. 08/2/A/KMR: Termszettudomnyos (matematika s zika) kpzs a mszaki s informatikai felsoktatsban plyzat tmogatsval jtt ltre.
Budapest, 2011. janur
A Szerzk
1. Elismeretek
Ebben a fejezetben azokat az elismereteket gyjtjk ssze, amik nem tartoznak szorosan a numerikus mdszerek trgy tmakrhez, de ismeretk elengedhetetlen lesz a ksbbiekben. Ezek az ismeretek fleg a lineris algebra s a funkcionlanalzis trgyhoz tartoznak. Bevezetjk a vektor- s mtrixnorma fogalmt, igazoljuk a Banach-fle xpontttelt, ismertetjk a GramSchmidt-fle ortogonalizcis eljrst, felsorolunk nhny nevezetes mtrixtpust s megvizsgljuk a tulajdonsgaikat. Sz lesz mg a mtrixok sajtrtkeirl s sajtvektorairl, ezek normkkal val kapcsolatrl, az M-mtrixokrl ill. a diagonalizlhat mtrixokrl. sszehasonltjuk a sorozatok s fggvnyek konvergenciasebessgt. A fejezetet a MATLAB programcsomag bemutatsval zrjuk. Azok a hallgatk, akik tanultak lineris algebrt s funkcionlanalzist e fejezet nagy rszt tugorhatjk az olvass sorn. Br a jellsek megismersnek rdekben rdemes minden fejezetet tszaladni, nekik csak a Gersgorin-ttelt (1.2.14. ttel), a Banach-fle xpontttelt (1.1.18. ttel), a normk s sajtrtkek kapcsolatrl szl 1.2.3. fejezetet, az M-mtrixokrl szl 1.2.4. fejezetet s a konvergenciasebessgrl szl 1.3. fejezetet rdemes alaposan tnzni.
1.1. Vektorterek
1.1.1. Vals s komplex vektorterek
Jelentse a tovbbiakban vagy a vals szmok (R) vagy a komplex szmok (C) testjt.
1.1.1. denci.
Egy
V =
halmazt (K
=R
esetn vals,
K=C
estn komplex)
vektortrnek
neveznk, ha
rtelmezve van rajta egy sszeads s egy szmmal val szorzs mvelet az albbi tulajdonsgokkal: 1. 2. 3. 4. 5. 6. 7. 8.
x + y = y + x, x, y V , (x + y) + z = x + (y + z), x, y, z V , o V , x + o = x, x V , x V , V , x + x = o, x 1 x = x, x V , (x + y) = x + y , x, y V , K, ( + )x = x + x, x V , , K, (x) = ()x, x V , , K.
1.
Elismeretek
0 x = o minden o = o minden K esetn s x = (1) x minden x V esetn. Ez utbbi tulajdonsg alapjn az x y klnbsgen az x + (1) y sszeget rtjk. Vals vektorteret alkotnak pl. a sk s a tr helyvektorai, az n-elem vals oszlopvektorok n mn halmaza (R ), az m-szer n-es vals mtrixok halmaza (R ), az [a, b] intervallumon folytonos fggvnyek halmaza (C[a, b]), az [a, b] intervallumon legalbb k -szor folytonosan derivlhat fggk vnyek halmaza (C [a, b]), a vals egytthats polinomok halmaza (P ), a legfeljebb n-edfok vals egytthats polinomok halmaza (Pn ) s ezek [a, b] intervallumra vonatkoz leszortsai 1 (P [a, b], Pn [a, b]) a szoksos mveletek esetn . n Komplex vektorteret alkotnak pl. az n-elem komplex oszlopvektorok halmaza (C ) s az mn m-szer n-es komplex mtrixok halmaza (C ). Ebben a fejezetben jelentsen a tovbbiakban V egy adott (vals vagy komplex) vektorteret. V elemeit ltalnosan vektoroknak hvjuk.
A vektortr fenti aximibl knnyen nyerhetk az albbi tulajdonsgok: esetn,
xV
1.1.2. denci.
Egy olyan
x V vektort az x1 , . . . , xk V vektorok lineris kombincijnak 1 , . . . , k K konstansok, hogy x = 1 x1 + + k xk .
hvunk, ha vannak
1.1.3. denci.
Egy a
V vektortr egy W rszhalmazt a vektortr egy alternek hvjuk, ha W V -beli mveletekre nzve.
maga is vektortr
Pldul a legfeljebb harmadfok polinomok vektorterben a legfeljebb msodfok polinomok alteret alkotnak. Jellje lin(x1 , x2 , . . . , xn ) az nzve. ncijnak halmazt. Ekkor lin(x1 , x2 , . . . , xn ) a
x1 , x2 , . . . , xn V vektorok sszes lineris kombiV vektortr egy altere lesz a V -beli mveletekre
1.1.4. denci.
Az egyenlsgbl
x1 , . . . , xk V vektorrendszert linerisan fggetlennek mondjuk, ha az 1 x1 + +k xk = o i = 0 (i = 1, . . . , k) kvetkezik. Vgtelen sok vektorbl ll vektorrendszert
akkor hvunk linerisan fggetlennek, ha brmely vges rszhalmaza linerisan fggetlen vektorokat tartalmaz. A nem linerisan fggetlen vektorrendszereket linerisan sszefgg rendszereknek hvjuk.
1.1.5. denci.
Egy vektorrendszert a
vektortr
bzisnak
hvunk, ha linerisan fggetlen, s
minden
eleme elllthat a vektorrendszer elemeinek lineris kombincijaknt.
Bzisvektorok lineris kombincijaknt minden fel. Ha zija.
V -nek
van vges sok elembl ll bzisa, akkor
V -beli vektor pontosan egyflekppen rhat V -t vges dimenzis vektortrnek hvjuk.
Egy vges dimenzis vektortr minden bzisnak egyforma az elemszma. Ez a vektortr dimen-
1 A jegyzetben hasznlt vektorokkal s mtrixokkal kapcsolatos jellseket s elnevezseket az 1.2. fejezetben foglaltuk ssze.
6 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
1.1.
Vektorterek
1.1.2. Normlt terek

1.1.6. denci.
A
(V, ) prt normlt trnek hvjuk, ha V

1. 2. 3.
egy vektortr, s
: V R egy adott fggvny,
n. norma, az albbi tulajdonsgokkal:
x = 0 x = o, x = || x
,
x V, K,
,
x+y x + y
x, y V
(hromszg-egyenltlensg).
Mivel a sk- ill. a trvektorok vektorterben a vektorok hossza normt ad meg, ezrt ltalnosan is szoks egy vektor normjt a vektor hossznak nevezni.
1.1.7. megjegyzs.
Knnyen igazolhat, hogy a norma csak nemnegatv rtket vehet fel. Vizs-
gljuk ugyanis egy tetszleges
elem esetn az
x x)
rtket! A norma msodik s harmadik
tulajdonsgt felhasznlva azt kapjuk, hogy
0= o = xx x + x =2 x ,
amibl kvetkezik az llts. Most felsorolunk nhny fontos pldt normlt terekre.
A sk s a tr helyvektorai, ha a A
norma a vektor szoksos hossza. vektor esetn a normt pl. az
Kn
vektortr, ha egy
x = [x1 , . . . , xn ]T x
p
|x1 |p + + |xn |p
kplettel rtelmezzk
p = 1, 2, . . .
esetn. A leggyakrabban hasznlt normk ezek kzl az
1-es vagy oktadernorma
x x
= |x1 | + + |xn |
s a 2-es vagy euklideszi norma
|x1 |2 + + |xn |2 , -nel

jellt maximumnorma
valamint a
hatrtmenettel nyert,
x
A
= max{|x1 |, . . . , |xn |}.
Kn
vektortren megadott normkat vektortr, ha a normt pl. az
vektornormknak
hvjuk.
C[a, b]
C[a,b]
= max {|f (x)|}

x[a,b]
mdon rtelmezzk (maximumnorma), amely tulajdonkppen a fggvnygrakon mrt legnagyobb eltrsnek nagysgt adja meg.
x-tengelytl
tankonyvtar.bme.hu 7
1.
Elismeretek
Kmn
vektortr, ha a normt egy
A = [aij ] Kmn
i=1,...,m; j=1,...,n
mtrix esetn az
A =
kplettel rtelmezzk. A
max
{|aij |}
Kmn
vektortren megadott normkat
mtrixnormknak
hvjuk. Ksbb majd ltni fo-
gunk ms fontos mtrixnormkat is. A norma alkalmas arra, hogy mrjk kt folytonos fggvny, kt vektor vagy kt mtrix "tvolsgt". gy mrni tudjuk, hogy pl. egy lineris egyenletrendszer kzelt megoldsa "milyen messze" van a pontos megoldstl. A tvolsg segtsgvel konvergencit is denilhatunk.
1.1.8. denci.
Az
x, y (V, )
vektorok
tvolsgn
az
xy
szmot rtjk.
A tvolsg elnevezs jogossgt az albbi ttel mutatja.
1.1.9. ttel.
A fent denilt tvolsgra teljeslnek az albbi tulajdonsgok: 1. 2. 3.
x y 0, x, y (V, ), x y = 0 x = y , x y = y x , x, y (V, ), x y x z + z y , x, y, z (V, ) (hromszg-egyenltlensg).
A hromszg-egyenltlensg kzvetlen kvetkezmnye az albbi ttel, ami azt mutatja, hogy kt vektor normjnak eltrse tetszlegesen kicsi lehet, ha a kt vektor tvolsgt elegenden kicsinek vlasztjuk.
1.1.10. ttel.
Egy
(V, )
normlt trben
| x y | xy
minden
x, y (V, )
esetn.
Bizonyts. Alkalmazzuk ktflekppen a hromszg-egyenltlensget:
y = (y x) + x y x + x , x = (x y) + y x y + y .
Az els egyenltlensgbl kapjuk, hogy
xy
a
. Az utbbi egyenlsget az
y x y x , a msikbl pedig hogy x y y x y x alakba rva a kt egyenlsg egyttesen
yx y x yx
alakot lti, ami a bizonytand lltssal ekvivalens.
1.1.11. denci.
Azt mondjuk, hogy az az
{xk } (V, )
sorozat tart az
{ xk x } x
vals szmsorozat nullhoz tart. Jells:
x (V, ) xk x.
elemhez (konvergens), ha
Az telm.
vektort a sorozat hatrrtknek hvjuk. Knnyen igazolhat, hogy a hatrrtk egyr-
1.1.
Vektorterek
1.1.12. denci.
Azt mondjuk, hogy egy amely tart valamilyen ha komplementere zrt.
H (V, ) halmaz zrt, ha minden olyan {xk } H sorozatra, x (V, ) elemhez, igaz, hogy x H . Egy H (V, ) halmaz nylt,
1.1.13. denci.
Egy olyan
V vektortren rtelmezett s c1 , c2 > 0 konstansok, melyekre c1 x x
normkat ekvivalensnek nevezzk, ha vannak
c2 x , x V.
Knnyen lthat, hogy a normk ekvivalencija ekvivalencia-relci, azaz reexv, szimmetrikus s tranzitv. Ekvivalens normk ugyanazt a konvergencit deniljk. Ez azt jelenti, hogy ha egy sorozat az egyik normban tart egy adott elemhez, akkor a msik normban is ahhoz az elemhez fog tartani. A ksbbiekben tbbszr alkalmazzuk majd az albbi ttelt.
1.1.14. ttel.
Vges dimenzis vektorterekben minden norma ekvivalens.
v1 , . . . , vn bzissal. Ebben a vektortrn k vk alakban, ahol az k egytthatk k=1 n 2 K-beli egyrtelmen meghatrozott konstansok. Ekkor a vektortrben a (x) = k=1 |k |
Bizonyts. Legyen egy vges dimenzis vektortr a ben minden
vektor egyrtelmen rhat fel
x=
fggvny normt denil (1.6.10. feladat). Legyen
egy tetszleges norma az adott
vektor-
tren. A ttel igazolshoz elegend megmutatnunk, hogy Legyen
ekvivalens normk, mert a
normk tranzitivitsa miatt gy brmely kt norma ekvivalens lesz.
egy tetszleges
V -beli
vektor. Ekkor
x =
k=1
ahol
k vk
k=1
|k | vk
k=1
|k
|2
k=1
vk
= c2 (x),
n 2 egy, az x vektortl fggetlen konstans. Az utols becslsnl a Cauchy k=1 vk Schwarz-egyenltlensget hasznltuk. gy a norma fellrl becslhet a norma konstans-
c2 =
szorosval. Az als becslshez tekintsk az euklideszi normval elltott
2 ) R, f () = f (1 , . . . , n ) = ugyanis az 1.1.10. ttel alapjn tetszleges

esetn
f : (K ,
k vk fggvnyt. Ez a fggvny folytonos, = (1 , . . . , n ), = (1 , . . . , n ) Kn vektorok

n
n k=1
Kn
teret, melyen deniljuk az
|f () f ()| =
k=1
Mivel az
k vk
k=1
k v k
(k k )vk c2 2 .
k=1
fggvny teht folytonos, gy a
G = { Kn |
nyilvnvalan nagyobb nullnl, hiszen klnben a
= 1} f
. Az
korltos s zrt gmbhjon van legkisebb rtke. Legyen ez a legkisebb rtk
rtk
v1 , . . . , v n
vektorok nem lennnek fggetlenek. tankonyvtar.bme.hu 9
1.
Elismeretek
Mivel
x=o
esetn
Ez mutatja, hogy
(x/(x)) = 1, ezrt x/(x) f , amibl kvetkezik, c1 = f megfelel vlaszts. Ezt akartuk megmutatni.
hogy
x f (x).
1.1.15. denci.
Azt mondjuk, hogy az olyan
M N
szm, melyre
{xk } (V, ) sorozat Cauchy-sorozat, ha minden > 0 xn xm < minden n, m M esetn.
szmhoz van
1.1.16. ttel.
Minden
(V, )
normlt trbeli konvergens sorozat Cauchy-sorozat.
A ttel megfordtsa nem igaz.
1.1.17. denci.
Azt mondjuk, hogy a
(V, ) normlt tr Banach2 -tr
, ha minden
(V, )-beli Cauchy-sorozat
konvergens sorozat is egyben.
A normlt terekre korbban felsorolt pldk egyben pldk Banach-terekre is. Teht pl. brmilyen ms normval is. Ugyanakkor nem minden normlt tr Banach-tr. Ha a
Rn
Banach-tr a felsorolt normkkal, s mivel ezen a vektortren minden norma ekvivalens, ezrt
C[a, b] vekb tortren a normt az f = |f (x)| dx mdon deniljuk, akkor az gy nyert normlt tr nem a lesz Banach-tr. Most igazoljuk azt a ttelt, amely a ksbbi itercis eljrsok konvergencijt
fogja majd biztostani.
1.1.18. ttel. (Banach-fle xpontttel)

Legyen mellyel
(V, )
egy Banach-tr, s
H (V, )
egy tetszleges nem res zrt rszhalmaz.
Tegyk fel, hogy az
F :H H
lekpezs kontrakci, azaz van olyan
0q<1
vals szm,
F (x) F (y) q x y
brmely
x, y H
elemek esetn. elem, mellyel
Ekkor F -nek egyrtelmen ltezik xpontja H -ban, azaz egy olyan x H F (x ) = x . Tetszleges tart. rvnyes az
x0 H
kezdelemmel az
xk+1 = F (xk )
mdon ellltott sorozat
-hoz
x xm
becsls.
qm x1 x0 1q
(1.1.1)
2 Stefan Banach (1892 (Lvov)-1945), lengyel matematikus. A modern funkcionlanalzis megalaptja. Eredmnyei jelentsen hozzjrultak a topologikus vektorterek, a mrtkelmlet, az integrls s az ortogonlis sorok elmlethez is. Rszletes angol nyelv letrajz tallhat pl. az http://www-history.mcs.st-and.ac.uk/Biographies/ Banach.html oldalon.
1.1.
Vektorterek
Bizonyts. Tekintsk egy tetszleges tulajdonsg miatt
x0 H
elem esetn az
xk+1 = F (xk )
rekurzival de-
nilt sorozatot, melynek nyilvnvalan mindegyik eleme
H -ban
tallhat. Ekkor a kontrakcis
xk+1 xk = F (xk ) F (xk1 ) q xk xk1 . . . q k x1 x0 .

Tetszleges kt
n>m
termszetes szm esetn
xn xm = xn xn1 + xn1 xn2 + . . . + xm+1 xm xn xn1 + xn1 xn2 + . . . + xm+1 xm q n1 x1 x0 + q n2 x1 x0 + . . . + q m x1 x0 = (q n1 + q n2 + . . . + q m ) x1 x0 = (q nm1 + q nm2 + . . . + 1)q m x1 x0 =
Ez mutatja, hogy (1.1.2)
qm q nm 1 m q x1 x0 x1 x0 . q1 1q
Cauchy-sorozat, hiszen
{xk }
egy
H -beli
0 q < 1,
>0
esetn
M=
ln((1 q)/ x1 x0 ) ln q
Most azt fogjuk igazolni, hogy
j vlaszts. Mivel Banach-terekben minden Cauchy-sorozat konvergens, ezrt ltezik olyan
(V, ),
xpontja
melyre
F -nek.
xk x . H zrtsga miatt x H is igaz. Ha x1 = x0 , akkor ez nyilvnval. Mivel
x x
F (x ) xk+1 = F (x ) F (xk ) q x xk 0 (k ),
ezrt hogy kt
xk+1 F (x ). Mivel xk+1 x is igaz, gy a hatrrtk egyrtelmsgbl kvetkezik, F (x ) = x . Az egyrtelmsg igazolshoz indirekt mdon felttelezzk, hogy van legalbb klnbz xpont: x s x . Ekkor x x = F (x ) F (x ) q x x
ha
, n indexszel vgtelenhez
ami nyilvn csak gy lehet (q tartunk az (1.1.2) becslsben. A ttelben termszetesen
< 1),
x =x
, ami ellentmonds.
Az llts harmadik rszben szerepl becsls gy igazolhat, hogy az
lehet a teljes
(V, )
normlt tr is. Vegyk szre, hogy a ttel
msodik lltsa gyakorlati tmutatst is ad arra, hogy a xpontot hogy kell megkeresnnk. A harmadik rszben szerepl becsls pedig a xponthoz tart sorozat els kt elemnek tvolsgval s a
konstanssal ad fels becslst arra, hogy a sorozat
m-edik
eleme milyen messze van a
hatrrtktl. Vegyk szre azt is, hogy az xpont tetszleges
{xk }
sorozat kezdeleme tetszleges volt, gy az
H -beli
kezdelemrl indul itercis sorozat hatrrtkeknt elllthat.
1.1.19. denci.
Egy F : (V1 , ) (V2 , ) lekpezs folytonos az x (V1 , ) pontban, ha minden {xk } (V1 , ) sorozatra, melyre xk x , kvetkezik, hogy F (xk ) F (x ) (V2 , )-ben. F folytonos, ha minden x (V1 , ) pontban folytonos. Fontos plda, hogy az F : (V, ) (R, |.|), F (x) = x xk x (V, )-beli sorozat esetn minden k indexre igaz, ttel), azaz xk x . folytonos lekpezs, hiszen tetszleges hogy
| xk x | xk x
(1.1.10.
1.
Elismeretek
1.1.20. denci.
Egy
F : (V1 , ) (V2 , ) lekpezs korltos, F (x) K x minden x (V1 , ) esetn.
ha van olyan
K R+ 0
szm, melyre
1.1.21. denci.
Egy
F : (V1 , ) (V2 , ) lekpezst lineris opertornak F (x) + F (y) minden x, y (V1 , ), , K esetn.
neveznk, ha
F (x + y) =
1.1.22. ttel.
Lineris opertorokra a folytonossg s a korltossg ekvivalens tulajdonsgok. Ha egy lineris opertor folytonos egy pontban, akkor folytonos Jellje
(V1 ,
minden pontjban.
B(V1 , V2 )
az sszes korltos
L : (V1 ,
) (V2 ,
lineris opertor vektortert,
ahol a mveleteket az
(L1 + L2 )(x) = L1 (x) + L2 (x), (L)(x) = L(x)

mdon rtelmezzk.
1.1.23. ttel.
Az
L := sup
x=o
L(x) x B(V1 , V2 )
vektortren, gy
(a korltossg miatt jl denilt) hozzrendels normt ad meg a
B(V1 , V2 )
normlt tr. (Ha
V2
Banach-tr, akkor
B(V1 , V2 )
is Banach-tr.)
Alkalmazzuk az elz ttelt az ahol
AK
L : (Kn ,
) (Km ,
mn
. A normk ekvivalencija miatt (1.1.14. ttel) az
), L(x) = Ax lineris lekpezsre, L lekpezs folytonos, azaz
korltos. Ekkor az elz ttelt alkalmazva az
A := L = sup
induklt normknak
x=0
Ax x
(1.1.3)
hozzrendels mtrixnormt ad meg. A vektornormkbl a fenti kplettel szrmaztatott mtrixnormkat hvjuk.
1.1.24. ttel.
Tegyk fel, hogy a
Kn
Km
normlt terekben is ugyanazt a vektornormt hasznljuk. Ekkor
a korbban megismert vektornormk az albbi mtrixnormkat indukljk:
Oktadernorma (p
= 1): A
= maxj=1,...,n
m i=1
|aij |
n j=1
(oszlopsszegnorma), (sorsszegnorma),
Maximumnorma (p
= ): A = 2): A
= maxi=1,...,m = (AH A),
|aij |
az
Euklideszi norma (p
ahol
mtrix spektrlsugara, s
az
A mtrix transzponlt konjugltja.
1.1.
Vektorterek
Bizonyts. Alkalmazzuk az (1.1.3) kpletet a mtrixnormra. Oktadernorma: Legyen
A Kmn egy adott mtrix s x Kn egy tetszleges vektor. Ekkor

m n n m n m
Ax
=
i=1 j=1
aij xj
i=1 j=1 m
|aij ||xj | =
j=1 i=1 n
|aij ||xj | =
j=1 m
|xj |
i=1
|aij |
ami mutatja, hogy
j=1,...,n
max
|aij |
i=1 j=1
|xj | =
j=1,...,n
max
|aij |
i=1
x 1,
m 1 maxj=1,...,n i=1 |aij |. Az egyenlsghez azt kell megmutatni, hogy n van olyan 0 K vektor, mellyel a fenti becslsekben egyenlsgek szerepelnek. Tegyk fel, m m hogy a i=1 |aij | sszeg a j0 oszlopban a legnagyobb. Ekkor az 0 = j0 i=1 |aij0 | vlaszts megfelel, ugyanis
Ax0
Itt
=
i=1
|aij0 |
i=1
|aij0 | = n
j=1,...,n
max
|aij |
i=1
x0 1 .
j0 -adik
eleme 1, a
ej0
j0 -adik
egysgvektort jelli, azaz azt az
elem vektort, melynek
tbbi pedig nulla. Maximumnorma: Az oktadernormhoz hasonlan igazolhat. Lsd az 1.6.2. feladatot a fejezet vgn. Euklideszi norma: Ksbb igazoljuk (24. oldal). Most mg nem ll rendelkezsnkre minden eszkz a bizonytshoz.
1.1.25. megjegyzs. Unitr s ortogonlis mtrixok 2-es normja 1, ugyanis A 2 = (AH A) = (E) = 1. Unitr s ortogonlis mtrixszal val szorzs nem vltoztatja meg egy mtrix 2-es normjt. Legyen B tetszleges mtrix s A egy unitr mtrix, melyek sszeszorozhatk AB
alakban. Ekkor
AB
((AB)H (AB)) =
(BH AH AB) =
(BH B) = B 2 .
1.1.26. megjegyzs.
elemabszoltrtkkel.
Diagonlis mtrixok
p-normja
megegyezik a ftlban lv legnagyobb
1.1.27. ttel.
Tegyk fel, hogy a
Kn -beli .
m
v vektornorma a
Knn -beli
m mtrixnormt induklta. Ekkor
igazak az albbi tulajdonsgok
Ax
Az
v minden
x Kn
vektor s
A Knn
mtrix esetn (konzisztencia
tulajdonsg),
E egysgmtrixra E
m
= 1,
AB
m minden
A, B Knn
mtrixok esetn (szubmultiplikativitsi
tulajdonsg).
1.
Elismeretek
Az
A = maxi,j {|aij |}
kplettel adott mtrixnorma nem induklt norma. Az
2 i,j |aij | n. Frobenius-norma sem induklt norma.
1.1.3. Euklideszi terek

1.1.28. denci.
A
(V, ., . )
1. 2. 3.
prt
euklideszi trnek hvjuk, ha V

minden
egy vektortr, s
., . : (V V ) K
egy adott
fggvny, n. skalris szorzat, az albbi tulajdonsgokkal:
x, y = y, x
x, y V
esetn (a
flhzs a komplex konjuglst jelenti), esetn,
x, y = x, y x, x > 0,
, minden
x, y V, K
esetn.
minden
o=xV
Tekintsnk kt fontos pldt euklideszi trre.
Kn oszlopvektorok terben, az x = [x1 , . . . , xn ]T s y = [y1 , . . . , yn ]T jellssel az x, y = x1 y1 +. . .+xn yn hozzrendels skalris szorzst ad meg. Megjegyezzk, hogy az egyszersg H kedvrt a ksbbiekben a mtrixszorzs szablyt hasznlva az x, y = x y vagy vals T vektorok esetn az x, y = x y rsmdot fogjuk hasznlni, hiszen ezek olyan 1 1-es C[a, b]
vektortren az
mtrixok, melyek egyetlen eleme ppen a skalris szorzat rtke.
f, g =
a
s(x)f (x)g(x) dx
(1.1.4)
hozzrendels skalris szorzst denil minden
s C[a, b]-beli pozitv n. slyfggvny esetn. x = x, x

hozzrendels normt
Knnyen igazolhat, hogy egy euklideszi trben az
denil. Ezt a normt a skalris szorzs ltal induklt normnak nevezzk.
1.1.29. denci.
Egy euklideszi tr
elemt ortogonlisnak hvjuk, ha
x, y = 0.
Azt mondjuk, hogy az
elem normlt, ha a skalris szorzs ltal induklt normja 1. Egy vektorrendszer ortogonlis, ha brmely kt klnbz eleme ortogonlis. Egy vektorrendszer ortonormlt, ha ortogonlis s minden eleme normlt.
Tbbszr fontos szerepet fog jtszani az az eljrs, mellyel linerisan fggetlen vektorokbl ortonormlt rendszert lehet kszteni. Ezt az eljrst GramSchmidt-fle ortogonalizcis eljrsnak (rviden GS ortogonalizci) hvjuk.
1.1.30. ttel. (GramSchmidt ortogonalizci)

Egy euklideszi trben minden linerisan fggetlen egy olyan ortonormlt minden
x1 , . . . , x k
vektorrendszerbl elllthat
q1 , . . . , q k
vektorrendszer, melyre lin(q1 , q2 , . . . , ql )
lin(x1 , x2 , . . . , xl )
l = 1, . . . , k
index esetn.
1.1.
Vektorterek
Bizonyts. Knnyen lthat, hogy a
q 1 = x1 , qi , xl qi (l = 2, . . . , k) qi , qi
l1
q l = xl
i=1
mdon ellltott
q1 , . . . , qk
vektorok ortogonlisak, s az ezekbl nyert
ql =
ql ql
(l = 1, . . . , k)
vektorok pedig ortonormlt rendszert alkotnak. A numerikus matematikban fontos szerepet jtszanak az ortogonlis polinomok. Az 1.1.29. denci alkalmazsval kt mon az
p, q P [a, b]
b
polinomot ortogonlisnak hvunk az
[a, b]
intervallu-
pozitv slyfggvnyre nzve, ha
s(x)p(x)q(x) dx = 0.
a
Az
1, x, x2
stb. polinomokbl a
sal kszlt polinomokat
1/ 1 x2
[1, 1] intervallumon a GramSchmidt-ortogonalizcis eljrss(x) 1 slyfggvny esetn Legendre-polinomoknak, mg az s(x) =
slyfggvny esetn Csebisev-polinomoknak nevezzk. Az els ngy ortogonlis poli-
nomot adtuk meg az albbi tblzatban. Fokszm Legendre Csebisev
0 1 2 3 4
1 x (3x2 1)/2 (5x3 3x)/2 4 (35x 30x2 + 3)/8
1 x 2x2 1 4x3 3x 4 8x 8x2 + 1
1.1.1. tblzat. Nhny Legendre- s Csebisev-polinom.
Az ortogonlis polinomok fontos tulajdonsgait foglalja ssze az albbi ttel.
1.1.31. ttel.
Tegyk fel, hogy a lisak az
p0 , p1 , . . . (az als index a fokszmot jelli) polinomok pronknt ortogon[a, b] intervallumon egy adott s pozitv slyfggvnyre. Ekkor a polinomoknak minden zrushelye vals, egyszeres s az [a, b] intervallumba esik.
Bizonyts. Tekintsk a
pl polinomot, s jellje z1 , . . . , zk a pratlan multiplicits klnbz [a, b]-ben. Ha k = l, akkor igaz az llts, ha k < l, akkor tekintsk a p(x) = (x z1 ) . . . (x zk ) (p 1, ha k = 0) polinomot, amely k -ad fok. A pl p polinom (l + k)-ad fok, s nem vlt eljelet [a, b]-ben (minden vals gyktnyez pros hatvnyon szerepel). gy az
vals zrushelyeket
pl (x)p(x)s(x) dx = 0
a
felttel nem teljeslhet. Ezzel igazoltuk az lltst.
1.
Elismeretek
1.2. Mtrixok
Ebben a jegyzetben az oszlopvektorokat flhzott flkvr kisbetkkel, mg a mtrixokat flkvr nagybetkkel jelljk. Egy
mtrix elemeit ltalban
aij -vel
jelljk, de abban az esetben, ha
nem szeretnnk j jellst bevezetni a mtrix elemeire, alkalmazzuk az mdon jrunk el a vektorok esetn is.
(A)ij
jellst is. Hasonl

3
A jellsek megknnytse rdekben tbb esetben alkalmazzuk a MATLAB jellseit is. Pl. egy
AK
programcsomag
mn
mtrix esetn
A(:, c : d)
az
A mtrix c, . . . , d sorszm oszlopait tartalmaz mtrix,

az
A(a : b, c : d) A(a : b, :)
diag( az
A(:, c : d) mtrix a, . . . , b sorszm sorait tartalmaz mtrix,
A mtrix a, . . . , b sorait tartalmaz mtrix,
A) az A mtrix ftlbeli elemeit tartalmaz oszlopvektor.
Vektorok esetn
diag(v) azt a diagonlis mtrixot jelenti, melynek diagonlis elemei rendre megegyeznek a
vektor elemeivel.
Most felsorolunk nhny fontos mtrixtulajdonsgot ill. elnevezst.
Azokat a vektorokat ill. mtrixokat, melyek minden eleme nulla
rixnak
nevezzk. Jellskre egysgesen a
nullvektornak ill. nullmt0 jellst hasznljuk. Mrett kln nem jelljk, ngyzetes vagy kvad-
az kvetkezik a kpletekben szerepl tbbi mtrix mretbl.
Azokat a mtrixokat, melyeknek ugyanannyi sora van ahny oszlopa,
ratikus
Egy
mtrixoknak nevezzk.
A vals mtrixot s zimmetrikusnak hvunk, ha AT = A, ahol ()T jelli a transzponls T H 4 = A, mvelett ((A )ij = (A)ji ). Egy A komplex mtrixot hermitikusnak hvunk, ha A
ahol
()H
jelli a mtrix konjugltjnak transzponltjt.
Egy
A Kmn mtrixrl azt mondjuk, hogy svmtrix , ha lteznek olyan p, q N konstanaij = 0 ha j < i p s ha j > i + q . Az 1 + p + q p = 0, q = 0.
rtket a mtrix
sok, hogy nevezzk.
svszlessgnek
- Diagonlis a mtrix, ha
Specilis ngyzetes diagonlis mtrixknt
fogja jellni az egysgmtrixot. A mrett ltalban nem jelljk, mindig olyan mretnek tekintjk, hogy elvgezhetek legyenek vele a mtrixmveletek. Egy mtrix kzvetlenl a ftl "feletti" ("alatti") elemeit a mtrix szuperdiagonlisnak (szubdiagonlisnak) nevezzk. - Fels hromszgmtrixrl beszlnk, ha a ftl "alatti" elemek nullk (p
= 0).
Pl.
0 0 0
0 0 0
mitikus mtrixok minden sajtrtke vals.
3 A MATLAB programcsomagrl az 1.4. fejezetben runk rszletesebben. 4 Charles Hermite (18221901), francia matematikusrl elnevezett mtrixtpus. mutatta meg, hogy az her-
1.2.
Mtrixok
egy fels hromszgmtrix. A mtrixban a szm llhat mtrixelemknt.
jel azt jelenti, hogy azon a helyen tetszleges
- Als hromszgmtrix: ftl "feletti" elemek nullk (q
= 0). = 1). = 1). = 1, q = 1). A b, tle
- Fels Hessenberg-mtrix: a szubdiagonl "alatti" elemek nullk (p
- Als Hessenberg-mtrix: a szuperdiagonl "feletti" elemek nullk (q - Tridiagonlis mtrix: egyszerre als- s fels Hessenberg-mtrix (p balra
tridiag(a, b, c) mtrix egy olyan tridiagonlis mtrixot jell, melynek ftljban
s tle jobbra
szerepel.
A ngyzetes mtrix esetn azt a mtrixot, mellyel akr balrl, akr jobbrl szorozA-t, az egysgmtrixot kapjuk eredmnyl, az A mtrix inverznek nevezzk. Jellse: A1 (AA1 = E). Azokat a mtrixokat, melyeknek van inverze regulris vagy nemszinkn gulris mtrixoknak nevezzk. Legyenek az A mtrix oszlopvektorai a1 , . . . , an . Ekkor a lin(a1 , . . . , an ) vektortr dimenzijt az A mtrix rangjnak nevezzk s r(A)-val nn jelljk. Egy A R mtrix determinnst a det(A) mdon jelljk. Egy ngyzetes
Egy zuk mtrixnak pontosan akkor van inverze, ha determinnsa nulltl klnbzik, ami pontosan akkor teljesl, ha a mtrix rangja megegyezik oszlopainak szmval. Fontos szably a determinnsok szorzsi szablya, amely szerint kt tetszleges det(
AB) = det(A)det(B).
egysgvektort
A, B Rnn
mtrix esetn
Az
i-edik
ei
fogja jellni, azaz
ei = [0, . . . , 0, 1, 0, . . . , 0]T ,
ahol az 1-es az
i-edik elem a vektorban. A vektor mrett nem jelljk, az mindig kvetkezik a kpletekben
szerepl tbbi mtrix mretbl.
Kt azonos mret mtrix kztt az rtelmezzk. Egy
0 felttelek teljeslnek. A nempozitv ill. negatv tulajdonsgokat hasonlan deniljuk. Ha B s C kt azonos mret mtrix, melyek balrl szorozhatk az A 0 mtrixszal, akkor a B C felttelbl kvetkezik az AB AC felttel, ugyanis az A(C B) szorzatnak
minden eleme nemnegatv s gy a szorzat maga is egy nemnegatv mtrix lesz. Azokat a mtrixokat, melyek elemei mtrixok,
A mtrixot nemnegatvnak ill. pozitvnak neveznk, ha az A 0 ill. A >
= , < , , > , relcikat elemenknt
blokkmtrixoknak
hvjuk. Megadsukra a
szoksos (a MATLAB-ban is hasznlt) jellst alkalmazzuk. Pl. ha
a = [1, 2, 3]T
3 B = 4 5
akkor
4 4 0 1 , 2 2 1 3 4 5 2 3 4 4 . 0 1 2 2
aT a B
1
Egy
1 1 = 2 3
vals mtrixot
ortogonlisnak
hvunk, ha van inverze, s
A1 = AT .
Az elnevezs
onnt ered, hogy ebben az esetben a mtrix oszlopvektorai ortonormltak a szoksos beli skalris szorzsra nzve. Egy
A1 = AH .
hiszen ha pl.
mtrixot
unitr
Rn -
mtrixnak hvunk, ha van inverze s
A s B ortogonlisak (A1 = AT s B1 = BT ), akkor E = (AB)(BT AT ) = (AB)(AB) , azaz AB inverze a transzponltja, azaz AB ortogonlis.
T
Hermitikus ill. ortogonlis mtrixok szorzata is hermitikus ill. ortogonlis,
1.
Elismeretek
Egy hermitikus
mtrix esetn az azaz
x xH Ax
fggvny minden oszlopvektorhoz hozz-
rendel egy vals szmot. Ez abbl kvetkezik, hogy az eredmny egy
(xH Ax)H = xH Ax,
xH Ax rtke vals.
(1 1)-es
mtrix, s
1.2.1. denci. Legyen A egy adott hermitikus mtrix. Ekkor, ha tetszleges x = 0 vektorra igaz, hogy xH Ax > 0 (xH Ax < 0), akkor az A mtrixot pozitv (negatv) denit mtrixnak, xH Ax 0 (xH Ax 0), akkor az A mtrixot pozitv (negatv) szemidenit mtrixnak,
xH Ax lehet pozitv s negatv is, akkor az A mtrixot indenit mtrixnak

nevezzk.
Ha az
ha a felttelek vals
A mtrix vals s szimmetrikus, akkor az adott tulajdonsgok teljeslshez elegend, x vektorokkal teljeslnek.
alak mtrixot, ahol i1 , . . . , in az 1, 2, . . . , n szmok egy permutcis mtrixnak hvunk. Egy A Rnn mtrix esetn az AP szorzat A oszlopainak i1 , . . . , in sorrend trendezst adja, mg a PT A szorzat A sorait rendezi T T t az emltett sorrendbe. rvnyes tovbb a PP = P P = E relci, azaz a permutcis Egy permutcija, mtrixok ortogonlisak.
P = [ei1 , . . . , ein ] Rnn
1.2.1. Mtrixok sajtrtkei s sajtvektorai

1.2.2. denci. nn Legyen A C
Cn
vektor s egy
egy tetszleges ngyzetes mtrix. Ha egy nullvektortl klnbz szm esetn teljesl az
0=v
Av = v
egyenlsg, akkor a neveznk. Egyszeren igazolhatk az albbi ttelek.
v vektort a mtrix sajtvektornak, s a szmot a sajtvektorhoz tartoz

sajtprnak
sajtrtknek nevezzk (s fordtva). Egy sszetartoz sajtrtket s sajtvektort
1.2.3. ttel.
Egy mtrix adott sajtrtkhez tartoz sajtvektorai a nullvektorral kiegsztve alkotjk.
Cn
egy altert
Bizonyts. Azt kell igazolnunk csak, hogy ha vektor, akkor tetszleges az
c1 , c2
szmok esetn
c1 v1 + c2 v2 = 0
v1
v2
kt klnbz,
-hoz
tartoz sajt-
is sajtvektor. Ez kvetkezik
A(c1 v1 + c2 v2 ) = c1 Av1 + c2 Av2 = c1 v1 + c2 v2 = (c1 v1 + c2 v2 )
egyenlsgbl.
1.2.
Mtrixok
1.2.4. ttel. nn Egy A C
n darab sajtrtke det(A E) = 0 egyenlet megoldsai. Egy adott sajtrtkhez tartoz v sajtvektorokat az (A E)v = 0 lineris algebrai egyenletrendszer nullvektortl klnbz
mtrixnak a multiplicitst is gyelembe vve pontosan van. A sajtrtkek a
megoldsai adjk. Bizonyts. Az
E)v = 0
Av = v
egyenlsget trendezve kapjuk, hogy a sajtvektornak az
(A
egyenletrendszer nullvektortl klnbz megoldsnak kell lennie. Mivel ez az egyen-
letrendszer homogn, gy biztosan van megoldsa, hiszen a nullvektor megolds lesz. Ahhoz, hogy
sajtrtk legyen, pontosan az kell, hogy legyen nullvektortl klnbz megoldsa is az egyenletrendszernek. Ez pontosan akkor teljesl, ha det(A E) = 0. Ez az egyenlet azt mutatja, hogy a sajtrtkek a pA () := det(A E) polinom zrushelyei. Ezekrl pedig az algebra alapttelbl tudjuk, hogy multiplicitssal egytt n darab van bellk.
1.2.5. denci. nn Egy adott A C mtrix esetn a pA () = det(A E) polinomot a mtrix karakterisztikus
polinomjnak,
a
PA () = 0
Ha
egyenletet pedig
karakterisztikus egyenletnek
nevezzk.
1.2.6. megjegyzs.
egyenlsg miatt vlaszthat a sajtrtkhez vals
A vals mtrix, pedig egy vals sajtrtke, akkor az (A E)v = 0 v sajtvektor.
1.2.7. ttel.
Jellje
1 , . . . , n
az
A Cnn
mtrix sajtrtkeit. Ekkor
det(A) =
i=1
ahol tr(
i ,
tr(
A) =
i=1
i ,
A) a mtrix nyoma (angolul trace), azaz a ftlban szerepl elemek sszege.

p() = an n +an1 n1 +a1 +a0 1 , . . . , n
zrushelyeire igazak az albbi formulk (n. Vite-formulk):
Bizonyts. Ismert, egybknt knnyen igazolhat, hogy egy
n-edfok
polinom
1 2 . . . n = (1)n
a0 an1 , 1 + 2 + . . . + n = . an an an = (1)n ,
A karakterisztikus polinom legmagasabbfok tagjnak egytthatja
an1 = (1)n1 (a11 + . . . + ann ) = (1)n1 (tr(A))

s a szabad tag
a0 = det(A).
Ezekbl az llts kzvetlenl addik.

van inverze.
mtrixnak pontosan akkor nincs nulla sajtrtke, ha nemszingulris, azaz ha
Bizonyts. Tekintsk az
a nullvektor az egyetlen megoldsa, ha det( nulla nem sajtrtke a mtrixnak.
Av = 0 homogn lineris egyenletrendszert. Ennek pontosan akkor A) = det(A 0E) = 0. Ez egyenrtk azzal, hogy a
1.
Elismeretek
1.2.9. megjegyzs.
Az elz ttelt gyakran hasznljuk annak igazolsra, hogy egy mtrix
nemszingulris. Ugyanis ehhez azt kell megmutatnunk, hogy nincs olyan nulltl klnbz vektor, mellyel a mtrixot megszorozva nullvektort kapunk.
1.2.10. ttel.
Hermitikus mtrixok minden sajtrtke vals.
Bizonyts. Legyen
vH v.
a mtrix egy sajtvektora
sajtrtkkel. Ekkor
vH Av = vH v =
Nyilvn
(vH Av)H = vH Av, (vH v)H = vH v, (11)-es mtrixok, melyek transzponlt konjugltja nmaga, azaz vals szmokat is vals kell legyen.
Az elz ttel alapjn a vals szimmetrikus mtrixoknak is minden sajt-
azaz ezek olyan
tartalmaznak. gy
1.2.11. megjegyzs.
rtke vals, s ezekhez a sajtrtkekhez vals sajtvektorok vlaszthatk.
1.2.12. ttel.
Hermitikus pozitv (szemi)denit mtrixok minden sajtrtke (nemnegatv) pozitv.
v egy sajtvektora a mtrixnak sajtrtkkel. Az elz ttelbl tudjuk, H H H hogy vals. Ekkor v Av = v v = v v > 0, s a v v > 0 egyenltlensgbl kvetkezik az
Bizonyts. Legyen
llts (szemidenitre hasonlan).
1.2.13. denci. nn Egy A C mtrix legnagyobb abszoltrtk sajtrtknek abszolt rtkt A spektrlsugarnak hvjuk. Jells: (A). Azaz (A) = maxi=1,...,n {|i | | i sajtrtke A-nak}.
A sajtrtkek komplex szmskon val elhelyezkedsre ad becslst az albbi n. Gersgorin ttel.
5
1.2.14. ttel. (Gersgorin-ttel) nn Tekintsk az A C mtrixot.

nek kzppontja
aii ,
s sugara
Legyen Ki a komplex szmskon az a zrt krlap, melyn j=1,j=i |aij | (i = 1, . . . , n). Ekkor a mtrix sajtrtkei az
i=1,...,n Ki
halmazban tallhatk.
Bizonyts. Legyen ahol van
elemmel, akkor erre a sajtrtkre igaz az llts. Klnben rjuk fel
A-t A = D + T alakban, D = diag(diag(A)) az A diagonlist tartalmaz mtrix. Az A E mtrix szingulris, gy olyan x = 0 vektor, mellyel (A E)x = 0, azaz (D E)x = Tx. A bal oldali mtrix x
egy sajtrtke a mtrixnak. Ha
megegyezik valamelyik diagonlis
invertlhat, hiszen olyan diagonlis mtrix, melynek egyik ftlbeli eleme sem nulla. gy
(D E)1 T
5 Szemjon Aranovics Gersgorin (19011933), belorusz matematikus. A sajtrtkek becslsrl szl cikkt 1931-ben publiklta. Bvebb letrajz: http://www-groups.dcs.st-and.ac.uk/~history/Biographies/Gershgorin.html
1.2.
Mtrixok
amibl
-val val oszts utn kapjuk, hogy
1
valamely
n j=1,j=k
|akj |
|akk |
krlap belsejbe esik.
k = 1, . . . , n
indexre, azaz Ha
Kk
1.2.15. megjegyzs.
pontosan
darab krlap unija diszjunkt a tbbi krlappal, akkor az uniban
darab sajtrtk van. Ez az n. msodik Gersgorin-ttel.
1.2.16. ttel.
Klnbz sajtrtkekhez tartoz sajtvektorok linerisan fggetlenek. Bizonyts. Elegend a ttelt csak kt sajtrtkre igazolni gy, hogy megmutatjuk, hogy az egyikhez tartoz egy sajtvektor nem fejezhet ki a msikhoz tartoz sajtvektorok lineris kombincijaknt. Tegyk fel teht indirekt, hogy egy hogy megfelel
A mtrixnak = kt sajtrtke, tovbb, Av = v s Awi = wi (i = 1, . . . , l) esetn a v sajtvektor v = l i wi alakban rhat i=1

i
konstansokkal. Ekkor
v = Av = A
i=1
ami csak gy lehetne, ha
i wi =
i=1
i wi = v,
= .
Ez ellentmonds.
1.2.17. kvetkezmny.
A ttel kzvetlen kvetkezmnye, hogy ha egy
(n n)-es
mtrixnak
minden sajtrtke klnbz, akkor van vlaszthat a sajtvektorai kzl
darab linerisan fggetlen sajtvektorrendszere, azaz
darab linerisan fggetlen vektor.
1.2.2. Diagonalizlhatsg
1.2.18. denci. Az A s B ugyanolyan mret ngyzetes mtrixokat hasonlnak 1 lris mtrix, melyre B = S AS.
A hasonlsg ekvivalenciarelci.
hvjuk, ha van olyan
S regu-
1.2.19. ttel.
Hasonl mtrixok sajtrtkei megegyeznek.
A s B mtrix karakterisztikus polinomja ugyanaz. Legyen B = S AS. Mivel det(S)det(S ) = det(E) = 1, ezrt
Bizonyts. Elg megmutatnunk, hogy a kt hasonl
det(B E) = det(S1 AS E) = det(S1 ) det(A E) det(S) = det(A E).
1.2.20. megjegyzs.
albbi sszefggs: ha
v sajtvektora B-nek, akkor Sv sajtvektora A-nak.
Knnyen lthat, hogy hasonl mtrixok sajtvektorai kztt fennll az
1.
Elismeretek
1.2.21. denci. Egy A mtrixot diagonalizlhatnak 1.2.22. megjegyzs.
hvunk, ha hasonl egy diagonlis mtrixhoz.
Nem diagonalizlhat mtrix pldul az
A=
1 0
1 1
mtrix. Ennek a mtrixnak ktszeres sajtrtke az 1, gy az egysgmtrixszal kellene hasonlnak lennie, de akkor valamilyen regulris
S mtrixszal A = S1 ES = E, ami nyilvn nem igaz.
1.2.23. ttel.
Egy
(n n)-es
mtrix pontosan akkor diagonalizlhat, ha van
elem linerisan fggetlen
sajtvektorrendszere.
Bizonyts. Tegyk fel elszr, hogy az sajtvektora, azaz Ekkor igaz az
(nn)-es A mtrixnak van n darab linerisan fggetlen Avj = j vj (j = 1, . . . , n) gy, hogy a vj sajtvektorok linerisan fggetlenek. 1 0 0 2 0 0
.. .
A v1 . . . vn
:=S
v1 . . . vn
... ...
:=
v1 . . . vn jellst arra a mtrixra, melynek oszopvektorai a S1 AS = , azaz a mtrix diagonalizlhat. 1 A msik irny igazolshoz tegyk fel, hogy van olyan regulris S mtrix, mellyel S AS = , valamilyen diagonlis mtrixszal. Ekkor A sajtrtkei megegyeznek elemeivel. Mivel az ej rendszer sajtvektorrendszere a mtrixnak, gy Sej sajtvektorrendszere A-nak. Ezek S
egyenlsg. Bevezetve az
S=
sajtvektorok, rhatjuk, hogy
regularitsa miatt linerisan fggetlenek vektorok.
1.2.24. denci. Egy A mtrixot normlis mtrixnak
hvunk, ha
AH A = AAH .
1.2.25. megjegyzs. Vals normlis mtrixok pl. a szimmetrikus s ortogonlis mtrixok. Komplex normlis mtrixok az hermitikus s unitr mtrixok.
1.2.26. ttel.
Minden normlis mtrix diagonalizlhat.
1 s 1 a mtrix egy sajtprja. H Legyen 1 normlt, azaz olyan, hogy 1 1 = 1. Egsztsk ki ezt a vektort a GramSchmidtortogonalizci segtsgvel ortonormlt rendszerr (unitr mtrixsz) a 2 , . . . , n vektorokkal.
Bizonyts. Legyen egy tetszleges normlis mtrix, s
v v
1.2.
Mtrixok
Ekkor
A v1 . . . vn
=:S1 (unitr)
ahonnt, bevezetve az
v1 . . . vn A2
1 0 . . . 0

. . . . . .
... ... , ...
S1 = [v1 . . . vn ]
jellst s az
jellst a jobb oldali msodik tnyez
(2 : n, 2 : n)
blokkjra, kapjuk, hogy
SH AS1 = 1
Hajtsuk vgre az elz eljrst az
A2
A2 mtrixszal! Ehhez ltezik olyan S2 unitr mtrix, mellyel

.. .
2 0 H S2 A2 S2 = 0
Legyen
... ... . ...
S2 =
Ekkor
1 0 0 S2 1 0 0 0 2 0 0
SH SH AS1 S2 = 2 1
Hasonlan folytatva nyerhetek az

. . .
... ... ...

. . .
...
S3 , . . . , Sn1
unitr mtrixok, melyekkel
SH . . . SH SH AS1 S2 . . . Sn1 n1 2 1
1 0 = 0
2 0

.. .
... ... ...
. n
=:T (fels hromszg)

Legyen
S = S1 . . . Sn1 . Ez nyilvnvalan unitr mtrix. Vezessk be a T jellst a fenti kpletben TH T = SH AH SSH AS = SH AH AS = SH AAH S = SH ASSH AH S = TTH ,
szerepl fels hromszgmtrixra. Erre a mtrixra igaz, hogy
gy
normlis mtrix. Mivel
(1.6.19. feladat). Vagyis az
T fels hromszgmtrix, csak gy lehet normlis, A normlis mtrix unitr mtrixszal diagonalizlhat.
ha diagonlis
1.2.27. kvetkezmny. A ttel bizonytsbl kzvetlenl kvetkezik, hogy minden A ngyzetes H mtrix felrhat A = STS alakban, ahol S unitr mtrix, T pedig egy fels hromszgmtrix.
Ezt az alakot a mtrixok a
T mtrix ftljban az A mtrix sajtrtkei szerepelnek.
Schur-felbontsnak
nevezzk. Vegyk szre, hogy a hasonlsg miatt
1.
Elismeretek
1.2.28. kvetkezmny. Az elz ttel msik kvetkezmnye, hogy egy mtrix akkor s csak akkor
diagonalizlhat unitr mtrixszal, ha normlis. Az, hogy a normlis mtrixok unitr mtrixszal diagonalizlhatk, kvetkezik az elz ttel bizonytsbl. A msik irny igazolshoz tegyk fel, hogy
A unitr mtrixszal diagonalizlhat, azaz van olyan S unitr mtrix, mellyel SH AS = , H ahol diagonlis mtrix. Ekkor viszont A = SS , s AH A = (SSH )H (SSH ) = SH SH SSH = SH SH = SH SH = (SSH )(SH SH ) = AAH .
1.2.29. ttel.
Egy vals mtrix akkor s csak akkor diagonalizlhat ortogonlis mtrixszal, ha szimmetrikus.
Bizonyts. Igazoljuk elszr, hogy ha egy zlhat, akkor az szimmetrikus. Legyen azaz
A szimmetrikus.
vals mtrix ortogonlis mtrixszal diagonali-
ortogonlis s
A = SST .
Ekkor
AT = SST = A,
A msik irny igazolshoz tudjuk, hogy a szimmetrikus mtrixok normlisak, ezrt diagonalizlhatk. gy van linerisan fggetlen sajtvektorrendszerk. Azt kell megmutatnunk, hogy ezek a vektorok vlaszthatk ortonormltan. Ha egy sajrrtkhez tbb linerisan fggetlen sajtvektor is tartozik, akkor ezek a GramSchmidt eljrssal ortonormlhatk. Mr csak azt kell megmutatnunk, hogy a klnbz sajtrtkekhez tartoz sajtvektorok nemcsak fggetlenek, hanem ortogonlisak is. Legyen teht a
kt klnbz sajtrtkhez ( s
) tartoz sajtvektor.
Mivel a mtrix szimmetrikus, gy a sajtrtkei s a sajtvektorai is valsak. A szimmetria miatt
vT Av = vT v = vT v , vT Av = vT v = vT v = vT v
rtkeknek meg kell egyeznik. Ez csak gy lehet, ha
vT v = 0, azaz a klnbz sajtrtkekhez
tartoz sajtvektorok ortogonlisak. gy vlaszthat ortonormlt sajtvektorrendszer. A mtrix azzal az ortogonlis mtrixszal diagonalizlhat, melynek oszlopai az ortonormlt sajtvektorok.
1.2.3. Normk s sajtrtkek

Most azt vizsgljuk meg, hogy milyen kapcsolat van egy mtrix normja s a sajtrtkei kztt. Korbban mr tallkoztunk egy olyan ttellel (az 1.1.24. ttelt akkor bizonyts nlkl kzltk), ami sszekti a mtrixok normjt a sajtrtkeivel. Ez a ttel azt mondta ki, hogy
(AH A).
Most mr minden eszkznk megvan ezen llts bizonytshoz. Bizonyts. (Az 1.1.24. ttel harmadik lltsnak bizonytsa.) az Az
AH A
mtrix hermiti-
xH AH Ax = Ax 2 0 egyenltlensgbl. Az hermitikussg miatt a mtrix diagonalizlha2 H H H t, azaz A A felrhat A A = VV alakban, ahol V megfelel unitr mtrix, pedig a
kus s pozitv szemidenit. Az hermitikussg nyilvnval, a pozitv szemidenitsg kvetkezik
1.2.
Mtrixok
nemnegatv vals sajtrtkeket tartalmaz diagonlis mtrix. gy
VH x Ax 2 xH AH Ax xH VVH x 2 = = 2 = 2 2 x 2 x x 2 x 2 2 2 2 2 VH 2 x 2 2 2 = (AH A). = x 2 2

A Az
2 2
(1.2.1)
AH A
mtrix az a diagonlis mtrix, melynek ftlbeli elemei
megfelel elemeinek gykei.
mtrix legnagyobb abszoltrtk sajtrtkhez tartoz sajtvektort vlasztva
x-nek
pont egyenlsg van. gy az llts valban igaz. A fenti ttel kzvetlen kvetkezmnye az albbi ttel.
1.2.30. ttel.
Hermitikus (vals szimmetrikus) ngyzetes mtrixok esetn
= (A).
Bizonyts. Mivel
hermitikus, ezrt
AH A = A2 ,
s minden sajtrtke vals.
tkei az eredeti mtrix sajtrtkeinek ngyzetei, azaz rlsugarnak ngyzetvel. Ebbl kvetkezik az llts.
A2
spektrlsugara
A2 sajtrmegegyezik A spekt-
1.2.31. ttel.
Ngyzetes mtrixokra induklt normk esetn rvnyes a
(A) A
becsls.
Bizonyts. Legyen x = 0 egy sajtvektora A-nak, s a hozz || x = x = Ax A x , amibl az llts kvetkezik.
tartoz sajtrtk. Ekkor
1.2.32. ttel. nn Adott A C mtrix mellyel A (A) + .
esetn minden
> 0
szmhoz ltezik olyan
induklt norma,
A mtrix Schur-felbontsbl. Eszerint A felrhat A = STSH alakban, ahol S unitr mtrix, T pedig olyan fels hromszgmtrix, melynek diagonlisban az A mtrix 1 , . . . , n sajtrtkei szerepelnek. Legyen d > 0 egy ksbb megvlasztand rtk 1 2 n paramter. Deniljuk a D = diag(d, d , . . . , d ) diagonlis mtrixot. Ekkor a DTD tovbbra is 1 fels hromszgmtrix, melynek diagonlisa megegyezik T diagonlisval. Szmoljuk ki DTD
Bizonyts. Induljunk ki az 1-es normjt. A
j -edik
oszlop abszoltrtk-sszege:
j1
|j | +
i=1
Mivel
1 i d |tij | = |j | + d(ji) |tij |. dj i=1
j1
kitevje negatv, gy ha
d-t
megfelelen nagynak vlasztjuk, akkor elrhet, hogy
j1
|j | +
i=1
teljesljn minden
d(ji) |tij | (A) +
j = 1, . . . , n
oszlop esetn. gy teht
DTD1
(A) + .
(1.2.2) tankonyvtar.bme.hu 25
1.
Elismeretek
Mr csak azt kell megmutatnunk, hogy a bal oldalon ll norma az induklt mtrixnormja. Deniljuk az
mtrixnak valamilyen
S s D mtrixok segtsgvel az x
1 1 S,D = (SD ) x
1 vektornormt. Annak
igazolst, hogy ez valban vektornorma, az Olvasra bzzuk (1.6.8. feladat). Hatrozzuk meg, hogy milyen mtrixnormt indukl ez a vektornorma! Legyen
X tetszleges (n n)-es mtrix.
S,D = sup x=0
Xx S,D (SD1 )1 Xx 1 = sup 1 x S,D x=0 (SD )1 x 1 (SD1 )1 XSD1 (SD1 )1 x 1 = sup (SD1 )1 x 1 x=0 (SD1 )1 XSD1 y 1 = sup y 1 y:=(SD1 )1 x=0
= (SD1 )1 XSD1 1 .
Vgl szmtsuk ki az az (1.2.2) becslst.
mtrix normjt a fenti induklt mtrixnormban, s alkalmazzuk
A
gy teht az
1 1 1 S,D = (SD ) ASD
= DS1 ASD1
= DTD1
(A) + .
S,D induklt mtrixnormban az A mtrix normja valban kisebb, mint (A)+.
1.2.33. kvetkezmny. A ttel kvetkezmnye, hogy ha egy mtrix spektrlsugara 1-nl kisebb,
akkor van olyan induklt mtrixnorma, melyben a mtrix normja is egynl kisebb.
mtrix esetn pontosan akkor igaz, hogy
Ak 0
elemenknt, ha
(A) < 1.
Pontosan ugyanekkor lesz a
Ak
k=0
sor konvergens, s sszege az
(E A)
mtrix.
Bizonyts. Elszr igazoljuk azt az irnyt, hogy a kt llts. Mivel ttel). Emiatt
Ak
(A) < 1 felttelbl kvetkezik a msik (A) < 1, ezrt van olyan induklt mtrixnorma, mellyel A < 1 (1.2.32. Ak A k 0, ha k . A normk ekvivalencija miatt (1.1.14. ttel) ekkor
is igaz, ami azt jelenti hogy
Ak nullmtrixhoz tart, gy ennek a vektornak nullvektorhoz kellene tartania. Ez csak akkor lehet, ha || < 1. gy (A) < 1 kvetkezik.
Mivel Tekintsk az albbi azonossgot tetszleges
A msik irnyhoz legyen most
v a mtrix egy sajtvektora sajtrtkkel. Ekkor Ak v = k v.

l
termszetes szm esetn:
Ak
elemenknt is nullhoz tart.
(E A)(E + A + A2 + + Al ) = E Al+1 .
Az
E A mtrix regulris, mert sajtrtkei nem lehetnek nullk. gy E + A + A2 + + Al = (E A)1 (E Al+1 ).

l esetn, ha az {Al+1 } mtrixsorozat nullhoz 1 sszeg valban (E A) .
gy pontosan akkor van a sornak hatrrtke tart, azaz ha
(A) < 1,
s ilyenkor az
1.2.
Mtrixok
1.2.35. megjegyzs.
Az
Ak 0 (k )
tulajdonsggal rendelkez
mtrixokat szoks
konvergens mtrixoknak is nevezni.
1.2.4. M-mtrixok
1.2.36. denci. nn Az olyan A R
mtrixokat, melyek ftln kvli elemei nempozitvak, nemszingulrisak
s inverzk nemnegatv, M-mtrixoknak nevezzk. Az M-mtrixok elnevezsben az M bet a egy
mtrix M-mtrix, akkor az
Ax Ay
m onoton
mtrix kezdbetjre utal. Ugyanis ha
egyenlsgbl kvetkezik az
x y
egyenlsg.
Dierencilegyenletek numerikus megoldsa sorn gyakran olyan egyenletrendszerekhez jutunk, melyek egytthatmtrixa M-mtrix.
1.2.37. plda.
Az
1 2 1
A = 1
0
1 2
mtrix pldul M-mtrix, hiszen a ftln kvl nincs pozitv eleme, s inverze
3/4
1/2 1
1/4
A1 = 1/2
1/4
1/2 . 1/2 3/4
1.2.38. ttel.
Egy M-mtrix ftlja pozitv elemeket tartalmaz. Bizonyts. Jelljk
A-val
a mtrixot. Ha
lenne. De ekkor az egyenltlensget az
ei 0, ami ellentmonds.
aii 0 lenne valamilyen i indexre, akkor Aei 0 A1 0 mtrixszal szorozva azt kapjuk, hogy A1 Aei =
Az M-mtrix dencijban szerepl felttelek nehezen ellenrizhetk, hiszen ismerni kell hozz a mtrix inverzt. A kvetkez ttel egy knnyebben ellenrizhet szksges s elgsges felttelt ad.
1.2.39. ttel. nn Legyen az A R
mtrix olyan, hogy a ftljn kvli elemek nempozitvak. Ekkor
pontosan akkor M-mtrix, ha van olyan
g > 0 vektor, mellyel Ag > 0.
e = [1, . . . , 1]T . Ekkor g = A1 e 1 megfelel vlaszts, ugyanis az A 0 mtrixnak nem lehet nulla sorsszege, azaz g > 0. Erre 1 a g vektorra igaz tovbb, hogy Ag = AA e = e > 0, amit igazolni akartunk.
Bizonyts. Igazoljuk elszr a felttel szksgessgt. Legyen tankonyvtar.bme.hu 27
1.
Elismeretek
A felttel elgsgessgnek igazolshoz legyen
G = diag(g1 , . . . , gn )
s
D = diag(a11 g1 , . . . , ann gn ).
Nyilvnvalan
minden ftlbeli eleme pozitv, klnben a felttel nem teljeslhetne. gy
invertlhat. Ekkor
D1 AG
tovbbra is olyan mtrix, melynek nincs a ftljn kvl pozitv
eleme, tovbb a ftljban egyesek llnak. gy felrhat egy nemnegatv mtrix nulla ftlval. Mivel
EB
Ez mutatja, hogy
D1 AG = E B alakban, ahol B D AGe = D1 Ag > 0, emiatt (E B)e > 0.

1
maximumnormja kisebb 1-nl. Teht a spektrlsugara is kisebb 1-nl. gy
invertlhat s (1.2.34. ttel)
inverze, nevezetesen nemnegatv.
0 E + B + B2 + = (E B)1 . Teht A-nak is van = G(E B) D1 , s az nemnegatv, mert a jobb oldal minden mtrixa
1
Az elz ttel szerint, ha egy kvl, sikerl olyan ttel azt mutatja,
g > 0 vektort hogy a g s Ag
mtrixhoz, melynek nincsenek pozitv elemei a ftljn
tallnunk, melyre
Ag > 0,
akkor
M-mtrix. A kvetkez
vektorok segtsgvel fels becslst adhatunk az
A1
mtrix
maximumnormjra.
1.2.40. ttel. Legyen A M-mtrix, s g > 0 egy olyan vektor, melyre Ag > 0 teljesl. Ekkor A1
mini (Ag)i
Bizonyts. Az llts az albbi becslsekbl kvetkezik, gyelembe vve az negativitst.
A1
.
mtrix nem-
A1 1.2.41. plda.
i=1,...,n
min (Ag)i = A1 e min (Ag)i

i=1,...,n
A1 Ag
= g
Az 1.2.37. pldban szerepl
1 2 1
A = 1
0
mtrix esetn
1 2
gy az inverz maximumnorm-
g = [2, 3, 2]T > 0
mellett
Ag = [1, 2, 1]T > 0.

mini (Ag)i
jra egy fels becsls
A1
ami tnyleg teljesl, hiszen
3 = 3, 1
A1
= 2.
1.3.
Sorozatok s fggvnyek konvergencijnak jellemzse
sorszm 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.
els sorozat 2.00000000000000 1.80000000000000 1.67600000000000 1.59510240000000 1.54066723335142 1.50330168095915 1.47731008656169 1.45906557737600 1.44617834146764 1.43703516193463 1.43052815627098 1.42588707568258 1.42257168042272 1.42020066182865 1.41850366984279 1.41728840370705
msodik sorozat 2.0000000000000000000000000000000000000000000000000 1.5000000000000000000000000000000000000000000000000 1.4166666666666666666666666666666666666666666666667 1.4142156862745098039215686274509803921568627450981 1.4142135623746899106262955788901349101165596221157 1.4142135623730950488016896235025302436149819257762 1.4142135623730950488016887242096980785696718753772 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770 1.4142135623730950488016887242096980785696718753770
2 = 1.4142135623730950488016887242096980785696718753770 . . . 2-hz
1.3.1. tblzat. Kt
tart, de ms konvergenciasebessg, sorozat els 16 eleme. Az els
elsrend, a msodik msodrend.
1.3. Sorozatok s fggvnyek konvergencijnak jellemzse

1.3.1. Sorozatok konvergenciasebessge
A numerikus mdszerek egy nagy csoportja n. itercis mdszer. Ez azt jelenti, hogy a feladat megoldsa egy rekurzv eljrssal ellltott sorozat hatrrtke lesz. A megoldst gy kzeltjk, hogy az iterci segtsgvel ellltjuk a sorozat egy megfelelen nagy sorszm elemt. Hogy hnyadik elemet kell ellltanunk, az azon mlik, hogy a sorozat milyen "gyorsan" konvergl a hatrrtkhez. Nyilvnvalan egy gyorsan konvergl sorozat sokkal kedvezbb a szmunkra, mint egy lassan konvergl. Most megvizsgljuk, hogy hogyan jellemezhet egy sorozat konvergenciasebessge. Az 1.3.1. tblzat kt
2-hz
tart sorozat els 15 elemt tartalmazza 14 ill. 49 tizedesjegyre
kerektve. Mindkt sorozatot egy-egy itercis eljrssal lltottuk el. Lthat, hogy a msodik sorozat sokkal "gyorsabban" konvergl. A hetedik elemtl kezdve nem is ltszik vltozs, pedig 49 tizedesjegyre kerektettnk. Az els sorozat pedig mg a 15. lps utn is hrom ezrednyire van a hatrrtktl. A sorozatok elemeinek hatrrtktl val tvolsgt az 1.3.1. brn brzoltuk. Jelljk egy adott konvergens sorozat elemeit
x(k) -val,
s hatrrtkt
-gal. Jellje
e(k) :=
(k)
(k
= 0, 1, . . .)
k -adik
sorozatelem hibjt. Vizsgljuk meg, hogy a fent vizsglt kt
sorozat esetben egy lps sorn hogyan vltozik ez a hiba. Az
ln |e(k) | ln |e(k1) |
rtket (ha
e(k1) = 0, 1) a k. lpshez tartoz logaritmikus relatv cskkensnek nevezzk. Mivel
a hatrrtk kzelben a hibartkek abszoltrtkben kicsi szmok, gy az a hibasorozat cskken tankonyvtar.bme.hu 29
1.
Elismeretek
gyorsabban, amelyre ez a hnyados nagyobb. Az 1.3.2. brn a vizsglt kt sorozatra brzoltuk a logaritmikus relatv cskkenst. Az els sorozat esetn a logaritmikus relatv cskkens 1 kzelben van, mg a msodiknl 2 kzelben. Ezek a szmok teht alkalmasak lehetnek a konvergencia jellemzsre. Most vizsgljuk meg ltalnosan a konvergenciasebessg krdst normlt trbeli sorozatokra! Vizsgljunk olyan sorozatokat, melyek monoton mdon tartanak a hatrrtkhez (azaz egyik lpsben sem nvekedhet a hiba abszolt rtke), s egyik sorozatelem sem egyezik meg a hatrrtkkel (a fenti kt pldban ilyen sorozatokat mutattunk, s a gyakorlatban is tipikusan ilyen sorozatokat adnak az itercis eljrsok)! Legyen teht sorozat. A
{x(k) } egy tetszleges normlt trbeli, x -hoz monoton mdon tart konvergens k. sorozatelem hibjt jellje e(k) := x(k) x (a monotonits miatt teht e(k)
e(k1)
).
1.3.1. bra. A vizsglt kt sorozat elemeinek a hatrrtktl val tvolsga.
1.3.2. bra. A vizsglt kt sorozat hibjnak logaritmikus relatv cskkense.
1.3.
1.3.1. denci.
Azt mondjuk, hogy az pontosan
{x(k) } x
-hoz monoton mdon konvergl sorozat konvergenciarendje
p 1,
ha a
ln e(k) k ln e(k1) lim

vges hatrrtk ltezik s rtke
p.
1.3.2. megjegyzs.
Ha
A fenti denci alapjn mondhatjuk, hogy a bevezet feladatban az els
sorozat elsrendben, a msodik msodrendben konvergens.
p = 1,
akkor lineris konvergencirl, ha
1 < p < 2,
akkor szuperlineris konvergencirl,
p=2
esetn pedig msodrend konvergencirl beszlnk.
Hogyan lehet a konvergenciarendet meghatrozni? Vizsgljunk meg kt specilis esetet!
1.3.3. ttel.
Ha egy
{xk }
sorozatra s egy
elemre az igaz, hogy
e(k) = Ck e(k1)
valamilyen ben. Bizonyts. Az
0 < C Ck C < 1 e(k)
konstansokkal, akkor
xk x
monoton mdon s elsrend-
= Ck e(k1)
C e(k1)
becsls miatt
e(k)
e(0)
. Mivel
C < 1, ezekbl kvetkezik, hogy a sorozat monoton mdon fog az x elemhez tartani. Az e(k) = Ck e(k1) egyenlsg logaritmust vve, majd osztva az ln e(k1) < 0 rtkkel (feltve, hogy k
elg nagy ahhoz, hogy a hiba mr kisebb legyen, mint 1), azt kapjuk, hogy a logaritmikus relatv cskkens
ln e(k) ln Ck = +11 ln e(k1) ln e(k1) 0 < C Ck C < 1

felttel miatt s amiatt, mert
Ck .
a
konstansokra vonatkoz
ln e(k1)
Azaz a konvergenciarend valban 1. becslsbl az is ltszik, hogy
1.3.4. megjegyzs. Az e(k) C e(k1)

C = 1/10. Ez a gyakorlatban 3.3219, azaz kicsivel tbb, mint
kensre.
M ln 10/ ln C
lps-
szm utn cskken egy nagysgrendet a sorozat elemeinek hatrrtktl mrt tvolsga, hiszen
azt jelenti, hogy ha pl.
C = 1/2,
akkor
M = ln 10/ ln(1/2)
hrom lpsenknt szmthatunk egy nagysgrendnyi hibacsk-
1.3.5. ttel.
Ha egy
{x(k) }
sorozatra s egy
elemre az igaz, hogy
e(k) = Ck e(k1)
valamilyen
p 1/(p1)
(1.3.1)
0 < C Ck C <
p > 1
konstansokkal, s
e(0)
< 1,
akkor
xk x
monoton mdon, s a sorozat konvergenciarendje
p.
1.
Elismeretek
Bizonyts. Vezessk be az
(k) = C
1/(p1) (k)
jellst. Ezzel a jellssel
(k) = C
Teht
1/(p1)
e(k) C
1/(p1)
C e(k1)
= (C
1/(p1)
e(k1) )p = (k1)
(k) (k1)
azaz
(1.3.2)
(k) (0) (0) = C (k ) monoton

Az
pk
. (k) 0
1/(p1)
e(0) < 1
felttel miatt a fenti egyenlsgbl kvetkezik, hogy
mdon. Mivel
e(k) = C
ezrt
(k)
1/(p1)
e(k) 0,
azaz a sorozat valban
-hoz tart monoton mdon.
A konvergenciarend igazolshoz vegyk az (1.3.1) egyenlsg logaritmust, majd osszunk
ln e(k1)
-val. Ekkor
ln e(k) ln Ck = + p p, (k1) ln e ln e(k1)

mivel
0 < C Ck C
minden
k = 0, 1, . . .
esetn s
ln e(k1) ,
ha
k .
Ezt akartuk
megmutatni.
1.3.6. megjegyzs.
Az (1.3.2) becslsbl lthat, hogy a kzelts pontossgnak nagysgrend-
je minden lpsben kb. a kvetkez kzelts
p-szerezdik. Pl. ha p = 2 s egy adott kzelts hibja 103 , akkor 6 12 mr kb. 10 -os, a rkvetkez pedig kb. 10 -es lesz. Ez a lineris
konvergencival sszevetve nagyon gyors konvergencit jelent.
1.3.7. megjegyzs. Knnyen lthat, hogy az 1.3.5. ttelben szerepl C

ttelben nem kellett ezt a felttelt garantlni.
1/(p1)
e(0) < 1 felttel
azt jelenti, hogy az (1.3.1) egyenlsgbl csak akkor kvetkezik a konvergencia, ha a sorozat nulladik eleme elegenden kzel van a hatrrtkhez. Az elsrend konvergencihoz az 1.3.3.
1.3.2. Fggvnyek konvergenciavizsglata

Trjnk t a fggvnyek konvergenciavizsglatra. Numerikus szempontbl azok a vals-vals nemnegatv fggvnyek rdekesek, melyek nullban nullhoz ill. vgtelenben vgtelenhez tartanak. Most ezek jellemzsvel fogunk foglalkozni. Jelentsen
0-t
vagy
-t.
Tegyk fel, hogy
g:RR
f :RR
olyan fggvnyek, melyek
rtelmezsi tartomnyai metszetnek
torldsi pontja, s mindkt fggvny
-hoz
6
tart
-ban.
A kt fggvny konvergencijnak kapcsolatt fejezi ki az albb denilt ord
jells.
6 Az ord jells Edmund Landau (Edmund Georg Hermann Landau (1877 Berlin 1938) nmet matematikus nevhez fzdik. Bvebb letrajz: http://www-groups.dcs.st-and.ac.uk/~history/Biographies/Landau.html
1.3.
1.3.8. denci.
Ha azt rjuk, hogy albbi viszonyt rtjk: Vannak olyan
g(x) = O(f (x)) (x ) (ejtsd: "ord ef"), akkor ezen a g s f fggvnyek > 0 s C > 0 konstansok, mellyekkel |g(x)| C|f (x)| minden olyan kzs rtelmezsi tartomnybeli elemre, melyek sugar krnyezetbe esnek. A nulla sugar krnyezetn a szokott mdon a (, ) intervallumot, a vgtelen sugar krnyezetn az (1/, ) intervallumot rtjk.
Ha a szvegsszefggsbl vilgos, hogy mely
pontban nzzk a hatrrtket, akkor ennek fggvny esetn, hogy Termszetesen
jellst el szoktuk hagyni. A denci alapjn rhatjuk a (x
),
hiszen
C = 2
g(x) = 2x2 4x + 2 = 1 megfelel vlaszts.
g(x) = O(x2 ) g(x) = O(x3 ) is igaz,
de a gyakorlatban treksznk a legkisebb lehetsges hatvnykitev megadsra. Nyilvnvalan
g(x) = O(x). 2 A g(x) = 4x 2x fggvnyrl rhatjuk, hogy g(x) = O(x) (x 0), hiszen C = 4 s = 1 megfelel vlaszts. Ha 1 < x < 1, akkor 4x 2x2 4x. Nyilvnvalan g(x) = O(1) is igaz, de a gyakorlatban treksznk a legnagyobb lehetsges x-hatvny megadsra. Nyilvnvalan g(x) = O(x2 )
1.3.9. plda.
Az ord jells alkalmazsra tovbbi pldaknt tekintsk az
ex
exponencilis
fggvny Taylor-sorfejtssel val kzeltst az polinommal kzeltnk, akkor
x0 = 0
pontban. Ha a msodrend Taylor-
ex = 1 + x +
x2 e + x3 , 2! 3!
megfelel
ahol az utols n. Lagrange-fle maradktagban konstans. Mivel
kz es (x-tl fgg)
e 3 e x x3 , 3! 3! O(x3 ).
Teht a Taylor-polinommal
ha
0 x 1,
ezrt a maradktag helyett rhatjuk, hogy
val kzelts
ex = 1 + x +
x2 + O(x3 ) 2!
alak lesz. Hasonl felrs minden olyan esetben megtehet, amikor a Lagrange-fle maradktagban szerepl derivlt korltos a nulla egy krnyezetben.
Az ord jellst gyakran alkalmazzuk olyan esetekben, amikor egy kzelts hibjt adjuk meg egy paramter fggvnyben.
1.3.10. denci.
Azt mondjuk, hogy a elemnek (legalbb)
v(h) h pozitv vals r 1-edrend kzelts,
paramtertl fgg kzeltse egy ha
v (V, )
v(h) v = O(hr ) (h 0). v(h) v = O(hr ),
Az fenti dencibl s az ord jells dencijbl kvetkezik, hogy ha akkor van olyan
K > 0 konstans, hogy v(h) v Kh minden elegenden kis abszoltrtk h paramterre. A dencibl az is kvetkezik, hogy ha v(h) legalbb elsrend kzelts, akkor limh0 v(h) = v , msrszt ha pl. felezzk a h paramter rtkt, akkor kb. 2r -ed rszre cskken a v(h) v hiba.
1.
Elismeretek
1.3.11. plda. Kzeltsk egy ktszer folytonosan dierencilhat fggvny esetn a derivlt
rtkt egy
x0
pontban az
f (x0 + h) f (x0 ) h
hnyadossal. A Taylor-ttel miatt
f (x0 + h) = f (x0 ) + hf (x0 ) +

alakban rhat, ahol
h2 f () 2
megfelel
x0
x0 + h
kz es konstans. Teht
f (x0 ) + hf (x0 ) + h2 f ()/2 f (x0 ) f (x0 + h) f (x0 ) = = f (x0 ) + hf ()/2. h h

Figyelembe vve, hogy
ktszer folytonosan dierencilhat, azaz
vges, zrt intervallu-
mon korltos, az ord jellst hasznlva rhatjuk, hogy
f (x0 + h) f (x0 ) = f (x0 ) + O(h). h

Teht az adott hnyados elsrend kzeltse az els derivltnak az
x0
pontban.
hogy
r-edrend elg megmutatnunk, v(h) v = O(hr ). Gyakran azonban pontosan is ismerjk az O(hr ) hibatagot (az 1.3.11. pldban pl. hf ()/2), ami lehetsget ad magasabbrend kzeltsek megadsra. Ezt az eljrst Richardson-extrapolcinak nevezzk. ltalnosan a Richardson-extrapolci az albbi mdon mkdik. Tegyk fel, hogy v(h) v -nek p-edrend kzeltse, s a hibt felrhatjuk v(h) v = g(h)hr alakban, ahol g : R (V, ) h-nak folytonosan dierencilhat fggvnye. Ekkor, ha h/2 rtkkel is kiszmtjuk a kzeltst, akkor v(h/2) v = g(h/2)hr /2r addik. A kt kzeltst
A denci alapjn annak igazolshoz, hogy egy kzelts ezek utn a
mdon slyozva
hr 2r v(h/2) v(h) = v + (g(h/2) g(h)) r 2r 1 2 1 g(h/2) g(h) hr+1 = v + O(hp+1 ) =v h/2 2(2r 1) eggyel magasabbrend kzeltst kapjuk a v elemnek.
Tekintsk az elz pldnkat, melyben a derivltat az
(1.3.3)
1.3.12. plda.
f (x0 + h) f (x0 ) = f (x0 ) + O(h) h

mdon kzeltettk. Ez a felrs termszetesen mutatja az elsrend konvergencit, de amint lttuk, az
O(h)-val
jellt hiba rtke pontosan is ismert, nevezetesen a hiba
hf ()/2,
azaz
f (x0 + h) f (x0 ) = f (x0 ) + hf ()/2. h

rjuk fel ezt a kzeltst felezve a
(1.3.4)
paramtert (1.3.5)
f (x0 + h/2) f (x0 ) = f (x0 ) + hf ()/4, h/2
1.4.
A MATLAB programcsomag
ahol most ha
x0
x0 + h/2
elegenden kicsi, akkor
ezt annak ellenre, hogy egyenletet. Ekkor ha
f folytonos fggvny, ezrt f () s f () is elegenden kzel lesz egymshoz (mondhatjuk s rtke nem ismert) s f (x0 )-hoz is. A h els hatvnyait
kz es megfelel konstans. Mivel
tartalmaz tagok kiejtse rdekben vonjuk ki az (1.3.5) egyenlet ktszeresbl az (1.3.4)
hromszor is folytonosan derivlhat, akkor azt kapjuk, hogy
2(f (x0 + h/2) f (x0 )) f (x0 + h) f (x0 ) h/2 h =f (x0 ) + h(f () f ())/2 = f (x0 ) + =f (x0 ) +
ahol
h f () f () ( ) 2
h f ( )( ) = f (x0 ) + O(h2 ), 2
kz
esik, azaz a kzelts rendje eggyel nagyobb lett.
1.4. A MATLAB programcsomag

A MATLAB trtnete az 1970-es vek kzepn kezddtt. Cleve Moler, az j-Mexiki Egyetem numerikus mdszerek tanra felismerte, hogy ahelyett, hogy a hallgatk az egyes numerikus eljrsok FORTRAN-ban val programozst csinlnk az rkon, az egyes numerikus eljrsokat elre megrt programokkal tesztelhetnk. gy a programrs helyett az algoritmusok vizsglatra lehet koncentrlni. Cleve Moler elksztett egy programcsomagban pr fggvnyt a dikjai szmra. 1984-ben egy Jack Little nev villamomrnk vendgeskedett Molernl, akinek nagyon megtetszett a programcsomag. is segtett programokat rni, s segtett a korbbi fggvnyek C-nyelvre val trsban. 1985-ben magalaptottk a MathWorks cget, amely mind a mai napig a MATLAB fejlesztje s forgalmazja. A MATLAB fggvnyek (m-fjlok) f egysge a mtrix, minden eljrs mtrixokon alapul. Innt is kapta tulajdonkppen a nevt, ami a MATrix LABoratory szsszettelbl szrmazik. A program parancsainak szintaxisa jl megjegyezhet s knyelmes, a fggvnyek szerkezete egyszer s knnyen ttekinthet. A korbban denilt fggvnyek felhasznlhatk jabb fggvnyek denilsra is. gy a MATLAB-ban az eljrsok sokkal gyorsabban megrhatk, mint ms programozsi nyelveken. Tbb olyan weblap tallhat az interneten, ahova a MATLAB felhasznli tltttek fel rszletes lerssal m-fjlokat (pl.
http://matlabdb.mathematik.uni-stuttgart.de/index.jsp).
Klnbz alkalmazsi terletekhez kln eszkztrak (toolbox) kszltek, gy van pl. statisztikai, jelfeldolgozs, vagy parcilis dierencilegyenletek eszkztr. Tbb terlethez kszlt interaktv alkalmazs, ahol egyszeren menbl llthatk bizonyos eljrsok paramterei. A MATLAB htrnyai kztt szoks emlteni ms matematikai programokkal szemben, hogy numerikusan hajtja vgre a szmtsokat, ahol a numerikus szmtsok pontossga behatrolt (lsd rszletesen a 2.5. fejezetet). A numerikus szmtsi md azonban a legtbb valdi alkalmazsokat tartalmaz feladat esetn az egyetlen lehetsges megoldsi md, mivel szimbolikusan nem lehet a megoldst ellltani. Szimbolikus szmtsok vgezhetk a MATLAB-ban pl. a symbolic vagy a MAPLE for MATLAB (http://www.maplesoft.com/products/maplematlab/) eszkzMATICA (http://www.maplesoft.com/, tr segtsgvel, vagy a specilisan szimbolikus szmtsokra kifejlesztett MAPLE vagy MATHE-
http://www.wolfram.com/)
programok segtsgvel.
Msik htrnyknt emltik, hogy a fggvnyek futsi ideje lassabb, mintha azokat
C -ben
vagy
ms hasonl programozsi nyelven rtuk volna. Ezt a htrnyt rszben kompenzlja viszont az, tankonyvtar.bme.hu 35
1.
Elismeretek
hogy a programok megrsa sokkal gyorsabb s knyelmesebb eljrs, mint ms nyelveken. A programcsomag irnt mlyebben rdekld olvasknak ajnljuk a magyar nyelven elrhet [33] knyvet vagy a MATLAB-ot forgalmaz cg egyik alaptja ltal rt s online is elrhet linkek s informcik is. Ezen jegyzetnek nem clja a MATLAB programcsomag bemutatsa s rszletes ismertetse. Mgis, mivel a numerikus szmtsok legelterjedtebb s szinte nlklzhetetlen eszkze a MATLAB, minden fejezet vgn sszegyjtjk a fejezettel kapcsolatos MATLAB parancsokat. Mivel csak a numerikus eljrsokkal kapcsolatos parancsokra szeretnnk koncentrlni, gy feltesszk, hogy az Olvas ismeri mr az alapvet MATLAB parancsokat. Ezek cmszavakban a kvetkezk: sor- s oszlopvektor megadsa, mtrixok megadsa, mveletek mtrixokkal, mveletek elemenknti elvgzse, hivatkozs mtrixok elemeire ill. almtrixaira, nevezetes mtrixok megadsa (egysgmtrix, nullmtrix, Toeplitz-mtrix, diagonlis mtrix), a : jells, a for s a while ciklusok alkalmazsa, az if elgazs, mtrixok inverznek, determinnsnak s rangjnak szmtsa. A szemlltet brkat ill. az egyes eljrsokat bemutat fggvnyeket is MATLAB-ban ksztettk. A fggvnyekhez tartoz m-fjlok elektronikusan is elrhetk, vagy egyszeren e jegyzetbl egy res m-fjlba msolhatk. [25] knyvet. Nagyon hasznosak tovbb a MATLAB honlapjn (www.mathworks.com) tallhat
1.5. A fejezettel kapcsolatos MATLAB parancsok

Most felsoroljuk azon MATLAB parancsokat, melyek a bevezet fejezetben szerepl fogalmakkal kapcsolatosak. Az egyszersg kedvrt konkrt pldkat mutatunk az alkalmazsra.
>> A=[1,2,3;4,5,6] % mtrixmegads A = 1 4 2 5 3 6
>> norm(A,2), norm(A,1), norm(A,inf) % A 2-es, 1-es s maximumnormk kiszmtsa ans = 9.50803200069572 ans = 9 ans = 15 >> B=A*A' B =
1.5.
A fejezettel kapcsolatos MATLAB parancsok
14 32
32 77
>> eig(B) % A B mtrix sajtrtkeinek kiszmtsa ans = 0.59732747374606 90.40267252625394 >> [V,L]=eig(B) % A B mtrix sajtvektorainak (V oszlopvektorai) % ill. sajtrtkeinek kiszmtsa (L diagonlis elemei) V = -0.92236578007706 0.38631770311861 L = 0.59732747374606 0 0 90.40267252625394 >> C=[1 2 3; 4 5 6; 7 8 9] % mtrixmegads C = 1 4 7 2 5 8 3 6 9 0.38631770311861 0.92236578007706
>> tril(C) % A C mtrix als hromszg rsze ans = 1 4 7 0 5 8 0 0 9
>> triu(C) % A C mtrix fels hromszg rsze ans = 1 0 0 2 5 0 3 6 9
>> diag(C) % A C mtrix diagonlist tartalmaz oszlopvektor ans =
1.
Elismeretek
1 5 9 >> diag(diag(C)) % A C mtrix diagonlis mtrixa ans = 1 0 0 0 5 0 0 0 9
1.6. Feladatok
Normk 1.6.1. feladat. Azonostsuk
R2
elemeit a sk pontjaival! Adjuk meg a skon azon pontok halma-
zt, melyek tvolsga az origtl kisebb, mint egy! Hasznljuk az 1-es, 2-es s maximumnormkat!
1.6.2. feladat. Igazoljuk az 1.1.24. ttelben szerepl formult a maximumnorma kpletre! 1.6.3. feladat. Igazoljuk az 1.1.27. ttel lltsait! 1.6.4. feladat. Igazoljuk az 1-es, 2-es s maximumnormk ekvivalencijt az ekvivalencia dencijban szerepl
c1
c2
konstansok megkeressvel!
1.6.5. feladat. Tekinsk az
A := maxi,j=1...,n {|aij |} mtrixnormt! Igazoljuk, hogy ez val-
ban norma. Mutassuk meg, hogy nem lehet vektornormbl szrmaztatni! 1.6.6. feladat. Igazoljuk, hogy induklt mtrixnorma esetn
A = max { AB }.
B
1
1.6.7. feladat. Igazoljuk, hogy ha dels vektornorma brmilyen
A nemszingulris mtrix, akkor az x

S,D
:= Ax
hozzren-
vektornorma esetn! norma valban vektornor-
1.6.8. feladat. Igazoljuk, hogy az 1.2.32. ttelben szerepl ma! 1.6.9. feladat. Egy
mtrix Frobenius-normjt az albbi kplettel szmtjuk:
n i=1
hogy ha
n j=1
a2 . Igazoljuk, hogy ij
2 F
= tr(A A), ahol a tr() jells az adott mtrix ftlbeT
li elemeinek sszegt jelenti (amely megegyezik a sajtrtkek sszegvel is). Igazoljuk tovbb,
A s B ortogonlisan hasonlk, akkor Frobenius-normjuk megegyezik.

V x=
1.6.10. feladat. Legyen egy vges dimenzis azt a hozzrendelst, amely egy tetszleges
vektortrben v1 , . . . , vn egy bzis. Tekintsk n i=1 i vi V vektorhoz (i K) a
(x) =
i=1
|i |2
1.6.
Feladatok
rtket rendeli. Igazoljuk, hogy a 1.6.11. feladat. Tekintsk az
fggvny norma!
mon. Deniljuk egy adott
f ktszer folytonosan derivlhat fggvnyt az [a, b] intervallun termszetes szm esetn az xk = a + k(b a)/n (k = 0, . . . , n) T n+1 n+1 s f (xn ) = [f (x0 ), . . . , f (xn )] R . Igazolosztpontokat, s legyen xn = [x0 , . . . , xn ] R juk, hogy rvnyes az albbi konzisztenciatulajdonsg: vannak olyan pozitv n-tl fggetlen c1 , c2
konstansok, melyekkel
c1 f (xn )
C[a,b]
c2 f (xn )
(tmutats: Az
f (x) 0
fggvnyre nyilvnval az llts. Egybknt
c1 = 1
megfelel. A msik
becslshez pedig hasznljuk ki, hogy a szakaszonknt lineris interpolcis fggvny interpolcis hibja egy ktszer folytonosan derivlhat fggvny esetn fellrl becslhet az mon az
[a, b]
intervallu-
kifejezssel (6.2.5. ttel), ahol
M2
egy
M2 (b a)2 8n2 fels becsls f f
C[a,b] -re.)
fggvnyt. Igazoljuk, hogy
1.6.12. feladat. Tekintsk az elz pldban adott
L2 [a,b]
:=
L2 [a,b] nem konzisztens az elz feladatban szerepl denci rtelmben, de az f ( n ) l2 := f ( n ) 2 /n norma (ezt is 2 igazoljuk!) mr konzisztens lesz f L2 [a,b] -vel! (tmutats: Az els rsz igazolshoz tekintsk az f (x) 1 fggvnyt. A msodik rsz igazolshoz vegyk szre, hogy (f 2 (x0 ) + . . . + f 2 (xn1 ))/n b 2 az f (x) dx integrl egy kzelt sszege.) a
b a
f 2 (x) dx normt ad meg C[a, b]-ben. Igazoljuk, hogy f (xn )
2 s
1.6.13. feladat. Tegyk fel, hogy az hogy valamilyen
pozitv egszre a
F : [a, b] [a, b], F ([a, b]) [a, b] fggvnyre igaz, T := F m = F F . . . F fggvny kontrakci az [a, b]
fggvnyt. Igazoljuk,
intervallumon. Igazoljuk, hogy az 1.6.14. feladat. Tekintsk az hogy
fggvnynek pontosan egy xpontja van!
F : [1, ) [1, ), F (x) = x/2 + 1/x
kontrakci. Hatrozzuk meg a lehet legkisebb kontrakcis tnyezt! Adjuk meg
x-
pontjt! 1.6.15. feladat. Tegyk fel, hogy a Banach-fle xpontttel felttelei kzl a kontrakcis felttelt
( 0 L < 1, F (x) F (y) L x y , x, y H)
kicserljk az
F (x) F (y) < x y , x, y H

felttelre. Igazoljuk, hogy ekkor xpont. Vizsgljuk az
F -nek maximum egy xpontja lehet, de F : [1, ) [1, ), F (x) = x + 1/x fggvnyt!
az is lehet, hogy nincs
Nevezetes mtrixok 1.6.16. feladat. Igazoljuk, hogy ha
A Rnn
ferdn szimmetrikus, akkor az
(E + A)1 (E A)
mtrix (
A n. Cayley-transzformltja) ortogonlis!
1.6.17. feladat. Igazoljuk, hogy ha egy Hessenberg-mtrix szimmetrikus, akkor tridiagonlis! 1.6.18. feladat. Igazoljuk, hogy fels hromszgmtrixok szorzata s inverze (ha ltezik) is fels hromszgmtrix! 1.6.19. feladat. Igazoljuk, hogy ha egy diagonlis mtrix! tankonyvtar.bme.hu 39
fels hromszgmtrixra
TT T = TTT ,
akkor
1.
Elismeretek
1.6.20. feladat. Legyen olyan
g > 0
vektort,
Q = tridiag [1, 2, 1] R33 . Ez a mtrix M -mtrix. Adjunk meg mellyel Qg > 0. Hogyan lehetne a g vektort megadni, ha Q n n-es
3 3-as
mtrixa pozitv denit mtrix!
mtrix? 1.6.21. feladat. Igazoljuk, hogy az elz feladat 1.6.22. feladat. Legyen
1 C = 0.1 0.2
Igazoljuk, hogy mtrix kiszmtsa nlkl. Sajtvektor, sajtrtk
0.1 1 0.1
0.2 0.1 . 1
C invertlhat, s adjunk fels becslst az inverz mtrix 1-es normjra az inverz
1.6.23. feladat. Igazoljuk, hogy ha egy szimmetrikus mtrix minden sajtrtke pozitv, akkor az pozitv denit mtrix. (Igazoljuk, hogy ha egy mtrix szimmetrikus, pozitv szemidenit, s determinnsa zrustl klnbz, akkor a mtrix pozitv denit! Igazoljuk, hogy ha egy szimmetrikus M-mtrixnak szigoran dominns a ftlja, akkor a mtrix pozitv denit!) 1.6.24. feladat. Adjuk meg az albbi mtrixok sajtvektorait s sajtrtkeit! Ha lehetsges, akkor diagonalizljuk ket!
0 A= 0 8
1 0 0 1 12 6
3 B= 1 1
2 4 2
4 4 2
5 C= 1 1
1 3 1
1 1 3
A R(2m+1)(2m+1) det A = 1 s A ortogonlis, akkor 1 sajtrtke A-nak!

1.6.25. feladat. Igazoljuk, hogy ha 1.6.26. feladat. Hatrozzuk meg az hogy
olyan ngyzetes mtrix, melyre
A vvT
mtrix sajtrtkeit s sajtvektorait, ha tudjuk,
egy szimmetrikus mtrix, melynek
egy sajtrtke, s
a hozz tartoz sajtvektor!
Ellenrz krdsek
1. Melyek a nevezetes vektornormk? 2. Hogyan lehet vektornormbl mtrixnormt ltrehozni? Adjuk meg, hogy a nevezetes vektornormk esetn melyek ezek a mtrixnormk! 3. Milyen tulajdonsgai vannak az induklt mtrixnormknak? 4. Milyen kapcsolat van egy mtrix spektrlsugara s induklt normja kztt? 5. Ismertessk a Banach-fle xpontttelt! 6. Ismertessk a Gersgorin-tteleket! 7. Milyen mtrixokat hvunk M-mtrixnak? Hogyan ellenrizhet ez a tulajdonsg egy adott mtrix esetn?
2. Modellalkots s hibaforrsai
Ebben a fejezetben bemutatjuk azt, hogy az egyes tudomnygak ltal felvetett problmk megoldsa sorn milyen t vezet a numerikus eljrsok alkalmazshoz. Megvizsgljuk, hogy ezen folyamat alatt milyen hibk terhelhetik a vgleges megoldst. Bevezetjk a kondciszm fogalmt, amely azt mri, hogy egy feladat mennyire rzkeny a hibkra. Vgl megismerjk a lebegpontos szmbrzolst.
2.1. Modellalkots
A numerikus matematika a folytonos matematika problmihoz konstrul megoldsi eljrsokat, s elemzi azokat hatkonysguk szempontjbl. Ilyen eljrsokra ltalban azrt van szksg, mert a folytonos problmt nem, vagy csak nagy nehzsgek rn (sok id vagy pnz) lehetne egzaktul megoldani. A folytonos matematikai problmk ltalban valamilyen ms tudomnyg terletrl szrmaznak, pl. a zika, kmia vagy a kzgazdasgtan terletrl, s mg eljutunk a feladat megoldsig, ltalban tbbfajta egyszerstssel, modellel kell lnnk. Ezeket a lpseket szemllteti a 2.1.1. bra. Br ebben a jegyzetben csak a numerikus s a szmtgpes modellekkel A megoldand problma
Tudomnyos modell
Matematikai modell
Numerikus modell Szmtgpes modell

2.1.1. bra. Egy problma megoldshoz vezet modellek.
fogunk foglalkozni, most egy plda erejig bemutatjuk a modellalkots tbbi lpst is. Pldaknt tekintsk azt a zikai feladatot, amikor egy inga lengsidejt szeretnnk meghatrozni. Esetnkben ez a
megoldand problma.
A feladat megoldshoz termszetesen lnnk kell bizonyos alapfeltevsekkel, pl. azzal, hogy az ingt gy tekintjk, mint egy slytalan ktlen lg pontszer testet, valamint hogy elhanyagolhatjuk a srldsbl s a kzegellenllsbl szrmaz vesztesgeket. A feladatot gy az energiamegmarads trvnyt hasznlva oldhatjuk meg. Ez a modell. Bevezetve az
tudomnyos,
jelen esetben a zikai
m jellst a pontszer test tmegre, az l
jellst a ktl hosszra s
g -vel jellve
a gravitcis gyorsulst, az energiamegmarads trvnye az
1 2 ml ( (t))2 + mgl(1 cos (t)) = mgl(1 cos ) 2

41
2.
Modellalkots s hibaforrsai
alakban rhat fel, ahol
(t)
a fggleges egyenessel bezrt szgt adja meg az ingnak a
id
fggvnyben. Feltesszk, hogy a trendezsbl addik, hogy
t=0
idpillanatban ez a szg
volt ((0)
= ).
Az egyenlet
(t) =
(Az elengedstl a fggleges helyzetig a oldalt a
2g l
cos (t) cos .
(t) szgsebessg negatv). Innt szeretnnk a lengsidt
meghatrozni. Ehhez osszuk el az egyenlet mindkt oldalt a jobb oldallal, s integrljuk mindkt
[0, T /4]
intervallumon, ahol
jelenti a keresett lengsidt.
T /4 0
(t)
2g l
dt = T /4.
cos (t) cos sin = sin(/2)/ sin(/2)
Ktszer alkalmazva a helyettestses integrls kplett (msodszor a helyettestssel) a lengsidre az albbi kifejezst kapjuk:
T =2 2 l g
l g
1 d cos cos 1 d.
/2 0 2
=4
1 sin (/2) sin2
Ez a
matematikai modell.
Az integrl explicit alakban nem adhat meg (elliptikus integrlrl van sz), gy az integrl rtkt valamilyen numerikus integrlsi eljrssal kell kzeltennk (lsd a 8. fejezetet). Ez adja a
numerikus modellt.
szmtgpes modellt. Pl. l = 1m s g = 9.8m/s2 vlaszts esetn = 5 -os kezdeti kitrs esetn T = 2.008035541s addik lengsidnek, mg = 90 -ra T = 2.369049722s.
1/ 1 x fggvnyt az x = 0 pontban sorbafejtjk, a sorfejtst alkalmazzuk x = sin2 (/2) sin2 vlasztssal, majd elvgezzk az integrlst. Ekkor azt kapjuk, hogy
gy, hogy az Szoksos eljrs az is, hogy a matematikai modellben szerepl integrlt tovbb egyszerstjk az
A numerikus modell ltal meghatrozott szmtsokat szmtgpen vgezzk el. Ez adja a
T = 2
ahonnt a lengsid becslhet a
l g
1+
1 sin2 + . . . 4 2
(2.1.1)
T = 2
l g T = 2.007089923s
rtk addik, ami elg
kplettel, amennyiben feltesszk az eredeti feladatban, hogy csak kis kitrsekre szeretnnk a lengsidt megadni. A pldban szerepl adatokkal a j kzeltse az
= 5 -ra
szmtott korbbi rtknek.
2.2. A modellalkots hibaforrsai

A modellalkotsi folyamat sorn szmtalan helyen kvethetnk el hibkat. Ezek termszetes velejri a modellalkotsnak. A clunk az, hogy a modellekben lv hibkat megbecsljk s kontrollni tudjuk. Ha a modellalkots vgn nyert eredmny nem egyeztethet ssze az eredeti feladattal, 42 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
2.2.
A modellalkots hibaforrsai
akkor a pontosabb megolds rdekben a becslsek alapjn tudunk vltoztatni a modelleken. Megjegyezzk, hogy a hiba jelenlte egy modellben nem felttlenl rossz. Gondoljunk csak arra, hogy bizonyos esetekben ppen a hiba jelenlte eredmnyezi azt, hogy meg tudjuk oldani egzaktul a matematikai modell egyenlett (pl. az inga pldjban a (2.1.1) sorfejts csonkolsa). Vegyk most sorra a modellalkots legfontosabb hibaforrsait (2.2.1. bra)!
Modellhiba: ltalban a tudomnyos modellek nem tkrzik teljesen a valsgot. Az ebbl szrmaz hibt
modellhibnak
nevezzk. Az ings pldban pl. a ktl tmege biztosan
nem hanyagolhat el, a test sem tekinthet pontszernek, s kzegellenlls is van, stb. Ezek elhanyagolsbl hiba kerl a modellbe.
Mrsi hiba: A valdi problma vizsglathoz szksgnk van bizonyos paramterek rtkre. Ezeket ltalban mrnnk kell. Innt
mrsi hiba
kerl a modellbe. Az ings pldban
pl. meg kell mrnnk a ktl hosszt, s tudnunk kell a gravitcis gyorsuls rtkt.
Kplethiba: Amikor egy kpletet kezelhetsgnek rdekben gy egyszerstnk, hogy bizonyos rszeit elhagyjuk, vagy egyszerbbel helyettestjk, meg kis
kplethiba
keletkezik. Az ings
pldnl kplethiba keletkezett, amikor a (2.1.1) vgtelen sorbl csak az els tagot tartottuk
kezdeti kitrs esetn.
Diszkretizcis hiba: A numerikus eljrsok sorn keletkez hiba a
diszkretizcis hiba.
Abbl ered, hogy pl. a derivltat dierenciahnyadossal, az integrlt rszletsszeggel s ltalban a folytonos fggvnyeket n. rcsfggvnyekkel kzeltjk. Az ings pldban az integrl kzelt kiszmtsnl keletkezett diszkretizcis hiba.
Kerektsi s brzolsi hiba: Ha szmtgppel szmtunk ki valamit, akkor a bevitt adatokat brzolja a szmtgp a sajt szmrendszerben. Az ebbl ered hiba az
hiba. A szmtsok sorn kerekteni fog a szmtgp, azaz kerektsi hibt
brzolsi
kvet el. Az ings
pldnl ilyen hibkat kvettnk el a lengsid szmszer kiszmtsa sorn.
A valdi problma
modellhiba, mrsi (rkltt) hiba Tudomnyos modell
kplethiba
Matematikai modell
diszkretizcis hiba
Numerikus modell
kerektsi s brzolsi hiba
Szmtgpes modell
2.2.1. bra. A modellalkots hibaforrsai.
2.
A teljes modell elksztse sorn a modellhibn, a mrsi hibn s a kplethibn nem nagyon tudunk cskkenteni. Ezekrl el kell fogadnunk, hogy vannak (vagy ms modellt, pontosabb mrmszert vagy ms kpletet kell alkalmaznunk). Az brzolsi s kerektsi hibkrl is el kell fogadnunk, hogy vannak, de a mveletek gyes szervezsvel cskkenteni lehet ezeket. Ennek lehetsgeit a 2.5. fejezetben s az egyes numerikus mdszerekkel foglalkoz fejezetekben fogjuk majd bemutatni. A legtbbet a diszkretizcis hibval fogunk foglalkozni majd. Ez a hiba ltalban tetszlegesen kicsiv tehet, de ennek az az ra, hogy a szmtgpes modell megoldsa sokkal tbb idt fog ignybe venni.
2.3. A hiba mrse

Az elz fejezetben lttuk, hogy a modellalkotsi folyamat sorn milyen hibk kerlhetnek a modellbe. A hiba ltalban elkerlhetetlen a modellezs sorn, de annak nagysga ltalban becslhet. Legyen
egy normlt tr tetszleges eleme, melyet kzeltnk az
elemmel, amely a mrs,
kpletcsonkols, diszkretizci, szmbrzols vagy kerekts miatt eltr az
elemtl.
2.3.1. denci.
Az
xx
rtket, azaz a pontos
viszonytott)
abszolt hibjnak
s a kzelt
elem tvolsgt az
kzelts (x elemhez
nevezzk. Amennyiben
x = 0,
akkor az
xx x
hnyadost az
kzelts (x elemhez viszonytott)
relatv hibjnak
nevezzk.
Nyilvnval, hogy a relatv hiba sokkal jobban kifejezi a hiba nagysgt, hiszen az abszolt hibt a pontos rtk normjhoz viszonytva adja meg. Az abszolt s relatv hibkat ltalban nem ismerjk, hiszen kiszmtsukhoz szksgnk lenne a kzeltett s nem ismernk. Emiatt megadunk egy n. abszolt s relatv hibakorltot (jellsk ltalban
x elemre, amit termszetesen x
x),
melyek fellrl becslik a hibkat az
x x x
xx x x
mdon. Megjegyezzk, hogy a hibakorltokat is a rvidsg kedvrt ltalban csak egyszeren hibnak hvjuk. Az 1.1.10. ttelt alkalmazva az
x x x
sszefggsbl a
| x x | x
becslst nyerjk, s gy rhatjuk, hogy
x = (1 + ) x ,
valamilyen
(2.3.1)
|| x
konstanssal.
rdemes megvizsglni azt, hogy a vals szmokkal vgzett alapmveletek sorn hogyan viselkednek a hibk. Az egyszersg kedvrt azt vizsgljuk, hogy pozitv vals szmokkal elvgezve az alapmveleteket, mi trtnik a hibval. Legyen teht
az
pozitv vals sz-
x = (1 + x )x s y = (1+y )y , ahol |x | x s |y | y megfelel konstansok. Vezessk be mg a = max{x, y}

mok kzeltsnek egy-egy relatv hibakorltja. Ekkor a (2.3.1) egyenlsg miatt 44 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
2.4.
Feladatok kondicionltsga
jellst, melyrl feltesszk, hogy mindig egynl kisebb rtket vesz fel, az albbi kpletekben. Ekkor az sszeads abszolt hibja:
|( + y ) (x + y)| = |( x) + ( y)| = |x x + y y| (x + y) x x y
s relatv hibja
|( + y ) (x + y)| x . x+y
A kivons abszolt hibja
|( y ) (x y)| = |( x) ( y)| = |x x y y| (x + y) x x y
s relatv hibja
|( y ) (x y)| x x+y . |x y| |x y|
A szorzs esetn az abszolt hibra azt kapjuk, hogy
|(y ) (xy)| = |(1 + x )(1 + y )xy (xy)| = |x xy + y xy + x y xy| (2 + )xy x

s relatv hibja
|(y ) (xy)| x (2 + ). xy
Az oszts esetn az abszolt hiba
|(/) (x/y)| = |(1 + x )x/(1 + y )y (x/y)| = x y

s relatv hibja
(1 + x ) 1 (1 + y )
x y
1+ 1 1
x 2 x = y 1 y
|(/) (x/y)| x y 2 . x/y 1

A fenti hibabecsl kpletek kt dolog miatt tanulsgosak. Az egyik a kivons relatv hibja, amely kt egymshoz kzeli szm kivonsa esetn nagyon nagy lehet. Sokkal nagyobb, mint a kt kivont szm relatv hibja kln-kln. Kt szm osztsnl pedig az abszolt hiba lehet nagyon nagy, amennyiben az oszts nevezje sokkal kisebb, mint a szmllja. A tbbi esetben a hiba kicsi, ha
y hibja
is kicsi.
2.4. Feladatok kondicionltsga

A matematikai modellek ltalban (dierencil)egyenlet(rendszer)ek. Ezek ltalnosan az
F (x, d) = 0
alakban rhatk, ahol
(2.4.1)
let ismeretlenje (kimeneti adat),
d ismert mennyisget jell (ezek a feladat n. bemeneti adatai), x az egyenF pedig egy megfelel fggvny. A tovbbiakban feltesszk, hogy d s x is egy-egy normlt tr eleme, s . mindig az aktulis trbeli normt jelenti. Pldaknt 2 T gondolhatunk az ax + bx + c = 0 msodfok egyenletre, ahol a d = [a, b, c] vektor lehetne a beT men adat, az x = [x1 , x2 ] pedig a megoldsvektor, de gondolhatunk dierencilegyenletekre is, ahol d megadja a kezdeti- s/vagy peremfelttelt, x pedig a dierencilegyenlet peremfeltteleket
kielgt megoldsa.
2.
2.4.1. denci.
Azt mondjuk, hogy a (2.4.1) feladat egyrtelm megoldsa (jellse
K(, d) > 0
gy, hogy
korrekt kitzs, ha > 0 gy, hogy a feladatnak xd+d ) van minden olyan d + d esetn, melyre d , s xd+d xd K(, d) d (a megolds folytonosan fgg d-tl).
1
A fenti dencit Hadamard
alkalmazta dierencilegyenletekre vonatkoz kezdeti- s perem-
rtkfeladatok esetn [14]. Egyenesen azt lltotta, hogy csak korrekt kitzs feladatokkal rdemes foglalkozni, ami vissza is vetette egy idre ms feladatok megoldsnak vizsglatt. Mirt is kell nem korrekt kitzs feladatokkal is foglalkozni? ltalban vve azrt, mert ha a matematikai modellekbe mrsi adatok kerlnek, akkor az mr nem szolgltat korrekt kitzs feladatot. Pl. egy dierencilegyenlet megoldsa korrekt kitzs lehet, ha a peremfelttelt megad fggvnyt ismerjk. Ez pedig a gyakorlatban a legritkbb esetben fordul el, hiszen a fggvnyrtkeket csak mrni tudjuk, a mrseket pedig legfeljebb vges sok pontban tudjuk csak elvgezni. gy a feladatnak mr nem felttlenl ltezik egyrtelm megoldsa. Ebben a jegyzetben csak korrekt kitzs feladatokkal foglalkozunk. A matematikai zika s az analzis nem korrekt kitzs feladatainak j sszefoglalsa tallhat a [22] monogrban.
2.4.2. plda.
Nem korrekt kitzs feladat pl. az
x |{a R | a2 + a + d/4 = 0}| = 0

egyenlet megoldsa, ahol a
az
a2 + a + d/4 = 0
egyenlet megoldsainak szmt adja meg
d paramter fggvnyben. Knnyen lthat, hogy d < 1 esetn x = 2, d = 1 esetn x = 1, s d > 1 esetn x = 0. Azaz a d = 1 pontban a feladat nem korrekt kitzs. A megolds d paramtertl val folytonos fggse nem teljesl. Ha a d paramter valamilyen mrsi adat lenne, s pontos rtke d = 1 lenne, akkor ha egy kicsit is pontatlanul mrnk,
akkor lnyegesen megvltozik a feladat megoldsa.
2.4.3. plda.
Tekintsk az albbi kt egyenletrendszert!
5x1 331x2 6x1 397x2
= 3.5 = 5.2
4.9x1 331x2 6x1 397x2 x1
= 3.5 = 5.2
Lthat, hogy a kt egyenlet csak az els egyenlet
egytthatjban klnbzik. Ez az
egytthat a msodik egyenletrendszerben 2%-kal kisebb, mint az elsben. Ez ltszlag nem nagy klnbsg, de az els lineris egyenletrendszer megoldsa
x1 = 331.7, x2 = 5,
a msik
x1 = 8.1499, x2 = 0.1101,
amik igencsak tvol llnak egymstl. Ha az egytthat mrsi
eredmnybl szrmazik, akkor szinte semmit nem mondhatunk majd a megoldsrl, hiszen kis mrsi hiba is nagy vltozst eredmnyezhet a megoldsban. Legyen a els egyenlet
bemen adat az
x1
egytthatja, s a kimen adat az
x = [x1 , x2 ]T
megoldsvektor. Knny
ltni, hogy ez a feladat a
d=5
pontban korrekt kitzs, teht a megolds folytonosan fgg konstans nagyon nagy.
d-tl.
Akkor vajon mi okozza a megolds nagymrtk vltozst? Az, hogy a folytonossg
dencijban szerepl
K(, d)
1 Jacques Salomon Hadamard (18651963), francia matematikus. Fbb kutatsi terletei a dierencilegyenletek elmlete s a fggvnytan volt. Az nevhez fzdik a CauchyHadamard-ttel a hatvnysorok konvergenciasugarrl vagy az Hadamard-mtrixok vizsglata. Fontos szmelmleti eredmnye a prmszmttel, mely szerint az n-nl nem nagyobb prmszmok szma tart n/ ln n-hez, ha n tart vgtelenhez. Hadamard bvebb letrajza megtallhat pl. a http://www.gap-system.org/~history/Mathematicians/Hadamard.html honlapon.
2.5.
Gpi szmbrzols s kvetkezmnyei
2.4.4. denci.
A
(d) = lim
rtket a (2.4.1) feladat
d0
xd+d xd / xd d / d
nevezzk.
(relatv) kondciszmnak
A kondciszm teht szemlletesen azt mri, hogy pl. a bemen adat 1%-os megvltozsa hny szzalkos vltozst eredmnyez a megoldsban. Ha a kondciszm kicsi, akkor jl kondicionlt feladatrl, ha pedig nagy, akkor rosszul kondicionlt feladatrl beszlnk. Hogy mit rtnk kicsin vagy nagyon, az mindig az aktulis feladattl elvrt viselkeds fggvnye. A kondciszm, ahogy jeleztk is, a rtelmezhet.
paramter fggvnye. Amennyiben
xd
vagy
nulla, a relatv kondciszm nem
2.4.5. denci.
A
abs (d) = lim

rtket a (2.4.1) feladat
d0
xd+d xd d
nevezzk.
abszolt kondciszmnak
d
Korrekt kitzs feladatok esetn hat
egy krnyezetben az
xd+d = G(d + d)
alakban, ahol a
fggvnyt
xd+d (egyrtelm) megolds felrmegoldfggvnynek hvjuk. Amennyiben a
fggvny dierencilhat
d-ben,
a relatv kondciszmra a
(d) =
mg az abszolt kondciszmra a
G (d) d , G(d)
abs (d) = G (d)

formult nyerjk.
2.4.6. plda.
A 2.4.3. pldban szerepl egyenletrendszer esetn a kondciszmot 2-es nor-
mban szmolva
(5) 1985
addik, ami azt jelenti, hogy a
paramter 2%-os vltozsa a
megoldsvektor 2-es normjt 3970%-kal is megvltoztathatja. gy rthet, hogy a megolds annyira nagyot vltozhatott.
Termszetesen a modellalkots sorn kerlni kell a rosszul kondicionlt feladatokat, vagy legalbbis j tudnunk egy feladatrl, hogy annak megoldsa rosszul kondicionlt. Ennek jelentsge onnt ltszik, hogy egy rosszul kondicionlt feladatban, ha a bemen adatok mrsi eredmnyek, akkor egy kis mrsi pontatlansg is jelentsen megvltoztathatja a feladat megoldst.
2.5. Gpi szmbrzols s kvetkezmnyei

Ahhoz, hogy megrtsk, hogy a kerektsi s brzolsi hibk honnt szrmaznak, ismernnk kell, hogy a szmtgpek hogyan kezelik a vals szmokat. Termszetesen szmtalan kezelsi md ltezik. Mi ezek kzl a MATLAB ltal hasznlt dupla pontossg lebegpontos szmokkal fogunk foglalkozni. A MATLAB lebegpontos szmrendszere a kettes szmrendszeren alapszik. Ennek ellenre a konkrt szmpldkat tzes szmrendszerben mutatjuk be, hiszen azok sokkal megszokottabbak, s a jelensgek hasonlan rvnyesek a kettes szmrendszerben is. tankonyvtar.bme.hu 47
2.
2.5.1. plda.
hiszen
Felsorolunk nhny MATLAB ltal szolgltatott eredmnyt.
A MATLAB tg(/2) rtkre az
1.6331e + 016
s
rtket adja, ami nyilvnvalan hibs,
/2-nl
nincs is rtelmezve a tangens fggvny. de
21074 = 4.94066e 324,

ami megintcsak hibs.
21074 /2 = 0
21074 1.2 = 4.94066e 324 = 21074 ,
10310 =Inf.
sszetettebb pldaknt tekintsk az albbi eljrst Jelentse
rtknek meghatrozsra [15]:
yk
az egysgkrbe rt szablyos
2k -szg
flkerlett. Ekkor nyilvn
yk ,
ha
k .
Tovbb rvnyes az
yk+1 = 2k+1
rekurzi, ahol
1 2
1 (2k yk )2
y1 = 2, y2 = 2 2, . . . . Az itercit szmtgpen vgrehajtva az albbi szmokat kapjuk: y10 = 3.14158627, y12 = 3.14166137, . . . , y19 = 3.70727600, . . . . Azaz szemmel lthatan a sorozat nem tart -hez. Ebben a feladatban a matematikai vagy numerikus modell a rtkt szolgltatja, de a szmtgpes modell mr nem.
A szmtgp kt egysge jtszik fontos szerepet a szmtsok elvgzsnl. Az egyik a processzor (CPU=central processing unit), a msik pedig a memria. A processzor vgzi a mveleteket, a memriban pedig a mveletekhez szksges adatokat troljuk. Innt rgtn lthatjuk, hogy pl. irracionlis szmokat vagy vgtelen szakaszos tizedes trteket nem tudunk szmtgpen trolni. A memria mretnek korltozottsgbl kvetkezik, hogy csak vges sok racionlis szmot tudunk a memriban elhelyezni. Megjegyezzk, hogy mivel a szmtgpek a kettes szmrendszert hasznljk ltalban a trolshoz, ezrt pl. az hiszen az
1/10-et
sem tudjk pontosan eltrolni,
egyenlsg miatt kettes
1 1 1 1 1 1 1 = 4 + 5 + 8 + 9 + 12 + 13 + . . . 10 2 2 2 2 2 2 szmrendszerben az 1/10 vgtelen szakaszos tizedes
trt.
2
A vals szmok brzolsra a legelterjedtebb mdszer az n. lebegpontos szmbrzols. Ebben az esetben a vals szmot a
bk
a0 a1 a2 ap1 + 1 + 2 + + p1 0 b b b b b
a0 .a1 a2 . . . ap1 bk
(2.5.1)
alakban rjuk fel (ha lehet), ahol szma, s
a szmbrzols alapja,
a kitev (karakterisztika). Az
az alapnl kisebb nemnegatv egsz
p a szerepl szmjegyek (mantissza) ai (i = 0, . . . , p 1) szmjegyekrl feltesszk, hogy azok szmok. Ha a0 = 0, akkor azt mondjuk, hogy a felrt szm
normlalakban van. Ha normlalakban rjuk fel a szmokat, akkor az brzolsuk egyrtelm lesz. Termszetesen, ha egy vals szm nem rhat fel ilyen alakban, akkor a szmot kerektennk kell. Megmutathat, hogy a kerekts szoksos szablya miatt (nevezetesen, hogy az 5-s szmjegyet felfel kerektjk) a szmtsok rtke bizonyos esetekben felfel toldhat, gy a szmtgpek
2 A lebegpontos szmbrzols bevezetse Konrad Zuse (1910-1995) nmet mrnk nevhez kthet, aki tbb szmtgpet is ptett az ppen a msodik vilghborra kszld Nmetorszgban. Eredmnyeire nem gyeltek akkoriban fel. Mr 1941-ben ltrehozott egy jelfogkkal mkd, a lebegpontos kettes szmrendszeren alapul, teljesen programozhat szmtgpet [37].
2.5.
ltalban a prosra kerekts (angolul: round to even) szablyt hasznljk. Azaz pl. a 3.155-t a szoksos mdon 3.16-ra kerektjk felfel (a 6 pros), a 3.145-t viszont 3.14-re lefel kerektjk (a 4 pros). Knnyen lthat, hogy a lebegpontosan brzolhat szmok rendelkeznek az albbi tulajdonsgokkal:
Csak vges sok racionlis szmot tudunk ellltani. A lehetsges szmok nem alkotnak testet. Pl. nem kommutatv vagy asszociatv az sszeads). (pl.: ad a
123.4+0.04+0.03+0.02+0.01 ktfle sorrendben sszeadva ms-ms eredmnyt p = 4, b = 10, k = 2, . . . , 2 lebegpontos szmrendszerben (jellse: F (4, 2, 2)). F (4, 2, 2)-ben a legnagyobb elllt-
Az elllthat szmok korltos halmazt alkotnak. Pl. szmts eredmnye, akkor tlcsordulsrl beszlnk.
hat szm a 999.9, a legkisebb pedig -999.9. Ha ezeknl nagyobb abszolt rtk lesz egy
A nulla krl "relatvan nagy r van". Pl.
szm norml alakban 0.01, nem norml alakban
F (4, 2, 2)-ben a legkisebb pozitv elllthat 0.00001. Ha ezeknl kisebb pozitv szm
lesz a szmts eredmnye, akkor azt mr nullaknt brzolja a szmtgp (alulcsorduls).
Az 1 utni legkisebb elllthat szm az n. gpi epszilonnal (g ) nagyobb 1-nl. Az
F (4, 2, 2)
rendszerben ez
0.001. b = 2) lltja el 64 bitnyi trhelyet felhasz= +, 1 = ). 52 biten a mantisszt troljuk, pontosabban
A MATLAB dupla pontossg lebegpontos szmrendszere a kvetkez struktrj: A szmokat kettes szmrendszerben (a (2.5.1) ellltsban nlva. Egy biten troljuk az eljelet (0
annak a tizedespont utni rszt, hiszen normlalak esetn a tizedesponttl balra mindenkppen 1-esnek kell szerepelnie. 11 biten a karakterisztika troldik gy, hogy a kitevhz hozzadunk 1023-at, s az gy nyert szm 2-es szmrendszerbeli alakjt troljuk. gy a karakterisztika -1023-tl 1024-ig trolhat. A -1023-as karakterisztika a 0 (ha a mantissza is csupa nulla) ill. annak jelzsre szolgl, hogy az adott szm nincs normlalakban (ilyenkor az rtke
0.a1 . . . a52 21022 ).
A csupa 1-essel kdolt 1024-es karakterisztika specilis clokra foglalt. Ha a mantissza nem nulla, az azt jelenti, hogy a szmts mvelete nem szm (jellsben NaN = not a number). Ilyen pl. a
0/0
mvelet eredmnye. Ha a mantissza nulla, akkor az eljelbit szerint vagy
+-t,
vagy
-t
jell. A legnagyobb brzolhat pozitv szm az
M = 1. 111 . . . 111 21023 = 1.79769 10308

52db
s a legkisebb brzolhat pozitv szm
m = 0. 000 . . . 000 1 21022 = 4.94066 10324 .

51db
Vegyk szre, hogy mg az els szm normlalakban van, addig a msodik nem. A normlalakban brzolhat legkisebb pozitv szm az
1. 000 . . . 000 21022 = 2.22507 10308 .

52db
Az 1-et az
1 1. 000 . . . 000 20
52db
2.
mdon brzolhatjuk. Az 1-nl nagyobb legkisebb brzolhat szm az
1. 000 . . . 000 1 20 ,
51db
ami
g = 252 -nel nagyobb mint az 1. Jelentse fl(x) egy x R, M x M
vals szm lebegpontosan brzolt kpt.
2.5.2. ttel.
Legyen
M x M .
Ekkor
|fl(x) x|
0 ,
g |x| 2 ,
ha ha
|x| < 0 , 0 |x| M .
Bizonyts. A ttel els rsze trivilis. Essen kz. Legyen
az
xi
mantisszja
jegy, s karakterisztikja
xi < xj szomszdos k . Ekkor
lebegpontos szmok
|fl(x) x|
xj xi bp+1 bk g |x| = . 2 2 2
Az egy
gpi epszilon felt
gpi pontossgnak
nevezzk. Jellse
u.
A gpi pontossg teht a
lebegpontosan brzolt szmok relatv hibakorltja. A fenti ttel kzvetlen kvetkezmnye, hogy
M -nl
nem nagyobb abszolt rtk vals szm lebegpontos kpre igaz az
fl(x) = (1 + )x
egyenlsg, ahol
|| u.
Egy szmtgpes szmtst leegyszerstve gy kpzelhetjk el, hogy a processzor megkapja azt a kt szmot, amikkel mveleteket kell vgeznie, lebegpontoss alaktja ket, ezekkel pontosan elvgzi a mveletet, majd pedig kerekti az eredmnyt gy, hogy lebegpontosan brzolhat legyen. Legyen egy tetszleges mvelet vals szmok kztt. Ekkor az
vals szmokkal
szmtgpen a kvetkez rtket kapjuk a mvelet eredmnyre:
y := fl(fl(x) fl(y)).
Nzznk meg kt alapmveletet (a kivonst s az osztst), hogy hogy viselkedik lebegpontos szmokkal vgrehajtva! Elszr vizsgljuk a kivons relatv hibjt
(x, y > 0).
|x
y (x y)| |(x(1 + x ) y(1 + y ))(1 + ) (x y)| = |x y| |x y| |(xx yy )(1 + )| x+y + | | u(1 + u) + u, |x y| |x y|

(azaz kt egymshoz kzeli szmot vonunk ki egymsbl), akkor a
ahol
Ha
|x |, |y |, | | u. x kzel van y -hoz
klnbsg relatv hibja jval nagyobb lehet, mint a gpi pontossg.
kiegyszersdsnek
Kt kzeli szm kivonsnl abbl is ered hiba, hogy a mantissza hossza vges. Ezt a jelensget nevezzk. A jelensg szemlltetsre mutatunk be most kt pldt.
2.5.
2.5.3. plda. Tekintsk az F (10, 10, 10) szmrendszert. Ebben rjuk fel az albbi gykket:
9876 = 9.937806599 101 , 9875 = 9.937303457 101 .
Most vonjuk ki egymsbl a kt szmot.
9876
9875 = 0.000503142 101 = 5.03142 0000 103 .

rtelmetlen
A megjelen 4 darab nullnak a szmtsokhoz nincs semmi kze, abbl erednek, hogy a szmjegyeket balra toltuk a mantisszban a normlalak ltrehozshoz. A kiegyszersdst kikszblhetjk a nevezetes szorzat alkalmazsval:
9876
9875 =
1 = 5.031418679 103 . 9876 + 9875 2.6 107 ,
Jl mutatja a kt szmols kzti klnbsget, hogy az els rtk relatv hibja mg a msodik
1.6 1010 .
2.5.4. plda.
1
A 2.5.1. pldban is a kiegyszersds okozta a gondot. Ha
nvekszik, akkor
1 (2k yk )2
msodik tagja egyre kzelebb lesz 1-hez, gy kiegyszersds lp fel. A
jelensg nyilvn kikszblhet a kplet megfelel trsval, nevezetesen az
yk+1 = yk
2 1+ 1 (2k yk )2
iterciban mr nem lp fel kiegyszersds.
Most vizsgljuk az oszts hibjt! Legyenek
pozitv szmok.
y x/y =
x(1 + x ) x (1 + / ) y(1 + y ) y
=
ahol
x (1 + u)2 x x (1 + x ) (1 + / ) 1 1 = 3u + O(u2 ) , y (1 + y ) y 1u y
Ez mutatja, hogy az oszts abszolt hibja nagyon nagy lehet, ha a
|x |, |y |, |/ | u.
nevezben szerepl szm jval kisebb a szmllnl. Megjegyezzk, hogy a relatv hiba gpi pontossg) nagysgrend.
3u
(azaz
Azt, hogy a lebegpontos szmokkal milyen mdon kell szmolni ill. hogy hogy kell kerekteni ket, szabvnyok rgztik. A legelterjedtebb ilyen szabvny az IEEE 745-s (IEEE=Institute of Electrical and Electronics Engineers [16]). Az interneten tbb, a lebegpontos szmokat szemlltet alkalmazs rhet el. Ezek kzl ajnlunk kettt a [17, 38] honlapokon. A szmtgpen megrt programokat jl jellemzi az, hogy vgrehajtsuk sorn hny lebegpontos mveletet (+, , , /) hajtunk vgre. Ezek megszmolsval sszehasonlthatunk kt eljrst futsi sebessg szempontjbl. A mveletignyt ltalban
op eration).
f lop-ban szoktuk mrni ( oating point
2.
2.6. A fejezettel kapcsolatos MATLAB parancsok

>> realmin % A legkisebb bzolhat pozitv szm. ans = 2.225073858507201e-308 >> realmax % A legnagyobb bzolhat pozitv szm. ans = 1.797693134862316e+308 >> eps % A gpi epsilon. ans = 2.220446049250313e-016
Vgezznk el egy ksrletet arra vonatkozan, hogy a szmtgp mennyi id alatt hajt vgre lebegpontos mveletet. A futsi idt a mrhetjk. Vizsgljuk az sszeadst, a szorzst s az osztst.
108
tic (stopper indul) s toc (stopper megll) parancsokkal
>> x=sqrt(2); tic, for i=1:10^8 x=x+1; end, toc; x=sqrt(2); tic, for i=1:10^8 x=x*1.00000001; end, toc; x=sqrt(2); tic, for i=1:10^8 x=x/1.0000001; end, toc; Elapsed time is 47.930000 seconds. Elapsed time is 49.164000 seconds. Elapsed time is 66.737000 seconds.
Lthat teht, hogy az sszeadshoz s a szorzshoz szinte pontosan ugyanannyi id kellett, mg az osztshoz kb. 36%-kal tbb. Az adatok azt jelentik, hogy a hasznlt szmtgp kb. mveletet (specilisan szorzst) kpes 1 msodperc alatt elvgezni.
2106
2.7. Feladatok
Lebegpontos szmbrzols 2.7.1. feladat. Vizsgljuk meg, hogy korrekt kitzs-e az szer a
x+dy = 1, dx+y = 0 egyenletrend-
vals paramter fggvnyben! Adjuk meg a kondciszmot maximumnormban! kifejezs kondicionltsgt a d vltoz d rtkek esetn lesz korrekt kitzs a feladat? Adjunk meg olyan d rtket,
2.7.2. feladat. Vizsgljuk meg az fggvnyben! Milyen
x = d +
d2 4
melyre a (relatv) kondciszm 100-nl nagyobb! 52 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
2.7.
Feladatok
2.7.3. feladat. Az rozzuk meg mi is
a = 0.001 vlaszts mellett A = 11/(12a) rtke 0.002004008016. HatA-ra,

s vgezzk el
rtkt egy tzes szmrendszer, hatjegy mantisszs lebegpontos szmokat
hasznl szmtgpen! Javasoljunk numerikus szempontbl jobb szmolst gy is a szmolsokat! 2.7.4. feladat. Az trozzuk meg mi is
a = 1000 vlaszts mellett A = 1/( a + 1 a) rtke 63.26136064087. Ha-
hasznl szmtgpen! Javasoljunk numerikus szempontbl jobb szmolst gy is a szmolsokat! 2.7.5. feladat. Egy 10-es szmrendszeren alapul szmtgp a Hatrozzuk meg ezen a szmtgpen az kpletet az
A rtkt egy tizes szmrendszer, hatjegy mantisszs lebegpontos szmokat A-ra, s vgezzk el sin x, cos x, x2
fggvnyek
rtkeit pontosan szmolja, majd az eredmnyek brzolsnl hatjegy mantisszra kerekt.
f (x) = cos2 x sin2 x
fggvny rtkt az
x = 0.7854
helyen! Mekkora a szmtott eredmny relatv hibja? Indokoljuk az eredmnyt! Javasoljunk jobb
f (x)
rtk kiszmtsra!
2.7.6. feladat. rjunk MATLAB programot az
yk+1 = 2k+1
1 2
1 (2k yk )2
iterci vizsglatra! Hasonltsuk ssze az eredmnyt az
yk+1 = yk
itercival! Magyarzzuk meg az eltrst!
2 1+ 1 (2k yk )2
2.7.7. feladat. rjunk MATLAB programot az
ex = lim
i=0
xi i! x = 25)!
Mit tapasztalunk?
sor sszegnek kiszmtsra. Futtassuk negatv rtkek esetn (pl. Adjunk magyarzatot a jelensgre! Javasoljunk jobb mdszert 2.7.8. feladat. Legyen tissza hossza,
e25
kiszmtsra!
kmin
mantissza hossza, s
F (p, kmin , kmax ) a tizes alap lebegpontos szmok halmaza (p a mankmax pedig a minimlis s maximlis karakterisztikt jelentik), ahol p a kmin s kmax a karakterisztika legkisebb s legnagyobb rtke. Adjuk meg az F (1, 2, 2) rendszerben az 1/3, 1/900, 20200, (((2+0.1)+0.1)+ (((0.1 + 0.1) + 0.1) + + 0.1) + 2 rtkeket!
F (1, 2, 2) + 0.1)
rendszerben megadhat szmokat!
2.7.9. feladat. Adjuk meg az (10 sszeads),
2.7.10. feladat. Adjunk meg olyan lebegpontos szmrendszert (F (p, kmin , kmax )), melyben az albbi szmok brzolhatk! a) 5,50,500,5000; b) 5,5.5,5.55; c) 5,0.5,0.05,0.005; d) 5,55,555,5555. 2.7.11. feladat. Milyen lebegpontos szmrendszerben szmolhat kerekts nlkl
2.2 3.45, 1/80, 2 102 7 102 ?

2.
Ellenrz krdsek
1. Milyen tulajdonsgai vannak egy korrekt kitzs feladatnak? 2. Mikor mondjuk egy korrekt kitzs feladatrl, hogy rosszul kondicionlt? 3. Hogy brzolja a MATLAB a vals szmokat, s milyen kvetkezmnyei vannak ennek? 4. Soroljuk fel azokat a lebegpontos mveleteket, melyek nagy hibval rendelkezhetnek! 5. Mekkora a MATLAB gpi pontossga?
3. Lineris egyenletrendszerek megoldsa

Ebben a fejezetben azzal foglalkozunk, hogy hogyan oldhatunk meg ngyzetes, teljes rang mtrix lineris egyenletrendszereket. Elszr megismerkednk a lineris egyenletrendszer megoldsnak kondicionltsgval. Ezutn ismertetjk a Gauss-mdszert s a vele kapcsolatos mtrixfelbontsokat. Majd ttrnk az itercis megoldsokra. Nhny egyszer itercis eljrson kvl ismertetjk a gradiens s konjuglt gradiens mdszereket is.
3.1. Lineris egyenletrendszerek megoldhatsga

A lineris egyenletrendszerek ltalnos alakja a kvetkez. Tegyk fel, hogy adottak az szmok (i
aij
bi
= 1, . . . , m; j = 1, . . . , n).
Keressk azokat az
xj
szmokat (j
= 1, . . . , n),
melyekre
a11 x1 + + a1n xn = b1 a21 x1 + + a2n xn = b2

. . .
am1 x1 + + amn xn = bm .
Bevezetve az
aj = [a1j , . . . , amj ]T
jellst (j
is megfogalmazhat: keressk azokat az
xj
szmokat (j
= 1, . . . , n) az egyenletrendszer n. vektoros alakban = 1, . . . , n), mellyekkel a
b1 b2 b= . . . bm
vektor az
x1 a1 + + xn an = b
mdon rhat fel lineris kombinciknt. Az n. mtrixos, az elmleti vizsgldsok sorn a leggyakoribb, alak gy adhat meg, hogy bevezetjk az
a11 a21 A= . . . am1

n. egytthatmtrixot. Keressk azt az algebrbl jl ismert az albbi ttel.
a12 a22 am2
... ... ...
a1n a2n amn
x n-elem
oszlopvektort, mellyel
Ax = b.
A lineris
55
3.
Lineris egyenletrendszerek megoldsa
3.1.1. ttel. Egy Ax = b lineris egyenletrendszer akkor s csak akkor megoldhat, ha az A egytthatmtrix s a b vektorral kibvtett egytthatmtrix rangja megegyezik: r(A) = r(A|b). Ha az egyenletrendszer megoldhat s r(A) < n, akkor vgtelen sok megolds van, ha r(A) = n,
akkor egyrtelm a megolds.
Ebben a fejezetben egszen a 3.7. alfejezetig feltesszk, hogy az egyenletrendszer mtrixa ngyzetes, s hogy az egyenletrendszernek pontosan egy megoldsa van csak. Ennek szksges s elgsges felttele, hogy az mtrixokra is.
A Rnn mtrix determinnsa nulltl klnbzzn. Azt is feltesszk,
hogy az egyenletrendszer egytthati vals szmok. A ttelek knnyen tfogalmazhatk komplex
3.2. Lineris egyenletrendszerek kondicionltsga

Lttunk mr pldt arra, hogy az egytthatk kis vltozsra is sokat vltozhat egy lineris egyenletrendszer megoldsa. Ebben a fejezetben megvizsgljuk, hogy ez a vltozs minek a kvetkezmnye. Legyen teht egyenletrendszer megoldsa. Tekintsk elszr azt az esetet, amikor megvltoztatjuk, ms szval perturbljuk, az egyenletrendszer jobb oldali vektort (bemen adat) egy megfelel
A Rnn , b Rn
s det(
A) = 0.
Legyen
az
Ax = b
lineris
szer megoldsa (kimen adat) is megvltozik, azaz
vektorral. Ekkor ltalban az egyenletrendhelyett
x + x
lesz a megolds valamilyen
vektorral.
A(x + x) = b + b
Jelentsen
egy tetszleges vektornormt s az ltala induklt mtrixnormt. Ekkor a lineris
egyenletrendszer megoldsfggvnye
x = G(b) = A1 b,
gy a relatv kondciszm
(b) =
A1 b A1 A x = A A1 =: (A). x A1 b
A relatv kondciszm teht fellrl becslhet a mtrix s inverze normjnak szorzatval. Mivel ez a szorzat sokszor elfordul klnbz becslsekben, ezrt kln nevet adunk neki.
3.2.1. denci. nn Legyen A R

szmnak
regulris mtrix. Ekkor a
(A) = A A1
szmot a
mtrix kondci-
nevezzk.
A mtrixok kondciszma fgg a hasznlt mtrixnormtl. Ezt nha jelezni szoktuk a kondciszm indexeknt, azaz pl.
2 (A)
a 2-es normabeli kondciszmot jelenti.
3.2.
Lineris egyenletrendszerek kondicionltsga
3.2.2. ttel. nn Egy A R

(A) 1,
mtrix induklt mtrixnormban vett kondciszmra a kvetkez tulajdon-
sgok rvnyesek:
(A) = (A1 ), (A) = (A), = 0,

Ortogonlis mtrixra
2 (A) = 1, (A) |max /min |, tovbb 2 (A) = |max /min |, ahol max
Szimmetrikus mtrixokra s
min
a legnagyobb s legkisebb abszolt rtk sajtrtket jelenti.
Bizonyts. Az els llts kvetkezik az induklt mtrixnormkra vonatkoz
1 =
AA1 A A1
E =
becslsbl. A msodik s harmadik llts trivilis. A negyedik llts-
ban azt alkalmazhatjuk, hogy ortogonlis mtrixok
2-es
normja 1. A szimmetrikus mtrixokra
vonatkoz tdik llts az 1.2.30. s 1.2.31. ttelekbl s abbl kvetkezik, hogy regulris mtrix inverznek sajtrtkei az eredeti mtrix sajtrtkeinek reciprokai.
3.2.3. megjegyzs.
mrjk.
Termszetesen az elz ttelben a msodik s a harmadik tulajdonsg nem
csak induklt normra, hanem brmilyen mtrixnormra is teljesl. Teht csak az els lltshoz s az tdik llts els rszhez hasznltuk fel, hogy a kondciszmot induklt mtrixnormban
3.2.4. plda.
alakja gy
Nagyon nagy kondciszm mtrix pl. az n. Hilbert-mtrix. Az
Hilbert-mtrix elemeit
(n n)-es (Hn )i,j = 1/(i+j 1) mdon deniltak. Pl. a 66-os Hilbert mtrix H6 = 1 1/2 1/3 1/4 1/5 1/6 1/2 1/3 1/4 1/5 1/6 1/7
mg a
1/3 1/4 1/5 1/6 1/7 1/8
1/4 1/5 1/6 1/7 1/8 1/9
1/5 1/6 1/7 1/8 1/9 1/10
1/6 1/7 1/8 1/9 1/10 1/11
Erre a mtrixra
2 (H6 ) 1.6 107 ,
(10 10)-es
mtrixra
2 (H10 ) 3.5 1013 .
Most trjnk t arra az esetre, amikor nemcsak a jobb oldali vektor, de maga az egytthatmtrix is vltozik. Elszr kt kisebb ttelt igazolunk.
3.2.5. ttel. nn Legyen S = E + R R ,

regulris, s
ahol
R =: q < 1
valamilyen induklt normban. Ekkor
S1
1 . 1q
3.
Bizonyts. Legyen
Rx
x Rn
egy tetszleges vektor. Ekkor
x = Sx Rx,
azaz
x Sx +
. gy
Sx x Rx x R x = x (1 R ) = x (1 q),
ami mutatja, hogy
x = 0 esetn Sx = 0, azaz S regulris. Emellett S1 = sup

z=0
S1 z z
= sup
z=Sx
x=0
x 1 . Sx 1q
3.2.6. ttel. nn Legyen A R
regulris mtrix, s tegyk fel, hogy
normban. Ekkor az
A + A mtrix is regulris, s
(A + A)1
A1 A < 1
valamilyen induklt
A1 . 1 A1 A
Bizonyts. Mivel hogy
A1 A < 1, gy az elz ttel miatt E + A1 A regulris. Vegyk szre,

1
(A + A) (E + A1 A)1 A1 = (A + A) A(E + A1 A)
Ezrt
= E.
A + A inverze az (E + A1 )1 A1
mtrix, s gy
(A + A)1 (E + A1 A)1 A1
1 1 A
1
A1 .
3.2.7. ttel.
Tegyk fel, hogy az letrendszert oldjuk meg, s az egytthatmtrix perturbcijra teljesl a megoldsa van. Ezt a megoldst
Ax = b egyenletrendszer helyett az (A + A)y = b + b perturblt egyen A < 1/ A1 y = x + x alakban rva rvnyes az albbi becsls:
b
felttel valamilyen induklt normban. Ekkor a perturblt egyenletrendszernek is egyrtelm
(A) 1 (A) A / A
Bizonyts. Mivel
A < 1/ A1
, ezrt
A1 A < 1. gy A + A regulris. Tovbb
x = (A + A)1 ( b Ax).
Alkalmazzuk az elz ttelt.
A1 ( b + A x ) 1 A1 A
b
A1 A 1 A1 A
A x
3.3.
Gauss-mdszer
Innt
A1 A 1 A1 A
b A + A x A b
(A) 1 (A) A / A
rdemes egy kicsit elidzni a fenti ttel lltsn. A benne szerepl kplet azt fejezi ki, hogy a megolds relatv hibja fgg az egytthatmtrix s a jobb oldal relatv hibjtl. A kpletben szorztnyezknt szerepel mg viszont az egytthatmtrix kondciszma. Ez mutatja, hogy a megolds relatv hibja gy is nagy lehet, ha az egytthatmtrix s a jobb oldal hibja nem tl nagy, de az egytthatmtrix kondciszma nagy. A gyakorlatban egy egyenletrendszer megoldsa sorn az egytthatmtrix s a jobb oldali vektor tbb dolog miatt is perturbldhat. Pl. amiatt, hogy az elemeik mrsi adatok, gy hibval terheltek. De mg csak nem is kell hibval terheltnek lenniuk az adatoknak, hiszen magbl a lebegpontos brzolsbl is szrmazik hiba. Csak egy becslsek . Tegyk fel, hogy az egyenletrendszert, az
1
tudunk brzolni az eredetiek helyett. Ezekre rvnyesek a
x megoldsra rvnyes az
(A)u
s u 1/2. Ekkor mg ha kerektsi hiba nlkl oldjuk is meg
A + A mtrixot A u A
s egy
b + b b
vektort
xx 4u (A) x
becsls. Ez a hiba nagyon nagy lehet, ha a kondciszm nagy.
3.3. Gauss-mdszer
A lineris egyenletrendszerek megoldsi mdszereit kt nagy csoportba oszthatjuk: n. direkt s itercis mdszerek. Direkt mdszerek esetn a megoldst vges sok aritmetikai mvelettel lltjuk el. Ha minden lpst pontosan szmolunk, azaz a lpsek nem terheltek a lebegpontos szmolsbl szrmaz hibkkal, akkor pontosan megkapjuk az egyenletrendszer megoldst. Ilyen megoldsi mdszer pl. a Cramer-szably. Megjegyezzk persze, hogy ennek alkalmazsa hromnl tbb egyenlet esetn egyltaln nem praktikus. Itercis mdszerek esetn egy, a megoldshoz tart vektorsorozatot lltunk el, s ennek egy megfelel elemvel kzeltjk a megoldst. Kismret lineris egyenletrendszerek megoldst ltalban gy vgezzk, hogy valamelyik egyenletbl kifejezzk valamelyik ismeretlent, s azt a tbbi egyenletbe helyettestjk. Ezzel a mdszerrel az ismeretlenek szma eggyel cskkenthet. Msik lehetsg, hogy valamelyik egyenlet egy gyesen vlasztott szmszorost kivonjuk egy msik egyenletbl, kiejtve ezzel valamelyik ismeretlent. Felcserlhetnk egymssal egyenleteket is, hiszen ezek sorrendjtl nem fgg a megolds. Felcserlhetjk a vltozkat is, csak az egyenletrendszer megoldsnak felrsakor gyelembe kell majd vennnk ezt a csert. Ezekkel a mdszerekkel ismt cskkenthet az ismeretlenek szma. A felsorolt eljrsok egyike sem vltoztatja meg az egyenletrendszer megoldst. Termszetesen nagymret egyenletrendszerek megoldshoz vagy egy lineris egyenletrendszerek megoldsra szolgl program elksztshez a fenti eljrsokat valamilyen szablynak megfelelen kellene alkalmaznunk. A legegyszerbb, de mig nagyon sokszor hasznlt, direkt lineris egyenletrendszer megold mdszer az n. dik pedig a
Gauss-mdszer ,
amely lnyegben a fent ismertetett eljrsok szisztematikus
lersa. A mdszer kt lpsbl ll. Az els az n.
visszahelyettests.
elimincis rsz
(Gauss-eliminci), a mso-
Az elimincis lpssel olyan alakra hozzuk az egyenletrendszert,
1 u a gpi pontossgot jelli.

3.
melynek utols egyenletben csak az utols ismeretlen szerepel, az utols elttiben csak az utols kett, stb. Ezen j egyenletrendszer egytthatmtrixa mr egy fels hromszgmtrix lesz. Az eljrs utn a megolds az utols egyenlettl visszafel egyszer visszahelyettestssel nyerhet. Nzzk az eljrst most rszletesen. Tegyk fel egyelre, hogy az eljrs sorn sehol sem fordul el nullval val oszts! Ksbb majd megvizsgljuk, hogy ha ez nem ll fenn, akkor hogy lehet a mdszert mdostani. Tegyk fel teht, hogy az
b R
det(A) = 0.
Ax = b
egyenletrendszer megoldst keressk, ahol
A Rnn ,
Az egyszersg kedvrt csak az ismeretlenek egytthatit kirva az
egyenletrendszer az albbi alak.
a11 a21 a31

. . .
a12 a22 a32 an2
... ... ... ...
a1n a2n a3n ann
b1 b2 b3 bn
an1
Lssuk el az egytthatkat egy
(1)
fels indexszel, amely mutatja, hogy ez az eliminci sorn
nyert els (azaz az eredeti) egyenletrendszer
a11 (1) a21 (1) a31

. . .
(1)
a12 (1) a22 (1) a32 an2

(1)
(1)
... ... ... ...
a1n (1) a2n (1) a3n ann

(1)
(1)
b1 (1) b2 (1) b3 . bn
(1)
(1)
an1
(1)
Els lpsknt az els egyenlet segtsgvel kiejtjk a tbbi egyenletbl az els vltozt. Ezt gy rjk el, hogy az els egyenlet egy szmszorost kivonjuk a megfelel egyenletbl. Legyen teht
l21 = a21 /a11 , . . . , ln1 = an1 /a11 . Ekkor knny ltni, hogy az i. egyenletbl kivonva az els egyenlet li1 -szerest az i. egyenletbl kiesik az els vltoz. Az lij alak szorzkat gy indexeljk, hogy lij az i. sor j. elemnek kinullzshoz hasznlt szorzt jelentse. gy az a11 0 0
. . .
(1)
(1)
(1)
(1)
(1)
a12 (1) (1) a22 l21 a12 (1) (1) a32 l31 a12 an2 ln1 a12
(1) (1)
(1)
... ... ... ...
a1n (1) (1) a2n l21 a1n (1) (1) a3n l31 a1n ann ln1 a1n
(1) (1)
(1)
b1 (1) b2 l21 b1 (1) b3 l31 b1 . bn ln1 b1

(2)
fels
(1)
(1)
egyenletrendszerhez jutunk. A knnyebb tlthatsg kedvrt lssuk el az elemeket most indexszel. Mivel az els sor elemei nem vltoznak, gy ott megtartjuk az
(1)
-es indexet.
a11 0 0
. . .
(1)
a12 (2) a22 (2) a32 an2

(2)
(1)
. . . a1n (2) . . . a2n (2) . . . a3n ... ann

(2)
(1)
b1 (2) b2 (2) b3 . bn
(2)
(1)
3.3.
Gauss-mdszer
Most kiszmtva az
l32 = a32 /a22 , . . . , ln2 = an2 /a22

(1) (1) (1)
(2)
(2)
(2)
(2)
szorzkat, hasonlan lenullzhatjuk a
msodik oszlop ftl alatti elemeit is, majd tindexels utn kapjuk az j
a11 0 0
. . .
a12 (2) a22 0 0
. . . a1n (2) . . . a2n (3) . . . a3n ... ann

(3)
b1 (2) b2 (3) b3 bn
(3)
(1)
egyenletrendszert. Ezt folytatjuk addig, mg az utols eltti ftlbeli elem alatti egyetlen elem is le nem nullzdik. Ekkor a megfelel indexelst elvgezve kapjuk az
a11 0 0
. . .
(1)
a12 (2) a22 0 0
(1)
... ... ... ...
a1n (2) a2n (3) a3n ann

(n)
(1)
b1 (2) b2 (3) b3 bn
(n)
(1)
egyenletrendszert. Ezzel az elimincis rsz vgre rtnk. A fenti egyenletrendszer egytthatmtrixa egy fels hromszgmtrix. Megoldsa egyszer visszahelyettestssel trtnik. Az utols egyenletbl nyerjk az
xn
ismeretlen rtkt az
xn =
formulval. Ezutn visszafel haladva rendre az
bn
(n) (n)
ann
xn1 =
. . .
bn1 an1,n xn an1,n1

(n1)
(n1)
(n1)
x2 = x1 =
rtkeket kapjuk.
b2 xn a2n x3 a23 a22

(1) (1) (2)
(2)
(2)
(2)
b1 xn a1n x2 a12 a11

(1)
(1)
l = [0, . . . , 0, lk+1,k , . . . , ln,k ]T Rn (k = 1, . . . , n 1). Ekkor a Gauss-eliminci k -adik lpse gy vltoztatja meg a mtrixot, mintha az Lk := E lk eT mtrixszal szoroztuk k volna azt. Az Lk (k = 1, . . . , n 1) mtrixszal val szorzst Gauss-transzformcinak nevezzk. A teljes elimincis eljrs sorn ltrejv fels hromszgmtrix Ln1 . . . L2 L1 A alakban rhat. Ezt a mtrixot ltalban U-val jelljk, utalva arra, hogy ez egy fels (u pper) hromszgmtrix.
gvel is. Legyen k
meknek
Azokat a ftlbeli elemeket, melyek segtsgvel lenullzzuk az alattuk lv elemeket,
fele-
nevezzk. Egy adott felem alatti elemek kinullzst felrhatjuk mtrixszorzs segts-
3.
3.3.1. ttel.
A Gauss-transzformci
Lk = E lk eT k
mtrixa invertlhat, s
L1 = E + lk eT , k = 1, . . . , n k k
Elvgezve a szorzst azt
1.
Bizonyts. Azt kell megmutatni, hogy kapjuk, hogy
(E lk eT )(E + lk eT ) = E. k k
(E lk eT )(E + lk eT ) = E lk eT + lk eT + lk eT lk eT = E + lk eT lk eT = E. k k k k k k k k
Az utols lps onnt kvetkezik, hogy az k k mtrix els k sora csupa nulla elembl ll, s a oszloptl jobbra is csak nulla elemek szerepelnek. gy a mtrix ngyzete nullmtrixot ad.
l eT
k.
Most vizsgljuk meg, hogy milyen mtrixok esetn hajthat vgre a Gauss-mdszer a fent ismertetett mdon, azaz gy, hogy kzben egyik felem sem lesz nulla. Ekkor ugyanis a nullval val oszts miatt nem tud vgigfutni az eljrs.
3.3.2. ttel.
A Gauss-mdszer pontosan akkor hajthat vgre, ha az azaz
det(A(1 : k, 1 : k)) = 0 (k = 1, . . . , n).
A mtrix egyik fminorja sem zrus,
Bizonyts. A Gauss-eliminci sorn az egyes sorokbl kivonjuk ms sorok szmszorosait. Ez az eljrs nem vltoztatja meg a determinnst. Teht
det(A(1 : 1, 1 : 1)) = det(A(1) (1 : 1, 1 : 1)) = a11 = 0,

(1)
det(A(1 : 2, 1 : 2)) = det(A(2) (1 : 2, 1 : 2)) = a11 a22 = 0,

(1) (2)
. . .
det(A(1 : n, 1 : n)) = det(A(n) (1 : n, 1 : n)) = a11 a22 . . . a(n) = 0. nn

(1) (2)
Az utols felttel a visszahelyettests miatt kell, hiszen ez gy kezddik, hogy kell az
ann -el
(n)
osztanunk
xn
ismeretlen kiszmtshoz. Ebbl kvetkezik az llts.
3.3.3. ttel. Ha az A mtrix

1. szigoran dominns ftlj, 2. szimmetrikus, pozitv denit mtrix, 3.
M -mtrix,
akkor a Gauss-mdszer vgrehajthat az elz algoritmussal. Bizonyts. 1. Legyen
A elszr szigoran dominns ftlj. Elszr megmutatjuk, hogy az

i-edik
sorban dominns a ftl, azaz
elimincis eljrs ez a tulajdonsg megrzdik. Elegend ezt az els ill. i-edik sorra megmutatni. Tegyk fel teht, hogy az els s
|a11 | > |a12 | + |a13 | + + |a1n | / |ai1 |

s
|aii | > |ai1 | + + |ai,i1 | + |ai,i+1 | + + |ain | / |a11 |.

3.3.
Gauss-mdszer
Ezekbl
|a11 ai1 | |a12 ai1 | + |a13 ai1 | + + |a1n ai1 |, |aii a11 | > |ai1 a11 | + + |ai,i1 a11 | + |ai,i+1 a11 | + + |ain a11 |
s
|aii a11 | > |a1i ai1 | +

j=2,j=i
Az j mtrix
(|a1j ai1 | + |aij a11 |).
i-edik
sornak
i-edik
eleme:
(aii a11 ai1 a1i )/a11 .
|aii a11 ai1 a1i | ||aii a11 | |ai1 a1i ||

n n
>
j=2,j=i
Vgl az
(|a1j ai1 | + |aij a11 |)

j=2,j=i
|a1j ai1 aij a11 |.
A szimmetrikus, pozitv denit mtrix. Szimmetrikus, pozitv denit mtrix xk olyan nemnulla vektor, melynek a k + 1 : n elemei nullk. Ezzel xT Axk > 0, ami mutatja, hogy a k -adik minormtrix pozitv denit, azaz k
2. Legyen most determinnsa pozitv (sajtrtkek szorzata). Legyen determinnsa pozitv. Teht nem nulla. 3. Legyen vgl
|a11 |
rtkkel val oszts mutatja a dominancit.
A M-mtrix. Ekkor van olyan g > 0 vektor, hogy Ag > 0. Ismt azt mutatjuk A1 g > 0
egy pozitv vektor, mellyel
meg, hogy a Gauss-eliminci egy lpse utn a mtrix tovbbra is M-mtrix marad. Elg ezt beltni az els transzformcira. Az els transzformci utn a ftln kvli elemek tovbbra sem lehetnek pozitvak. Tovbb hiszen
L1
L1 AA1 g = L1 g > 0,
nemnegatv mtrix csupa egyessel a ftljban.
Vizsgljuk meg a Gauss-mdszer egyes lpseinek mveletszmt! A mveletszmok ismerete a ksbbiekben segt abban, hogy az adott problmt mindig a lehet leggyorsabban oldjuk meg.
k -adik felemmel nullzunk. Ekkor k op). A k -adik sor k + 1 : n + 1 elemt szoroznunk kell a kiszmtott szorzkkal (n k + 1 op), majd ki kell vonni azt az i-edik sorbl (i = k + 1, . . . , n) (egyenknt n k + 1 op). Ez sszesen 2(n k + 1)(n k) op. Ezutn a
Kezdjk az eliminci mveletignyvel. Tegyk fel, hogy a ki kell szmolnunk az
lk+1,k , . . . , ln,k
szorzkat (n
mveletszmokat sszeadjuk az sszes felemre. gy az eliminci mveletszma
n1
n1
(2(n k + 1)(n k) + n k) =
k=1 k=1
2(n k)2 + 3(n k)
2(n 1)n(2n 1) 3(n 1)n 4n3 + 3n2 7n 2 + = = n3 + O(n2 ) 6 2 6 3 n
op.
Itt felhasznltuk az els
termszetes szm sszegre s ngyzetsszegre vonatkoz sszegkp-
leteket. A visszahelyettests mveletignyrl knnyen lthatan A Gauss-mdszer teljes mveletignye teht
1 + 3 + + 2n 1 = n2
op.
2 3 n + O(n2 ). 3
Vegyk szre, hogy nagy mret egyenletrendszerek esetn a visszahelyettests mveletignye elhanyagolhat az eliminci mveletignyhez kpest. tankonyvtar.bme.hu 63
3.
Ingamdszer
A gyakorlatban sokszor olyan egyenletrendszereket kell megoldanunk, melyek egytthatmtrixa tridiagonlis. Ilyen feladattal tallkozunk pl. a spline-interpolcinl ill. a dierencilegyenletek numerikus megoldsa esetn. Legyen teht a megoldand lineris egyenletrendszer
b1 a2
alak, ahol az
c1 b2
.. .
c2
.. . .. .
an1
bn1 an
cn1 bn
. . . xn1 xn xi
x1 x2
. = . . fn1 fn
f1 f2
ai , bi , ci , fi
rtkek adottak, s az
rtkeket keressk. A Gauss-elimincit
alkalmazva ltjuk, hogy nem szksges az elimincit minden oszlopon teljesen vgigfuttatni, hiszen a szubdiagonl alatt csak nulla elemek vannak, hanem elegend csak a szubdiagonlbeli elemeket lenullzni. (Ezzel vrhat, hogy az
n3
nagysgrend elimincis mveletszm csak
nagysgrend lesz.) Most az eliminci sorn a felemmel leosztjuk a sort is. Ez ugyan kt osztst jelent soronknt, de gy minden sorban csak kt elre nem ismert elem lesz a hrom helyett, tovbb a ftlban 1-esek fognak llni, gy a visszahelyettests sorn nem kell ezekkel az elemekkel osztani. Az els
i2
oszlop elimincija utn az egyenletrendszer az
1 0 0 . . . 0
alak lesz, ahol
2 1 0
. . .
3
.. . .. . .. .
1 ai
i bi
.. .
ci
.. . .. .
an1 0 i , i ...
bn1 an
cn1 bn
x1 x2 . . . xn1 xn
. . . i = fi . . . fn1 fn
2 3
megfelel konstansok. Nyilvnvalan
2 =
f1 c1 , 2 = b1 b1
s az eliminci ill. a felemmel val oszts miatt
i+1 =
A fenti kt kplet segtsgvel az
ci fi ai i , i+1 = . ai i + bi ai i + bi
(3.3.1)
i , i
egytthatk meghatrozhatk, st ha bevezetjk az
1 = 1 = 0
kezdeti rtkeket, akkor az is knnyen megjegyezhet, hogy honnt kell indtani
a (3.3.1) rekurzit. Az eliminci utn teht az
2 1
3
.. . .. .
n 1
. . . xn1 xn
x1 x2
2 3
. . .
n (fn an n )/(bn + n an )
3.4.
LU-felbonts
egyenletrendszerhez jutunk. A visszahelyettestsnl innt nyilvnvalan
xn =
majd a tbbi ismeretlen pedig az
2
fn an n , an n + bn
kplettel nyerhet.
xi1 = i xi + i (i = n : 1 : 2)
A most tridiagonlis mtrixokra ismertetett lineris egyenletrendszer megoldsi mdot ingamdszernek vagy Thomas -algoritmusnak vagy egyszerstett Gauss-mdszernek nevezzk. Az algoritmus teht a korbbi jellsekkel az albbi mdon foglalhat ssze, melybl az is ltszik, hogy az algoritmus
8n 3
op mveletet ignyel.
Inga-mdszer
for i:=1:n-1 do end for
1 := 0, 1 := 0 i+1 := ci /(ai i + bi ) i+1 := (fi ai i )/(ai i + bi )
for i:=n:-1:2 do end for
yn := (fn an n )/(an n + bn ) yi1 := i yi + i
Mivel az ingamdszer tulajdonkppen olyan Gauss-mdszer, amely kihasznlja, hogy a mtrix tridiagonlis, gy biztosan elakads nlkl vgigfut a 3.3.3. ttelben felsorolt mtrixokra. Ezen bell, ha a mtrix szigoran dominns ftlj, akkor mivel ez a tulajdonsg az eliminci sorn is megmarad, igaz lesz, hogy
|i | < 1 (i = 2, . . . , n).
3.4. LU-felbonts
Az elz fejezetben lttuk, hogy bizonyos felttelek mellett egy
A mtrix Gauss-transzformcikkal
fels hromszgmtrix alakra hozhat. Ezt a tulajdonsgot bvti ki az albbi ttel.
3.4.1. ttel. (LU-felbonts) nn Tegyk fel, hogy az A R
mtrixra
det(A(1 : k, 1 : k)) = 0 (k = 1, . . . , n 1),
a Gauss-eliminci vgrehajthat vele. Ekkor ltezik egy olyan szerepelnek) als (lower) hromszgmtrix s egy m.
U fels (upper) hromszgmtrix, melyekkel A = LU. Ha egy regulris mtrixnak ltezik LU -felbontsa, akkor az LU -felbontsa egyrtelBizonyts. A Gauss-eliminci sorn a Gauss-transzformcik az szgmtrix alakra hozzk. Legyen ez az
azaz
normlt (ftlban egyesek
U mtrix. gy teht
mtrixot fels hrom-
Ln1 Ln2 . . . L1 A = U.
2 Llewellyn Thomas (19031992) angol zikus. A mdszert tbben is kitalltk a mlt szzad kzepn. Thomas a [36] cikkben emlti. Bruce [5] cikke az els, amelyik szles krhz eljut folyiratban jelenteti meg a mdszert. David Young hvja elszr Thomas-algoritmusnak. Magyarul szoks ingamdszernek is nevezni a mdszert. Az elnevezs a szorzk s az ismeretlenek meghatrozsi sorrendjre utal.
3.
Mivel
(E lk eT )1 = E + lk eT , k k
s k k l l
l eT l eT = 0 ha l > k, az A mtrix az albbi alakban rhat

n1
A = L1 . . . L1 L1 U = 1 n2 n1
k=1 n1
(E + lk eT ) U k
E+
k=1
lk eT k
U = LU. A
=:L,als normlt hromszgmtrix

Az egyrtelmsg igazolshoz tegyk fel, hogy van kt klnbz LU-felbontsa is az invertlhat mtrixnak:
A = LU = LU. Ekkor
1
L L = UU1 = E,
mivel normlt als hromszgmtrixok szorzata normlt als hromszgmtrix, a felsk fels hromszgmtrix.
3.4.2. kvetkezmny.
felbontsa.
Ha egy regulris mtrixnak valamelyik fminorja nulla, akkor nincs LU-
3.4.3. megjegyzs. Az LU-felbontsban teht U az eliminci sorn kialakul fels hromszgmtrix, L pedig az lij szorzkbl az
1 l21 L = l31 . . . ln1
mdon kszlt mtrix.
0 1 l32 ln2
... ... ... ...
0 0 0 1
Az LU-felbonts alkalmazsa
Az
LU -felbontst
a korbbiak alapjn a kvetkez esetekben rdemes kihasznlni.
Determinns. A mtrix determinnsa megkaphat, ha az szorozzuk.
U mtrix ftlbeli elemeit ssze-
Lineris egyenletrendszer megoldsa. Ha mr kiszmoltuk egy mtrix LU-felbontst, akkor s
trolhat
helyn a szmtgp memrijban, hiszen az
ll egyeseket nem kell eltrolnunk. Ekkor az
L mtrix ftljban Ax = L(Ux) = b egyenletrendszert mr kt

2n3 /3
hromszgmtrix egyenletrendszer megoldsval meg tudjuk oldani. gy a mveletszm
2n2
op lesz, ami nagysgrenddel kisebb, mint a Gauss-mdszer
mveletignye. gy
teht, ha tbb olyan lineris egyenletrendszert kell megoldanunk, melyek csak a jobb oldali vektorban klnbznek, akkor rdemes az els megoldsa utn eltrolni az LU-felbonts mtrixait, s a tbbi egyenletrendszert mr a fenti mdszerrel megoldani.
Inverz mtrix. Tipikus plda a fenti esetre az, amikor egy mtrix inverzt kell meghatroznunk. Ekkor elszr meghatrozhatjuk az LU-felbontst, ami
2n3 /3 + O(n2 ) mvelet, majd
3.5.
Felemkivlaszts, ltalnos LU-felbonts, Cholesky-felbonts
pedig megoldunk rok. Ez tovbbi
n 2n3
darab lineris egyenletrendszert, melyek jobb oldalai az egysgvektomvelet, ami sszesen
8n3 /3 + O(n2 )
mveletet ad. Ha elre ismert az
LU-felbonts, akkor csak
2n
a mveletszm.
Ha nem ismert elre az LU-felbonts, akkor a fentinl jobb mveletszmot rhetnk el, nevezetesen
2n2 +O(n2 )-et, ha a Gauss-eliminci helyett az n. GaussJordan3 -elimincit
alkalmazzuk, ami lineris egyenetrendszer megoldsakor nem praktikus, de mtrixinverz szmts esetn igen (3.11.7. feladat). Lnyege, hogy a felemmel nemcsak a ftl alatt, hanem a ftl felett is nullzunk. Megjegyezzk mg, hogy egy mtrix inverzt, annak nagy mveletignye miatt, a gyakorlatban csak akkor szmtjuk ki, ha explicit mdon szksgnk van az inverz mtrix egyes elemeire.
3.5. Felemkivlaszts, ltalnos LU-felbonts, Cholesky-felbonts

3.5.1. Felemkivlaszts
Eddig a Gauss-mdszernl s az LU-felbontsnl feltettk, hogy az eljrs vgrehajthat, azaz nem fordul el olyan eset, hogy a felem nulla lenne. Most nzzk meg azt az esetet, amikor ez
k -adik oszlop elimincijnl (k) akk felem nulla lenne, akkor a k -adik egyenletet cserljk ki egy olyan nagyobb sorszm (k +1, . . . , n) egyenlettel, melyben a k -adik ismeretlenhez tartoz egytthat nem nulla. Az ilyen csere biztosan vgrehajthat, mert klnben az egytthatmtrix k. oszlopa elllna az els k 1 oszlop lineris kombincijaknt. Ez pedig nem fordulhat el, mert detA-rl feltettk,
a felttel mgsem teljesl. Mit tehetnk ebben az esetben? Ha a tartunk, s az hogy nem nulla. Az egyenletcsernek nem csak akkor van jelentsge, ha klnben nem futna vgig az elimincis eljrs. Eddig nem vettk ugyanis gyelembe, hogy a Gauss-mdszert ltalban szmtgpek segtsgvel hajtjuk vgre, azaz a szmolsnl lebegpontos szmrendszert hasznlunk. Milyen hatsa van vajon ennek a szmtott megoldsra? Alkalmazva a 2.5.2. ttel eredmnyt a szmbrzols hibjrl, az egyenletrendszer egytthatmtrixnak egy ahol az
ua [|aij |]
gpi pontossg. Bevezetve egy mtrixra, a fentiek szerint a
A = [aij ] Rnn
aij
elemre
mtrix esetn az
|fl(aij ) aij | u|aij |, |A| Rnn jellst
|fl(A) A| u|A|
becslshez jutunk. Az albbi, az LU-felbonts hibjra vonatkoz ttelt bizonyts nlkl kzljk [18].
3.5.1. ttel. (Golub, van Loan [18], 105. oldal) nn Tegyk fel, hogy egy A R mtrix LU-felbontst
amely
ksztjk el egy olyan szmtgpen, s
gpi pontossg lebegpontos szmokat hasznl. Tegyk fel tovbb, hogy az elimi-
nci sorn mely alatt egyik felem sem lett nulla az melyekkel
L LU A = A. Ekkor rvnyes a kvetkez becsls:
mtrixokhoz jutottunk,
| A| 3(n 1)u(|A| + |L| |U|) + O(u2 ).
A fenti becslsben szerepel az
| L|
mtrix, gy az egyik clunk az lehet, hogy az eliminci
sorn ennek elemei a lehet legkisebbek legyenek. Arrl, hogy ennek elrse sorn
U elemei sem
3 Wilhelm Jordan (18421899) nmet geodta. Nem tvesztend ssze (kiejtsben sem) a francia Camille Jordannal, akinek nevhez pl. a Jordan-mrtk elnevezs fzdik.
3.
vlnak tl naggy, ksbb lesz sz. Mivel felemnek az
elemeit gy kapjuk, hogy a felemmel osztjuk le az
egyes oszlopok ftl alatti elemeit, gy ezek az elemek 1-nl nem nagyobb abszoltrtkek, ha
A(k) (k + 1 : n, k) vektor legnagyobb abszoltrtk elemt vlasztjuk.
Annak rdekben teht, hogy minl pontosabb megoldst kapjunk, a sorcsert akkor is rdemes vgrehajtani, ha a felemek nem nullk. Azt az eljrst, amikor a az felcserljk a sszesen
A(k) (k + 1 : n, k) oszlop legnagyobb abszoltrtk elemnek vlasztjuk, majd ezen elem sort
k -adik lpsben a felemet
k. sorral, rszleges felemkivlasztsnak hvjuk. A rszleges felemkivlasztshoz (n2 n)/2 sszehasonlts szksges. Mg jobban cskkenthet az L mtrix elemeinek abszoltrtke, ha a legnagyobb abszoltr(k) tk elemet a k -adik lpsben nem csak az oszlopban, hanem a teljes A (k : n, k : n) blokkban keressk. Ezutn az gy megtallt j felem sort s oszlopt cserljk a k -adik sorral s oszloppal. 3 2 Ezt az eljrst teljes felemkivlasztsnak nevezzk. Ez n(n + 1)(2n + 1)/6 1 = n /3 + O(n )
sszehasonltssal jr, ami ha elfogadjuk, hogy egy sszehasonlts kb. ugyanannyi ideig tart, mint egy lebegpontos mvelet mr a Gauss-mdszer nagysgrendjbe esik. Emiatt a gyakorlatban ltalban a rszleges felemkivlasztst alkalmazzk, a teljes felemkivlasztst csak akkor rdemes hasznlni, ha nagy pontossg megoldsra van szksgnk.
3.5.2. plda.
Tekintsk az albbi feladatot, ahol tegyk fel, hogy a megolds sorn mindig
4 szmjegyre kerektnk.
0.003x1 + 59.14x2 5.291x1 6.13x2

A pontos megolds
= 59.17 = 46.78
Felemkivlaszts nlkl a megolds
x1 = 10.00, x2 = 1.000.
x1 = 10, x2 = 1.001
(a kiegyszersds miatt hamis eredmnyt kapunk), rszleges f-
elemkivlasztssal a pontos eredmnyt kapjuk.
3.5.2. ltalnos LU-felbonts

Az LU-felbonts csak olyan minden
A Rnn mtrixokra vgezhet el, melyeknek minden 1, 2, . . . , n1-
ed rend bal fels sarokdeterminnsa klnbzik nulltl. Az albbi ttel azt mutatja, hogy
mtrix sorai trendezhetk gy, hogy az gy keletkez mtrixnak legyen mr LU-
felbontsa.
3.5.3. ttel. (LU-felbonts ltalnos mtrixra) nn Legyen A R egy tetszleges mtrix. Ekkor ltezik egy olyan L als normlt hromszgmtrix, melynek elemei egynl nem nagyobb abszolt rtkek, egy U fels hromszgmtrix, s egy P permutcis mtrix, melyekkel PA = LU.
Bizonyts. Hajtsuk vgre az albbi eljrst az vgrehajthat.
mtrixszal. Az eljrs minden mtrixszal
Legyen Ha
A(1) = A, s k = 1.
akkor legyen
A(k) (k : n, k) = 0,
Pk = Lk = E,
klnben vlasszuk ki a vektor nem
nulla elemei kzl a legnagyobb abszoltrtkt (legyen ez
ask
(k)
), s deniljuk a
Pk = [e1 , . . . , ek1 , es , ek+1 , . . . , es1 , ek , es+1 , . . . , en ]T

permutcis mtrixot, valamint legyen Gauss-transzformcis mtrix. 68 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
Lk
Pk A(k)
mtrix
k -adik
oszlophoz tartoz
3.5.
Legyen
A(k+1) = Lk Pk A(k) .
k = k + 1,
s jrjunk el hasonlan, mg
Ezutn legyen
k=n
nem lesz.
Vgrehajtva az elz lpseket, elll egy
U = Ln1 Pn1 . . . L1 P1 A
fels hromszgmtrix. Mivel
P2 = E i
(hiszen
Pi
az
i-edik
sort cserli egy nagyobb sorszm
sorral, gy ha ktszer alkalmazzuk, akkor az egysgmtrixot (identitst) nyerjk), ezrt
Ln1 Ln2 . . . L1 Pn1 Pn2 . . . P1 A = U,

ahol
Ln1 = Ln1
Lk = Pn1 Pn2 . . . Pk+1 Lk Pk+1 . . . Pn2 Pn1 .

Mivel
Lk = E lk eT , s Pk k
Lk = E
k -adik
sort vagy oszlopot cserli egy nagyobb sorszmra, ezrt
Pn1 Pn2 . . . Pk+1 lk

=:lk
eT Pk+1 . . . Pn2 Pn1 . k

eT k
lk (k + 1 : n) elemeinek cserivel
alakak, gy inverzei
Az
Lk
mtrixok
E lk eT k
= E + lk eT k
alakban rhatk, melyek
szorzata normlt als hromszgmtrix lesz. Legyen
L = L1 . . . Ln1 .
A rszleges felemkivlasztsbl kvetkezik, hogy (emiatt
L n). Tovbb legyen
L-nek nincs 1-nl nagyobb abszoltrtk eleme
P = Pn1 . . . P1 ,
ami nyilvn egy permutcis mtrix. Ezekkel a jellsekkel teht
PA = LU.
Ezt akartuk bizonytani.
3.5.4. ttel. (Golub, Van Loan [18], 115. oldal) nn Legyen adott egy A R mtrix. Tegyk fel, hogy
melyekkel
a lebegpontos szmokkal val rszle-
ges felemkivlasztsos Gauss-elimincis eljrs sorn a
P LU A = A. Ekkor rvnyes a
P, L
mtrixokhoz jutottunk,
T | A| 3(n 1)u(|A| + |P | |L| |U|) + O(u2 )

becsls. Teht
3(n 1)u( A
+n U
+ O(u2 ).
hogy ha rszleges felemkivlasztst csinlunk annak rdekben, hogy be a
U mtrix maximumnormja. Vizsgljuk meg, L elemei egynl kisebb abszoltrtkek legyenek, akkor vajon nem nvekszik-e meg ezzel prhuzamosan U . Vezessk
Vegyk szre, hogy a fenti kpletben szerepel az
= max
i,j,k
|ij | a
(k)
3.
n. nvekedsi faktort, ami azt mri, hogy az eliminci sorn az eliminlt lpsekbeli elemei mennyire nhetnek meg becslst kapjuk
mtrix egyes
-hoz kpest. A nvekedsi faktorral a kvetkez
3(n 1)u( A
+ n2 A
+ O(u2 ) 6n3 A
+ O(u2 ).
A gyakorlatban a nvekedsi faktor ltalban 10-nl nem szokott nagyobb lenni, gy ez egy elfogadhat becslst ad a hibamtrixra. Megjegyezzk azonban, hogy mestersgesen konstrult feladatokra lehet a nvekedsi faktor akr
2n1
is (3.11.11. feladat).
3.5.3. Cholesky-felbonts
Lttuk, hogy bizonyos felttelek mellett egy
ngyzetes mtrix
A = LU
alakba rhat. A
gyakorlatban sokszor olyan egyenletrendszereket kell megoldanunk, melyek mtrixa szimmetrikus, pozitv denit. Ezt a tulajdonsgot kihasznlva kevesebb mvelettel is megadhatunk egy az LUfelbontshoz hasonl alak felbontst.
3.5.5. ttel.
Tegyk fel, hogy az olyan
L s LDMT .
A Rnn mtrix egyik fminorja sem zrus. Ekkor egyrtelmen lteznek M normlt als hromszgmtrixok s egy D diagonlis mtrix, melyekkel A = U
egyik diagonlis eleme
Bizonyts. A felttelek mellett elvgezhet az LU-felbonts, s sem lesz nulla. Legyen
M = (D1 U)T
D =
diag(diag(
U)),
azaz
az
mtrix diagonlmtrixa. Ekkor az
mtrix egy normlt als hromszgmtrix. Tovbb
LD(D1 U) = LU = A. Az
egyrtelmsg az LU-felbonts egyrtelmsgbl kvetkezik. Szimmetrikus
A mtrix esetn a felbonts tovbb egyszersdik. L
3.5.6. ttel. A Rnn mtrix esetn egyrtelmen ltezik T mtrix s egy D diagonlis mtrix, melyekkel A = LDL .
Szimmetrikus Bizonyts. Az egy normlt als hromszg-
M1 AM = M1 LD mtrix szimmetrikus s als hromszgmtrix, azaz 1 diagonlis. Mivel det(D) = 0, ezrt M L is diagonlis, de egyttal normlt als hromszgmt1 rix is. Azaz M L = E, teht M = L.
Vgl, ha a mtrix szimmetrikus, pozitv denit, akkor a felbonts tovbb egyszersdik. gy jutunk el az n. Cholesky -felbontshoz.
4
3.5.7. ttel. (Cholesky-felbonts) Tegyk fel, hogy A egy szimmetrikus, pozitv denit mtrix. Ekkor ltezik pontosan egy olyan T pozitv diagonlis G als hromszgmtrix, mellyel A = GG .
4 AndreLouis Cholesky, 1875 1918, francia katonatiszt, trkpsz. A normlegyenlet megoldsra konstrult mdszert mr nem tudta publiklni, mert az I. vilghborban 1918. augusztus 31-n hallos sebeslst kapott egy szak-franciaorszgi harcmezn. Mdszert egy Benoit nev katonatiszt trsa publiklta [2]. A mdszer publiklsa utn elgg feledsbe merlt, majd Jack Todd mr tantotta egy King's College-i (London) analzis kurzusn a II. vilghbor alatt. 1948-ban Fox, Huskey s Wilkinson elemzi a mdszert, s Turing jelentet meg egy cikket a mdszer stabilitsval kapcsolatban. Bvebb letrajz: http://www-history.mcs.st-andrews.ac.uk/Biographies/ Cholesky.html.
3.5.
G = L diag( d11 , . . . , dnn ), ami egy pozitv ftlj als hromszgmtrix. Ekkor GGT = A. Ezt
A diagonlis mtrix pozitv ftlj az mtrix pozitv denitsge miatt. Legyen akartuk megmutatni. Termszetesen a Cholesky-felbontst nem az LU-felbontsbl szoks meghatrozni (emlkeztetl ennek mveletignye
Bizonyts. Az elz ttel alapjn az
mtrix egyrtelmen felrhat
A = LDLT
alakban.
2n3 /3 + O(n2 )).
haladva hatrozhatjuk meg az
A G mtrix elemeit oszloponknt balrl jobbra A mtrix elemeibl pl. az albbi pldban bemutatott mdon.
3.5.8. plda.
Pldaknt lltsuk el az
2 A = 1 0
mtrix Cholesky-felbontst! Olyan
1 2 1
0 1 2
G mtrixot keresnk teht, mellyel

g21 g22 0 g31 2 g32 = 1 g33 0 1 2 1 0 1 . 2
g11 GGT = g21 g31
0 g22 g32
0 g11 0 0 g33 0
A fenti egyenlsgbl egyszerre ltszik, hogy a
mtrix els oszlopa gy ll el, hogy
g21 = a21 / a11 = 1/ 2 Ezutn az A(2 : 3, 2)

Teht
els oszlopt elosztjuk els elemnek gykvel. Ezek szerint teht s
g31 = a31 / a11 = 0. T vektorbl levonjuk a [g21 , g31 ] 2 1 1/ 2 0 3/2

s
A g11 = a11 / a11 = 2,
vektor
ltrejv vektort osztjuk ezen vektor els elemnek gykvel. Ez lesz
g21 -szerest, majd az gy G(2 : 3, 2) oszlopa.
g22 =
1 = 2
3/2 1
majd ezt osztjuk
3/2-del.
gy
g32 = 2/3.
A harmadik oszlophoz (specilisan most annak egyetlen nem nulla elemhez) az vektorbl kell levonnunk a
G(3, 1 : 2)GT (3, 1 : 2) mtrixot:
A(3, 3)
2/3] [0, 2/3]T = [2 2/3] = [4/3], majd ezt osztani a vektor els elemnek gykvel: 2/ 3. gy g33 = 2/ 3. A keresett G mtrix teht a 2 0 0 G = 1/ 2 3/2 0 0 2/3 2/ 3 [2] [0,
mtrix lesz.
A fenti pldban bemutatott vektoros ellltst elemenknt kirva a
i1
gii =
aii
j=1
2 gij , i = 1, . . . , n,
(3.5.1)
gki
i1 1 = aki gij gkj , k = i + 1, . . . , n, i = 1, . . . , n gii j=1
3.
kpleteket nyerjk a mveletigny
n3 /3 + O(n2 )
mtrix
elemeivel val elemenknti ellltsra. Ezzel a mdszerrel a
lesz, azaz kb. feleakkora, mint az LU-felbonts (gy valban kihasz-
nltuk a szimmetrit).
3.5.9. megjegyzs.
Ha a mtrix nem szimmetrikus, pozitv denit mtrix, akkor az algoritmus
valamelyik lpsben elakad. Ezt a jelensget felhasznlhatjuk arra, hogy megllaptsuk, hogy egy szimmetrikus mtrix pozitv denit-e.
3.6. Lineris egyenletrendszerek klasszikus itercis megoldsa

Most ttrnk a lineris egyenletrendszerek klasszikus itercis megoldsi mdszereire. Tovbbra is feltesszk, hogy az
Ax = b
egyenletrendszer egytthatmtrixa ngyzetes, s determinnsa
nulltl klnbzik. Ekkor az egyrtelm megoldst jellje
. Az itercis mdszerek ltalban
olyan konvergens sorozatokat konstrulnak, melyek hatrrtke az egyenlet megoldsa. Lineris egyenletrendszerek esetn a lineris itercis eljrsokkal foglalkozunk, melyek alakja
x(k+1) = Bx(k) + f, k = 0, 1, . . . ,
ahol az
(3.6.1)
{x(k) }
sorozattl vrjuk el, hogy tartson a megoldshoz. Rgtn lthatjuk, hogy a mt-
rixszal val szorzs s a vektorsszeads mveletignye jelenten, hogy pl. egy
2n2
op. Azaz kb.
n/3
itercis lpst
vgezhetnk az itercival ahhoz, hogy a Gauss-mdszer mveletignyt ne haladjuk meg. Ez azt
100 100-as
egyenletrendszer megoldsa sorn 33 lpsbl elegenden
kzel kellene kerlnnk a megoldshoz. Ennek egy tetszlegesen vlasztott kezdvektor esetn kicsi az eslye. Az itercis mdszereket ltalban ezrt n. rixokra, melyekben a nemnulla elemek szma
ritka mtrixokra
(azaz olyan mt5
O(n)
nagysgrend) alkalmazzuk.
Megjegyezzk,
hogy dierencilegyenletek numerikus megoldsa sorn gyakran ilyen tpus mtrixokat kapunk, gy ezekben az esetekben jl alkalmazhat a mdszer. Az itercis megoldsok esetn a kvetkez krdsek vetdnek fel.
Hogyan vlasszuk meg a
B mtrixot s az f, x(0)
vektorokat?
Mikor konvergl a megoldshoz a sorozat? Mekkora lesz a konvergencia sebessge? Honnt tudjuk, hogy mikor lljunk le az itercival?
3.6.1. denci. (k+1) Az x = Bx(k) + f itercit az Ax = b egyenletrendszerrel konzisztensnek x = Bx + f. (Az x vektor az egyenletrendszer megoldsa.)
Tekintsk az
hvjuk, ha
F : Rn Rn , F(x) = Bx + f
fggvnyt. Erre a fggvnyre valamilyen
vektornormban s a neki megfelel induklt mtrixnormban igaz, hogy
F(x1 ) F(x2 ) = Bx1 + f (Bx2 + f) = B(x1 x2 ) B x1 x2

tetszleges
x1 , x2 Rn
vektorokra. gy teht, ha
B < 1,
akkor az
lekpezs kontrakci,
s teljeslnek a Banach-fle xpontttel felttelei. Ebben az esetben teht a (3.6.1) itercit
5 Az itercis mdszereket fleg olyan ritka mtrixok esetn rdemes alkalmazni, melyekben a nemnulla elemek elhelyezkedse nem jl strukturlt. Svmtrixos egyenletrendszerek a Gauss-mdszer egyszer mdostsval direkt mdon is gyorsan megoldhatk (lsd pl. ingamdszer).
3.6.
Lineris egyenletrendszerek klasszikus itercis megoldsa
brmilyen vektorrl indtva az
F lekpezs xpontjhoz fog tartani, ami a lineris egyenletrend-
szerrel konzisztens itercik esetn az egyenletrendszer megoldsa. A normk ekvivalencija miatt termszetesen nem csak az adott vektornormban, hanem tetszleges ms normban is az egyenletrendszer megoldshoz fog tartani az iterci. Ezt a megllaptst az 1.2.32. ttellel sszevetve lthatjuk, hogy konzisztens itercik esetn a
(B) < 1
felttel szksges s elgsges felttele
annak, hogy a (3.6.1) iterci tetszleges kezdvektor esetn az egyenletrendszer megoldshoz tartson. Ez az llts kzvetlenl is igazolhat. Legyen a konvergencia azt jelenti, hogy
(k)
e(k) = x(k) x az n. hibavektor. Ekkor 0 (k ), azaz e(k) 0 valamilyen normban.
3.6.2. ttel. Egy, az Ax = b egyenletrendszerrel konzisztens lineris iterci pontosan akkor tart az egyenletrendszer megoldshoz tetszleges kezdvektor esetn, ha (B) < 1.
Bizonyts. Az
e(k+1) = x(k+1) x = Bx(k) + f (Bx + f) = Be(k)

egyenlsg miatt
e(k) = Bk e(0) .
A konvergencihoz az kell, hogy
aminek szksges s elgsges felttele, hogy
(B) < 1
Bk
nullmtrixhoz tartson,
legyen.
A bizonytsbl nyilvnval, hogy a konvergencia annl gyorsabb, minl kisebb a meg is talltuk a vlaszt. Foglalkozzunk most a (3.6.1) iterci ellltsval. Tegyk fel, hogy az mtrix. Ekkor a
mtrix
konvergenciasugara. gy a konvergencira s a konvergencia sebessgre vonatkoz krdsekre mr
A egytthatmtrixot ellltottuk A = S T alakban, ahol S regulris b = Ax = (S T)x egyenlsget S inverzvel balrl szorozva, majd x-et kifejezve x = S1 Tx + S1 b. Ezen egyenlsg miatt az x(k+1) = S1 T x(k) + S1 b
=B =f
iterci konzisztens az egyenletrendszerrel. Az
S mtrixot prekondicionlsi mtrixnak hvjuk. Ez a mtrix hatrozza meg, hogy mennyire B = S1 T = S1 (S A) = E S1 A egyenlsg miatt j lenne, hiszen akkor a B mtrix spektrlsugara jval kisebb lehetne, mint 1,
nehz vagy knny az iterci vgrehajtsa. Megvlasztst kt, egymssal ellenttes kvetelmny hatrozza meg. Egyrszt knnyen invertlhatnak kell lennie, hiszen az itercihoz szksg van a mtrix inverzre, msrszt a ha
"kzel lenne
A-hoz",
ami gyors konvergencit eredmnyezne.
Nzznk meg kt specilis esetet S megvlasztsra! Legyen elszr S = A. Ekkor az iterci x(k+1) = (E S1 A)x(k) + S1 b = 0x(k) + A1 b alak lesz, ami egy lpsben konvergl a megoldshoz brmely kezdvektor esetn. Ebben az esetben S ugyan kzel van A-hoz (hiszen megegyezik vele), de inverznek meghatrozsa egyenrtk az egyenletrendszer direkt megoldsval, gy az eljrs nem ad semmi elnyt a direkt mdszerekhez kpest. A msik esetben legyen
S az egysgmtrix. Ekkor az iterci x(k+1) = (E A)x(k) + b alak lesz. Az S mtrixot ebben az esetben nem kell invertlni, de S-nek semmi kze sincs az A mtrixhoz, gy konvergenciatulajdonsgai nem lesznek nagyon jk. egyik esetben az Most ismertetnk nhny sokszor alkalmazott lehetsget az
S mtrix megvlasztsra. MindA mtrixot A = D L U alakba6 rjuk fel, ahol D a diagonlis elemek, L a diagonlis alatti elemek 1-szereseinek, mg U a diagonlis feletti elemek 1-szereseinek mtrixa. Feltesszk, hogy D ftljnak (azaz A ftljnak) egyik eleme sem nulla. Ez mindig elrhet
az egyenletek megfelel trendezsvel.
6 Felhvjuk a gyelmet arra, hogy az s mtrixok nem egyeznek meg az LU-felbonts hasonlan jellt mtrixaival. A jells csak arra utal, hogy als- ill. fels hromszgmtrixokrl van sz.
L U
3.
3.6.1. Jacobi-iterci
Az
S = D s T = U + L vlasztssal konstrult x(k+1) = D1 (L + U) x(k) + D1 b

:=BJ
(3.6.2)
itercit (
x(0)
tetszleges kezdvektor)
mtrixt a tovbbiakban
BJ
Jacobi7 -itercinak
n
nevezzk. A Jacobi-iterci itercis
jelli majd. Az itercit vektorkomponensenknt kirva az
xi
itercit nyerjk.
(k+1)
1 = aii
aij xj
(k)
bi , i = 1, . . . , n
j=1,=i
3.6.2. GaussSeidel-iterci
Az
S = D L s T = U vlaszts x(k+1) = (D L)1 U x(k) + (D L)1 b

BGS
itercit (
x(0)
tovbbiakban
BGS
tetszleges kezdvektor) GaussSeidel -itercinak nevezzk. Itercis mtrixt a jelli majd. Hogy lssuk az iterci Jacobi-itercival val kapcsolatt, alakts vgl szorozzunk
suk t az itercis kpletet. Szorozzunk elszr balrl a mindkt oldalhoz utn az
Lx(k+1) -et,
(D L)
mtrixszal, majd adjunk hozz
inverzvel. A fenti ekvivalens talaktsok
x(k+1) = D1 (Lx(k+1) + Ux(k) ) + D1 b D1 Lx(k+1) szerepel. Ltszlag ez az iter1 (k+1) vektor, de mivel D L szigor (a ci nem explicit, hiszen a jobb oldalon is szerepel az x (k+1) ftlban nullk szerepelnek) als hromszgmtrix, gy x mgis egyszeren meghatroz(k+1) (k+1) hat. Az x vektor els elemnek meghatrozshoz nincs szksg az x vektorra. A
tag helyett a GaussSeidel-iterciban stb. Mg jobban ltszik a kapcsolat a kt iterci kztt, ha a GaussSeidel-iterci utbbi alakjt komponensenknt is kirjuk itercit nyerjk. Lthat, hogy a Jacobi-itercihoz kpest csak annyi a klnbsg, hogy a
D1 Lx(k)
msodik elem meghatrozshoz pedig csak a korbban meghatrozott els elemre van szksg,
(k+1) xi
i1 n 1 (k+1) (k) = aij xj + aij xj bi aii j=1 j=i+1
(3.6.3)
(i = 1, . . . , n).
iterci az
x(k+1)
Ha sszevetjk ezt a Jacobi-iterci kpletvel, akkor lthat, hogy a Jacobivektor komponenseinek meghatrozshoz csak az
a GaussSeidel-mdszer az korbban kiszmolt
(k+1)
x(k)
vektort hasznlja, mg
vektor i-edik elemnek meghatrozshoz felhasznlja a vektor index elemeit (
j = 1, . . . , i 1
x(k)
megfelel elemei helyett).
7 Carl Gustav Jacob Jacobi (1804-1851, nmet). 8 Philipp Ludwig von Seidel (1821-1896, nmet).
3.6.
3.6.3. plda. Pldaknt vgezznk el egy-egy lpst a Jacobi- s a GaussSeidel-itercikkal (0) az x = [1, 1, 1]T vektorrl indulva a
2x1 x2 x1 + 2x2 x3 x2 + 2x3
egyenletrendszerre! Mindkt esetben a koordintnknti vltozatt fogjuk alkalmazni az iterciknak. A Jacobi-iterci esetn az
= = =
1 2 3
i-edik x1 x2 x3
egyenletbl kifejezzk az
i-edik
vltozt
(i = 1, 2, 3)
= x2 /2 + 1/2 = x1 /2 + x3 /2 + 1 = x2 /2 + 3/2
s gy ksztjk el az itercit
x1
(k+1) (k+1) (k+1)
= x2 /2 + 1/2 = x1 /2 + x3 /2 + 1 = x2 /2 + 3/2.
(k) (k) (k)
(k)
x2
x3
gy
x(1)
vektorknt az
[1, 2, 2]T
vektort nyerjk.
A GaussSeidel-mdszernl felhasznljuk az j vektor mr kiszmolt komponenseit, gy ez az
x1
(k+1) (k+1) (k+1)
= x2 /2 + 1/2 = x1
(k+1) (k+1)
(k)
x2
/2 + x3 /2 + 1 /2 + 3/2 x1 =
(1)
(k)
x3
itercit adja. Az
= x2
[1, 1, 1]T
kezdvektorral teht az els egyenletbl azt kapjuk, hogy
1,
a msodik egyenletbl
x2
(1)
= 2
s a harmadikbl (s ez eltr a Jacobi-mdszer esetn
(1) kapottl) x3 = 5/2. Lthat, hogy
0 BJ = 1/2 0
s
1/2 0 0 1/2 1/2 0
(BJ ) = 1/ 2 0.7071,
mg
BGS
s a spektrlsugara
0 = 0 0
1/2 1/4 1/8
0 1/2 1/4
(BGS ) = 1/2. Teht mindkt mdszer az egyenletrendszer megoldshoz
tart vektorsorozatot eredmnyez, s mivel a msodik esetben kisebb a spektrlsugr, ezrt erre a feladatra a GaussSeidel-mdszerrel ellltott sorozat konvergl gyorsabban.
3.
Els gondolatra, s taln az elz plda is azt sugallja, gy tnhet, hogy a GaussSeidelmdszer jobb, mint a Jacobi, hiszen minden lpsben felhasznljuk az j itercis vektor mr kiszmolt komponenseit. A kvetkez plda azt mutatja, hogy ez nincs gy.
3.6.4. plda.
Legyen egy lineris algebrai egyenletrendszer egytthatmtrixa
1/2 1 2
A = 1/2
2
Ekkor
1 . 1 0 1/2 1
1/2 0
BJ = 1/2
gy
(BJ ) = 1/2 < 1
1 , BGS = 0 1/4 1/2 . 0 3/2 1 2 2 0 (BGS ) = | 3/8 73/8| 1.443 > 1. Ezrt a fenti A
mtrix
egyenletrendszerekre a Jacobi-mdszer konvergens a GaussSeidel-mdszer pedig nem.
3.6.3. Relaxcis mdszerek

Az elz kt itercis mdszer esetn az itercis mtrix spektrlsugara adott rtk, csak az
prekondicionlsi mtrix megvlasztstl fgg. Ha teht a spektrlsugr egynl nem kisebb,
vagy kisebb ugyan, de kzel van egyhez, akkor a mdszer nem vagy nagyon lassan konvergl. Ekkor azt tehetjk, hogy vltoztatunk az egyenletrendszeren (pl. trendezzk a sorait), vagy msik
S mtrixot vlasztunk, vagy pedig az adott S prekondicionlsi mtrix mellett bevezetnk
egy paramtert az iterciba, melyet majd gy vlasztunk meg, hogy az iterci konvergens, st gyorsan konvergl legyen. Az els kt lehetsggel ksbb foglalkozunk. Most tekintsk a harmadik eljrst rszletesebben a Jacobi-iterci pldjn. Tegyk fel, hogy a Jacobi-iterciban a
k -adik
vektort, s az iterci a kvetkez lpsben az teht felrhat
(k) itercis lpsnl tartva ismerjk mr az (k+1) vektort eredmnyezn. A (k + 1)-edik lps J
x(k+1) = x(k) + (x(k+1) x(k) ) J
pozitv paramtert, s deniljuk az albbi itercit (3.6.4)
alakban. Vezessnk be most egy
x(k+1) = x(k) + (x(k+1) x(k) ). J

Ez a mdosts gy foghat fel, hogy az adott
(k) vektorrl most is a Jacobi-iterci ltal (k+1) adott vektor irnyba lpnk tovbb, de nem -be lpnk, hanem egy kicsit messzebb, J vagy egy kicsit kzelebb attl fggen, hogy egynl nagyobb vagy kisebb. (Termszetesen az
=1
eset visszaadja a Jacobi-itercit.) Ha
> 1,
akkor tlrelaxlsrl, ha
0 < < 1,
akkor
alulrelaxlsrl beszlnk. (A relaxls angolul relaxation sz itt arra utal, hogy a Jacobiiterci kplett nem vesszk szigoran, hanem mdostunk egy kicsit rajta.) A Jacobi-iterci relaxlt vltozatra a JOR (Jacobi overrelaxation) rvidtst fogjuk hasznlni, itercis mtrixt
BJ()
jelli majd.
rjuk fel mtrixos alakban a JOR itercit! Ehhez helyettestsk a (3.6.4) kpletbe a Jacobimdszer ltal adott
x(k+1) J
vektor kplett az iterci (3.6.2) alakjt felhasznlva.
x(k+1) = x(k) + (D1 (L + U)x(k) + D1 b x(k) ).

3.6.
Ebbl kapjuk, hogy
x(k+1) = ((1 )E + D1 (L + U)) x(k) + D1 b.

BJ()
Koordintnknt kirva ez az
(k+1) xi
= (1
(k) )xi
aii
n (k) aij xj
bi , i = 1, . . . , n
j=1,j=i
mdszert jelenti. Az itercis mtrix teht
BJ() = (1 )E + D1 (L + U) = BJ + (1 )E.
A JOR iterci az
(3.6.5)
A = S T felbontsban az S = (1/)D, T =
1 D+L+U
(3.6.6)
vlasztsnak felel meg, hiszen
S1 T = D1
s
1 D+L+U
= (1 )E + D1 (L + U) = BJ()
S1 b = D1 b.
Vegyk szre, hogy minden vlaszts esetn az egyenletrendszerrel konzisztens itercit
kapunk. Mivel
szabadon vlaszthat paramter, gy lehetsget ad arra, hogy gy vlasszuk
meg, hogy az iterci konvergens legyen, vagy hogy a konvergencia a lehet leggyorsabb legyen. Most trjnk t a GaussSeidel-iterci relaxcijra. Ezt a mdszert SOR (successive overrelaxation) fogja rvidteni a ksbbiekben, s itercis mtrixt most a GaussSeidel-iterci (3.6.3) koordintnknti alakjbl, s alkalmazuk a relaxci (3.6.4) kplett a Jacobi-iterci
BGS() jelli majd. Induljunk ki
x(k+1) J
vektort a GaussSeidel-mdszer ltal adott vektorra cserlve.
xi
(k+1)
1 (k+1) (k) (k) aij xj + aij xj bi xi aii j=1 j=i+1 i1 n (k) (k+1) (k) = (1 )xi aij xj + aij xj bi . aii j=1 j=i+1 = xi
(k)
i1
Mtrixos alakra trva az
x(k+1) = (D L)1 ((1 )D + U) x(k) + (D L)1 b.

BGS()
itercit nyerjk, teht
BGS() = (D L)1 ((1 )D + U). A SOR mdszerhez eljuthatunk gy is, hogy az A = S T felbontsban az S=
1 1 D L, T = D+U
(3.6.7)
mtrixokat vlasztjuk. Tetszleges
esetn a SOR mdszer is konzisztens az egyenletrendszerrel. tankonyvtar.bme.hu 77
3.
3.6.4. Itercis mdszerek konvergencija

Korbban mr lttuk, hogy egy, a lineris egyenletrendszerrel konzisztens itercis mdszer pontosan akkor konvergens, amikor itercis mtrixnak spektrlsugara kisebb egynl. Most vizsgljuk meg azt a krdst, hogy hogyan lehet ezt biztostani egy adott egyenletrendszerre, ill. hogy az elz fejezetben ismertetett itercik esetn mikor lehetnk biztosak a konvergenciban. Trjnk vissza a konzisztens itercik Ebben az esetben teht
S T az itercis mtrix, teht ennek spektrlsugarrl kell biztostani,

1
x(k+1) = S1 Tx(k) + S1 f alakjhoz, ahol A = S T.
hogy 1-nl kisebb legyen.
3.6.5. denci. nn Az A R mtrix A = S T 1 S 0 s T 0.
felbontst
regulris felbontsnak
hvjuk, ha
regulris,
3.6.6. ttel. 1 nn Ha az A R mtrixnak, amely regulris s A 0, A = S T egy regulris felbontsa, 1 akkor (S T) < 1.
Bizonyts. A
B = S1 T 0
k
mtrix a felttelek szerint jl denilt s nemnegatv mtrix.
Ekkor tetszleges pozitv egsz
k -ra
k
0
i=0
Azaz a
Bi S1 =
i=0
Bi (E B)A1 = (E Bk+1 ) A1 A1 .
S1
0 0
i nemnegatv tag sor rszletsszegei korltosak, gy a sor konvergens, aminek i=0 szksges s elgsges felttele ( ) < 1 (1.2.34. ttel).
3.6.7. ttel. Legyen A egy

ha
olyan ngyzetes mtrix, melynek a ftljn kvl nincs pozitv eleme. Ekkor
pontosan akkor van az
A M-mtrix.
A mtrixnak olyan A = ST regulris felbontsa, melyre (S1 T) < 1,
Bizonyts. Legyen elszr elemek llnak) s elz ttel miatt
regulris. A korbbi jellsekkel legyen
A M-mtrix. Ekkor megmutatjuk, hogy a Jacobi-iterci felbontsa S = D > 0 (mivel A M-mtrix, gy ftljban pozitv T = L + U 0. Ez egy regulris felbonts, tovbb mivel A1 0, ezrt az (S1 T) < 1.
A msik irny igazolshoz csak azt kell megmutatnunk, hogy a mtrixnak van inverze, s az egy nemnegatv mtrix. Az
= (S T)
= (S(E S
T))
= (E
S T ) S
1 (S1 T)<1
1 1
(S1 T)k S1 0
k=0
egyenlsgbl s becslsbl ltszik, hogy nemnegatv mtrix.
A invertlhat, hiszen ellltottuk invertlhat mtri-
xok segtsgvel az inverzt. Az inverz mtrixot elllt sor tagjai nemnegatvok, gy az inverz
3.6.
3.6.8. ttel.
Ha az egyenletrendszer egytthatmtrixa M-mtrix, akkor a Jacobi, a GaussSeidel-itercik s ezek relaxlt vltozatai
(0, 1)
mellett konverglnak az egyenletrendszer megoldshoz
tetszleges kezdeti vektor esetn. Bizonyts. Ha
S s T mtrixok (0, 1] esetn regulris felbontst adjk A-nak. gy az elz ttel szerint az
iterci konvergens lesz. A SOR mdszer esetn (3.6.7) szintn regulris felbontst ad, ha Az
M-mtrix, akkor
A1 0.
A JOR itercira a (3.6.6) kpletben szerepl
(0, 1].
=1
eset felel meg a Jacobi s GaussSeidel-mdszereknek.
3.6.9. ttel.
Szigoran dominns ftlj egytthatmtrixok esetn a Jacobi- s a GaussSeidel-itercik minden kezdvektor esetn az egyenletrendszer megoldshoz konverglnak. Bizonyts. Mivel szigoran dominns ftl esetn a ftlbeli elem abszolt rtke nagyobb, mint a sorbeli tbbi elem abszoltrtk-sszege, gy a
q = D1 L
s = D1 U
jellsekkel
q, s 0
q + s < 1.
Ezek utn a Jacobi-itercira az llts az albbi becslsbl kvetkezik.
(BJ ) BJ
A GaussSeidel-itercira a
= D1 (L + U)
= q + s < 1.
BGS
itercis mtrixot felrjuk
BGS = (D L)1 U = (E D1 L)1 D1 U

alakban. gy teht
(BGS ) BGS
= (E D1 L)1 D1 U
1 s 1q s= < = 1, 1q 1q 1q
ahol az els tnyez becslsnl a 3.2.5. ttelt alkalmaztuk.
3.6.10. ttel. Ha az A egytthatmtrix szimmetrikus s pozitv denit, akkor a Gauss-Seidel-iterci konvergl az egyenletrendszer megoldshoz tetszleges kezdeti vektor esetn.
A szimmetrikus, gy U = LT . Teht A az A = D L LT alakban rhat. 1 T gy BGS = (D L) L . Ez a mtrix mr nem felttlenl szimmetrikus, gy lehetnek kpzetes sajtvektorai s sajtrtkei. Legyen pl. egy sajtrtke, s v egy hozz tartoz sajtvektor,
Bizonyts. Mivel azaz
(D L)1 LT v = v.
D L mtrixszal balrl szorozva LT v = (D L)v,

(3.6.8)
majd a sajtvektor konjuglt transzponltjval szintn balrl szorozva kapjuk, hogy
vH LT v = vH (D L)v.
Az egyenlsg minkt oldalt a
vH (D L)v kifejezsbl kivonva vH Av = (1 )vH (D L)v

3.
addik. A jobb oldalt tovbb alaktva kapjuk, hogy
(1 )vH (D L)v = (1 )(vH Dv vH Lv) = (1 )(vH Dv vH (D LT )v),

ahol felhasznltuk (3.6.8) konjuglt transzponltjt. Mivel a bal oldalon egy vals mtrix ll, melynek transzponlt konjugltja nmaga, gy kapjuk az
(1 1)-es
(1 )vH (D LT )v = (1 )(vH Dv vH (D LT )v)

egyenlsget. Egyszersts utn nyerjk az
(1 ||2 )vH (D LT )v = (1 )vH Dv

egyenlsget, majd
(1 )-val
szorozva mindkt oldalt
(1 ||2 )vH Av = |1 |2 vH Dv
addik. Mivel egy szimmetrikus pozitv denit mtrix diagonlisban pozitv elemek szerepelnek, gy
vH Dv
pozitv. A
sszefggsbl
(D L LT )v = Av = 0
BGS
mtrix sajtrtke nem lehet 1, mert ellenkez esetben a (3.6.8) lenne, azaz
szingulris lenne. Emiatt az egyenlsg
jobb oldaln pozitv szm ll, gy a bal oldal is pozitv, azaz
1 ||2 > 0.
Teht
|| < 1.
Trjnk t a SOR iterci vizsglatra. Elszr egy szksges felttelt igazolunk a konvergencira.
3.6.11. ttel. (Kahan [19], 1958)

A SOR mdszer esetn
(BGS() ) |1 |, (0, 2).
azaz a konvergencia szksges felttele
Bizonyts. Igazak az albbi egyenlsgek:
|i | = | det(BGS() )| =
i=1
= | det((D L)1 )| | det((1 )D + U)| = |1 |n .

Teht
(BGS() ) = max |i |
i=1,...,n n 1/n
Szmt. mrt. kz.
i=1
|i |
= |1 |.
A kvetkez ttel, melyet bizonyts nlkl kzlnk, azt mondja, hogy szimmetrikus pozitv denit mtrixokra a Kahan-ttel felttele elgsges is a konvergencihoz.
3.6.12. ttel. (Ostrowski [26], 1954; Reich [27], 1949) Ha A szimmetrikus, pozitv denit mtrix, s (0, 2), akkor
(BGS() ) < 1,
azaz a SOR iterci konvergens lesz.
3.7.
Varicis mdszerek
Mr emltettk, hogy a dierencilegyenletek numerikus megoldsa sorn a leggyakrabban elfordul mtrixtpusok a szimmetrikus pozitv denit mtrixok, a diagonlisan dominns mtrixok s az M-mtrixok. Az elz ttelek alapjn elmondhatjuk, hogy szigoran dominns ftlj mtrixok esetn a Jacobi- s a GaussSeidel-iterci is konvergens lesz. Nha az egyenletek sorrendjnek megvltoztatsval knnyen el is rhet, hogy a mtrix szigoran dominns ftlval rendelkezzen. Szimmetrikus pozitv denit mtrixok esetn a SOR mdszer konvergens lesz minden konverglnak
(0, 2) vlaszts esetn (s csak ezekre). M-mtrixok esetn a SOR s a JOR mdszerek is (0, 1] esetn, de a SteinRosenberg-ttel miatt a SOR mdszer a clravezetbb
(gyorsabban konvergl).
3.6.5. Lellsi felttelek

Mr csak annak tisztzsa maradt htra, hogy mikor hagyjunk abba egy itercis eljrst. Honnt tudjuk, hogy milyen messze vagyunk az ismeretlen megoldstl az iterci sorn? Most felsorolunk nhny lehetsges szablyt, n. lellsi felttelt az itercihoz.
Ha
B < 1 valamilyen normban, akkor a Banach-fle xpontttel miatt x x(j)

1 B
x(1) x(0) .
rtkbl s az els iterci eredmnybl megmondhatjuk, hogy hny itercira van
szksg az adott normabeli pontossg elrshez.
Vizsgljuk az egyms utni itercik eredmnyeit, ha lelltjuk az itercit. Kiszmtjuk az n. maradkvektorokat: den kicsi, akkor lelltjuk az itercit. Megadunk egy
x(k+1) x(k)
elegenden kicsi, akkor
r(k) = b Ax(k) . Ha r(k+1) r(k) / r(0)
elegen-
kmax
rtket, ahol mindenkppen abbahagyjuk az itercit.
Ezek kzl akr tbbet is alkalmazhatunk. Pl. az utols felttelt minden programba rdemes bepteni, hogy gondoskodjunk a tnyleges lellsrl.
3.7. Varicis mdszerek

Ebben a fejezetben a lineris egyenletrendszerek megoldsnak egy jabb itercis megoldsi lehetsgt mutatjuk be szimmetrikus, pozitv denit mtrixokra. Az alaptlet az, hogy megadunk egy tbbvltozs fggvnyt, melynek abszolt minimumhelye az egyenletrendszer megoldsa. Ezt a minimumhelyet keressk meg egy megfelel itercis eljrssal. Legyen teht
A Rnn
szimmetrikus, pozitv denit mtrix, s tekintsk a
(x) = n-vltozs
1 T x Ax xT b 2
fggvnyt. Az sszeszorzott mtrixok mrete szerint a jobb oldali kifejezs valban
egy vals szmot (egy
(1 1)-es
mtrixot) rendel minden vektorhoz. Elszr megmutatjuk, hogy
ennek a fggvnynek egyetlen abszolt minimumhelye van az
Ax = b egyenletrendszer megoldsa.
Rn
halmazon s ez pontosan az
3.
3.7.1. ttel. A (x) fggvnynek T b A1 b/2.

Bizonyts. Legyen miatt
abszolt minimuma van az
x = A1 b
pontban. A minimum rtke
x = x +x egy tetszleges vektor. Ekkor a xT Ax = xT b egyenlsg

1 (x + x) = (x ) + xT Ax. 2
(3.7.1)
Ezutn
pozitv denitsgbl kvetkezik az llts. A minimum rtke egyszer behelyettes.
tssel addik. A a
(x)
fggvny mindegyik vltozja szerint parcilisan derivlhat, gy minden pontban
rtelmezve van a fggvny gradiense. Most kiszmtjuk a gradiensfggvnyt. Hatrozzuk meg
(x)
fggvny
xk
vltoz szerinti parcilis derivltjt
(k = 1, . . . , n).
n
rjuk ki ehhez a
(x)
fggvnyt rszletesen.
(x) =
Hagyjuk el az
1 2
aij xi xj
i=1 j=1 j
bj x j .
xk
vltozt nem tartalmaz tagokat, hiszen a derivls sorn ezek gyis eltnnek,
gy egyszersdik a derivland kifejezs.
1 (x) = xk 2
aik xi xk +
k=j=1
akj xk xj + akk x2 bk xk k
xk
akj xj bk .
j=1
k=i=1
Azaz a gradiensfggvny grad ( maradkvektor rtke az
x) = Ax b. Egy lineris egyenletrendszer esetn az r = b Ax
vektort maradkvektornak hvjuk. Jellsre az angol residual sz kezdbetjt hasznljuk. A vegkrnyezetbl mindig vilgos lesz, hogy a maradkvektort melyik
x vektor fggvnye, de ezt nem szoktuk a jellsben feltntetni. A szx vektorral kpeztk. A maradkvektor megmutatja, hogy egy adott x vektor esetn mekkora az eltrs az egyenletrendszer kt oldala kztt. Nyilvnvalan x = x esetn r = 0. Fontos szrevtel, hogy a gradiensvektor a
Az
maradkvektor
Ax = b
(1)-szerese.
lineris egyenletrendszer megoldsa teht a
(x)
fggvny minimumhelynek
megkeressvel egyenrtk. Hogy jobban el lehessen kpzelni, hogy milyen fggvnyt kell minimalizlni, rjuk a (3.7.1) kpletben a
vektor helyre az
xx
vektort
1 T 1 (x) = b A1 b + (x x )T A(x x ). 2 2
Innt ltszik, hogy a fggvny hiperellipszoid. (
A = E esetn koncentrikus kr.)

Tekintk a
c b A1 b/2
rtkhez tartoz szintvonala egy
centrum
3.7.2. plda.
2, x2 = 1.
2x1 = 4, 8x2 = 8
egyenletrendszert, melynek megoldsa
x1 =
Ekkor ez a megolds lesz a
(x) = x2 + 4x2 4x1 8x2 = (x1 2)2 + 4(x2 1)2 8 1 2

ktvltozs fggvny minimuma, ahogy ez az talaktsbl lthat is. A tartoz szintvonal egyenlete
c = 0
rtkhez
(x1 2)2 (x2 1)2 + = 1, 8 2
3.7.
Varicis mdszerek
ami egy
kzep,
ill.
fltengely ellipszis egyenlete.
Az elbbiek alapjn a
(x) fggvny minimumhelynek megkeresse tulajdonkppen egy olyan
fellet "legmlyebben" fekv pontjnak megkeresse, melynek szintvonalai koncentrikus hiperellipszoidok (kt dimenziban koncentrikus ellipszisek, lsd 3.7.1. bra). Elszr foglalkozzunk az irnymenti minimumok megkeressvel, azaz azzal az esettel, amikor nem az egsz felleten, hanem csak egy adott pontbl adott irnyban szeretnnk megkeresni a legkisebb fggvnyrtkt
(x)-nek.
3.7.3. ttel. Legyenek x s p = 0 adott vektorok. A g() = (x + p) T T minimumt az = p r/(p Ap) vlaszts esetn veszi fel.
Bizonyts. Mivel
egyvltozs fggvny egyrtelm
1 g() = (x + p) = (x) pT r 2 pT Ap 2 1 T = (x) + p Ap pT r 2 -ban

msodfok polinom, melynek fegytthatja pozitv (
minimumt valban az
= pT r/(pT Ap)
A pozitv denitsge miatt), ezrt a

(x)
fggvny minimumhelynek
rtknl veszi fel.
Ezek utn meg is adhatjuk a legegyszerbb algoritmust a
megkeressre. Tegyk fel, hogy valamilyen mdszerrel (ezt a ksbbiekben pontostani fogjuk) meghatroztuk az egyes lpseknl alkalmazand keressi irnyokat: tetszleges ms vektort is). Az mdon jrhatunk el. Vlasztunk egy kiindulsi kzeltst, legyen ez
(x) legkisebb fggvnyrtkt s a minimumhelyt. Ezt a minimumhelyet vlasztjuk a kvetkez
x0 pontbl a p1 keressi irnyban az elz ttellel meghatrozzuk a
p1 , p2 , . . .. Ekkor az albbi x0 = 0 (de vlaszhatunk
x1 kzeltsnek. Ezutn hasonlan jrunk el mindig a kvetkez keressi irnyt vlasztva az adott
pontbl. Az algoritmus az albbi mdon foglalhat ssze.
p1 , p2 , . . . = 0 keressi irnyokkal, A Rnn pozitv denit, b Rn adott. k := 0, r0 := b, x0 := 0 (lehet ms is) while rk = 0 do

Alap algoritmus: minimalizls adott
end while
k := k + 1 k := pT rk1 /(pT Apk ) k k xk := xk1 + k pk rk := b Axk
Az alapalgoritmus megismerse utn mr csak azt a krdst kell megvizsglnunk, hogy milyen mdon vlasszuk meg a keressi irnyokat ahhoz, hogy a minimumhelyet a leghatkonyabban tudjuk meghatrozni. tankonyvtar.bme.hu 83
3.
3.7.1. Gradiens-mdszer
Ismert, hogy egy tbbvltozs fggvny a gradiensvektorval ellenttes irnyban cskken a leggyorsabban. Ehhez elg felidznnk az irnymenti derivltrl tanultakat. gy kzenfekvnek ltszik mindig a gradiensvektor (-1)-szerest (ami a korbban mondottak szerint ppen az adott pontbeli a
r = b Ax maradkvektor) vlasztani keressi irnynak. Az gy nyert itercis mdszert (x) fggvny minimumhelynek megkeressre gradiens-mdszernek, mskppen a legmeredeA gradiens-mdszernl teht a 3.7.3. ttelt alkalmazva egy
kebb ereszkeds (angolul steepest descent) mdszernek hvjuk. maradkvektor, az az itteni
vektor irnyba az
x + (rT r/(rT Ar))r rT r r rT Ar
pontbl, ahol
r = b Ax
pontba lpnk tovbb. Innt pedig
bA x+ rT r r rT Ar
maradkvektor irnyban keressk a kvetkez irnymenti minimumot. Az
rT b A x +
= rT r rT A
rT r rT r r = rT r T rT Ar = 0 rT Ar r Ar
egyenlsg miatt lthat, hogy az iterci sorn az egyms utni keressi irnyok merlegesek egymsra. A gradiens-mdszer sorn vgzett lpseket szemllteti egy ktvltozs egyenletrendszer esetn a 3.7.1. bra.
3.7.1. bra.
A gradiens-mdszer algoritmusa teht a kvetkez.
A Rnn pozitv denit mtrix, b Rn k := 0, r0 := b, x0 := 0 (lehet ms is) while rk = 0 do

Gradiens-mdszer,
adott vektor.
end while
k := k + 1 k := rT rk1 /(rT Ark1 ) k1 k1 xk := xk1 + k rk1 rk := b Axk
Vizsgljuk meg a gradiens-mdszer konvergencijt. A kvetkez ttel arra ad becslst, hogy a
fggvny rtke hogyan vltozik egy-egy lps sorn.
3.7.
Varicis mdszerek
3.7.4. ttel.
A gradiens-mdszer sorn rvnyes a
(xk+1 ) + (1/2)b A1 b (xk ) + (1/2)b A

becsls
1 2 (A)
(k = 0, 1, . . .)
Bizonyts. Egyszer talaktsokkal kapjuk, hogy a bal oldali trt nevezje
(xk ) + (1/2)b A1 b =
1 T T x Axk xT b + (1/2)b A1 b k 2 k 1 1 T = xT (Axk b) + (b A1 xT ) b k 2 k 2

(b xT A)A1 k
T
1 1 1 1 = xT rk + rT A1 b = rT A1 (b Axk ) = rT A1 rk . 2 k 2 k 2 k 2 k
Tovbb a
(k + 1)-edik
maradkvektorra
rk+1 rk = b Axk+1 (b Axk )

= A(xk+1 xk ) = Ak+1 rk .
gy
rk+1 = (E Ak+1 )rk .

(xk+1 ) + (1/2)b A1 b (xk ) + (1/2)b A1 b
T T
Teht
rT A1 rk+1 rT (E k+1 A)A1 (E k+1 A)rk k+1 = k rT A1 rk rT A1 rk k k

2 2k+1 rT rk k+1 rT Ark k k
=1
rT A1 rk k (rT rk )2 k =1 T rk Ark rT A1 rk k
1 1
A1
=1
2
1 . 2 (A) 2 (A)
nagy rtk.
fggvny vltozst mutat elz ttelbl jl lthat, hogy a fggvny nagyon lassan
cskken, azaz a mdszer nagyon lassan konvergl abban az esetben, ha
3.7.2. Konjuglt gradiens-mdszer

Termszetesen vetdik fel az a krds, hogy a keressi irnyok msfajta megvlasztsval nem lehetne-e gyorstani valahogy a konvergencit. Vizsgljuk meg a krdst egy ktvltozs lineris egyenletrendszeren! Tekintsk a 3.7.2. brt. Itt az
x0
pontbl indulva tlpnk az
x1
pontba.
Ha itt olyan keressi irnyt tudnnk vlasztani, amely a minimumhely irnyba mutat, akkor a kvetkez lpsben mr meg is tallnnk a minimumot, hiszen abban a keressi irnyban az irnymenti minimum egyben abszolt minimum is. De hogyan lehetsges gy vlasztani a keressi irnyt, hiszen ehhez ltszlag szksgnk lenne a keresett
minimumhelyre? tankonyvtar.bme.hu 85
3.
3.7.2. bra.
Induljunk ki abbl a korbban igazolt lltsbl, hogy az ensvektor (-1)-szerese) merleges az
x1
x0
pontbeli keressi irny (a gradi-
pontbeli maradkvektorra.
0 = pT r1 = pT (b Ax1 ) = pT (Ax Ax1 ) = pT A(x x1 ). 1 1 1 1
x1 ) = 0 felttelt. Az egyszerbb megfogalmazs kedvrt vezessk be az albbi fogalmat. 3.7.5. denci. y vektorok
Legyen adva egy
Ebbl a kpletbl lthat, hogy az
x1 pontbl az x
megoldsba vezet vektor teljesti a
pT A(x 1
A-konjugltak (vagy A-ortogonlisak), ha xT Ay = 0.
A Rnn
szimmetrikus, pozitv denit mtrix. Azt mondjuk, hogy az
x s
Vegyk szre, hogy ha
A az egysgmtrix, akkor az A-ortogonalits pontosan a hagyomnyos

a
skalris szorzatbeli ortogonalitst jelenti. A denci segtsgvel teht mondhatjuk, hogy a hogy az legyen
A-ortogonlis
p1
keressi irnyra. Rgtn ltjuk, hogy ez lehetsges az
p2 keressi irnyt gy kell megvlasztanunk, x
megolds ismerete nlkl is. Keressk
p2 = r1 1 p1
alakban a msodik keressi irnyt. Az A-ortogonalitsi felttelt felhasznlva ekkor
1 =
pT Ar1 1 . pT Ap1 1
Tovbb, hasonlan a gradiens-mdszer konvergenciasebessgrl szl 3.7.4. ttel bizonytsban szerepl talaktsokhoz
rk+1 rk = b Axk+1 (b Axk )

= A(xk+1 xk ) = Ak+1 pk+1 .
gy
rk+1 = rk Ak+1 pk+1 .

Ktvltozs lineris egyenletrendszerre teht az albbi algoritmus alkalmazhat. Az algorit-
mus kt lpsben megtallja az abszolt minimumhelyet. Azaz egy tetszleges kezdpontbl a 86 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
3.7.
Varicis mdszerek
maradkvektor irnyban keres elszr irnymenti minimumot, majd ebben a pontban meghatroz egy vektort, mely A-konjuglt az els keressi irnyra. Ebben az irnyban megkeresve az irnymenti minimumot, az abszolt minimumot kapjuk.
Konjuglt gradiens-mdszer ktismeretlenes lineris egyenletrendszerre.
A R22 pozitv denit mtrix, b R2 x0 := 0, r0 := b p1 := r0 1 := pT r0 /(pT Ap1 ) 1 1 x1 := x0 + 1 p1 r1 := r0 1 Ap1 1 := pT Ar1 /(pT Ap1 ) 1 1 p2 = r1 1 p1 2 := pT r1 /(pT Ap2 ) 2 2 x2 := x1 + 2 p2 (= x pontos megolds)
tetszleges vektor.
Ezt a mdszert a konjuglt keressi irnyok vlasztsa miatt konjuglt gradiens-mdszernek nevezzk. A mdszert teljes egszben Magnus Hestenes s Eduard Stiefel adta meg elszr az 1950-es vek elejn. Mivel kt itercis lpsben pontosan szmolva pontosan megkapjuk a megoldst, ezrt ez a mdszer elmletileg direkt mdszernek tekinthet. Most rtrnk a konjuglt gradiens-mdszer tbbdimenzis algoritmusra, amely knnyen addik a ktvltozban megismert algoritmus ltalnostsaknt. (Ksbb majd mg pontostjuk ezt az algoritmust.)
Konjuglt gradiens-mdszer, els vltozat.
A Rnn pozitv denit mtrix, b Rn k := 0, r0 := b, x0 := 0, p1 = r0 while rk = 0 do

k := k + 1 k := pT rk1 /(pT Apk ) k k xk := xk1 + k pk rk := rk1 k Apk k := pT Ark /(pT Apk ) k k pk+1 := rk k pk
adott.
end while
Termszetesen az korntsem vilgos, hogy ez az algoritmus is hasonl j tulajdonsgokkal rendelkezik, mint a ktdimenzis esetben bemutatott algoritmus. Azt, hogy ez mgis gy van, a kvetkez ttel mutatja.
3.
3.7.6. ttel. Ha rk1 = 0 egy adott k -ra (azaz nem rt vget az eljrs a (k 1)-edik lpsben), akkor xk lin{p1 , . . . , pk } = lin{r0 , . . . , rk1 } =: Vk ,
valamint
k2
esetn
rT rj = 0, j = 0, . . . , k 2, k1 pT Apj = 0, j = 1, . . . , k 1. k
k -ra
vonatkoz teljes indukcival trtnik.
Bizonyts. A bizonyts A
k=1
eset:
r0 = p1 = 0 s 1 = 0, ezrt x1 = 1 p1 = 1 r0 .
r0 = 0 s r1 = 0, akkor x2 = x1 + 2 p2 = 1 p1 + 2 p2 = 1 r0 + 2 (r1 1 r0 ), ami mutatja az

llts els rsznek helyessgt. Tovbb
Br a bizonytshoz nem szksges, taln hasznos a
k = 2 eset rszletes vizsglata is: Ha teht
pT Ap1 = (rT 1 pT )Ap1 = pT Ar1 1 pT Ap1 = 0, 2 1 1 1 1 T T T T T r1 r0 = (r0 1 p1 A)r0 = r0 r0 1 p1 Ar0 = pT r0 1 pT Ap1 = 0. 1 1

Tegyk fel most, hogy az llts igaz k = l esetn, azaz xl {p1 , . . . , pl } = {r0 , . . . , rl1 }, rT rj = 0 (j = 1, . . . , l 2), pT Apj = 0 (j = 1, . . . , l 1). Vizsgljuk a k = l + 1 esetet! l1 l
lin(r0 ,...,rl1 )
xl+1 =
xl
lin(p1 ,...,pl )
+l+1 pl+1
=rl l pl
lin(p1 , . . . , pl+1 )
= lin(r0 , . . . , rl ).
Most ngy klnbz esetet kell vgignznnk 1.
rtke szerint.
j <l1
esetn
rT rj = (rT l pT A)rj = 0. l l1 l
2.
j =l1
esetn, mivel
rT rl1 = l1
r
s
pT l
T l1 l1
rl1
p
T l1
pT Arl1 = pT A l l
ezrt
pl
rl1 l1 pl1
rT rl1 = (rT l pT A)rl1 = 0. l l1 l

3.
j<l
esetn
pT Apj = (rT l pT )Apj = 0. l+1 l l

3.7.
Varicis mdszerek
4.
j=l
ezrt
esetn, mivel
rT Apl = pT Arl , l l pT Apl = (rT l pT )Apl = 0. l+1 l l
Ezt akartuk megmutatni.
3.7.7. megjegyzs. A bizonytsbeli azonossgokat felhasznlva a kvetkez sszefggsek nyerhetk:
k =
tovbb
rT rk1 k1 , pT Apk k
rT rk = rT (rk1 k Apk ) = k rT Apk , k k k rT rk1 = rT (rk + k Apk ) = k rT Apk = k pT Apk , k1 k1 k1 k

k =
T k k . T k1 k1
s gy
r r r
3.7.8. denci. nn Legyen A R egy szimmetrikus, az x A = xT Ax rtket rtjk.

Vezessk be az
pozitv denit mtrix. Egy
x Rn vektor
A-normjn
e(k) = x xk
jellst.
3.7.9. ttel. Ha rk1 = 0, akkor xk
az egyetlen pont
Vk -ban,
melyre
e(k) e(k)
A A,
minimlis.
e(1)
tovbb
e(2)
e(k) = 0 valamilyen k n esetn. x (xk x) = e(k) + x

vektorokat, ahol
Bizonyts. Tekintsk az
egy tetszleges
Vk -beli
vektor.
e(k) + x
(k) T (k) A = (e + x) A(e + x) =0
= (e(k) )T Ae(k) + xT Ax + 2
(e(k) )T A
=(Ae(k) )T =(bAxk )T =rT k
x
Vk
= (e(k) )T Ae(k) + xT Ax.

Lthat teht, hogy kzelt vektor A cskkense. tankonyvtar.bme.hu 89
x = 0 esetn lesz A-normban a Vk trbl.
a norma a legkisebb, azaz
xk
a megoldst legjobban monoton
V1 V2 Vk
tartalmazsokbl kvetkezik a hibavektorok
A-normjnak
3.
Ha nem r vget az eljrs korbban, akkor Tovbb
xn
n
az
-ben
hiszen az rk vektorok ortogonlisak. A-normban legjobban kzelt vektor, azaz maga az x megolds.
Vn = Rn ,
3.7.10. kvetkezmny.
legfeljebb
A ttel kzvetlen kvetkezmnye, hogy a konjuglt gradiens-mdszer
lpsbl vget r, azaz annyi lpsbl, ahny ismeretlenje volt az egyenletrendszer-
nek. Ahogy mr korbban emltettk, elmletileg (azaz szmbrzolsi s kerektsi hibk nlkl) a konjuglt gradiens-mdszer egy direkt mdszer. A gyakorlatban viszont a hibval terhelt szmtsok miatt itercis mdszerknt alkalmazzuk.
3.7.11. kvetkezmny. Ha a k-adik lpsben lelltjuk megoldst A-normban legjobban kzelt vektort.
az itercit, akkor megkapjuk
Vk -bl
A konjuglt gradiens-mdszer konvergencijra vonatkozan megadunk most bizonyts nlkl kt ttelt. A ttelek azt mutatjk, hogy kis kondciszm vagy kevs klnbz sajtrtkkel rendelkez mtrixok esetn a mdszer gyorsan konvergl.
3.7.12. ttel. (Daniel [10], 1967) Legyen A szimmetrikus, pozitv denit
mtrix, melynek kondciszma
2 (A).
Ekkor a kon-
juglt gradiens-mdszer hibavektorra az albbi becsls rvnyes
(k)
A2
2 (A) 1 2 (A) + 1
e(0)
A.
3.7.13. ttel. Ha az A mtrixnak s db

feljebb
klnbz sajtrtke van, akkor a konjuglt gradiens-mdszer leg-
lpsben megadja a megoldst.
A korbbi eredmnyek gyelembevtelvel az algoritmus az albbi alakra egyszersdik:
Konjuglt gradiens-mdszer, javtott algoritmus.
A Rnn pozitv denit mtrix, b Rn k := 0, r0 := b, x0 := 0, p1 = r0 while rk = 0 do
adott vektor.
end while
k := k + 1 k := rT rk1 /(pT Apk ) (2n 1 + 2n2 + n 1 k1 k xk := xk1 + k pk (2n op) rk := rk1 k Apk (2n op) k := rT rk /(rT rk1 ) (2n 1 op) k k1 pk+1 := rk + k pk (2n op)
op)
A konjuglt gradiens-mdszer mveletignye
2n2 + 11n 3 = O(2n2 )
itercinknt. gy ha
n/3-nl tbb lps kellene, akkor a Gauss-mdszer gyorsabb nla. Emiatt inkbb ritka mtrixokra
alkalmazzk. Elnye a korbban ismertetett itercis mdszerekkel szemben, hogy nem kell hozz optimlis relaxcis paramtert keresni a gyors konvergencia elrshez. 90 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
3.8.
A QR-felbonts
3.7.14. megjegyzs.
A konjuglt gradiens-mdszert gyakran hasznljk prekondicionltan. Ez
azt jelenti, hogy ekvivalens talaktsokkal olyan alakra hozzk az egyenletrendszert, melynek egytthatmtrixnak kondciszma jval kisebb, mint az eredeti egyenletrendszer mtrix, ugyanakkor a megoldsa kzel azonos mvelettel jr. A mi esetnkben lehet pozitv denit mtrix, melyre
C2
kzelti
A-t s C2
szimmetrikus,
knnyen invertlhat. Tekintsk ekkor a
(C1 AC1 )(Cx) = C1 b

egyenletrendszert. Ha ezt a konjuglt gradiens-mdszerrel oldjuk meg, akkor br minden itercis lpsben egy
C2
egytthatmtrix lineris egyenletrendszert kell megoldanunk, az eljrs
gyorsan konverglhat, mert a mtrix jl kondicionlt.
3.8. A QR-felbonts
Korbban mr lttunk ktfajta mtrixfelbontst. Az egyik a Schur-felbonts volt, amely szerint minden mtrix unitr hasonlsgi transzformcival fels hromszgmtrixba vihet. A msik az LU-felbonts, amely szerint bizonyos mtrixok felrhatk egy normlt als s egy fels hromszgmtrix szorzataknt. Mindkt felbonts hasznosnak bizonyult az alkalmazsok sorn. Ebben a fejezetben egy jabb felbontssal fogunk megismerkedni: a QR-felbontssal, amely hasonlan hasznos eszkz lesz a ksbbiekben. A QR-felbonts egy ortogonlis s egy fels hromszgmtrix szorzataknt lltja el a teljes oszloprang mtrixokat. Egy mtrixot szma legalbb annyi, mint oszlopai.
teljes oszloprangnak
h-
vunk, ha rangja megegyezik oszlopainak szmval. Nyilvnvalan ez csak gy lehet, ha sorainak Tulajdonkppen mr tallkoztunk is olyan eljrssal, amely QR-felbontst ad. Az 1.1.30. ttel
x1 , . . . , xn Rm (n m) vektorokhoz megadhatk olyan ortonormlt q1 , . . . , qn vektorok, hogy lin(x1 , . . . , xl ) = lin(q1 , . . . , ql ) (l n). gy teht vannak olyan ij szmok, melyekkel
szerint a GramSchmidt ortogonalizcis eljrs sorn a linerisan fggetlen
x1 = 11 q1 x2 = 12 q1 + 22 q2
. . .
xn = 1n q1 + . . . + nn qn .
Ha teht a teljes rang
A Rmn
mtrix oszlopvektorai
x1 , . . . , xn , akkor A felrhat az
... ... ... 1n 2n nn
11 0 A = [q1 , . . . , qn ] 0
12 22 0
alakban. Ezt a felbontst reduklt QR-felbontsnak hvjuk. Az els tnyez egy ortonormlt vektorokat tartalmaz Ha most kiegsztjk a
(m n)-es mtrix, a msodik pedig egy (n n)-es fels hromszgmtrix. q1 , . . . , qn vektorokat ortonormlt bziss a qn+1 , . . . , qm vektorokkal,
3.
akkor az
11 0 . . . A = [q1 , . . . , qn , qn+1 , . . . , qm ] 0 0 . . . 0
ellltsban az els mtrix egy oszlopai az
12 22 0 0
. . .
... ...
.. .
... 0
. . .
1n 2n . . . nn 0 . . . 0
m m-es
ortogonlis mtrix, a msodik pedig egy
fels hromszgmtrix. Ezzel el is llt egy QR-felbonts. Vegyk szre, hogy a
Q mtrix n+1 : m
mn
mret
mtrix ellltsban nem vesznek rszt, hiszen ezek az
mtrix nulla sorainak
elemeivel szorzdnak. Termszetesen nem vletlen, hogy a GramSchmidt-eljrs sorn ritkn emltik csak, hogy alkalmas QR-felbonts ltrehozsra. Ennek oka az, hogy a numerikus szmtsok sorn felhalmozd kerektsi s brzolsi hibk elgg pontatlann teszik a mdszert. Most megismernk kt msik, sokkal gyakrabban alkalmazott eljrst QR-felbonts ellltsra.
3.8.1. QR-felbonts Householder-tkrzsekkel

Legyen adott a
v=0
normlvektorval az
adott tovbb egy tetszleges
x vektornak a hiperskra merleges komponense

1
x vektor. Adjuk meg x-nek a hiperskra val tkrkpt! Mivel az v vT x , v 2
Rn
trben egy
(n 1)-dimenzis
hipersk. Legyen
v
ezrt a tkrkp gy addik, hogy
x-bl kivonjuk ezen vektor ktszerest. Teht a tkrkp vT x vvT 2vvT =x2 T x= E T v 2 v v v v
2vvT
x2
Ezek alapjn egy adott azokat a
x.
v=0
normlvektor hiperskra gy tkrzhetjk a vektorokat, hogy
H=E
mtrixszal szorozzuk. A tkrzst a bra szemllteti.
vT v
vektor egyrtelmen meghatrozza. A tkrzst a 3.8.1.
3.8.1. ttel. Egy adott v = 0 vektor esetn a H mtrix szimmetrikus s ortogonlis.

Bizonyts. A szimmetria ltszik, hiszen transzponlva visszakapjuk ortogonalitshoz.
H-t. Az ortogonalitshoz
azt mutatjuk meg, hogy a mtrix inverze sajt maga, mert ez a szimmetria miatt elegend az
2vvT
vT v
2vvT
vT v
=E4
vvT vvT vvT +4 T = E. vT v v v vT v

vektorra
A ttel kvetkezmnye teht, hogy tetszleges
x Rn
H(H)x = Ex = x,
valban megfelel a tkrzsi tulajdonsgnak. Az is knnyen ltszik, hogy a vektorok, azaz a hipersk vektorai helyben maradnak a szorzs sorn. 92 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
v vektorra merleges
ami
3.8.
A QR-felbonts
3.8.1. bra.
Viszgljuk meg most azt a krdst, hogy milyen v vektorral visz a tkrzs egy x vektort egy e1 -gyel prhuzamos vektorba! Azaz szeretnnk az x vektorhoz egy olyan v vektort tallni, hogy a vele konstrult
tkrzsre (sematikusan)
0 Hx = H . = . . . . . 0
teljesljn. Mivel
Hx = x
lin(e1 )
gy
2vT x
vT v
v,
v lin(x, e1 ). Legyen v = x + e1
Ekkor
valamilyen
konstanssal.
Hx = x
2(xT + eT )x 1 (x + e1 ) (x + e1 )T (x + e1 )
xT x + x1 2vT x x T e1 xT x + 2x1 + 2 v v x 2 + x1 2vT x 2 x T e1 . = 12 x 2 + 2x1 + 2 v v 2

=x2
x = 0 esetn v = x x 2 e1
Hx =
Innt egyszerre addik, hogy
szorzja nullv tehet az
= x 2 x 2 x
2 2 2 2
2 vlasztssal. Teht adott
j vlaszts. Ekkor ugyanis
2(x x 2 e1 )T x e1 = (x x 2 e1 )T (x x 2 e1 )
Ha
2 x 2 x1 e1 = 2 x 2 x1
x 2 e1 .
3.8.2. megjegyzs.
Mivel
x1 = 0,
9
akkor clszer a
v = x + sgn(x1 ) x 2 e1
vlaszts a kiegyszer-
sds elkerlse rdekben. eleme 1 legyen. Ekkor a
v-nek csak az irnya fontos, a nagysga nem, azrt clszer gy normlni, hogy az els v vektor trolhat az x vektor lenullzott elemeinek helyn.
9 Az sgn rvidts a signum fggvnyt jelli: sgn(x) pozitv x rtkekre +1, negatvokra 1 s x = 0 esetn 0.
3.
Legyen
C egy tetszleges mtrix. Ekkor a HC szorzatot a

HC =
2vvT
vT v
C=C
2vvT
vT v
C=C+v
2vT C
vT v
= C + vwT
=:wT
kplettel rdemes szmtani a jval tbb mveletet ignyl tnyleges mtrixszorzs helyett.
3.8.3. denci. m Legyen x R tetszleges

nevezzk. A korbbiak alapjn adott vektorbl meghatrozzuk a
vektor. Ekkor azt a
sgvektorral prhuzamos vektorba viszi (az
mtrixot, amely az
vektorhoz tartoz)
Householder10 -tkrzsnek
vektort az
e1
egy-
zel a
x vektorra gy v = x x 2 e1
llthat el a Householder-tkrzs, hogy az kplettel a tkrsk normlvektort, majd ez-
vektorral kpezzk a
tkrzsi mtrixot. Lthat, hogy egy adott
vektorhoz tbb
Householder-mtrix is ltezik. Householder-tkrzsekkel knnyen elllthat egy teljes oszloprang mtrix QR-felbontsa.
3.8.4. ttel. mn Legyen A R (m n)

ortogonlis s
egy teljes oszloprang mtrix. Ekkor lteznek olyan
RR
mn
fels hromszgmtrixok, melyekkel
A = QR .
Q Rmm
Bizonyts. A ttelt gy bizonytjuk, hogy Householder-tkrzsekkel ellltjuk a keresett felbontst. Legyen
H1 az A(1 : m, 1) oszlophoz tartoz Householder-tkrzs. Ekkor A(2) := H1 A (2) els oszlopnak 2 : m elemei nullk. Legyen H2 az A (2 : m, 2) oszlophoz tartoz Householder(3) mtrix. Legyen tovbb H2 = diag(1, H2 ). Ekkor A := H2 A(2) els oszlopnak 2 : m elemei ill. msodik oszlopnak 3 : m elemei nullk. A teljes rang miatt az eljrs tovbb folytathat. gy
a
Hn H1 A = R
ellltst nyerjk, ahol a fenti jellsekkel
R fels A = QR .
hromszgmtrix. A
QT := Hn H1
mtrix ortogonlis, gy
3.8.2. QR-felbonts Givens-forgatsokkal

Ismert, hogy a
szg elforgatottja egy
R2 -beli x cos sin
vektornak az az
vektor, melyre
x =
sin cos
x.
=:G
G -val. Knnyen ellenrizhet, hogy ez a mtrix ortogonlis. G mtrix milyen szg esetn visz egy ktelem x oszlopvektort olyan vektorba, melynek msodik eleme nulla, azaz milyen G mtrixszal lesz
Jelljk a forgatsi mtrixot Vizsgljuk meg, hogy a
= G
3.8.
A QR-felbonts
Vegyk szre, hogy a
szg rtkre nincs is szksgnk, elegend az
rtkek meghatrozsa. Knnyen ltszik, hogy ha
x2 = 0 ,
akkor
s = sin s c = cos s = 0, c = 1 j vlaszts. Ha
x2 = 0,
akkor az
sx1 + cx2 = 0, s2 + c2 = 1 s= x2 x2 1 +
egyenletrendszer megoldsbl
x2 2
, c=
x1 x2 1 + x2 2
addik. sszefoglalva teht, brmely ktelem vektor megszorozhat gy egy ortogonlis mtrisszal, hogy az eredmnyvektor msodik eleme nulla legyen. Trjnk t most a tbbdimenzis esetre. Milyen ortogonlis mtrixsszal szorozzunk meg egy adott s az
x Rm
i-edik
vektort ahhoz, hogy a
j -edik
eleme lenullzdjon a szorzs utn
(j = 2, . . . , m),
elemen kvl a tbbi elem vltozatlan maradjon (i
< j )?
A ktdimenzis esetet
ltalnostva knnyen addik a vlasz. A keresett mtrixnak az albbi alaknak kell lennie.
G(i, j, ) = s = sin c = cos
1
.. .
c 1
.. .
1 s c
.. .
Rmm , 1
(3.8.1)
ahol az
rtkek az
i-edik
ill.
el, s a ktdimenzis esetnl ismertetett mdon az mtrix tulajdonkppen egy, az
s xj elemeibl szmthatk. Ez a {(0, . . . , 0, u , 0, . . . , 0, v , 0 . . . , 0) Rm | u, v R} hiperskbeli
x vektor xi
j.
j -edik
sorokban s oszlopokban helyezkednek
i.
szg forgatst r le.
3.8.5. denci. Azt a G(i, j, ) (3.8.1)

hvjuk.
11
alak mtrixot, amely egy adott
x Rm
vektort gy vltoztat meg a
vele val szorzs sorn, hogy a
j -edik (j = 2, . . . , m 1)
kivtelvel a tbbi elem nem vltozik, (az
x vektorhoz tartoz (i, j) index) Givens-forgatsnak
eleme nulla lesz, s az
i-edik
elem
A Givens
-forgats nem egyrtelm, azaz egy adott vektor adott kt elemhez tbbfajta, a
feltteleknek megfelel mtrix is megadhat. Egy teljes oszloprang mtrix QR-felbontsa elllthat Givens-forgatsok segtsgvel is. Elszr megkeressk az els oszlophoz tartoz szorozzuk a mtrixot. Ekkor a mtrix az els oszlop
(m 1, m)
index Givens-forgatst, majd ezzel
m-edik
sornak els eleme lenullzdik. Ezutn szorzunk
(m 2, m 1)
index Givens-forgatsval, stb. Ezt folytatjuk addig, mg az els
oszlopban az els elem kivtelvel minden elem lenullzdott. Ezutn folytatjuk az eljrst a msodik oszloppal, kinullzva az oszlopban a ftl alatti elemeket. Stb. Az egyes lpsek nem rontjk el a korbban lenullzott elemeket. Az eljrs vgn egy fels hromszgmtrixot kapunk, ez lesz az
mtrix, a Givens-forgatsok szorzatnak transzponltja pedig a
Q mtrix.
11 Wallace Givens, 1910-1993 (USA)

3.
Az eljrs sematikusan a kvetkezkppen nz ki:
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Ahogy lttuk, a QR-felbontst hromflekppen is el tudjuk lltani: Gram-Schmidt ortogonalizcival, Householder-tkrzsekkel s Givens-forgatsokkal. Vajon ezek ugyanazt a felbontst lltjk el? Ezt vizsglja az albbi ttel.
3.8.6. ttel.
Egy teljes oszloprang mtrix esetn a reduklt QR-felbonts egyrtelm, ha megkveteljk, hogy
ftljban pozitv elemek legyenek.
Bizonyts. Legyen Ekkor
A A szimmetrikus s a teljes oszloprang miatt pozitv denit is, tovbb

T
A = Q1 R1 a teljes oszloprang A Rmn mtrix reduklt QR-felbontsa. AT A = (Q1 R1 )T (Q1 R1 ) = RT R1 . 1
Ha
R1
ftljban pozitv elemeknek kell llniuk, akkor a fenti elllts ppen az
rix Cholesky-felbontst adja, ami egyrtelm. Mivel meghatrozott.
Q1 = A
R1 , azrt 1
Q1
AT A
mt-
is egyrtelmen
Householder-tkrzsek esetn a QR-felbontshoz szksges tkrzsi mtrixok ellltsnak mveletignye
2n2 (m n/3)
op, mg a Givens-forgatsok ellltsa
3n2 (m n/3)
op. gy
azt mondhatjuk, hogy a Hoseholder tkrzsek alkalmazsa ltalban gyorsabb, mint a Givensforgatsok. A Givens-forgatsok elnye viszont abban ll, hogy segtsgkkel elemenknt tudjuk lenullzni az eredeti mtrix elemeit. Pl. fels Hessenberg mtrixok QR-felbontsnl ez nagyon praktikus, hiszen csak a szubdiagonl elemeit kell lenullznunk. Sematikusan ez a kvetkez mdon tehet meg, az Givens-forgatst:
i-edik
lpsben az
i-edik
oszlophoz keressk meg az
(i, i + 1)
index
0 0
0 0 0 0
0 0 0 0
0 0 0 0 0
0 0 0
A QR-felbontst a kvetkez fejezetben tlhatrozott lineris egyenletrendszerek megoldsra fogjuk hasznlni. Tovbbi alkalmazsval a sajtrtkmeghatrozsi mdszereknl fogunk majd tallkozni.
3.9. Tlhatrozott rendszerek megoldsa

Ebben a fejezetben olyan lineris egyenletrendszerek megoldst keressk meg, melyek legalbb annyi egyenletet tartalmaznak ahny ismeretlenje van az egyenletrendszernek. Az ilyen egyenletrendszereket tlhatrozott egyenletrendszereknek nevezzk. Az egyszersg kedvrt ide soroljuk 96 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
3.9.
Tlhatrozott rendszerek megoldsa
a ngyzetes mtrix egyenletrendszereket is, azaz azt az esetet, amikor ugyanannyi egyenlet van mint ismeretlen. Az egytthatmtrixrl feltesszk tovbb, hogy teljes oszloprang. sszefoglalva teht az
Ax = b, A Rmn , m n, r(A) = n b
el-
alak egyenletrendszereket vizsgljuk. ll
Ismert, hogy a fenti lineris egyenletrendszernek vagy csak egy megoldsa van (ha
oszlopvektoraival) vagy nincs megoldsa (ha nem ll el). Ha van megolds, akkor azt a
Gauss-mdszerrel hatrozhatjuk meg, hasonlan ahhoz az esethez, amikor az egytthatmtrix invertlhat ngyzetes mtrix volt. Gauss-transzformcik s esetleges sorcserk segtsgvel az llni. Ha most a
mtrixot fels hromszg alakra hozzuk, melynek ftljban nulltl klnbz elemek fognak pedig nullvektor, akkor az egyrtelm megolds egyszer visszahelyettestssel addik. A fentiek alapjn ltalban azt mondhatjuk teht, hogy egy tlhatrozott lineris egyen-
b(n + 1 : m) nem nullvektor, akkor az egyenletrendszernek nincs megoldsa, ha
letrendszernek nincs megoldsa. Hasznos azonban a megolds fogalmt egy kicsit kiterjeszteni. Nevezzk egy tlhatrozott lineris egyenletrendszer esetn legkisebb ngyzetek (angolul least square, rvidtve LS) rtelemben legjobb megoldsnak, rviden LS-megoldsnak, azt az vektort, melyre Legyen
Ax b
2 2 a lehet legkisebb.
x Rn
(x) = Ax b 2 , 2
tovbb legyen Ekkor
egy tetszleges nemnulla vektor (
Az = 0),
egy tetszleges vals szm.
(x + z) = A(x + z) b = Ax b = Ax b
2 2 2 2
2 2
+ 2 Az
2 2
2 2
+ 2zT AT (Ax b) 2zT AT (Ax b)
+ Az
Az
2 2
Megmutatjuk, hogy az LS-megolds nem lesz ms, mint az
AT Ax = AT b
n. normlegyenlet megoldsa (
(3.9.1)
AT A
ngyzetes mtrix), amely nyilvnvalan ltezik, hiszen
teljes oszloprang. Jellje ezt a megoldst
xLS . Ekkor
2 2
(xLS + z) = AxLS b
akkor legyen
+ 2 Az
2 2
= (xLS ) + 2 Az 2 . 2 -t.
Ha
Azt kell megmutatnunk, hogy csak egy vektor minimalizlhatja
=1
z = y xLS , azaz
y-nl is minimum lenne,
(xLS + (y xLS )) = (y) = (xLS ) + A(y xLS )

ha
2 2
= (xLS ),
y = xLS .
Megolds a normlegyenlet segtsgvel

Az LS-megolds teht a (3.9.1) egyenlet segtsgvel hatrozhat meg alakban. Termszetesen a gyakorlatban nem gy szmoljuk. Mivel denit mtrix, ezrt elllthat a Cholesky-felbontsa mveletigny:
Ly = AT b egyenletrendszert, majd xLS az LT x = y egyenletrendszer megoldsaknt addik. Az eljrs

alakban. Ezutn megoldjuk az
LLT
A A
T
xLS = (AT A)1 AT b

szimmetrikus, pozitv
(m + n/3)n2
op. tankonyvtar.bme.hu 97
3.
Megolds a QR-felbonts segtsgvel

Legyen
A = QR az A mtrix QR-felbontsa. Az Ax b
2 2
= QR x b
2 2
= QT (QRx b)
2 2
2 2 2 2
az
= Rx QT b
egyenlsg miatt, ahol
= R1 x c
2 2
+ d
R1 = R(1 : n, 1 : n), c = (QT b)(1 : n, :)
d = (QT b)(n + 1 : m, :),
LS-megolds az albbi mdon hatrozhat meg.
Kpezzk az
A mtrix QR-felbontst.
R1 = R(1 : n, 1 : n)
mtrixot.
Meghatrozzuk az Meghatrozzuk a Az
c = (QT b)(1 : n, :) vektort.

R1 x = c
egyenletrendszer megoldsaknt addik. op.
xLS
LS-megolds az
Az eljrs mveletignye:
2(m n/3)n2
3.9.1. megjegyzs.
m >> n
tesnek. esetn a QR-felbontsos megolds mveletszma kb. ktszerese a normlegyenle-
Ngyzetes, teljes rang mtrixokra a mveletszm mindkt esetben
4n3 /3,
ami a Gauss-
mdszer ktszerese. Viszont ha a memriakezelst is gyelembe vesszk, akkor a teljes futsi id sszemrhet a Gauss-mdszerrel, st stabil is, hiszen nincs nvekedsi faktor.
Ranghinyos vagy kzel ranghinyos esetben ezek a mdszerek nem hasznlhatk. A normlegyenletre alkalmazhat a konjuglt gradiens-mdszer, de akkor az j rendszer kondciszma az eredeti ngyzete lesz. Ha
A Rnn ,
akkor
xLS = A1 b,
ami az egyenletrendszer klasszikus rtelemben vett
megoldsa.
3.10. Lineris egyenletrendszerek megoldsa a MATLAB-ban

Lineris egyenletrendszerek megoldsa a MATLAB programban egyetlen paranccsal (\) trtnik fggetlenl attl, hogy egyrtelm megolds van vagy esetleg tlhatrozott az egyenletrendszer. (hamar kiderl, hogy nem szimmetrikus, pozitv denit a mtrix, gy ez nem vesz el sok idt), akkor az LU-felbontssal hatrozza meg a megoldst (Gauss-mdszer). Ha az egyenlet tlhatrozott, akkor elszr meghatrozza a QR-felbontst (Householder-tkrzsekkel), majd ebbl a legkisebb ngyzetek rtelemben legjobban kzelt megoldst. A oldsi mdot fogja hasznlni a MATLAB. A a lon. Lssunk nhny szemlletes pldt! 98 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) Els lpsben megprblja a MATLAB ellltani a Cholesky-felbontst (chol), ha ez nem sikerl
sparse
parancs segtsgvel tudathatjuk
a MATLAB-bal, hogy egy mtrix ritka. Ebben az esetben a mtrix szerkezetnek megfelel meg-
\ parancsrl rszletes angol nyelv lers tallhat http://www.weizmann.ac.il/matlab/techdoc/ref/arithmeticoperators.html#8559 olda-
3.10.
Lineris egyenletrendszerek megoldsa a MATLAB-ban
>> A=[2,-1;-1,2]; B=[1;1]; b=[1;1]; % A mtrixok megadsa. >> A\b, B\b % Az egyenletrendszer s a tlhatrozott egyenletek megoldsa. ans = 1.00000000000000 1.00000000000000 ans = 1.00000000000000 >> chol(A) % Cholesky-felbonts ans = 1.41421356237310 0 -0.70710678118655 1.22474487139159
>> [L,U,P]=lu(A) % Az ltalnos LU-felbonts meghatrozsa. L = 1.00000000000000 -0.50000000000000 U = 2.00000000000000 0 P = 1 0 0 1 -1.00000000000000 1.50000000000000 0 1.00000000000000
>> [Q,R]=qr(B) % A B mtrix QR-felbontsa Q = -0.70710678118655 -0.70710678118655 R =

-0.70710678118655 0.70710678118655
3.
-1.41421356237310 0
Az albbi program a Gauss-mdszert valstja meg egy olyan
n n-es
lineris egyenletrend-
szerre, melyre vgigfut a mdszer. Figyeljk meg, hogy az egytthatmtrixot az eljrs elejn kibvtjk a jobb oldali vektorral, gy vgig az egytthatmtrix elemeiknt tudunk minden elemre hivatkozni. Az eljrs vgre az egytthatmtrix tartalmazza az LU-felbonts mtrixait, utols sorban pedig a megoldst.
function [U,L,x]=gaussmodszer(A,b) % A: egytthatmtrix, b: jobb oldal n=max(size(A)); A=[A,b]; for k=1:n-1 for i=k+1:n A(i,k)=A(i,k)/A(k,k); A(i,k+1:n+1)=A(i,k+1:n+1)-A(i,k)*A(k,k+1:n+1); end; end; for j = n:-1:2, A(j,n+1)=A(j,n+1)/A(j,j); A(1:j-1,n+1)=A(1:j-1,n+1)-A(j,n+1)*A(1:j-1,j); end; A(1,n+1) = A(1,n+1)/A(1,1); U=triu(A(:,1:n)); L=A(:,1:n)-U+eye(n); x=A(:,n+1);
A Cholesky-felbontst egy szimmetrikus, pozitv denit mtrixra az albbi mdon lehet ellltani. Ebben a mdszerben az eljrs a mtrix als hromszg rszt rja t a Cholesky-felbonts
G mtrixv.
function [G]=choleskyfelbontas(A) % A: poz. def. szimm. matrix n=max(size(A)); for k=1:n if k>1 A(k:n,k)=A(k:n,k)-A(k:n,1:k-1)*(A(k,1:k-1))'; end; A(k:n,k)=A(k:n,k)/sqrt(A(k,k)); end; G=tril(A);
3.11.
Feladatok
3.11. Feladatok
Kondciszm 3.11.1. feladat. Igazoljuk, hogy tetszleges regulris
A Rnn
mtrix esetn
1 2 (A) 1 (A) n2 (A), n
1 (A) 2 (A) n (A), n
1 1 (A) (A) n2 1 (A). n2

3.11.2. feladat. Legyen
A Rnn
egy olyan ngyzetes mtrix, melyben a ftl "felett" -
1-esek, "alatta" nullk, s a ftlban 1-esek llnak. Szmtsuk ki a mtrix determinnst s a kondciszmt maximumnormban! 3.11.3. feladat. Igazoljuk, hogy regulris 3.11.4. feladat. Legyen
A mtrixra 2 (AT A) = 2 (A) 2 (A)! 2 A

1
A Rnn
egy nemszingulris mtrix, s
mtrix. Igazoljuk, hogy tetszleges induklt norma esetn segtsgvel adjunk als becslst az
B Rnn egy szingulris 1/ A B . Ezen kplet
A=
mtrix maximumnormabeli kondciszmra! 3.11.5. feladat. Igazoljuk, hogy ha
1.01 1
1 1
= B
2 s
2 (A) = 2 (B)!
ortogonlisan hasonl regulris mtrixok, akkor
3.11.6. feladat. Ismert, hogy egy mtrix spektrlsugara becslhet a mtrix tetszleges induklt normjval. Igazoljuk ennek segtsgvel, hogy tetszleges s hogy tetszleges invertlhat
A mtrix esetn
2 (A)
A mtrixra A
2 2
1 (A) (A) !
Gauss-mdszer, LU-felbonts, Cholesky-felbonts 3.11.7. feladat. Vizsgljuk meg, hogy mekkora a mveletszma a GaussJordan-elimincinak egyenletrendszer megoldsa s inverz szmtsa esetn! 3.11.8. feladat. Ha egy fels Hessenberg-mtrixra alkalmazzuk a Gauss-mdszert, akkor gyelembe vehetjk, hogy a ftl "alatt" csak a kzvetlenl a ftl alatti elemek klnbznek nulltl. Mekkora lesz az ilyen mtrixok LU-felbontsnak mveletszma? Mit mondhatunk az s kerl egy egyenletrendszer megoldsa? 3.11.9. feladat. Oldjuk meg az
L U mtrixok szerkezetrl? Ha mr a mtrix LU-felbontsa elkszlt, akkor mennyi mveletbe Ax = b lineris egyenletrendszert a Gauss-mdszer segtsgvel
4 16 , 64 256 x1 x x = 2 , x3 x4 2 10 b= 44 . 190
a lenti adatokkal! Adjuk meg az egytthatmtrix determinnst is!
1 1 A= 1 1
2 3 4 9 8 27 16 81
3.
Adjuk meg az
A mtrix LU-felbontst! Az A mtrix inverze a MATLAB jellseit hasznlva A mtrix maximumnormabeli kondciszmt!
3 3-as aij = 1,
Hilbert-mtrix LU-
inv(A)=[4,-13/3,3/2,-1/6;-3,19/4,-2,1/4;4/3,-7/3,7/6,-1/6 ;-1/4,11/24,-1/4,1/24].
Szmtsuk ki az
3.11.10. feladat. Kzi szmols segtsgvel hatrozzuk meg a felbontst! 3.11.11. feladat. Tekintsk azt az
A Rnn
mtrixot, melyre
aij = 1, ha i > j , unn = 2n1 .
klnben nulla. Mutassuk meg, hogy
A-nak
ha
i=j
vagy
van LU-felbontsa,
j = n, |lij | 1, s
3.11.12. feladat. Tekintsk az albbi mtrixot
3 A = 1 0
0 3 1
0 0 . 3
Diagonalizlhat-e ez a mtrix? Vlaszunkat indokoljuk! Hatrozzuk meg a mtrix LU-felbontst! 3.11.13. feladat. Tekintsnk egy olyan lineris egyenletrendszert, melynek mtrixban csak az els oszlopban, az els sorban ill. a ftlban vannak nemnulla elemek. Mi trtnik a mtrixszal a Gauss-mdszer alkalmazsa sorn? Adjunk javaslatot a jelensg elkerlsre! 3.11.14. feladat. Legyen
2 A= 1 3
s tekintsk az
1 3 100 10 0.001 , b = 0 0 100 0.01
Ax = b
egyenletrendszert! Oldjuk meg az egyenletrendszert rszleges felemki-
vlasztssal, ngyjegy mantisszval szmolva! 3.11.15. feladat. Oldjuk meg az egyenletrendszert a Gauss-mdszerrel teljes felemkivlasztssal s anlkl, ngyjegy mantisszt hasznlva! Mekkora a kt megolds eltrse maximumnormban?
0.003x1 + 59.14x2 5.291x1 6.13x2

3.11.16. feladat. Tekinsk az
= 59.17 = 46.78
Ax = b egyenletrendszert, ahol A=
34 55 55 89 , b= 21 34 .
r = b Ax maradkvektort az x = [0.11, 0.45]T vektorral kiszmtva r = [0.01, 0]T , T T mg az x = [0.99, 1.01] vektorral r = [0.89, 1.44] . A megolds melyik x kzeltse pontosabb? Adjunk als s fels becslst egy x kzelts megoldstl val eltrsre a maradkvektor
Az segtsgvel! Ellenrizzk a becslst az adott egyenletrendszeren! 3.11.17. feladat. Oldjuk meg a
0.00001x + y = 1, x + y = 2 egyenletrendszert pontosan ill. gy, 105 -nel,

majd gy is oldjuk meg a feladatot!
hogy csak 4 szmjegy mantisszval dolgozhatunk! Mit tapasztalunk? Segt-e a rszleges felemkivlaszts? Szorozzuk be az els egyenletet Fogalmazzuk meg tapasztalatainkat! 102 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
3.11.
Feladatok
3.11.18. feladat. Hatrozzuk meg, hogy lebegpontos szmokat hasznlva mekkora lesz az oszts mvelet abszolt hibja (|(x /
y) (x/y)| =?)!
Milyen tanulsga van az eredmnynek?
ill.
LDLT
3.11.19. feladat. Kzi szmolssal hatrozzuk meg a felbontst!
33-as Hilbert mtrix Cholesky-felbontst

s Cholesky-felbontst!
3.11.20. feladat. Hatrozzuk meg az albbi
B mtrix LDLT
2 1 1 2 .
B=
A R44 szimmetrikus mtrix LU-felbontst tartalmazza gy, hogy a ftl "alatti" rsz az L mtrix megfelel ftl alatti rszt tartalmazza, a tbbi elem pedig az U mtrix megfelel eleme. Ltezik-e az A mtrixnak Cholesky-felbontsa? T 4 Ha igen, akkor adjuk meg a G mtrixot (A = GG )! Adjuk meg azt az x R vektort, melyre T Ax = [1, 0, 0, 0] !
3.11.21. feladat. Az albbi mtrix egy
2 3/2 1 2
3 2 3/2 2 4/3 7/3 2 9/7
4 3 3 1/7
Itercis egyenletrendszer-megolds, gradiens-mdszerek 3.11.22. feladat. Mely itercis mdszerrel oldhat meg a
2x y = 1 x + 2y = 3
lineris egyenletrendszer? Mely
paramterekkel lesz konvergens a JOR iterci? Adjuk meg
rtkt gy, hogy a konvergencia a lehet leggyorsabb legyen! A SOR mdszer esetn milyen
rtkeket vehet fel
ahhoz, hogy konvergens mdszert nyerjnk? Vlasszuk az
= 0.2 : 0.2 : 1.8
rtkeket, s vizsgljuk meg szmtgp segtsgvel a konvergencia sebessgt! 3.11.23. feladat. Adjunk becslst arra, hogy az elz feladatban a Jacobi-mdszert hasznlva, kezdvektorrl indulva hny iterci szksges ahhoz, hogy a megoldst
az
x0 = [1, 1]T
106 -nl
pontosabban megkapjuk maximumnormban! 3.11.24. feladat. Oldjuk meg a
x + 5y 2z = 3 x + y 4z = 9 4x y + 2z = 8
egyenletrendszert valamilyen itercis mdszerrel! 3.11.25. feladat. Az ahol
Ax = b
lineris egyenletrendszer egytthatmtrixa szimmetrikus po-
zitv denit mtrix. Ezutn deniljuk az
x(k+1) = (E hA)x(k) + hb
h
konzisztens itercit,
valamilyen vals paramter. Hogyan vlasszuk meg
rtkt, hogy az iterci minden
kezdvektorra az egyenletrendszer megoldshoz tartson? 3.11.26. feladat. A
B=
2 1
1 2
3.
mtrixszal szeretnnk megoldani a Jacobi-itercit hasznlva a
Bx = [1, 1]T
lineris egyenlet-
rendszert. Vgezznk el kt itercis lpst a nullvektorrl indulva, s becsljk meg, hogy hny itercis lps lenne szksges ahhoz, hogy a kapott kzeltsnek a maximumnorma-beli eltrse a pontos megoldstl
106 -nl
kisebb legyen! s
x0 = 1 xk =
x20 = 0
1 3 xk1 + xk+1 , k = 1, . . . , 19. 4 4 xk = 1(3k 1)/(320 1)! Oldjuk meg az egyenlet-
Igazoljuk, hogy az egyenletrendszer megoldsa
rendszert GaussSeidel-mdszerrel! Mit tapasztalunk, javtja-e a konvergencit az alulrelaxls?
3.11.28. feladat. Az albbi egyenletrendszert szeretnnk megoldani a Jacobi-mdszer relaxlsval.
3 2
Hogyan vlasszuk meg
1 4
x1 x2
2 1
rtkt, hogy a leggyorsabban konvergljon az eljrs? Szmtsuk ki,
hogy a nulvektorrl indulva a leggyorsabb mdszerrel mennyit kellene iterlni, hogy a megoldst
106 -nl
jobban megkzeltsk maximumnormban!
3.11.29. feladat. A Jacobi- vagy a GaussSeidel-iterci konvergl gyorsabban az albbi egyenletrendszerre?
1 1/2
a
1/2 1
x=
1 1
.
jobban megkzeltse a sorozat 2-es
Adjunk fels becslst arra, hogy hny itercis lpst kellene elvgeznnk a gyorsabb mdszerrel
[0, 0]T
kezdvektorral indulva, hogy a megoldst
106 -nl
normban!
x = [1, 0, 1]T egyenletrendszer megoldsra. A nullvektort vlasztva kezdvektornak szmtsuk ki az x2 vektort,

3.11.30. feladat. A konjuglt gradiens-mdszert alkalmazzuk a tridiag (1, 2, 1) majd szmtsuk ki a hozz tartoz maradkvektort! Mit tapasztalunk? 3.11.31. feladat. Alkalmazzunk kt-kt itercis lpst a gradiens- s a konjuglt gradiensmdszerrel a
4x + 2y = 7 2x + 3y = 10
lineris egyenletrendszerre! Householder- s Givens-transzformcik. QR-felbonts. Tlhatrozott rendszerek. 3.11.32. feladat. Keressk meg azt a Householder-mtrixot, amellyel a esetn? 3.11.33. feladat. Megegyezhet-e egymssal egy Householder-tkrzs s egy Givens-forgats mtrixa? 3.11.34. feladat. Szorozzuk meg a
szorozva, annak utols kt eleme nulla lesz! Mi lesz a Householder-mtrix a
[2, 6, 3]T vektort be[3, 1, 5, 1]T vektor
[2, 6, 3]T
vektort egy ortogonlis mtrixszal gy, hogy az
eredmnyvektor utols komponense 0 legyen! 3.11.35. feladat. Adjuk meg az
2 A= 6 3
0 2 1
1 0 0 , B = 1 1 0
0 3 3 , C = 3 2 0
3 5 0
0 0 6
3.11.
Feladatok
mtrixok Householder QR-felbontsait! 3.11.36. feladat. Kpezzk a fenti Hny Givens-forgatsra van szksg? 3.11.37. feladat. Az albbi tblzat nyolc skbeli pont koordintaprjait tartalmazza. Adjuk meg azt a legfeljebb harmadfok
mtrix QR-felbontst Givens-forgatsok segtsgvel!
p(x)
polinomot, melyre
8 i=1 (p(xi )
yi )2 6 135
minimlis lesz! b-
rzoljuk a pontokat s a polinomot is!
xi yi
4 35.1
2 15.1
1 15.9
0 8.9
1 0.1
3 0.1
4 21.1
3.11.38. feladat. Kt mennyisget (x s mnyek:
y ) mrtnk, ill. ezek klnbsgt s sszegt. Az eredx = a, y = b, xy = c s x+y = d. Oldjuk meg ezt a tlhatrozott egyenletrendszert!
3.11.39. feladat. Oldjuk meg az
1 10k 0
tlhatrozott egyenletrendszert felbontst hasznlja) s az sonltsuk ssze az eredmnyt!
1 0 10k
x y
10k = 1 + 10k 1 10k
k = 6, 7, 8 esetn elszr papron szmolva, majd az A\b (QR(A A)\(A b) utastsokkal (Cholesky-felbontsos megolds). Ha-
Ellenrz krdsek
1. Hogyan rtelmezzk a mtrixok kondciszmt? 2. Hogyan fgg egy lineris egyenletrenszer megoldsnak hibja az egytthatmtrix s az egyenlet jobb oldalnak hibjtl? 3. Ismertessk a Gauss-mdszert, s adjuk meg mveletszmt! 4. Milyen mtrixok esetn fut vgig a Gauss-mdszer elakads nlkl? 5. Mi az az inga-mdszer? 6. Hogyan lltjuk el egy mtrix LU-felbontst, s mire lehet ezt hasznlni? 7. Mirt van szksg felemkivlasztsra, s hogy hajtjuk ezt vgre? 8. Mi az a Cholseky-felbonts? 9. Milyen mtrixok esetn rdemes egy lineris egyenletrendszert itercis mdszerrel megoldani? 10. Hogy nz ki ltalnosan egy itercis mdszer? 11. Ismertessk a Jacobi- s GaussSeidel-itercikat! 12. Mitl fgg egy itercis mdszer konvergencijnak sebessge? 13. Mit jelent a relaxls mdszere? tankonyvtar.bme.hu 105
3.
14. A SOR mdszer szimmetrikus, pozitv denit mtrixokra milyen relaxcis paramter esetn lesz konvergens? 15. Hogyan alakthat t egy lineris egyenletrendszer megoldsa varicis feladatt? 16. Ismertessk a gradiens-mdszert s tulajdonsgait! 17. Ismertessk a konjuglt gadiens mdszert s tulajdonsgait! 18. Mi az a Householder-tkrzs s Givens-forgats? 19. Hogyan llthat el egy mtrix QR-felbontsa? 20. Mit jelent, hogy egy egyenletrendszer tlhatrozott? Hogyan lehet egy tlhatrozott egyenletrendszert megoldani?
4. Sajtrtk-feladatok numerikus megoldsa

Ebben a fejezetben megvizsgljuk, hogyan lehet numerikusan meghatrozni a mtrixok sajtrtkeit s sajtvektorait. Ktfle mdszertpus van. Az egyik tpussal az egyszeresen dominns sajtrtket s a hozz tartoz sajtvektort tudjuk meghatrozni, a msik tpussal pedig az sszes sajtrtk kzeltst egyszerre hatrozhatjuk meg.
4.1. Sajtrtk-feladatok kondicionltsga

Sok gyakorlati problma vezet sajtrtk-feladatra, azaz olyan feladatra, amikor egy ngyzetes mtrix sajtrtkeit s sajtvektorait kell meghatroznunk. Sajtrtk-feladat megoldst ignyli pl. a szilrdtest zika, a kvantuummechanika, a grfelmlet, a dierencilegyenletek, a dinamikai rendszerek, a digitlis jel- s kpfeldolgozs tudomnyterletek szmos feladata, de pl. a Google is ilyen feladatot old meg a honlapok rangsorolshoz [6]. Az 1.2.1. fejezetben foglalkoztunk mr a sajtrtk-feladattal, de az ott emltett karakterisztikus egyenlet segtsgvel trtn sajtrtk- s sajtvektor-meghatrozsi md gyakorlati problmk esetn nem alkalmazhat, hiszen ngynl nagyobb fokszm polinomok megoldsra nincs megoldkpletnk. Ez azt jelenti, hogy a sajtrtkeket ltalban direkt mdszerrel (azaz olyannal, ami pontosan szmolva vges sok lpsen bell pontos sajtrtkeket adna) nem lehet meghatrozni. Ezrt a gyakorlatban mindig itercis mdszereket alkalmazunk. Elegend a megfelel sajtrtket vagy a sajtvektort kzelteni, mert az egyik kzelts ismeretben a msik kzeltse mindig egyszeren megadhat. Mieltt ismertetnnk a sajtrtk-feladatok numerikus megoldsnak lehetsgeit, vizsgljuk meg a sajtrtk-feladat kondicionltsgt: vajon egy vizsglja meg ezt a krdst.
A ngyzetes mtrix elemeit kicsit megvl-
toztatva, mekkort vltozhatnak a sajtrtkek? A kvetkez ttel diagonalizlhat mtrixokra
4.1.1. ttel. (Bauer1 -Fike, 1960) nn Legyen A R egy diagonalizlhat

az egyszersg kedvrt feltesszk, hogy s sajtrtke. Ekkor
mtrix, azaz
D diagonlis mtrix. Legyen A egy tetszleges mtrix, s legyen az A + A mtrix egy
V oszlopai normlva vannak a .

| | p (V) A p .
felrhat
A = VDV1
alakban, ahol
p vektornormban,
A sajtrtke
min
Bizonyts. Ha sajtrtke. Mivel
sajtrtke A-nak is, akkor trivilis A + A E szingulris, ezrt
az llts. Tegyk fel teht, hogy nem
V1 (A + A E)V = D + V1 AV E
1 Friedrich Ludwig Bauer (1923-), nmet matematikus.
107
4.
Sajtrtk-feladatok numerikus megoldsa
is szingulris, gy van olyan
x = 0 vektor, mellyel
(D E + V1 AV)x = 0.
D E mtrix inverzvel balrl szorozva azt kapjuk, hogy

(E + (D E)1 V1 AV)x = 0,
azaz
x = (D E)1 V1 AVx. x
p
gy
(D E)1
V1
1 (D E)1 p p (V) A p 1 1 p (V) A p = p (V) A p . = max i |i | mini |i |

rdemes megjegyezni, hogy a sajtrtk-feladat kondicionltsgt nem az eredeti mtrix,
Ebbl mr kvetkezik az llts.
hanem a diagonalizl mtrix (a sajtvektorok mtrixa) kondciszma hatrozza meg. Ez specilisan azt jelenti, hogy mivel a szimmetrikus mtrixok ortogonlis mtrixokkal diagonalizlhatk, s az ortogonlis mtrixok 2-es normja 1, szimmetrikus mtrixokra a
s..-e
min
A-nak
| | A Hn
becsls rvnyes. rdekes pldaknt emlthetjk a
Hilbert-mtrixot, amely egyenletrendszer
megoldsakor rosszul, viszont sajtrtk-feladatok esetn jl kondicionlt, hiszen a sajtrtkek maximum akkort vltozhatnak, mint a perturbl mtrix 2-es normja.
4.2. A sajtrtkeket egyenknt kzelt eljrsok

A numerikus matematikban a sajtrtk-meghatrozsi mdszereket kt nagy csoportra szoks osztani. A sajtrtkeket egyenknt kzelt eljrsokra ill. a sajtrtkeket egyszerre kzeltkre. Az els tpusba tartoz mdszerek mindig csak egy-egy megfelel sajtrtket kzeltenek, mg a msodik tpusba tartozk olyan eljrst adnak, mellyel egyszerre az sszes sajtrtkre kapunk kzeltst. Ebben a fejezetben a sajtrtkeket egyenknt kzelt mdszereket trgyaljuk. A sajtrtkeket egyenknt kzelt eljrsok egy olyan vektorsorozatot lltanak el, amely egy meghatrozott sajtvektorhoz tart. A sajtvektort ekkor ezen sorozat egy hatrrtkhez elegenden kzeli elemvel kzelthetjk. Mieltt rtrnk arra, hogy hogyan lehet egy adott sajtvektorhoz tartoz sorozatot ellltani, nzzk meg, hogy hogyan mondhatunk megfelel becslst a sajtrtkre, ha ismerjk a sajtvektor egy becslst? Az els gondolatunk az lehet, hogy ha van egy
kzeltsnk a sajtvektorra, akkor az
Av v
becsls soraibl kaphatunk
kzeltst a sajtrtkre. Vizsgljuk meg ezt a mdszert egy plda segtsgvel!
4.2.1. plda.
3 3-as [0.82694986, 0.45995562, 0.32341112] egyik

Legyen a
Hilbert-mtrix,
tegyk
fel,
hogy
vT
sajtvektornak kzeltst adja. Adjunk becslst
az adott sajtvektorhoz tartoz sajtrtkre. Mivel
1 1/2 1/3 0.82694986 1.16473138 0.82694986 1/2 1/3 1/4 0.45995562 = 0.64764625 0.45995562 , 1/3 1/4 1/5 0.32341112 0.45532108 0.32341112
4.2.
A sajtrtkeket egyenknt kzelt eljrsok
a fenti kzelts mindhrom sorbl kaphatunk kzeltst a sajtrtkre. Ezek rendre
1 = 1.40846675, 2 = 1.40806247, 3 = 1.40787084, vagy vehetjk ezek 4 = 1.40813335 rtket ad. Ez utbbi rtk 1.85576699.104 -nel tr csak el jtrtktl ( = 1.40831893).
tlagt, ami a pontos sa-
Adhatunk-e az elz pldban nyert rtknl jobb kzeltst a sajtrtkre? Pl. az egyenlsget balrl meg ezt a kzeltst az elz pldn.
Av v v vT -tal szorozva, majd -t kifejezve kapjuk, hogy vT Av/( T v). Vizsgljuk
v 4.2.2. plda. A fenti pldban adott sajtvektor-kzeltssel kiszmtva a vT Av/( T v) = 1.40831889 3.87698300.108 , amely sokkal
hnyadost addik. Ennek a pontos sajtrtktl val eltrse csak kisebb, mint az elz pldban nyert kzelt rtk.
Lthat teht, hogy ez a msodik kzelts sokkal pontosabb, mint az els. Ennek okt az albbi ttel vilgtja meg.
4.2.3. ttel.
Legyen adva az
0 = x Rn
vektor s az
A Rnn
2 2
mtrix. Ekkor
min Ax x
R
ahol
= Ax R(x)x 2 , 2
R(x) =
xT Ax . xT x
Bizonyts. A bal oldalon egy
-tl fgg egyvltozs fggvny ll. Szmtsuk ki ennek rtkt!
Ax x
2 2
= (xT AT xT )(Ax x) = xT AT Ax 2xT Ax + 2 xT x = 2 xT x 2xT Ax + xT AT Ax.
Mivel
xT x > 0, ha x = 0, ezrt a fggvny a minimumt az

min =
xT Ax = R(x) xT x
esetben veszi fel.
4.2.4. denci. n Legyen 0 = x R
A Rnn . Ekkor az
R(x) =
xT Ax xT x
hvjuk.
szmot az
x vektorhoz tartoz Rayleigh-hnyadosnak Ax vektorhoz.
A ttel szerint teht 2-es normban egy vektor Rayleigh-hnyados-szorosa lesz legkzelebb szmszorosai kzl az
4.
4.2.5. megjegyzs.
Szimmetrikus mtrixok esetn a Rayleigh-hnyados mindig a legkisebb s
a legnagyobb sajtrtk kztt helyezkedik el, azaz
min R(x) max ,

tovbb
max = max n R(x), min = min n R(x).

0=xR 0=xR
Ez utbbi llts az n. CourantFischer-ttel. Az elzek alapjn teht, ha van egy kzeltsnk a sajtvektorra, akkor a Rayleigh-hnyados segtsgvel kaphatunk j becslst a sajtvektorhoz tartoz sajtrtkre. Ha a Rayleigh-hnyados az
R(x) = xT Ax
x normja 1, akkor
alakra egyszersdik.
4.2.1. A hatvnymdszer
A hatvnymdszer alaptlete a kvetkez. Legyen hogy a mtrixnak van egy egyszeresen dominns mellyel a tbbi (2 , . . . , n ) sajtrtkre igaz a
A Rnn
egy adott mtrix, s tegyk fel,
sajtrtke, azaz egy olyan
sajtrtk,
|1 | > |2 | . . . |n | 1 R, tovbb a hozz tartoz v1 sajtvektor valsnak A mtrix normlis. Ekkor a mtrixnak van ortonormlt sajtvekn torrendszere. Legyen ez v1 , . . . , vn . Legyen x R olyan, hogy az x = 1 v1 + 2 v2 + + n vn T ellltsban 1 = v1 x = 0 (1 R). Ekkor
egyenltlensg. Ebben az esetben nyilvn vlaszthat. Tegyk fel, hogy az
Ak x = 1 k v1 + 2 k v2 + + n k vn 1 2 n
= k 1 v1 + 2 1 2 1
0
A jellt tagok
v2 + + n
n 1
0
vn .
nvelsvel
egyre inkbb a sajtrtk nem
v1
nvelsvel nullhoz tartanak, ami azt jelenti, hogy az
Ak x vektor k
sajtvektor ltal meghatrozott sajtirnyba fog mutatni. Ha a dominns
1, akkor az gy nyert vektorok hossza vagy nullhoz, vagy vgtelenhez fog tartani,
gy alul- vagy fellcsorduls lphet fel amikor szmtgpen hajtjuk vgre az itercit. Emiatt az egyes lpsek utn a keletkez vektort clszer normlni. gy jutunk el a hatvnymdszerhez, melynek algoritmusa a kvetkez.
Hatvnymdszer,
for k := 1 : kmax x(k) := Ay(k1) y(k) := x(k) / x(k) 2 (k) := (y(k) )T Ay(k) end for
A
A normlis, y(0) do
olyan kezdvektor, melyre
vT y(0) = 0, y(0) 1
=1
(k)
rtkek a Rayleigh-hnyadossal szmtott sajtrtk kzeltsek. Ezen rtkeket, azon
tl, hogy kzeltik a
v1 vektorhoz tartoz sajtrtket, felhasznlhatjuk a lellsi felttel megad-
sra is. Pl. ha rtke mr egy adott toleranciaszintnl kevesebbet vltozik, akkor lellthatjuk az 110 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
4.2.
itercit. A hatvnymdszer (angolul power method) nyilvnvalan onnt kapta a nevt, hogy az ttel azt mutatja, hogy a fenti algoritmus valban a vrt eredmnyt szolgltatja.
y(0) vektort az A mtrix egyre nagyobb hatvnyaival szorozzuk meg az eljrs sorn. A kvetkez 4.2.6. ttel.
A fenti algoritmusban
y(k) =
(k) 1 (k ),
tovbb ltezik olyan
Ak y(0) , Ak y(0) 2
sorozat, hogy
{k } R
|k | = 1 (k = 1, . . . )
k y(k) v1 .
Bizonyts. A ttel els lltsa teljes indukcival egyszeren igazolhat. A harmadik lltshoz a Parseval-egyenlsget fogjuk hasznlni, mely szerint ha
x = 1 v1 + . . . + n vn ,
ahol
v1 , . . . , vn
2-es normban ortonormlt vektorrendszer, akkor
n i=1
|i |2 .
Ez az
egyenlsg az albbi mdon igazolhat.
xH x =
i=1
Legyen teht hogy
i vH i
i=1
i vi
=
i=1
|i |2 .
(0)
= 1 v1 + 2 v2 + + n vn , k 1 v1 + 2 1
2 1 k
s tegyk fel a ttel feltteleinek megfelelen,
1 = 0.
gy
y(k) =
v2 + + n
|i |2 |i |2k
n 1
vn vn
.
k 1 v1 + 1 =
2 1
2 1
n i=1 k
v2 + + n 1
n 1
|1 |k |1 | 1 +
Teht
n i 2 i 2k i=2 | 1 | || 1 |
=:k
|1 | |1 | (k) y = k 1 1
ahol
v1 + 2 1
2 1
v2 + + n 1
n 1
vn
1+
n i 2 i 2k i=2 | 1 | || 1 |
v1 ,
|k | = 1 (k = 1, . . . ). (k y(k) )T A(k y(k) ) vT Av1 0 1
A msodik llts igazolshoz pedig induljunk ki a
hatrrtkbl, mellyel
esetn
(k) 1 = (y(k) )T Ay(k) 1 = |k |2 (y(k) )T Ay(k) 1 = (k y(k) )T A(k y(k) ) vT Av1 0. 1

Ezzel a ttel lltsait igazoltuk.
4.2.7. megjegyzs. A ttel bizonytsbl az is lthat, hogy a generlt vektorsorozatbl hogyan

lehet ellltani a sajtvektorhoz tart vektorsorozatot. tankonyvtar.bme.hu 111
4.
Ha Ha Ha Ha
1 , 1 > 0,
akkor
y(k) v1 .
y(k) v1 . (1)k y(k) v1 . (1)k+1 y(k) v1 .
1 > 0, 1 < 0, 1 < 0, 1 > 0, 1 < 0, 1 < 0,
akkor akkor akkor
4.2.8. megjegyzs.
elegenden nagy
Legyen
rtkekre
e(k) = y(k) v1 a sajtvektor k-adik kzeltsnek hibja. Ekkor e(k+1) 2 |2 /1 | e(k) 2 , ami a lineris konvergencin kvl azt
|2 /1 |
hnyados hatrozza meg a konvergencia sebessgt.
is mutatja, hogy ltalban a
A hatvnymdszer konvergencijt az egyszersg kedvrt csak normlis mtrixok esetn igazoltuk, de az eljrs alkalmazhat pl. diagonalizlhat mtrixok esetn is. Termszetesen az a felttel, hogy
egyszeresen dominns sajtrtk legyen, nehezen ellenrizhet elre, hiszen
nem ismerjk a mtrix sajtrtkeit (ppen ezek meghatrozsa a feladat). Mindenesetre az
mtrixnak lehetnek kpzetes rsszel rendelkez sajtrtkei is, melyek konjugltja is sajtrtk lesz, gy nem sok esly van arra, hogy egyszeresen dominns sajtrtke legyen a mtrixnak. Ha viszont a mtrix szimmetrikus, akkor annak eslye, hogy a dominns sajtrtk tbbszrs lesz, kicsi. gy a tovbbiakban mindig feltesszk, hogy az a mtrix, melynek a sajtrtkeit s sajtvektorait keressk, szimmetrikus.
4.2.9. plda. Hatrozzuk meg a tridiag(1, 2, 1) R2020 mtrix dominns sajtrtkt s

a hozz tartoz sajtvektort a hatvnymdszer segtsgvel! Mivel a mtrix szimmetrikus, gy hacsak nem lesz kt egyforma legnagyobb abszolt rtk sajtrtk, akkor a hatvnymdszer valban megtallja a dominns sajtrtket s a hozz tartoz sajtvektort. Ha a programot alkalmazzuk a megoldshoz az
106
y(0) = [1/ 20, . . . , 1/ 20]T
powmeth.m
kezdvektorral s
toleranciaszinttel, akkor a 83. lps utn ll le az iterci. Ekkor a sajtrtkbecsls
3.97765118.
4.2.10. megjegyzs. A hatvnymdszer alkalmazshoz eddig feltettk, hogy az y(0) kezdT (0) vektor olyan, hogy v1 y = 0, azaz hogy a kezdvektornak van az els sajtvektor irnyba
es komponense. Hogyan biztosthat ez, ha nem ismerjk a sajtvektorokat? Szerencsre a gyakorlatban a
vT y(0) = 0 1
felttel nem jtszik komoly szerepet, hiszen ha az els lpsben nem is
teljesl a felttel, a kerektsi hibk miatt az iterci sorn lesz az itercis vektornak komponense, s azzal mr elindul az iterci.
v1
irny
4.2.2. Inverz iterci

Az elz fejezetben lttuk, hogy hogyan hatrozhat meg a hatvnymdszerrel az egyszeresen dominns sajtrtk s a hozz tartoz sajtvektor. Ebben a fejezetben azt vizsgljuk meg, hogy ms sajtrtkek hogyan hatrozhatk meg a hatvnymdszer kis talaktsval. Legyen egy nemszingulris szimmetrikus mtrix
(i = 1, . . . , n).
sajtvektorai en kzel van
(A E)1 . Ha elegendmegegyeznek A sajtvektoraival, sajtrtkei pedig (i ) 1 valamelyik j sajtrtkhez, akkor a dominns sajtrtk (j ) lesz, s az
Ha
sajtrtkekkel s
= i (i = 1, . . . , n),
akkor az
A E
vi
A Rnn
ortonormlt sajtvektorokkal
mtrix invertlhat, s
4.2.
(A E)1
mtrixszal vgrehajtva a hatvnymdszert,
vj
meghatrozhat. Az algoritmus
teht a kvetkez.
A szimmetrikus, y(0) 2 = 1 2 for k := 1 : kmax do (A E)x(k) = y(k1) megoldsa x(k) -ra y(k) := x(k) / x(k) 2 (k) := (y(k) )T Ay(k) end for
Inverz iterci, Az eljrst nyilvnvalan azrt hvjuk inverz itercinak, mert az mtrix inverzvel hajtjuk vgre a hatvnymdszert. Ha a legkisebb abszolt rtk sajtrtket tallja meg a mdszer. Termszetesen az inverz iterci sokkal nagyobb mveletigny, mint a hatvnymdszer, hiszen az elbbinl minden itercis lpsben meg kell oldanunk egy-egy lineris egyenletrendszert. A mveletszm cskkentsre jl alkalmazhat az LU-felbonts. Mivel minden itercis lps egyenletrendszerben az lpsben
A mtrix helyett az A E = 0, akkor a nullhoz legkzelebbi, azaz
2n3 /3 + O(n2 )
A E
mtrix az egytthatmtrix, gy ennek LU-felbontst az els
op mvelettel kiszmtva a tbbi lpsben mr csak
2n2
op mveletre
van szksg. Fontos szrevtel, hogy mg a Rayleigh-hnyados segtsgvel sajtvektor kzeltsbl sajtrtket tudtunk kzelteni, addig, ha adott egy becsls egy sajtrtkre, akkor a hozz tartoz sajtvektort az inverz iterci segtsgvel tudjuk meghatrozni (termszetesen ekkor a sajtrtkbecsls is pontosodik).
4.2.3. Rayleigh-hnyados iterci

Az inverz iterci eljrst mdosthatjuk az albbi mdon. Ha vgrehajtjuk az inverz iterci egy lpst egy sajtrtk-kzeltsbl kiindulva, akkor kapunk egy becslst a sajtvektorra, melybl Rayleigh-hnyados segtsgvel mondhatunk egy jabb sajtrtkbecslst. Az inverz iterci kvetkez lpsben mr az j sajtrtkbecslst hasznlhatjuk. Ezt az eljrst Rayleigh-hnyados itercinak nevezzk. Az algoritmusa a kvetkez.
Rayleigh-hnyados iterci,
for k := 1 : kmax do R(y(k1) ) kiszmtsa (A R(y(k1) )E)x(k) = y(k1) y(k) := x(k) / x(k) 2 end for
A szimm., y(0)
megoldsa
2 2
=1
x(k) -ra
Az algoritmus sorn minden lpsben egy j lineris egyenletrendszert kell megoldanunk. Cserbe gyorsabb konvergencit nyernk, nevezetesen a konvergencia harmadrend lesz. rdemes megjegyezni, hogy az iterciban attl fgg, hogy melyik sajtrtket s sajtvektort tallja meg a mdszer, hogy milyen kezdvektorrl indtjuk azt. A mdszer ltalban a kezdvektor ltal meghatrozott Rayleigh-hnyadoshoz legkzelebbi sajtrtkhez s a hozz tartoz sajtvektorhoz konvergl. Ha egy adott
rtkhez legkzelebbi sajtrtkre van szksgnk, akkor
rdemes elszr az inverz itercit alkalmazni, majd amikor mr elg kzel kerltnk a keresett sajtrtkhez, akkor ttrhetnk a Rayleigh-hnyados itercira. tankonyvtar.bme.hu 113
4.
4.2.11. megjegyzs.
A Rayleigh-hnyados iterciban minl kzelebb vagyunk a keresett sa-
jtrtkhez, annl kzelebb van az
A R(y(k1) )E
mtrix egy szingulris mtrixhoz. Ha teht
az itercis mtrixunk szingulriss vlik a szmtgpes eljrs sorn, az azt jelzi, hogy nagyon kzel vagyunk a keresett sajtrtket. Ez hasznlhat teht lellsi felttelknt.
4.2.4. Decis eljrsok

Tegyk fel, hogy egy ben klnbz:
A Rnn vals szimmetrikus mtrixnak minden sajtrtke abszolt rtkv1 sajtvektort (pl. a hatvnymdszer segtsgvel), akkor nhny
2
lesz a dominns sajtrtke, Ha mr meghatroztuk a mtrix szigoran dominns
|1 | > |2 | > . . . > |n |.
sajtrtkt s a hozz tartoz
egyszer eljrssal elllthatunk egy olyan mtrixot, melynek
gy azt a hatvnymdszerrel meg tudjuk hatrozni most mr az j mtrixra alkalmazva azt. Ez az eljrs addig folytathat, amg a kell szm sajtrtket meg nem hatroztuk. Ezt az eljrst
decinak 2
nevezzk. Hromfajta decis eljrst mutatunk most be.
Householder-deci A Rnn mtrix szigoran dominns 1 sajtrtkt s a hozz tartoz euklideszi normban normlt v1 sajtvektort. Hatrozzuk meg ezutn azt a H Householder-tkrzsi mtrixot, mellyel Hv1 = e1 . Ekkor
Tegyk fel, hogy mr meghatroztuk az
HAHe1 = HAHHv1 = HAv1 = H1 v1 = 1 Hv1 = 1 e1 = 1 e1 .

A
HAH
mtrix teht a
HAH =
b A2
|2 | > |3 |,
alakot lti. Mivel hasonlsgi transzformcit hajtottunk vgre, gy megegyeznek az
mtrix sajtrtkeivel. gy teht ha
A2 sajtrtkei 1 kivtelvel akkor az A2 mtrixszal

2 .
vgrehajtva a hatvnymdszert, megkaphatjuk A sajtvektor meghatrozst az el. Ekkor kzeltleg megkapjuk a
A2 mtrix 2 -hz tartoz sajtvektort is, akkor hasonlan folytathatnnk a tbbi sajtpr meghatrozst, mint ahogy 1 s v1 segtsgvel meghatroztuk a 2 , v2 sajtprt. Az A2 mtrix 2 -hz tartoz sajtvektora knnyen meghatrozhat. Mivel
Ha most meg tudnnk mondani az
v2
A 2 E
kzelt rtkt. Legyen ez
mtrixra vonatkoz inverz itercival vgezhetjk
sajtvektort, s a
2 -re
adott becsls is pontosodik.
HAH(Hv2 ) = HAv2 = 2 (Hv2 ),

gy
Hv2
sajtvektora a
HAH
mtrixnak
sajtrtkkel. Azaz
(Hv2 )(2 : n)
sajtvektora
A2 -
nek, szintn
(szigoran dominns) sajtrtkkel.
Rangdeci A Rnn mtrix szigoran dominns 1 sajtrtkt T s a hozz tartoz normlt (euklideszi normban) v1 sajtvektort. Tekintsk az A 1 v1 v1 mtrixot. Ennek sajtrtkei megegyeznek A sajtrtkeivel azzal a klnbsggel, hogy 1 helyett
Tegyk fel ismt, hogy meghatroztuk az
A 1 v1 vT mtrixszal 1 sajtrtket s a v2 sajtvektort.

kztt, akkor az
nulla szerepel. A sajtvektorok ugyanazok. gy ha
szigoran dominns a maradk sajtrtkek
vgrehajtva a hatvnymdszert, megkaphatjuk a
2 A deci sz jelentse leapaszts vagy leereszts.

4.3.
A sajtrtkeket egyszerre kzelt eljrsok
Blokk hromszgmtrix deci

Egy
A Rnn
mtrixot blokk fels hromszgmtrixnak neveznk, ha vannak olyan
1, . . . , m)
mtrixok (
A11 , . . . , Amm
A=
Akl (k, l =
kvadratikus mtrixok), melyekkel
A11 A12 A13 . . . 0 0 0 0 A22 A23 . . . 0 0 0

.. . .. .. . .
A1m
. . . . . . . . .
Amm
A blokk als hromszgmtrix hasonlan denilhat. Ha egy mtrix blokk hromszgmtrix alak, akkor a sajtrtkei a diagonlisban szerepl
A11 , . . . , Amm
m = 2,
mtrixok sajtrtkeinek
unijaknt addnak. (Ez knnyen igazolhat a karakterisztikus polinom vizsglatval.) gy a sajtrtk-meghatrozst visszavezethetjk kisebb mret mtrixok sajtrtkeinek meghatrozsra. Klnsen gyakran alkalmazzuk az eljrst akkor, ha s
A22
A11 (n 1) (n 1)-es,
pedig egy
1 1-es
mtrix. Gyakori az az eset is, hogy a mtrix egyszer permutcikkal
vgzett hasonlsgi transzformcikkal blokk hromszgmtrix alakra hozhat (lsd pl. 4.5.2. feladat).
4.3. A sajtrtkeket egyszerre kzelt eljrsok

Most rtrnk azokra a mdszerekre, amelyek a mtrixok minden sajtrtkre egyszerre mondanak kzeltst. Ezen mdszerek kzs alapgondolata az, hogy ha egy mtrixszal hasonlsgi transzformcit vgznk, akkor annak sajtrtkei nem vltoznak meg. Teht ha pl. el tudnnk lltani egy mtrix Schur-felbontst, azaz ha fel tudnnk rni az
A Rnn mtrixot A = STSH H alakban, ahol T fels hromszgmtrix s S unitr mtrix, akkor az S AS = T egyenlsg miatt A sajtrtkei megegyeznnek T diagonlis elemeivel. A f problmt az S unitr mtrix megkeresse jelenti. Direkt mdszerrel S ltalban nem hatrozhat meg. gy itercis mdszereket kell tallnunk, melyek az S mtrixot egy mtrixsorozat hatrrtkeknt lltjk el. Kt mdszert
ismertetnk most ennek megvalstsra. A tovbbiakban ismt vals szimmetrikus mtrixokkal foglalkozunk csak, gy a Schur-felbonts tulajdonkppen az az ortonormlt sajtvektorok mtrixa,
A = SST
felbontst jelenti, ahol
pedig a sajtrtkek diagonlmtrixa.
4.3.1. A Jacobi-mdszer
S ortogonlis mtrixot s diagonlis mtrixot, melyekkel ST AS = . Az S mtrixot 2 2-es szimmetrikus mtrixokra knnyen meghatrozhatjuk. Legyen pl.
metrikus mtrix. Keresnk egy olyan A most ismertetend mdszert elszr Jacobi rta le 1845-ben.
3
Legyen
A Rnn egy vals szim-
A=
(b
a b c s
b d s c
= 0)
s keressk az
S mtrixot S=
3 Elmleti eredmnyknt j darabig feledsbe merlt a mdszer. A szmtgpek elterjedsvel az 1950-es vektl kezdtk nagymret mtrixok sajrrtkeinek meghatrozsra hasznlni. Manapsg prhuzamosthatsga miatt npszer.
4.
alakban, ahol
s = sin
megvlasztsa mellett lennik, hogy a
c = cos ,
valamilyen
paramterrel. (Az
mtrix elemeinek ezen
valban ortogonlis mtrix lesz.) A
rtkeknek olyanoknak kell
c s s c =
2
a b
b d
c s
s c
sca + c2 b s2 b scd 2 sca s b + c b scd
mtrix diagonlis legyen, azaz igaz legyen a
0 = sca s2 b + c2 b scd = sc(a d) + b(c2 s2 ) = (a d) sin(2)/2 + b cos(2)

egyenlsg. Tovbb nyilvnvalan Ha
s2 + c2 = 1.
a = d, akkor a cos(2) = 0 egyenlsgnek kell teljeslnie. Ezt s az s2 + c2 = 1 sszefggst felhasznlva s s c meghatrozhat. 2 2 Ha a = d, akkor tg(2) = 2b/(a d). Ebbl s az s + c = 1 sszefggsbl s s c ismt
meghatrozhat (lsd 4.5.8. feladat). Ezzel a
2 2-es
szimmetrikus mtrixokhoz megadtunk olyan ortogonlis mtrixot, amely a
hasonlsgi transzformci sorn azt diagonlis mtrixba viszi. Nagyobb mret mtrixoknl azonban ez nehz feladat. A Jacobi-mdszer alaptlete az, hogy nagyobb mret mtrixok esetn is a
2 2-es
esetre levezetett diagonalizl mtrixot hasznljuk, csak sokszor egyms utn. Az
algoritmus a kvetkez.
Vlasszuk ki a mtrix ftlja felett a legnagyobb abszolt rtk elemet. Legyen ez az elem (i
aij
< j ).
Hatrozzuk meg a diagonalizl
S mtrixot az
aii aij aij ajj s
s
2 2-es
szimmetrikus mtrixra, azaz adjuk meg a benne szerepl
paramtereket.
Deniljuk az albbi
n n-es
ortogonlis mtrixot:
Sij = [e1 , . . . , ei1 , cei sej , ei+1 , . . . , ej1 , sei + cej , ej+1 , . . . , en ],
azaz
Sij =
1
.. .
c 1
.. .
1 s c 1
.. .
. 1
Az
A(1) = ST ASij ij
mtrixban az
aij
(1)
aji
(1)
elemek nullk lesznek (gy vlasztottuk
S-t).
Azt mondjuk, hogy a fenti eljrssal vgrehajtottunk egy transzformcit. 116 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
(i, j)
elemhez tartoz Jacobi-
4.3.
Ezutn visszalpnk az eljrs elejre jra kivlasztva a ftl felett a legnagyobb abszolt rtk elemet.
Knny ltni, hogy minden lpsben az
(i, j)
(j, i)
helyeken ll ftln kvli elemek
lenullzdnak, de egy kvetkez lps jra nulltl klnbzv teheti ket. Mutassuk meg, hogy az algoritmus valban a vrt eredmnyt adja! Ehhez igazolnunk kell, hogy az algoritmussal nyert
Sij
mtrixok szorzata hatrrtkben ppen az
S diagonalizl mtrixhoz fog tartani.

(i, j)
4.3.1. ttel.
Tegyk fel, hogy a fent ismertetett mdon vgrehajtottunk egy transzformcit. Ekkor az sebb lesz, mint az
A mtrix esetn.
A(1)
elemhez tartoz Jacobi-
mtrix ftln kvli elemeinek ngyzetsszege
2a2 -tel ij
keve-
Bizonyts: A Jacobi-transzformci csak az meg. Nyilvnvalan
i-edik
(1)
s a
j -edik
sort s oszlopot vltoztathatja
l = i, j
esetn ezen oszlopok s sorok elemei az j mtrixban
ail = cail sajl , ajl

(1) ali
alakak. Igaz tovbb, hogy
(1)
= cajl + sail , = calj + sali
= cali salj ,
(1) alj
(ail )2 + (ajl )2 = (ail )2 + (ajl )2 , (ali )2 + (alj )2 = (ali )2 + (alj )2 .

Az els egyenlsg az
(1)
(1)
(1)
(1)
(ail )2 + (ajl )2 = (cail sajl )2 + (cajl + sail )2 = (c2 + s2 )(ail )2 + (s2 + c2 )(ajl )2 = (ail )2 + (ajl )2
mdon lthat, a msik pedig hasonlan igazolhat. Szmtsuk ki most a ngyzetsszeg-vltozst a mtrix ftl feletti rszn:
(1)
(1)
ail
(1)
ajl
(1)
a2 + ij
l=i+1,=j
[(cail sajl )2 (ail )2 ] +

(1)
[(cajl + sail )2 (ajl )2 ]

l=j+1
(1)
i1
ali
j1
alj
+
l=1
[(cali salj )2 (ali )2 ] +

l=1,=i j1 j1
[(calj + sali )2 (alj )2 ]
= a2 + ij
((ail )2 (ail )2 ) +
l=i+1 l=i+1
(1)
((alj )2 (alj )2 ) = a2 . ij
(ajl )2 (ajl )2
(1)
(1)
gy a teljes ftln kvli rsz ngyzetsszeg-vltozsa valban Legyen a ftln kvli elemeket tartalmaz mtrix a Ekkor
2a2 . ij
k -adik lpsben Bk = A(k) diag(diag(A(k) )).

2 F
Bk
2 F
= Bk1
2 F
2(aij
(k1) 2
) Bk1
Bk1
2 F
n(n 1)
4.
= Bk1
gy
2 F
2 n(n 1) 2 n(n 1)
,
k
Bk
2 F
B0
2 F
Ez a becsls mutatja, hogy a mdszer konvergenciarendje legalbb egy (valjban msodrend). A Jacobi-transzformcikat vgrehajtva teht a mtrix ftln kvli elemei nullhoz tartanak. gy az
Sij
mtrixok szorzata valban az
diagonalizl mtrixhoz fog tartani. Elegenden sok
lpst vgrehajtva a ftln kvli elemek annyira lecskennek, hogy a ftlban megkapjuk a sajtrtkek kzeltseit a Gersgorin-ttelt alkalmazva.
4.3.2. megjegyzs. A legnagyobb elem kivlasztsa n(n1)/2 sszehasonltst jelent, ami sokig
tart. Ezrt inkbb az a szoks, hogy a ftl feletti rszen soronknt haladunk vgig a Jacobitranszformcikkal (azaz ilyenkor nem a legnagyobb abszolt rtk elemet vlasztjuk ki ez a mdostott Jacobi-mdszer). A tapasztalat szerint 5-szri vgighalads elg szokott lenni egy megfelel sajtrtk-kzeltshez.
4.3.3. megjegyzs.
s ignyel.
A mdostott Jacobi-mdszer esetn egy Jacobi-transzformci
4n
szorzst
2n sszeadst ignyel, s n(n 1)/2 elemen 5-szr kell vgighaladni. Ez kb. 15n3
op mveletet
4.3.4. megjegyzs.
mdon kzelthet.
Ha egyms utn az
Si1 j1 , . . . , Sik jk
ortogonlis mtrixokat hasznltuk a
Jacobi-transzformcihoz, akkor a
sajtrtkhez tartoz sajtvektor az
Si1 j1 . . . Sik jk ej
4.3.5. megjegyzs.
A Jacobi-mdszer olyan mtrixokra is konvergl, melyek nem felttlenl
szimmetrikusak, de minden sajtrtkk vals.
4.3.2. QR-iterci
A mdszer alaptlete az, hogy az ortogonlis diagonalizl mtrixot az
Q mtrixval kzeltjk. Az algoritmus a kvetkez:

QR-iterci,
A mtrix QR-felbontsnak
A adott mtrix, A(0) := A for k := 1 : kmax do (k1) (k1) Ksztsk el A QR-felbontst: A = Q(k1) R(k1) (k) (k1) (k1) A := R Q end for
Elszr is ltnunk kell, hogy az iterci
A-hoz hasonl mtrixokat kszt, hiszen

(k1)
A
Teht
(k)
=R
(k1)
(k1)
= (Q
(k1) T
) Q
R(k1) Q(k1) = (Q(k1) )T A(k1) Q(k1) .
A(k) = (Q(k1) )T . . . (Q(0) )T A Q(0) . . . Q(k1) = QT AQk , k

=:Qk
4.3.
s gy a hasonlsgi transzformcik miatt tkrzsekkel
A(k)
sajtrtkei megegyeznek
A sajtrtkeivel.
Minden lpsben szksg van egy QR-felbontsra. Ez elg kltsges eljrs, hiszen Householder-
4n3 /3 op a mveletignye. A gyakorlatban ltalban gy rdemes eljrni, hogy el-
szr a mtrixot Hessenberg-alakra transzformljuk hasonlsgi transzformci segtsgvel (hogy a sajtrtkek ne vltozzanak), majd pedig ezzel az j mtrixszal hajtjuk vgre a QR-itercit. Az iterci sorn a Hessenberg-struktra megmarad. A QR-felbontst gy minden lpsben Givensforgatsokkal hajtjuk vgre (3n elszr
op itercis lpsenknt).
H1 legyen az A(2 : n, 1) oszlophoz tartoz Householder-tkrzsi mtrix, majd H1 = 1 ), H2 . Legyen A(2) = H1 AH1 . Ezutn legyen H2 az A(2) (3 : n, 2) oszlophoz tartoz diag(1, H 2 ), s deniljuk az A(3) = H2 A(1) H2 Householder-tkrzsi mtrix, majd H2 = diag(1, 1, H (n) mtrixot. Hasonlan eljrva kapjuk n 1 lps utn az A = Hn1 . . . H2 H1 AH1 H2 . . . Hn1 3 Hessenberg alak, A-val hasonl mtrixot. Az eljrst, melynek mveletignye 4n /3 op, sematikusan az albbi mdon foglalhatjuk ssze:
A Hessenberg alakra val transzformcit Householder-tkrzsekkel vgezzk el gy, hogy

Igazoljuk, hogy ha trt. Legyen
0 0
0 0
. 0
A egy fels Hessenberg-mtrix, akkor a QR-iterci megtartja ezt a strukA = QR fels Hessenberg-mtrix. Ekkor az A(1) = QT AQ = QT QRQ = RQ = RQRR1 = RAR1
mtrix is fels Hessenberg-mtrix, hiszen fels Hessenberg-mtrixok szorzata is fels Hessenbergmtrix lesz. Itt feltettk, hogy tegyk fel, hogy az eredeti
R,
azaz
is invertlhat mtrix. Klnben a nulla sajtrtke
lenne s decis eljrssal kisebb mret mtrix vizsglatra trhetnnk t. A tovbbiakban
A mtrix mr Hessenberg alakra van transzformlva.
Az ltalunk vizsglt szimmetrikus mtrixokra a Hessenberg alakra transzformlt mtrix egy szimmetrikus, tridiagonlis mtrix lesz. Egy ilyen mtrixszal kell ezutn vgrehajtani a QRitercit. A tovbbiakban feltesszk, hogy a QR-itercit mr mindig egy Hessenberg alakra hozott mtrixszal indtjuk. Az, hogy a kzljk.
Qk -val
jellt
Q(0) . . . Q(k1)
mtrix valban az
A-t
diagonalizl
mtrixhoz
tart, egyltaln nem nyilvnval az algoritmusbl. Az albbi konvergenciattelt bizonyts nlkl
4.3.6. ttel. (pl. QuarteroniSaccoSaleri [29], 202. oldal) nn Ha az A R mtrixnak minden sajtrtke vals s abszolt rtkben klnbz (|1 | >
|2 | > |3 | > > |n |),
akkor
lim A(k)
1 0 = . . . 0
a12 2
. . .
... a23
.. .
a1n ... . . . n
valamilyen megfelel Ha
A szimmetrikus, akkor {A(k) } diagonlis mtrixhoz tart.
aij
konstansokkal, azaz a hatrrtkmtrix egy fels hromszgmtrix.
4.
4.3.7. megjegyzs.
lnbz.
Br mi csak vals, szimmetrikus mtrixok sajtrtkeivel foglalkozunk, a
fenti ttel olyan mtrixokra is vonatkozik, melyeknek minden sajtrtke abszolt rtkben k-
4.3.8. megjegyzs.
Igazolhat, hogy ha
elg nagy, akkor az
A(k)
mtrixok szubdiagonlbeli
elemeire (a Hessenberg alak miatt csak ezek klnbzhetnek nulltl a ftl alatt)
|ai,i1 |
(k)
i i1
, i = 2, . . . , n.
Ez mutatja, hogy a QR-iterci konvergenciarendje lineris, s hogy a konvergenciasebessget az abszolt rtkben egymst kvet sajtrtkek hnyadosa hatrozza meg. Ha vannak abszolt rtkben egymshoz kzeli sajtrtkek, akkor lassan konvergl csak a mdszer.
4.3.9. plda.
Hatrozzuk meg QR-itercival a H6 Hilbert mtrix sajtrtkeit! lltsuk le akkor a QR-itercit, ha a ftln kvli elemeket tartalmaz mtrix maximumnormja mr csak legfeljebb 10 -szorosa a ftl legkisebb elem abszolt rtknek! A 16. iterci utn az albbi mtrixot nyerjk
1.6189 7.1945 1014 0 0 0 0 7.1945 1014 0.2424 0 0 0 0 2.0429 1016 3.2897 1017 1.6322 102 4.9 1025 0 0 4.8395 1017 4.3090 1017 1.4419 1017 6.1575 104 0 0 8.0718 1017 4.3450 1017 2.0930 1017 1.6031 1017 1.2571 105 0 1.1143 1017 4.8171 1017 1.2691 1017 5.3934 1018 9.3562 1018 1.0828 107
Figyeljk meg, hogy az iterci sorn abszolt rtkben cskken mdon kerlnek a sajtrtk-kzeltsek a ftlba. A legnagyobb abszolt rtk sajtrtkrl pl. a Gersgorinttelt alkalmazva azt mondhatjuk, hogy rtke az
1.61889985892434 7.2289 1014
inter-
vallumba esik (itt tbb tizedesjegyre pontosan rtuk ki a szmokat, mint a mtrixban).
Lttuk, hogy a QR-iterci elsrend mdszer sajtrtk meghatrozsra. A mdszer felgyorsthat az n. eltolt QR-iterci alkalmazsval. Az algoritmusban szerepl vlasztsnak mdjrl ksbb lesz sz.
rtkek meg-
Eltolt QR-iterci,
A Hessenberg alak mtrix, A(0) := A, k
adott paramterek
for k := 1 : kmax do (k1) Ksztsk el A k1 E QR-felbontst: A(k1) k1 E = Q(k1) R(k1) (k) (k1) (k1) A := R Q + k1 E end for
Az eljrs valban mindig
A-hoz hasonl mtrixot ad, ugyanis
A(k) = R(k1) Q(k1) + k1 E = (Q(k1) )T Q(k1) R(k1) Q(k1) + k1 E

= (Q(k1) )T (A(k1) k1 E)Q(k1) + k1 E = (Q(k1) )T A(k1) Q(k1)
4.4.
Sajtrtkszmts a MATLAB-ban
minden
k = 1, 2, . . .
esetn.
Az iterci sorn ha az utols sor utols eltti eleme kicsiv vlna, akkor a ftl utols eleme nagy pontossggal a mtrix sajtrtkt adn. Ezek utn mr elegend lenne csak a mtrix
(1 : n 1, 1 : n 1)
blokkjnak megkeresni a sajtrtkeit (deci).
Az utols sor utols eltti eleme a
rtkek gyes megvlasztsval tehet gyorsan kicsiv
(gyakorlatilag nullv). Igazolhat, hogy ez az elem elegenden nagy
rtkekre
|(n k )/(n1 k )|k

nagysgrend. Ezrt egy gyakran alkalmazott vlaszts akkor a
k = ann ,
(k)
azaz
elemt szoks vlasztani. Ekkor ugyanis, ha a ftl utols eleme kzelt egy
k -nak a ftl utols n sajtrtkhez,
|(n k )/(n1 k )|
hnyados nagyon pici lesz, s ennek hatvnyai gyorsan nullhoz
tartanak.
4.4. Sajtrtkszmts a MATLAB-ban

A MATLAB a sajtrtkeket s a sajtvektorokat az mtrixok esetn az
eigs
eig
parancs segtsgvel szmolja. Ritka
parancsot hasznljuk. Hasznos lehet mg a
hess
parancs is, amely egy
mtrixot transzforml fels Hessenberg alakra hasonlsgi transzformcival.
>> A=[2,-1,0;-1,2,-1;0,-1,2] % Mtrix definils A = 2 -1 0 -1 2 -1 0 -1 2
>> [V,L]=eig(A) % V: sajtvektorok mtrixa, L: sajtrtkek mtrixa V = 0.5000 0.7071 0.5000 L = 0.5858 0 0 0 2.0000 0 0 0 3.4142 -0.7071 0.0000 0.7071 -0.5000 0.7071 -0.5000
>> A=rand(3) % Egy vletlen 3x3-as mtrix A = 0.9501 0.4860 0.4565

4.
0.2311 0.6068
0.8913 0.7621
0.0185 0.8214
>> [S,H]=hess(A) % Hessenberg alakra hozs parancsa (H=SAS^T) S = 1.0000 0 0 H = 0.9501 -0.6494 0 % ortogonlis mtrix 0 -0.3559 -0.9345 0 -0.9345 0.3559
% Hessenberg alak mtrix -0.5996 1.0899 -0.0571 -0.2917 0.6864 0.6228
Vgl kzlnk egy egyszer programot a hatvnymdszer megvalstsra. A program egyszer mdostssal trhat gy, hogy az inverz itercit vagy a Rayleigh-hnyados itercit hajtsa vgre. A programban
A az adott mtrix, kmax a maximlis iterciszm s toll a toleranciaszint. iter
Ez utbbi azt jelenti, hogy ha kt egyms utni sajtrtk-kzelts kzelebb van egymshoz, mint ez az rtk, akkor lelltjuk az itercit. Az Ha
iter=kmax,
rtk a vgrehajtott itercis lpsek szma.
akkor amiatt llt le az eljrs, mert elrtk a maximlis iterciszmot, s nem
amiatt, mert kicsi a hiba. Az
kimeneti rtk a sajtvektor-kzelts,
nu
a sajtrtk-kzelts.
function [y,nu,iter]=hatvanymodszer(A,kmax,toll); n=max(size(A)); y=(ones(n,1)); y=y/norm(y); nu=y'*A*y; err=1; iter=0; while err>toll & iter<kmax iter=iter+1; y=A*y; y=y/norm(y); nuold=nu; nu=y'*A*y; err=abs(nu-nuold); end;
4.5.
Feladatok
4.5. Feladatok
4.5.1. feladat. Igazoljuk, hogy az kikerlhetnek!
A
3 0
mtrix sajtrtkei mind valsak (a sajtrtkek kiszm-
tsa nlkl), ill. adjunk meg egy lehetleg rvid intervallumot, amibl a
mtrix sajtrtkei
A = 0 4 1 ,
1 5
B= 2
1
2 1 7 0 0 5
4.5.2. feladat. A sajtrtkek kiszmtsa nlkl mondjuk meg, hogy hny nem vals sajtrtke van az albbi mtrixnak? (Alkalmazzunk hasonlsgi transzformcikat permutcis mtrixokkal!)
4 2 0.5 0.5 2
0 2 0 0 0.5
0 4 1 0.2 1
0.5 0 3 1 0 0 3 0 3 4
4.5.3. feladat. Tekintsk az
A=
2 1
1 2
, B=
2 1
9 2
mtrixokat. Becsljk meg, hogy ha ezen mtrixok msodik sornak els elemeihez 0.1-et adunk, akkor legfeljebb mennyivel trnek el az j mtrixok sajtrtkei az eredetiektl! Ellenrizzk az eredmnyt a MATLAB segtsgvel! (Hasznljuk a BauerFike-ttelt!) 4.5.4. feladat. Alkalmazzuk a hatvnymdszert az tkek:
2, 2 +
2, 2
2,
sajtvektorok:
mtgpen vgrehajtott itercit a 20. gy, hogy az elemeivel osztjuk az
Ay(20)
A = tridiag(1, 2, 1) mtrixra (sajtr [1, 0, 1]T , [1, 2, 1]T , [1, 2, 1]T ). lltsuk le a sz(20) lps utn. Becsljk meg 1 rtkt az y vektorral
vektor elemeit! Hasonltsuk ssze ezeket az rtkeket a
Rayleigh-hnyados ltal adott rtkkel! 4.5.5. feladat. Hatrozzuk meg az elz feladat mtrixnak legkisebb abszolt rtk sajtrtkt a korbbi program mdostsval, ha tudjuk, hogy rtke kb. 0.5! Hasznljuk az inverz itercit! 4.5.6. feladat. Hatrozzuk meg az
A = tridiag(1, 2, 1) R5050
mtrix legnagyobb s leg-
kisebb abszolt rtk sajtrtkt s a hozzjuk tartoz sajtvektorokat. A legkisebb abszolt rtk sajtrtket ktflekppen is hatrozzuk meg! Elszr a mtrix inverznek s a hatvnymdszernek a hasznlatval, s msodszor azt az informcit hasznlva, hogy rtke kb. 0.003! Hatrozzuk meg a mtrix 1.1-hez legkzelebbi sajtrtkt! 4.5.7. feladat. Egy
A 4 4-es
mtrixrl tudjuk, hogy sajtrtkei a 20, 10, 5 s 1 szmok
kzelben vannak. Milyen
szmmal alkalmazzuk a hatvnymdszert az
A E mtrixra, hogy
szget, melyre teljesl
az az 1 kzeli sajtrtket s a hozz tartoz sajtvektort adja meg? 4.5.8. feladat. A Jacobi-itercis mdszernl keresnnk kell egy olyan a ctg(2)
= (d a)/(2b)
egyenlsg, majd ezutn meg kell hatroznunk a
sin
cos
rtke-
ket. Ezek az rtkek megkaphatk a
szg kiszmolsa nlkl is. Igazoljuk elszr, hogy olyan
szgekre, melyekre a szerepl fggvnyek rtelmezve vannak, igaz a tg
+ 2ctg(2) tg 1 = 0
4.
egyenlsg. Hogyan lehet ebbl
sin
cos
rtkt kiszmtani?
4.5.9. feladat. Alkalmazzuk a Jacobi-itercit az
5 5-s
Hilbert-mtrixra ill. az
A = tridiag(1, 2, 1) R5050
mtrixra szmtgp segtsgvel! 4.5.10. feladat. rjunk MATLAB programot a QR-itercis s eltolt QR-itercis sajtrtkmeghatrozsra, s hatrozzuk meg jra az
R5050
55-s Hilbert-mtrix s az A = tridiag(1, 2, 1)
mtrix sajtrtkeit!
Ellenrz krdsek
1. Milyen kt nagy csoportja van a sajtrtk-meghatrozsi mdszereknek? 2. Ismertessk a hatvnymdszer mkdst! 3. Hogyan mdosthat a hatvnymdszer gy, hogy a dominns sajtrtkeken kvl ms sajtrtkeket is megtalljon? 4. Ha adott egy mtrix egyik sajtrtkre egy kzelts, akkor hogyan hatrozhatjuk meg a hozz tartoz sajtvektort? 5. Ha adott egy mtrix egyik sajtvektorra egy kzelts, akkor hogyan hatrozhatjuk meg a hozz tartoz sajtrtket? 6. Mi az a Rayleigh-hnyados, s milyen tulajdonsgai vannak? 7. Ismertessk a Jacobi-mdszert! 8. Ismertessk a QR-iterci lnyegt! Milyen mdszerrel lehet a konvergencijt felgyorstani?
5. Nemlineris egyenletek s egyenletrendszerek megoldsa

Ebben lineris a fejezetben azt vizsgljuk meg, hogy hogyan lehet egy nemaz egyenlet megoldsait numerikusan kzelteni. Megismerjk
intervallumfelezsi-, a hr-, a szel- s a Newton-mdszereket, valamint a xpont-itercis mdszereket, s megvizsgljuk ezen mdszerek tulajdonsgait.
5.1. Nemlineris egyenletek

Gyakorlati problmk megoldsa sorn gyakran tallkozunk azzal a feladattal, hogy egyenletet vagy egyenletrendszert kell megoldanunk. Sok esetben a megolds explicit mdon elllthat, azaz vges sok alapmvelet segtsgvel megadhat. A legegyszerbb ilyen eset az lineris egyenlet vagy az
Ax = b
ax = b
lineris egyenletrendszer. A nemlineris egyenletek megol-
dsa komplikltabb. Egy bizonyos rszk explicit mdon knnyen megoldhat (ilyen polinom-, trigonometrikus-, exponencilis- vagy logaritmikus egyenletekkel tallkoztunk kzpiskolai tanulmnyaink sorn), de sok olyan egyenlet is van, amely nem ilyen. Pldul az az
x2 = 4 sin x
vagy
x = cos x
egyenleteket nem tudjuk megoldani. Mivel a legalbb tdfok polinomok zrushe-
lynek meghatrozsra nincs megoldkplet (olyan kplet, ami az egytthatkbl megmondan a zrushelyeket), ezrt ezek megoldsa sem lehetsges ltalban explicit mdon. Ilyen polinom pldul az
x5 4x4 + x3 x2 + 4x 4 = 0
polinom, amely racionlis zrushelykeresssel, vagy
valamilyen ms egyszer mdszerrel nem alakthat szorzatt, gy nem lehet a zrushely keresst visszavezetni alacsonyabbfok polinomokira. Explicit megolds hinyban a nemlineris egyenletek megoldsra ltalban itercis mdszereket hasznlunk, melyek lnyege, hogy olyan sorozatot lltunk el, amely valamelyik megoldshoz konvergl. Azok a mdszerek, amelyeket be fogunk mutatni ebben a fejezetben, tbb szz vvel ezeltt keletkeztek. Ennek ellenre mgis fontos ket megismernnk, mert mg ma is ezeket a mdszereket hasznljuk nemlineris egyenletek megoldsra. Termszetesen ma mr a fradtsgos szmolsokat elvgzik helyettnk a szmtgpek, de pl. a nemlineris egyenletrendszerek megoldsa (fleg a legalbb hrom ismeretlent tartalmazk) mg mindig nehz feladat.
5.1.1. A gykk elklntse

A nemlineris egyenletek megoldsa sorn az els lps ltalban az, hogy megadunk olyan intervallumokat, melyekben biztosan van megoldsa az egyenletnek. Ezt a lpst rviden gy hvjuk, hogy elklntjk a gykket. Szmtgppel a gykk elklntse gyorsan megoldhat, hiszen a grakonbl knnyen lthat, hogy hol vannak az egyenlet gykei. Amikor nem ll rendelkezsnkre szmtgp, akkor az albbi ttel segtsgvel vgezhet el az elklnts.
5.1.1. ttel.
Ha egy folytonos fggvny esetn
f (a) f (b) < 0 (a < b),
akkor van olyan
c (a, b),
melyre
f (c) = 0.
125
5.
Nemlineris egyenletek s egyenletrendszerek megoldsa
Ez a ttel a Bolzano-ttel kzvetlen kvetkezmnye. Ha teht bizonyos pontokban kiszmtjuk a fggvnyrtkeket, s kt egymst kvet pontban ellenttes a fggvnyrtkek eljele, akkor a pontok kztt van zrushely. Ha azt is tudjuk mg, hogy a fggvny szigoran monoton az adott intervallumon (pl. derivlhat, s a derivltja nem vlt eljelet), akkor azt is tudjuk mr, hogy az adott intervallumban pontosan egy zrushely lesz. A gykk elklntsben segthet az is, ha az egyenlet kt oldaln szerepl fggvnyeket tudjuk kln-kln brzolni, mert akkor a kt grakon metszspontjainak abszcisszi adjk a megoldsokat. Ez a mdszer alkalmazhat pl. az
x2 = 4 sin x vagy az x = cos x egyenletek esetn.
Ha polinomok zrushelyeit keressk, akkor hasznos tudni, hogy a vals zrushelyek melyik intervallumbl kerlhetnek ki egyltaln. Ezt a krdst vizsglja meg az albbi ttel.
5.1.2. ttel.
A
p(x) = an xn +. . .+a1 x+a0 (an , a0 = 0) polinom zrushelyei az orig kzep R = 1+A/|an | s r = 1/(1 + B/|a0 |) sugarak ltal meghatrozott krgyrben vannak, ahol A = max{|an1 |, . . . , |a0 |}, B = max{|an |, . . . , |a1 |}.
Bizonyts. rjuk t a polinomot a
p(x) an1 xn1 . . . a1 x a0 = an xn

alakba, s alkalmazzuk a hromszg-egyenltlensget
|p(x)| + |an1 ||x|n1 + . . . + |a1 ||x| + |a0 | |an ||x|n .

Ezt trendezve kapjuk, hogy
|p(x)| |an ||x|n |an1 ||x|n1 . . . |a1 ||x| |a0 | |an ||x|n A(|x|n1 + . . . + |x| + 1) = |an ||x|n A
Ha most
1 |x|n 1 |x|n = |x|n |an | A 1 |x| (1 |x|)|x|n |xk | > 1,

akkor
xk
olyan zrushely, melyre
0 = |p(xk )| |xk |n |an | A
1 |xk |n (1 |xk |)|xk |n
|xk |n |an | +
A 1 |xk |
Itt a msodik tnyez nem lehet pozitv, s ebbl az
|xk | 1 +
A =R |an | R sugar
egyenltlensget kapjuk. Teht a zrushelyek a komplex szmskon az orig kzppont krn kvl nem helyezkedhetnek el. Az als becslshez legyen
x = 1/y . 1 y
Ekkor a polinom
p(x) = p =
= an
1 y
+ . . . + a1
1 y
+ a0
1 (an + . . . + a1 y n1 + a0 y n ) yn
5.1.
Nemlineris egyenletek
alakban rhat, ahol a zrjelben lv polinomra alkalmazhatjuk a fels korltra elbb bizonytott lltst. Mivel
p(x)-nek,
akkor
a0 = 0, gy a p(x) polinomnak a nulla nem zrushelye. Ezrt, yk = 1/xk zrushelye a zrjelben szerepl polinomnak, azaz 1 = |yk | 1 + B/|a0 |. |xk |
ha
xk
zrushelye
gy
|xk |
1 = r. 1 + B/|a0 |
5.1.3. plda.
polinom
p(x) = x5 4x4 + x3 x2 + 4x 4 polinom zrushelye az 1/2 |x| 5 intervallumbl kerl ki.

A
1
esetn
A=4
B = 4,
s gy a
A polinomok helyettestsi rtkt a Horner -mdszerrel lehet gyorsan szmolni. Ennek alaptlete a polinom
an xn + . . . + a1 x + a0 = (. . . ((an x + an1 )x + an2 ) . . .)x + a0

alak trsa. Ezzel az eredetileg szksges sszeads s
sszeads s
n(n + 1)/2
szorzs helyett csak
szorzs szksges a helyettestsi rtk meghatrozshoz. Ahogy azt az albbi
ttelek mutatjk, ezek a szorzsi s sszeadsi szmok optimlisak is.
5.1.4. ttel. (Ostrowski, 1954)

Egy
n-edfok
polinom helyettestsi rtknek kiszmtshoz legalbb
sszeads kell.
5.1.5. ttel. (Victor Pan, 1966)

Egy
n-edfok
polinom helyettestsi rtknek kiszmtshoz legalbb
szorzs kell.
5.1.2. Nemlineris egyenletek megoldsnak kondicionltsga

Tekintsk az
f (x) = d
egyenletet, melyrl tegyk fel, hogy a feladat korrekt kitzs. Jellje a
megoldfggvnyt (f inverzt)
G.
Ekkor teht
x = G(d).
Ha a
G(d)
megoldfggvny dierenci-
lhat, akkor a feladat relatv s abszolt kondciszma
(d) =
d 1 G (d)d d 1 = = , abs (d) = = . G(d) f (G(d))G(d) f (x)x |f (G(d))| |f (x)| |f (x)|

kicsi, akkor rosszul kondicionlt, ha nagy, akkor jl kondicionlt a
Ez mutatja, hogy ha
feladat. A rossz (j) kondicionltsg azt jelenti, hogy sokat (csak keveset) vltozhat a megolds rtke.
rtkt kicsit megvltoztatva relatvan
1 William George Horner (1786-1837, angol)

5.
5.1.3. Geometriai mdszerek

Tekintsk az az
f (x) = 0
egyenletet. Ennek egy megoldst jellje
, azaz
f (x ) = 0.
A nemline-
ris egyenletek megoldsi mdszereinek nagy rsze azon alapul, hogy a megoldshoz szemlletesen
fggvny grakonjnak s az
x-tengelynek
a metszspontjt kell megmondanunk. gy te-
ht egy olyan sorozatot kell ellltanunk, amely a metszspont abszcisszjhoz tart. Ezeket a mdszereket geometriai mdszereknek nevezzk.
Intervallumfelezsi mdszer
Tegyk fel, hogy egy nyilvnvalan az feltesszk, hogy
f : [a, b] R folytonos fggvnyre teljesl, hogy f (a)f (b) < 0. Ekkor f fggvnynek legalbb egy zrushelye van az [a, b] intervallum belsejben. Itt f (a) negatv s f (b) pozitv. Ha nem gy lenne, akkor vizsgljuk a f (x) = 0 x-tengely metszspontjt, [a, b] intervallumot, majd
egyenletet, melynek nyilvn ugyanazok a megoldsai, mint az eredeti egyenletnek. Az n. intervallumfelezsi eljrs gy keresi meg a grakon s az hogy a felezpont segtsgvel kt rszintervallumra bontja az eredeti
ezen intervallumok vgpontjaiban megvizsglva a fggvny eljeleit megllaptja, hogy melyik rszintervallumba esik a metszspont. Ezutn ezzel az intervallummal vgrehajtjuk ugyanezt az eljrst, stb. A mdszert az 5.1.1. brn szemlltettk. Itt az gatv, gy az
x(0)
pontban a fggvnyrtk ne-
(0)
-tl jobbra elhelyezked intervallum veszi t az eredeti intervallum szerept a
kvetkez lpsben. Ennek
x(1)
felezpontjban a fggvnyrtk pozitv, gy a tle balra elhelyez-
ked (az eredeti intervallum harmadik negyedel intervalluma) intervallummal folytatjuk tovbb az itercit, stb. Az brn bejelltk, hogy az egyes lpsekben mely pontok jtsszk az vgpontok szerept.
5.1.1. bra. Az intervallumfelezsi mdszer szemlltetse.
Az albbi algoritmus az intervallumfelezsi eljrst hajtja vgre egy olyan folytonos fggvny esetn, melyre iterciszm elri a
f : [a, b] R
f (a) < 0
kmax
rtket, vagy az
f (b) > 0. Akkor ll le az intervallumhossz toll al cskken.

s ill.
algoritmus, ha az
a, b (a < b), toll, k = 0, kmax while k < kmax and b a > toll do x := a + (b a)/2
Intervallumfelezsi mdszer,
adott,
f (a) < 0 < f (b).
5.1.
if f = 0 then else if f > 0 then else

b=x a=x
end
f := f (x)
end if end if end while
A konstrukcibl nyilvnval, hogy az eljrs ltal generlt sorozat tartani fog az az eljrs.
[a, b]
inter-
vallum valamelyik zrushelyhez. Ha tbb zrushely van, akkor valamelyiket biztosan megtallja Azt is fontos szrevenni, hogy a generlt sorozat nem monoton mdon tart ltalban a zrus-
x(1) . Emiatt az 1.3.1. denci rtelmben nem denilhat a mdszer konvergenciarendje. Jellje ek a k. k zelts hibjnak egy abszolt rtkben vett fels becslst. A e (0) = (b a)/2 nyilvnvalan j vlaszts, s gy e (k) = (b a)/2k+1 . Br a sorozat konvergenciarendjt nem tudtuk denilni, de az ltszik, hogy a hiba fels becslseinek sorozata elsrendben konvergens. Mivel e (k+1) = e(k) /2,
helyhez. Az 5.1.1. brn pldul az kzelts kzelebb van a zrushelyhez, mint gy a hibabecslsnk kb. hrom itercis lpsenknt javul egy nagysgrendet. Az
x(0)
|e(k) | e(k) = (b a)/2k+1

becslst (e
(k)
= x(k) x
) hasznlhatjuk a lellsi felttelhez is. A jobb oldali kifejezsbl meg
tudjuk mondani, hogy ha az iterciszm mr nagyobb, mint sorozatelem
kmax =
ln((ba)/) ln 2
1,
akkor a
-nl
jobban megkzeltette a zrushelyet. Ms lellsi felttel lehet mg a mdszerhez az, hogy akkor lltjuk le az
5.1.6. megjegyzs.
itercit, ha
|x(k) x(k1) | toleranciaszint |x(k1) |

vagy
|f (x(k) )| toleranciaszint.
5.1.7. megjegyzs. Az algoritmusban a felezpontot a x := a+(ba)/2, s nem az x := (a+b)/2

mdon szmoltuk. Ennek oka az, hogy az els mdszer lebegpontos szmokkal szmolva mindig
a s b kz es rtket ad, mg a msik nem. Ktjegy mantisszval dolgozva pl. (0.67 + 0.69)/2 = 1.36/2 1.4/2 = 0.7, ami nem esik a kt szm kz. Viszont 0.67 + (0.69 0.67)/2 = 0.67 + 0.02/2 = 0.67 + 0.01 = 0.68.
Hrmdszer
A most trgyaland hrmdszer s a ksbbi szel- ill. Newton-mdszerek az albbi ltalnos megfontolson alapulnak. Tegyk fel, hogy az
dierencilhat fggvny
zrushelyhez tart
5.
sorozatot szeretnnk ellltani. Tegyk fel, hogy a sorozat pontban sem nulla az
(k)
pontok kztt. Fejtsk
k -adik eleme x(k) , s hogy f (x) egyik sorba a fggvnyt az x megolds krl!
=0
f (x
ahol
(k)
) = f (x ) +f (k )(x(k) x ),
az
x(k)
pontok kz esik. Innt
x = x(k)
Azaz ha tudnnk Legyen
f (x(k) ) . f (k ) f (k )
rtkt minden lpsben kzeltjk.
rtkt, akkor a kvetkez itercis lpsben egyszerre a zrushelyre tudna
lpni a sorozat. Mivel ezt ltalban nem tudjuk, ezrt
qk
k -adik
lpsben az
f (k )
derivlt kzeltse. Ekkor az
x(k+1) = x(k)
1 f (x(k) ) = x(k) f (x(k) ) qk qk x(k+1)

az
itercikat lehet hasznlni. A klnbz trgyaland mdszerek abban klnbznek, hogy hogyan hatrozzuk meg a ponton tmen A
qk
kzeltseket. Vegyk mg szre, hogy geometriailag
(x(k) , f (x(k) ))
s
qk meredeksg egyenes x-tengellyel alkotott metszspontja lesz. hrmdszer esetn a qk rtket az adott k -adik sorozatelemhez tartoz grakonpontot
a hozz legkzelebbi korbbi ellenkez eljel fggvnyrtket ad sorozatelemhez tartoz grakonpontot sszekt hr meredeksgnek vlasztjuk. A mdszert az 5.1.2. brn szemlltettk.
x(0) s x(1) rtkek a zrushelye(ke)t tartalmaz intervallum kt vgpontja. Az f (x )f (x ) < 0 felttel biztostja, hogy valban van zrushely az adott intervallumon. Az x(2) (0) (1) sorozatelemet az x s x pontokhoz tartoz grakonpontokat sszekt hr x-tengellyel alko(0) (1) (2) tott metszspontja adja. Ez nyilvn x s x kz esik. Mivel f (x ) < 0 s f (x(1) ) > 0 ezrt a kvetkez kzeltst az ezen kt ponthoz tartoz grakonpontokat sszekt hr x-tengellyel (3) (2) (1) (3) alkotott metszspontja adja. gy kapjuk x -at, ami x s x kz esik. Mivel f (x ) > 0 s (2) f (x ) < 0, azrt a kvetkez kzeltst az ezen kt ponthoz tartoz grakonpontokat sszekt (4) (2) (3) hr x-tengellyel alkotott metszspontja adja. gy kapjuk x -et, ami x s x kz esik. Mivel (4) (4) (2) f (x ) is pozitv, gy a kvetkez lpsben az x s jra az x ponthoz tartoz grakonponto(5) kat sszekt hr x-tengellyel alkotott metszspontja adja x -t. Stb. Az brn x-szel jelltk az aktulis itercis lpst, s s-sel azt a legkzelebbi korbbi itercis lpst, mellyel f (s)f (x) < 0.
Az brn az
(0)
(1)
Az algoritmus az albbi mdon foglalhat ssze.
Hrmdszer,
a, b
ill.
adott,
f (a)f (b) < 0.
x := b, s := a for k := 1 : kmax do xs xnew := x f (x)f (s) f (x) if f (xnew) = 0 then
(qk
f (x)f (s) ) xs
else if f (xnew)f (x) < 0 then end if end if end for

s=x
end
x := xnew
5.1.
5.1.2. bra. A hrmdszer itercijnak szemlltetse.
A mdszer konstrukcijbl kvetkezik, hogy a kiindulsi intervallumban elhelyezked zrushelyek egyikt biztosan meg fogja tallni (csakgy, mint az intervallumfelezsi mdszer). Tbb ttelben hasonl feltevseket kell majd tennnk, ezrt a ttelek megfogalmazsnak megknnytsre bevezetjk az albbi dencit.
5.1.8. denci.
fggvny
kielgti az alapfeltevseket
[a, b]-n.
az
[a, b]
intervallumon, ha van
[a, b]
belsejben zrushelye, legalbb ktszer folytonosan derivlhat, s sem az els, sem a
msodik derivltja nem vesz fel nulla rtket
az intervallumon, s hogy vannak olyan
f els s msodik derivltjnak eljele jl meghatrozott m1 , m2 , M1 s M2 pozitv konstansok, melyekkel 0 < m1 |f (x)| M1 < s 0 < m2 |f (x)| M2 < minden adott intervallumbeli x rtkre. Figyeljk meg, hogy m az als becslseket, M a fels becslseket jelli, az index pedig azt adja
A fenti felttelekbl kvetkezik, hogy meg, hogy a becsls hnyadik derivltra vonatkozik. A szigor monotonitsbl kvetkezik, hogy csak egy zrushely lehet az
[a, b]
intervallum belsejben. A zrushely jellsre, ahogy korbban,
-t fogunk hasznlni. Ezutn megfogalmazzuk a hmdszerre vonatkoz konvergenciattelt.
5.1.9. ttel.
Elgtse ki
az 5.1.8. dencibeli alapfeltevseket az
[a, b]
intervallumon. Ekkor a hrmd-
szerrel ellltott sorozat az elsrend, s
f (x) = 0
egyenlet
megoldshoz konvergl, a konvergencia (5.1.1)
|e(k+1) | C|e(k) |,
ahol
C = |e(0) |M2 /(2m1 ).
Bizonyts. A derivltak eljele szempontjbl ngy klnbz eset lehetsges csak. Vizsgljuk csak azt az esetet, amikor
f < 0 s f > 0 (5.1.3. bra). A msik hrom eset hasonlan igazolhat.

5.
5.1.3. bra. A hrmdszer itercija, ha
f <0
f > 0.
A szigor konvexits (f
tovbb minden sorozatelemre
> 0) miatt {x(k) } szigoran monoton cskken (s = x(0) (k 1)), x(k) x (k 1). gy a sorozat konvergens. Legyen a hatrrtke
y
y.
Az
x(k+1) = x(k)
y y
x(k) x(0) f (x(k) ) f (x(0) )

f (y)
f (x(k) )
f (y)
iterci vizsglatval lthat, hogy a hatrrtknek az
y=y
egyenletet kell kielgtenie, ahol
y x(0) 1 f (y) = y f (y) f () f (y) f (x(0) )

s
negatv, ezrt az egyenlsg csak gy teljeslhet, ha
f () f (y) = 0, azaz y = x . A konvergenciarend megllaptshoz ki kell fejeznnk a (k +1)-edik kzelts hibjt a k -adik kzelts hibjval. A (k + 1)-edik kzelts hibja
kz esik (Lagrange-kzprtkttel). Mivel
x(0)
x(k+1) x = x(k)
f (x(k) ) f (x(0) ) f (x(k) ) f (x(0) )
x(k) x(0) f (x(k) ) f (x(0) ) f (x(k) ) x f (x(k) ) f (x(0) ) f (x(k) ) f (x(0) ) = f (x(0) )(x x(k) ) f (x(k) )(x x(0) ) f (x(k) ) f (x(0) ) k -adik
kzelts hibjval osztva kapjuk, hogy
alakban rhat. Ezutn a nulladik s
e(k+1) f (x(0) )/e(0) + f (x(k) )/e(k) = (k) e(0) e f (x(k) ) f (x(0) ) = f (x(k) )/e(k) f (x(0) )/e(0) f (x(k) ) f (x(0) ) =
Cauchy-k..t.
f (k )(k x ) f (k ) , (k x )2 f (k )
5.1.
ahol
k x(0)
x(k)
kz es megfelel rtk a Cauchy-kzprtkttel szerint. A szmllban lv
kifejezst az
fggvny
pont krl felrt s
pontban vett
0 = f (x ) = f (k ) + f (k )(x k ) +
Taylor-polinomjnak rtkbl fejezhetjk ki, ahol
f (k ) (x k )2 2 x
kz esik. gy
k k
f (k )(k x ) f (k ) e(k+1) = (k x )2 f (k ) e(k) e(0) =

Azaz
f (k )(k x ) (f (k )(x k ) f (k )(x k )2 /2) f (k ) = . (k x )2 f (k ) 2f (k ) |e(k+1) | = |f (k )| (k) (0) |e ||e |. 2|f (k )|
A sorozat szigoran monoton cskkense s a ttel derivltakra vonatkoz felttelei miatt
0<
|f (k )| (0) m2 (0) |e | < 1 (k 1), |e | 2M1 2|f (k )|
amibl az 1.3.3. ttelre tekintettel kvetkezik az elsrend konvergencia. Tovbb
|e(k+1) | =
M2 (k) |f (k )| (0) (k) |e ||e | |e(0) | |e | = C|e(k) | 2|f (k )| 2m1

=:C
C = |e(0) |M2 /(2m1 )
jells bevezetsvel. Ezzel a ttelt igazoltuk. Az (5.1.1) becsls nyilvnvalan csak akkor hasznlhat lellsi felttel Ez elrhet gy, ha
5.1.10. megjegyzs.
megadsra, ha
C < 1.
x(0) -t
elegenden kzel vlasztjuk a zrushelyhez.
Szelmdszer
A szelmdszer annyiban klnbzik a hrmdszertl, hogy itt nem gyelnk arra, hogy mindig kt ellenkez eljel fggvnyrtket ad grakonpont legyen sszektve. Egyszeren kt egyms utni sorozatelemhez tartoz grakonponton t hzunk szelt, s ahol az metszi (ha van metszspont) az
x-tengelyt,
az lesz a kvetkez sorozatelem. Ezen mdszernek veszlye, hogy nem
mindig tallja meg a kvnt zrushelyet, cserbe viszont magasabbrend konvergencit kapunk. A szelmdszer esetn a
pontbeli els derivltra teht a
qk =
kzeltst hasznljuk.
f (x(k) ) f (x(k1) ) x(k) x(k1) [a, b]

intervallumban van z-
Az 5.1.4. brn szemlltettk a szelmdszer itercijt. Ha az rushely, akkor vlaszthatjuk t berajzolt szel
a-t x(0) -nak
b-t x(1) -nek.
A kt rtkhez tartoz grakonponton
x(2) . Ezutn az x(1) s x(2) pontokhoz tartoz grakonpontokat ktjk ssze. Az sszekt szel x-tengellyel alkotott metszspontja lesz x(3) . (Megjegyezzk, hogy a hrmdszer esetn ebben a lpsben az x(0) s x(2) pontokhoz tartoz (2) (3) grakonpontokat ktnnk ssze.) Ezutn x -vel s x -mal tesszk ugyanezt. Stb. x-tengellyel
alkotott metszspontja lesz tankonyvtar.bme.hu 133
5.
5.1.4. bra.
A szelmdszer itercijnak szemlltetse.
5.1.5. bra.
A szelmdszer nem mindig tallja meg az intervallumban lv zrushelyet.
Arra, hogy a szelmdszer nem mindig tallja meg az intervallumban lv zrushelyet, az 5.1.5. brn adtunk pldt. Az metszi az
x(2)
x(1)
pontokhoz tartoz szel mr nem az
[a, b]
intervallumban
x-tengelyt,
hanem tle tvol.
A szelmdszer itercis lpseit az albbi algoritmus tartalmazza.
Szelmdszer,
a, b
ill.
adott,
f (a)f (b) < 0.
x := b, s := a for k := 1 : kmax do xs xnew := x f (x)f (s) f (x) if f (xnew) = 0 then
(qk
f (x)f (s) ) xs
else
end
end if end for
s := x, x := xnew
5.1.
5.1.11. ttel.
f fggvny az 5.1.8. dencibeli alapfeltevseket az [a, b] intervallumon. Ekkor, max{|a x |, |b x |} < 2m1 /M2 , akkor a szelmdszerrel ellltott sorozat monoton mdon x -hoz tart, s a konvergencia rendje (1 + 5)/2 1.618. Tovbb rvnyes az
Teljestse az ha
|e(k+1) | C|e(k) ||e(k1) |

becsls a
C = M2 /(2m1 )
vlasztssal.
Bizonyts. Igazoljuk elszr, hogy ha az hoz, mint
x(k1)
x(k)
sorozatelemek kzelebb vannak
2m1 /M2 ,
akkor az
(k+1)
elem is kzelebb lesz. gy mivel
(0)
-ra s
(1)
-re is teljesl a
felttel, minden sorozatelem kzelebb lesz, mint Szmtsuk ki a hrmdszer esetn, csak
2m1 /M2
(indukci). (Ez ugyanaz a szmols lesz, mint a
(k + 1)-edik itercis lps hibjt! x(0) helyett x(k1) -et kell rni.) x(k+1) x = x(k)
f (x(k) ) f (x(k1) ) f (x(k) ) f (x(k1) )
x(k) x(k1) f (x(k) ) f (x(k1) ) f (x(k) ) x f (x(k) ) f (x(k1) ) f (x(k) ) f (x(k1) ) = f (x(k1) )(x x(k) ) f (x(k) )(x x(k1) ) . f (x(k) ) f (x(k1) )
kzelts hibjval osztva kapjuk, hogy
Ezutn a
(k 1)-edik
k -adik
e(k+1) e(k) e(k1) =

ahol
f (x(k1) )/e(k1) + f (x(k) )/e(k) f (x(k) ) f (x(k1) ) =

Cauchy-k..t.
f (x(k) )/e(k) f (x(k1) )/e(k1) f (x(k) ) f (x(k1) ) x kz es megfelel rtk f fggvny k pont krli, x
(k)
f (k )(k x ) f (k ) , (k x )2 f (k )
k x
(k1)
a Cauchy-kzprtkttel szerint. A szmllban pontban vett
lv kifejezst az
0 = f (x ) = f (k ) + f (k )(x k ) +
Taylor-polinomjnak rtkbl fejezhetjk ki, ahol
f () (x k )2 2 x
kz esik. gy
k k
e(k+1) f (k )(k x ) f (k ) = (k) e(k1) (k x )2 f (k ) e = f (k )(k x ) (f (k )(x k ) f (k )(x k )2 /2) f (k ) = . (k x )2 f (k ) 2f (k ) |e(k+1) | C|e(k) ||e(k1) |,
ahol (5.1.2)
Ebbl addik teht, hogy
C = M2 /(2m1 ). |e(k1) | < 2m1 /M2 ,

ezrt kapjuk, hogy
Mivel a felttel miatt
|e(k+1) | < |e(k) |,

5.
azaz a hibasorozat monoton cskken. gy az is teljesl.
|e(k) | < 2m1 /M2
felttel miatt
|e(k+1) | < 2m1 /M2
Most megmutatjuk, hogy a hibasorozat nullhoz tart. Vezessk be a
d := C max{|a x |, |b
x |}
jellst. Nyilvn
0 < d < 1.
Az (5.1.2) becsls miatt
|e(0) | d/C, |e(1) | d/C, |e(2) | C|e(1) ||e(0) | < d2 /C, |e(3) | C|e(2) ||e(1) | < d3 /C, |e(4) | C|e(3) ||e(2) | < d5 /C,
. . .
|e(k) | C|e(k1) ||e(k2) | < duk+1 /C,

ahol
uk+1
a Fibonacci-sorozat
k + 1-edik
eleme. Mivel
0 < d < 1,
s a Fibonacci-sorozat vgte-
lenhez tart, a fenti becslsek mutatjk a sorozat konvergencijt. Most mr csak a konvergenciarend megllaptsa van htra. Jelljk hnyadost. Ezzel a jellssel a hibaegyenlet az
Ck -val az f (k )/(2f (k ))
e(k+1) = Ck e(k) e(k1)

alakban rhat. Vegyk mindkt oldal abszoltrtkt, majd logaritmust (tegyk fel, hogy olyan nagy, hogy a hiba mr egynl kisebb lesz)
ln |e(k+1) | = ln |Ck | + ln |e(k) | + ln |e(k1) |.

Osszuk el mindkt oldalt
ln |e(k) |-val! ln |Ck | ln |e(k1) | ln |e(k+1) | = +1+ . ln |e(k) | ln |e(k) | ln |e(k) |
A konvergenciarend a bal oldalon ll logaritmikus relatv cskkens hatrrtke. Jellje ezt jobb oldali els tag hatrrtke 0, hiszen mivel ezrt miatt
x(k) x
Ck -nak
is van nulltl klnbz hatrrtke, gy
r. A k , s a derivltak folytonosak, korltos, a nevez pedig -hez tart. A

, ha
1/r-hez tart. Azaz a hatrrtk egyrtelmsge r-nek ki kell elgtenie az r = 1 + 1/r egyenletet, melynek egynl nagyobb megoldsa r = (1 + 5)/2. Teht a konvergenciarend valban (1 + 5)/2.
msodik tag egy, a harmadik pedig nyilvnvalan
Newton-mdszer
A most ismertetend mdszer els vltozatt Newton rta le 1671-ben Method of Fluxions cm mvben, de csak 1736-ban publiklta. Egy letisztultabb vltozata 1690-ben jelent meg Joseph Raphson
2
Analysis Aequationum cm cikkben. A mdszer mai alakja Thomas Simpson-tl
szrmazik. Rla a Numerikus integrls fejezetben lesz majd mg sz. A mdszert gyakran hvjk NewtonRaphson-mdszernek is, de mi a tovbbiakban A mdszer alaptlete az, hogy az els derivlt meredeksgvel kzeltjk, azaz
Newton-mdszer nek
fogjuk nevezni.
pontbeli rtkt az
x(k)
pontbeli rint
qk = f (x(k) ).
Az iterci az albbi algoritmussal rhat le.
2 Joseph Raphson, 16481715. Bvebb letrajz tallhat a http://numericalmethods.eng.usf.edu/anecdotes/raphson.html oldalon.

5.1.
Newton-mdszer,
x(0)
ill.
adott.
x := x for k := 1 : kmax do x := x f 1 f (x) (x) if f (x) = 0 then
(0)
(qk
= f (x))
end if end for

A Newton-mdszer itercis lpseit az 5.1.6. brn szemlltettk. Az konpontban behzzuk a grakon rintjt. Ahol ez metszi az
end
x(0)
pontbeli gra-
x(1) kzelts. Ezutn az ehhez a ponthoz tartoz grakonpontban hzunk rintt. Ahol ez metszi az x-tengelyt, (2) az lesz az x kzelts, stb. x-tengelyt,
az lesz az
5.1.6. bra.
A Newton-mdszer itercijnak szemlltetse.
Fontos klnbsg a korbbi mdszerekhez kpest, hogy mg korbban minden lpsben csak egyszer kellett kiszmolni az
fggvny fggvnyrtkt, addig a Newton-mdszernl kt fgg-
vnyrtket kell szmolni minden lpsben: az a Newton-mdszer vgrehajtshoz az
fggvnyekt. Tovbbi klnbsg mg, hogy
fggvny derivltjra is szksg van. Termszetesen a
Newton-mdszer fenti "nehzsgei" csak addig lasstottk az itercis eljrs vgrehajtst, amg a szmtgpek meg nem jelentek. Ezekrt a nehzsgekrt a mdszer msodrend konvergencit ad cserbe.
5.1.12. ttel.
Teljestse az
fggvny az 5.1.8. dencibeli alapfeltevseket az
[a, b]
intervallumon. Az
fggvny zrushelynek meghatrozsra alkalmazzuk a Newton-mdszert olyan indtva, melyre
x(0)
pontbl
e(0) < min{|a x |, |b x |, 2m1 /M2 } =: h0 . |e(k+1) | C|e(k) |2
Ekkor a mdszer ltal ellltott
{x }
az
sorozat msodrendben s monoton mdon konvergl a hatrrtkhez, tovbb rvnyes (5.1.3)
becsls a
C = M2 /(2m1 )
vlasztssal.
5.
Bizonyts. Tegyk fel, hogy a sorozat Ekkor
x(k)
eleme az
zrushely
h0
sugar krnyezetbe esik.
f x
(k)
-ban sorbafejthet. Szmoljuk ki a kzelt polinom rtkt
-ban!
0 = f (x ) = f (x(k) ) + f (x(k) )(x x(k) ) + f (k )(x x(k) )2 ,

ahol
k x
x(k)
kz esik. Innt
amit a Newton-mdszer
f (x(k) ) f (k ) = (x x(k) ) + (x x(k) )2 , f (x(k) ) 2f (x(k) )

lpsnek
(k + 1)-edik
x(k+1) = x(k)
kpletbe helyettestnk.
f (x(k) ) f (x(k) )
x(k+1) x = x(k) x
f (x(k) ) f (x(k) ) f (k ) (x x(k) )2 2f (x(k) )

(5.1.4)
= x(k) x + (x x(k) ) + =
A
f (k ) (x x(k) )2 . 2f (x(k) ) m2 f (k ) M2 2M1 2m1 2f (x(k) )
0<
egyenltlensgbl s a
M2 (0) M2 |x x | < h0 1 2m1 2m1

becslsbl kvetkezik a sorozat msodrend konvergencija
-hoz (1.3.5. ttel).
Az (5.1.4) egyenlsg abszoltrtkt vve s fels becslst vgezve
|x(k+1) x | =
f (k ) M2 |x x(k) |2 h0 |x x(k) | < |x x(k) |, (k) ) 2m1 2f (x x(0) f.

beleesett
amibl kvetkezik a ttelbeli (5.1.3) becsls s a monoton konvergencia. Mivel
h0
sugar krnyezetbe, gy a tbbi sorozatelem is ebbe a krnyezetbe fog esni (teljes indukci).
Ez mutatja, hogy jogosan tettk fel a ttel elejn, hogy
x(k) -ban
sorbafejthet
Az elz ttel feltteleit ltalban nehz ellenrizni. Most megadunk egy knnyebben ellenrizhet felttelt, amely radsul szigoran monoton sorozat hatrrtkeknt lltja el az egyenlet megoldst.
5.1.13. ttel.
Tegyk fel, hogy az
f C 2 [a, b] fggvny els s msodik derivltja sem vesz fel nulla rtket az x zrushely s az x(0) kezdpontok ltal meghatrozott intervallumon, s f (x(0) )f (x(0) ) > 0. (k) Ekkor a Newton-mdszer ltal generlt {x } sorozat szigoran monoton sorozat lesz, s tart x -hoz.
5.2.
Fixpont-itercik
Bizonyts. Legyen pldul
x(0) > x
f (x(0) ) > 0, f (x(0) ) > 0 f (x(k) ) f (x(k) )
(ekkor
f (x) > 0 x(0)
s a
zrushely kztt). Az
x(k+1) = x(k)
itercis kpletbl lthat, hogy
x(k+1) < x(k) ,
azaz szigoran monoton cskken lesz a sorozat
(amg a zrushelyet meg nem tallja). Msrszt a szigor konvexitsbl kvetkezik, hogy
x(k)
. gy a sorozat konvergens lesz. Legyen a hatrrtke
. Ekkor az itercis kplet mindkt
oldaln ll sorozatnak ugyanoda kell tartania
f ( ) x
x(k+1) = x(k)
x x
f (x(k) ) f (x(k) )
f ( ) x
amibl kvetkezik, hogy
x =x
5.2. Fixpont-itercik
A xpont-itercis egyenletmegolds a Banach-fle xpontttelt (1.1.18. ttel) alkalmazva hatrozza meg egy nemlineris egyenlet megoldst. Vals fggvnyekre a ttel azt mondja ki, hogy ha egy F : [a, b] [a, b] fggvny kontrakci a 0 q < 1 kontrakcis tnyezvel, akkor brmilyen x(0) [a, b] kezdelemre az x(k) = F (x(k1) ) itercival ellltott sorozat tart az
fggvny egyetlen
[a, b]-beli x
xpontjhoz, tovbb
|x(k) x |
qk |x(1) x(0) |. 1q
(5.2.1)
A xpont-iterci lpsei szemlltethetk az nak segtsgvel. Az segtsgvel az
x(0)
rtkkel kiszmtjuk az vettjk. Ezutn
y = F (x) s az y = x fggvnyek grakonjF (x(0) ) rtket, majd ezt az y = x fggvny

jrunk el hasonlan, stb (5.2.1. bra).
x-tengelyre
x(1) -gyel
Az (5.2.1) becsls hasznlhat lellsi felttelknt, hiszen meg tudjuk becslni az els kt elem segtsgvel, hogy hnyadik sorozatelemtl lesznk kzelebb a hatrrtkhez, mint egy adott hibaszint. Ha egy
f (x) = 0
egyenlet megoldst szeretnnk megkeresni (f folytonos fggvny), akkor
elszr a feladatot trjuk egy ekvivalens
fggvny xpontjnak megkeresse a feladat. Az
F (x) = x xpontproblmv, ahol most mr az F (x) F (x) fggvnyt tbbflekppen elllthatjuk. A legegyszerbb az, ha ki tudjuk fejezni f (x)-bl az x vltozt. Plda lehet erre mondjuk az x2 2 = 0 egyenlet megoldsa, ahol f (x) = x2 2, s x-et kifejezve kapjuk, hogy x = 2/x, vagyis az F (x) = 2/x vlaszts megfelel. Egy ltalnosabb mdszer xpontproblma ellltsra az, ha egy tetszleges, sehol sem nulla folytonos g fggvnnyel kpezzk az F (x) = x g(x) f (x) fggvnyt. Mivel g nem vehet fel nulla rtket, x = F (x) pontosan olyan x-re teljeslhet csak, amire f (x) = 0.
Termszetesen nem elegend csak a megoldand egyenlet xpontproblmv transzformlsa a megoldshoz, hiszen az A gyakorlatban a kontrakcis tulajdonsgot garantlja, ha
(a, b)-ben,
tovbb van
F (x) fggvnynek ki kell elgtenie az Banach-fle xpontttel feltteleit. F folytonos [a, b]-n s dierencilhat olyan 0 q < 1 szm, mellyel |F (x)| q , x (a, b) (Lagrange-
kzprtkttel). tankonyvtar.bme.hu 139
5.
5.2.1. bra.
A xpont-iterci szemlltetse.
5.2.1. megjegyzs.
hoz, ha az
A kontrakcis tulajdonsgra nincs szksgnk a konvergencia garantls-
F [a, b]-bl [a, b]-be kpez folytonos fggvny monoton nv, s a-bl vagy b-bl (0) (1) indtjuk az itercit. Ha pl. a = x -bl indtjuk, akkor x = F (x(0) ) x(0) , s a monotonits (2) (1) (0) (1) miatt x = F (x ) F (x ) = x , azaz a generlt sorozat monoton nv lesz. Mivel minden elem fels korltja b, gy a sorozat konvergens lesz. A hatrrtk F folytonossga miatt csak F egy xpontja lehet (az a-hoz legkzelebbi).
A xpont-iterci konvergencijrl szl az albbi ttel.
5.2.2. ttel.
Legyen
F : [a, b] [a, b]
kontrakci, tovbb legyen
legalbb
r-szer
folytonosan dierenci-
lhat gy, hogy
F (x ) = . . . = F (r1) (x ) = 0,
s
F (r) (x ) = 0. Ekkor az F ltal meghatrozott xpontiterci [a, b] brmelyik indtva r -ed rendben tart az F fggvny egyetlen [a, b]-beli xpontjhoz.
Bizonyts. Csak azt kell igazolnunk, hogy a konvergencia rendje
pontjbl
r.
A ttel tbbi lltsa a
Banach-fle xpontttel kvetkezmnye. Az
krli sorfejtsbl (feltesszk, hogy
x = a, b,
klnben megtalltuk a xpontot)
F (x(k) ) = F (x ) +
azaz
F (r) () (k) (x x )r , r!
F (x(k) ) x =
Mivel az
r-edik
derivlt folytonos s
-ban
F (r) () (k) (x x )r . r! nem nulla, ezrt x egy
krnyezetben teljeslnek
az 1.3.5. ttel felttelei. gy ezen ttel miatt a konvergenciarend valban
r.
Most megadunk egy olyan hibabecsl formult, amely kt egymst kvet sorozatelem segtsgvel mond becslst a xpponttl val tvolsgra.
5.2.
Fixpont-itercik
5.2.3. ttel.
Az az
f (x) = 0 egyenlet egy [a, b] intervallumbeli x megoldsnak megkeressre alkalmazzuk x(k+1) = F (x(k) ) xpont-itercit, ahol az F (x) fggvnyt az F (x) = x g(x)f (x) mdon vlasztjuk. Tegyk fel, hogy F az [a, b] intervallumot nmagra kpezi, hogy f s g az [a, b] intervallumon folytonos, (a, b)-ben derivlhat fggvny, hogy g -nek nincs zrushelye [a, b]ben, valamint hogy teljesl az m1 := minx(a,b) {|(gf ) (x)|} > 0 felttel. Ekkor ha valamilyen > 0 szmra s k indexre |x(k+1) x(k) | m1 , (5.2.2) 1+ |x(k) | |x(k) x | |x |
akkor az
becsls is igaz.
Bizonyts. Rendezzk t a
k -adik itercis lps x(k+1) = x(k) g(x(k) )f (x(k) ) kplett, majd
alkalmazzuk a Lagrange-kzprtkttelt.
|x(k+1) x(k) | = |g(x(k) )f (x(k) )| = |g(x(k) )f (x(k) ) g(x )f (x ) |

=0
= |(gf ) (k )| |x
ahol
(k)
x | m1 |x
(k)
x |,
megfelel konstans az
x(k)
pontok kztt (Lagrange-kzprtkttel).
Becsljk az (5.2.2) kpletbl
m1
rtkt, majd helyettestsk be azt a fenti kpletbe
|x(k+1) x(k) |
Az
1 + |x(k+1) x(k) | (k) |x x |. |x(k) | |x(k) x |

hibra az albbi becsls nyerhet
|x(k+1) x(k) |
tnyezvel egyszerstve az
|x(k) x | |x(k) | |x(k) x | = (||x(k) | |x(k) x ||) |x(k) (x(k) x )| = |x |.

Az utols eltti lpsben felhasznltuk az 1.1.10. ttelt. A ttelben bizonytott llts felhasznlhat lellsi felttelknt az iterci vgrehajtsa sorn. Mivel
|x | max{|a|, |b|},
ezrt ha
-t
gy vlasztjuk meg, hogy az
max{|a|, |b|}
rtk kisebb
legyen, mint egy elrni kvnt hibartk, akkor az (5.2.2) felttel teljeslsbl kvetkezik, hogy
x(k)
az adott hibrtknl kzelebb lesz a xponthoz.
5.2.1. Aitken-gyorsts
Az albbi eljrs segtsgvel a xponthoz tart sorozat konvergencijt gyorsthatjuk fel. Az eljrst Aitken -gyorstsnak nevezzk. Tegyk fel, hogy van egy itercival ellltott elsrend konvergens sorozatunk. Ekkor az elz fejezet szerint
3
e(k+1) = F (k )e(k) ,
ahol
k x(k)
kz esik. Hasonlan
e(k) = F (k1 )e(k1) .

3 Alexander Aitken, 1895-1967, j-Zland
5.
Az
fggvny folytonossga miatt nyilvnvalan
F (k1 ) F (x ), azaz ha k rtke elg nagy,
akkor a fenti kt kpletben szerepl konstansok kb. megegyeznek. gy
(e(k) )2 = e(k1) e(k+1) ,

azaz
(x(k) x )2 = (x(k1) x )(x(k+1) x ).

Fejezzk ki innt az
xpontot.
(x(k) )2 + (x )2 2x(k) x = x(k1) x(k+1) x (x(k1) + x(k+1) ) + (x )2

Ebbl a zrushely
x =
x(k1) x(k+1) (x(k) )2 x(k1) x(k+1) (x(k) )2 = (k+1) (k1) + x(k+1) 2x(k) x x x(k) (x(k) x(k1) )
=:xk+1 xk
x(k+1) (x(k1) + x(k+1) 2x(k) ) ((x(k+1) )2 2x(k+1) x(k) + (x(k) )2 ) xk+1 xk = x(k+1) (xk+1 )2 . xk+1 xk
=:2 xk
A bevezetett jellsek segtsgvel teht
x = x(k+1)
(xk+1 )2 =: x(k1) 2 x k x
rtkt, de az gy
Termszetesen az alkalmazott kzelts miatt ez nem adja meg pontosan kiszmolt hogy
{(k1) } x
sorozat gyorsabban tart
-hoz, mint az eredeti sorozat, nevezetesen igaz,
x(k) x = 0. k x(k) x lim
5.3. Mintafeladat
Ebben a fejezetben az vlasszuk az
x2 2 = 0
egyenleten mutatjuk meg az egyes ismertetett mdszerek
2 megoldst. Kiindulsi intervallumnak mindig [1, 2] intervallumot. Ebben elre tudhatjuk, hogy van megolds, hiszen f (x) = x2 2 6 folytonos, f (1) = 1 s f (2) = 2. Az itercikat addig csinljuk, mg a megoldst 10 -nl kisebb
alkalmazst. Hatrozzuk meg az egyenlet hibval kapjuk mr meg. Intervallumfelezsi mdszer. Elre kiszmolhat, hogy hny lpst kell tennnk az adott pontossg elrshez.
x =
kmax = (ln(b a)/106 )/ ln 2 1 = (ln(106 ))/ ln 2 1 18.9316,
azaz 19
itercis lps elegend. Az itercis lpseket az 5.3.1. tblzatban foglaltuk ssze. rdemes szrevenni, hogy a konvergencia nem monoton, vagyis az utols oszlopbeli rtkek nem monoton cskkenek. Hrmdszer. Mivel eljelet az
f (x) = 2x
f (x) = 2,
emiatt az els s msodik derivlt nem vlt
[1, 2]
intervallumban, gy az 5.1.9. ttel felttelei teljeslnek. Az
vlaszts megfelel, kiindulsknt megadhat pl. az
m1 = 2 s M2 = 2 |e(0) | = |a x | = |1 x | 1 fels becsls.
5.3.
Mintafeladat
k
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
a
1.00000000000000 1.00000000000000 1.25000000000000 1.37500000000000 1.37500000000000 1.40625000000000 1.40625000000000 1.41406250000000 1.41406250000000 1.41406250000000 1.41406250000000 1.41406250000000 1.41406250000000 1.41418457031250 1.41418457031250 1.41418457031250 1.41419982910156 1.41420745849609 1.41421127319336 1.41421318054199
b
2.00000000000000 1.50000000000000 1.50000000000000 1.50000000000000 1.43750000000000 1.43750000000000 1.42187500000000 1.42187500000000 1.41796875000000 1.41601562500000 1.41503906250000 1.41455078125000 1.41430664062500 1.41430664062500 1.41424560546875 1.41421508789063 1.41421508789063 1.41421508789063 1.41421508789063 1.41421508789063
x(k)
1.50000000000000 1.25000000000000 1.37500000000000 1.43750000000000 1.40625000000000 1.42187500000000 1.41406250000000 1.41796875000000 1.41601562500000 1.41503906250000 1.41455078125000 1.41430664062500 1.41418457031250 1.41424560546875 1.41421508789063 1.41419982910156 1.41420745849609 1.41421127319336 1.41421318054199 1.41421413421631
|x(k) x |
0.08578643762690 0.16421356237310 0.03921356237310 0.02328643762690 0.00796356237310 0.00766143762690 0.00015106237310 0.00375518762690 0.00180206262690 0.00082550012690 0.00033721887690 0.00009307825190 0.00002899206060 0.00003204309565 0.00000152551753 0.00001373327153 0.00000610387700 0.00000228917974 0.00000038183110 0.00000057184321
5.3.1. tblzat. Az intervallumfelezsi eljrs adatai a mintafeladatra.
gy az (5.1.1) becsls miatt
|e(k) | (1/2)k ,
s a kvnt pontossg elrshez elegend
kmax = 20
itercis lpst vgezni (a valsgban kevesebb is elg, de a fenti becslsnk ezt adja). Az itercis lpseket az 5.3.2. tblzatban foglaltuk ssze. Az utols oszlop a logaritmikus relatv cskkenst adja meg. Lthat, hogy ennek rtke 1-hez tart, hiszen elsrend a mdszer. A sorozat hibja (msodik oszlop) teljesl, hogy
k2
esetn monoton cskken.
Szelmdszer. Az 5.1.11. ttelnek megfelelen legyen
C = M2 /(2m1 ) = 1/2.
Ekkor nyilvn
max{|a x |, |b x |} = max{|1 x |, |2 x |} 1 < 1/C.

gy a szelmdszer monoton mdon konverglni fog. Mivel
d = 1/2,
emiatt alkalmazhatjuk az
|e(k) |
becslst. Ebbl kapjuk, hogy
dk = 2dk 106 C
kmax = 21 itercis lps utn 106 -nl pontosabb kzeltst kapunk.
Az 5.3.3. tblzatbl ltszik, hogy sokkal hamarabb (6. lpsben) is elrjk a kvnt pontossgot, st tovbb mr nem is tudunk menni, mert a MATLAB nullval val oszts miatt hibazenetet ad. A
k2
rtkekre jl ltszik a monoton konvergencia (3. oszlop) s a konvergenciarend (4.
oszlop). Newton-mdszer. Mivel brmilyen
= 2 > 0,
f (x) > 0,
ha
x > x
, ezrt a Newton-mdszer
x(0) > x
pontbl indthat (5.1.13. ttel). Indtsuk el az
x(0) = 1.9
pontbl. Ekkor
|e(0) | 1 durva (1) (0) 2 (2) (1) 2 (3) becslst hasznljuk, akkor |e | C|e | 1/2, |e | C|e | 1/8, |e | C|e(2) |2 (4) (3) 2 1/128, |e | C|e | 1/32768 s |e(5) | C|e(4) |2 1/(2(32768)2 ) 4.6566 1010 < 106 .
nyilvn teljeslnek az 5.1.12. ttel felttelei. gy az (5.1.3) becsls miatt, ha az Ez mutatja, hogy ngy lps biztosan elg lesz az adott pontossg elrshez, ahogy ezt az 5.3.4. tblzatban szerepl adatok is mutatjk. Figyeljk meg, hogy a logaritmikus relatv cskkens valban 2 kzeli. tankonyvtar.bme.hu 143
5.
k
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x(k)
1.00000000000000 2.00000000000000 1.33333333333333 1.40000000000000 1.41176470588235 1.41379310344828 1.41414141414141 1.41420118343195 1.41421143847487 1.41421319796954 1.41421349985132 1.41421355164605 1.41421356053263 1.41421356205732 1.41421356231892 1.41421356236380 1.41421356237150 1.41421356237282 1.41421356237305 1.41421356237309 1.41421356237309
|x(k)
2|
log. rel. cskk. 4.70229223589887 1.69141982231166 1.41343626909880 1.29307890232953 1.22672843924426 1.18483435747867 1.15600171615800 1.13494961104049 1.11890364913929 1.10626800210629 1.09605990342007 1.08764109222480 1.08057902359452 1.07456970644472 1.06939397673514 1.06487465606826 1.06086537951130 1.05688612585613 1.05133725968926
0.41421356237310 0.58578643762690 0.08088022903976 0.01421356237310 0.00244885649074 0.00042045892482 0.00007214823168 0.00001237894114 0.00000212389823 0.00000036440355 0.00000006252177 0.00000001072704 0.00000000184047 0.00000000031577 0.00000000005418 0.00000000000930 0.00000000000159 0.00000000000027 0.00000000000005 0.00000000000001 0.00000000000000
5.3.2. tblzat. A hrmdszer lpsei a tesztfeladatra.
k
0 1 2 3 4 5 6
x(k)
1.00000000000000 2.00000000000000 1.33333333333333 1.40000000000000 1.41463414634146 1.41421143847487 1.41421356205732
|x
(k)
log. rel. cskk. 4.70229223589887 1.69141982231166 1.82761471235075 1.68027808569044 1.67474819872268
0.41421356237310 0.58578643762690 0.08088022903976 0.01421356237310 0.00042058396837 0.00000212389823 0.00000000031577
5.3.3. tblzat. A szelmdszer itercis lpsei.
x2 2 = 0 egyenletet trhatjuk pl. az x = 2/x =: F (x) alakra, mellyel (k+1) denilhatjuk az x = F (x(k) ) itercit. Sajnos ez az iterci nem fogja megtallni a xpontot, (0) (1) hiszen x -rl indtva x = 2/x(0) s x(2) = 2/(2/x(0) ) = x(0) , azaz az iterci felvltva lpeget x(1) -re s x(0) -ra. gy ms itercis eljrst kell keresnnk. 2 rjuk t az egyenletet az ekvivalens x = x g(x 2) =: F (x) alakba, ahol g meghatrozand pozitv konstans. Most F (x) = 1 2gx. Az [1, 2] intervallumon ennek akkor lesz a legkisebb az abszoltrtk-maximuma, ha g = 2/5, s ekkor a maximum 3/5 = q < 1. Azaz F valban kontrakci lesz az [1, 2] intervallumon. Tovbb, mivel F -nek stacionrius pontja van x = 5/4-nl s F (1) = 1.4, F (2) = 1.2 s F (5/4) = 1.425, ezrt F az [1, 2] intervallumot valban az [1, 2] (0) intervallum belsejbe kpezi. gy a Banach-fle xpontttel miatt brmilyen x [1, 2] pontbl
Fixpont iterci. Az indtva az
2 x(k+1) = x(k) ((x(k) )2 2) 5
5.4.
Nemlineris egyenletrendszerek megoldsa
k
0 1 2 3 4 5
x(k)
1.90000000000000 1.47631578947368 1.41551974856928 1.41421416502183 1.41421356237322 1.41421356237310
|x(k) x |
0.48578643762690 0.06210222710059 0.00130618619619 0.00000060264874 0.00000000000013 0
log. rel. cskk. 3.84906734083784 2.38960316159481 2.15670829615046 2.07263104582362 -
5.3.4. tblzat. A Newton-mdszer itercis lpsei.
iterci a xponthoz fog tartani. Indtsuk el az itercit pldknt az a hibabecsl formulbl
x(0) = 2
pontbl. Ekkor
x(1) = 1.2, |x(1) x(0) | = 0.8,
|x(k) x |
gy
qk 0.6k |x(1) x(0) | = 0.8 106 , 1q 0.4
kmax = 29
iterci elg az elre adott pontossg elrshez. Az 5.3.5. tblzat azt mutatja,
hogy 8 itercis lps is elegend. A tblzat utols eltti oszlopban kiszmoltuk az Aitkengyorstssal kapott j sorozatot is s annak logaritmikus relatv cskkenst. Lthat, hogy az Aitken-gyorstssal ellltott elemek hibja kisebb, mint az eredeti sorozat megfelel hibja. Az j sorozat is elsrendben konvergl.
x(k)
|x(k) x |
0 1 2 3 4 5 6 7 8
2.00000000000000 1.20000000000000 1.42400000000000 1.41288960000000 1.41438679128474 1.41419079314044 1.41421655337916 1.41421316943851 1.41421361399318
0.58578643762690 0.21421356237310 0.00978643762690 0.00132396237310 0.00017322891164 0.00002276923265 0.00000299100607 0.00000039293459 0.00000005162009
log. rel. cskk. 2.88104303658437 3.00286370704064 1.43234778523415 1.30688572006857 1.23429487859350 1.18987664275526 1.15957057942449 1.13761248562765
Aitken gyorsts 1.37500000000000 1.41341463414634 1.41420899509093 1.41421348125311 1.41421356097773 1.41421356234091 1.41421356233394 -
log. rel. cskk. 0 0 2.20216989083631 1.72408572874810 1.32779360045390 1.24883257677142 1.18486140714539 0.99188777543203 -
5.3.5. tblzat. A xpont-iterci itercis lpsei.
5.4. Nemlineris egyenletrendszerek megoldsa

Tegyk fel, hogy
H Rn
f:HH
egy adott kellen sokszor folytonosan dierencilhat fggvny, ahol
egy zrt halmaz. Keressk azon
xH
vektorokat, melyekre
f(x) = 0.
Ha
lineris,
akkor egy lineris egyenletrendszert kell megoldanunk, klnben nemlineris egyenletrendszert kapunk. A nemlineris egyenletrendszerek megoldsa ltalban nehz feladat. Mr annak eldntse sem egyszer, hogy van-e, s ha igen, hny megoldsa van az egyenletrendszernek. Magasabb dimenziban az a lehetsgnk is megsznik, hogy szmtgppel brzolva a fggvnyeket meg tudjuk sejteni a megolds helyt. Ktvltozs, ktismeretlenes egyenletrendszerek esetn segthet, ha szmtgpes program segtsgvel megrajzoljuk
koordintafggvnyeinek a nulla rtkhez
tartoz szintvonalait, s ezek metszspontjt megkeresve megsejthet a megolds helye. A nemlineris egyenletrendszerek megoldsra ltalban xpont-itercit szoks alkalmazni. Azaz trjuk az egyenletrendszert ekvivalens mdon
F(x) = x
alakra s, ha az
fggvnyre
teljeslnek a Banch-fle xpontttel felttelei (termszetesen ennek ellenrzse ltalban nem tankonyvtar.bme.hu 145
5.
egyszer), akkor annak segtsgvel a xpont, vagyis az eredeti feladat megoldsa meghatrozhat. Nha nem szksges a Banach-fle xpontttel feltteleinek ellenrzse. Egyszeren elindtjuk egy
x(0) H
pontbl az
x(k+1) = F(x(k) ) x f
vektorhoz, akkor nyilvnvalan
f(x ) = 0 is teljeslni fog (F folytonos).

sorfejtst az
itercit, s ha ez a sorozat konvergl egy
F(x ) = x
miatt
A xpont-itercik egy specilis formja az egyvltozs esetben megismert Newton-mdszer tbbdimenzis vltozata. Fejtsk sorba az
fggvnyt az
x(k)
pontban, majd alkalmazzuk a
xpontra:
0 = f(x ) f(x(k) ) + J(x(k) )(x x(k) ),

ahol
J(x(k) ) =
f1 (k) ) x1 ( . . . fn ( (k) ) x1
... ... ...
f1 (k) ) xn ( . . . fn ( (k) ) xn
x x
az n. Jacobi-mtrix. Innt kifejezhetjk
-t:
x x(k) (J(x(k) ))1 f(x(k) ).

Mivel ez csak egy kzelts, ez nem adja meg az
-t, de alkalmas arra, hogy egy itercit deniljunk
x(k+1) x(k) (J(x(k) ))1 f(x(k) )

Vegyk szre, hogy a fenti iterci valban a Newton-mdszer ltalnostsa, ezrt ezt tbb-
alakban. vltozs Newton-mdszernek nevezzk. Egyszeren meg is jegyezhet, hiszen a derivlttal val oszts helyett a Jacobi-mtrix (derivltak mtrixa) inverzvel val szorzs szerepel. A mdszer vgrehajtsa sorn mveletignyes, hogy a Jacobi-mtrixot minden lpsben ki kell szmolni s meg kell oldani egy lineris egyenletrendszert. Ha az
megolds egy krnyezetben a Jacobi-mtrixok inverzei korltosak, s a Jacobi-
mtrix Lipschitz-folytonos (megfelel induklt normkat hasznlva), akkor konvergencia msodrend lesz.
egy elegenden
kicsi krnyezetbl indtva az itercit, az az egyenletrendszer megoldshoz fog tartani, s a
5.4.1. megjegyzs.
Lttuk, hogy a tbbvltozs Newton-mdszernl minden lpsben meg kell
oldanunk egy lineris egyenletrendszert, melynek mtrixa az elz itercis lpsnek megfelel pontban kiszmolt Jacobi-mtrix. Ha nagymrt feladatot kell megoldnunk, akkor mdosthatjuk gy az itercit, hogy minden lpsben a kezdpontban kiszmolt Jacobi-mtrixszal oldjuk meg az egyenletrendszert:
x(k+1) = x(k) (J(x(0) ))1 f(x(k) ).
Ezt az eljrst mdostott Newton-mdszernek hvjuk. Ez a mdszer gyorsabb, de mr csak elsrend konvergencit biztost.
5.5. Feladatok
Nemlineris egyenletek megoldsa 146 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
5.5.
Feladatok
5.5.1. feladat. A
1+
2 + ... +
100
sszeget gy szmtjuk ki, hogy mindegyik tagot kt
tizedesjegyre kerektjk. Hny helyes tizedesjegyre szmthatunk legalbb a vgeredmnyben? 5.5.2. feladat. 1225-ben Leonardo Pisano (alias Leonardo Bonacci, vagy Leonardo Fibonacci, vagy egyszeren Fibonacci) meghatrozta a
p(x) = x3 + 2x2 + 10x 20

polinom
x = 1.368808107
zrushelyt. Azt, hogy hogyan sikerlt erre az eredmnyre jutnia,
nem tudjuk. Hatrozzunk meg egy olyan intervallumot, amelybl a fenti polinom zrushelyei kikerlhetnek! Van-e ms vals zrushelye a polinomnak? 5.5.3. feladat. Tegyk fel, hogy tudjuk, hogy az elz feladatban szerepl polinom zrushelye az [1,2] intervallumban van. Hatrozzuk meg a zrushelyet az intervallumfelezsi-, a hr-, a szel-, a Newton- s a xpont-itercis mdszer segtsgvel (rjunk egyszer MATLAB programokat)! Utbbinl alkalmazzuk az
x = 20/(x2 + 2x + 10)
egyenlsget az iterci konstrukcijban (iga-
zoljuk a konvergencit). Hasonltsuk ssze a mdszereket a konvergenciasebessg szerint! 5.5.4. feladat. Alkalmazzuk az Aitken-gyorstst az elz feladatbeli xpont-iterci s
x(10) , x(11)
(12)
elemvel! Mit tapasztalunk?
5.5.5. feladat. Oldjuk meg az albbi egyenleteket:
2xln x4 = 0, 2x 4x = 0, x5 x2 = 0, a
pozitv szm
x ln x 14 = 0!
5.5.6. feladat. Adjunk olyan eljrst, amely oszts nlkl hatrozza meg egy reciprokt! Ksrletezznk az dsaival! 5.5.7. feladat. Igazoljuk, hogy ha egy
1 ax = 0
s az
a 1/x = 0
egyenletek Newton-mdszeres megol-
vgrehajtva a Horner-mdszert, a keletkez szmok ppen a a fenti eljrssal (deci). Hatrozzuk meg az
szm egy p(x) polinom zrushelye, akkor az szmmal p(x)/(x ) polinom egytthatit x4 16x3 + 72x2 96x + 24
egyenletnek a polinom sszes
adjk meg. Ha teht egy polinomnak megtalltuk egy zrushelyt, akkor a fokszma cskkenthet zrushelyt a Newton-mdszer s a decis eljrs segtsgvel! 5.5.8. feladat. Hny megoldsa van a
sin x = 1 x
[0, 1]
intervallumon? Ha-
trozzuk meg a gykt intervallumfelezssel! Hny lps kell ahhoz, hogy a gykt 4 tizedesjegy pontossggal meghatrozhassuk. Hatrozzuk meg a gykt xpont-itercival! Itt is becsljk meg a szksges lpsek szmt! 5.5.9. feladat. Egy harmadfok lpsben megadja a
p(x)
polinomnak hrom vals zrushelye van:
z1 , z2
z3 .
Mutassuk meg, hogy ha a Newton-mdszert a
(z1 + z2 )/2
pontbl indtjuk, akkor a mdszer egy
z3
gykt!
5.5.10. feladat. Javasoljunk legalbb kt xpont-itercit az
ex sin x = 0
egyenlet
0.5885
gyknek megkeressre. Vizsgljuk meg a konvergencit!
5.5.11. feladat. A Steensen-mdszer az albbi xpont-itercival oldja meg az egyenletet:
f (x) = 0
x(k+1) = x(k)
f (x(k) ) , (x(k) )
(x(k) ) =
f (x(k) + f (x(k) )) f (x(k) ) . f (x(k) )

fggvny zrushelyeinek megkeresshez
Igazoljuk, hogy a mdszer msodrend, s oldjuk meg vele az elz feladat egyenlett! 5.5.12. feladat. Az
f (x) = (2x2 3x 2)/(x 1) 3(x(k) )2 4x(k) 2 , x(k) 1
hasznljuk az albbi xpont-itercikat:
x(k+1) =
x(k+1)
= x(k) 2 +
x(k) . x(k) 1
5.
Vizsgljuk meg a mdszerek rendjt! Milyen kezdpontbl fog 2-hz konverglni a msodik mdszer? 5.5.13. feladat. Oldjuk meg az
f (x) = ex 1x = 0 egyenletet a Newton-mdszerrel! Mekkora 2f (x(k) ) f (x(k) )
lesz a konvergenciarend? Prbljuk ki az
x(k+1) = x(k)
itercit a megoldsra!
5.5.14. feladat. A Newton-mdszer is tulajdonkppen egy xpont-iterci. Hatrozzuk meg a konvergenciarendjt a xpont-itercik konvergenciarendjre vonatkoz ttel alapjn! 5.5.15. feladat. Alkalmazzuk a Newton-mdszert az vlasztva kezdpontnak, s a
g(x) =
f (x) = x3 2x + 2 fggvnyre a 0 rtket
fggvnyre!
Nemlineris egyenletrendszerek megoldsa 5.5.16. feladat. Oldjuk meg a Newton-mdszer segtsgvel az albbi egyenletrendszert!
1 4x + 2x2 2y 3 = 0 4 + x4 + 4y + 4y 4 = 0
6. Interpolcis feladatok
Ebben a fejezetben arra a krdsre vlaszolunk, hogy nhny, a derkszg koordintarendszerben adott pontot hogyan tudunk sszektni polinomok ill. trigonometrikus polinomok grakonjaival. Az sszekt polinomokat interpolcis polinomoknak hvjuk. Trgyalni fogjuk az interpolcis polinomok Lagrange- s Newton-fle alakjt. Megvizsgljuk, hogy az alappontok megvlasztsa hogyan befolysolja az interpolcis hibt. gy jutunk el a Csebisev-alappontok fogalmhoz. A trigonometrikus interpolcis feladatnl sz lesz a diszkrt Fouriertranszformcirl s a gyors Fourier-transzformcirl. Tegyk fel, hogy egy Az
ezek a pontok adottak az ahol
f : R R fggvnynek n + 1 pontban ismerjk az rtkt. Legyenek (xi , fi ) (i = 0, . . . , n) alakban, ahol feltesszk hogy xi = xj , ha i = j . xi (i = 0, . . . , n) pontokat alappontoknak nevezzk. Vezessk be az I = [xmin , xmax ] jellst, xmin = min{x0 , . . . , xn }, xmax = max{x0 , . . . , xn }. I
intervallumbeli alappontoktl klnbz
Hogyan adhatnnk becslst az
fggvny rtkre az
pontban? Hogyan becslhetnnk az tke?
fggvny derivltjt egy adott pontban vagy az integrljt
egy adott intervallumon? Hogyan adhatnnk becslst arra, hogy hol van a fggvnynek szlsrA fenti feladatokat ltalnosan gy oldhatjuk meg, hogy rgztjk az
intervallumon de-
nilt adott tulajdonsg fggvnyek halmazt (pl. polinomok, trigonometrikus polinomok vagy szakaszonknt polinomfggvnyek), s ennek elemei kzl kivlasztjuk azt, amelyik grakonja tmegy az sszes adott ponton. Az gy nyert fggvnyt az adott pontokhoz tartoz interpolcis fggvnynek hvjuk. Ez ltalban egyrtelmen meghatrozott a fggvnyhalmazon bell. Az
intervallum alappontoktl eltr pontjaiban az interpolcis fggvny rtkeivel kzeltjk az
ismeretlen fggvny rtkeit. Ezt az eljrst
interpolcinak
nevezzk. Ezek utn a krdsekre
az interpolcis fggvny segtsgvel vlaszolunk: annak az rtkeit szmoljuk ki, azt derivljuk vagy integrljuk, vagy annak hatrozzuk meg a szlsrtkeit. Az interpolcis feladatok szmtalanszor elfordulnak gyakorlati problmk megoldsnl. A GPS mholdak csak bizonyos idkznknt kldenek jelet arrl, hogy hol vannak. Interpolcit hasznlunk akkor, ha szeretnnk a kztes idpontokban is megbecslni a mhold helyt, a sebessgt, vagy a gyorsulst. A kolajmezket modellez egyenletekben szksgnk van a nyoms rtkre. A kltsges frsok miatt a nyomsfggvnyt csak nhny frsnl elvgzett mrs alapjn, interpolcival tudjuk kzelteni. Tbb esetben egy parcilis dierencilegyenlet peremfelttelt s kezdeti felttelt is csak tbb mrsi adatot interpollva tudjuk kzelteni.
6.1. Globlis polinominterpolci

Tekintsk elszr azt az esetet, amikor az adott pontokat egyetlen polinom segtsgvel szeretnnk interpollni a teljes
intervallumon. Ezt az eljrst
globlis polinominterpolcinak
nevezzk s
az interpolcis fggvnyt (globlis) interpolcis polinomnak hvjuk. Tegyk fel, hogy az adott pontokat interpollja egy teljeslnie kell. Mivel ez hiszen ezeknek
p polinom. Ekkor a p(xi ) = fi (i = 0, . . . , n) felttelnek nyilvnvalan n + 1 felttel, gy vrhat, hogy p egy legfeljebb n-edfok polinom lesz,
n+1
szabadon vlaszthat egytthatja van.
149
6.
Interpolcis feladatok
6.1.1. ttel.
Minden rgztett melyre
n + 1 darab ponthoz pontosan egy olyan legfeljebb n-edfok Ln Ln (xi ) = fi (i = 0, . . . , n). Ln (x) =
n k=0
polinom van,
Bizonyts. Legyen a keresett polinom egyenlsgeknek kell teljeslnik:
ak xk . Ekkor az interpolcihoz az albbi
Ln (xi ) =
k=0
ak xk = fi (i = 0, . . . , n). i
Ez egy olyan lineris egyenletrendszer, melynek egytthatmtrixa egy Vandermonde-mtrix. Mivel
xi = xj ,
ha
i = j,
ezrt a mtrix determinnsa nem nulla. Ebbl kvetkezik, hogy az
egyenletrendszer megoldsa, azaz a polinom egytthati, egyrtelmen meghatrozottak.
6.1.2. megjegyzs.
A fenti ttelben az egytthatmtrix invertlhatsga ms mdszerrel is
igazolhat. Ez a mdszer ltalnosabb esetekben is alkalmazhat lesz majd. Az egytthatkra felrt egyenletrendszer az albbi alak
1 1 1
. . .
x0 x1 x2
. . .
x2 0 x2 1 x2 2
. . .
. . . xn 0 . . . xn 1 . . . xn 2
. . . . . .
a0 a1 a2
. . .
xn
x2 n
...
xn n
f0 f1 f2
. . .
an
fn
Ha feltennnk indirekt, hogy az egytthatmtrix nem invertlhat, akkor ltezne a mtrixhoz egy olyan
0 = y = [y0 , . . . , yn ]T Rn+1
1 1 1
. . .
vektor, mellyel
x0 x1 x2
. . .
x2 0 x2 1 x2 2
. . .
. . . xn 0 . . . xn 1 . . . xn 2
. . . . . .
y0 y1 y2
. . .
xn
x2 n
...
xn n
0 0 0
. . .
yn
Ez viszont azt jelenten, hogy a klnbz polinomnak
n+1
n k k=0 yk x legfeljebb n-edfok, a konstans nulla polinomtl zrushelye lenne, ami ellentmondana az algebra alapttelnek.
6.1.1. Az interpolcis polinom Lagrange-fle ellltsa

Most bemutatjuk az interpolcis polinom Lagrange -tl szrmaz ellltsi mdjt.
1
1 Joseph-Louis Lagrange, 17361813, olasz szrmazs francia matematikus. Eredeti olasz neve Giuseppe Luigi Lagrangia. Fontos eredmnyeket rt el az analzis, a szmelmlet s az elmleti mechanika terletn. Bvebb letrajz: http://www-history.mcs.st-and.ac.uk/Mathematicians/Lagrange.html.
6.1.
Globlis polinominterpolci
6.1.3. denci.
Adott alappontok esetn az
lk (x) =
(k
(x x0 ) . . . (x xk1 )(x xk+1 ) . . . (x xn ) (xk x0 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn ) k -adik
(alapponthoz tartoz)
= 0, . . . , n)
polinomot a
Lagrange-fle alappolinomnak
nevez-
zk.
6.1.4. megjegyzs.
n + 1-edfok
Vezessk be a
polinomot
wn+1 (x) = (x x0 ) . . . (x xn ) jellst. A wn+1 (x) alappontpolinomnak hvjuk. Az alappontpolinom derivltja + (x x0 )(x x2 )(x x3 ) . . . (x xn ) + (x x0 )(x x1 )(x x3 ) . . . (x xn ) + . . . + (x x0 )(x x1 )(x x2 ) . . . (x xn1 ),
pontosan
wn+1 (x) = (x x1 )(x x2 )(x x3 ) . . . (x xn )
melybe az
xk
alappontot helyettestve a
wn+1 (xk ) = (xk x0 )(xk x1 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn )

kifejezst kapjuk. Innt lthat, hogy az alappontpolinom segtsgvel az lk Lagrange-fle alappolinom az
lk (x) =
alakban is felrhat (k
wn+1 (x) (x xk )wn+1 (xk )
(6.1.1)
= 0, . . . , n). x0 = 0, x1 = 1, x2 = 2, x3 = 3
s
Pldaknt a 6.1.1. brn megrajzoltuk az
x4 = 4
alappontokhoz tartoz Lagrange-fle alappolinomok grakonjait.
6.1.5. ttel.
Az interpolcis polinom
n+1
alappont esetn az
Ln (x) =
k=0
alakban rhat.
fk lk (x)
Bizonyts. Mivel a Lagrange-fle alappolinomok pontosan legfeljebb
n-edfokak, ezrt az Ln (x) polinom
n-edfok.
A Lagrange-fle alappolinomokra nyilvnvalan igaz az
lk (xi ) =
egyenlsg, ezrt teljesl az
1, 0,
ha ha
i = k, i=k = 0, . . . , n).
Innt az interpolcis
Ln (xk ) = fk
egyenlsg is (k
polinom egyrtelmsgbl kvetkezik az llts.
6.1.6. megjegyzs.
A 6.1.1. ttelt igazolhatjuk az interpolcis polinom Lagrange-fle elllt-
snak segtsgvel is. Az elllts mutatja, hogy valban van egy legfeljebb
n-edfok interpolcis
6.
6.1.1. bra. Az
x = 0, 1, 2, 3, 4
pontokhoz tartoz Lagrange-fle alappolinomok.
polinom, amely a feltteleknek megfelel. Az egyrtelmsge pedig indirekt mdon gy igazolhat, hogy ha lenne kt klnbz legfeljebb nomnak legalbb alapttelnek. Az interpolcis feladatoknl nem az a cl, hogy az interpolcis polinomot
n-edfok
interpolcis polinom, akkor a klnbsgpoli-
n+1
zrushelye lenne (nevezetesen az alappontok), ami ellentmond az algebra
x-hatvnyonknt
rendezett alakra hozzuk, hiszen ltalban nem a polinom ellltsa, hanem a polinom klnbz helyeken vett helyettestsi rtkeinek kiszmolsa a cl. gy egyszerbb a polinom Lagrangefle alakjba helyettesteni, mint ellltani a polinomot polinom-egytthatk kiszmtsnak mveletignye ebbe helyettesteni. Knnyen ellenrizhet, hogy az interpolcis polinom Lagrange-fle ellltsval az interpolcis polinom egy adott helyen vett helyettestsi rtke
x-hatvnyonknt rendezett alakban (a n-nel exponencilisan nvekszik) s utna
4n2 + O(n)
op mvelettel szmolhat.
Az elllts elnye, hogy ha valamelyik alappontban a fggvnyrtket meg kell vltoztatnunk, akkor az j polinom helyettestsi rtkeit knnyen jraszmolhatjuk a rgi rtkekbl. Htrny viszont, hogy egy j alappont felvtele esetn minden korbbi tagot jra kell szmolnunk.
6.1.7. plda.
Pldaknt hatrozzuk meg a (0,2), (1,1) s (3,5) pontokhoz tartoz interpol-
cis polinomot. Elszr a Lagrange-fle alappolinomokat hatrozzuk meg:
1 4 (x 1)(x 3) = x2 x + 1, (0 1)(0 3) 3 3 (x 0)(x 3) 1 3 l1 (x) = = x2 + x, (1 0)(1 3) 2 2 (x 0)(x 1) 1 2 1 l2 (x) = = x x, (3 0)(3 1) 6 6 l0 (x) =
6.1.
6.1.2. bra. A 6.1.7. pldban szerepl pontok s a hozzjuk tartoz interpolcis polinom grakonja.
majd ezek segtsgvel felrjuk a keresett interpolcis polinomot:
L2 (x) = 2
A polinomot
(x 0)(x 3) (x 0)(x 1) (x 1)(x 3) +1 +5 . (0 1)(0 3) (1 0)(1 3) (3 0)(3 1)

rendezett alakba rva
x-hatvnyonknt
L2 (x) = 2
1 2 4 1 3 x x + 1 + 1 x2 + x + 5 3 3 2 2
1 2 1 x x 6 6
1 2 1 x x = x2 2x + 2. 6 6
Az adott pontokat s az interpolcis polinom grakonjt a 6.1.2. brn lthatjuk.
6.1.2. A baricentrikus interpolcis formula

Az interpolcis polinom Lagrange-fle ellltsnl lttuk, hogy azt jra kell szmolni, ha j alappontot vesznk fel. A formult egy kicsit talaktva viszont egy sokkal praktikusabb ellltst kapjuk az interpolcis polinomnak: a baricentrikus formult. Egyszersge ellenre a formula trgyalsa gyakran kimarad a numerikus mdszereket trgyal knyvekbl. Ezt a hinyt ptoljuk most a formula ismertetsvel [4]. Vezessk be a
qk =
(k
1 1 (xk x0 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn ) wn+1 (xk )
= 0, . . . , n) n. baricentrikus slyokat. Ezek a szmok a Lagrange-fle alappolinomok fegytttankonyvtar.bme.hu 153
6.
hati. gy az interpolcis polinom a Lagrange-fle ellltsbl kiindulva
Ln (x) =
k=0
wn+1 (x) fk qk = wn+1 (x) x xk
k=0
fk qk x xk
(6.1.2)
alakra hozhat. Ez a formula tovbb egyszersthet, ha szrevesszk, hogy
wn+1 (x)
k=0
hiszen a bal oldal az
qk 1, x xk
(xk , 1) (k = 0, . . . , n)
pontokhoz tartoz interpolcis polinomot adja, ami
az interpolcis polinom egyrtelmsge miatt csak a konstans 1 polinom lehet. Ennek alapjn a (6.1.2) formult trhatjuk az albbi mdon:
Ln (x) =
wn+1 (x) Ln (x) = 1 wn+1 (x)
n k=0 (fk qk )/(x xk ) n k=0 qk /(x xk )
n k=0 qk fk /(x xk ) . n k=0 qk /(x xk )

nevezzk . Ezzel az alakkal mr
2
Az gy nyert formult
baricentrikus interpolcis formulnak
lehet is mveletszmot sprolni. A slyok kiszmtsa egyenknt
2n op-ba kerl, azaz sszesen 2n2 + 2n op. Ha a slyokat mr ismerjk, akkor a helyettestsi rtk szmolsa mr csak 5n + 5 op. j osztpont felvtele sem kltsges, hiszen az j n + 2-edik sly kiszmtsa 2(n + 1) opot ignyel, a korbbi slyok mdostsa pedig egyenknt 2 op, azaz sszesen 2(n + 1) op. A slymdosts teht sszesen 4n + 4 op mvelet.
6.1.8. plda.
q0 =
Tekintsk a 6.1.7. pldban szerepl pontokat, s hatrozzuk meg az interpo-
lcis polinomot a baricentrikus formula segtsgvel! Szmtsuk ki a baricentrikus slyokat:
1 1 1 1 1 1 = , q1 = = , q3 = = . (0 1)(0 3) 3 (1 0)(1 3) 2 (3 0)(3 1) 6
Az interpolcis polinom teht
L2 (x) =
Ezt
2 1/(3(x 0)) 1 1/(2(x 1)) + 5 1/(6(x 3)) . 1/(3(x 0)) 1/(2(x 1)) + 1/(6(x 3)) x2 3x + 2
x-hatvnyonknt
rendezve termszetesen ismt a 6.1.7. pldban szerepl
polinomot kapjunk.
6.1.3. Az interpolcis polinom ellltsa Newton-fle osztott dierencikkal

Keressk az interpolcis polinomot az
(xi , fi ) (i = 0, . . . , n)
pontokhoz az albbi alakban: (6.1.3)
Ln (x) = c0 + c1 (x x0 ) + c2 (x x0 )(x x1 ) + . . . + cn (x x0 ) . . . (x xn1 ).

Mivel az egyes tagokban szerepl polinomok linerisan fggetlenek, gy minden legalbb polinom egyrtelmen felrhat a fenti alakban. Teht egyrtelmen lteznek olyan konstansok, hogy a fenti polinom az interpolcis polinomot adja.
n-edfok c0 , . . . , c n
2 A baricentrikus, azaz slyponti, elnevezs arra utal, hogy a kplet hasonl a tmegpontrendszer slypontjt megad kplethez.
6.1.
Mivel
f0 = Ln (x0 ) = c0 ,
gy
c0
rtkt mr meghatroztuk. Helyettestsnk most
x1 -et
a (6.1.3) polinomba:
f1 = Ln (x1 ) = c0 + c1 (x1 x0 ) = f0 + c1 (x1 x0 ),

ahonnt
c1 =
f1 f0 . x1 x0
Hasonlan eljrva megkaphatjuk a tbbi egytthatt is, de a kpletek egyre komplikltabbak s nehezen tlthatk lesznek. Most megmutatjuk, hogy hogyan lehet az egytthatkat szisztematikus mdon ellltani.
6.1.9. denci.
Legyenek adva az
(yj , fj ), j = 1, . . . , s
s
pontok (yj1
= yj2 ,
ha
j1 = j2 ).
Ekkor az
[y1 , . . . , ys ]f =
j=1
fj (yj y1 ) . . . (yj yj1 )(yj yj+1 ) . . . (yj ys )
szmot az (y1 , f1 ), . . . , (ys , fs ) pontokhoz tartoz (s1)-edrend (Newton-fle) osztott dierencinak nevezzk. A nulladrend osztott dierencit (amennyiben csak egy adott pont szerepel) [yj ]f = fj mdon rtelmezzk.
6.1.10. plda.
denci szerint
A (0,2), (1,1) s (3,5) pontokhoz tartoz msodrend osztott dierencia a
[0, 1, 3]f =
2 1 5 + + = 1. (0 1)(0 3) (1 0)(1 3) (3 0)(3 1)
6.1.11. megjegyzs.
Vegyk szre, hogy az osztott dierencia rendjt gy deniltuk, hogy az
a felhasznlt pontok szmnl eggyel kisebb.
6.1.12. ttel.
Az osztott dierencia rtke fggetlen az az
yj (j = 1, . . . , s)
pontok sorrendjtl, tovbb igaz
[y1 , . . . , ys ]f =
sszefggs.
[y2 , . . . , ys ]f [y1 , . . . , ys1 ]f ys y1
Bizonyts. Az els llts a denci kzvetlen kvetkezmnye. A msodik rszhez igazoljuk, hogy
[y1 , . . . , ys ]f (ys y1 ) = [y2 , . . . , ys ]f [y1 , . . . , ys1 ]f .

6.
Induljunk ki a jobb oldalbl:
[y2 , . . . , ys ]f [y1 , . . . , ys1 ]f

s
=
j=2
fj fj (yj y2 ) . . . (yj ys ) j=1 (yj y1 ) . . . (yj ys1 )

(yj yj ) hinyzik (yj yj ) hinyzik s1
s1
=
j=2
fj (yj y1 ) fj (yj ys ) (yj y1 )(yj y2 ) . . . (yj ys ) j=1 (yj y1 ) . . . (yj ys1 )(yj ys )
(yj yj ) hinyzik (yj yj ) hinyzik s1
fs (ys y1 ) f1 (y1 ys ) fj (ys y1 ) + (ys y1 ) . . . (ys ys1 ) (y1 y2 ) . . . (y1 ys ) j=2 (yj y1 ) . . . (yj ys )
(yj yj ) hinyzik
= [y1 , . . . , ys ]f (ys y1 ).
6.1.13. ttel.
Az interpolcis polinom (6.1.3) alakjban szerepl
cl (l = 0, . . . , n)
egytthatk a
cl = [x0 , . . . , xl ]f
kplettel szmthatk ki. Bizonyts. Legyen az mdon:
l {0, . . . , n}
index rgztve, s deniljuk a
pl (x)
polinomot az albbi
pl (x) = c0 + c1 (x x0 ) + c2 (x x0 )(x x1 ) + . . . + cl (x x0 ) . . . (x xl1 ). pl (x0 ) = Ln (x0 ), . . . , pl (xl ) = Ln (xl ), azaz pl (x) pontosan az (x0 , f0 ), . . . , (xl , fl ) l-edfok interpolcis polinom, cl pedig ennek a fegytthatja. Szmtsuk most ki ezt a fegytthatt! Ehhez rjuk fel a pl (x) interpolcis polinomot a LagrangeNyilvnval, hogy pontokat interpoll legfeljebb mdszerrel.
pl (x) =
k=0
melynek fegytthatja
fk
(x x0 ) . . . (x xk1 )(x xk+1 ) . . . (x xl ) , (xk x0 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xl )
cl =
k=0
fk , (xk x0 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xl ) [x0 , . . . , xl ]f .

Ezt szerettk volna meg-
ami a Newton-fle osztott dierencia dencija szerint mutatni.
A cl egytthatk ezek utn rekurzival az albbi mdon [xi ]f = fi (i = 0, . . . , n). Ezek a nulladrend dierencik. A elsrend dierencikat az
llthatk el. A denci alapjn: 6.1.12. ttel gyelembevtelvel az
[x0 , x1 ]f =
[x2 ]f [x1 ]f [x1 ]f [x0 ]f , [x1 , x2 ]f = x1 x0 x2 x1
6.2.
Az interpolcis hiba
formulkkal kapjuk, mg a msodrendek az
[x0 , x1 , x2 ]f =
[x1 , x2 ]f [x0 , x1 ]f x2 x0 n-edrend osztott
mdon nyerhetk. Az eljrst addig folytatjuk, amg meg nem kapjuk az utols, dierencit is.
6.1.14. plda.
Keressk meg a (0,2), (1,1) s (3,5) pontokhoz tartoz interpolcis polino-
mot az osztott dierencik mdszervel! A
cl
egytthatk kiszmtshoz elszr tblzatba
rendezzk az osztott dierencikat. Ebben a tblzatban ttekinthet mdon feltntetjk az osztott dierencikat szmol rekurzi egyes lpseit. Az egyes oszlopok fels elemei adjk a keresett
cl
egytthatkat nvekv indexekkel.
xi 0 1 3
fi = [xi ]f 2 = c0
12 10
[., .]f = 1 = c1
51 31
[., ., .]f
1 =2 5
2(1) 30
= 1 = c2
Ezutn a (6.1.3) kplet alapjn kapjuk a keresett
interpolcis polinomot, amelyet a Horner-smhoz hasonl pldbl ismert
2 + (1)(x 0) + 1(x 0)(x 1) (1(x 1) 1)(x 0) + 2 form-
ban szoktak megadni s a helyettestsi rtkeit kiszmolni. A polinomot rendezve a 6.1.7.
x2 2x + 2
polinomhoz jutunk.
6.2. Az interpolcis hiba

Tegyk fel, hogy adottak az fggvny grakonjrl szrmaznak, azaz
(x0 , f0 ), . . . , (xn , fn ) pontok, s hogy ezek a pontok egy f : I R fk = f (xk ). Legyen tovbb I = [xmin , xmax ]. Jellje
(Ln f ) : I R az adott pontokra illesztett interpolcis polinomot. Ilyenkor azt mondjuk, hogy az f fggvnyt interpolljuk az x0 , . . . , xn pontokban, s Ln az f fggvny adott alappontokban
vett interpolcis polinomja.
6.2.1. denci.
Az
En : I R, En (x) = (Ln f )(x) f (x)
fggvnyt az
pontokhoz tartoz interpolcis hibafggvnynek nevezzk. hiba. Termszetesen, ha az
f fggvny (x0 , f0 ), . . . , (xn , fn ) En (x) az x pontbeli interpolcis
fggvny
Df
rtelmezsi tartomnya tgabb az
halmaznl, akkor az
interpolcis hibafggvnyt a tozik az rtke, ha
Df
halmazon is rtelmezhetjk.
Vajon mit mondhatunk az interpolcis hibrl? Tudunk-e r fels becslst adni? Hogy vl-
rtkt nveljk? Tart-e ebben az esetben pontonknt az interpolcis
polinomok sorozata az eredeti Rgtn lthat, hogy ha az Tegyk fel teht, hogy az
f f
fggvnyhez? Ha igen, akkor milyen felttelek mellett egyenletes fggvny simasgra nem tesznk felttelt, akkor a hibrl sem-
a konvergencia? Ezekre a krdsekre keressk a vlaszt ebben a fejezetben. mit sem tudunk mondani, hiszen az alappontokon kvl a fggvnyrtkek tetszlegesek lehetnek.
fggvny folytonos. Most megemltnk nhny olyan eredmnyt, ame-
lyek arra hvjk fel a gyelmet, hogy ltalban nem vrhat el a pontonknti konvergencia. Egy tankonyvtar.bme.hu 157
6.
[a, b]
intervallumbeli
rtnk, melynek
{x0 , . . . , xn } alappontsorozaton a tovbbiakban egy olyan sorozatot n=1 n-edik eleme az [a, b] intervallum n + 1 darab pronknt klnbz pontja.
(n)
(n)
6.2.2. ttel. (Georg Faber3 , 1914)

Brmely
{x0 , . . . , xn } [a, b]-beli alappontsorozathoz van olyan f C[a, b] folytonos n=1 fggvny, amelyre Ln f nem tart egyenletesen az f fggvnyhez az [a, b] intervallumon.
1980-ban Erds s Vrtesi [11] megmutattk, hogy brmely alappontsorozathoz olyan
(n)
(n)
f folyLn f (x) f (x) majdnem mindentt [a, b]-ben. Bernstein4 egy korbbi, 1918-es pldja [3] a [1, 1] intervallum ekvidisztns felosztssorozathoz megadott mr egy ilyen fggvnyt: az f (x) = |x| fggvny interpolcis polinomjai csak az x = 1, 0 s 1 pontokban konverglnak az f (x) fggvny megfelel rtkeihez. Itt gondolhatnnk, hogy a rossz interpolcis viselkedst az okozza, hogy az f (x) = |x| 5 fggvny nem derivlhat az x = 0 pontban. Runge 1901-ben szrevette [28], hogy ha az 2 f (x) = 1/(1 + x ) fggvnyt interpolljuk az ekvidisztns feloszts [5, 5] intervallumon, akkor az gy nyert polinomsorozat csak az |x| < 3.63 (kerektett rtk) felttelnek megfelel x pontokban
tonos fggvny is ltezik, melyre fog konverglni az eredeti fggvnyhez. A polinomsorozat az intervallumon kvl divergl. Azt, hogy csak egy bizonyos intervallumon bell van konvergencia, az okozza, hogy az el az interpolcis intervallumhoz. A 6.2.1. brn az ban hasonl
f (z) = 1/(1+z 2 )
most mr komplex vltozsnak tekintett fggvny szingulris helyei (i) kzel helyezkednek
1/(1 + x2 )
Runge-fle fggvny s az alakj-
3x2 /8
fggvny 16 ekvidisztns alappontos interpolcis polinomjnak grakonja
lthat. Vegyk szre, hogy a msodik fggvnyt sokkal jobban kzelti az interpolcis polinom! (Figyeljk meg, hogy az utbbi fggvnynek nincs szingulris pontja!)
6.2.1. bra. Az
1/(1 + x2 )
s az
e3x
/8
fggvnyek interpolcis polinomjainak grakonjai a
[5, 5]
intervallumbl ekvidisztnsan vlasztott 16 alapponton.
A kvetkez ttel azt mutatja, hogy az alappontok megfelel megvlasztsval az egyenletes konvergencia mindig elrhet. Megjegyezzk azonban, hogy nem mindig van lehetsg az alappontok szabad megvlasztsra.
3 Georg Faber (1877 1966) nmet matematikus. 4 Sergei Natanovich Bernstein (18801968) orosz matematikus. 5 Carl David Tolm Runge (18561927), nmet matematikus.
6.2.
Az interpolcis hiba
6.2.3. ttel. (Marcinkiewicz6 [24], 1936)

az [a, b] intervallumon folytonos f fggvnyhez ltezik olyan [a, b]-beli (n) (n) {x0 , . . . , xn }n=1 alappontsorozat, amelyen az Ln f interpolcis polinomok sorozata egyenletesen tart az f fggvnyhez az [a, b] intervallumon. Minden, Megemltnk egy olyan eredmnyt, amely azt mutatja, hogy folytonos fggvnyek tetszlegesen megkzelthetk polinomok segtsgvel, ha nem kveteljk meg az interpolcis felttelt.
6.2.4. ttel. (Weierstrass7 -fle approximcis ttel [39], 1885)

Legyen olyan
f C[a, b]
egy tetszleges folytonos fggvny. Ekkor tetszleges
>0
szmhoz van
polinom, melyre
|f (x) p(x)| <
minden
x [a, b]
esetn
Megfelel simasg fggvnyek esetn az interpolcis hibt az albbi, Cauchytl szrmaz ttel segtsgvel szmolhatjuk ki.
6.2.5. ttel.
Tegyk fel, hogy az
f C n+1 (I)
fggvnyt interpolljuk az
x0 , . . . , x n
alappontokban, ahol
I = [xmin , xmax ].
Ekkor egy tetszleges
xI
pontban az interpolcis hiba az
En (x) =
alakban rhat, ahol
f (n+1) (x ) wn+1 (x) (n + 1)!
utal, hogy az rtk fgg az Bizonyts. Ha niljuk a
x , egy az I intervallum belsejbe es megfelel konstans (az x index arra x pont megvlasztstl).
x G : I R,
egybeesik valamelyik alapponttal, akkor az llts trivilis. Egybknt de-
G(t) = En (t)
fggvnyt, amely legalbb zrushelye van:
wn+1 (t) En (x) wn+1 (x)
n + 1-szer folytonosan derivlhat I belsejben, s legalbb n + 2 x0 , . . . , xn s x. Ekkor a Rolle-kzprtkttelt alkalmazva lthat, hogy a G (t) fggvnynek legalbb n+1 zrushelye van. gy haladva mindig az eggyel kisebb derivltak irnyba (n+1) azt kapjuk, hogy a G (t) fggvnynek legalbb egy zrushelye van. Legyen ez a zrushely x . (n+1) Szmtsuk ki a G (t) derivltat, felhasznlva, hogy egy legfeljebb n-edfok polinom (n + 1)(n+1) edik derivltja nulla, s hogy wn+1 (x) 1. G(n+1) (t) = f (n+1) (t)
azaz
(n + 1)! En (x), wn+1 (x) (n + 1)! En (x) = 0, wn+1 (x)
G(n+1) (x ) = f (n+1) (x )
teht
En (x) =
Ezt akartuk bizonytani.
f (n+1) (x ) wn+1 (x). (n + 1)!
6 Jzef Marcinkiewicz (19101940), lengyel matematikus. 7 Karl Theodor Wilhelm Weierstrass (18151897), nmet matematikus.
6.
A ttel segtsgvel elgsges felttelt tudunk adni az egyenletes konvergencira.
6.2.6. ttel.
Ha
f C [a, b] s az x0 , . . . , xn alappontok mindig az [a, b] intervallumbl (n) (n = 1, 2, . . .), tovbb ha ltezik M > 0 gy, hogy maxx[a,b] {|f (x)|} M n , Ln f C[a,b] 0, ha n .
Bizonyts. Az
(n)
(n)
kerlnek ki akkor
[a, b]
intervallum egy tetszleges
pontjra
|En (x)| =
(x-tl fggetlenl), ha
|f (n+1) (x )| M n+1 |wn+1 (x)| (b a)n+1 0 (n + 1)! (n + 1)!
n . wn+1
alappontpolinom. Ennek abszolt rtkre
Az interpolcis hiba kpletben szerepel a ad becslst az albbi ttel. Jelljk azaz
h-val
a szomszdos alappontok kzti legnagyobb tvolsgot,
h := maxi=1,...,n {xi xi1 }.
6.2.7. ttel.
A
wn+1 (x)
alappontpolinomra rvnyes a
|wn+1 (x)|
becsls, ahol
n! n+1 h 4
x I.
Bizonyts. Ha Legyen
x alappont, akkor az llts nyilvnvalan igaz. x (x0 , x1 ). Ekkor |(xx0 )(xx1 )| az x = (x0 +x1 )/2 vlaszts esetn a legnagyobb, x1 x0 x0 x1 h2 2 2 4
ami azt jelenti, hogy teljesl az
|(x x0 )(x x1 )|
becsls. Teht
|wn+1 (x)|
Legyen most
x (x1 , x2 ).
Ekkor
hn+1 h2 2h 3h . . . nh = n!. 4 4 |(x x1 )(x x2 )| az x = (x1 + x2 )/2 x1 x2 x2 x1 h2 . 2 2 4
vlaszts esetn a
legnagyobb, ami azt jelenti, hogy
|(x x1 )(x x2 )|
Teht
|wn+1 (x)| 2h
h2 hn+1 2n! hn+1 2h 3h . . . (n 1)h = n!. 4 4 n 4 I

intervallum
Hasonlan jrhatunk el a tbbi intervallumnl is. A becslsekbl lthat, hogy az gy a kt szls osztintervallumon adott becsls lesz rvnyes az egsz
szln lv osztintervallumokon a fels becsls nagyobb, mint a beljebb lv intervallumokon.
intervallumra.
6.2.8. megjegyzs.
ltalban az
Az, hogy az
intervallum szln lv osztintervallumokon az alappolinom
rtkre adott fels becsls nagyobb, mint a beljebb lv intervallumokon, azt sugallja, hogy
intervallum szlei kzelben nagyobb interpolcis hiba vrhat, mint beljebb.
6.3.
Interpolci Csebisev-alappontokon
Ezen meggyels alapjn gy rdemes vlasztani az osztpontokat, hogy azokat az intervallum szleinek kzelben srbben vesszk fel. Az alappontok egy lehetsges megvlasztsrl szl a kvetkez fejezet.
6.3. Interpolci Csebisev-alappontokon

Az interpolcis hiba nagysga fgg az alappontpolinom rtktl (6.2.5. ttel). Az alappontpolinom 1 fegytthats az
(n + 1)-ed
fok polinom, melynek pontosan
(n + 1)
darab zrushelye van:
(n + 1)
darab alappont. gy a fenti tulajdonsg polinomok s az alappontok kztt klcs-
nsen egyrtelm megfeleltets van. Most megvizsgljuk, hogy hogyan kellene megvlasztani az alappontpolinomot ahhoz, hogy annak maximumnormja a lehet legkisebb legyen.
6.3.1. ttel.
Legyen
[a, b]
egy rgztett intervallum. Egy
p(1)
(1)
1 fegytthats,
(n + 1)-ed
fok polinomra
pontosan akkor igaz, hogy fok polinom esetn, ha a
(1)
p(1)
q polinom az [a, b]
C[a,b]
C[a,b] minden
q (1)
1 fegytthats
intervallumban rendelkezik legalbb
(n + 1)-ed n + 2 k-
lnbz abszolt szlsrtkhellyel, a szlsrtkhelyeken a fggvnyrtkek abszolt rtkben megegyeznek, s eljelk vltakozik. Bizonyts. Tegyk fel, hogy
p(1)
az
[a, b] intervallumon legalbb n+2 klnbz abszolt szl-
srtkhellyel rendelkezik, a szlsrtkhelyeken a fggvnyrtkek abszolt rtkben megegyez-
q (1) = p(1) 1 fegytthats, (n + 1)-ed > q (1) C[a,b] . Ekkor a p(1) q (1) legfeljebb n-ed fok polinomnak C[a,b] p(1) szlsrtkhelyeinl (legalbb (n + 2) darab) ugyanazok az eljelei, mint a p(1) polinomnak. (1) Ebbl kvetkezik, hogy a p q (1) polinomnak legalbb n + 1 zrushelynek kellene lenni, ami
nek, s eljelk vltakozik. Tegyk fel tovbb, hogy egy fok polinomra
p(1)
ellentmond az algebra alapttelnek. A megfordts igazolshoz tegyk fel indirekt, hogy fok polinom, melyre
p(1)
olyan 1 fegytthats
(n + 1)-ed
1 fegytthats (n + 1)-ed fok poC[a,b] minden q (1) linom esetn. Tegyk fel indirekt, hogy a p polinomnak maximum n + 1 helyen van abszolt
(1)
C[a,b]
(1)
(1)
szlsrtke gy, hogy ezeken a helyeken a fggvnyrtkek abszolt rtkben egyenlk s eljelk vltakozik. Ekkor viszont ltezik egy olyan legfeljebb szlsrtkhelyeken megegyezik ezek a zrushelyek rendre: polinom legfeljebb egyezik
n-edfok
polinom, melynek eljele a
p(1)
eljelvel. Brmely kt szomszdos, ellenkez eljel szlsr-
tkhely kztt vlaszthatunk egy olyan pontot, ahol a
p(1) polinomnak zrushelye van. Legyenek x1 < x2 < . . . < xk (k n). Ekkor az s(x) = (x x1 ) . . . (x xk )
s alkalmas eljelet vlasztva az eljele a szlsrtkhelyeken meg-
n-edfok,
p(1)
eljelvel. Ezen polinom megfelelen kicsi
>0
szmszorost kivonva
1 fegytthats legfeljebb azaz
(n+1)-ed fok polinom nyerhet, melyre p
(1)
C[a,b]
p(1) -bl olyan < p(1) C[a,b] ,
p(1)
nem lehetett az optimlisan kzelt polinom. Ez cfolja az indirekt felttelt.
6.3.2. ttel.
Csak egyetlen olyan melyre
(1)
C[a,b]
p(1) 1 q (1)
fegytthats
C[a,b] minden
(n + 1)-ed fok polinom van az [a, b] intervallumon, q (1) 1 fegytthats (n + 1)-ed fok polinom esetn.
(1)
s
Bizonyts. Tegyk fel indirekt, hogy nyilvn
p1
p2
(1)
is megfelelne a ttel feltteleinek. Ekkor
p1
(1) C[a,b]
= p2 D
(1) C[a,b] (1)
=: D
(1)
kell legyen. Ekkor viszont
p1 + p2 2
C[a,b]
p1
(1) C[a,b]
+ p2 2
(1) C[a,b]
=D
6.
miatt
(p1 +p2 )/2 C[a,b] = D, gy a (p1 +p2 )/2 polinom is optimlis lenne. Emiatt a polinom legalbb n + 2 helyen venn fel az abszolt szlsrtkt (D) vltakoz eljellel, csakgy, mint (1) (1) (1) (1) p1 s p2 (6.3.1. ttel). Ez csak gy lehet, ha p1 s p2 is ugyanezeken a helyeken veszi fel (1) (1) a szlsrtkt. De akkor p1 s p2 legalbb n + 2 helyen ugyanazt az rtket veszi fel, gy
szksgkppen azonos polinomokrl van sz. gy ellentmondshoz jutottunk. Hogyan llthatjuk el az optimlis polinomokat? Vizsgljuk a krdst a edfok polinomot. Nyilvnvalan polinom legalbb
(1)
(1)
(1)
(1)
Ms intervallumra egyszer vltoztranszformcival trhetnk t. Jellje
T0 (x) = 1
T1 (x) = x.
[1, 1] intervallumon! Tn az optimlis n-
Emlkezznk r, hogy az optimlis
(n + 2)-szer
vesz fel abszolt szlsrtket vltakoz eljellel. Innt jn az az
tlet, hogy valamilyen periodikus fggvny segtsgvel lltsuk el az optimlis polinomokat. Az
x vltoz alkalmas vlasztssal x = cos alakban rhat ( [0, ]). gy teht T0 (x) = cos(0), 1 (x) = cos(1). Ekkor cos(2) = cos2 sin2 = cos2 (1 cos2 ) = 2 cos2 1 = 2x2 1. T
Ez a polinom a konstrukci miatt hrom vltakoz eljel abszolt szlsrtkkel rendelkezik, azaz a
T2 (x) = x2 1/2
vlaszts optimlis msodfok polinomot ad. A kvetkez ttel ezek
alapjn explicit mdon megadja az optimlis polinomokat.
6.3.3. ttel.
A
fggvny a
cos(n arccos x) Tn (x) = , n1 2n1 [1, 1] intervallumon egy 1 fegytthats n-edfok
polinom, amelynek
n+1
vl-
takoz eljel abszolt szlsrtkhelye van.
n = 1 s n = 2 vlaszts mellett nyilvnvalan igaz az llts. Az is nyilvnval, n rtk mellett a fggvnynek n + 1 vltakoz eljel abszolt szlsrtkhelye van. Nevezetesen Tn (x) szlsrtkhelyei a tk = cos(k/n) (k = 0, . . . , n) pontokban vannak, n (x)| 1/2n1 (|x| 1) s Tn (tk ) = cos(n arccos(tk ))/2n1 = cos(k)/2n1 = 1/2n1 hiszen |T (felvltva). Azt kell mr csak megmutatnunk, hogy a Tn (x) polinomok 1 fegytthatsak. Tegyk fel most, hogy n = k 1-re s n = k -ra igaz az llts. Mivel
Bizonyts. Az hogy tetszleges
2x cos(k arccos x) cos((k 1) arccos x) = 2x cos(k arccos x) (cos(k arccos x)x + sin(k arccos x) sin(arccos x)) = x cos(k arccos x) sin(k arccos x) sin(arccos x) = cos(arccos x) cos(k arccos x) sin(k arccos x) sin(arccos x) = cos((k + 1) arccos x),
ezrt
ami pedig egy 1
cos((k + 1) arccos x) Tk1 (x) Tk+1 (x) = = xTk , k 2 4 fegytthats (k + 1)-ed fok polinom.
(6.3.1)
A (6.3.1) formula egy itercis kpletet denil arra, hogy hogyan kaphatjuk meg a legjobban kzelt polinomokat. gy pl. Az a legkisebb a
(n + 1)-ed fok, 1 [1, 1] intervallumon.
T3 (x) = xT2 (x) T1 (x)/4 = x(x2 1/2) x/4 = x3 3x/4. fegytthats polinomok kzl teht a Tn+1 polinom normja Tn+1
lesz
Visszatrve az eredeti problmhoz ez azt jelenti, hogy az polinom legyen.
alappontokat gy kell megvlasztanunk, hogy az alappontpolinom ppen a 162 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
6.3.
Interpolci Csebisev-alappontokon
Ez nyilvnvalan gy rhet el, ha
Tn+1
zrushelyeit vlasztjuk alappontoknak. A
Tn+1
polinom
zrushelyei a kvetkez alakban adhatk meg:
xk = cos
(2k + 1) 2(n + 1)
, k = 0, . . . , n.
6.3.4. denci.
A
T0 (x) = 1
Tn (x) = 2n1 Tn (x) (n 1)
polinomokat Csebisev -polinomoknak nevezzk.
6.3.5. ttel.
A Csebisev-polinomok itercival az albbi mdon llthatk el: tbbi Csebisev-polinom a
T0 (x) = 1, T1 (x) = x,
s a
Tn (x) = 2Tn1 (x) Tn2 (x)
rekurzival nyerhet. Explicit alakjuk:
Tn (x) = cos(n arccos x).

A Csebisev-polinomoknak a maximuma.
Tn (x)
fegytthatja
[1, 1] intervallumban 1 az abszolt minimuma s 1 az abszolt 2n1 .
Bizonyts. Az els llts a (6.3.1) rekurzi alakjbl kvetkezik. A tbbi llts a 6.3.3. ttel kzvetlen kvetkezmnye. A fenti elnevezssel mondhatjuk teht, hogy az alappontpolinom normja akkor lesz a legkisebb, mgpedig
1/2n ,
ha alappontoknak a Csebisev-polinomok zrushelyeit vlasztjuk. Ebben az s
esetben az alappontokat Csebisev-alappontoknak hvjuk. A 6.3.1. brn a
T0 , . . . , T4
T10
Csebisev-polinomok grakonjai lthatk a
[1, 1]
interval-
lumon. Figyeljk meg az abszolt szlsrtkhelyek s a zrushelyek elhelyezkedst. Lthat, hogy az intervallum szlei kzelben srbben vannak a zrushelyek.
6.3.6. megjegyzs.
nem az
A Csebisev-alappontok nem csak a
[1, 1]
intervallumon adhatk meg, ha-
xk =
transzformcival brmilyen
a+b ba + xk 2 2
[a, b]
intervallumon is.
6.3.7. megjegyzs.
teljesl, hogy
Csebisev-alappontokon interpollva az interpolcis hiba fels becslsre
|En (x)|
ahol
Mn+1 , x I, (n + 1)!2n
Mn+1 = maxxI {|f (n+1) (x)|}.
Bizonyts nlkl kzljk az albbi ttelt, amely a Csebisev-alappontokon val interpolci konvergencijrl szl.
6.3.8. ttel.
A
[a, b]
intervallumon abszolt folytonos
fggvnyek Csebisev-alappontokon vett interpol-
cis polinomjainak sorozata
C[a, b]
maximumnormjban tart az eredeti fggvnyhez, ha az
alappontok szma tart a vgtelenbe.
8 Pafnutyij Lvovics Csebisev (18211894), orosz matematikus

6.
6.3.1. bra. A
T0 , . . . , T4
T10
Csebisev-polinomok grakonjai a
[1, 1]
intervallumon.
A ttel kvetkezmnye teht pl., hogy az kapunk. A 6.3.2. brn a Runge-fle
|x|
fggvnyt vagy a Runge-fle
1/(1 + x2 )
fgg-
vnyt a Csebisev-alappontokon interpollva az eredeti fggvnyhez konvergl polinomsorozatot
1/(1 + x2 ) fggvny interpolcis polinomjainak grakonjait
lthatjuk 14 ill. 24 Csebisev-alapponttot vlasztva. Lthat, hogy 24 alappont esetn az interpolcis polinom grakonja mr alig klnbztethet meg az eredeti fggvnytl. rdemes az brt sszevetni a 6.2.1. bra bal oldali grakonjval.
6.3.2. bra. A Runge-fle intervallumon.
1/(1+x2 ) fggvny interpolcija 14 ill. 24 Csebisev-alapponton a [-5,5]
6.3.9. megjegyzs. Termszetesen a Faber-ttel (6.2.2. ttel) miatt a Csebisev-alappontok esetn

9 Egy f : [a, b] R fggvnyt abszolt folytonosnak hvunk, ha minden > 0 esetn van olyan > 0, hogy ha a a1 < b1 a2 < b2 . . . am < bm b s m |bi ai | < , akkor m |f (ai ) f (bi )| < . Ha k=1 k=1 egy fggvny teljesti a Lipschitz-tulajdonsgot (van olyan L 0 szm, hogy |f (x) f (y)| K|x y| minden x, y [a, b] esetn), akkor abszolt folytonos is.
6.4.
Hermite-interpolci
is lesz olyan folytonos fggvny, melynl nincs egyenletes konvergencia.
6.4. Hermite-interpolci
Az elz fejezetekben azt vizsgltuk, hogy ha ismert egy fggvny
n+1
alapontbeli rtke,
akkor hogyan llthatunk el egy olyan polinomot, amely ugyanazon alappontokban ugyanazon rtkeket veszi fel. Most ltalnostsknt vizsgljuk azt az esetet, amikor az alappontokban ismerjk mg az eredeti fggvny derivltjait is bizonyos rendig bezran. Azaz legyenek adottak az
x0 , . . . , xn klnbz alappontok, s az xk (k = 0, . . . , n) pontban legyen (0) (1) (mk ) szmrtk: fk , fk , . . . , fk . Keressnk olyan H polinomot, melyre H (i) (xk ) = fk , (k = 0, . . . n, i = 0, . . . , mk ).
(i)
adott
mk + 1
darab
Ezt az eljrst
Hermite-fle interpolcinak
nevezzk. Amennyiben specilisan minden pontban
csak a fggvnyrtkek s az els derivltak adottak, akkor szlnk. Mivel sszesen
HermiteFejr-interpolcirl 10
be-
N := m0 + . . . + mn + n + 1
adat adott, gy vrhat, hogy egy legfeljebb
(N 1)-ed
fok polinom megfelel a feltteleknek.
6.4.1. ttel.
Egyrtelmen ltezik egy olyan
HN 1
legfeljebb
(N 1)-ed
fok polinom, amely teljesti a
HN 1 (xk ) = fk , k = 0, . . . , n, i = 0, . . . , mk
feltteleket. Bizonyts. Legyen
(i)
(i)
HN 1 (x) = a0 + a1 x + . . . + aN 1 xN 1
alak. Ekkor az egytthatk
meghatrozshoz az albbi egyenletrendszert kell megoldanunk:
1 0 . . . 1 0
. . .
x0 1
. . .
x2 0 2x0
. . .
... ... ... ... ... ...
N x0 1 (N 1)xN 2 0
. . .
x1 1
. . .
x2 1 2x1
. . .
N x1 1 (N 1)xN 2 1
. . .
(0) f0 f (1) 0 . . . a0 . a1 . . a2 = f (0) . 1 (1) . . f . 1 . . .
. . .
Itt
N N
egyenlet van s
ismeretlen, s az egytthatmtrix nemszingulris. Ugyanis ha ltezne
olyan nemnulla vektor, mellyel a mtrixot szorozva nullvektort kapnnk, akkor a nak zrushelye, akkor a polinom els
zrushelye lenne, ami lehetetlen. Itt felhasznltuk azt, hogy ha egy polinomnak
HN 1 polinomx k -szoros
k1
derivltjnak is zrushelye
x.
A tovbbiakban csak az HermiteFejr-interpolcival foglalkozunk, azaz azzal az esettel, amikor minden alappontban csak a fggvnyrtke s az els derivltja adott a keresett polinomnak
10 Fejr Lipt (1880 1959), magyar matematikus. Bvebb letrajz a http://www.omikk.bme.hu/archivum/magyarok/htm/fejerrov.htm cmen tallhat.
6.
(fk
(0)
jebb
fk , k = 0, . . . , n). Ha n + 1 alappontunk van, akkor ez 2n + 2 adatot jelent, gy egy legfel(2n + 1)-ed fok polinom lesz az interpolcis polinom. Jellje H2n+1 a keresett polinomot.
(1)
Az HermiteFejr-interpolcis polinom elllthat gy, hogy az elz ttelben szerepl egyenletrendszert megoldjuk. Ezt a gyakorlatban ltalban nem alkalmazzuk, mert vannak mdszerek, melyek mveletszma lnyegesen kisebb.
6.4.2. ttel.
Az HermiteFejr-interpolcis polinom a
n 2 fk (1 2(x xk )lk (xk ))lk (x) + (0) 2 fk (x xk )lk (x) k=0 (1)
H2n+1 (x) =
k=0
kplettel llthat el, ahol lk a
k -adik
alapponthoz tartoz Lagrange-fle alappolinom.
Bizonyts. Hasonlan az interpolcis polinom Lagrange-fle ellltshoz ellltunk olyan polinomokat, melyek
(2n + 1)-ed
fokak s vagy az rtkk vagy a derivltjuk 1 valamelyik
alappontban, s a tbbi rtkk s derivltjuk pedig 0 a tbbi alappontban. Jellje alappolinomot, melyre
hk0
azt az
hk0 (xl ) = kl , hk0 (xl ) = 0,

s
hk1
azt az alappolinomot, melyre
hk1 (xl ) = kl , hk1 (xl ) = 0, k, l = 0, . . . , n s i = 0, 1. kl a szoksos Kronecker-szimblum. Keressk az alappo2 h(x) = s(x)lk (x) alakban, ahol s(x) egy meghatrozand elsfok polinom. Mivel 2 h (x) = s (x)lk (x) + 2s(x)lk (x)lk (x), ezrt ha h-tl azt vrjuk el, hogy rtke s derivltja minden xk -tl klnbz alappontban legyen nulla, xk -ban az rtke legyen 0 s derivltja 1, akkor az s(xk ) = 0 s s (xk ) = 1 feltteleknek kell teljeslnik, azaz s(x) = x xk megfelel vlaszts. 2 Ebbl kvetkezik, hogy hk1 (x) = (x xk )lk (x) (k = 0, . . . , n). Amennyiben h-tl azt vrjuk el, hogy rtke s derivltja minden xk -tl klnbz alappontban legyen nulla, xk -ban az rtke legyen 1 s derivltja 0, akkor az s(xk ) = 1 s s (xk ) = 2lk (xk ) feltteleknek kell teljeslnik. 2 Teht az s(x) = 1 2(x xk )lk (xk ) j vlaszts. gy hk0 (x) = (1 2(x xk )lk (xk ))lk (x). A
ahol linomokat keresett interpolcis polinom teht a
n (0) fk hk0 (x)
H2n+1 (x) =
k=0
+
k=0
fk hk1 (x)
(1)
alakban rhat. Ezt akartuk megmutatni. Az interpolcis hibnl ismertetett mdon igazolhat az albbi ttel az HermiteFejrinterpolci hibjval kapcsolatban.
6.5.
Szakaszonknt polinomilis interpolci
6.4.3. ttel.
Tegyk fel, hogy az az
f C 2n+2 (I) fggvnyt interpolljuk a HermiteFejr-interpolcival x0 , . . . , xn alappontokban, ahol I = [xmin , xmax ]. Ekkor egy tetszleges x I pontban az f (2n+2) (x ) 2 w (x) (2n + 2)! n+1 x index arra
interpolcis hiba az
En (x) = H2n+1 (x) f (x) =

alakban rhat, ahol
egy, az
intervallum belsejbe es megfelel konstans (az
utal, hogy rtke fgg az
pont megvlasztstl).
6.5. Szakaszonknt polinomilis interpolci

Ha az interpolci sorn az alappontok adottak (pl. mrsi eredmnyekbl szrmaznak), akkor nem lehet a Csebisev-alappontokat hasznlni. Ez nagy interpolcis hibhoz vezethet. Az is lthat, hogy az interpolcis polinom ltalban nem gy kti ssze az adott pontokat, ahogy azokat szabad kzzel sszektnnk: pl. lehet, hogy egyms melletti pontokhoz ugyanaz az ordinta tartozik, az interpolcis polinom rtke mgis nagyon eltrhet ettl az rtktl ezen a szakaszon. Ha a pontok monoton nv ordintval rendelkeznek egy szakaszon, ez nem vonja maga utn, hogy az interpolcis polinom is monoton nv lesz a megfelel szakaszon. Ezeket a hibkat kszblhetjk ki, ha szakaszonknt polinomilis interpolcit alkalmazunk. Ekkor a szomszdos alappontok kzti szakaszokon, egy-egy alacsony fokszm polinommal interpollunk. Ezt az interpolcis mdot
spline 11 -interpolcinak
nevezzk.
6.5.1. Szakaszonknt lineris interpolci

A legegyszerbb spline-interpolci a szakaszonknt lineris interpolci. Ilyenkor a szomszdos pontokat egyenes szakaszokkal ktjk ssze. Jelljk most is az alappontokat nvekv sorrendben az az
x0 < x1 < . . . < xn [xk1 , xk ] szakaszon az
mdon, az egyes pontokbeli fggvnyrtkeket jellje interpolcis spline-polinom legyen
f0 , . . . , fn ,
sk (k = 1, . . . , n).
Szakaszonknt
lineris spline esetn nyilvnvalan
sk (x) = fk1
x xk x xk1 + fk , x [xk1 , xk ]. xk1 xk xk xk1
A teljes intervallumon rtelmezett interpolcis fggvny ekkor
s(x) =
s1 (x), s2 (x), . . . sn (x),
ha ha . . . ha
x [x0 , x1 ], x [x1 , x2 ], x [xn1 , xn ] sk (xk ) = sk+1 (xk ) = fk .
alakban adhat meg. Ez egy folytonos fggvny, hiszen
11 Angol sz, vkony, lapos, hajlthat fa vagy fm csk, melyet grbk rajzolsra hasznlunk.
6.
6.5.1. ttel.
Legyen
f C 2 (I).
Ekkor a lineris spline-interpolcis fggvny hibja
|s(x) f (x)|
ahol
M2 2 h , 8 I
intervallumon, s
M2
egy fels korlt
msodik derivltjra az
a szomszdos alap-
pontok kztti maximlis tvolsg. Bizonyts. A ttel a 6.2.5. s a 6.2.7. ttelek szakaszonknti alkalmazsbl addik. A lineris spline-interpolci megvalstja azt a kvetelmnyt, hogy monoton koordintk esetn az interpolcis fggvny is monoton. Htrnya viszont, hogy a teljes nyert interpolcis fggvny nem lesz derivlhat (lsd a 6.5.1. brt).
[x0 , xn ] intervallumra
6.5.1. bra. A (0,4), (1,-1) (2,3) (3,3) (5,0) pontokhoz tartoz lineris spline-interpolcis fggvnyek grakonjai.
6.5.2. Szakaszonknt kvadratikus interpolci

A szakaszonknt lineris interpolci egyik htrnya, hogy az gy nyert zsval. Vlasszuk meg az ez
interpolcis fggvny
ugyan folytonos, de a derivltja mr nem. Ezt kszblhetjk ki msodfok polinomok alkalma-
s interpolcis fggvny derivltjnak rtkt az x0 pontban. Legyen [x0 , x1 ] szakaszon Hermite-interpolcit vgrehajtva egyrtelmen meghatrozott egy olyan s1 legfeljebb msodfok polinom, melyre s1 (x0 ) = f0 , s1 (x0 ) = d0 s s1 (x1 ) = f1 . Vlasszuk d1 -nek az s1 (x1 ) rtket. Ezutn az [x1 , x2 ] szakaszon Hermite-interpolcit vgrehajtva egyrtelmen meghatrozott egy olyan s2 legfeljebb msodfok polinom, melyre s2 (x1 ) = f1 , s2 (x1 ) = d1 s s2 (x2 ) = f2 . A tbbi intervallumon hasonlan eljrva az ered s fggvny s d0 .
Ekkor az els derivltja is folytonos lesz az egsz intervallumon.
6.5.3. Szakaszonknt harmadfok interpolci

Tekintsk most azt az esetet, amikor minden intervallumon egy legfeljebb harmadfok polinomot alkalmazunk az interpolcira. Ekkor, ha megadjuk az
x0 , . . . , x n
pontokban a
d0 , . . . , d n
rtke-
ket, akkor minden rszintervallum mindkt vgpontjban adott egy-egy fggvnyrtk s egy-egy 168 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
6.5.
derivltrtk. Ezek egyrtelmen meghatroznak egy legfeljebb harmadfok polinomot (Hermite Fejr-interpolci). Mivel a derivltakat tetszlegesen vlaszthatjuk, ezrt elrhet, hogy az interpolcis fggvny monoton legyen, ha a pontok koordinti monotonok. Ilyen interpolcira lthatunk pldt a 6.5.2. brn.
6.5.2. bra. A (0,4), (1,-1) (2,3) (3,3) (5,0) pontokhoz tartoz, szakaszonknt harmadfok, monotonitst megrz interpolci.
Ez az eljrs ismt csak folytonosan derivlhat interpolcis fggvnyt ad. Ltni fogjuk, hogy a
d0 , . . . , d n
derivltrtkek alkalmas megvlasztsval elrhet az is, hogy a msodrend
derivltak is folytonosak legyenek. Legyen meg. Ekkor adott
sk az [xk1 , xk ] intervallumon adott legfeljebb harmadfok polinom (k = 0, . . . , n). dk1 s dk derivltrtkekkel sk az HermiteFejr-interpolci segtsgvel adhat
alappontok
xk1 xk1
fi = [.]f fk1 =: ck0 fk1
[., .]f dk1 =: ck1
[., ., .]f
[., ., ., .]f
fk fk1 xk xk1
dk1
xk xk1 fk fk1 xk xk1
=: ck2
dk fk fk1 xk xk1 xk xk1
fk fk1 dk1 xk xk1 xk xk1
xk xk
fk dk fk sk
az
dk xk xk1
k
f f
xk xk1
k1
=: ck3
xk xk1
A tblzatban szerepl jellsekkel
sk (x) = ck0 + ck1 (x xk1 ) + ck2 (x xk1 )2 + ck3 (x xk1 )2 (x xk )

alakban rhat. Itt a
cki
egytthatk a
tit jelentik. Hasonlan kaphatjuk az
k . intervallumon denilt sk polinom megfelel sk+1 polinomot az [xk , xk+1 ] intervallumon
egyttha-
sk+1 (x) = ck+1,0 + ck+1,1 (x xk1 ) + ck+1,2 (x xk1 )2 + ck+1,3 (x xk1 )2 (x xk )

6.
alakban. Mivel
sk (x) = 2ck2 + 2ck3 (x xk ) + 4ck3 (x xk1 )

s
sk+1 (x) = 2ck+1,2 + 2ck+1,3 (x xk+1 ) + 4ck+1,3 (x xk ),

ahhoz, hogy a msodik derivlt is folytonos legyen az
xk
pontban, a
2ck2 + 4ck3 (xk xk1 ) = 2ck+1,2 + 2ck+1,3 (xk xk+1 )

egyenlsgnek kell teljeslni. Az egytthatk behelyettestse utn a
2 dk1 + 4 xk xk1 =6
egyenlethez jutunk van s Ha
1 1 + xk xk1 xk+1 xk
dk +
2 dk+1 xk+1 xk
(6.5.1)
fk fk1 fk+1 fk + 2 (xk xk1 ) (xk+1 xk )2

derivltrtkek teljestik a (6.5.1)
(k = 1, . . . , n 1). Amennyiben a d0 , . . . , dn
feltteleket, akkor a msodik derivlt folytonos lesz a teljes intervallumon. Mivel
n1 egyenletnk D0
s
n+1 k = 1,
ismeretlen derivltrtk, gy vrhat, hogy mg kt plusz felttelt is elrhatunk.
Legyenek ezek az intervallum kt szln elrt msodik derivltak. Jellje ket akkor
Dn .
s1 (x0 ) = 2c12 + 2c13 (x0 x1 ) = D0 ,

ahonnt a
2 D0 1 f1 f0 d0 + d1 = 3 x1 x0 x1 x0 (x1 x0 )2 2
egyenlsget kapjuk. Ha
(6.5.2)
k = n,
akkor
sn (xn ) = 2cn2 + 4cn3 (xn xn1 ) = Dn .

gy az
1 Dn 2 fn fn1 + dn1 + dn = 3 xn xn1 xn xn1 (xn xn1 )2 2

egyenlethez jutunk. A (6.5.1), (6.5.2), (6.5.3) egyenletekbl ll egyenletrendszert megoldva megkaphatjuk a derivltrtkeket, melyek biztostjk a msodik derivlt folytonossgt s az a msodik derivlt csak
(6.5.3)
d0 , . . . , d n
x0
xn
pontokban
D0
ill.
Termszetesen mivel
Dn rtkt. n+1 ismeretlen derivltrtknk van, s a msodik derivlt folytonossga
n1
egyenletet ignyel, gy az egyrtelmsghez szksges plusz kt felttel nem csak gy
biztosthat, hogy elrjuk a msodik derivltat a vgpontokban. Szoks az is, hogy magt a derivltrtket rjuk el ezekben a pontokban. A (0,4), (1,-1) (2,3) (3,3) (5,0) pontokhoz tartoz legfeljebb harmadfok spline-interpolcis fggvny grakonjt a 6.5.3. brn lthatjuk. Ebben az esetben azt rtuk el a vgpontokban, hogy a derivlt legyen nulla. A 6.5.4. brn pedig szintn egy legfeljebb harmadfok spline-interpolci lthat, de itt a vgpontokban azt rtuk el, hogy a msodik derivlt legyen nulla. Amennyiben az alappontok ekvidisztns mdon helyezkednek el, azaz
xk+1 xk = h
minden
k = 0, . . . , n 1
esetn, akkor a (6.5.1), (6.5.2), (6.5.3) egyenletekbl ll egyenletrendszer az
6.5.
6.5.3. bra. A (0,4), (1,-1) (2,3) (3,3) (5,0) pontokhoz tartoz marmadfok spline-interpolcis fggvny grakonja. A derivlt a vgpontokban nulla.
6.5.4. bra. A (0,4), (1,-1) (2,3) (3,3) (5,0) pontokhoz tartoz harmadfok spline interpolcis fggvny grakonja. A msodik derivlt a vgpontokban nulla.
albbi ttekinthet formban rhat:
h . 3 . . 0 0
2 1 0
1 4 1 0 0
0 1 4 0 0
0 0 1 0 0
0 0 0 0 0
... ... ... ... ...
0 0 0 1 0
0 0 0 4 1
0 0 0
f1 f0 D0 h2 /6 d0 f2 f0 d1 f3 f1 . . = . . . . . . . 1 dn fn fn1 + Dn h2 /6 2
6.
Ha a kt szls pontban a derivltak adottak, akkor az egyenletrendszer
h . 3 . . 0 0
4 1 0 0 0 1 4 1 0 0 0 1 4 1 0 0 0 0 0 0 0 0 0
... ... ... ... ...
0 0 0 1 0
0 0 0 4 1
0 0 0
d1 d2 . . . . . . 1 dn1 4
d0 h/3 f2 f0 f3 f1
. . .
dn h/3
alak lesz. Mindkt esetben az egyenletrendszer mtrixa invertlhat, gy egyrtelm megoldst kapunk a derivltrtkekre, amik pedig egyrtelmen meghatrozzk az egyes szakaszokon a legfeljebb harmadfok polinomokat. A kvetkez ttel a szakaszonknt harmadfok spline-interpolcis fggvny egy extremlis tulajdonsgrl szl.
6.5.2. ttel.
Legyenek adottak az (D0 s
(xi , fi ), (i = 0, . . . , n)
pontok, s legyen
a hozzjuk tartoz szakaszon-
knt legfeljebb harmadfok spline-fggvny, amelynek a vgpontokban vett msodik derivltjai
Dn )
nullk. Ekkor
(s (x))2 dx
I
minden olyan
(g (x))2 dx
I
g C 2 (I)
fggvny esetn, amelyek interpolljk az adott pontokat.
Bizonyts. Nyilvnvalan
s C 2 (I).
xn
Legyen
g C 2 (I)
tetszleges olyan fggvny, amely
interpollja az adott pontokat. Ekkor azt kell megmutatnunk, hogy
(g (x))2 (s (x))2 dx 0.
x0
Knnyen ellenrizhet, hogy
xn
xn
xn
(g (x))2 (s (x))2 dx =
x0 x0
(g (x) s (x))2 dx 2
x0
s (x)(s (x) g (x)) dx.
A jobb oldali els tag nyilvn nemnegatv. A msodik tagrl pedig megmutatjuk, hogy nulla az rtke. Ez igazolja az lltsunkat. Szmoljuk ki az integrlt rszintervallumonknti parcilis integrlssal, kihasznlva, hogy a rszintervallumokon
vgtelen sokszor derivlhat!
xn
xk
s (x)(s (x) g (x)) dx =

x0 n k=1 xk1 xk
s (x)(s (x) g (x)) dx
=
k=1
[s (x)(s (x) g (x))]xk k1
s (x)(s (x) g (x)) dx

xk1
s (x)(s(x) g(x)) dx xk1

=0 xk
=
k=1
x x [s (x)(s (x) g (x))]xk [s (x)(s(x) g(x))]xk k1 k1
6.6.
Trigonometrikus interpolci
=
k=1
[s (x)(s (x) g (x))]xk [s (x)(s(x) g(x))]xk k1 k1 = s (xn )(s (xn ) g (xn )) s (x0 )(s (x0 ) g (x0 )) = 0.
=D0 =0 =Dn =0
Az utols sor egyrszt abbl kvetkezik, hogy az utols eltti sor msodik tagjban szerepl
s(x) g(x)
tnyez minden alappontban nulla, hiszen mindkt fggvny grakonja tmegy az
adott pontokon. Msrszt az els tagbeli sszegbl csak az utols s els tagok klnbsge marad meg, hiszen a fggvnyek msodik derivltja folytonos az intervallumon. Ezzel igazoltuk a ttel lltst.
6.6. Trigonometrikus interpolci

Az alkalmazsokban (pl. digitlis jelfeldolgozs, kpfeldolgozs) gyakran tallkozunk azzal a feladattal, hogy egy adott periodikus fggvnyt trigonometrikus sszetevkre kell bontanunk. Egy
szerint periodikus
f (x)
fggvnynek kereshetjk pl. az
f (x) = 0 +
j=0
alak ellltst, ahol periodikus fggvny az
(j cos(jx) + j sin(jx))
0 , j , j (j = 1, 2, . . .) megfelel konstansok. A fenti ellltst az f (x) trigonometrikus sornak nevezzk. Ismert hogy ahhoz, hogy a Fourier-sor 1 2 1 1
0 2 2
f (x)
fggvnyhez konvergljon, az egytthatkat az
0 = j = j =
f (x) dx,
0 2
f (x) cos(jx) dx, f (x) sin(jx) dx

0
(6.6.1)
mdon kell megvlasztanunk, gy nyerjk az n. Fourier-sort. A fenti integrlokat csak nagyon specilis
f (x)
fggvnyek esetn tudjuk kiszmolni. Tovbbi nehzsg, hogy gyakran az
f (x)
fggvnyt sem ismerjk pontosan, hanem csak nhny (leggyakrabban ekvidisztns) alappontban ismerjk az rtkt. A fenti problmkat gy hidalhatjuk t, hogy elszr az
f (x)
fggvny adott alappontokban
vett rtkeire illesztett trigonometrikus polinomot hatrozzuk meg ezt az eljrst
rikus interpolcinak
trigonomet-
nevezzk, majd ezutn ezzel kzeltjk az
f (x)
fggvny Fourier-sort.
Interpolcis feladatok sorn akkor is rdemes lehet trigonometrikus interpolcit hasznlni, ha tudjuk, hogy az adatok periodikus fggvnyrl szrmaznak. Tegyk fel teht, hogy egy
peridus fggvnynek ismerjk az
fk = f (xk )
rtkeit az
xk = 2k/(n + 1) [0, 2)
azt a
pontokban (k
= 0, . . . , n),
m
ahol
egy pozitv egsz szm. Keressk
tm (x) = a0 +
j=1
alak n.
(aj cos(jx) + bj sin(jx))
m-edfok
0, . . . , n).
Az ismeretlen
nevezzk. sszesen
|am | + |bm | = 0) trigonometrikus polinomot, amelyre tm (xk ) = fk (k = a0 , a1 , . . . , am , b1 , . . . , bm egytthatkat diszkrt Fourier-egytthatknak n + 1 egyenletet kell kielgteni 2m + 1 diszkrt Fourier-egytthatval. Ha
(ha tankonyvtar.bme.hu 173
6.
n pros, akkor vrhat, hogy m = n/2 fok polinom megfelel lesz. Ha n pratlan, akkor m = (n + 1)/2-ed fok polinomra lesz vrhatan szksgnk. Ekkor viszont n + 2 egytthatnk s n + 1 egyenletnk lesz, azaz a rendszer alulhatrozott. Vegyk szre, hogy bm sin(mxk ) = bm sin
azaz a
n + 1 2k 2 n+1
= bm sin(k) = 0,
bm
egytthathoz tartoz
nem befolysolja az interpolcit. gy polinomokat (pratlan mutatjk.
sin(mx) fggny az alappontokban nullt vesz fel, gy bm rtke bm rtkt vlaszthatjuk nullnak. Az ilyen trigonometrikus n esetn) kiegyenslyozott trigonometrikus polinomoknak nevezzk. Azt,
hogy a fent kitallt fokszm polinomokkal meg is valsthat az interpolci, az albbi ttelek
6.6.1. ttel.
Tegyk fel, hogy az Tegyk fel, hogy kiegyenslyozott
xk = 2k/(n+1) alappontokban adottak az fk R rtkek (k = 0, . . . , n). n pratlan. Ekkor egyrtelmen ltezik egy olyan m = (n + 1)/2-ed fok tm trigonometrikus polinom, melyre tm (xk ) = fk (k = 0, . . . , n). A vals 1 n+1 2 n+1 2 n+1
n
diszkrt Fourier egytthatk az albbi mdon szmolhatk:
a0 = aj = bj =
fk ,
k=0 n
am =
1 n+1
fk cos(mxk ),
k=0
fk cos(jxk )
k=0 n
(j = 1, . . . , m 1), (j = 1, . . . , m 1).
fk sin(jxk )
k=0
Bizonyts. A ttelt gy igazoljuk, hogy ellltjuk explicit mdon az interpolcis polinomot. Kzben ltni fogjuk, hogy az elllts egyrtelm. A kompex szmok Euler-alakjt hasznlva
eijx = cos(jx) + i sin(jx), eijx = cos(jx) i sin(jx),

ahonnt azt kapjuk, hogy
cos(jx) =
eijx + eijx 2
sin(jx) = tm
eijx eijx . 2i
polinomba.
Az gy kapott kifejezseket helyettestsk vissza az eredeti
tm (x) = a0 +
j=1 =:c0
aj
eijx + eijx eijx eijx + bj 2 2i =:cj =:cj aj bj i ijx aj + bj i ijx + e + e 2 2 cm imx cm imx e + e . 2 2
=:cm /2
=:cm /2
m1
= a0 +
j=1 m1
am imx e + 2
am 2
eimx
=
j=(m1)
cj eijx +
6.6.
Trigonometrikus interpolci
Vezessk be a fenti kpletekben szerepl egyes egytthatkra a
c0 = a 0 , aj bj i , cj = 2 aj + bj i cj = , 2 cm = cm = am
jellseket. Ezeket a
(6.6.2)
cj (j = m, . . . , m) a 0 = c0 , am = cm ,
egytthatkat komplex Fourier-egytthatknak nevez-
zk. Az eredeti vals egytthatk is knnyen elllthatk a
cj
egytthatkkal:
aj = cj + cj , (j = 1, . . . , m 1), bj = (cj cj )i (j = 1, . . . , m 1).

A trigonometrikus interpolcis polinom ezen talaktsa utn trjnk t a tm (xk )
(6.6.3)
= fk , azaz
(6.6.4)
m1
cj eijxk +
j=(m1)
interpolcis kvetelmnyek teljestsre (k Vezessk be a
cm imxk cm imxk e + e = fk 2 2 = 0, . . . , n)!
w = ei2/(n+1)
komplex egysggykre (w
jellst az
(n + 1)-edik
n+1
= 1).
Ezzel a jellssel
eijxk = wjk
s
wmk = w(n+1)k/2 = (ei )k = (1)k .
Teht (6.6.4) bal oldalnak utols kt tagja sszevonhat
m1
cj wjk +
j=(m1)
cm cm (1)k + (1)k = fk 2 2
cm wmk
mdon, azaz a megoldand egyenletrendszer a
cj wjk = fk
j=(m1)
alakot lti.
(k = 0, . . . , n)
(6.6.5)
Ez az egyenletrendszer mtrixos alakban
1 w(m2) w2(m2)
. . .
w(m1) 2(m1) w . . . wn(m1)
... ... ... ... ...
1 w(m1) w2(m1)
. . .
1 wm w2m
. . .
c(m1) c(m2) c(m3)

. . .
f0 f1 f2
. . .
wn(m2)
wn(m1)
wnm
cm
cn+1
fn
fn+1
Gn+1
6.
mdon rhat. Bevezetve a fenti jellseket a
Gn+1 cn+1 = fn+1

lineris egyenletrendszert kell megoldanunk
(6.6.6)
cn+1 -re,
rok mretre utalnak. Most megmutatjuk, hogy az
ahol az als indexek a mtrixok s vekto (1/ n + 1)Gn+1 mtrix unitr (inverze a
transzponlt konjugltja), gy a keresett komplex Fourier egytthatk vektora a
cn+1 =
vagy koordintnknt
1 GH fn+1 , n + 1 n+1
(6.6.7)
cj =
1 n+1
fk wjk ,
k=0
j = (m 1), . . . , m
(6.6.8)
mdon, egyrtelmen llthat el. Ehhez elg megmutatni, hogy
Gn+1 GH = (n + 1)E. n+1

Ez lthat, ha kiszmoljuk a mtrix
index sornak
index elemt (k
= 0, . . . , n, j = (m
1), . . . , m)
m m
(Gn+1 GH )kj = n+1

s=(m1)
wks wjs =
s=(m1)
ws(kj)
ha
n + 1, w
(m1)(k1) (w
kj n+1
k = j, k = j.
1 wkj 1 )
= 0,
ha
Mivel az
fk
fggvnyrtkek valsak, ezrt
egyms konjugltjai;
a 0 = c0
am = cm
vals rtkek. gy teht
cj = cj (j = 1, . . . , m 1), azaz ezek az egytthatk aj = 2Re(cj ) s bj = 2Im(cj ).
Innt kapjuk a vals Fourier-egytthatk ttelbeli alakjt.
inverz diszkrt Fourier-transzformci (IDFT)

kpletet pedig a
A bizonytsban szerepl (6.6.5) vagy (6.6.6) kpletet a
Fourier-szintzis
vagy ms nven
kpletnek hvjuk, hiszen a komplex Fourier-
egytthatkbl ez a kplet lltja el az alappontokbeli fggvnyrtkeket. A (6.6.7) vagy (6.6.8)
Fourier-analzis
vagy ms nven
diszkrt Fourier-transzformci (DFT)
kple-
tnek nevezzk. Ezen kplet segtsgvel lehet az alappontokbeli fggvnyrtkekbl a komplex Fourier-egytthatkat meghatrozni. Az elz ttelhez hasonl igaz pros
n esetn
is. A ttelt bizonyts nlkl kzljk. (Bizony-
tsa az elz ttelnek megfelelen knnyen megadhat.)
6.7.
Gyors Fourier-transzformci
6.6.2. ttel.
Tegyk fel, hogy az
xk = 2k/(n + 1) alappontokban adottak az fk R rtkek (k = 0, . . . , n). Tegyk fel, hogy n pros. Ekkor egyrtelmen ltezik egy olyan m = n/2-ed fok tm trigonometrikus polinom, melyre tm (xk ) = fk (k = 0, . . . , n). A vals diszkrt Fourieregytthatk az albbi mdon szmolhatk:
a0 = aj = bj =
1 n+1 2 n+1 2 n+1
fk ,
k=0 n
fk cos(jxk )
k=0 n
(j = 1, . . . , m), (j = 1, . . . , m).
fk sin(jxk )
k=0
6.6.3. megjegyzs.
Vegyk szre, hogy a fenti ttelekben szerepl diszkrt Fourier-egytthatk
tulajdonkppen a (6.6.1) kpletben szerepl folytonos Fourier-egytthatk numerikus kzeltsei (lsd a numerikus integrlsrl szl 8. fejezetet).
6.6.4. plda.
Mivel
Hatrozzuk meg a
(0, 3), (/2, 5), (, 0), (3/2, 1)
pontokra illeszked legala-
csonyabbfok trigonometrikus interpolcis polinomot!
n = 3, gy csak az a0 , a1 , a2 , b1 diszkrt Fourier-egytthatkat kell meghatroznunk. xk fk cos xk sin xk cos(2xk ) 0 3 1 0 1 /2 5 0 1 1 0 1 0 1 3/2 1 0 1 1
A szmolsokat clszer ttekinthet formba tblzatba rendezni.
9 3 4 3
9/4 = a0 6/4 = 3/2 = a1 8/4 = 2 = b1 3/4 = a2
Itt az utols eltti oszlopban a fggvnyrtkek s a trigonometrikus rtkek vektornak skalris szorzatai szerepelnek. Az utols oszlopban pedig ezen rtkek vannak beszorozva
2/(n + 1) = 2/4 = 1/2-del, a0

polinom (6.6.1. bra)
a2
esetn csak ennek felvel. gy a keresett interpolcis
t2 (x) =
9 3 3 + cos x + 2 sin x cos(2x). 4 2 4
6.7. Gyors Fourier-transzformci

A diszkrt Fourier-transzformci esetn a nunk az n+1 fggvnyrtkvektort a jelent, ha mr az
GH n+1
cn+1
egytthatvektor kiszmtshoz be kell szoroz-
mtrixszal. Ez alapesetben
(n + 1)2
komplex szorzst
(n + 1)-edik
egysggykket elre kiszmtottuk. (Itt az egyszersg kedvrt
csak a szorzsokat szmoljuk. Ezt azzal indokoljuk, hogy egy komplex sszeads csak 2 op, tankonyvtar.bme.hu 177
6.
6.6.1. bra.
(0, 3), (/2, 5), (, 0), (3/2, 1)
pontokat interpoll trigonometrikus polinom.
mg egy komplex szorzs 6 op.) Vajon megvalsthat-e ez a szorzs kevesebb mvelettel is? Els rnzsre ez egyltaln nem vilgos, hiszen a met tartalmazhat, hiszen ennyi klnbz
GH n+1
mtrix egyik eleme sem nulla, azaz egy
teli mtrixszal van dolgunk. Ugyanakkor az is lthat, hogy a mtrix csak
n+1
klnbz ele-
n + 1-edik
egysggyk van. Ez remnyt adhat arra,
hogy egyszersthet a szorzs. A tovbbiakban fel fogjuk tenni, hogy
n+1
pros. Ekkor egy
m = (n + 1)/2-ed
fok kiegyenslyozott interpolcis polinomot keresnk. Az
m = (n + 1)/2
egyenlsg miatt hol
m-et,
hol
(n + 1)/2-t
fogunk hasznlni. Mindig azt, amelyik knyelmesebb, (angolul: fast Fourier
vagy jobban mutatja a lnyeget. A most ismertetend mdszert, amit
gyors Fourier-transzformcinak
transform (FFT)) neveznek, mr Gauss is lerta az 1800-as vek elejn, de munkja feledsbe merlt. Az eljrst a szmtgpek megjelensvel jra felfedeztk. Az els alkalmazs 1965-ben James W. Cooley (IBM) s John W. Tukey (Princeton) nevhez fzdik. A diszkrt Fourier-transzformci vgrehajtshoz ki kell szmolnunk a (6.6.7) mtrixszorzst, ami koordintnknt kirva
c(m1) c(m2) c(m3)

. . .
cm
1 1 1 . . = n+1 . 1 1
w(m1) w(m2)
. . .
w2(m1) w2(m2)
. . .
w(m1) wm
w2(m1) w2m
wn(m1) f0 wn(m2) f1 f2 . . ... . . n(m1) . . ... w fn ... wnm ... ...
alak. Sorcserkkel (a
cn+1
vektor elemsorrendje is megvltozik) s kihasznlva, hogy
w (n + 1)-
6.7.
Gyors Fourier-transzformci
edik egysggyk (azaz
ws = ws+2m ),
az albbi alakra rhat ez az egyenletrendszer
. . . c(m1) cm cm1 . . . c1
c0 c1 c2
1 1 1 . . . 1 = 1 n+1 1 1 . . . 1
1 w w2
. . .
1 w2 w4
. . .
1 ... ...
1 wn w2n
.
f0 f1 f2
. . .
w wm (m+1) w
. . .
m1
w w
2(m1)
w2m
2(m+1)
. . .
. ... . (m1)n ... w ... wmn (m+1)n ... w
wn
w2n
... ...
. . .
fn
wn
Ezutn oszlopcsert hajtunk vgre gy, hogy elre cserljk a mtrix pratlan sorszm oszlopait. Ekkor az
fn+1
vektor elemsorrendje is megvltozik.
. . . c(m1) cm cm1 . . . c1
c0 c1 c2
1 = n+1
1 1 1
1 w2 w4
1 ... ...
1 wn1 w2(n1)
1 w w2
1 w3 w6
1 ... ...
1 wn w2n
. . .
1 1 1
. . .
w2(m1) w2m w2(m+1)
. . .
... ... ...
. . .
w(m1)(n1) wm(n1) w(m+1)(n1)
. . .
wm1 wm w(m+1)
. . .
w3(m1) w3m w3(m+1)
. . .
... ... ...
. . .
w(m1)n wmn w(m+1)n
. . .
1
. . .
w2n
. . .
...
. . .
wn(n1)
. . .
wn
. . .
w3n
. . .
...
. . .
wn
f0 f 2 f 4 . . . fn1 f1 f3 . . . fn
Fn+1
1 = [f0 , f2 , f4 , . . . , fn1 ]T Rm s 2 = [f1 , f3 , . . . , fn ]T Rm vektorra. Vegyk f f szre, hogy az Fn+1 mtrixot mr az n+1 szmrtk maga meghatrozza. A DFT felgyorstshoz
osszuk fel kt az Vezessk be a fenti egyenletrendszer mtrixra az
Fn+1
jellst, tovbb az
fn+1
vektort is
Fn+1
szorzst kellene
1 f 2 f
(n + 1)2 1 f 2 f
komplex szorzs helyett kevesebbel vgrehajtani. Ez a szorzs az
Fn+1
mtrix gyes felrsval az
Fn+1
E(n+1)/2 D(n+1)/2 E(n+1)/2 D(n+1)/2
F(n+1)/2 0 0 F(n+1)/2
1 f 2 f
alakban rhat (lsd mg a mtrix partcijt az elz kpletben), ahol
D(n+1)/2 = diag(1, w, . . . , wm1 ) Rmm E(n+1)/2

az diagonlmtrix,
F(n+1)/2
pedig az
rixszorzs sorn!
F(n+1)/22 f
az (n + 1)/2-edik egysggykkkel Fn+1 -hez hasonlan kpzett mtrix, m m-es egysgmtrix. Szmoljuk ki a komplex szorzsok szmt a fenti mt2 Elszr is az F(n+1)/21 szorzs ((n + 1)/2) komplex szorzst jelent, hasonlan f
szorzshoz (mindkett egy fele akkora mret diszkrt Fourier-transzformcinak
felel meg, mint az eredeti feladat). Ezutn mg a az F(n+1)/22 f szorzat
D(n+1)/2
diagonlmtrixszal kell beszoroznunk
(n + 1)/2 mret eredmnyvektort. Ez tovbbi (n + 1)/2 komplex szorzst

6.
jelent. Tbb komplex szorzsra nincs szksg. gy sszesen az eredeti helyett csak
(n + 1)2
komplex szorzs
2
szorzst kell vgrehajtanunk.
n+1 2
n+1 2
Mg jelentsebb mveletszm-cskkens rhet el, ha szrevesszk, hogy az az eredeti feladat esetn. Ha teht alkalmazhat az Jellje
F(n+1)/21 szorzs f
n+1
sorn egy ugyanolyan tpus, csak kisebb mret mtrixszal kell szoroznunk egy vektort, mint
F(n+1)/21 f
s az
F(n+1)/22 f
(n + 1)/2
maga is pros, akkor az ismertetett eljrs jra
szorzs esetn is. Az idelis eset az, amikor
ketthatvny. Vizsgljuk meg ezt az esetet kln az elvgzend komplex szorzsok szempontjbl.
Ql
2l
osztponttal rendelkez FFT komplex szorzsainak szmt. Ekkor nyilvn
Ql = 2Ql1 + 2l1 ,
hiszen kt fele akkora mret mtrixszorzst s egy fele akkora mret vektor elemeinek egysggykhatvnyokkal val beszorzst kell elvgeznnk. Figyelembe vve, hogy indukcival kapjuk, hogy
Q1 = 1,
teljes
Ql = l2l1 =
tblzatban az osztpontok
1 (n + 1) log2 (n + 1). 2
Ahogy ezt az albbi tblzat mutatja, ez jelents mveletszm-cskkens a DFT-hoz kpest. A
n+1
szmnak fggvnyben adtuk meg a DFT-hez s a FFT-hez
szksges komplex szorzsok szmt.
n+1 25 = 32 210 = 1024 20 2 = 1048576
DF T 1024 1048576 1099511627776
FFT 80 5120 10485760
6.8. Kzelts legkisebb ngyzetek rtelemben

A statisztikban gyakori az a feladat, hogy a koordintarendszerben elhelyezked
(xi , fi ) (i =
1, . . . , n)
pontokhoz "legkzelebb halad" adott tpus fggvnyt kell meghatroznunk. Ennek
segtsgvel lehet ugyanis megllaptani az kzti kapcsolatot. Jellje
xi
fi
rtkeket szolgltat valsznsgi vltozk
azon fggvnyek halmazt, melyek kzl szeretnnk kivlasztani az
adott pontokhoz "legkzelebb halad" fggvnyt. Mieltt tisztzzuk, hogy mit rtnk "legkzelebb halad" fggvnyen, vezessk be a kvetkez jellseket. Az Egy adott
vektor fogja jellni az alap-
pontok vektort, ahol az alappontokat monoton nv sorrendben indexeljk:
fggvny esetn
(x)
fogja jellni a
MATLAB-ban is szoksos). Jellje tovbb
f az [f1 , . . . , fn ]T
[(x1 ), . . . , (xn )]
vektort.
x = [x1 , . . . , xn ]T .
vektort (ez a jells a
6.8.1. denci.
Azt mondjuk, hogy a
fggvny
(xi , fi ) (i = 1, . . . , n)
esetn.
pontoknak, ha
legkisebb ngyzetek rtelemben legjobb kzeltse az (x) f 2 (x) f 2 minden F fggvny 2 2
A legkisebb ngyzetek rtelemben legjobb kzeltst kt specilis esetben fogjuk megadni. Az egyik az az eset lesz, amikor
a legfeljebb
k -adfok polinomok halmaza, a msik pedig az, amikor
bizonyos, az alappontokon ortonormlt fggvnyek sszes lineris kombincija. Kezdjk teht azzal az esettel, amikor
Nyilvnvalan feltehetjk, hogy klnbz rtkek szmt.
F = Pk , azaz a legfeljebb k -adfok polinomok halmaza. k nkl. 1, ahol nkl. jelli az x1 , . . . , xn rtkek kztt a
6.8.
Kzelts legkisebb ngyzetek rtelemben
6.8.2. ttel.
Az jebb
(xi , fi ) (i = 1, . . . , n) pontokat legkisebb ngyzetek rtelemben legjobban k -adfok (k nkl. 1) ak xk + . . . + a1 x + a0 polinom egytthatit az a f 1 x1 x2 . . . x k 0 1 1 1 1 x2 x2 . . . xk a1 f2 2 2 a 2 = f3 . . . . . . . . . . . . . ... . . . . . 1 xn x2 . . . xk n n fn ak
A a f
kzelt, legfel-
(6.8.1)
tlhatrozott lineris egyenletrendszer legkisebb ngyzetek rtelemben legjobb adja.
aLS
megoldsa
Bizonyts. A (6.8.1) egyenletrendszer nyilvnvalan tlhatrozott, hiszen teljes rang. Ha a mtrix nem lenne teljes rang, akkor lteznnek olyan melyek kzl legalbb az egyik klnbzik nulltl, s
n nkl. k+1, s a0 , . . . , ak egytthatk,
1 1 . . . 1
Ekkor viszont az
x1 x2
. . .
x2 1 x2 2
. . .
... ... ... ...
xn
x2 n
a xk 0 1 a xk 1 2 a 2 = . . . . . . k xn ak k -ad
0 0 0
. . .
0 nkl. k + 1
zrushelye
ak xk + . . . + a1 x + a0
legfeljebb
fok polinomnak
lenne, ami ellentmond az algebra alapttelnek. (a ttelbeli jellsekkel)
A tlhatrozott egyenletrendszer legkisebb ngyzetek rtelemben legjobb
ak xk + . . . + a1 xi + a0 (i = i
AaLS f
2 2 1, . . . , n), ezrt az
aLS megoldsra Aa f 2 minden a Rk+1 esetn. Mivel (Aa)i = 2 aLS vektor ppen a legkisebb ngyzetek rtelemben
legjobban kzelt polinom egytthatit tartalmaz vektor lesz.
6.8.3. plda.
Keressk meg a
(1, 1), (0, 2), (1, 2), (2, 4) 1 1 1 1 x1 x2 x3 x3
pontokat legjobban kzelt legfel-
jebb elsfok polinomot! Elszr felrjuk az
a0 a1 = 1 x1 1 x2 1 x3 1 x4
1 x1
1 x2
1 x3
1 x4
f1 f2 f3 . f4
normlegyenetet, amit tmrebben az
n
n i=1
xi
n i=1 xi n 2 i=1 xi
a0 a1
n i=1 fi n i=1 (xi fi )

gy a legjobban
alakban rhatunk. Az egyenletrendszer megoldsa kzelt polinom a
a0 = 9/5, a1 = 9/10,
p(x) = 9x/10 + 9/5
polinom lesz.
6.
Most trjnk t arra az esetre, amikor abszcisszj pont az adott pontok kztt.
bizonyos ortonormlt fggvnyek sszes lineris
kombincijt tartalmazza! Tegyk fel most, hogy
n = nkl. ,
azaz, hogy nincs kt egyforma
6.8.4. denci.
T (x)2 (x) = 0. 1
alappontokon. Azt mondjuk, hogy a Ha
1 s 2 fggvnyek ortogonlisak az x1 , . . . , xn alappontokon, T (x)(x) = 1, akkor azt mondjuk, hogy a fggvny normlt
ha az
6.8.5. ttel.
Legyenek legyen
1 , . . . , k pronknt ortogonlisak s normltak az x1 , . . . , xn alappontokon, s F = lin{1 , . . . , k }, azaz a i fggvnyek sszes lineris kombincija. Az (xi , fi ) (i = 1, . . . , n) (klnbz abszcisszj) pontokat legkisebb ngyzetek rtelemben legjobban kzelt fggvny az F halmazbl a
k
(x) =
i=1
alakban rhat.
(T (x)f)i (x) i
Bizonyts. Elszr vegyk szre, hogy nyilvnvalan bl csak maximum
k n kell legyen, hiszen n-elem vektork
pronknt ortogonlis vektor adhat meg. Keressk a legkisebb ngyzetek
rtelemben legjobban kzelt fggvnyt
F -bl a (x) = i=1 i i (x) alakban! Ekkor mivel tetszleges F , (x) = 1 1 (x) + . . . + k k (x) fggvny esetn 1 (x1 ) 2 (x1 ) . . . k (x1 ) 1 1 (x2 ) 2 (x2 ) . . . k (x2 ) 2 (x) = 1 1 (x) + . . . + k k (x) = . . . . . . . . . . ... . . 1 (xn ) 2 (xn ) . . . k (xn ) k F
fggvny adja a legjobb kzeltst, melyre az
gy az a
1 (x1 ) 2 (x1 ) 1 (x2 ) 2 (x2 ) . . . . . . 1 (xn ) 2 (xn )

A
k (x1 ) k (x2 ) . . ... . . . . k (xn ) ... ...
1 , . . . , n rtkek f1 1 f 2 2 f3 . = . . . . . k fn
f
ppen az
LS
tlhatrozott lineris egyenletrendszer legkisebb ngyzetek rtelemben legjobb megoldst adjk. Az egyenletrendszer az rtelemben legjobb
nk
egyenlsg miatt nyilvn tlhatrozott s az oszlopvektorok ortomegoldsa a fenti jellsekkel az
gonalitsa miatt teljes rang is. A 3.9. fejezet alapjn az egyenletrendszer legkisebb ngyzetek
LS = [1 , . . . , k ]T
LS = (AT A)1 AT f = AT f
=E
alakban rhat, azaz
i = (AT f)i =
k j=1
i (xj )fj = T (x)f. i
6.9.
Interpolcis feladatok megoldsa a MATLAB-ban
Ha a fenti ttel segtsgvel szeretnnk a legkisebb ngyzetek rtelemben legjobban kzelt
k -adfok (k n 1) polinomot megadni, akkor a kvetkez mdon jrhatunk el. VePk halmazon a p, q = pT (x)q(x) fggvny skalris szorzatot denil. Ezzel a k skalris szorzattal a GramSchmidt-ortogonalizcival ellltunk az 1, x, . . . x linerisan fggetlen polinomokbl egy ortonormlt bzist: q0 , q1 , . . . , qk , ahol az als index a polinom fokszmt
legfeljebb gyk szre, hogy a jelli. Ezutn a legkisebb ngyzetek rtelemben legjobban kzelt polinom a
p(x) =
i=0
alakban rhat.
T (qi (x)f)qi (x)
6.8.6. plda.
Keressk meg a
(1, 1), (0, 2), (1, 2), (2, 4)
pontokhoz legjobban illeszked leg-
feljebb elsfok polinomot az alappontokon ortonormlt polinomok segtsgvel! Az 1 s x polinomokat ortonormlva a megfelel skalris szorzatra nzve azt kapjuk, hogy q0 (x) = 1/2 s q1 (x) = (x 1/2)/ 5. Innt
p(x) =
91 9 1 9 9 + (x 1/2) = x+ . 22 2 5 5 10 5
Az
xk = 2k/(n + 1) (k = 0, . . . , n)
alappontokon az
1, sin(jx), cos(jx), (j = 1, 2, . . .)
polinomok ortogonlis rendszert alkotnak (6.10.15. feladat). Ezt a tnyt felhasznlva a legkisebb ngyzetek rtelemben legjobban kzelt legfeljebb
k -adfok
trigonometrikus polinom hasonlan
hatrozhat meg, mint a polinomok esetn. Eredmnyl azt kapjuk, hogy az alacsonyabb fokszm ngyzetsszeg rtelemben legjobban kzelt trigonometrikus polinomokat az interpoll trigonometrikus polinom megfelel csonkolsaival llthatjuk el.
6.8.7. megjegyzs.
legfeljebb
Tegyk fel, hogy mr meghatroztuk az adott pontokat legjobban kzelt polinomot. Ekkor, ha a legfeljebb
k -adfok
k+1
fok hasonl polinomra vagyunk
kivncsiak, s a normlegyenlettel hatroztuk meg a legfeljebb akkor cak meg kell hatrozni a
k -adfok
polinomot, akkor azt
most jra fel kell rni, s meg kell oldani. Ha ellenben ortonormlt polinomokat hasznltunk, hozzadni a korbban kiszmolt
(k +1)-edik ortonormlt polinomot, s ezt megfelel egytthatval k -adfok polinomhoz.
6.9. Interpolcis feladatok megoldsa a MATLAB-ban

A MATLAB-ban tbbek kztt az albbi parancsokat hasznlhatjuk interpolcis feladatok megoldsra.
z=polyfit(x,y,n): Az interpolcis pontok x-koordintit az x vektor, mg y -koordintit az ugyanolyan mret y vektor tartalmazza. Az n rtk az illesztend polinom fokszmt
adja meg. Ha nincs a felttelnek megfelel polinom, akkor a legkisebb ngyzetek rtelmben legjobban kzelt polinomot kapjuk vissza. Az interpolcis polinom egytthati a vektorba kerlnek a legmagasabb fok taggal kezdden. tankonyvtar.bme.hu 183
6.
yi=polyval(z,xi):
vektorral adott polinom rtkt szmolja ki a parancs az
torban meghatrozott helyeken. A fggvnyrtkek rendre az
yi
xi
vek-
vektorban jelennek meg.
yi = interp1(x,y,xi,'mdszer'): A parancs az x s y vektorok ltal meghatrozott pontokra illeszt a 'mdszer' eljrsnak megfelelen egy interpolcis fggvnyt. Ezen fggvny
xi
vektorban adott helyeken vett fggvnyrtkeit tartalmazza az
yi
vektor. A 'mdszer'
lehet pl. 'linear': szakaszonknt lineris, 'spline': szakaszonknt legfeljebb harmadfok spline-interpolci, 'cubic': szakaszonknt legfeljebb harmadfok polinom, mely monotonitstart. Azaz monoton
rtkek esetn az interpolcis fggvny is ugyanolyan monotonits, konstans
rtkek kztt a fggvny is konstans (6.9.1. bra).
fft, ifft:
gyors Fourier-transzformci s inverznek parancsa.
6.9.1. bra.
A 'cubic', 'spline' s 'linear' interpolci megvalstsnak szemlltetse.
Lssunk most nhny pldt a fenti parancsok alkalmazsra!
>> x=[0,1,2,3], y=[0,1,4,9] % A pontok x- s y-koordintinak megadsa. x = 0 y = 1 2 3
6.10.
Feladatok
>> z=polyfit(x,y,3) % Legfeljebb harmadfok interpolcis polinom. z = 0.0000 1.0000 0.0000 0.0000 % Ez az x^3 fggvny.
>> yi=polyval(z,[0.3,0.6]) % A polinom helyettestsi rtke 0.3-nl % s 0.6-nl. yi = 0.0900 0.3600
>> yi=interp(x,y,[0.5,1.5],'linear'); % Szakaszonknt lineris % interpolcis fggvny 0.5-nl s 1.5-nl. yi = 0.5000 2.5000 fft
A MATLAB
parancsa a komplex Fourier-egytthatkat hatrozza meg. Az albbi prog-
ram megadja a MATLAB ltal adott komplex egytthatkbl a vals egytthatkat.
function dftvalos(n,fx) m=(n+1)/2; h = 2*pi/(n+1); x=[0:h:2*pi*(n/(n+1))]; w=exp(i*h); %fx=eval(f); X=fft(fx); a=2*real(X(2:m+1))/(n+1); b=-2*imag(X(2:m+1))/(n+1); display('A vals diszkrt Fourier-egytthatk:') a0=X(1)/(n+1) if mod(n,2) == 1 a(m)=a(2)/2; end a b http://www.chem.
uoa.gr/applets/AppletPoly/Appl_Poly2.html
A legkisebb ngyzetek rtelemben vett kzeltseket jl szemllteti pl. a
oldalon tallhat alkalmazs.
6.10. Feladatok
Polinominterpolci tankonyvtar.bme.hu 185
6.
6.10.1. feladat. Szmtgp segtsgvel hatrozzuk meg az
1 0
ex
dx
integrl rtkt gy, hogy a [0,1] intervallumot t egyenl rszre osztjuk, meghatrozzuk az interpolcis polinomot, s azt integrljuk az adott intervallumon! Az integrl "pontos" rtke 0.7468241330. Kzeltsk az sgvel az
ex
fggvny derivltjt az interpolcis polinom derivltja segt-
x = 0.5
pontban! Hasonltsuk ssze az eredmnyt a pontos derivlt rtkvel!
6.10.2. feladat. A
sin x fggvny rtkeit ismerjk a [0, ] intervallumon a k/6 pontokban (k =

kzelt rtkt! Becsljk meg a szmts eltt, hogy mekkora hibra
0, 1, 2, 3, 4, 5, 6).
hatrozzuk meg szmthatunk!
Illessznk ezekre a pontokra egy interpolcis polinomot, s annak segtsgvel
sin 1
6.10.3. feladat. Szmtgp hasznlata nlkl hatrozzuk meg a
(1, 6), (0, 3) f (x) = 4
(1, 2)
pon-
tokra illeszked interpolcis polinomot a Lagrange- s Newton-mdszerrel is! 6.10.4. feladat. Szmtgp hasznlata nlkl hatrozzuk meg az segtsgvel! 6.10.5. feladat. Hogyan egyszersthet az interpolcis polinom meghatrozsa a Newtonmdszerrel, ha az alappontok egyforma tvol vannak egymstl? Hatrozzuk meg a mdszerrel a (4,1), (6,3), (8,8) s (10,20) pontokhoz tartoz interpolcis polinomot! 6.10.6. feladat. Igazoljuk a 6.2.7. ttelt teljes indukci segtsgvel! 6.10.7. feladat. Szmtgp nlkl hatrozzuk meg azt a legalacsonyabb fok melyre
x+x2
fggvny
rtkeit a 0.5, 80 s 25 pontokban a 0, 1, 16 s 81 pontokhoz tartoz interpolcis polinom
polinomot,
p(1) = 2, p (1) = 1, p(3) = 1
p (3) = 2! p(2) = 2
s
6.10.8. feladat. Az elz feladat adatait mdostsuk gy, hogy mg ismert a
p (2) = 1
felttel is! Mi lesz ekkor az interpolcis polinom?
6.10.9. feladat. Illessznk szakaszonknt harmadfok spline-fggvnyt az (1,2), (2,1), (3,1) alappontokra! 6.10.10. feladat. Osszuk fel a tekintsk az osztpontokban a maximlis eltrst! 6.10.11. feladat. Adjuk meg, hogy hogyan egyszersdik a interpolcira! Trigonometrikus interpolci 6.10.12. feladat. Tekintsk az f (x) = |x| fggvnyt, 2k/(3 + 1) (k = 0, . . . , 3) pontokat. Hatrozzuk meg az f nlkl! 6.10.13. feladat. Hogyan lehet a DFT-t felgyorstani abban az esetben, ha az interpolcis alappontok szma nem ketthatvny, hanem kt egsz szm szorzatakt ll el? 6.10.14. feladat. Alkalmazzuk az elz feladatban konstrult FFT mdszert a Fourier-egytthatk 186 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) s vlasszuk alappontoknak az
[0, ] intervallumot hrom egyenl hosszsg intervallumra s sin x fggvny rtkeit. Az gy nyert pontokra illessznk szaka-
szonknt harmadfok spline-fggvnyt! Becsljk meg az eredeti fggvny s a spline-fggvny
qk
slyok kiszmtsa a baricent-
rikus interpolcis formulnl abban az esetben, ha a Csebisev-alappontokat alkalmazzuk az
xk =
fggvnyt az alappontokon interpoll
legalacsonyabb fokszm (kiegyenslyozott) trigonometrikus polinomot szmtgp alkalmazsa
6.10.
Feladatok
ellltsra az albbi alappontok esetn! Az FFT eljrst kzi szmolssal hajtsuk vgre!
xk fk
0 0
2/6 1
4/6 1
6/6 0
8/6 1
10/6 1
Legkisebb ngyzetek rtelemben legjobb kzeltsek 6.10.15. feladat. Igazoljuk, hogy az az
1, cos(jx), sin(jx) (j = 1, 2, . . .) n
fggvnyek ortogonlisak
xk = 2k/(n + 1) (k = 0, . . . , n)
alappontokon! Hatrozzuk meg ez alapjn a trigonometrikus pros rtk!
interpolcis polinom egytthatit abban az esetben, ha
6.10.16. feladat. Hatrozzuk meg az albbi pontokat legkisebb ngyzetek rtelemben legjobban kzelt legfeljebb els s msodfok polinomokat! (Oldjuk meg a feladatot a normlegyenlet felrsval ill. ortogonlis polinomok hasznlatval!) Oldjuk meg a feladatot ellenrzskppen a MATLAB
polyfit
parancsval is!
xk fk
1 3
0 1
1 1
2 0
4 1
Ellenrz krdsek
1. Adjuk meg a globlis polinominterpolci alapfeladatt! Mit mondhatunk az interpolcis polinom ltezsrl s unicitsrl? 2. Hogyan llthatjuk el az interpolcis polinomot Lagrange mdszervel? 3. Deniljuk az osztott-dierencik fogalmt s adjuk meg tulajdonsgaikat! 4. Hogyan llthatjuk el az interpolcis polinomot Newton mdszervel? 5. Mit ad meg az interpolcis hiba s hogyan tudjuk megadni az rtkt? 6. Mit szemlltet Runge pldja? 7. Milyen extremlis tulajdonsgai vannak a Csebisev-polinomoknak? 8. Mit rtnk HermiteFejr interpolcin? Hogy kell ezt az interpolcis polinomot meghatrozni? 9. Mit rtnk spline-interpolcin? 10. Milyen tulajdonsggal rendelkeznek a szakaszonknt legfeljebb harmadfok spline-fggvnyek? 11. Mit jelentenek a Fourier-szintzis s Fourier-analzis fogalmak? 12. Milyen eljrst neveznk gyors Fourier-transzformcinak? 13. Hogyan hatrozhatunk adott alappontokat legkisebb ngyzetek rtelemben legjobban kzelt fggvnyeket? Hasonltsuk ssze a mdszereket!
7. Numerikus derivls
Ebben a fejezetben azt vizsgljuk, hogy hogyan lehet egy fggvny derivltjait kzelteni a fggvnyrtkek segtsgvel. Bevezetjk a halad-, retrogrd- s kzponti dierencikat. A bemutatott kpletek a dierencilegyenletek numerikus megoldsval foglalkoz fejezetben jtszanak majd fontos szerepet.
7.1. A numerikus derivls alapfeladata

Tegyk fel, hogy az
x0 , x0 h, x0 2h, . . . , x0 kh R (h > 0, k N)
pontokban ismertek egy
kellen sokszor dierencilhat fggvny fggvnyrtkei. Jellje ezeket rendre Ebben a fejezetben azt vizsgljuk meg, hogy hogyan kzelthetjk az
f f0 , f1 , f2 , . . . , fk .
fggvny derivltjait az
x0
pontban (az egyszersg kedvrt
f0 , f0
stb. jelli ezeket) a fggvnyrtkek segtsgvel s
hogy ezek a kzeltsek milyen tulajdonsgokkal rendelkeznek. A fenti tpus feladattal tallkozunk amikor diszkrt idpontokban mrt helykoordintk segtsgvel sebessget, diszkrt sebessgrtkek segtsgvel gyorsulst, diszkrt tltsmennyisg rtkek esetn ramerssget stb. szeretnnk becslni. Pl. a GPS mholdak 15 percenknt sugroznak adatokat a helyzetkrl. Hogyan kzelthetnnk a mhold sebessgt s gyorsulst az adatok alapjn? A numerikus derivls msik fontos alkalmazsi terlete a dierencilegyenletek numerikus megoldsa. Pl. a vges dierencis mdszerek esetn az ismeretlen megoldsfggvny derivltjait az egyelre szintn ismeretlen diszkrt pontokbeli fggvnyrtkek segtsgvel kzeltjk. Ebbl egy egyenletrendszert nyernk a fggvnyrtkekre, amit megoldva megkaphatjuk a megolds kzeltst.
7.1.1. denci.
Jellje a kellen sokszor derivlhat s ennek egy kzeltse legyen
f fggvny egy tetszleges derivltjt az x0 pontban Df , f (h) (a h argumentum azt fejezi ki, hogy a kzelts fgg az alappontok h tvolsgtl). Azt mondjuk, hogy az x0 pontban a f (h) kzelts rendje (legalbb) r, ha van olyan K > 0 szm, hogy |Df f (h)| Khr ,
azaz, ha
|Df f (h)| = O(hr ).
7.1.2. megjegyzs.
mjra.
A fenti dencit mr az 1.3.10. denciban megadtuk ltalnos kzelt-
sekre. Ez a denci csupn az ltalnos eset megfogalmazsa a derivltak kzeltsnek probl-
7.1.3. megjegyzs. Mi csak azt az esetet vizsgljuk, mikor az alappontok elhelyezkedse ekvidisztns. A nem ekvidisztns esetre vonatkoz formulk hasonlan nyerhetk (lsd 7.6.2. feladat).
189
7.
Numerikus derivls
7.2. Az els derivlt kzeltse

Egy fggvny derivltjt a dierenciahnyados hatrrtkeknt rtelmeztk. gy kzenfekv a derivltat a dierenciahnyados rtkeivel kzelteni. Kt egyszer eset erre vonatkozan a
f+ :=
n. halad (angolul forward) dierencia s a
f1 f0 h
f :=
f0 f1 h
n. retrogrd (angolul backward) dierencia. Az elnevezs onnt szrmazik, hogy a halad dierencia az
rtkek nvekedsi irnyba (a szmegyenesen jobbra) es alappontot hasznlja, mg
a retrogrd a cskkens irnyba est.
7.2.1. ttel.
A halad s a retrogrd dierencia is elsrend kzeltse egy
f C2
fggvny derivltjnak.
Bizonyts. Alkalmazzuk a Taylor-sorfejtst a msodrend tagnl a Lagrange-fle maradktagot hasznlva egy megfelel
pontban.
f+ = f =
f1 f0 (f0 + f0 h + f ()h2 /2) f0 = = f0 + f ()h/2 = f0 + O(h). h h f0 f1 f0 (f0 f0 h + f ()h2 /2) = = f0 f ()h/2 = f0 + O(h). h h
Azaz a kzeltsek valban elsrendek. A fenti bizonyts szerepelt a konvergenciarendre vonatkoz pldaknt az 1.3.11. pldban. Az elsrend kzelts szemlletesen azt jelenti, hogy felezve
rtkt a hiba is krlbell felezdik.
Hogyan rhetnnk el magasabb rend kzeltseket? Tekintsk a 7.2.1. brt! A halad dierencia megegyezik a (h)-val jellt egyenes meredeksgvel, mg a retrogrd dierencia az (r)-rel jellt egyenes meredeksgt adja. Az rintegyenest () jelli. Az bra jl szemllteti, hogy az
(x1 , f1 ),
(x1 , f1 )
pontokat sszekt egyenes meredeksge kzelebb llhat az rint meredeksghez, mint
a halad s retrogrd dierencik. Ez a meredeksg
7.2.1. bra. Az elsrend derivlt halad, retrogrd s kzponti kzeltsnek szemlltetse.
7.3.
A msodik derivlt kzeltse
f1 f1 f+ + f = , 2h 2
azaz megegyezik a halad s retrogrd dierencik tlagval. A
fc :=
rtket az
f+ + f 2
fggvny
x0
pontbeli kzponti (angolul centered) dierencijnak nevezzk. Vizs-
gljuk meg, hogy ez a kzelts valban jobb-e, mint a msik kett!
7.2.2. ttel.
A kzponti dierencia msodrend kzeltse egy
f C3
fggvny els derivltjnak.
Bizonyts. Megint a Taylor-sorfejtst alkalmazzuk. Most a harmadfok tagnl szerepeltetjk a Lagrange-fle maradktagot megfelel
rtk, melyre
1 s 2 (f (1 ) + f (2 ))/2 = f ().
konstansokkal. Mivel
folytonos, gy van olyan
fc =
f0 + f0 h + f0 h2 /2 + f (1 )h3 /6 f0 f0 h + f0 h2 /2 f (2 )h3 /6 f1 f1 = 2h 2h 2h 2 h = f0 + f () = f0 + O(h2 ). 6
Ez mutatja, hogy ez a kzelts msodrend.
7.3. A msodik derivlt kzeltse

Mivel a msodik derivlt az els derivlt derivltja, gy kzenfekvnek tnik azt a
2 fc :=
mdon kzelteni. Ezt a kzeltst
f+ f f1 2f0 + f1 = h h2
nevezzk.
msodrend kzponti dierencinak
7.3.1. ttel.
A msodrend kzponti dierencia msodrend kzeltse egy derivltjnak.
f C4
fggvny msodik
Bizonyts. Taylor-sorfejtst hasznlva a megfelel
1 , 2
konstansokkal
2 f c =
f0 + f0 h + f0 h2 /2 + f0 h3 /6 + f h2 (2 )h4 /24
(1 )h4 /24
2f0 h2 () h2 . 12
f0 f0 h + f0 h2 /2 f0 h3 /6 + f h2
= f0 + f
()
h2 = f0 + f 12
Ez mutatja, hogy ez a kzelts msodrend. tankonyvtar.bme.hu 191
7.
Numerikus derivls
7.4. A derivltak msfajta kzeltsei

Termszetesen a derivltakat nem csak a dierenciahnyados segtsgvel kzelthetjk. Kzenfekvnek tnik az a megkzelts is, hogy az adott pontokra interpolcis polinomot illesztnk, s a derivltakat az interpolcis polinom derivltjaival kzeltjk. Ezeket a kzeltseket interpolcis dierencilsi formulknak nevezzk. Az albbi, bizonyts nlkl kzlt ttelek azt mutatjk, hogy az interpolcis dierencilsi formulk pontosan ugyanazokat a derivltkzeltseket adjk, mint amiket az elz fejezetekben a dierenciahnyadosok segtsgvel nyertnk.
7.4.1. ttel.
Az ja egybeesik a halad dierencival. Az
(x0 , f0 ), (x0 +h, f1 ) pontokra illeszked interpolcis polinom (legfeljebb elsfok) derivlt(x0 h, f1 ), (x0 , f0 ) pontokra illeszked interpolcis
polinom (legfeljebb elsfok) derivltja egybeesik a retrogrd dierencival.
7.4.2. ttel.
Az msodfok) derivltja
(x0 h, f1 ), (x0 , f0 ), (x0 + h, f1 ) pontokra illeszked interpolcis polinom (legfeljebb x0 -ban egybeesik a kzponti dierencival, msodik derivltja pedig a
msodren kzponti dierencival.
7.4.3. ttel.
Az vny
(x0 h, f1 ), (x0 , f0 ), (x0 +h, f1 ) pontokra illeszked harmadfok spline interpolcis fggx0 -pontbeli derivltja egybeesik a kzponti dierencival.
7.4.4. megjegyzs.
A derivltakat nem csak az
x0 , x0 h, x0 2h, . . .
pontokban kzelthetjk,
hanem az adott intervallum brmelyik pontjban. Ezt megtehetjk gy, hogy a kiszmolt derivltkzeltsekre interpolcis polinomot illesztnk, s ennek rtkeivel kzeltjk a derivltakat az adott pontok kztt. Msik lehetsg, hogy megfelelen mdostjuk a fejezetben megismert kpleteket. Pl. az
(f1 f0 )/h
kplettel az
fggvny
x0 + h/2
pontbeli derivltja kzelthet.
7.5. Lpstvolsg-dilemma
A derivltak kzeltse tart a pontos derivltrtkhez, ha a tileg teht minl kisebb plda mutatja, a gyakorlatban ez nem gy van.
h lpstvolsg nullhoz tart. Elmleh rtket vlasztunk, a kzelts annl pontosabb lesz. Ahogy a kvetkez
7.5.1. plda.
Kzeltsk a
cos (0.8) = 0.6967067093
rtket a msodrend kzponti dif-
ferencival! Tegyk fel, hogy mindent 9 tizedesjegy pontossggal szmolunk. A pontos derivltrtk s a kzelts eltrst az albbi tblzat mutatja.
|kzelts cos (0.8)|

0.0005804093 0.0007067093
0.01
0.001
0.1
0.0000167093
7.6.
Feladatok
A kerektsi hiba miatt (vagy ltalnosan a lebegpontos szmts hibja miatt) teht cskken
rtkekkel a kzelts hibja cskken, majd jra nvekedni kezd.
Vizsgljuk meg a fenti plda jelensgt ltalnosan! Tegyk fel, hogy az megvltoztatjuk
f1 , f0 , f1
rtkeket
-nl
kisebb rtkekkel. Azaz legyen
f1 = f1 + 1 , f0 = f0 + 0 , f1 = f1 + 1 ,
ahol
|1 |, |0 |, |1 | .
Ekkor
f1 2f0 + f1 f1 2f0 + f1 1 20 + 1 = + 2 h h2 h2 2 f ()h 1 20 + 1 = f0 + . + 12 h2

Teht
f0
ahol
f1 2f0 + f1 M4 h2 4 + 2, 2 h 12 h
M4
az
fggny abszolt rtkben vett negyedik derivltjnak egy fels becslse. A kplet
h se nem tl nagy, se nem tl kicsi. Ezt a meggyelst lpstvolsg dilemmnak nevezzk. Egy kzelt optimlis rtket gy nyerhetnk, hogy a fels becslst minimalizljuk h-ban. Az gy nyert optimlis rtk a
mutatja, hogy akkor lesz kicsi a hiba, ha
hopt.
48/M4 M4 = 1
s
kplettel szmthat. A pldban szerepl konkrt feladatra gy az vlaszts mellett a
= 5 1010
hopt. = 0.012
rtk addik, ami nagyjbl meg is felel a numerikus ksrlet
sorn nyert optimumnak. Az 1.3. fejezetben trgyaltuk a Richardson-extrapolcit, ami kt alacsonyabb rend kzelts megfelel lineris kombincijnak segtsgvel ad egy magasabbrend kzeltst s nem a meg a mdszer hatkonysgt az elz pldn! Ltjuk, hogy a rtkek pontatlanabb kzeltst adjk a derivltnak. A ad (a kzelts hibja a tblzatban tallhat), (ennek hibja 0.00002420935). Mivel a kzelts alkalmazva
pa-
ramter tovbbi cskkentsvel (ami az elbbiek alapjn a hiba nvekedshez vezethet). Nzzk
h = 0.01 lpstvolsgnl kisebb h = 0.01 lpstvolsg 0.69669 kzeltst mg a ktszer akkora h = 0.02-es 0.6966825-est msodrend, ezrt az (1.3.3) formult r = 2-vel
22 0.69669 0.6966825 = 0.6966925, 22 1 h = 0.01-es

vagy a
melynek hibja kisebb (0.00001420935), mint a kzeltsek.
h = 0.001
rtkekkel nyert
7.6. Feladatok
Numerikus derivls 7.6.1. feladat. ahol Tegyk fel, hogy adottak az
h = h+ .
Adjunk meg egy msodrend kzeltst az
(x0 h , f1 ), (x0 , f0 ) s (x0 + h+ , f1 ) x0 -beli els derivltra!
pontok,
7.
Numerikus derivls
7.6.2. feladat. Igazoljuk, hogy
f2 + 8f1 8f1 + f2 12h

az els derivlt egy negyedrend kzponti kzeltse! 7.6.3. feladat. Igazoljuk, hogy
3f + 4f1 f2 2h
az els derivlt egy msodrend halad kzeltse! 7.6.4. feladat. Igazoljuk a 7.4.1., 7.4.2. s 7.4.3. tteleket! 7.6.5. feladat. Alkalmazzunk Richardson-extrapolcit az
f (x) = 1/x
fggvny esetn az
f (0.05)
rtk meghatrozsra. Vlasszunk
h-nak
0.0016-ot s 0.0008-at!
7.6.6. feladat. Egy
fggvny fggvnyrtkeit tartalmazza az albbi tblzat. Kzeltsk
f (1), f (1)
f (1)
rtkeit!
x f (x)
1.00 1.00000
1.05 1.02470
1.10 1.04881
1.15 1.07238
1.20 1.09544
1.25 1.11803
1.30 1.14017
Ellenrz krdsek
1. Milyen mdon kzelthetjk egy fggvny els s msodrend derivltjait fggvnyrtkeinek segtsgvel? 2. Mit jelent az, hogy egy derivltkzelts elsrend vagy msodrend? 3. Igaz-e, hogy a msodrend kzelts minden esetben pontosabban kzelt a derivltat mint az elsrend? 4. Hova tart a derivlt kzelt rtke, ha a lpstvolsggal nullhoz tartunk? 5. Mi az a lpstvolsg-dilemma? 6. Mire hasznlhat a Richardson-extrapolci?
8. Numerikus integrls
Ebben a fejezetben azt vizsgljuk, hogy egy fggvny nhny helyen vett fggvnyrtknek segtsgvel hogyan lehet kzelteni a fggvny hatrozott integrljt. Az n. interpolcis mdszerekkel fogunk foglalkozni, azaz azokkal, melyek a fggvnyrtkekre illesztett interpolcis polinomok integrljval kzeltik a tnyleges integrlrtket. Rszletesen vizsgljuk a trapz-, rint- s Simpson-formulkat ill. a Gauss-fle integrlformult.
8.1. A numerikus integrls alapfeladata

Ismert, hogy ha egy szerint az primitv fggvnye (F
[a, b] intervallumon egy f fggvny integrlhat, s van ezen az intervallumon = f ), akkor a fggvny hatrozott integrlja a NewtonLeibniz-szably
b
f (x) dx = F (b) F (a)

a
kplettel szmolhat. Mieltt arra gondolnnk, hogy ez a kplet minden integrllal kapcsolatos krdsnkre vlaszt ad, felsorolunk nhny olyan esetet, amikor a kplet nem alkalmazhat kzvetlenl. Nem alkalmazhat a kplet akkor, ha nem ismerjk magt az fggvnyt zrt alakban. Az els eset fordul el akkor, ha pl. az mnyek, a msodik pedig akkor, ha az
fggvnyt vagy a primitv
fggvny rtkei mrsi eredvagy az
fggvny primitv fggvnyt nem akarjuk, vagy nem
tudjuk explicit mdon meghatrozni. Az utbbira pldk pl. a
(sin x)/x, sin x2
ex
fggvnyek, melyek primitv fggvnyeit - amelyek lteznek, hiszen a fggvnyek folytonosak nem tudjuk zrt alakban ellltani. Van olyan eset is, amikor nem is akarjuk az integrlt pontosan kiszmtani, mert az sokkal komplikltabb lenne, mint annak egy j kzeltst adni. Pl. egy szmtgpes programnak gyakran egyszerbb egy j kzeltst mondania egy adott
fggvny
[a, b]
intervallumon vett integrljra, mint valamilyen kompjuteralgebrai mdszerrel szimbliku-
san meghatrozni
primitv fggvnyt s azzal alkalmazni a NewtonLeibniz-szablyt. Tipikus
plda erre a dierencilegyenletek megoldsa, ahol a megolds formlis ellltsa ltalban nehz feladat, mg annak numerikus kzeltse egyszeren elllthat. Termszetesen rgtn esznkbe jut nhny lehetsges mdszer a fenti problmk kikszblsre. Ha nem lehet ellltani a primitv fggvnyt zrt alakban, akkor azrt ltalban hatvnysor formjban elllthat az. Helyettestsk ilyenkor be a NewtonLeibniz-kpletbe a hatvnysor egy rszletsszegt, s annak integrlsval adjuk meg az integrl kzeltst! Msik lehetsg, hogy mivel az integrlt a kzelt sszegek hatrrtkeknt deniltuk, egy alkalmasan vlasztott kzelt sszeg megfelel kzeltst adhatja a tnyleges integrlnak. Az els mdszer alkalmazsra csak egy pldt mutatunk, hiszen ltalban egy-egy konkrt integrl meghatrozsra alkalmazhat csak a gyakorlatban is. A msodik mdszer pedig az n. interpolcis tpus integrlsi mdszerek kz tartozik, melyeket rszletesen ismertetnk a tovbbiakban.
195
8.
Numerikus integrls
8.1.1. plda.
Hatrozzuk meg az
1 x2 e dx integrlt 0
106 -nl
kisebb hibval! Mivel
ex = 1 + x +
ezrt
x3 x2 + + ..., 2! 3! x6 x4 ... 2! 3!
1
ex = 1x2 +
s a sor tagonknt integrlhat. Teht
ex
0
dx
= x
x3 x5 x7 + ... 3 5 2! 7 3!
=1
0
1 1 1 + ... = 3 10 42
k=0
(1)k . (2k + 1)k!
Vizsgljuk meg, hogy hnyadik tagig kell elmennnk a sorfejtsben, hogy az adott pontossggal tudjuk meghatrozni az integrl rtkt. Mivel az integrl rtkt egy Leibniz-sor adja, ha annak
k -adik
tagja kisebb
megkzelti a sor sszegt. A
106 -nl, akkor az els k 1 k = 9 vlaszts esetn
tag sszege mr
106 -nl
jobban
1 1 = < 106 , (2k + 1)k! 6894720

gy
k=0
(1)k 1098032417 = 0.74682426573970691618. (2k + 1)k! 1470268800
megfelel kzeltse lesz az integrlnak.
8.1.2. megjegyzs.
Tekintsk az kvetkez egyszer hatrozott integrlt:
cos x dx = [sin x]1 = sin 1. 0

0
Ebben az esetben a NewtonLeibniz-ttel alkalmazsa nem okoz nehzsget, de a vgeredmnyt ebben az esetben is csak a szinusz fggvny tudjuk kzelteni:
x = 1 helyen vett Taylor-sornak egy rszletsszegvel 1 1 1 + .... 3! 5! 7!
sin 1 = 1
gy sok esetben nincs lnyeges klnbsg akztt, hogy az integrl kiszmtsnl vagy a kiszmtott rtk szmszer felrsnl alkalmazunk kzeltseket. Azt az eljrst, amikor egy fggvny hatrozott integrljt nem a NewtonLeibniz-szably segtsgvel adjuk meg, hanem azt valamilyen mdszerrel kzeltjk, integrlhat hvjuk. A numerikus integrls alapfeladata teht a kvetkez. Ismert egy
numerikus integrlsnak [a, b] intervallumon

(8.1.1)
fggvny rtke nhny pontban. Legyenek ezek a pontok
a x0 < x1 < . . . < xn b,

s az itteni fggvnyrtkek rendre
b f (x) dx a integrl rtkre! A becslstl termszetesen elvrjuk, hogy knnyen kiszmthat legyen. Azt is
f0 := f (x0 ), . . . , fn := f (xn ).
Adjunk becslst az
8.2.
NewtonCotes-fle kvadratraformulk
elvrjuk, hogy ha az adott pontokat egyre srbben vesszk fel (ha lehetsges), akkor a becslseink "tartsanak" a pontos integrlrtkhez s "j tulajdonsg" fggvnyekre legyen gyors ez a konvergencia. Jellje egy
integrlhat fggvny
[a, b]-n
vett pontos integrlrtkt
I(f ),
s lltsuk el
ennek egy kzeltst az adott fggvnyrtkek lineris kombincijaknt az
In (f ) =
k=0
alakban. Az szerepl
a k fk
(8.1.2)
als index arra utal, hogy a kzelts fgg az osztpontok szmtl s elhelyezke-
dstl. A (8.1.2) formult numerikus integrlsi vagy
kvadratraformulnak1
nevezzk, a benne
ak
egytthatkat pedig slyoknak hvjuk.
8.1.3. denci.
A (8.1.2) kvadratraformult beszlnk. Jellje
zrt kvadratraformulnak nevezzk, ha szerepelnek benne az a s b-beli fggvnyrtkek. Ha ezek nem szerepelnek benne, akkor nylt kvadratraformulrl
a (8.1.1) felosztsban a legnagyobb tvolsgot a szomszdos osztpontok kztt.
8.1.4. denci.
In (f ) kvadratraformula konvergenciarendje (legalbb) r 1, ha |In (f ) I(f )| = O(hr ) (az 1.3.10. denci specilisan kvadratraformulkra megfogalmazva).
8.1.5. denci.
Azt mondjuk, hogy az In (f ) kvadratraformula pontossgi rendje r 1, ha minden Pr1 -beli polinomra I(p) = In (p), de van olyan p Pr , melyre I(p) = In (p).
A kvadratraformulk fenti ktfle rendje ltszlag klnbz dolog. Az els a konvergenciasebessget adja meg, ha
rtke tetszlegesen kicsi lehet, a msodik pedig azt adja meg, hogy
hanyadfok a legalacsonyabb fokszm polinom, amit mr nem integrl ki pontosan a kplet. A ksbbiekben ltni fogjuk, hogy ez a kt rend sszefgg.
8.2. NewtonCotes-fle kvadratraformulk

8.2.1. denci.
interpolcis kvadratraformulnak neveznk, ha az alappontokbeli fggvnyrtkekre illesztett interpolcis polinom integrljt adja meg. Ha egy interpolcis kvadratraformulban az alappontok egyforma tvol vannak egymstl, akkor a formult NewtonCotes2 -formulnak hvjuk.
Egy kvadratraformult
1 Az kori grgk gy hatroztk meg a skidomok terlett, hogy konstrultak egy, a skidommal megegyez terlet ngyzetet s annak szmtottk ki a terlett. Ezt az eljrst kvadratrnak hvtk. Innt kapta a numerikus integrlsi eljrs is a kvadratra nevet, hiszen ez az eljrs is egy skidom (az x-tengely s a fggvny grakonja kz es tartomny) terlett szmolja ki.
8.
Numerikus integrls
Vizsgljuk meg, hogy hogyan llthatk el a zrt NewtonCotes-formulk. Adott
(xi , fi ) (i =
0, . . . , n)
pontok esetn (zrt formulnl
x0 = a
xn = b)
a kvadratraformula rtke de-
nci szerint a pontokra illesztett interpolcis polinom integrljt adja, azaz az interpolcis feladatoknl megismert jellsekkel
b b n n
ak b a
In (f ) =
a
Ln (x) dx =
a k=0
fk lk (x)
dx
=
k=0
fk
lk (x) dx .
intervallumon vett
Innt lthat, hogy a formula slyai a Lagrange-fle alappolinomok integrljai lesznek, azaz
[a, b]
ak =
a
Alkalmazzuk a fenti integrlokban az helyettestses integrls szablya szerint
lk (x) dx, k = 0, . . . , n. x = a + t(b a)

1
helyettestst, ahol
t [0, 1].
Ekkor a
ak =
a
lk (x) dx = (b a)
0
n,k lk (a + t(b a)) dx =: (b a)Nzrt .
A msodik integrl csak az interpolcis polinom
a Kronecker-szimblumot jelli)
k indexektl fgg, hiszen rtke nem ms, mint az (i/n, ki ) (ki (i = 0, . . . , n) pontokra illesztett (egyrtelmen meghatrozott) integrlja a [0, 1] intervallumon. Vezessk be ezen integrlok rtkre az
s rtkeket zrt NewtonCotes-egytthatknak nevezznk. Ezeket elre
n,k Nzrt
jellst! Az
n,k Nzrt
kiszmthatjuk, tblzatba foglalhatjuk, s amikor szksgesek, felhasznlhatjuk ket. Nhny zrt NewtonCotes-egytthat rtkt az albbi tblzatban kzljk.
n,k Nzrt n=1 n=2 n=3

Az
k=0 k=1 k=2 k=3 1/2 1/2 trapzformula egytthati 1/6 4/6 1/6 Simpson-formula egytthati 1/8 3/8 3/8 1/8
esetet kln is rdemes megvizsglni. Az
n=1
n=2
n=1
esetben csak az
x0 = a
x1 = b
vgpontokbeli fggvnyrtkekbl szmtjuk a kzelt integrlt 1/2-1/2 slyokkal
I1 (f ) = (b a)
f0 + f1 2
alakban. Ez az rtk pontosan a 8.2.1. brn lthat trapz terletvel egyezik meg, gy a fenti kpletet trapzformulnak nevezzk. Az
n = 2 esetben az x0 = a, x1 = (a+b)/2 s x2 = b pontokbeli fggvnyrtkekbl szmtjuk f0 + 4f1 + f2 6

intervallumon (8.2.2. bra).
a kzelt integrlt 1/6-4/6-1/6 slyokkal
I1 (f ) = (b a)
alakban. Ezt a kpletet Simpson-formulnak msodfok polinom integrljt adja meg az
3
nevezzk. A kzelts a pontokra illesztett legfeljebb
[a, b]
3 Thomas Simpson (17101761) angol matematikus. Fbb eredmnyei az interpolci s mumerikus integrls terletrl kerltek ki. A rla elnevezett Simpson-formult Newtonnak tulajdontjk. A nemlineris egyenetek megoldsra tanult Newton-mdszert viszont Simpson rta le elszr a mai formjban. Bvebb letrajz tallhat a http://www-history.mcs.st-and.ac.uk/Biographies/Simpson.html oldalon.
8.2.
8.2.1. bra. A trapzformula az brn lthat bestttett trapz terletvel kzelti az integrl rtkt.
8.2.2. bra. A Simpson-formula az brn lthat bestttett, parabolval s egyenes szakaszokkal hatrolt tartomny terletvel kzelti az integrl rtkt.
8.2.2. plda.
f (x) = x2 2x + 2 fggvny integrljnak kzeltsre az [1, 3] intervallumon. Az osztpontok az x0 = 1 s x1 = 3 vgpontok, ezen pontokban a fggvnyrtkek pedig rendre f0 = f (1) = 1 s f1 = f (3) = 5. A slyokat az elz tblzat n = 1 sorbl olvashatjuk ki. gy az integrl kzelt rtkre
Alkalmazzuk a trapzformult az
I1 (f ) = (3 1)(1 1/2 + 5 1/2) = 6

addik. Az integrl pontos rtke 14/3.
8.2.3. plda.
elz tblzat
Alkalmazzuk a Simpson-formult a 8.2.2. pldban szerepl integrl megha-
trozsra! Az osztpontok most az fggvnyrtkek pedig rendre
x0 = 1, x1 = 2 s x2 = 3 pontok, ezen pontokban a f0 = f (1) = 1, f1 = f (2) = 2 s f2 = f (3) = 5. A slyokat az
n=2
sorbl olvashatjuk ki. gy az integrl kzelt rtkre
I2 (f ) = (3 1)(1 1/6 + 2 4/6 + 5 1/6) = 14/3

addik. Vegyk szre, hogy a kvadratraformula ebben az esetben az integrl pontos rtkt adja, hiszen a hrom alappontra illesztett interpolcis polinom azonos magval az fggvnnyel.
8.
Numerikus integrls
Trjnk t a nylt NewtonCotes-formulk megadsra. Ekkor a szomszdos osztpontok egyforma tvol vannak egymstl, de a vgpontokbeli fggvnyrtkek nem szerepelnek a kvadratrakpletben. Vezessk be az ahol
h = (b a)/(n + 2).
Hasonlan a zrt formulk megadshoz, az
a = x1 s b = xn+1 jellseket. gy xi = a+(i+1)h (i = 1, . . . , n+1), (xi , fi ) (i = 0, . . . , n) pon

n ak b a
tokra illesztett interpolcis polinom integrljt kell kiszmolnunk.
In (f ) =
k=0
fk
lk (x) dx ,
ahol az
ak
slyok megint a
k -adik Lagrange-fle alappolinom [a, b] intervallumon vett integrljval

n,k ak = (b a)Nnylt
egyenlek. Helyettestses interglssal ez az integrl az
alakban rhat, ahol polinom
[a, b]
n,k Nnylt
az
((i + 1)/(n + 2), ik ) (i = 0, . . . , n)
pontokra illesztett interpolcis
intervallumon vett integrlja.
Az albbi tblzat tartalmazza nhny nylt NewtonCotes-egytthat rtkt.
n,k Nnylt n=0 n=1 n=2
k=0 k=1 k=2 1 rintformula 1/2 1/2 2/3 1/3 2/3 n=0
egytthati
A nylt NewtonCotes-formulk kzl az pontban, s az integrlt az
esetet rdemes megvizsglni rszletesebben.
Ekkor egyetlen egy pontban szmtjuk csak ki a fggvnyrtket, nevezetesen az
x0 = (a + b)/2
I0 (f ) = (b a)f0
rtkkel kzeltjk. Ez az rtk nem ms, mint egy akkora, mint az
ba
alap s
f0
magassg tglalap terlete
(lsd a bestttett terletet a 8.2.3. bra bal oldaln). Vegyk szre, hogy ez a terlet ugyanltezik) integrlja az
(x0 , f0 ) pontban az integrland fggvnyhez hzott rintegyenes (amennyiben [a, b] intervallumon (lsd a bestttett terletet a 8.2.3. bra jobb oldaln).
Emiatt a kpletet rintformulnak hvjuk.
8.2.3. bra. Az rintformula az intervallum felnl a grakonhoz hzott rint integrljval kzelti a pontos integrl rtkt.
8.2.
8.2.4. plda.
Ekkor
Kzeltsk a 8.2.2. pldban szerepl integrlt az rintformula segtsgvel!
x0 = 2 s f0 = f (2) = 2. A tblzatbl kiolvasva az n = 0 rtkhez tartoz egytthatt I0 (f ) = (3 1) 1 2 = 4.
(1) kapjuk, hogy
8.2.5. megjegyzs.
A trapzformula ltal adott
(b a)(f (a) + f (b)) 2

rtket s az rintformula ltal adott
(b a)f ((a + b)/2)

rtket 1:2 arnyban slyozva kapjuk a
f (a) + 4f ((a + b)/2) + f (b) (b a)(f (a) + f (b))/2 + 2(b a)f ((a + b)/2) = (b a) 3 6
rtket, ami pontosan a Simpson-formula ltal adott kzelts. Vizsgljuk most meg az interpolcis kvadratraformulk pontossgi rendjt!
8.2.6. ttel.
Egy
n+1 alappontos kvadratraformula akkor s csak akkor pontos minden legfeljebb n-edfok
polinomra, ha interpolcis kvadratraformula.
Bizonyts. A felttel elgsgessge nyilvnval. A msik irny igazolshoz induljunk ki abbl, hogy a formulnak pontosnak kell lennie minden
n-edfok
polinomra is, gy pontos az
lj (x)
(j = 0, . . . , n)
Lagrange-fle alappolinomokra is. Azaz
lj (x) dx =
a k=0
ak lj (xk ) = aj .
Teht a slyok a Lagrange-fle alappolinomok integrljai csakgy mint az interpolcis kvadratraformulknl. Ezt akartuk megmutatni. Jelentse
N n,k
a megfelel zrt vagy nylt NewtonCotes-egytthatt. Ezen egytthatk n-
hny fontos tulajdonsgt adja meg az albbi ttel.
8.2.7. ttel.
A NewtonCotes-egytthatkra igaz az albbi kt tulajdonsg:
N n,k = 1,
k=0
N n,k = N n,nk (k = 0, . . . , n).
8.
Numerikus integrls
Bizonyts. Az elz ttel miatt
1 dx = b a =
a k=0
(N
n,k
(b a)1) = (b a)
k=0
N n,k .
Ez igazolja az els lltst. A msodik pedig egyszeren abbl kvetkezik, hogy lk s lnk grakonjai egyms tkrkpei az
x = (a + b)/2
egyenesre, gy integrljuk is megegyezik.
Nyilvnval, hogy a trapz- s rint-formulk pontossgi rendje 2, hiszen lineris fggvnyekre pontosak, s nyilvn vannak olyan msodfok polinomok, amelyekre pedig nem pontosak. Az is nyilvnval az elz ttel miatt, hogy a Simpson-formula pontossgi rendje legalbb 3. Valjban a pontossgi rend 4. Ez egy ltalnosabb llts kvetkezmnyeknt knnyen addik.
8.2.8. ttel.
Az pros
n + 1 alappontos n esetn n + 2.
NewtonCotes-formulk pontossgi rendje pratlan
esetn
n + 1,
Bizonyts. Az llts els rsze a 8.2.6. ttel kvetkezmnye. A msodik rsz igazolshoz tegyk fel, hogy egy tetszleges
pn+1
n pros, s gy n + 1 pratlan alappontunk van. Azt kell megmutatnunk, hogy pn+1 n + 1-edfok polinom integrljt a formula pontosan szmolja ki. rjuk fel a n + 1-edfok polinomot (x (a + b)/2) polinomjaknt pn+1 (x) = n+1 x a+b 2
n+1
+ n x
a+b 2
+ . . . + 0 ,
Erre pontos a formula.
s hasznljuk ki, hogy a 8.2.6. ttel miatt a formula pontos minden legfeljebb Cotes-egytthatk szimmetrijt (N grakonjnak
n-edfok polinomra.
gy mr csak azt kell megmutatnunk, hogy az els tagra pontos a kvadratraformula. A Newton
n,k
= N nk,k )
s a kvetkez kpletben
((a + b)/2, 0)
b
pontra val szimmetrijt (f ((a
f -fel jellt fggvny + b)/2 x) = f ((a + b)/2 + x))
kihasznlva kapjuk, hogy
n+1 x
a
a+b 2
n+1
dx
= (b a)
N n,k
k=0 N n,nk
f (xk ) = 0.
f (xnk )
=:f (x)
Teht erre a polinomra is pontos rtket ad a formula, hiszen a fggvny integrlja az grakonjnak tatni. Sok alappont esetn nem clszer a NewtonCotes-formulkat hasznlni (ezrt is csak kicsi
fggvny
((a + b)/2, 0)
pontra val szimmetrija miatt valban nulla. Ezt akartuk megmu-
rtkekre adtuk meg a korbbi tblzatokban az egytthatk rtkt). Ennek oka egyrszt
az, hogy nvekv
rtkek esetn egyre tbb NewtonCotes-egytthatt kellene kiszmolnunk,
vagy valamilyen tblzatbl kiolvasnunk, msrszt nagyobb gpes szmolsok sorn a kiegyszersds veszlye. Nagyobb
n n
rtkek esetn az
N n,k
rtkek
kztt megjelennek negatv rtkek is, melyekkel pozitv rtkek slyozsnl fennll a szmtrtkek esetn az n. sszetett kvadratraformulkat hasznljuk. Ezeket mutatjuk be a kvetkez fejezetben.
8.3. sszetett kvadratraformulk

Sok alappont esetn a NewtonCotes-formulk kzvetlen alkalmazsa helyett gy jrhatunk el, hogy az integrlsi intervallumot rszintervallumokra osztjuk, majd ezen intervallumokon az 202 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
8.3.
sszetett kvadratraformulk
elz fejezetben megismert trapz-, Simpson- s rintformulkat alkalmazzuk. gy kapjuk az n. trapz-, Simpson- s rintformulkat.
8.3.1. sszetett trapzformula

Legyen
egy, az
egyenl rszre az hosszait, azaz
[a, b] intervallumon integrlhat fggvny. Osszuk fel az [a, b] intervallumot n a = x0 < x1 . . . < xn = b osztpontokkal, s jelljk h-val az osztintervallumok legyen h = (b a)/n. Az f fggvny hatrozott integrljt felrhatjuk az
b n xi
f (x) dx =
a i=1 xi1
f (x) dx
sszegknt. Ha most az sszeg minden integrljt a trapzformulval kzeltjk, akkor az n.
tett trapzformulhoz
ssze-
jutunk. A formula teht a 8.3.1. brn bestttett tartomny terletvel
kzelti az integrl pontos rtkt. Ismt hasznlva az trapzfomula kplete teht
fi = f (xi ) (i = 0, . . . , n) jellst az sszetett 1 1 f0 + f1 + . . . + fn1 + fn . 2 2
In,trap (f ) =
h h f0 + h(f1 + . . . + fn ) + fn = h 2 2
8.3.1. bra. Az sszetett trapzformula a bestttett tartomny terletvel kzelti az integrl pontos rtkt.
Lthat, hogy az sszetett trapzformula egy knnyen alkalmazhat zrt kvadratraformula. Az als s fels sszeg, ha az
sn In,trap (f ) Sn f
egyenltlensg miatt, ahol
sn
Sn
az adott felosztshoz tartoz
fggvny Riemann-integrlhat, akkor a feloszts nomtsval a
kvadratraformula rtke az integrl pontos rtkhez tart. Az sszetett trapzformula pontossgi rendje nyilvnvalan 2, hiszen a trapzformula pontossgi rendje is 2. Vizsgljuk meg a konvergenciarendet elszr egy numerikus ksrlet segtsgvel. Szmtsuk ki a formula segtsgvel az
sin x/x dx 0.9460830704

0
integrlt gy, hogy a eltrst az
[0, 1]
intervallumot
egyenl rszre osztjuk. A pontos s a kzelt rtkek
osztintervallumszm fggvnyben az albbi tblzat mutatja.
n 1 10 100 1000
In (f ) 0.9207354924 0.9458320719 0.9460805606 0.9460830704
|I(f ) In (f )| 0.25 101 0.25 103 0.25 105 0.27 107

8.
Numerikus integrls
A tblzat azt sejteti, hogy a mdszer konvergenciarendje is 2. A konvergenciarend igazolshoz szksgnk lesz az albbi, analzisbl ismert integrl-kzprtkttelre.
8.3.1. ttel.
Ha
[a, b]-n [a, b], hogy
integrlhat nemnegatv fggvny, s
folytonos fggvny, akkor van olyan
(x)g(x) dx = g()
a a
(x) dx.
8.3.2. ttel.
Az sszetett trapzformula hibja
f C 2 [a, b]
fggvnyek esetn
In,trap (f ) I(f ) =
ahol
(b a)h2 f (), 12
[a, b]. k egy rgztett index az {1, . . . , n} halmazbl. Az (xk1 , fk1 ) s (xk , fk ) L1 (x) interpolcis polinom (ebben az esetben lineris fggvny) interpolcis x (xk1 , xk ) pontban L1 (x) f (x) = f (x ) (x xk1 )(x xk ), 2
(8.3.1)
Bizonyts. Legyen pontokra illesztett hibja egy adott
x egy az x ponttl fgg megfelel konstans (6.2.5. ttel). Deniljuk a g : [xk1 , xk ] R fggvnyt a g(x) = f (x ) mdon, ha x (xk1 , xk ), s legyen g(xk1 ) = f (xk1 ) s g(xk ) = f (xk ). Ez a g fggvny folytonos az [xk1 , xk ] intervallumon. Az, hogy az intervallum belsejben folytonos, onnt kvetkezik, hogy ha a (8.3.1) egyenlsget elosztjuk az (x xk1 )(x xk ) szorzattal, akkor a bal oldalon ll fggvny ktszer folytonosan derivlhat x szerint. Teht g -nek is ilyennek kell lennie. Msrszt
ahol
xxk1
lim g(x) =
xxk1
lim f (x ) =
xxk1
lim
2(L1 (x) f (x)) = f (xk1 ) = g(xk1 ), (x xk1 )(x xk )
ahol az utols eltti egyenlsget a L'Hospital-szably ktszeri alkalmazsval nyertk, s hasonlan
xxk
Teht lt az
lim g(x) = g(xk ).
g folytonos a teljes [xk1 , xk ] intervallumon. Integrljuk a (8.3.1) egyenlsg mindkt olda[xk1 , xk ] intervallumon, s alkalmazzuk a 8.3.1. integrl-kzprtkttelt ((xxk1 )(x
nemnegatv az adott intervallumon)
xk )/2
fk + fk1 h 2
xk
xk
f (x) dx =
xk1 xk1 xk
f (x )(x xk1 )(x xk ) dx 2 g(x)(x xk1 )(x xk ) dx 2

xk
=
xk1
= g(k ) = f (k ) h , 12
xk1 3
(x xk1 )(xk x) dx 2
8.3.
ahol
egy az
[xk1 , xk ]
intervallumba es megfelel konstans.
Mivel
darab intervallum van, ezrt a teljes hiba
In,trap (f ) I(f ) =
k=1
ahol
f (k )
h3 (b a)h2 h3 = nf () = f (), 12 12 12
megvlaszthat a fenti mdon, a
[a, b]
egy megfelelen vlasztott konstans. Azt, hogy
kvetkez mdon lthatjuk be. A
n k=1
hnyados az
folytonos fggvny
darab
f (k ) n [a, b]-beli fggvnyrtknek

az a hely, ahol
szmtani kzepe. Ez az felveszi a fenti tlagot.
rtk nyilvnvalan a legkisebb s legnagyobb fggvnyrtk kz esik. A Bolzano-ttel miatt pedig ezt az rtket fel is veszi az Ezt akartuk megmutatni.
fggvny. Teht
8.3.3. megjegyzs.
hibjt, amennyiben
Vegyk szre, hogy a fenti ttel pontosan megmondja a kvadratrakplet
rtke ismert. Mivel
rtkt ltalban nem ismerjk, gy a kplet nem
hasznlhat jobban, mint a belle kvetkez
|In,trap (f ) I(f )|
becsls, ahol a szokott mdon intervallumon.
(b a)h2 M2 12 (a, b)
M2
az
fggvny msodik derivltjnak egy fels korltja az
8.3.4. megjegyzs.
fgg
A bizonyts kt fontos lpse volt annak igazolsa, hogy
g(x)
folytonosan
x-tl
s az, hogy az
rtk hogyan vlaszthat meg az
rtkek ismeretben. Ezekhez
hasonl lltsok ksbb is szerepelni fognak, de akkor mr nem igazoljuk rszletesen ket.
8.3.2. sszetett rintformula

Az sszetett trapzformula esetn bevezetett jellseket fogjuk most is alkalmazni, kiegsztve mg az
fi/2 = f ((xi + xi1 )/2) (i = 1, . . . , n)
jellsekkel. Az sszetett rintformula, hasonlan
az sszetett trapzformulhoz, az rintformult alkalmazza az ekvidisztnsan felosztott intervallum rszintervallumain. Az integrl pontos rtkt teht a formula az
[a, b]
In,rint (f ) = h(f1/2 + . . . + fn1/2 )

mdon kzelti (8.3.2. bra). Az sszetett rintformula egy nylt kvadratraformula. Most is knnyen lthat, hogy az ltala adott kzelts integrlhat fggvnyek esetn tart a pontos integrlrtkhez, ha az osztintervallumok
szma vgtelenhez tart. A formula pontossgi rendje nyilvnvalan 2. A konver-
genciarendje is 2. Errl szl a kvetkez ttel.
8.3.5. ttel.
Az sszetett rintformula hibja
f C 2 [a, b]
fggvnyek esetn
In,rint (f ) I(f ) =
ahol
(b a)h2 f (), 24
[a, b]
egy megfelelen vlasztott konstans.
8.
Numerikus integrls
8.3.2. bra. Az sszetett rintformula a bestttett tartomny terletvel kzelti az integrl pontos rtkt.
Bizonyts. A bizonytst nem az interpolcis hibafggvny integrljnak becslsvel hajtjuk vgre, mint az sszetett trapzformulra vonatkoz hasonl ttel esetn, mert azzal a mdszerrel csak elsrend konvergencia igazolhat. Ehelyett az integrland fggvnyt msodrend Taylorpolinomjnak s a hozz tartoz Lagrange-fle maradktagnak az sszegeknt lltjuk el, majd kiszmtjuk az rintformula ltal adott kzelts s a pontos integrl rtknek klnbsgt az
[xk1 , xk ]
intervallumon.
xk
fk1/2 h
xk1 xk
f (x) dx
= fk1/2 h
xk1
(fk1/2 + fk1/2 (x xk1/2 ) + f (k,x )(x xk1/2 )2 /2) dx f (k )h3 , 2 12
=
ahol
fk1/2 = f ((xk + xk1 )/2) s k,x megfelel k -tl s x-tl fgg rtk az (xk1 , xk ) nylt (k = 1, . . . , n). Az utols lpsben azt a tnyt alkalmaztuk, hogy az rintformula kplete s a Taylor-polinom els kt tagja integrljnak klnbsge nulla. Az k konstans rtkt
intervallumbl a 8.3.1. ttel szerint vlasztjuk. Mivel
intervallum van, ezrt a teljes hiba valamilyen
[a, b]
rtkkel
In,rint (f ) I(f ) =
k=1
f (k )h3 f ()h3 (b a)h2 = n = f (). 24 24 24
8.3.6. megjegyzs.
Az elz ttelben az
paramter rtkt ltalban nem ismerjk. Ekkor
csak becslst tudunk adni az integrl hibjra az
|In,rint (f ) I(f )|
alakban.
(b a)h2 M2 24
8.3.
8.3.3. sszetett Simpson-formula

Az elz fejezetekben hasznlt jellsek segtsgvel az sszetett Simpson-formula az
In,Simp (f ) =
h (f0 + 4f1/2 + 2f1 + 4f3/2 + 2f2 + . . . + 4fn1/2 + fn ) 6
alakban adhat meg. Ez a rszintervallumok vgpontjaiban s felezpontjaiban lv hrom fggvnyrtkre illesztett legfeljebb msodfok polinom integrljval kzelti a tnyleges integrlt. Azt, hogy ez a formula mely tartomny terletvel kzelti a tnyleges integrlrtket, a 8.3.3. brn szemlltettk.
8.3.3. bra. Az sszetett Simpson-formula egy rszintervallumon a bestttett tartomny terletvel kzelti az integrl pontos rtkt. Az brn berajzoltuk az egyes rszintervallumon interpoll legfeljebb msodfok polinomokat is.
A formula zrt kvadratraformula, s rtke az integrl pontos rtkhez tart, ha az is 4. A kvetkez ttel mutatja, hogy a konvergenciarendje is 4.
n feloszts-
szmmal vgtelenhez tartunk. A formula pontossgi rendje nyilvn 4, hiszen a Simpson-formul
8.3.7. ttel.
Az sszetett Simpson-formula hibja
f C 4 [a, b]
fggvnyek esetn
In,Simp (f ) I(f ) =
ahol
(b a)h4 (4) f (), 2880
[a, b]
megfelelen vlasztott konstans.
Bizonyts. Tekintsk az fok tagig
[xk1 , xk ]
intervallumon az
fggvnyt, s fejtsk sorba a harmad-
f (x) = fk1/2 + fk1/2 (x xk1/2 ) + +

Ekkor a
fk1/2 (x xk1/2 )2 2
fk1/2 (x xk1/2 )3 6
xk
f (4) (k,x )(x xk1/2 )4 . 24
k -adik
intervallumon a szmtott integrl hibja
h (fk1 + 4fk1/2 + fk ) 6
f (x) dx =
xk1
h (fk1 + 4fk1/2 + fk ) fk1/2 h 6

8.
Numerikus integrls
fk1 2fk1/2 + fk f (4) (k1 )(h/2)2 h3 f (4) (k2 )h5 2 12 (h/2)2 12 24 80

fk1/2
=
ahol
f (4) (k1 )h5 f (4) (k2 )h5 h5 f (4) (k ) = , 48 2 12 24 80 2880

megfelel konstansok az
k1 , k2 , k (k = 1, . . . , n)
[xk1 , xk ]
intervallumbl
(k = 1, . . . , n).
A teljes hibra gy
In,Simp(f ) I(f ) =
k=1
addik, ahol
h5 (4) (b a)h4 (4) h5 f (4) (k ) =n f () = f () 2880 2880 2880 [a, b]

intervallumbl.
megfelel konstans az
8.3.8. megjegyzs.
Az sszetett Simpson-formula hibjban szerepl
rtke ltalban nem
ismert. Ekkor a kzelts hibjra az
|In,Simp (f ) I(f )|
becslst hasznlhatjuk.
(b a)h4 M4 2880
8.3.9. megjegyzs. Az sszetett trapz- s az sszetett rintformulkat 1:2 arnyban slyozva az

sszetett Simpson-formulhoz jutunk. Ez kvetkezik a nem sszetett formulkra megfogalmazott hasonl lltsbl.
8.3.10. megjegyzs.
Vegyk szre, hogy a korbban megismert hibabecslsek alkalmasak arra,
hogy az integrland fggvny derivltjra vonatkoz fels korltot ismerve megmondjuk, hogy az adott intervallumot hny rszre kell felosztanunk ahhoz, hogy a kzelts egy elre adott hibnl jobban megkzeltse az integrl pontos rtkt.
8.3.11. megjegyzs.
Br az sszetett formulkat csak ekvidisztns feloszts esetn vizsgltuk,
ezek knnyen tfogalmazhatk arra az esetre is, ha a rszintervallumok hossza nem egyforma.
8.3.12. plda.
Egyszer pldaknt hatrozzuk meg az
x4 dx =
0
1 5
integrl rtkt a tanult sszetett formulk segtsgvel 4 osztintervallumot hasznlva! Most teht
f (x) = x4
s a ngy osztintervallum miatt
h = 0.25.
Az sszetett trapzformula az
I4,trap (f ) = h(f (0) + 2(f (0.25) + f (0.5) + f (0.75)) + f (1)) = 0.220703125
8.4.
Romberg-mdszer
rtket adja. Az rintformulval nyert kzelts
I4,rint (f ) = h(f (0.125) + f (0.375) + f (0.625) + f (0.875)) = 0.189697265625.

A Simpson-formula pedig a fenti kt kplet slyozsval addik
I4,Simp (f ) =
2I4,rint (f ) + I4,trap (f ) = 0.20003255208333. 3
Ez utbbi jval pontosabb integrlkzeltst ad, mint a msik kett formula.
8.4. Romberg-mdszer
Az elz fejezet vgn lttunk pldt arra (8.3.9. megjegyzs), hogy kt msodrend kvadratrakplet eredmnyt megfelelen slyozva negyedrend kvadratrakplet llthat el. Azt az eljrst, ahogy slyozssal alacsonyabbrend kvadratrakpletekbl magasabbrend kvadratrakpleteket lltunk el, Romberg -mdszernek nevezzk. A Romberg-mdszer tulajdonkppen a Richardson-extrapolci numerikus integrlsi formulkra alkalmazva. Ebben a fejezetben ezen mdszer lnyegt ismertetjk rviden. Legyen
4
In (f )
egy adott kvadratrakplet egy
egyenl rszre osztott
[a, b]
intervallumon.
Tegyk fel, hogy a kvadratraformula konvergenciarendje hibja j kzeltssel az
r.
Tegyk fel tovbb, hogy a kplet
In (f ) I(f ) = Chr
alakban rhat, alkalmas
konstassal. Ekkor ha megktszerezzk az osztintervallumok szmt,
akkor az j hibra krlbell
I2n (f ) I(f ) = C
addna. A fenti kt kpletbl
h 2
I(f )
kifejezhet
I(f ) = I2n (f ) +
I(f ) In (f ) I2n (f )2r In (f ) = 2r 2r 1
alakban, ami termszetesen csak egy jabb kzeltse lesz a tnyleges integrlrtknek. Igazolhat azonban, hogy az gy kapott rtkek gyorsabban konverglnak a pontos integrlrtkhez, mint az eredeti kvadratrval kapott rtkek. Megmutathat, hogy az gy kapott szmsorozatok rendje
r + 2 lesz, azaz a rend kettvel nvekszik a slyozs ltal. gy teht ahelyett, hogy tovbb duplznnk az osztintervallumok szmt (ami jabb fggvnyrtkek kiszmolst ignyli), egyszer slyozssal pontosabb kzelts adhat az integrl rtkre.
8.4.1. plda.
Alkalmazzuk a Romberg-mdszert az
1 0
ex
dx
= 0.746824132812
4 Werner Romberg (1909-2003), nmet matematikus.

8.
Numerikus integrls
integrl kiszmtsra! A szmtott s a slyozott rtkeket az albbi tblzatban tntettk fel. n ssz. trapz ssz. Simpson
2 0.7313702518
4 0.7429840978 0.7468553797
8 16 32 0.7458656148 0.7465845967 0.7467642546 0.7468261205 0.7468242574 0.7468241406 0.7468241699 0.7468241332 0.7468241328 0.7468241326 0.7468241328 0.7468241328
A fels sorban az osztintervallumok szma szerepel, a msodik sor az sszetett trapzformulval (msodrend, teht
r = 2)
szmtott rtkeket tartalmazza az adott osztintervallum-
szm esetn, az alatta lv sorok a Romberg-mdszer segtsgvel lettek szmtva. A msodik sor ppen a Simpson-formult adja. Lthat, hogy az als sorokban szerepl szmok sokkal pontosabbak, mint az sszetett trapzmdszer ltal adott kzeltsek.
8.5. Gauss-kvadratra
Egy hatrozott integrl rtkt kzelthetjk a korbban megismert sszetett kvadratraformulkkal. Ha mdunk van tbb helyen kiszmtani a fggvnyrtkeket, akkor az osztintervallumok szmnak nvelsvel tetszleges pontossggal megkzelthetjk az integrl rtkt. Ha erre nincs lehetsg, mert pl. mrsekbl csak jl meghatrozott helyeken ismerjk a fggvnyrtket, akkor mondhatunk egy kzeltst az integrlra, s feltve az integrland fggvny megfelel simasgt, a hibabecsl formulkbl mondhatunk egy fels korltot a hiba nagysgra. Ha tetszleges szm alappontban ki tudjuk szmtani a fggvnyrtkeket, akkor felmerl a krds, hogy mik legyenek ezek az alappontok. Az interpolcis feladatoknl lttuk, hogy az alappontok alkalmas megvlasztsval az interpolcis hiba jelentsen cskkenthet. Most megvizsgljuk, hogy az interpolcis kvadratrakpletek rendje nvelhet-e az alappontok alkalmas megvlasztsval. Ebben a fejezetben a korbban vizsglt hatrozott integrlokat gy mdostjuk, hogy az integrland teht az
fggvnyt mg beszorozzuk egy
[a, b]-n
folytonos s pozitv
slyfggvnnyel. Ter-
mszetesen az
s(x) 1
vlasztssal visszakapjuk a korbban vizsglt integrlok alakjt. Clunk
I(f ; s) :=
a
integrl minl pontosabb kzeltse.
s(x)f (x) dx
Ha a fenti integrl kzeltshez interpolcis kvadratraformult hasznlunk az
(x0 , f0 ), . . . , (xn , fn )
pontokon, akkor a kvadratraformula
In (f ; s) =
k=0
alak lesz, ahol a slyok
a k fk
ak =
a
s(x)lk (x) dx, k = 1, . . . , n
8.5.
Gauss-kvadratra
alakban rhatk. Ez a kvadratraformula pontos lesz minden legfeljebb
n-edfok polinomra (8.2.6.
ttel). Hogyan vlasszuk az alappontokat, hogy magasabbfok polinomokra is pontos legyen a kplet? A kvetkez ttel arrl szl, hogy mennyivel nvelhet meg a formula rendje.
8.5.1. ttel.
Az
In (f ; s) =
k=0
ak fk Pn+m -beli
polinomra, ha
interpolcis kvadratraformula pontosan akkor pontos minden
wn+1 (x)s(x)p(x) dx = 0
a
minden
(8.5.1)
p Pm1
esetn. A
wn+1
az alappontpolinom szoksos jellse.
Bizonyts. Igazoljuk elszr a felttel elgsgessgt. Legyen tatnunk, hogy a kvadratraformula pontos az maradkos oszts segtsgvel felrhat
f Pn+m ,
s azt kell megmu-
polinomra. Az
polinom a polinomokra ismert
f (x) = wn+1 (x)q(x) + r(x)

alakban, ahol
r Pn
q Pm1 .
b
Ekkor
ak r(xk ) =
k=0 a
r(x)s(x) dx =
a
f (x)s(x) dx
a
wn+1 (x)s(x)q(x) dx .
=0
Teht
s(x)f (x) dx =
a
azaz a kvadratraformula pontos hiszen legfeljebb
ak r(xk ) =
k=0 k=0
ak f (xk ),
f -re. p Pm1 .
Ekkor a formula pontos a
A msik irny igazolshoz legyen
p wn+1
polinomra,
n+m
fok, azaz
s(x)p(x)wn+1 (x) dx =
a
ak p(xk )wn+1 (xk ) = 0.

k=0
Megvizsgljuk, hogy mekkora lehet a ttelben szerepl
maximlis rtke, azaz mennyivel
nvelhet meg a pontossgi rend. Lthat, hogy a kvadratraformula nem lehet pontos minden
P2n+2 -beli
polinomra, mert akkor
p = wn+1
b
esetn az
2 s(x)wn+1 (x) dx = 0 a
egyenlsgbl a
wn+1 0
azonossg kvetkezne, ami ellentmonds. Teht
lehet. Most azt mutatjuk meg, hogy el is rhet, hogy a formula minden pontos legyen. Teht a Gauss-kvadratra pontossgi rendje gy nunk, hogy a (8.5.1) felttel teljesthet minden
m maximlisan n + 1 P2n+1 -beli polinomra
2n + 2
lesz. Azt kell megmutat-
P2n+1 -beli
polinomra, ha alkalmasan vlasztjuk tankonyvtar.bme.hu 211
8.
Numerikus integrls
az alappontokat. Tekintsk az
nomokat (slyfggvnytl fggen Csebisev-, Legendre- stb. polinomok) s legyenek
s-ortogonlis polix0 , . . . , x n az n + 1-edfok s-ortogonlis polinom zrushelyei. Ekkor ezen alappontokon a wn+1 polinom s-ortogonlis lesz minden nla kisebb fokszm polinomra, azaz minden n-edfok polinomra. gy (8.5.1) teljesl minden legfeljebb n-edfok p polinomra. Teht a formula pontos minden P2n+1 intervallumon az slyfggvnyre nzve beli polinomra. Attl fggen, hogy milyen ortogonlis polinomokat hasznlunk, az gy nyert kvadratrakpletet GaussCsebisev- vagy GaussLegendre-kvadratrnak nevezzk. A GaussCsebisev s GaussLegendre kvadratraformulk ltal hasznlt alappontokat s a slyokat az albbi tblzatban gyjtttk ssze.
[a, b]
nv Csebisev Legendre
s(x) 1/ 1 x2 1
p1 , p2 , p3 zrushelyei 0; 1/2 ; 0, 3/2 0; 1/ 3 ; 0, 3/5
slyok
; /2, /2; /3, /3, /3 2; 1, 1; 5/9, 8/9, 5/9
8.5.1. tblzat. A GaussCsebisev- s GaussLegendre-kvadratrk alappontjai s slyai.
8.5.2. megjegyzs.
Br a vizsglt ortogonlis polinomok a
[1, 1]
intervallumon ortogonlisak,
egy egyszer koordintatranszformcival tetszleges
[a, b]
intervallumra ttranszformlhatk.
8.5.3. plda. Ksztsk el a hrom pontra illeszked CsebisevGauss formult! A harmadfok

Csebisev-polinom zrushelyei
3/2.
Ezek lesznek az alappontok. A slyok, mivel a
slyfggvny ebben az esetben a konstans 1 fggvny,
a0 =
1
hasonlan
1 x(x 3/2) 3/2( 3/2 3/2) 1 x2
dx
= /3,
a1 = a2 = /3.
1 1
gy a formula
f (x) 1 x2
dx
(f ( 3/2) + f (0) + f ( 3/2)), 3
amely pontos lesz minden legalbb tdfok polinomra.
A Gauss-fle kvadratraformula hibjrl szl ttelt bizonyts nlkl kzljk.
8.5.4. ttel.
A Gauss-fle kvadratraformula hibja
n+1
alappont esetn
In (f ; s) I(f ; s) =
ahol
f (2n+2) () (2n + 2)!
s(x)(wn+1 (x))2 dx,

a
(a, b)-be
es megfelel konstans.
8.6.
Numerikus integrlsi eljrsok a MATLAB-ban
8.6. Numerikus integrlsi eljrsok a MATLAB-ban

A MATLAB-ban mindegyik tanult numerikus integrlsi eljrs nagyon egyszeren programozhat. Az albbi fggvny az sszetett Simpson-formula esett mutatjuk be, de a msik kett fggvny is hasonlan egyszer. A programban rtelemszeren intervallum kt vgpontjt,
az osztintervallumok szma s
fv
adja meg az integrlsi
az integrland fggvny.
function int = osszsimpson(a,b,n,fv) h=(b-a)/n; x=[a:h/2:b]; y=eval(fv); int=(h/6)*(y(1)+2*sum(y(3:2:2*n-1))+4*sum(y(2:2:2*n))+y(2*n+1));
A program futtathat pl. az
x sin(x) dx
0
integrl esetn az albbi mdon.
>> osszsimpson(0,1,20,'x.*sin(x)') % 20 osztintervallumot alkalmazunk. ans = 0.30116867228813
A MATLAB nmagban is knl nhny numerikus integrlsi eljrst. Ezek kzl mutatunk be kettt. Az els a
trapz
parancs, ami egy egyszer fggvny az sszetett trapzformulra.
>> x=0:1/100:1; y=x.*sin(x); trapz(x,y) % Az x vektor tartalmazza az alappontokat, % az y vektor pedig a fggvnyrtkeket. ans = 0.30118019375974
A msik a
addig, mg a hiba
quad parancs, amely az sszetett 106 -nl kisebb nem lesz (lsd
Simpson-formult alkalmazza rekurzv mdon 8.7.6. feladat).
8.
Numerikus integrls
>> quad('x.*sin(x)',0,1) ans = 0.30116867962220
8.7. Feladatok
Numerikus integrls 8.7.1. feladat. Alkalmazzuk az sszetett trapzformult az
2 0
integrl kiszmtsra gy, hogy a hiba
1 dx x+2
kisebb legyen!
103 -nl
8.7.2. feladat. Hatrozzuk meg az elz feladatbeli integrl pontos rtkt, s ksrletileg vizsgljuk meg az egyes mdszerek konvergenciarendjt szmtgp segtsgvel! 8.7.3. feladat. Hatrozzuk meg az
int
4,k Nzrt NewtonCotes-egytthatkat! Hasznljuk a MATLAB
parancst a polinomok integrlshoz!
8.7.4. feladat. Hatrozzuk meg az
ex
fggvny kzelt integrljt a
[0, 1]
intervallumon az
elz feladatban kiszmolt egytthatk segtsgvel!
[0, /2] intervallumon a 0.8 x2 Romberg-mdszer alkalmazsval. Hatrozzuk meg hasonlan az e dx integrlt. Mindkt 0 6 esetben legyen az elrni kvnt pontossg 10 . Addig szmoljunk, mg kt egyms utni kzelts 6 mr kzelebb van egymshoz, mint 10 !
8.7.5. feladat. Hatrozzuk meg a fggvny kzelt integrljt a 8.7.6. feladat. Egy kzelt integrlt hatroztunk meg a Simpson-szabllyal (In (f )), majd ktszer annyi osztintervallummmal jra kiszmoltunk egy kzeltst (I2n (f )). Adjunk becslst a fenti rtkek segtsgvel a durvbb kzelts hibjra! 8.7.7. feladat. Kzeltsk az
sin x
h 0
f (x) dx
integrlt a kvetkez kvadratrakplettel:
h(a0 f0 + a1 f1 ) + h2 (b0 f0 + b1 f1 ),
ahol s
fi , fi
a 0 ill.
h pontokbeli fggvnyrtkek ill. derivltak! Hogyan vlasszuk meg az a0 , a1 , b0
b1
egytthatkat, hogy a formula minden legfeljebb negyedfok polinomra pontos legyen?
2 xf (x) dx integrl kzeltsre az I2 (f ) = a0 f0 + a1 f1 + 0 a2 f2 kvadratrakpletet. Hatrozzuk meg gy az egytthatkat, hogy a kplet minden legfeljebb
8.7.8. feladat. Tekintsk az msodfok polinomra pontos legyen! 8.7.9. feladat. Ksztsk el a hrom pontra illeszked GaussLegendre-formult! Hatrozzuk meg ezzel a mdszerrel az
1 1
1/(1+x2 ) dx integrl kzeltst! Adjunk becslst elre a hibra! x2

dx s
1 1 1/ 1 x2 dx, 1 x3 / 1 1 "kzelt" rtkt! Adjunk becslst elre a hibra!

ezzel a mdszerrel az
8.7.10. feladat. Ksztsk el a kt pontra illeszked GaussCsebisev-formult! Hatrozzuk meg
1 1
x4 / 1 x2
dx integrlok
8.7.
Feladatok
Ellenrz krdsek
1. Mirt van szksg kvadratraformulkra? 2. Milyen elven alapulnak az interpolcis kvadratraformulk? 3. Mennyiben specilis kvadratraformulk a NewtonCotes-formulk? 4. Mik azok a NewtonCotes-egytthatk? 5. Melyik a hrom nevezetes NewtonCotes-formula? 6. Adjuk meg a hrom nevezetes sszetett kvadratraformula kplett s konvergenciarendjt! 7. Ismertessk a Romberg-eljrst! 8. Mekkora pontossgi rend rhet el a Gauss-kvadratra segtsgvel? 9. Adjuk meg a Gauss-kvadratra kiszmtsnak mdjt!
9. A kznsges dierencilegyenletek kezdetirtk-feladatainak numerikus mdszerei

Ebben a fejezetben a kznsges dierencilegyenletek kezdetirtkfeladatainak elmleti sszefoglalsa utn azok numerikus megoldsi mdszereivel foglalkozunk. Ismertetjk a legtipikusabb egylpses mdszereket, s ezek ltalnostsaknt a Runge-Kutta tpus egylpses illetve a lineris tbblpses mdszereket trgyaljuk. Ezutn megvizsgljuk a specilis tulajdonsggal rendelkez n. merev rendszerek tulajdonsgait. A fejezet vgn az ismertetett mdszerek szmtgpes realizlsval, s Matlab programjaikkal foglalkozunk.
9.1. Bevezets
A dierencilegyenletek gyakori eszkzei a termszettudomnyos, mszaki, kzgazdasgi folyamatok lersnak, azaz a folytonos matematikai modelleket tbbnyire ezek segtsgvel lehetsges (s szoksos) lerni. Az ilyen modellek elemzsvel a kznsges (illetve parcilis) dierencilegyenletek elmlete foglalkozik. Ezek a vizsglatok elssorban a klnbz jelleg feladatok megoldhatsgval foglakoznak, teht elssorban azt vizsgljuk, hogy a kitztt feladat milyen felttelek mellett korrekt kitzs. A megolds konkrt ellltsa zrt alakban (azaz megadsa olyan kpletek segtsgvel, amelyek ismert s knnyen kirtkelhet fggvnyeket tartalmaznak) csak ritkn lehetsges. Ezrt gyakorlati szempontbl megkerlhetetlen annak a vizsglata, amikor a megoldst valamilyen
numerikus mdszer
segtsgvel
kzelt alakban
keressk. Mint ltni
fogjuk, ezek a mdszerek lehetv teszik a numerikus megolds nagy pontossg s megbzhat ellltst. Ez utbbi azt jelenti, hogy becslst tudunk adni az eredeti feladat elemi eszkzkkel nem meghatrozhat pontos megoldsa s az alkalmazott kzelt mdszerrel nyert numerikus megolds kztti eltrsre.
9.2. A kznsges dierencilegyenletek kezdetirtk-feladata

9.2.1. denci.
Legyen pont (t0
G R Rd egy tartomny (azaz sszefgg, nylt halmaz), (t0 , u0 ) G R, u0 Rd ), f : G Rd egy folytonos lekpezs. A du(t) = f(t, u), u(t0 ) = u0 dt
egy adott
(9.2.1) nevezzk.
feladatot
kezdetirtk-feladatnak,
avagy ms szval
Cauchy-feladatnak
A knnyebb ttekinthetsg kedvrt rjuk ki a (9.2.1) feladatot koordintnknt! Jellje az ismeretlen
u(t)
vektorrtk fggvny
i-edik
koordinta-fggvnyt,
fi : G R
az
ui () u0i
217
9.
A kezdetirtk-feladatok numerikus mdszerei
(i
= 1, 2, . . . , d)
pedig az
u0
vektor koordintit. Ekkor a Cauchy-feladat felrhat a kvetkez
n. koordintnknti alakban:
dui (t) = fi (t, u1 (t), u2 (t), . . . ud (t)), dt ui (t0 ) = u0i

ahol
(9.2.2)
i = 1, 2, . . . , d.
Egy Cauchy-feladat megoldsa azt jelenti, hogy meghatrozzuk az sszes olyan fggvnyt, amely valamely
u : R Rd
I R
intervallum pontjaiban egyrszt behelyettesthet a (9.2.1)
feladatba, msrszt pedig azt ki is elgti.
9.2.2. denci. d Az olyan u : I R (I

du(t) = f(t, u(t)), dt
s
egy nylt intervallum) folytonosan dierencilhat fggvnyt, amelyre
{(t, u(t)) : t I} G;
minden
t I,
t0 I
u(t0 ) = u0
a (9.2.1) Cauchy-feladat megoldsnak nevezzk.

Amikor a (9.2.1) Cauchy-feladat egy termszettudomnyos, mszaki vagy kzgazdasgi folyamat matematikai modellje, akkor alapvet kvetelmny, hogy ltezzen egyrtelm megoldsa. Ennek biztostsra vezessk be valamely
H, (t0 , u0 ) = {(t, u) : H, (t0 , u0 ) egy (t0 , u0 ) kzep, zrt, d + 1 dimenzis tglalap.) Mivel f folytonos a zrt H, (t0 , u0 ) halmazon, ezrt rtelmes az M = maxH, (t0 ,u0 ) f(t, u) vals szm bevezetse. Ekkor minden t, |t t0 | min{, /M } esetn ltezik a (9.2.1) Cauchy-feladatnak u(t) megoldsa. Ha emellett a H, (t0 , u0 ) halmazon az f fggvny a msodik vltozjban lipschitzes, azaz valamely L > 0 lland mellett minden (t, u1 ), (t, u2 ) H, (t0 , u0 ) pontban teljesl a |t t0 | , u u0 s
pozitv szmok mellett a
} G
jellst. (Teht
f(t, u1 ) f(t, u2 )
n.
L u1 u2
(9.2.3)
Lipschitz-fle felttel,
akkor ez a megolds egyrtelm is. rszhalmaz, amelyen
A tovbbiakban a (9.2.1) feladatra mindig feltesszk, hogy ltezik olyan alkalmasan megvlasztott
H, (t0 , u0 ) G
folytonos s a msodik vltozjban lipschiintervallumon, ahol
tzes, azaz ltezik egyrtelm megoldsa az
T = min{, /M }, s a kzelt megoldst Mivel a t vltoz az idt jelli, ezrt egy Cauchy-feladat megoldsa azt rja le, hogy a rendszer
idben hogyan vltozik. Mi a gyakorlati problmk vizsglata sorn ltalban erre az idbeli fejldsre (vltozsra) vagyunk kivncsiak. Ez azt jelenti, hogy ismerve a rendszer llapott egy rgztett kezdeti idpontban, annak ezen idpontot kvet llapott szeretnnk meghatrozni, azaz ismeretben az u(t) fggvnyt a t > t0 rtkeire vagyunk kivncsiak. A t = t0 idkezdpontnak, a megoldsfggvny ezen pontbeli rtkt kezdeti rtknek, a (t0 , u(t0 )) prt pedig kezdeti felttelnek nevezzk. Nyilvnvalan nem jelent megszortst, ha a kezdpontot t0 = 0 rtknek vesszk. gy a (9.2.1) feladat megoldsnak rtelmezsi tartomnya a [0, T ] I pontot 218 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
I0 := {t I : |t t0 | T } az I0 intervallumon lltjuk el.
u(t0 )
9.2.
A kznsges dierencilegyenletek kezdetirtk-feladata
intervallum, s ekkor feladatunk a kvetkez alakot lti:
du(t) = f(t, u(t)), dt
t [0, T ],
(9.2.4) (9.2.5)
u(0) = u0 .
Clunk a tovbbiakban ezen
u(t) fggvny meghatrozsa.
9.2.3. megjegyzs. Az f fggvny folytonossga esetn (azaz f C(H) mellett) a Cauchy-feladat u(t) megoldsa egyszeresen folytonosan dierencilhat is, teht u C 1 [0, T ]. Ugyanakkor, ha f p p+1 magasabb rendben sima, akkor a megolds is simbb vlik: ha f C (H), akkor u C [0, T ], ahol p N. gy az adott f fggvny megfelel simasgval a megolds szksges simasga mindig
biztosthat. Ezrt teht nem jelent lnyeges megszortst, ha a tovbbiakban ahol ez szksges feltesszk, hogy a megolds
megfelelen sima.
A numerikus mdszereket a knnyebb ttekinthetsg kedvrt a skalris egyenletekre fogalmazzuk meg, azaz a tovbbiakban a
d=1
esetet tekintjk. Legyen
QT := [0, T ] R R2 , f : QT R.
du = f (t, u), u(0) = u0 dt f C(QT )
(9.2.6) s a msodik
feladatot nevezzk Cauchy-feladatnak, ahol mindvgig feltesszk, hogy vltozjban lipschitzes fggvny, azaz
|f (t, u1 ) f (t, u2 )| L |u1 u2 | , (t, u1 ), (t, u2 ) QT ,

tovbb u0 R adott szm. Teht u : [0, T ] R fggvnyt, amelyre
(9.2.7)
feladatunk a kvetkez: keressk azon megfelelen sima
du(t) = f (t, u(t)), t [0, T ], u(0) = u0 . dt
(9.2.8)
9.2.4. megjegyzs.
g(x, y) = y 2 .
Felmerlhet a krds: van-e kapcsolat valamely
g : R2 R
fggvny foly-
tonossga s a msodik vltozjban val lipschitzessge kztt? A vlasz nemleges, ugyanis, mint azt a kvetkez kt plda is mutatja, ezek egymstl fggetlen felttelek. Legyen elszr Ez a fggvny nyilvn folytonos a
G = R2
skon, de nem lipschitzes, ugyanis
2 2 |g(x, y1 ) g(x, y2 )| = y1 y2 = |y1 + y2 | |y1 y2 | ,

s gy a (9.2.7) felttel nem teljeslhet, hiszen fellrl korltos valamely Legyen most folytonos, viszont
y1
y2
tetszlegessge miatt
1
|y1 + y2 | g
nem lehet sehol sem
L llandval. g(x, y) = D(x)y , ahol D(x)
a jl ismert Dirichlet-fggvny . Ekkor
|g(x, y1 ) g(x, y2 )| = |D(x)| |y1 y2 | |y1 y2 | ,

azaz
L=1
rtkkel a (9.2.7) sszefggs rvnyes a
G = R2
skon.
9.2.5. megjegyzs.
Hogyan biztosthat a lipschitzessg? Tegyk fel, hogy valamely
g : R2 R
fggvny az rtelmezsi tartomnynak valamely nylt
Hg
rszhalmazn a msodik vltoz-
jban korltos derivlttal rendelkezik. Ekkor a Lagrange-kzprtkttel rtelmben valamely
1 A Dirichlet-fggvny denicija: D(x) = 1, ha x racionlis, s D(x) = 0, ha x irracionlis. Ez a fggvny minden pontban szakad.
9.
y (y1 , y2 ) rtk mellett g(x, y1 ) g(x, y2 ) = 2 g(x, y )(y1 y2 ), L = supHg (|2 g(x, y)|) < llandval2 .
azaz a (9.2.7) felttel teljesl az
A fenti megjegyzs kvetkezmnye: ha a (9.2.8) Cauchy-feladat rtelm megoldsa a
fggvnye a
QT
halmazon
folytonos, s a msodik vltozjban korltos parcilis derivlttal rendelkezik, akkor ltezik egy-
[0, T ]
intervallumon.
9.3. Egylpses mdszerek

Vegyk szre, hogy az elz szakaszban felsorolt ttelek a megolds ltezsre s annak egyrtelmsgre vonatkoztak, de nem adnak vlaszt annak ellltsra. ltalban a kznsges dierencllegyenletek kezdetirtk-feladatainak megoldsai csak nagyon specilis adhatk meg kpletek segtsgvel. Ehelyett
numerikus megoldst
fggvnyek esetn
lltunk el, ami azt jelenti,
hogy az rtelmezsi tartomnynak egyes pontjaiban az ismeretlen megoldsfggvny rtkeit
vges szm lpssel kzeltleg

idpontbeli kzeltst ilyen mdszereketegylpses
hatrozzuk meg. A fejezet tovbbi rszeiben ilyen eljrsokat ishatrozunk meg. Az
mertetnk. Ebben a rszben az olyan tpus eljrsokkal foglalkozunk, ahol valamely rgztett
egy azt megelz idpontbeli kzelts felhasznlsval mdszereknek nevezzk .
Teht a tovbbiakban a clunk a
du = f (t, u), dt u(0) = u0
t [0, T ],
(9.3.1) (9.3.2)
feladat egylpses mdszerekkel trtn kzelt megoldsa, ahol
a (9.3.1)(9.3.2) feladatnak ltezik egyrtelm, megfelelen sima megoldsa a
T > 0 olyan szm, amely mellett [0, T ] intervallumon.
9.3.1. Taylor-sorba fejtses mdszer

Ez az egyik legrgebben ismert mdszer. A denci alapjn a (9.3.1) egyenlet rvnyes az
u(t)
megoldsra
u (t) = f (t, u(t)),

azonossg. Tegyk fel, hogy az lteznek a
t [0, T ]
(9.3.3)
fggvny analitikus, s gy tetszleges rend parcilis derivltjai
QT
halmazon. Ekkor az
u(t)
megoldsfggvny is analitikus, s ezrt akrhnyszor
dierencilhat [7, 31]. A lncszably alkalmazsval rendre derivlva a (9.3.3) azonossgot a
t [0, T ]
pontban, a kvetkez egyenlsgeket nyerjk:
u (t ) = f (t , u(t )), u (t ) = 1 f (t , u(t )) + 2 f (t , u(t )) u (t ), u (t ) = 11 f (t , u(t )) + 212 f (t , u(t )) u (t ) + 22 f (t , u(t )) (u (t ))2 + + 2 f (t , u(t )) u (t ).
Vegyk szre, hogy (9.3.4)
u(t ) ismeretben mindegyik derivlt pontosan kiszmthat. (Megjegyezzk, t > t

olyan, amelyre
hogy tetszleges, magasabb rend derivlt hasonl mdon kiszmthat, csak a kpletek egyre bonyolultabb vlnak.) Tegyk fel, hogy
[t , t] [0, T ].
Mivel az
u(t)
2 A g(x, y) jells a g fggvny msodik vltozja szerinti parcilis derivltat jelenti az (x, y) pontban. 2
9.3.
Egylpses mdszerek
megoldsfggvny analitikus, ezrt Taylor-sora ellltja a a
pont valamely krnyezetben. Teht
Tn,u (t) =
k=0
Taylor-polinom
u(k) (t ) (t t )k k!
megoldshoz, ha
(9.3.5)
esetn konvergl az
u(t)
megfelelen kzel van a
ponthoz. Ezrt a konvergencia-tartomnyon bell a megolds elllthat az
u(t) =
k=0
u(k) (t ) (t t )k k!
(9.3.6)
egyenlsggel. A megolds a (9.3.6) kplet szerinti Taylor-soros ellltsa a gyakorlati szmtsok sorn kivitelezhetetlen: felttelezi, hogy a pontosan tudjuk sszegezni. Az
t t
pontban az
fggvny
derivltjt ismerjk, tovbb, hogy egy rgztett
pontban a jobb oldali
vgtelen sok parcilis vgtelen numerikus sort
u(t)
pontos rtk kiszmtsa teht a (9.3.6) kplet szerint nem valsthat meg. Ezrt
a tovbbiakban ennek
vges szelett
kzeltst
igyeksznk meghatrozni. Kzenfekv tlet, hogy a Taylor-sor
tekintjk kzeltsnek, azaz
u(t)
k=0
s ekkor az elhagyott rsz (azaz a hiba) az
u(k) (t ) (t t )k =: Tp,u (t), k! O((t t )p+1 )

nagysgrend. Denci alapjn,
(9.3.7)
Tp,u (t)
u(t)
fggvny
pontbeli
p-ed
fok Taylor -polinomja.
A (9.3.7) s a (9.3.4) sszefggsek segtsgvel az albbi kzelt eljrsok denilhatk. a) Taylor-mdszer Vlasszuk a
t =0
pontot, ahol a kezdeti felttelnk adott . Ekkor
u(t ) = u(0)
kezdeti felttelbl, s (9.3.4) alapjn a derivltak kzelts alapjn
pontosan
ismert a
kiszmthatk. Teht a (9.3.7)
u(t)
k=0
b) Loklis Taylor-mdszer Tekintsk az albbi kzelt algoritmust. 1. A
u(k) (0) k t . k!
(9.3.8)
[0, T ] intervallumon a t0 , t1 , . . . , tN intervallumbeli pontok megadsval kijellnk h := {0 = t0 < t1 < . . . < tN 1 < tN = T } n. rcshlt, amelynek lpskzeit hi = ti+1 ti , (ahol i = 0, 1, . . . N 1,) mg nomsgt h = maxi hi -vel jelljk. (A tovbbiakban ezekben a pontokban hatrozzuk meg a kzeltseket, s u(ti ) kzeltst (k) yi -vel, mg u(k) (ti ) kzeltst yi -val jelljk, ahol k = 0, 1, . . . , p.4
egy
2.
y0 rtkei a szksges k = 0, 1, . . . , p rtkekre a t = 0 behelyettestssel pontosan kiszmthatk.
(k)
(9.3.4) sszefggsek segtsgvel,
3 Az elz szakaszban lertakbl kvetkezik, hogy rtelmes a megoldsfggvny t = 0 pontbeli derivltjairl beszlni. 4 Szoksosan a nulladik derivlsi rend (k = 0) a fggvnyrtket jelenti.
9.
3. Az
y1 =
k=0
kplettel meghatrozzuk az 4.
y0 k h , k! 0
(k)
(9.3.9)
u(t1 ) kzeltst. Az i = 1, 2, . . . , N 1 rtkekre yi ismeretben a (9.3.4) sszefggsek segtsgvel a (k) t = ti s u(t ) = u(ti ) yi behelyettestssel kzeltleg meghatrozzuk yi rtkeit a k = 0, 1, . . . , p rtkekre.
p
5. Az
yi+1 =
k=0
kplettel meghatrozzuk az
yi hk , k! i
(k)
(9.3.10)
u(ti+1 )
kzeltst.
rjuk ki a loklis Taylor-mdszer algoritmust (9.3.10) alapjn a
p = 0, 1, 2
esetekre!
Ha
p = 0,
akkor
yi = y0
minden
rtkre, gy ez az eset a gyakorlat szempontjbl
rdektelen. Legyen
p = 1.
Ekkor
yi+1 = yi + yi hi = yi + hi f (ti , yi ),
ahol
i = 0, 1, . . . N 1,
(9.3.11)
y0 = u0
adott. Ekkor a szmtsi algoritmus (9.3.12)
Legyen
p = 2.
yi+1 = yi + hi yi +
ahol
h2 h2 i yi = yi + hi f (ti , yi ) + i (1 f (ti , yi ) + 2 f (ti , yi )f (ti , yi )) , 2 2 i = 0, 1, . . . N 1 s y0 = u0 adott.
Hasonltsuk ssze a Taylor-mdszert s a loklis Taylor-mdszert! 1. Mindkt mdszer esetn a sgess teszi a
p-ed fok Taylor-polinomot hasznljuk, ezrt a mdszer szkp 1-ed rendig bezrlag valamennyi parcilis derivlt meghatrozst. Ezek szma p(p + 1)/2 1, s mindegyikben szksges a fggvnyek kirtkelse is. Ez mr viszonylag kis p rtkek mellett is rendkvl munkaignyes, s ez a mdszer gyakorlati alkalmazhatsgnak komoly korltja . Ezrt a Taylor-mdszer gyakorlatban elrhet pontossga behatrolt.
5
2. A Taylor-mdszer ugyan
nvelsvel egyre pontosabban kzelti a megoldst, valamint
tetszleges pontban kzvetlenl kiszmthat a kzelts, de csak olyan
t rtkekre, amelyek T -nl,

gy a
a Taylor-sor konvergencia-sugarnl kisebbek. Ez a mdszer egyik legnagyobb htrnya: a konvergencia-sugr ltalban nem ismert, vagy a konvergencia-sugr kisebb teljes
[0, T ]
intervallumon nem lehetsges a kzelt megolds ellltsa.
3. A Taylor-mdszer elnye, hogy ha csak egy rgztett
t = t pontban
vagyunk kvncsiak a
kzeltsre, s ez a pont a konvergenciatartomnyon bell helyezkedik el, akkor kzvetlenl, egy lpsben meghatrozhat a kzelts. A loklis Taylor-mdszer kikszbli a fenti hinyossgokat, hiszen ennl a mdszernl mivel csak a teljes
h a szksges mdon, akrmilyen kicsinek vlaszthat. Ugyanakkor n darab feladat megoldsa szksges, ahol h0 + h1 + . . . + hn1 = t, [0, t] idintervallumon tudjuk ellltani a kzeltst.
5 Az utbbi vekben elterjedt szimbolikus szmtsos programok ugyan lehetsget adnak az automatikus derivlsra, de a problma mg tovbbra is fennll.
9.3.
Egylpses mdszerek
4. A Taylor-mdszer alkalmazsa esetn a pontos s a kzelt megolds eltrsre a Taylorpolinom hibatagjval becslst tudunk adni. A loklis Taylor-mdszer esetn viszont a mdszer hibja kzvetlenl nem ltszik, ugyanis az eltrs kt rszbl addik: a) minden lpsnl a Taylor-mdszerhez hasonlan a fggvny mal trtn approximcijbl, b) a Taylor-polinom egytthatit (azaz a megoldsfggvny derivltjait) csak kzeltleg tudjuk meghatrozni. (Radsul, az itt elkvetett hiba a lpsek sorn felhalmozdhat.) 5. Vegyk szre, hogy a fenti Taylor-mdszerek felptshez nem szksges a megolds analitikussga. Elegend csak a megolds gend az
n-ed fok Taylor-polinom-
p + 1-szeres
folytonos dierencilhatsga, azaz ele-
f C p (QT )
simasgi felttel.
9.3.1. plda.
Tekintsk az
u = u + t + 1, t [0, 1], u(0) = 1

feladatot, amelynek pontos megoldsa
(9.3.13)
u(t) = exp(t) + t.
Ebben a feladatban
f (t, u) =
u + t + 1,
ezrt
u (t) = u(t) + t + 1, u (t) = u (t) + 1 = u(t) t, u (t) = u(t) + t,

teht (9.3.14)
u(0) = 1, u (0) = 0, u (0) = 1, u (0) = 1. T1,u (t) = 1, T2,u (t) = 1 + t2 /2,
A Taylor-mdszer esetn a kzelt
polinomok:
(9.3.15)
T3,u (t) = 1 + t /2 t /6. t = 1 pontban T1,u (1) = 1, T2,u (1) = 1.5, T3,u (1) = 1.333. T4,u (1) = 1.375 s T5,u (1) = 1.3666.) Mint lthat, ezek az magas n esetn kzeltik megfelelen az u(1) = 1.367879 rtket.
Ezrt a hogy Az elsrend mdszer algoritmusa (Knnyen kiszmthat, rtkek csak viszonylag
Alkalmazzuk a (9.3.10) loklis Taylor-mdszert, gyelembe vve a (9.3.14) derivltakat.
yi+1 = yi + hi (yi + ti + 1), i = 0, 1, . . . , N 1,

mg a msodrend mdszer algoritmusa
(9.3.16)
yi+1 = yi + hi (yi + ti + 1) +
ahol
h2 i (yi ti ), i = 0, 1, . . . , N 1, 2 hi = h = 0.1 egyenkz (n. ekvidisztns) [0, 1] intervallum rcspontjaiban hasonltjuk
h1 + h2 + . . . + hN = T .
Szmtsainkat a
rcshln vgezzk el. A 9.3.1. tblzatban a
ssze a loklis s globlis Taylor-mdszereket. (LT1 s LT2 a loklis els- illetve msodrend Taylor-mdszert, mg T1, T2 s T3 a els-, msod- s harmadrend Taylor-mdszereket jelli.)
9.
ti 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
a pontos megolds
LT1
LT2
T1
T2
T3
1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679
1.0000 1.0100 1.0290 1.0561 1.0905 1.1314 1.1783 1.2305 1.2874 1.3487
1.0050 1.0190 1.0412 1.0708 1.1071 1.1494 1.1972 1.2500 1.3072 1.3685
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
1.0050 1.0200 1.0450 1.0800 1.1250 1.1800 1.2450 1.3200 1.4050 1.5000
1.0048 1.0187 1.0405 1.0693 1.1042 1.1440 1.1878 1.2347 1.2835 1.3333 h = 0.1 lpskz
9.3.1. tblzat. A loklis Taylor-mdszer s a Taylor-mdszer sszehasonltsa a rcshln
a h lpskz
LT1
LT2
T1
T2
T3
0.1 0.01 0.001 0.0001
1.92e 02 1.80e 03 1.85e 04 1.84e 05
6.62e 04 6.12e 06 6.14e 08 6.13e 10
0.3679 0.3679 0.3679 0.3679
0.1321 0.1321 0.1321 0.1321 h
0.0345 0.0345 0.0345 0.0345

lpskz rcshln a
9.3.2. tblzat. A loklis Taylor-mdszer s a Taylor-mdszer hibja maximumnormban
A vizsglt mdszerekkel nyert numerikus megolds s a pontos megolds eltrse a rcshl pontjaiban meghatrozza az hogy
ei = yi u(ti
koordintj hibavektort, s ennek maximumnormjt
hasonltjuk ssze a 9.3.2. tblzatban a klnbz, egyre nomod rcshlkon. Jl lthat,
h cskkense esetn a loklis Taylor-mdszer hibja cskken, viszont a Taylor-mdszer ltal
nyert eredmny vltozatlan marad. (Ez utbbi termszetes kvetkezmnye annak, hogy a mdszer fggetlen a lpskz megvlasztstl.) A loklis Taylor-mdszer egylpses mdszer, hiszen a
ti
pontbeli rtkek hatrozzk meg a
ti+1 -beli
kzeltst. A hibaanalzise meglehetsen bonyolult. A korbbiakban lertaknak megfele-
len (s amit a fenti plda is jl mutat), tbb tnyez okozza.
yi+1
kzeltsnek az
u(ti+1 ) pontos rtktl val eltrst
Az n.
sbl ered, felttelezve, hogy a
loklis approximcis hiba, ami a Taylor-sor Taylor-polinommal val helyettestti pontbeli rtket pontosan ismerjk. Ennek a [ti , ti + hi ] intervallum hossza szerinti rendjt, vagyis az u(ti+1 ) Tn,u (ti+1 ) eltrs hi szerinti rendjt loklis hibarendnek nevezzk. (Megfelelen sima fggvnyek esetn ez a rend O(hp+1 ).) i
Minden lpsben (kivve az elst) a sorbafejtsben nem a pontos
ti -beli
rtkek, hanem
azoknak kzeltsei szerepelnek, s ezek az eltrsek a lpsek sorn felhalmozdhatnak. Minden szmtsnl
kerektsi hibk
is fellpnek, amelyek jelentsen torzthatjk a kzel-
tst. Ez termszetes velejrja a szmtgpek korltozott pontossgnak, s nagysga fgg a gpi pontossgtl. (A mdszerek vizsglata sorn mi ezen hibval nem foglalkozunk.)
Amikor a
[0, T ]
intervallumon megoldjuk a feladatunkat, akkor egy
t [0, T ]
zelts els kt hibaforrsbl ered hibjt
globlis hibnak
pontbeli k-
nevezzk. Intuitv mdon azt
9.3.
Egylpses mdszerek
mondjuk, hogy a mdszer konvergens a snak rendjt a mdszer
t = t
pontban, amikor a
maximlis lpskz
konvergenciarendjnek nevezzk. Ez a rend fggetlen a kerektsi t = t pontbeli kzelts meghatrozshoz kb. n lpst kell tennnk, ahol nh = t , ezrt O(hp+1 ) loklis csonkolsi hiba mellett a globlis konvergencia vrhat rendje O(hp ). (A 9.3.2. tblzat LT1 s LT2 mdszereihez tartoz eredmnyek ezt altmasztjk: az LT1 elsrendben, mg LT2 msodrendben konvergens a t = 1 pontban.)
hibktl. Mivel a
nullhoz tartsa esetn ez a globlis hiba is nullhoz tart. A globlis hiba nullhoz tart-
9.3.2. megjegyzs.
A Taylor-mdszer alkalmazsa s viselkedse az
u = 1t3u
dierencil-
egyenleten jl lthat a linken lv animcin.
http://math.fullerton.edu/mathews/a2001/Animations/OrdinaryDE/Taylor/Taylor.html
9.3.2. Nhny nevezetes egylpses mdszer

Az elz rszben lttuk, hogy numerikus szempontbl a loklis Taylor-mdszer klnsen esetn elnys: a (9.3.11) kplethez nem kell meghatrozni az
p=1
fggvny parcilis derivltjait,
s a lpskzk cskkentsvel a rcspontokban az ismeretlen fggvny jl kzelthet. Ebben a rszben az a clunk, hogy jabb, hasonl tulajdonsgokkal rendelkez egylpses mdszereket deniljunk. Az LT1 mdszert az ismeretlen csonkolsi hiba)
u(t)
megoldsfggvnynek a
6
[ti , ti+1 ]
intervallumon
T1,u (t)
elsrend Taylor-polinommal val approximcijbl nyertk.
Ekkor az elkvetett hiba (a loklis (9.3.17)
|u(ti+1 ) T1,u (ti+1 )| = O(h2 ), i
i = 0, 1, . . . , N 1,
azaz msodrendben pontos az approximci. Adjunk meg
T1,u (t) helyett olyan ms, P1 (t) elsfok

(9.3.18)
polinomot, amely mellett a (9.3.17) becsls tovbbra is rvnyben marad, azaz
|u(ti+1 ) P1 (ti+1 )| = O(h2 ). i

Mivel
T1,u (t)
a megoldsgrbhez a
(ti , u(ti ))
pontbeli rint, ezrt olyan
P1 (t)
polinomot ke-
resnk, amely szintn tmegy ezen a ponton, de irnyt mivel a megoldsgrbe rcspontbeli rtkeibl akarjuk meghatrozni az meg. Ezrt legyen adott fggvny.
u(t) fggvny ti s ti+1 pontbeli rintinek irnya hatrozza P1 (t) := u(ti ) + (t ti ) (t [ti , ti+1 ]) alak, ahol = (u (ti ), u (ti+1 )) egy (Pldul, az = u (ti ) megvlasztssal P1 (t) = T1,u (t), s ekkor termszetesen
(9.3.18) rvnyes.) Lehet-e ms alkalmas megvlaszts is? Mivel
u(ti+1 ) = u(ti ) + u (ti )hi + O(h2 ), i

ezrt
(9.3.19)
u(ti+1 ) P1 (ti+1 ) = hi (u (ti ) ) + O(h2 ), i

azaz (9.3.18) pontosan akkor teljesl, amikor az
u (ti ) = O(hi )
becsls rvnyes.
(9.3.20)
6 Mindegyik [t , t i i+1 ] intervallumon ms polinomot hatrozunk meg, de a polinomok ezen i-tl val fggst a jellseinkben nem hangslyozzuk.
9.
9.3.3. ttel.
Tetszleges
esetn az
= (1 )u (ti ) + u (ti+1 )
megvlaszts fggvny esetn a (9.3.20) becsls rvnyes.
(9.3.21)
Bizonyts. Alkalmazzuk a (9.3.19) felbontst az
u (t)
fggvnyre! (9.3.22)
u (ti+1 ) = u (ti ) + u (ti )hi + O(h2 ), i

s behelyettestve a (9.3.22) sszefggst a (9.3.21) kpletbe,
u (ti ) = u (ti )hi + O(h2 ) i

sszefggst nyerjk, ami az lltsunkat bizonytja.
(9.3.23)
9.3.4. kvetkezmny.
A fenti
P1 (t)
polinom az
yi+1 = yi + hi
(9.3.24)
egylpses numerikus mdszert hatrozza meg, ahol a (9.3.21) s a (9.3.1) sszefggsek alapjn
= (1 )f (ti , yi ) + f (ti+1 , yi+1 ).
(9.3.25)
9.3.5. denci.
A (9.3.24)-(9.3.25) numerikus mdszert
-mdszernek
nevezzk.
9.3.6. megjegyzs.
-mdszer
esetn is jellemz, hogy
yi
valamilyen kzeltse az
u(ti )
pon-
tos rtknek, s az eltrs a Taylor-mdszernl is emltettekkel megegyezen alapveten a kvetkezk miatt van: a) minden lpsnl az b) a
u(t)
megoldsfggvnyt az elsfok
P1 (t)
polinommal approximljuk,
P1 (t) polinomban az egytthatt (azaz a megoldsfggvny derivltjait) csak kzeltleg
tudjuk meghatrozni.
Mivel az
irnyt a megoldsfggvny
ti
ti+1
pontbeli rintinek irnya hatrozza meg, ezrt
ltalban gy vlasztjuk meg, hogy ezen kt rtk kz essk. Ezrt a
paramtert csak a
intervallumbl szoksos megvlasztani. A tovbbiakban hrom, specilisan megvlasztott
[0, 1]
[0, 1]
rtkhez tartoz numerikus mdszert vizsglunk meg.
Az explicit Euler-mdszer
Tekintsk a
-mdszert a = 0 megvlasztssal! Ekkor (9.3.24) s (9.3.25) a kvetkez numerikus yi+1 = yi + hi f (ti , yi ), i = 0, 1, . . . , N 1.

(9.3.26)
mdszert generljk:
9.3.
Egylpses mdszerek
Mivel
yi
az ismeretlen
u(t)
fggvny
ti
pontbeli kzeltse, ezrt rtelemszeren
y0 = u(0) = u0 ,
vagyis a (9.3.26) iterciban az
(9.3.27) adott rtk.
i=0
rtkhez tartoz
y0
9.3.7. denci.
A (9.3.26)(9.3.27) kpletekkel denilt egylpses mdszert zk. Mivel a
explicit Euler-mdszernek
P1
nevez-
= 0
esetn
= u (ti ),
ezrt ebben az esetben a mdszert denil
polinom
megegyezik az elsrend Taylor-polinommal. Teht az explicit Euler-mdszer azonos a (9.3.11) kplettel denilt elsfok kzeltses loklis Taylor-mdszerrel.
9.3.8. megjegyzs.
pontbeli kzelts.
A (9.3.26)(9.3.27) mdszert azrt nevezzk explicitnek, mert a
ti
pont-
beli rtk ismeretben kzvetlenl, egy egyszer fggvnybehelyettestssel kiszmthat a
ti+1
Vizsgljuk meg elszr, hogy egy rgztett
h := {ti = ih; i = 0, 1, . . . , N ; h = T /N }
ekvidisztns rcshln milyen becsls adhat az explicit Euler-mdszer ltal nyert numerikus kzelts s a pontos megolds eltrsre valamely megfelelen tovbbra is feltesszk, hogy az megolds megfelelen sima.) Jellje
tn h
pontban! (Az elzekben lertaknak
fggvny a msodik vltozjban lipschitzes, s a
ei = yi u(ti ), i = 0, 1, . . . , N
egy tetszleges
(9.3.28)
ti h
rcspontbeli pontbeli hibt.
A (9.3.26) explicit Euler-mdszer kpletbe behelyettestve a (9.3.28) dencibl kvetkez
yi = ei + u(ti )
kifejezst, rvnyes a kvetkez egyenlsg:
ei+1 ei = (u(ti+1 ) u(ti )) + hf (ti , ei + u(ti )) = [hf (ti , u(ti )) (u(ti+1 ) u(ti ))] + h [f (ti , ei + u(ti )) f (ti , u(ti ))] .
gy, bevezetve a
(9.3.29)
gi = hf (ti , u(ti )) (u(ti+1 ) u(ti )),

jellseket az
i = f (ti , ei + u(ti )) f (ti , u(ti ))
(9.3.30)
ei+1 ei = gi + hi
n.
(9.3.31)
hibaegyenletet
kapjuk. Vizsgljuk meg a (9.3.30) denciban szerepl kt tagot! A
9.3.9. megjegyzs.
az
mutatja, hogy a pontos megolds az explicit Euler-mdszer (9.3.26)
gi tag azt hf (ti , yi ) (yi+1 yi ) = 0
alakban felrt kplett milyen pontosan elgti ki. Ez a kifejezs azt a hibt tartalmazza, ami
u(t)
megoldsfggvnynek a
[ti , ti+1 ]
intervallumon trtn, elsfok Taylor-polinommal val
approximcijbl ered. (Ezt neveztk loklis approximcis hibnak.) A hogy a mdszer egy lpse sorn mekkora hiba keletkezik abbl, hogy az szolgl kpletben a pontos
tag azt jellemzi,
yi+1
rtk kiszmolsra
u(ti )
rtk helyett annak
yi
kzeltsvel szmolunk. tankonyvtar.bme.hu 227
9.
Az
fggvny lipschitzessge kvetkeztben
|i | = |f (ti , ei + u(ti )) f (ti , u(ti ))| L|(ei + u(ti )) u(ti )| = L|ei |.

gy a (9.3.31) s a (9.3.32) sszefggsek alapjn
(9.3.32)
|ei+1 | |ei | + |gi | + h|i | (1 + hL)|ei | + |gi |

minden
(9.3.33)
i = 0, 1, . . . , n 1
rtkre. Ezrt
|en | (1 + hL)|en1 | + |gn1 | (1 + hL) [(1 + hL)|en2 | + |gn2 |] + |gn1 | = (1 + hL)2 |en2 | + [(1 + hL)|gn2 | + |gn1 |]
n1 n1 i n
(9.3.34)
(1 + hL) |e0 | +
i=0
(Az utols lpsben az
(1+hL) |gn1i | < (1 + hL)
|e0 | +
i=0
|gn1i | .
(1 + hL)i < (1 + hL)n , i = 0, 1, . . . , n 1 egyenltlensget alkalmaztuk.) Mivel tetszleges pozitv x esetn 1 + x < exp(x), ezrt az nh = tn relci kvetkeztben (1 + hL)n < exp(nhL) = exp(Ltn ). gy (9.3.34) alapjn
n1
|en | exp(Ltn ) |e0 | +

i=0
Adjunk becslst a
|gn1i | .
(9.3.35)
|gi |
kifejezsre! Knnyen lthatan
1 u(ti+1 ) u(ti ) = u(ti + h) u(ti ) = hu (ti ) + u (i )h2 , 2

ahol
(9.3.36)
i (ti , ti+1 )
egy adott pont. Mivel
f (ti , u(ti )) = u (ti ),

[0,T ]
ezrt a
[0,tn ]
relci miatt a
max |u (t)| max |u (t)| =: M2
gi
tagra - a (9.3.30) szerinti dencija kvetkeztben- rvnyes a
|gi |
M2 2 h 2
(9.3.37)
egyenltlensg. Ekkor a (9.3.35) s a (9.3.37) becslsek alapjn
|en | exp(Ltn ) |e0 | + hn

becsls. Mivel
M2 t n M2 h = exp(Ltn ) |e0 | + h 2 2
(9.3.38)
e0 = 0,
ezrt rvnyes a
|en | exp(Ltn )
becsls.
tn M2 h, 2
n = 0, 1, . . . , N
(9.3.39)
A 9.3.6. megjegyzsben felsoroltuk a mdszer hibjnak, azaz a pontos s a kzelt megolds eltrsnek forrsait. A mdszer alkalmazsnak f clja annak biztostsa, hogy a nomod oldshoz. Ezt akrdst tbb szempontbl is megvizsglhatjuk. 228 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) rcshlk sorozatn ellltott numerikus kzeltsek tartsanak (konvergljanak ) a pontos meg-
9.3.
Egylpses mdszerek
a. Egy rgztett
t [0, T ]
pontban a rcshl nomtsval hogyan viselkedik a kzelt s
pontos rtk klnbsge? b. Tetszleges rgztett
t [0, T ]
pont esetn a rcshl nomtsval hogyan viselkedik a
kzelt s pontos rtk klnbsge a Elszr az a. krdssel foglalkozunk.
[0, t ]
intervallumon?
Ekvidisztns rcshlk sorozatn viszonylag egyszeren belthat a kvetkez llts.
9.3.10. ttel.
Legyen az
t [0, T ]
tetszleges rgztett pont. Tekintsk
h0
mellett a
[0, t ]
intervallumon (9.3.40)
h := {ti = ih; i = 0, 1, . . . , n; h = t /n}

ekvidisztns rcshlk sorozatt. Ekkor a konvergens. Bizonyts. Nyilvnvalan esetn egy
pontban az explicit Euler mdszer elsrendben
index
h-tl
fgg, s
tn = nh = t
. Azt kell megmutatnunk, hogy az
h-tl
fggetlen lland. Tekintsk a (9.3.39)
h 0 esetn n . Emellett tetszleges h en = yn u(t ) hibra en = Ch, ahol C egyenltlensget! Mivel tn = t , ezrt t M2 h. 2
llandval. (9.3.41)
|en | exp(Lt )
gy az lltsunk kzvetlell kvetkezik a
C = 0.5 exp(Lt )t M2
Az explicit Euler-mdszer rgztett pontbeli konvergencijnak fenti bizonytsa viszonylag egyszeren kiterjeszthet az alkalmasan megvlasztott nemekvidisztns rcshlkra is. Legyen most
hv := {0 = t0 < t1 < . . . < tn1 < tn = t }

egy vltoz lpshosszsg rcshl a
(9.3.42)
[0, t ]
intervallumon. Vezessk be a
hi = ti+1 ti ,
jellseket. A
h=
i=0,...,n1
max
hi ,
hmin =
i=0,...,n1
min
hi
gi = hi f (ti , u(ti )) (u(ti+1 ) u(ti )),

jellsekkel a (9.3.33) becsls gy rhat t:
i = f (ti , ei + u(ti )) f (ti , u(ti ))
(9.3.43)
|ei+1 | |ei | + |gi | + hi |i | |ei | + |gi | + hi L|ei | (1 + hi L)|ei | + |gi | exp(hi L)|ei | + |gi | exp(hi L) [|ei | + |gi |] .
Ekkor a
(9.3.44)
t = tn hv
rcspontbeli a (9.3.34) hiba becslse, a (9.3.44) relci gyelembevtelvel
gy alakul:
|en | exp(hn1 L) [|en1 | + |gn1 |] exp(hn1 L) [exp(hn2 L) (|en2 | + |gn2 |) + |gn1 |] = exp((hn1 + hn2 )L) (|en2 | + |gn2 | + gn1 |)
n
(9.3.45)
exp((hn1 + hn2 + . . . + h0 )L) |e0 | +

i=1
|gni | .
9.
Jellje
Kv K(hv ) = h/hmin
az
(9.3.46)
hv
rcshl felosztst jellemz szmot. Ekkor a
|gi |
becsls alapjn
M2 2 h 2 i
(9.3.47)
Nyilvnvalan alapjn
hn1 + hn2
M2 2 M2 h hKv hmin . 2 2 + . . . + h0 = tn = t s nhmin tn = t |gi | M2 Kv h . 2
(9.3.48) , ezrt (9.3.45) s (9.3.48)
|en | exp(t L) |e0 | + t

Mivel
(9.3.49)
e0 = 0,
ezrt
|en | exp(Lt )
lyek az albbi tulajdonsgokkal rendelkeznek:
M2 t Kv 2
h.
(9.3.50) rcshlk olyan sorozatt, ame-
A vltoz rcshln val konvergencihoz tekintsk az
(hv )
Ltezik olyan
K>0
lland, hogy mindegyik rcshlra
Kv K.
Az egyes rcshlk
(9.3.51)
maximlis lpskze nullhoz tart.
A tovbbiakban a fenti tulajdonsg rcshlsorozatot
regulrisnak
nevezzk.
9.3.11. megjegyzs.
donsg.
Az osztsrszek szmnak nvelsvel ellltott ekvidisztns rcshlso-
rozatok regulrisak, hiszen (9.3.51) a
K=1
llandval teljesl. Tovbb az is knnyen meggon-
dolhat, hogy a regulris rcshlsorozat msodik felttelbl nem kvetkezik a (9.3.51) tulaj-
A (9.3.50) becsls alapjn kzvetlenl belthat az albbi llts.
9.3.12. ttel.
Legyen
t [0, T ]
egy rgztett pont az
(hv )
[0, t ]
intervallumon rtelmezett regulris
rcshlsorozat. Ekkor a
pontban az explicit Euler mdszer elsrendben konvergens.
Bizonyts. Mivel a rcshlsorozat regulris, ezrt a (9.3.50) becsls felrhat az
|en | exp(Lt )
M2 t K 2
h.
(9.3.52)
alakban. Innen a 9.3.10. ttel bizonytsa megismtelhet. Trjnk t a b. krdsre! Az eddigi konvergenciavizsglatok sorn azt vizsgltuk, hogy a intervallum egy rgztett
[0, T ]
pontjban a
[0, t ]
intervallumon rtelmezett rcshlkon a kzelt
megoldsok sorozata tart-e a pontos megoldshoz a mindegyik pontjban konvergens-e?
t=t
pontban. Most azt vizsgljuk meg, hogy
a megfelel rcshlsorozatokon ellltott numerikus megoldsok sorozata vajon az intervallum
9.3.
Egylpses mdszerek
9.3.13. ttel.
Legyen
(hv ) egy regulris rcshlsorozat a [0, t ] intervallumon. Ekkor az intervallum mind-
egyik pontjban az explicit Euler mdszer elsrendben konvergens.
Bizonyts. A rcshlsorozat ltezik olyan ezekben a
(tnv )
sorozat, hogy mindegyik rcshlra
lim h = 0 tulajdonsga kvetkeztben minden t [0, t ] ponthoz tnv hv s limnv tnv = t. Ezrt |env | = |ynv u(tnv )| Ch
(9.3.53)
t nv
pontokban felrva a (9.3.52) becslst, az
alakban, ahol
C = exp(Lt )
adott lland. Mivel
M2 t K 2
(9.3.54) a
h 0 esetn nv , ezrt a (9.3.53) egyenltlensgben ttrve 0 hatrrkre, valamint felhasznlva az u fggvny folytonossgt, a ttelnk lltst limh0 ynv = u(t) sszefggst kapjuk.
jelent
Nyilvnvalan elegend volt az lltst csak a regulris rcshlsorozaton megmutatni, hiszen az ekvidisztns felosztson val konvergencia ebbl mr kvetkezik.
9.3.14. kvetkezmny. 9.3.15. ttel.

Legyen mon
Vegyk szre, hogy a (9.3.54) mdon denilt
kifejezs
monoton
nv fggvnye. Ezrt teht a 9.3.13. ttel alapjn rvnyes az albbi llts.
(hv )
egy regulris rcshlsorozat a pontjban az explicit Euler llandval.
[0, T ]
intervallumon. Ekkor az intervalluelsrendben konvergens a
mindegyik
mdszer
C =
0.5M2 T K exp(LT )
9.3.16. megjegyzs.
esetben
Lthat, hogy az explicit Euler-mdszer esetn a
lsghez nem szksges az
y0 = u0
megvlaszts, elegend, ha
limh0 en = 0 egyeny0 = u0 + O(h), mert ebben az
e0 = O(h).
(Emellett, tovbbra is
en = O(h).)
Az implicit Euler-mdszer
Tekintsk a
-mdszert a = 1 megvlasztssal! Ekkor (9.3.24) s (9.3.25) a kvetkez numerikus
mdszert generlja:
yi+1 = yi + hi f (ti+1 , yi+1 ), y0 = u0 .
i = 0, 1, . . . , N 1,
(9.3.55) (9.3.56)
9.3.17. denci.
A (9.3.55)(9.3.56) kpletekkel denilt egylpses mdszert zk.
implicit Euler-mdszernek
nevez-
9.
9.3.18. megjegyzs.
A (9.3.55) implicit Euler-mdszert azrt nevezzk implicitnek, mert az
idben val elrehaladshoz
yi
ismeretben
yi+1
rtkt minden egyes idlpsben egy (tipikusan
nemlineris) egyenlet megoldsval tudjuk csak meghatrozni. Az implicit Euler-mdszer
ei
hibafggvnyre a hibaegyenlet a kvetkez mdon rhat fel:
ei+1 ei = (u(ti+1 ) u(ti )) + hi f (ti+1 , u(ti+1 ) + ei+1 ) = [hi f (ti+1 , u(ti+1 )) (u(ti+1 ) u(ti ))] + hi [f (ti+1 , u(ti+1 ) + ei+1 ) f (ti+1 , u(ti+1 ))] .
(9.3.57) gy a
gi = hi f (ti+1 , u(ti+1 ))(u(ti+1 )u(ti )),
i = f (ti+1 , u(ti+1 )+ei+1 )f (ti+1 , u(ti+1 ))
(9.3.58)
jellsekkel ismtelten a (9.3.31) alak hibaegyenletet nyerjk. Nyilvnvalan
1 u(ti+1 ) u(ti ) = u(ti+1 ) u(ti+1 hi ) = hi u (ti+1 ) u (i )h2 , i 2

ahol
(9.3.59)
i (ti , ti+1 )
egy adott pont. Msrszt,
f (ti+1 , u(ti+1 )) = u (ti+1 ). M2 2 h 2 i i

a
Ezrt
gi
(9.3.58) szerinti
dencija kvetkeztben rvnyes a
|gi |
(9.3.60)
egyenltlensg. Ugyanakkor az implicit Euler-mdszer esetn vltozatlan formban nem ismtelhet meg. (A mdszer ksbb foglalkozunk.)
ti+1
pontbeli kzeltstl s a
pontos megoldstl egyarnt fgg, ezrt az explicit Euler-mdszer vizsglata ebben az esetben
en
hibafggvnynek nullhoz tartsval
A CrankNicolson-mdszer
Tekintsk a
-mdszert
= 0.5
megvlasztssal! Ekkor (9.3.24) s (9.3.25) a kvetkez nume-
rikus mdszert generlja:
yi+1 yi =
ahol
hi [f (ti , yi ) + f (ti+1 , yi+1 )] , 2
i = 0, 1, . . . , N 1,
(9.3.61)
y0 = u0 .
9.3.19. denci.
A (9.3.61) egylpses mdszert
CrankNicolson-mdszernek
nevezzk.
Vegyk szre, hogy a CrankNicolson-mdszer is implicit. A CrankNicolson-mdszer hibafggvnyre az explicit s implicit Euler-mdszerek hibaegyenleteinek kombinlsval knnyen nyerhet a (9.3.31) alak hibaegyenletet, ahol most
1 hi [f (ti , u(ti )) + f (ti+1 , u(ti+1 ))] (u(ti+1 ) u(ti )), 2 1 1 i = [f (ti , u(ti ) + ei ) f (ti , u(ti ))] + [f (ti+1 , u(ti+1 ) + ei+1 ) f (ti+1 , u(ti+1 ))] . 2 2 gi =
(9.3.62)
9.3.
Egylpses mdszerek
ti 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
a pontos megolds
EE
IE
CN
1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679
1.0000 1.0100 1.0290 1.0561 1.0905 1.1314 1.1783 1.2305 1.2874 1.3487
1.0091 1.0264 1.0513 1.0830 1.1209 1.1645 1.2132 1.2665 1.3241 1.3855
1.0048 1.0186 1.0406 1.0701 1.1063 1.1485 1.1963 1.2490 1.3063 1.3676
9.3.3. tblzat. Az explicit Euler-mdszer (EE), az implicit Euler-mdszer (IE) s a Crank Nicolson mdszer (CN) sszehasonltsa a
h = 0.1
lpskz rcshln
Adjunk becslst a (9.3.62) kpletben szerepl sorba az Ekkor
1 gi kifejezsre! A ti+ 2 = ti + 0.5hi jellssel fejtsk 1 1 u(ti ) = u(ti+ 2 hi /2) s az u(ti+1 ) = u(ti+ 2 + hi /2) kifejezseket a t = ti+ 1 pont krl. 2
u(ti+1 ) u(ti ) = hi u (ti+1/2 ) +

ahol
h3 i 1 2 (u (i ) + u (i )), 48
(9.3.63)
1 2 i , i (ti , ti+1 )
adott pontok. Msrszt
f (ti , u(ti )) + f (ti+1 , u(ti+1 )) = u (ti ) + u (ti+1 ).

Sorba fejtve a (9.3.64) jobb oldali fggvnyeit a
1 t = ti+ 2
(9.3.64)
pont krl, az
1 h2 3 4 [f (ti , u(ti )) + f (ti+1 , u(ti+1 ))] = u (ti+ 1 ) + i (u (i ) + u (i )). 2 2 16

egyenlsget kapjuk. Ezrt (9.3.63) s (9.3.65) alapjn a
(9.3.65)
gi
kifejezsre rvnyes a
|gi |
egyenltlensg.
M3 3 h , 6 i
M3 = max |u (t)|
[0,t ]
(9.3.66)
A 9.3.3. tblzatban a (9.3.13) tesztfeladat fenti hrom numerikus mdszerrel val megoldst ismertetjk. A 9.3.4. tblzatban a hibkat a maximumnormban hasonltjuk ssze a klnbz, egyre nomod rcshlkon. Az eredmnyekbl megllapthat, hogy rgztett rcshln a numerikus megolds explicit Euler-mdszer s implicit Euler-mdszer esetn nagyjbl hasonl pontossgot ad, mg a CrankNicolson-mdszer pontosabb az elz kt mdszernl. A nomod rcshlkon azt gyelhetjk meg, hogy a CrankNicolson-mdszer hibafggvnye licit Euler-mdszer s az implicit Euler-mdszer hibafggvnye viszont csak nullhoz. (Az ltalnos alak bizonytjuk be.) Ezen rsz befejezseknt megemltjk, hogy a fentiekben trgyalt egylpses mdszerek ms mdon is bevezethetk. Az egyik lehetsges t a kvetkez. Legyen dsa, azaz rvnyes r a (9.3.3) azonossg a mindkt oldalt integrlva az
O(h2 ), az expO(h) rendben tart
-mdszer
esetn a hibafggvny nullhoz tartst a ksbbiekben
u(t) a (9.2.6) egyenlet megol[0, T ] intervallum mindegyik pontjban. Az azonossg

ti+1
rcshl kt tetszleges szomszdos pontja kztt az
u(ti+1 ) u(ti ) =
ti
f (t, u(t)) dt,
t [0, T ]
(9.3.67)
9.
a h lpskz
EE
IE
CN
0.1 0.01 0.001 0.0001 0.00001
1.92e 02 1.84e 03 1.84e 04 1.84e 05 1.84e 06
1.92e 02 1.84e 03 1.84e 04 1.84e 05 1.84e 06
3.06e 04 3.06e 06 3.06e 08 3.06e 10 5.54e 12
9.3.4. tblzat. Az explicit Euler-mdszer (EE), az implicit Euler-mdszer (IE) s a Crank Nicolson mdszer (CN) hibja
lpskz rcshln a maximumnormban.
(i
jobb oldalon lv integrlt valamely kzelt formulval szmoljuk ki a
= 0, 1, . . . , N 1 tetszleges) egyenlsget nyerjk. A kzelt mdszerek megkonstrulshoz a [ti , ti+1 ] intervallumon. A
legegyszerbb numerikus integrls, amikor az integrland fggvny intervallum valamely vgpontjban, avagy mindkettben felvett rtke szerepel csak a numerikus integrl formulkban. A klnbz numerikus integrl formulk elvezetnek a fenti mdszerekhez. Nevezetesen,
A legegyszerbb mdszer, amikor a tglalapszablyt alkalmazzuk az integrland fggvny bal oldali vgpontjban felvett rtknek felhasznlsval, azaz
ti+1
f (t, u(t)) dt hi f (ti , u(ti )).

ti
(9.3.68)
Ekkor a (9.3.67) s a (9.3.68) sszefggsek a (9.3.26) kplettel megadott explicit Eulermdszert eredmnyezik.
Egy tovbbi lehetsges mdszer a (9.3.67) azonossgban szerepl integrl kzelt meghatrozsra, hogy az intervallum jobb oldali vgpontbeli fggvnyrtket felhasznlva a tglalapszablyt alkalmazzuk, azaz
ti+1
f (t, u(t)) dt hi f (ti+1 , u(ti+1 )).

ti
(9.3.69)
Ekkor (9.3.67) s (9.3.69) felhasznlsval a (9.3.55) alak implicit Euler-mdszert kapjuk.
Ha (9.3.67) kzelt integrlsra a trapzszablyt alkalmazzuk, azaz
ti+1
f (t, u(t)) dt
ti
hi [f (ti , u(ti )) + f (ti+1 , u(ti+1 ))] , 2
(9.3.70)
akkor a (9.3.67) s a (9.3.70) kpletek felhasznlsval a (9.3.61) alak CrankNicolson-mdszert kapjuk. (Emiatt szoksos a CrankNicolson-mdszert
trapzszablynak
is nevezni.)
Egy msik lehetsges md a fenti mdszerek szrmaztatsra, amikor a (9.3.3) azonossgot valamely rgztett rcspontban felrva, a bal oldalon lv derivltra egy numerikus derivlsi formult alkalmazunk.
Ha a
kapjuk. A bal oldalon szerepl derivltat a halad vges dierencival kzeltve az generlja. 234 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
t = ti pontban rjuk fel a (9.3.3) azonossgot, akkor az u (ti ) = f (ti , u(ti )) egyenlsget u (ti ) (u(ti+1 ) u(ti ))/hi kzeltst kapjuk. Ez a kt formula pedig az explicit Euler-mdszert
9.3.
Egylpses mdszerek
Ha a
t = ti+1
pontban rjuk fel a (9.3.3) azonossgot, s a retrogrd numerikus derivlst
alkalmazzuk, akkor az implicit Euler-mdszert kapjuk. A fenti kt kplet szmtani kzepe szolgltatja a CrankNicolson-mdszer kplett.
9.3.20. megjegyzs.
lthat a
Az Euler-mdszer viselkedse az
u = 1t3u
dierencilegyenletre jl
http://math.fullerton.edu/mathews/a2001/Animations/Animations9.html
linken megtallhat animcin.
9.3.3. Az ltalnos alak egylpses mdszerek alapfogalmai s pontbeli konvergencija

Ebben a szakaszban az
h := {ti = ih; i = 0, 1, . . . , N ; h = T /N }
ekvidisztns rcshln (illetve azok sorozatn) megadjuk az egylpses mdszerek ltalnos alakjt, s deniljuk a numerikus mdszerek alapfogalmait. Tekintsk az
yi+1 = yi + h(h, ti , yi , yi+1 )

egylpses mdszert, ahol azt a numerikus mdszert, amelyet a (9.3.71) kplet realizl, nevezzk. Specilisan megvlasztott
(9.3.71)
-mdszernek )
a numerikus mdszert meghatroz adott fggvny. A tovbbiakban numerikus mdszernek (rviden:

fggvnyek esetn a korbbi mdszereink el-
9.3.21. megjegyzs.
llthatk a (9.3.71) alakban. Pldul,
(h, ti , yi , yi+1 ) = f (ti , yi )
esetn az explicit Euler-mdszert; esetn az implicit Euler-mdszert; esetn a CrankNicolson-mdszert, esetn a
(h, ti , yi , yi+1 ) = f (ti + h, yi+1 )
(h, ti , yi , yi+1 ) = 0.5 [f (ti , yi ) + f (ti + h, yi+1 )]
(h, ti , yi , yi+1 ) = (1 )f (ti , yi ) + f (ti + h, yi+1 )

kapjuk.
-mdszert
9.3.22. denci.
= (h, ti , yi ) (teht a fggvny nem fgg yi+1 -tl, fggvnyben nem szerepel yi+1 ) explicit mdszereknek nevezzk. Amennyiben = (h, ti , yi , yi+1 ) (azaz a fggvnyben szerepel yi+1 is), a mdszert implicitnek nevezzk.
Azokat a mdszereket, amelyekre azaz a Jellje tovbbra is
u(t) a (9.3.1)(9.3.2) feladat pontos megoldst. A -mdszer loklis visel-
kedst jl jellemzi, hogy az a kzelts, amelyet a mdszerrel a pontos megoldsbl indulva egy lps elvgzse utn nyernk, milyen kzel van a pontos megolds rtkhez ebben a pontban, azaz az
yi+1 = u(ti ) + h(h, ti , u(ti ), yi+1 )

egyenlettel denilt
(9.3.72) rtkhez.
yi+1
kzelt rtk milyen kzel van az
u(ti+1 )
9.
9.3.23. denci.
Az li (h)
= yi+1 u(ti+1 ) fggvnyt a (9.3.71) alak numerikus mdszer loklis diszkretizcis hibafggvnynek nevezzk.
Vezessk be a
gi (h) = u(ti ) + h(h, ti , u(ti ), u(ti+1 )) u(ti+1 )

a pontos megolds ismerete nlkl is meghatrozhat.
(9.3.73)
fggvnyt, amelynek rendje (a kiindul Cauchy-feladat egyenletnek felhasznlsval) sorfejtssel
9.3.24. denci.
Az
gi (h)
(ms szval, mdszer
numerikus mdszer ti h pontbeli kplethibjnak loklis approximcis hibjnak ) nevezzk. Azt mondjuk, hogy a numerikus p-ed rendben konzisztens a ti h rcspontban, ha
fggvnyt a (9.3.71) alak
gi (h) = O(hp+1 )
valamely
(9.3.74)
p>0
llandval.
A loklis approximcis hiba rendje teht azt mutatja meg, hogy a pontos megolds milyen pontossggal elgti ki a
-mdszer
egyenlett.
9.3.25. megjegyzs. A (9.3.37), (9.3.60) s a (9.3.66) becslsek alapjn lthat, hogy az explicit
s implicit Euler-mdszerek elsrendek, mg a CrankNicolson-mdszer msodrend. Egyszer szmolssal ellenrizhet, hogy a
-mdszer
csak
= 0.5
esetn (azaz amikor a CrankNicolson-
mdszert jelenti) msodrend, egybknt elsrend. A tovbbiakban feltesszk, hogy a (9.3.71) alak amelyek mellett tetszleges
dik s negyedik vltozjban egyarnt lipschitzes, azaz lteznek olyan
numerikus mdszerben a fggvny a harmaL3 0 s L4 0 llandk,
s1 , s2 , p1
p2
szmok esetn (9.3.75)
|(h, ti , s1 , p1 ) (h, ti , s2 , p2 )| L3 |s1 s2 | + L4 |p1 p2 |

tetszleges
L3 = 0
(avagy
ti h s h > 0 L4 = 0).
esetn. Ha a
fggvny nem fgg
yi -tl
(avagy
yi+1 -tl),
akkor
9.3.26. megjegyzs.
megvlasztott
A 9.3.21. megjegyzs alapjn knnyen megmutathat, hogy az
msodik vltozja szerinti lipschitzessge esetn tetszleges
f fggvny esetn a -mdszerre (s gy az exp-
licit s implicit Euler-mdszerekre valamint a CrankNicolson-mdszerre egyarnt) alkalmasan
L3
L4
llandkkal rvnyes a (9.3.75) egyenltlensg.
Az egylpses mdszerek pontbeli konvergencija

A tovbbiakban megvizsgljuk a (9.3.75) tulajdonsg, konvergencijt egy
t (0, T ]
rgztett pontban. Legyen
[0, t ]
intervallumon, s mindegyik rcshln
jelli azt
r-ed rendben konzisztens -mdszerek (hv ) egy regulris rcshlsorozat a az indexet, amelyre tn = t .
7 Szoksos Ha g (h)/h fggvnyt kplethibnak nevezni. Ekkor a kplethiba rendje s a mdszer konvergencii jnak rendje megegyezik.
9.3.
Egylpses mdszerek
9.3.27. denci.
Az en (h) = yn u(t ), (nh = t ) ximcis hibjnak nevezzk. kifejezst a
numerikus mdszer
pontbeli
globlis appro-
9.3.28. denci.
Azt mondjuk, hogy a
numerikus mdszer
konvergens a t pontban,
ha (9.3.76)
h0
A (9.3.76) konvergencijnak rendjt a
lim en (h) = 0.
nevezzk.
-mdszer konvergenciarendjnek
Az egyszersg kedvrt vezessk be az albbi jellseket:
ei (h) = ei ,
A fenti dencik alapjn fennll az
gi (h) = gi ,
li (h) = li .
(9.3.77)
ei+1 = yi+1 u(ti+1 ) = (yi+1 yi+1 ) + (i+1 u(ti+1 )) = (yi+1 yi+1 ) + li y

sszefggs. Ezrt a tovbbiakban az
(9.3.78)
|ei+1 | |yi+1 yi+1 | + |li |

egyenltlensg jobb oldaln lv kt tagra adunk fels becslst. A loklis diszkretizcis hibafggvnyre az albbi sszefggs rvnyes:
(9.3.79)
li = yi+1 u(ti+1 ) = u(ti ) + h(h, ti , u(ti ), yi+1 )) u(ti+1 ) = u(ti+1 ) + u(ti ) + h(h, ti , u(ti ), u(ti+1 )) + h [(h, ti , u(ti ), yi+1 )) (h, ti , u(ti ), u(ti+1 ))] = gi + h [(h, ti , u(ti ), yi+1 )) (h, ti , u(ti ), u(ti+1 ))] .
Ezrt, felhasznlva a (9.3.75) felttelt, (9.3.80)
|li | |gi | + hL4 |i+1 u(ti+1 )| = |gi | + hL4 |li | y

gy (9.3.81) alapjn rvnyes az
(9.3.81)
|li |
egyenltlensg.
1 |gi | 1 hL4
(9.3.82)
9.3.29. megjegyzs. A (9.3.82) egyenltlensg azt is mutatja, hogy egy p-ed rendben konzisztens
mdszer esetn a loklis diszkretizcis hiba is (legalbb
p + 1-ed
rendben) tart nullhoz.
Trjnk t a (9.3.79) jobb oldali els tagjnak becslsre.
|yi+1 yi+1 | = |(yi + h(h, ti , yi , yi+1 )) (u(ti ) + h(h, ti , u(ti ), yi+1 ))| |ei | + h|(h, ti , yi , yi+1 ) (h, ti , u(ti ), yi+1 )| |ei |+hL3 |yi u(ti )| + hL4 |yi+1 yi+1 | = (1 + hL3 )|ei | + hL4 |yi+1 yi+1 |.
tankonyvtar.bme.hu 237 (9.3.83)
9.
gy (9.3.83) alapjn rvnyes az
|yi+1 yi+1 |
egyenltlensg.
1 + hL3 |ei | 1 hL4
(9.3.84)
A (9.3.82) s a (9.3.84) felhasznlsval a (9.3.79) egyenltlensg trhat az
|ei+1 |
alakra. Vezessk be a
1 1 + hL3 |ei | + |gi | 1 hL4 1 hL4
(9.3.85)
= (h) =
jellseket.
1 + hL3 , 1 hL4
= (h) =
1 1 hL4
(9.3.86)
9.3.30. megjegyzs.
A (9.3.86) jellsek mellett
=1+h
s gy
L3 + L4 1 hL4
s
(9.3.87)
8
= 1 + O(h).
Ezrt vlaszthatk olyan
h0 , 0
llandk , amelyek mellett
= (h) 1 + 0 h,
= (h) 0 ,
h (0, h0 ).
(9.3.88)
A (9.3.86) jellssel (9.3.85) felrhat az
|ei+1 | |ei | + |gi |
(9.3.89)
alakban. Rekurzv mdon alkalmazva a (9.3.89) relcit, a kvetkez egyenltlensget nyerjk:
|en | |en1 | + |gn1 | [|en2 | + |gn2 |] + |gn1 |

n1
= 2 |en2 | + [|gn2 | + |gn1 |] . . . n |e0 | +

i=0 n1
i |gn1i |
(9.3.90)
n |e0 | +
i=0
|gn1i | . h (0, h0 )
esetn
A (9.3.88) sszefggs alapjn, minden
s (9.3.91)
n (1 + 0 h)n exp(0 hn) = exp(0 t ).

Ezrt (9.3.90) alapjn rvnyes az
n1
|en | exp(0 t ) |e0 | + 0

i=0
|gn1i |
(9.3.92)
8 Pldul a h = 1 , = 2(L + L ) s = 2 egy alkalmas megvlaszts. 0 0 3 4 0 2L4

9.4.
A RungeKutta tpus mdszerek
becsls. Mivel feltettk, hogy a vizsglt denci alapjn, megfelelen kis egyenltlensg. Ezrt kis
esetn valamely
-mdszer r-ed rendben konzisztens, c0 0 llandval fennll
ezrt a (9.3.76) a
|gi | c0 hr+1
esetn
n1
|gn1i | nc0 hr+1 = c0 t hr .

i=0
sszevetve a (9.3.92) s a (9.3.93) formulkat, az
(9.3.93)
|en | exp(0 t ) [|e0 | + c1 hr ]

becslst nyerjk, ahol kvetkez lltst.
(9.3.94)
c1 = 0 c0 t
=lland. Mivel
e0 = 0 ,
ezrt a (9.3.94) alapjn belttuk a
9.3.31. ttel.
Tegyk fel, hogy a (9.3.71) kplettel denilt
numerikus mdszer
p-ed
rendben konzisztens, s
a mdszert denil
fggvnyre rvnyes a (9.3.75) Lipschitz-felttel.
Ekkor a
-mdszer p-ed
rendben konvergens a
[0, T ]
intervallumon.
9.3.32. kvetkezmny.
A 9.3.25. s a 9.3.26. megjegyzsek alapjn a
-mdszer = 0.5
esetn
msodrendben, egybknt pedig elsrendben konvergens. Ezrt teht az explicit s az implicit Euler-mdszer elsrendben, a CrankNicolson-mdszer pedig msodrendben konvergens.
9.3.33. megjegyzs.

Az elzekben a konvergencit a (9.3.89) sszefggsbl vezettk le, mg-
pedig a benne szerepl tagok kt tulajdonsgbl: a mdszer konzisztens, azaz fggvny korltos; a
gi = O(hp+1 )
valamely
pozitv szmmal, emellett a
(h)
(h)
fggvnyre a (9.3.88) nagysgrendi becsls teljesl. Ez a tulajdonsg azt fejezi ki,
hogy az egyik idrtegrl a kvetkez idrtegre val ttrsnl a lpsszmok nvelsvel (azaz
h cskkensvel) a hiba csak korltosan nvekedhet. Ezt a tulajdonsgot a numerikus
mdszer stabilitsnak nevezzk. A 9.3.31.. ttel leegyszerstve teht azt mutatja, hogy a korrekt kitzs Cauchy-feladatokra a
-mdszer
konzisztencija s stabilitsa a konvergencit biztostja. A stabilitst a Lipschitz-fle
felttellel tudjuk biztostani.
9.4. A RungeKutta tpus mdszerek

Kettnl magasabb rend numerikus mdszerek megkonstrulsa a (9.3.1)-(9.3.2) Cauchy-feladatra az elzekben ismertetett egylpses mdszerek segtsgvel akadlyokba tkzik: az egyszerbb mdszerek (explicit Euler-mdszer, implicit Euler-mdszer, CrankNicolson-mdszer) legfeljebb msodrendek, a Taylor-mdszerek viszont egy meglehetsen bonyolult elzetes analzist (a parcilis derivltak meghatrozst) s azok kirtkelst ignylik. Ebben a rszben tankonyvtar.bme.hu 239
9.
megmutatjuk, hogy a parcilis derivltak kiszmtsnak feladata egy viszonylag egyszer tlet segtsgvel megkerlhet.
9
9.4.1. A msodrend RungeKutta tpus mdszerek

Tekintsk ismt a (9.3.1)-(9.3.2) Cauchy-feladatot. Elszr a RungeKutta tpus mdszerek bevezetshez hatrozzunk meg egy, a CrankNicolson-mdszertl klnbz, msodrend, egylpses mdszert. rjuk ki az
u(t)
megolds (9.3.6) alak Taylor-sornak els tagjait a
t = t +h
pontban. Mivel a
msodrend konzisztencit szeretnnk biztostani, ezrt a kvetkez alakot rjuk fel:
u(t + h) = u(t ) + hu (t ) +
Felhasznlva a (9.3.4) derivltakat, bevezetve az
h2 u (t ) + O(h3 ). 2!
(9.4.1)
f = f (t , u(t )), i f = i f (t , u(t )), ij f = ij f (t , u(t )),

egyszerst jellseket, (9.4.1) trhat az
stb.
u(t + h) =u(t ) + hf +
h2 (1 f + f 2 f ) + O(h3 ) 2! h h =u(t ) + f + [f + h1 f + hf 2 f ] + O(h3 ) 2 2
(9.4.2)
alakra. Mivel
10
f (t + h, u(t ) + hf (t , u(t )) = f + h1 f + hf 2 f + O(h2 ),

ezrt (9.4.2) felrhat az
(9.4.3)
u(t + h) = u(t ) +
alakban. Teht egy denilhatjuk az
h h f + (f (t + h, u(t ) + hf (t , u(t ))) + O(h3 ) 2 2 ti = t
(9.4.4)
rcshl tetszleges
pontjban felrva a (9.4.4) egyenlsget,
yi+1 = yi +
h h f (ti , yi ) + f (ti+1 , yi + hf (ti , yi )) 2 2
(9.4.5)
egylpses, explicit numerikus mdszert. Vezessk be a
k1 = f (ti , yi );
k2 = f (ti+1 , yi + hf (ti , yi )) = f (ti + h, yi + hk1 )
(9.4.6)
jellseket. Ekkor a (9.4.5) mdszer felrhat
yi+1 = yi +
alakban. A (9.4.6)-(9.4.7) mdszert
h (k1 + k2 ) 2
nevezzk.
(9.4.7)
Heun-mdszernek
9 Az tlet Carl David Tolm Runge (1856 - 1927) nmet matematikustl s zikustl, illetve Martin Wilhelm Kutta (1867 - 1944) nmet matematikustl szrmazik. 10 Emlkeztetnk, hogy a ktvltozs f : Q R fggvny (t, u) pont krli elsfok Taylor-sorba fejtse T tetszleges c1 , c2 R esetn f (t + c1 h, u + c2 h) = f (t, u) + c1 h1 f (t, u) + c2 h2 f (t, u) + O(h2 ) alak.
9.4.
9.4.1. megjegyzs.
Mivel (9.4.4) alapjn
u(t + h) u(t )
ezrt a pontos megolds
h h f (f (t + h, u(t ) + hf (t , u(t ))) = O(h3 ), 2 2

ki a (9.4.5) kpletet, azaz
(9.4.8)
rend.
O(h3 ) rendben elgti
a Heun-mdszer msod-
9.4.2. megjegyzs.
A Heun-mdszer nhny rszlete megtallhat a
http://math.fullerton.edu/mathews/n2003/Heun%27sMethodMod.html 3 linken. Az ugyanitt lv animcin a mdszer viselkedse az u = 1 t u

is jl lthat.
dierencilegyenletre
Megadhatk-e egyb msodrend mdszerek? A (9.4.4) sszefggs ltalnostsa a kvetkez paramteres alak:
u(t + h) = u(t ) + 1 hf (t , u(t )) + 2 hf (t + a2 h, u(t ) + b21 hf (t , u(t ))) + O(h3 ),

ahol az
(9.4.9)
1 , 2 , a2 s b21 egyelre tetszleges paramterek. Felrva a t = ti pontban a (9.4.9) egyenletet, yi+1 = yi + 1 hf (ti , yi ) + 2 hf (ti + a2 h, yi + b21 hf (ti , yi ))
(9.4.10)
egylpses numerikus mdszert kapjuk.
9.4.3. megjegyzs.
A (9.4.12) ltalnos alakban felrt mdszer paramtereit clszer csoporto-
stva a kvetkez alakban felrni:
0 a2
b21 1
(9.4.11)
Fejtsk Taylor-sorba a (9.4.9) egyenlet jobb oldalt! Ekkor az
u(t + h) =u(t ) + 1 hf + 2 h[f + a2 h1 f + b21 hf 2 f ] + O(h3 ) =u(t ) + (1 + 2 )hf + h2 [a2 2 1 f + 2 b21 f 2 f ] + O(h3 )
(9.4.12)
egyenlsget kapjuk. A mdszerek rendjre vonatkoz (9.4.1.) megjegyzst alkalmazva, a (9.4.2) s a (9.4.12) kpletek sszevetsbl azt kapjuk, hogy a (9.4.10 ) ltal meghatrozott numerikus mdszer pontosan akkor msodrend, amikor
1 + 2 = 1 a2 2 = 0.5 b21 2 = 0.5.

A (9.4.10) kplet egyszer trsval eredmnyeinket az albbi ttelben sszegezhetjk. (9.4.13)
9.
9.4.4. ttel.
Tegyk fel, hogy a
1 , 2 , a2
b21
paramterek megoldsai a (9.4.13) egyenletnek. Ekkor a (9.4.14) (9.4.15)
k1 = f (ti , yi ), k2 = f (ti + a2 h, yi + hb21 k1 ), yi+1 = yi + h(1 k1 + 2 k2 )

kpletekkel denilt egylpses explicit numerikus mdszer msodrend. A (9.4.13) feltteleket kielgt (9.4.14)-(9.4.15) mdszert nevezzk s az RK2 szimblummal jelljk.
mdszernek
msodrend RungeKutta tpus
Vizsgljuk meg az RK2 mdszereket meghatroz (9.4.13) egyenletrendszert! Mivel a ngy ismeretlenre hrom egyenletnk van, ezrt a megoldsa nem egyrtelm. Knnyen lthat, hogy teszleges
=0
esetn (9.4.13) megoldsai a kvetkez alakak:
2 = ,
a (9.4.11) tblzat alapjn
1 = 1 ,
a2 = b21 = 0.5.
(9.4.16)
Teht az RK2 mdszerek egy egyparamteres mdszercsaldot alkotnak, amelynek paramtereit
0 0.5
szerint kell megvlasztani.
0.5 1
(9.4.17)
9.4.5. megjegyzs.
= 0.5
rtkhez tartoz RK2 mdszer ppen a Heun-mdszert ered-
mnyezi. rdekes megvlaszts a szrmaztatott numerikus mdszer
= 1.
Ekkor
1 = 0 , 2 = 1
a2 = b21 = 0.5
s gy a
k1 = f (ti , yi ),
k2 = f (ti + 0.5h, yi + 0.5hk1 ),
yi+1 = yi + hk2 .
nevezzk.
(9.4.18)
A (9.4.18) msodrend mdszert
javtott explicit Euler-mdszernek
Vegyk szre, hogy a Heun-mdszer s a javtott explicit Euler-mdszer is bevezethet a korbbiakban mr ismertetett mdszerek mdostsval. Nevezetesen,
Ha a CrankNicolson-mdszer (9.3.61)
yi+1 yi =
kpletben az
hi [f (ti , yi ) + f (ti+1 , yi+1 )] 2 yi+1

helybe az
f (ti+1 , yi+1 )
implicit tagban
yi+1 = yi + hf (ti , yi )
explicit
Euler-mdszerrel kiszmtott rtket helyezzk, akkor ppen a Heun-mdszert kapjuk.
A javtott explicit Euler-mdszer esetn a Euler-mdszerrel kiszmoljuk az teljes intervallumra.
u(t)
pontos rtk
t = ti + 0.5h = ti+0.5 felezpontban explicit yi+0.5 = yi + 0.5hf (ti , yi ) kzeltst,
s ezzel az rtkkel meghatrozott irnyban egy jabb explicit Euler-mdszert runk fel a
Teht a fenti Runge-Kutta mdszerek paramtereinek (9.4.17) szerinti megadsa a kvetkez. A Heun-mdszer esetn
0 1
1 0.5
(9.4.19)
0.5
9.4.
alakban, mg a javtott explicit Euler-mdszer esetn
0 0.5
0.5 0
(9.4.20)
alakban adhat meg.
9.4.6. megjegyzs. Felmerlhet a krds: lehetsges-e a tetszleges paramtert gy megvlasztani, hogy az RK2 mdszer nemcsak msodrend, hanem harmadrend legyen? A vlasz nemleges, amit a kvetkez plda bizonyt. Legyen a (9.3.1)-(9.3.2) Cauchy-feladatban a (9.3.1) dierencilegyenlet megoldsra
u (t) = u(t),
amelyet derivlva
u (t) = u (t) = u(t).
Msrszt, az
fggvny dencija miatt
f (t, u) = u. Ezrt u (t) = u (t). Ezrt f (ti , yi ) = yi . Ezrt a (9.4.10)
mdszer erre a feladatra az
yi+1 = yi + 1 hyi + 2 h(yi + b21 hf (ti , yi )) = yi + 1 hyi + 2 h(yi + b21 hyi ) = yi + hyi [1 + 2 + h2 b21 ] = yi [1 + (1 + 2 )h + 2 b21 h2 ]
(9.4.21)
alakot lti. Behelyettestve a msodrendsghez szksges (9.4.16) rtkeket, az RK2 mdszer erre a feladatra az
yi+1 = yi (1 + h +
algoritmust eredmnyezi, amely fggetlen a
h2 ) 2
(9.4.22)
szabad paramtertl. Helyettestsk be az
u(t)
pontos megoldst a (9.4.22) kpletbe, azaz szmtsuk ki a loklis approximcis hibt! Ekkor
gi = u(ti+1 ) u(ti )(1 + h +

Az
h2 ). 2
(9.4.23)
u(ti+1 ) kifejezs t = ti pontbeli sorbafejtse a derivltakra vonatkoz u (ti ) = u (ti ) = u(ti ) egyenlsg kvetkeztben u(ti+1 ) = u(ti )(1 + h + h2 /2) + O(h3 ). Ezrt teht gi = O(h3 ) tetszleges megvlasztsa mellett, azaz minden RK2 mdszer legfeljebb msodrend erre a
feladatra.
9.4.2. A magasabb rend RungeKutta tpus mdszerek

A gyakorlati szmtsok sorn az els illetve msodrend mdszerek segtsgvel relis id alatt gyakran nem tudjuk biztostani a szksges pontossgot. Ezrt a tovbbiakban clunk a (9.4.10) mdszerbl kiindulva
magasabb rendben pontos
formulk ellltsa.
Tekintsk ismtelten a (9.4.14)-(9.4.15) alakban felrt mdszert. Megmutattuk, hogy ez a mdszer legfeljebb msodrendben pontos. (Nevezetesen, ha paramtereire teljeslnek a (9.4.13) felttelek.) Ezrt, ha harmadrend mdszert szeretnnk kszteni, jabb paramterek bevezetse s azok megfelel megvlasztsa szksges. Kiindulva a mdszer (9.4.14)-(9.4.15) alakjbl, kzenfekv a kvetkez ltalnosts:
k1 = f (ti , yi ), k2 = f (ti + a2 h, yi + hb21 k1 ), k3 = f (ti + a3 h, yi + hb31 k1 + hb32 k2 )

s ezutn az j rtk (9.4.24)
yi+1 = yi + h(1 k1 + 2 k2 + 3 k3 ).
(9.4.25) tankonyvtar.bme.hu 243
9.
Ennek a mdszernek a paramtereit a (9.4.11) szerinti tblzat segtsgvel az
0 a2 a3
alakban rhatjuk fel.
b21 b31 1
b32 2
(9.4.26)
A (9.4.24) mdszer harmadrendsghez a msodrendsghez hasonlan a loklis approximcis hiba vizsglata szksges. Egy meglehetsen hossz (de matematikailag nem nehz) szmols utn azt kapjuk, hogy a mdszer paramtereire a kvetkez felttelek kiktse szksges:
a2 = b21 , a3 (a3 a2 ) b32 a2 (2 3a2 ) = 0,
a3 = b31 + b32 , 3 b32 a2 = 1/6, 2 a2 + 3 a3 = 1/2,

(9.4.27)
1 + 2 + 3 = 1.
Ez hat egyenletet jelent a nyolc ismeretlenre. A lehetsges megoldsok kzl kettt emelnk ki.
0 1/3 2/3
1/3 0 1/4
2/3 0 3/4
(9.4.28)
tblzatban szerepl rtkekkel denilt mdszer gyakran szerepel az alkalmazsokban.
Szintn harmadrend a
0 1/2 1
mdszer. Mivel ez a mdszer az mazsa abban az esetben
1/2 1 1/6
2 2/3
(9.4.29)
1/6
f (t, u) = f (t) esetn O(h5 ) rendben pontos, ezrt alkalajnlatos, amikor a 2 f parcilis derivlt kzel van a nullhoz.
A mg magasabb (p kvetkez. Legyen
> 3)
pontossg elrshez a mdszer tovbbi ltalnostsa szksges. Ehadott egsz szm. Deniljuk a kvetkez, n.
hez fogalmazzuk meg az eddigi mdszereinket ltalnos alakban. Termszetes ltalnosts a
m 1 egy Runge-Kutta tpus mdszert :
m-lpcss explicit
k1 = f (ti , yi ), k2 = f (ti + a2 h, yi + hb21 k1 ), k3 = f (ti + a3 h, yi + hb31 k1 + hb32 k2 ),

. . . (9.4.30)
km = f (ti + am h, yi + hbm1 k1 + hbm2 k2 + . . . + hbm,m1 km1 ) yi+1 = yi + h(1 k1 + 2 k2 + . . . + m km ).

244 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) (9.4.31)
9.4.
A kpletekben szerepl paramterek rgztse jelenti a mdszer megadst. A korbbiakhoz hasonlan, ismt sszefoglalhatjuk egy tblzatban ezeket a paramtereket.
0 a2 a3
. . .
b21 b31
. . .
b32
. . . (9.4.32)
am
bm1 1
bm2 2
... ...
bm,m1 m , a Rm B Rmm a bij
Ennek kompakt felrsa cljbl vezessnk be j jellseket! Jellje a tovbbiakban a
ai
elemeibl ll oszlopvektorokat (ahol mindig
a1 = 0),
tovbb
elemekbl felptett szigoran als hromszgmtrixot, azaz
Bij =
bij , 0,
ha ha
i > j, i j.
9.4.7. denci.
Egy explicit Runge-Kutta tpus mdszer
a
alakban felrt paramtereinek tblzatt
nevezzk.
(9.4.33)
Butcher-tblzatnak
(A felrsi md tlete J. Butchertl
11
ered, s a konkrt mdszerek felrsnl a
mtrix nem
nulla elemeit soroljuk csak fel a tblzatban. Ugyanakkor, mint azt a tovbbiakban llni fogjuk, ez a felrsi md alkalmazhat tetszleges
B mtrixok esetn is.)

yi+1
helybe rt
Valamely explicit Runge-Kutta tpus mdszer konzisztenciarendjt viszonylag hosszadalmas szmolssal hatrozhatjuk meg: a (9.4.30)-(9.4.31) kpletekben majd kiszmtjuk az gy nyert kifejezs s az ban felrt, megfelel rend Taylor-polinomja klnbsgnek feltteleit.
yi helybe u(ti )-t helyettestnk, u(ti + h) kifejezs t = ti pontszerinti rendjt. Ezen szmtsok
elvgzsvel nyerjk az explicit Runge-Kutta tpus mdszerek
p-ed
rend konzisztencijnak
9.4.8. megjegyzs.
bl lthat, hogy a szerepl
ai egytthatval. Ezrt az a vektort e = [1, 1, . . . , 1] Rm oszlopvektort jelli.

Bevezetve az
A msodrendsg (9.4.17) illetve a harmadrendsg (9.4.27) els felttelmtrix mindegyik sornak sszege megegyezik az ugyanabban a sorban az
a = Be
sszefggsbl hatrozzuk meg, ahol
an = (an , an , . . . , an ) Rm , 1 2 m
ttele a
A = diag(a1 , a2 , . . . , am ) Rmm
p-ed
rend konzisztencijnak fel-
jellseket, felrhat az explicit Runge-Kutta tpus mdszer
B mtrix elemeire illetve a
vektorra:
11 John Charles Butcher (1933 ) ma is aktv j-zlandi matematikus.

9.
0 1/2 1/2 1 1/2 0 0 1/6 1/2 0 1/3 1 1/3 1/6
9.4.1. tblzat. Negyedrend, explicit Runge-Kutta tpus mdszer Butcher-tblzata.
rend
(p)
1 2 3 4
e=1 a = 1/2 (a2 ) = 1/3 Ba = 1/6 (a3 ) = 1/4 ABa = 1/8 B(a2 ) = 1/12 B2 a = 1/24, p = 2
rendhez szksges a
felttel
(9.4.34)
ahol a feltteleket kummulatvan kell rteni, azaz pl. felttele is. gy rvnyes az albbi
p = 1
rend
9.4.9. ttel.
A (9.4.33) Butcher-tblzat tens, amikor teljeslnek a explicit Runge-Kutta tpus mdszer pontosan akkor konzisz-
Be = a;
e=1
(9.4.35)
felttelek, azaz
bik = ai
k=1
minden
i = 1, 2, . . . , m
esetn, s emellett
k = 1.
k=1
(9.4.36)
A magasabb rend explicit Runge-Kutta tpus mdszerek kzl a leggyakrabban a 9.4.1. tblzatban megadott negyedrend mdszert szoksos alkalmazni. A mdszer algorimusa (azaz a pontbeli
ti+1
pontbeli
yi+1
kzelts meghatrozsa a mr kiszmolt
ti
yi
kzeltsbl) a kvetkez:
k1 = f (ti , yi ) k2 = f (ti + 0.5h, yi + 0.5hk1 ) k3 = f (ti + 0.5h, yi + 0.5hk2 ) k4 = f (ti + h, yi + hk3 )

kpletekkel rendre kiszmoljuk a (9.4.37)
k1 , k2 , k3
k4
rtkeket.
Az
yi+1 = yi +
h (k1 + 2k2 + 2k3 + k4 ) 6
(9.4.38)
kplettel meghatrozzuk az j kzeltst. 246 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
9.4.
9.4.10. megjegyzs.
Mi a kapcsolat az explicit Runge-Kutta tpus mdszerek lpcsszma msodrend, a hromlpcss (9.4.28)-(9.4.29) Butcher-tblzat
(m) s rendje (p) kztt? Azt lttuk, hogy az egylpcss explicit Euler-mdszer elsrend, a ktlpcss Heun-mdszermdszer Teht mdszerek harmadrendek, a ngylpcss (9.4.37)-(9.4.38) mdszer pedig negyedrendben pontos. Ugyanakkor, a kvetkez:
m = 1, 2, 3, 4 esetn a maximlisan elrhet konzisztenciarend megegyezik a lpcsszmmal. m 5 esetn ez mr nem rvnyes, a rend alatta marad a lpcsszmnak, azaz
p < m. A kzttk lv kapcsolat az els tz lpcsszm explicit Runge-Kutta tpus mdszerre m p(m)
Megjegyezzk, hogy
1, 2, 3, 4 m p
s
5, 6, 7 m1
8, 9, 10 m2
(9.4.39)
nvelsvel a
kztti hzag nvekszik.
9.4.11. megjegyzs.
hat a
A explicit Runge-Kutta tpus mdszer nhny tovbbi rszlete megtall-
http://math.fullerton.edu/mathews/n2003/RungeKuttaMod.html 3 linken. Az ugyanitt lv animcin a mdszer viselkedse az u = 1 t u

is jl lthat.
dierencilegyenletre
9.4.12. megjegyzs.
cijval foglalkoztunk, s a gyakorlat szempontjbl fontosabb
konvergencit nem trgyaltuk. f fggvny lipschitzessge mellett) n. zr-stabil is, s ez a tulajdonsg a p-ed rend konzisztencival egytt a p-ed
Megmutathat, hogy mindegyik explicit Runge-Kutta tpus mdszer ( az
Ebben a rszben az explicit Runge-Kutta tpus mdszerek konziszten-
rend konvergencit is biztostja. Mivel ezen krds rszletes trgyalsa meghaladja a jegyzet kereteit, ezrt a rszletek irnt rdekldknek javasoljuk az irodalomjegyzkben szerepl [1, 34] irodalmakat.
9.4.3. Az implicit Runge-Kutta tpus mdszerek

Vegyk szre, hogy ltalnosan a RungeKutta tpus mdszerek a kvetkez mdon denilhatk. Legyen
B Rmm
egy tetszleges mtrix,
Rm
egy adott vektor, s
a = Be.
Egy RungeKutta tpus mdszer Butcher-tblzatt ezen elemekkel deniljuk. Az olyan mdszereket, amelyekre
B nem szigoran als hromszgmtrix, implicit Runge-Kutta tpus mdszernek (IRK) nevezzk. Amikor B als (de nem szigoran als) hromszgmtrix, akkor a mdszert diagonlisan implicit Runge-Kutta tpus mdszernek (DIRK) nevezzk. A DIRK-mdszer esetn ki rtknek kiszmolsa, az explicit Runge-Kutta tpus mdszertl eltren, egy (ltalban nemlineris) egyenlet megoldst, mg az implicit Runge-Kutta tpus mdszer esetn egy
ismeretlenes (ltalban nemlineris) egyenletrendszer megoldst ignyli. Ez a mdszer alkal-
mazst bonyolultabb teszi. Az implicit Runge-Kutta tpus mdszerek fontosak s az explicit Runge-Kutta tpus mdszerrel sszehasonltva a gyakorlatban tbbszr hasznlatosak. Ennek okai a kvetkezk. Egyrszt ugyanazon lpcsszm mellett magasabb rend konzisztencia (s gy konvergencia) is elrhet, biztosthat. Msrszt, az explicit Runge-Kutta tpus mdszerektl eltren, a magasabb rendben pontos mdszerek is j kvalitatv tulajdonsgokkal rendelkeznek.
12
(Ennek viszont, mint azt mr emltettk, a nagyobb szmtsi munka az "ra".) A tovbbiakban rviden trgyalunk nhny nevezetes implicit Runge-Kutta tpus mdszert, megadva a mdszer
12 Ezek a jobb kvalitatv tulajdonsg egy rsze, mint pl. az A-stabilits, a kvetkez 9.4.4. szakaszban kerl ismertetsre.
9.
Butcher-tblzatt. Mint ltni fogjuk, a numerikus mdszer ltalnos egylpses mdszer alakjban val megadsa (azaz a
fggvny meghatrozsa) ebben az esetben mr jval sszetettebb

13
feladat, mint az explicit mdszerek esetn.
Legyen a Butcher-tblzat
1 1
(9.4.40)
alak. Ez egy egylpcss diagonlisan implicit Runge-Kutta tpus mdszer, amely rszletesen kirva a kvetkezt jelenti:
k1 = f (ti + h, yi + hk1 ) yi+1 = yi + hk1 .

Teht algoritmikus realizsa a kvetkezt jelenti: els lpsben megoldjuk a az els egyenletet a mdszer
14
(9.4.41)
k1
ismeretlenre
, majd a megoldst behelyettestjk a msodik kpletbe. Hatrozzuk meg
fggvnyt! Mivel a msodik kpletbl
els egyenletbe sszefggsbl, elsrend.
hk1 = yi+1 yi , ezt behelyettestve az k1 = f (ti + h, yi + (yi+1 yi )) = f (ti + h, yi+1 ). Ezrt, ismt a msodik yi+1 = yi + hf (ti + h, yi+1 ), azaz (h, ti , yi , yi+1 ) = f (ti + h, yi+1 ). gy
a (9.4.40) Butcher-tblzat mdszer az implicit Euler-mdszert jelenti. gy ez a mdszer
Legyen a Butcher-tblzat
0.5
0.5 1
(9.4.42)
alak. Ez szintn egy egylpcss diagonlisan implicit Runge-Kutta tpus mdszer, amely a kvetkezt jelenti:
k1 = f (ti + 0.5h, yi + 0.5hk1 ) yi+1 = yi + hk1 .

Hatrozzuk meg ennek a mdszernek is a Behelyettestve az els egyenletbe
(9.4.43)
fggvnyt! A msodik kpletbl hk1 = yi+1 yi . k1 = f (ti +0.5h, yi +0.5(yi+1 yi )) = f (ti +0.5h, 0.5(yi + yi+1 )). Teht (h, ti , yi , yi+1 ) = f (ti +0.5h, 0.5(yi +yi+1 )) s a megfelel egylpses mdszer yi+1 = yi + hf (ti + 0.5h, 0.5(yi + yi+1 ))
alak. A (9.4.44) diagonlisan implicit Runge-Kutta tpus mdszert (9.4.44)
szablynak
implicit kzpponti
nevezzk. A mdszer rendjt a
gi = u(ti+1 ) u(ti ) hf (ti + 0.5h, 0.5(u(ti ) + u(ti+1 )))

kifejezs nagysgrendjnek meghatrozsval nyerjk. A szoksos sorbafejtssel a kvetkezket kapjuk:
h2 u (ti ) + O(h3 ), 2 f (ti + 0.5h, 0.5(u(ti ) + u(ti+1 ))) = f (ti + 0.5h, u(ti ) + 0.5hu (ti ) + O(h2 )) u(ti+1 ) u(ti ) = hu (ti ) + = f (ti , u(ti )) + 0.5h1 f (ti , u(ti )) + 0.5hu (ti )2 f (ti , u(ti )) + O(h2 ) h = f (ti , u(ti )) + [1 f (ti , u(ti )) + f (ti , u(ti ))2 f (ti , u(ti ))] + O(h2 ). 2
13 Az explicit s implicit mdszerek sszehasonltsra, s az utbbi elnyeire a 9.5.2. szakaszban mg visszatrnk. 14 A megoldshoz valamely, mr korbban ismertetett itercis mdszert (tipikusan a Newton-fle itercit) alkalmazzuk.
9.4.
Behelyettestve ezeket az rtkeket sszefggst, a msodrend.
gi
kifejezsbe, s gyelembe vve a (9.3.4) msodik
gi = O(h3 )
nagysgrendet kapjuk. Teht az implicit kzpponti szably
Tekintsk a kvetkez Butcher-tblzatot!
0 1
0 0.5 0.5
0 0.5 0.5
(9.4.45)
Ez egy ktlpcss implicit Runge-Kutta tpus mdszer, amely a kvetkezt jelenti:
k1 = f (ti , yi ) k2 = f (ti + h, yi + 0.5k1 + 0.5k2 ) yi+1 = yi + 0.5hk1 + 0.5hk2 .

A harmadik kpletbl a msodik egyenletbe, a (9.4.46)
0.5h(k1 + k2 ) = yi+1 yi . Ezt s az els sszefggst behelyettestve k2 = f (ti + h, yi + (yi+1 yi )) = f (ti + h, yi+1 ) sszefggst kapjuk. Teht ezt a k2 rtket, illetve az els sszefggsbeli k1 rtket behelyettestve a harmadik egyenletbe, (h, ti , yi , yi+1 ) = 0.5[f (ti , yi ) + f (ti + h, yi+1 )]. Ezrt a (9.4.45)
Butcher-tblzat a CrankNicolson-mdszert jelenti.
A tovbbi mdszereknek csak a Butcher-tblzatt ismertetjk.
A Butcher-tblzatbeli
a vektor koordintinak a numerikus integrlsnl mr ismertetett

1 2 1 2
Gauss-fle alappontokat vlasztjuk:
3 6 3 6
1 4 1 4
1 4
1 4
3 6
(9.4.47)
+ 0.5
3 6
0.5
A (9.4.47) mdszer egy ktlpcss, implicit Runge-Kutta tpus mdszer, amely negyedrend.
Tekintsk a kvetkez, szintn ktlpcss mdszert:
1 3
5 12 3 4 3 4
1 12 1 4 1 4
nevezzk, amely egy harmadrend imp(9.4.48)
A (9.4.48) mdszert
ktlpcss Radau-mdszernek
licit Runge-Kutta tpus mdszer. A fenti implicit Runge-Kutta tpus mdszerek pontossgnak vizsglata sorn azt ltjuk, hogy a mdszerek pontossga (p) meghaladhatja a lpcsszmot (m). Pldul az egylpcss trapzszably msodrend, a ktlpcss Gauss-fle alappontokkal rendelkez (9.4.47) mdszer negyedrend, a ktlpcss Radau-mdszer harmadrend stb. Teht az explicit Runge-Kutta tpus mdszertl eltren, a
p > m
eset is lehetsges. (Ennek oka nyilvn az, hogy az implicit
Runge-Kutta tpus mdszernl tbb szabadon megvlaszthat paramter ll a rendelkezsnkre.) Megmutathat, hogy adott lpcsszm esetn
p 2m.
9.
9.4.13. megjegyzs.
Runge-Kutta tpus mdszereknek
Azokat a mdszereket, amelyekre
p = 2m, maximlis pontossg implicit
nevezzk. Ezrt az implicit Euler-mdszer, az implicit kzp-
ponti szably s a (9.4.47) Gauss-alappontos mdszer egyarnt maximlis pontossg.
9.4.4. Az egylpses mdszerek egy tesztfeladaton

Az eddigiekben tbb numerikus mdszert ismertettnk, amelyek a pontossgukban (rendjkben) illetve a megolds kiszmtsnak mdjban (explicit/implicit) klnbztek egymstl. Ebben a rszben egy modellfeladatra alkalmazva a mdszereinket jabb tulajdonsgokat llaptunk meg. Tekintsk a
t [0, )
intervallumon az
u = u,
u(0) = 1
(9.4.49)
n. tesztfeladatot valamely rgztett < 0 szm esetn. (A (9.4.49) feladat pontos megoldsa u(t) = exp(t).) Oldjuk meg nhny rtkre a feladatot numerikusan az explicit s implicit Euler-mdszerekkel, s szmtsuk ki a hibt a t = 1 pontban! Eredmnyeinket a 9.4.2. tblzat tartalmazza.
h 0.1 0.01 0.001 0.0001 0.00001
= 9 EE IE 3.07e 01 1.20e 01 1.72e 02 1.60e 02 1.71e 03 1.60e 03 1.66e 04 1.65e 04 1.66e 05 1.66e 05
= 99 EE IE 3.12e + 09 9.17e 02 3.62e 01 1.31e 01 1.90e 02 1.75e 02 1.78e 03 1.68e 03 1.82e 04 1.18e 04
= 999 EE IE 8.95e + 19 9.93e 03 2.38e + 95 9.09e 02 3.67e 01 1.32e 01 1.92e 02 1.76e 02 1.83e 03 1.83e 03
9.4.2. tblzat. A klnbz
rtkekkel kitztt tesztfeladat numerikus megoldsnak hibja a
t=1
pontban.
Figyeljk meg, hogy kedik (azaz mindegyik
= 9
mellett mindkt mdszer az elmletnek megfelel mdon visel-
rtk mellett a hiba elsrend). Ugyanakkor a
esetekben ez mr nem gy van: a kezdeti kzelti a megoldst, az implicit
= 99 s a = 999 h megvlasztsok mellett az explicit Euler-mdszer nem Euler-mdszer viszont j kzeltst ad. A h paramter tovbbi h
megvlaszts-
cskkentsvel viszont mr mindkt mdszer az elmletnek megfelelen viselkedik. Mindebbl arra kvetkeztethetnk, hogy ezekre a feladatokra az implicit Euler-mdszer melletti tl fggetlenl mindig jl viselkedik, az explicit Euler-mdszer viszont csak valamely
h0 > 0
h < h0
felttel mellett alkalmazhat. Ez utbbi viszont problmt jelent: ha a negatv
rtkt tovbb cskkentjk, akkor mr csak olyan kis
h0
rtkek mellett mkdik az explicit
Euler-mdszer, amelynl 1.
h0
kzel van a legkisebb brzolhat pozitv szmhoz, ezrt a szmtgpes realizls eleve
nem lehetsges, 2. ha
h0
nagyobb ugyan a legkisebb brzolhat pozitv szmnl, de mg mindig nagyon ki-
csi, akkor egy rgztett lps (nt
idrtegen val
ynt
kzelts meghatrozshoz rendkvl sok
t /h0 )
vgrehajtsa szksges. Ez egyrszt a szmtsok idejnek megnve-
kedst, msrszt pedig a szmtsok sorn fellp hibk felhalmozdsnak a lehetsgt eredmnyezi. 250 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
9.4.
A jelensg oka a kvetkez. A (9.4.49) tesztfeladat megoldsa az explicit Euler-mdszerrel az
yi+1 = (1 + h)yi ,
az implicit Euler-mdszerrel pedig az
i = 0, 1, . . . ,
y0 = 1,
yi+1 =
1 yi , 1 h
i = 0, 1, . . . ,
y0 = 1,
egylpses itercikat jelenti. Egysgesen felrva, az egylpses mdszereknek a tesztfeladatra trtn alkalmazsa egy
yi+1 = R(h)yi
itercit jelent, ahol fggvnye. Mivel a tesztfeladat
(9.4.50)
R(h) az alkalmazott numerikus mdszer ltal meghatrozott n. stabilitsi u(t) = exp(t) pontos megoldsra u(ti+1 ) = exp(h)u(ti ),
(9.4.51)
ezrt az alkalmazott mdszert az jellemzi, hogy (a milyen jl kzelti az
z = h jells bevezetsvel) az R(z) fggvny
exp(z)
fggvnyt.
9.4.14. megjegyzs.
sszefggsek alapjn
Vegyk szre, hogy az
exp(z) R(z)
eltrs a numerikus mdszer kp-
lethibjt jellemzi a tesztfeladaton! Ugyanis a kplethiba (9.3.73) dencija, a (9.4.50) s a (9.4.51)
gi (h) = u(ti+1 ) R(h)u(ti ) = (exp(h) R(h))u(ti ).

Mivel az rendjvel, azaz
u(t) megolds korltos, ezrt a konzisztencia rendje meghatrozhat az (exp(h)R(h)) p-ed rend konzisztencia esetn exp(h) R(h) = O(hp+1 ). Mivel az explicit Euler-mdszer esetn REE (z) = 1 + z , az implicit Euler-mdszer esetn RIE (z) = 1/(1 z), a CrankNicolson-mdszer esetn pedig RCN (z) = (1 + z/2)/(1 z/2), ezrt knnyen ellenrizhe2 2 3 ten exp(z) REE (z) = O(h ), exp(z) RIE (z) = O(h ), exp(z) RCN (z) = O(h ), amely
termszetesen sszhangban ll az ezen mdszerek rendjre vonatkoz korbbi megllaptsainkkal. A tesztfeladatra tetszleges
<0
esetn a pontos megolds monoton cskken, s korltos.
Ezrt nyilvnvalan csak azok a numerikus megoldsok tudjk a pontos megoldst jl approximlni, amelyekre az ellltott numerikus megolds is rendelkezik ezekkel a tulajdonsgokkal, , azaz a (9.4.50) mdszerben az
|R(h)| 1
felttel teljesl. Mivel
(9.4.52)
|REE (h)| 1
ezrt az explicit Euler-mdszerre a mr emltett implicit Euler-mdszer esetn
h 2/(), h h0
felttelben
(9.4.53)
h0 = 2/().
Ugyanakkor az
|RIE (h)| 1
minden
h>0
(9.4.54)
esetn teljesl. A (9.4.53) s a (9.4.54) sszefggsek magyarzatot adnak arra, hogy a 9.4.2. tblzatban mirt viselkednek ennyire eltren az explicit s implicit Euler-mdszerek bizonyos
rtkek esetn. Fontos megjegyeznnk, hogy valamely numerikus mdszer konvergencija a mdszer
h0
melletti viselkedst jellemzi, azaz csak azt garantlja, hogy
elegenden kis h esetn
a numeri-
kus megolds kzel kerl a pontos megoldshoz. Ugyanakkor nem ad informcit a megoldsrl tankonyvtar.bme.hu 251
9.
valamely
rgztett rcshln.
Ezrt kiemelkeden fontosak azok az
R(z)
stabilitsi fggvnnyel
rendelkez numerikus mdszerek, amelyek tetszleges rgztett rcshln is jl kvetik a pontos megoldst. Ezt a tulajdonsgot a (9.4.49) tesztfeladat numerikus megoldsn ellenrizzk, ahol megengedjk komplex rtkt is.
15
9.4.15. denci.
Azon
zC
komplex szmok halmazt, amelyekre az
|R(z)| 1
felttel teljesl, a
(9.4.55)
egy numerikus mdszer
numerikus mdszer stabilitsi tartomnynak nevezzk. Azt mondjuk, hogy A-stabil, ha a stabilitsi tartomnya tartalmazza a C = {z C :
Re(z) < 0} C
(Itt lnyegben a
komplex flskot.
(0, )
intervallumon val korltossgot ellenrizzk.) Az A-stabilits teht azt
jelenti, hogy minden olyan
z = a + ib
komplex szmra, amelyre
a < 0,
rvnyes az
|R(z)| 1
egyenltlensg. Knnyen megmutathat, hogy az implicit Euler-mdszer A-stabil. (Az explicit Euler-mdszer nyilvn nem, hiszen, mint lttuk, (9.4.55) mr az
R C
halmazon sem igaz.)
9.4.16. megjegyzs.
Tekintsk a CrankNicolson-mdszert, amely felrhat
yi+1 = RCN (h)yi =
1 + h/2 yi 1 h/2
h > 0 esetn h > 0 mellett mgsem viselkedik jl a mdszer. Ugyanis h > 2/() esetn RCN (h) (1, 0), ezrt az ilyen rcshlkon az yi rtkei lpsenknt eljelet vltanak, azaz br abszolt rtkben cskkenek,
alakban. Mint megmutattuk, a mdszer msodrend, s knnyen lthatn tetszleges minden vals
< 0
esetn
|RCN (h)| 1.
16
Ugyanakkor a tesztfeladaton tetszleges
de emellett oszcilllnak is, ami ellentmond a pontos megolds szigorn monoton cskkensnek.
9.5. A tbblpses mdszerek

Az eddigiekben az egylpses mdszereket vizsgltuk, vagyis az olyan numerikus mdszereket, amelyekkel a megoldsfggvny valamely rcshlpontbeli kzeltst az ezen pontot megelz rcshlpontbeli kzeltsnek segtsgvel hatrozzuk meg. A tovbbiakban ezt ltalnostjuk: egy adott pontbeli kzeltst meg. Az ilyen mdszereket a tbblpses mdszerek
m darab (m 1) megelz pontbeli rtk segtsgvel hatrozzuk m-lpses mdszereknek nevezzk. (A korbbi egylpses mdszereink specilis esetnek tekinthetk az m = 1 megvlasztssal.)
Az albbiakban kt egyszer pldn bemutatjuk, hogy a (9.3.1)-(9.3.2) Cauchy-feladat megoldsnak a megfelel pontok krli Taylor-sorba fejtsvel hogyan szrmaztathatk ilyen tpus mdszerek.
15 Ennek oka, hogy az = , Rnn lineris rendszer Cauchy-feladata trhat n darab, a (9.4.49) alak tesztfeladatra, ahol az egyes szmok az mtrix sajtrtkei, amelyek ezrt teht komplex szmok is lehetnek. Lsd a 9.6. szakaszt, illetve bvebb ismeretekrt a jegyzkben tallhat [1] hivatkozst. 1+z/2 16 Megmutathat, hogy a mdszer R CN (z) = 1z/2 stabilitsi fggvnyre Re(z) < 0 esetn |RCN (z)| 1, azaz a mdszer A-stabil is.
u Au A
9.5.
A tbblpses mdszerek
9.5.1. plda.
Nyilvn
u(ti1 ) =u(ti ) hu (ti ) +
h2 u (ti ) + O(h3 ), 2 4h2 u(ti2 ) =u(ti ) 2hu (ti ) + u (ti ) + O(h3 ). 2
(9.5.1)
Ezrt
3u(ti ) 4u(ti1 ) + u(ti2 ) = 2hu (ti ) + O(h3 ) = 2hf (ti , u(ti )) + O(h3 ).
gy az
fi = f (ti , yi )
jellssel denilhat az
1 2 4 yi yi1 + yi2 = hfi , i = 2, 3, ... 3 3 3

tens.
(9.5.2)
mdszer. Lthatan a (9.5.2) egy ktlpses implicit mdszer, amely msodrendben konzisz-
9.5.2. plda.
vnyt a
Elszr fejtsk Taylor-sorba a megoldsfggvnyt, majd annak derivltfggpont krl. Ekkor
ti1
h2 u (ti1 ) + O(h3 ), 2 u (ti2 ) =u (ti1 ) hu (ti1 ) + O(h2 ). u(ti ) =u(ti1 ) + hu (ti1 ) +

Mivel a msodik sszefggsbl az els egyenletbe az
(9.5.3)
hu (ti1 ) = u (ti1 ) u (ti2 ) + O(h2 ), h [3u (ti1 ) u (ti2 )] + O(h3 ) 2
ezt behelyettestve
u(ti ) = u(ti1 ) +
sszefggst nyerjk. Ez alapjn
yi yi1 = h
3 1 fi1 fi2 , i = 2, 3, ... 2 2
(9.5.4)
egy ktlpses explicit mdszer, amely msodrendben konzisztens.
9.5.1. A lineris tbblpses mdszer ltalnos alakja s rendje

A fenti pldink alapjn az
m-lpses
mdszerek ltalnos alakban igy denilhatk.
9.5.3. denci.
Az adott
a0 , a1 , . . . , am
b0 , b1 , . . . , bm
egytthatk melletti (9.5.5)
a0 yi + a1 yi1 + + am yim = h[b0 fi + b1 fi1 + . . . + bm fim ], i = m, m + 1, . . . ,

itercit
lineris, m-lpses mdszernek
nevezzk.
9.
az ismert
a0 = 0, hiszen csak ebben az esetben lehetsges yim , yim+1 , . . . , yi1 rtkekbl yi rtkt meghatrozni. Mivel fi = f (ti , yi ), ezrt a (9.5.5) mdszer explicit, ha b0 = 0, s implicit, amikor b0 = 0. Egy lineris tbblpses mdszer denilsa az ak s bk paramterek (k = 0, 1, . . . , m) konkrt rtkeinek a megadsval trtnik. Pldul, a (9.5.2) numerikus mdszer esetn m = 2, a0 = 1, a1 = 4/3, a2 = 1/3, s b0 = 2/3, b1 = 0, b2 = 0. Ha kt lineris tbblpses mdszer egytthati (ak , bk ) s (ak , bk ), s ltezik olyan = 0 lland, amely mellett ak = ak valamint bk = bk minden k = 0, 1, . . . , m rtkre,
A tovbbiakban mindig feltesszk, hogy akkor adott kezdeti rtkekbl mindkt mdszer ugyanazt az eredmnyt szolgltatja. Ezrt az ilyen mdszereket nem klnbztetjk meg egymstl. Teht a lineris tbblpses mdszereket ler
2(m + 1)
paramter kzl egyet elre rgztennk szksges. Ez, konvenci szerint, az
a0
paramter, s a tovbbiakban mindig feltesszk, hogy
a0 = 1.
(9.5.6)
Vizsgljuk meg a (9.5.5) ltalnos alak lineris tbblpses mdszer konzisztencijnak felttelt, illetve lehetsges konzisztenciarendjt. A mdszer loklis approximcis hibja
gi (h) =
k=0
Mivel a (9.3.1) alapjn
[ak u(tik ) hbk f (tik , u(tik ))].

ezrt
(9.5.7)
u (tik ) = f (tik , u(tik )),

m
gi (h) =
k=0
Fejtsk a
[ak u(tik ) hbk u (tik )].
(9.5.8)
t = ti
pont krl Taylor-sorba
p-ed illetve p 1-ed rendig a (9.5.8) jobb oldaln szerepl 1 1 2 2 k h u (ti ) + . . . + (1)p k p hp u(p) (ti ) + O(hp+1 ), 2! p! 1 k p1 hp1 u(p) (ti ) + O(hp ). (p 1)!
fggvnyeket! Ekkor
u(tik ) = u(ti kh) = u(ti ) khu (ti ) +
u (tik ) = u (ti kh) = u (ti ) khu (ti ) + . . . + (1)p1
Ezt behelyettestve a (9.5.8) sszefggsbe, a loklis approximcis hibra a
gi (h) = d0 u(ti ) + hd1 u (ti ) + h2 d2 u (ti ) + . . . + hp dp up (ti ) + O(hp+1 )

kifejezst kapjuk, ahol
(9.5.9)
d0 = d1 = d2 =
. . .
ak ,
k=0 m
(kak + bk ) 1 ( k 2 ak + kbk ), 2
(9.5.10)
k=0 m
k=0
dp = (1)p
(
k=0
1 p 1 k ak + k p1 bk ). p! (p 1)!
9.5.
A tbblpses mdszerek
Egy lineris tbblpses mdszer pontosan akkor teljeslnek a
p-ed
rend, amikor
gi (h) = O(hp+1 ),
azaz
d0 = d1 = . . . = dp = 0
felttelek. Ez a (9.5.10) alapjn a kvetkezt jelenti.
9.5.4. ttel.
A (9.5.5) lineris tbblpses mdszer teljeslnek az albbi felttelek:
p-ed
m
rend, ha a mdszert denil paramterekre
a0 = 1,
k=0
ak = 0
(9.5.11)
1 j
k ak +
k=0 k=0
j1
bk = 0, j = 1, 2, . . . , p.
Ezek alapjn kzvetlenl megfogalmazhat a konzisztencia felttele is.
9.5.5. kvetkezmny.
A (9.5.5) lineris tbblpses mdszer pontosan akkor konzisztens, ami-
kor a mdszert denil paramterekre teljeslnek az
a0 = 1,
m k=0 m
ak = 0
(9.5.12)
kak +
k=0
felttelek.
bk = 0
k=0
9.5.6. megjegyzs.
amikor
A (9.5.12) felttel kirva a kvetkezt jelenti: a mdszer akkor konzisztens,
1 + a1 + . . . + am = 0 (a1 + 2a2 + . . . + mam ) + (b0 + b1 + . . . + bm ) = 0.

Tovbb
(9.5.13)
p2
rendben pontos, ha (9.5.13) mellett teljeslnek az
1 j
k j ak +
k=1 k=1
k j1 bk = 0, j = 2, 3, . . . , p
(9.5.14)
felttelek. Ez pldul azt jelenti, hogy egy mellett az
m-lpses mdszer msodrendsghez a konzisztencia

m
1 2
(ahol
k 2 ak +
k=1 k=1
kbk = 0
(9.5.15)
felttel teljeslse szksges. Knnyen ellenrizhet, hogy a (9.5.2) numerikus mdszer esetn
m = 2, a0 = 1, a1 = 4/3, a2 = 1/3,
b0 = 2/3, b1 = 0, b2 = 0)
ezek az sszefggsek
rvnyesek. Milyen pontossg lehet egy (9.5.5) alak lineris tbblpses mdszer? Az ltalnos alakban
2m + 1
paramter (a1 , a2 , . . . , am s
paramtereknek a
p-ed
rend pontossghoz
b0 , b1 , . . . , bm ) vlaszthat meg. Ugyanakkor ezeknek p + 1 felttelt kell teljestenik. gy p 2m. Ha
a a
mdszer explicit, azaz
b0 = 0 ,
akkor eggyel kevesebb a szabadon megvlaszthat paramterek
szma. sszefoglalan, rvnyes a kvetkez llts.
9.
9.5.7. ttel.
Egy
m-lpses
implicit lineris tbblpses mdszer maximlis rendje
2m,
az explicit lineris
tbblpses mdszer pedig
2m 1. a0 = 1
9.5.8. megjegyzs.
A lineris tbblpses mdszer egyrtelmsgt biztost
felttel
helyett megadhat ms felttel is. Gyakori a
bk = 1
k=0
felttel megadsa. Ez azt biztostja, hogy (9.5.5)
(9.5.16)
a0 yi + a1 yi1 + + am yim = b0 fi + b1 fi1 + . . . + bm fim h

alakjban a jobb oldalon szerepl kifejezs brmely konstans rtk felttele
fggvnyt pontosan app-
roximlja. A (9.5.12) alakbl knnyen lthat, hogy a (9.5.16) felttel mellett a konzisztencia
a0 = 1,
k=0 m
ak = 0
(9.5.17)
kak = 1.
k=1
A
(9.5.18)
p2
rendsg felttele a (9.5.14) alakbl jl lthatan a
k j1 (kak + jbk ) = 0, j = 2, 3, . . . , p
k=1
felttelek. Mint lthat, ebben a felrsban ki rjuk. gy (termszetesen)
(9.5.19)
p 2m,
s
s a
2m + 2 ismeretlennk van, s p + 2 felttelt tztnk p = 2m maximlis rend elrshez az egytthatkat

ismeretlenekre a
az albbi mdon hatrozhatjuk meg. 1. Megoldjuk az
a1 , a2 , . . . , am
b1 , b2 , . . . , bm
2m a0
szm egyenletetbl ll
(9.5.18)(9.5.19) rendszert.
Ezutn a (9.5.16) s a (9.5.17) felttelekbl meghatrozzuk az
b0
egytthatkat az
a0 =
k=1
sszefggsekbl.
ak = 1,
b0 = 1
k=1
bk
(9.5.20)
A lineris tbblpses mdszerek vizsglatnl hasznos a kvetkez kt polinom bevezetse:
() =
k=0 m
ak mk
(9.5.21)
() =
k=0
bk mk .
(9.5.22)
9.5.
A tbblpses mdszerek
9.5.9. denci.
A (9.5.21) s (9.5.22) mdon denilt
()
()
legfeljebb
m-ed
fok polinomokat a (9.5.5)
m-lpses
vezzk.
lineris tbblpses mdszer els illetve msodik karakterisztikus polinomjnak ne-
A (9.5.12) felttelbl - nmi szmols utn - addik a kvetkez [1, 34].
9.5.10. ttel.
Egy lineris tbblpses mdszer pontosan akkor konzisztens, amikor a karakterisztikus polinomjaira rvenyesek a
(1) = 0,
sszefggsek.
(1) = (1)
(9.5.23)
9.5.2. A kezdeti rtkek megvlasztsa s a mdszer konvergencija

Lttuk, hogy egy a rcshl els kezdeti
m-lpses lineris tbblpses mdszer felttelezi a kezdeti kzeltsek ismerett m pontjban, azaz feltesszk, hogy y0 , y1 , . . . , ym1 adottak. Ugyanakkor, a (9.3.2) felttelbl csak y0 rtke ismert. Ezeket a kzeltseket egy megfelel rendben pontos
egylpses mdszerrel hatrozzuk meg. (Tipikusan valamely Runge-Kutta tpus mdszerrel.) Itt gyelnnk kell arra, hogy a kivlasztott mdszer az alkalmazott lineris tbblpses mdszer rendjvel egyezzk meg, hiszen ellenkez esetben a kezdeti kzeltsek alacsonyabb rend meghatrozsval elveszthetjk a teljes mdszer pontossgt.
17
Trjnk t a lineris tbblpses mdszerek konvergencijnak krdsre. Mint azt mr az egylpses mdszereknl lttuk, a konzisztencia nmagban nem elgsges a konvergencihoz. A tovbbiakban, bizonyts nlkl, megadunk olyan felttelt, amely mellett a konvergencia biztostott. (A rszletek irnt rdekldknek javasoljuk az irodalomjegyzk [1, 34] hivatkozsait.) Mint lttuk, konzisztens mdszerek esetn
= 1 gyke a () karakterisztikus polinomnak. A
kvetkez denci arra vonatkozik, hogy milyen egyb gykk lehetnek mg.
9.5.11. denci.
Azt mondjuk, hogy egy lineris tbblpses mdszer karakterisztikus egyenlet gykk egyszeresek.
k C (k = 1, 2, . . . , m)
gykeire
kielgti a gykkritriumot, ha a () = 0 |k | 1, s a |k | = 1 tulajdonsg
Mint azt a kvetkez ttel mutatja, ez a felttel a lineris tbblpses mdszer stabilitst jelenti.
9.5.12. ttel.
Ha egy lineris tbblpses mdszer konzisztens s rvnyes r a gykkritrium, akkor konvergens is, azaz tetszleges rgztett
t (0, T )
pontban
h 0
esetn
yn u(t ),
ahol
nh = t
17 Megjegyezzk, hogy a modern programcsomagokban y (k = 1, 2, . . . m1) rtkt tbbnyire egy megfelelen k megvlasztott k 1-lpses mdszerrel szmoljk.
9.
9.5.13. megjegyzs.
Tekintsk az
A gykkritrium teljeslsnek szksgessgt mutatja a kvetkez plda.
yi + 4yi1 5yi2 = h(4fi1 + 2fi2 )

konzisztenciarendje
(9.5.24)
ktlpses explicit mdszert. Knnyen ellenrizheten ez a mdszer maximlisan pontos, azaz
p = 2m 1 = 3. Ugyanakkor els karakterisztikus polinomja () = 2 + 4 5 = ( 1)( + 5), teht a gykkritrium nem teljesl. Oldjuk meg az u = 0 feladatot az u(0) = 0 kezdeti felttellel. A feladat megoldsa u(t) = 0. Legyen tovbb y0 = 0 s y1 = . (Ha valamilyen egylpses mdszerrel kiszmoljuk y1 rtkt, akkor az a mdszer hibjnak megfelel rendben, de vrhatn csak kiss fog eltrni a pontos megoldstl az els idpontban, gy egy
nulltl klnbz kis szmnak tekinthet.) A fenti ktlpses mdszerrel szmolva a kezdeti kzeltsekre az albbiakat kapjuk:
y2 = 4y1 = 4, y3 = 4y2 + 5y1 = 21, y4 = 4y3 + 5y2 = 104,

stb. (9.5.25)
Lthatan a numerikus megolds nem marad korltos, gy a konvergencia sem lehetsges. Fontos megjegyeznnk, hogy a numerikus realizlsok sorn a gykkritrium ltalban nem elgsges a stabilitshoz: vannak esetek, amikor a gykkritrium teljeslse ellenre a szmtsok sorn kialakul hibk miatt a mdszerek nem szolgltatnak megbzhat eredmnyt. Az ilyen mdszereknl az a problma, hogy a karakterisztikus egyenletnek tbb (br csak egyszeres) egy abszolt rtk gyke is van.
9.5.14. denci.
Azt mondjuk, hogy egy lineris tbblpses mdszer mot, s csak a
ersen stabil,
ha kielgti a gykkritriu-
=1
az egyetlen egy abszolt rtk gyke.
Pldul az albbi n. Milne-mdszerre
yi yi2 =
a gykk
h (fi + 4fi1 + fi2 ) 3
1,2 = 1.
Ezrt a gykkritrium rvnyes, viszont nem lesz ersen stabil. Ezrt ennek
a mdszernek a hasznlata ltalban nem ajnlott. Mivel elssorban az ersen stabil lineris tbblpses mdszerek hasznlata a clszer, ezrt fontos megemlteni G. Dahlquist eredmnyt, amely az ilyen tpus mdszerek rendjrl szl.
9.5.15. ttel.
Egy ersen stabil
m-lpses
lineris tbblpses mdszer legfeljebb
m + 1-ed
rend lehet.
Az egylpses mdszereknl mr bemutattuk, hogy egy mdszer konvergencija nem garantlja a megolds adekvt viselkedst valamely rgztett rcshln. (Csupn azt biztostja, hogy a numerikus megolds a "megfelen kicsi lpskz rcshln" kzel van a pontos megoldshoz. Ugyanakkor ez a lpskz tlsgosan kicsi is lehet.) Ennek elkerlse cljbl deniltuk az abszolt stabil mdszereket. (Lsd a 9.4.15. dencit.) Felmerlhet a krds: mi a helyzet a lineris tbblpses mdszerek abszolt stabilitsval? Sajnlatosan a vlasz azt mutatja, hogy ezekre a mdszerekre az A-stabilitst nehz biztostani. Ugyanis az n. els s msodik Dahlquist-korltok szerint 258 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
9.5.
A tbblpses mdszerek
az explicit lineris tbblpses mdszerek nem lehetnek A-stabilak; az A-stabil lineris tbblpses mdszerek rendje nem lehet kettnl nagyobb.
Ezek a lineris tbblpses mdszerek alkalmazhatsgra nzve komoly korltot jelentenek .
9.5.3. Adams-tpus mdszerek

A lineris tbblpses mdszerek kztt kiemelked szerepet jtszanak azok, amelyekre a (9.5.5) kpletben
a0 = 1, a1 = 1, a2 = a3 = . . . = am = 0.
Az ilyen mdszereket zk.
18
(9.5.26) nevez-
Adams-tpus mdszereknek
b0 , b1 , . . . , bm
(vagy rviden
Adams-mdszereknek )
(Pldul a (9.5.4) mdszer egy Adams-mdszer.) Az Adams-tpus mdszereknl megvrtkei szolglnak.
laszthat paramterknt a
9.5.16. megjegyzs. Mint az ismeretes, a (9.2.6) kezdetirtk-feladat u(t) megoldsra rvnyes

a (9.3.3) azonossg a
[0, T ] intervallumon. gy ezt integrlva a [ti , ti+1 ] intervallumon a mr ismert

ti+1
u(ti+1 ) u(ti ) =
ti
(i
f (t, u(t)) dt,
t [0, T ]
(9.5.27)
= 0, 1, . . . , N 1 tetszleges) egyenlsget nyerjk. A 9.3.2. szakaszban a jobb oldal numerikus
kiintegrlshoz egyszer formulkat alkalmaztunk. (V.. a (9.3.68), (9.3.69) s a (9.3.70) kpleteket.) Az Adams-tpus mdszereknl a numerikus integrlshoz egy tbb pontra tmaszkod kvadratra-kpletet alkalmazunk, s ezek hatrozzk meg a Alapvet klnbsg van a
b0 , b1 , . . . , bm
rtkeit.
b0 = 0
s a
b0 = 0
megvlaszts Adams-mdszer kztt: mg az
els esetben a mdszer explicit, addig a msodik esetben implicit.
9.5.17. denci.
A
b0 = 0
megvlaszts Adams-mdszereket
laszts melletti Adams-mdszereket pedig
AdamsBashforth-mdszernek, a b0 = 0 AdamsMoulton-mdszernek nevezzk.
megv-
Az Adams-tpus mdszerek konzisztencijnak illetve meghatrozhat a (9.5.13) s a (9.5.14) felttelekbl.
p-ed rendsgnek felttele kzvetlenl
9.5.18. ttel.
Egy Adams-tpus mdszer pontosan akkor konzisztens, amikor
b0 + b1 + . . . + bm = 0.
Tovbb a mdszer
(9.5.28)
p2
rendben pontos, ha (9.5.28) mellett teljeslnek a
k j1 bk =
k=1
felttelek.
1 , j = 2, 3, . . . , p j
(9.5.29)
18 John Couch Adams (1819 - 1892), angol matematikus s csillagsz, Francis Bashforth (1819 1912) angol matematikus s zikus, Forest Ray Moulton (1872 - 1952) USA-beli csillagsz.
9.
Az
m-lpses
Adams-tpus mdszerek maximlis rendje is knnyen meghatrozhat: az
AdamsMoulton-mdszer
p = m + 1,
az AdamsBashforth-mdszer pedig
p = m.
Egy tet-
szleges Adams-mdszer els karakterisztikus polinomja
() = 1.
Ennek egyetlen gyke a
(9.5.30)
= 1,
ezrt ezekre a mdszerekre mindig teljesl a gykkritrium, s
emellett a mdszerek ersen stabilak is. Ezrt rvnyes a kvetkez llts.
9.5.19. ttel.
Az Adams-tpus mdszerek a konzisztencijukkal megegyez rendben konvergensek. A kvetkez 9.5.1. tblzatban hatodik rendig bezrlag felsoroljuk a maximlis rend Adams Bashforth-mdszerek
bk
egytthatit. (A knnyebb ttekinthetsg kedvrt nem trtknt rjuk
fel ezeket, s a harmadik oszlopban jelezzk, hogy
bk 3
hnyszorosa szerepel a tblzatban.)
p 1 2 3 4 5 6
m 1 2 3 4 5 6
bk bk 2bk 12bk 24bk 720bk 1440bk
1 1 3 23 55 1901 4277
2 1 16 59 2774 7923
5 37 2616 9982 9 1274 7298 251 2877 475 bk

egytthati.
9.5.1. tblzat. A maximlis rend AdamsBashforth-mdszerek
A tblzatban, az elmletnknek megfelelen, jelenti. Az
p = m.
Az
m=1
az explicit Euler-mdszert
m=2
vlaszts esetn a mr ismert (9.5.4) mdszert kapjuk. Az AdamsBashforth-
mdszerek, mivel explicit mdszerek, nem A-stabilak. (Lsd az els Dahlquist-fle korltot.) Radsul az abszolt stabilitsi tartomnyuk nagyon kicsi. Az mdszer) esetben az abszolt stabilitsi tartomnyuk az azaz a
(1, 0)
kzep, egysgnyi sugar kr a
m = 1 (vagyis az explicit Euler|1+z| 1 tulajdonsg komplex szmok, komplex szmskon. (V.. (9.4.53).) Emellett m
nvelsvel ez a tartomny tovbb szkl. Ezrt ezek a mdszerek nem alkalmasak az olyan feladatok megoldsra, ahol az abszolt stabilits szksges. Ez motivlja az AdamsMoultonmdszerek alkalmazst. A 9.5.2. tblzatban ismertetjk a maximlis rend AdamsMoulton-mdszerek egytthatit. A rendjk, az elmletnek megfelelen, Az els mdszer (m
p = m + 1.
az implicit Euler-mdszert jelenti. Ez a mdszer elsrend,
= 1 , b1 = 0 )
gy nem maximlis rend. A tblzat msodik mdszere (m
= 1, 1 = 0)
a (9.3.61) kplet
CrankNicolson-mdszert jelenti. Megjegyezzk, hogy az AdamsMoulton-mdszerek stabilitsi tartomnyai jval nagyobbak, mint az azonos rend AdamsBashforth-mdszerek. A fenti AdamsMoulton-mdszerek kzl csak az els kett (azaz az implicit Euler-mdszer s a Crank Nicolson-mdszer) A-stabil, a tbbi nem. (Ez kvetkezik a mr emltett msodik Dahlquist-fle korltbl.)
9.5.20. megjegyzs.
Az AdamsBashforth-mdszer s az AdamsMoulton-mdszer gyakran
egyttesen, egymssal kombinlva kerlnek felhasznlsra a kvetkez mdon. Elszr egy Adams Bashforth-mdszerrel kiszmolt
yi
rtkkel "megjsoljuk" a ti idrtegen a kzelt rtket, majd
9.5.
A tbblpses mdszerek
p 1 2 3 4 5 6
m 1 1 2 4 5 6
bk bk 2bk 12bk 24bk 720bk 1440bk
0 1 1 5 9 251 475
1 1 8 19 646 1427
1 5 264 798 1 106 482 19 173 27 bk

egytthati.
9.5.2. tblzat. A maximlis rend AdamsMoulton-mdszerek
az AdamsMoulton-mdszerrel "javtjuk" a numerikus megoldst a kvetkez mdon: a jobb oldalon szerepl
b0 f i
tagba
fi
helyett
fi = f (ti , yi )
rtkt rakjuk. Az gy nyert mdszert "jsl-
javt" (angolul: "predictor-corrector", PC) mdszernek nevezzk, de szoksos az sszefoglal
Adams-Bashforth-Moulton-mdszer
explicit.
elnevezs is. Lnyeges tulajdonsga, hogy ez a mdszer mr
http://math.fullerton.edu/mathews/n2003/AdamsBashforthMod.html
linken, s konkrt formulkkal animcin is meggyelhetjk a mdszer viselkedst az dierencilegyenleten.
A PC mdszer nhny elmleti rszlete megtallhat a
u = 1t 3 u
9.5.4. Retrogrd dierencia mdszerek

A lineris tbblpses mdszerek kztt, az Adams-tpus mdszerek mellett fontosak azok az implicit mdszerek, amelyekre a (9.5.5) kpletben
b0 = 0, b1 = b2 = . . . = bm = 0.
(9.5.31)
Az ilyen mdszereket annak rendjt az dierencia
retrogrd dierencia mdszereknek nevezzk. A mdszer konzisztencijt s a0 , a1 , . . . , am egytthatk alkalmas megvlasztsval biztostjuk. A retrogrd mdszerek fontos tulajdonsga, hogy az f (t, u) fggvnyt csak egy pontban (a (ti , yi )
pontban) szksges kirtkelnnk. Ez a mdszer klnsen alkalmas a specilis stabilitst ignyl feladatok megoldsra. (Lsd a kvetkezkben a merev rendszerek lerst.) A 9.5.6. megjegyzs alapjn rvnyes a kvetkez llts.
9.
9.5.21. ttel.
Az
m-lpses yi + a1 yi1 + + am yim = hb0 fi , i = m, m + 1, . . . ,

(9.5.32)
alak retrogrd dierencia mdszer pontosan akkor konzisztens, amikor
a1 + . . . + am = 1 a1 + 2a2 + . . . + mam = b0 .
Tovbb
(9.5.33)
p2
rendben pontos, ha (9.5.33) mellett teljeslnek a
k j ak = 0, j = 2, 3, . . . , p
k=1
felttelek.
(9.5.34)
Ez azt jelenti, hogy
Teht a retrogrd dierencia mdszer maximlis rendje
p+1 szm felttelnk van az m+1 darab b0 , a1 , a2 , . . . , am ismeretlenekre. p = m. A kvetkez 9.5.3. tblzatban
megadjuk az els hat maximlis rend retrogrd dierencia mdszer egytthatit.
p 1 2 3 4 5 6
m 1 2 3 4 5 6
b0 1
2 3 6 11 12 25 60 137 60 147
a0 1 1 1 1 1 1
a1 1 4 3 18 11 48 25 300 137 360 147
a2
1 3 9 11 36 25 300 137 450 147
a3
a4
a5
a6
2 11
16 25
200 137 400 147
3 25 75 137 225 147
12 137 72 147 10 147
9.5.3. tblzat. Az els hat maximlis rend retrogrd dierencia mdszer egytthati.
= 1) az implicit Euler-mdszert jelenti, mg az m = 2, 3, 4 mdszeremsod-, harmad- s negyedrend Curtis-Hirschfeld-mdszernek nevezzk. Az els kt mdszer (m = 1, 2) A-stabil, a tbbi mdszer a msodik Dahlquist-fle korltnak megfelelen 19 viszont nem. Ugyanakkor a stabilitsi tartomnyuk igen nagy. Megjegyezzk, hogy m > 6
ket rendre esetn a retrogrd dierencia mdszerek mr a legalapvetbb stabilitsi tulajdonsggal (az n.
Az els mdszer (m
0-stabilitssal) sem rendelkeznek, ezrt a hatodrendnl magasabb mdszereket nem alkalmazzk.
19 Ha m = 3, 4, 5, 6, akkor a mdszerek stabilitsi tartomnya ugyan nem tartalmazza a teljes C komplex flskot, de a vals negatv tengelyt tartalmaz, origbl szggel kiindul szgtartomnyt igen. Az ilyen tulajdonsg mdszereket A()-stabil mdszereknek nevezzk. (Teht az A-stabilits az = 90 fokos stabilitst jelenti.) Ugyanakkor ez a szektor m nvekedsvel beszkl: mg m = 3 esetn 86 , (azaz "majdnem" A-stabil), addig m = 6 mellett mr csak 17, 8 .
9.6.
A lineris s a merev rendszerek numerikus megoldsa
9.6. A lineris s a merev rendszerek numerikus megoldsa

Eddig skalris egyenletek megoldsval foglalkoztunk. Most tekintsk a
du = Au(t), t (0, T ], dt u(0) = u0

feladatot, ahol
(9.6.1)
A Rmm
adott mtrix,
fggvny. A (9.6.1) feladatot egy
tnak
olyan
lineris kznsges dierencilegyenletrendszer Cauchyfelada-
u 0 Rm
adott vektor, s
u : [0, T ] Rm
az ismeretlen
nevezzk. Az egyszersg kedvrt tegyk fel, hogy
regulris mtrix, amellyel

20
diagonlis mtrix.
Vezessk be
A diagonalizlhat mtrix, azaz ltezik S1 AS = , ahol az A mtrix sajtrtkeit tartalmaz 1 a w(t) = S u(t) j ismeretlen fggvnyt! Ekkor a (9.6.1)
dw = w(t), t (0, T ], dt w(0) = S1 u0
(9.6.2)
Cauchy-feladat trhat a
alakra. Vegyk szre, hogy (9.6.2) egy olyan darab
m-ismeretlenes
rendszer, amely valjban sztesik
wk = k wk ,
wk (0) = adott, k = 1, 2, . . . , m
(9.6.3)
skalris feladatra,
k
amelyet a korbbiakban (v.. (9.4.49) ) mr vizsgltunk. Kvetkezskppen a
lineris rendszerek numerikus megoldsa visszavezetdik a skalris feladatokra megfogalmazott mdszerekre. Ez azt jelenti, hogy ezeket a mdszereket a (9.6.3) feladatokra kell alkalmazni, ahol az
mtrix sajtrtkei. Teht egy numerikus mdszer alkalmazsa sorn azt kell megvizs-
glnunk, hogy a mdszer hogyan viselkedik a mtrix spektrumn a (9.6.3) tesztfeladatok esetn. Az explicit Euler-mdszer esetn lttuk, hogy egyetlen egyenlenlet esetn ez az idlpcs megvlasztsra a (9.4.53) felttelt jelenti. Ezrt
k < 0
esetn az (9.6.4)
|REE (hk )| 1
azaz a
h 2/(k ), k = 1, 2, . . . m, 2 maxk (k )
h
felttelt kapjuk.
(9.6.5)
9.6.1. megjegyzs.
Nem foglalkozunk kln a magasabb rend kznsges dierencilegyenle-
tekkel, mert azok az n.
tviteli elv
segtsgvel trhatk elsrend rendszerr. Pldul, az (9.6.6)
y (m) + a1 y (m1) + a2 y (m2) + . . . + am1 y + am y = 0 m-ed

rend, lineris, homogn, kznsges dierencilegyenletet az
y(0) = c1 , y (0) = c2 , . . . , y (m1) (0) = cm

20 Emlkeztetnk r (lsd az els szakaszt), hogy hasonlsgi transzformcival diagonlis alakra hozhat mtrixokat egyszer struktrj mtrixoknak is szoksos nevezni. Megjegyezzk, hogy egy mtrix pontosan akkor diagonalizlhat, ha ltezik m darab linerisan fggetlen sajtvektora. A denciban szerepl S hasonlsgi mtrix vlaszthat ezen sajtvektorokbl mint oszlopvektorokbl sszelltott mtrixknt.
9.
kezdeti felttelekkel a kvetkez mdon lehet trni egy zessk be az
m-ismeretlenes
lineris rendszerr. Ve-
u1 , u2 , . . . , um
j ismeretlen fggvnyeket:
u1 (t) = y(t) u2 (t) = y (t) = u1 (t) u3 (t) = y (t) = u2 (t)

. . . (9.6.7)
um (t) = y m1 (t) = um1 (t).

Derivlva az utols egyenletet, s felhasznlva az egyenletnket, a bevezetett j fggvnyekkel ekkor az
um (t) = y m (t) = a1 um a2 um1 . . . am u1

egyenletet kapjuk. Felhasznlva a (9.6.7) egyenleteket s a (9.6.8) sszefggst, az
(9.6.8)
Rm ui (t)
u(t) : [0, T ]
komponens ismeretlen fggvnyre az
u = Au
elsrend, lineris rendszert kapjuk, ahol
A Rmm ,
0 1
. . .
A=
0 0
. . .
1 0
. . .
... ...
. . .
0 0
. . .
0 0
. . .

komponens adott
0 am
0 am1
0 am2
... ...
0 a2
1 a1
adott mtrix. A megfelel kezdeti felttel vektor.
u(0) = c, ahol c Rm c1 , c2 , . . . cm
Trjnk t a merev rendszerekre! Tekintsk pldaknt az rend dierencilegyenletet az rendszerre
y + ( + 1)y + y = 0
msod-
y(0) = 1
y (0) = 2 0 1 ( + 1)
kezdeti felttelekkel! Ekkor a megfelel
A=
a kezdeti vektor pedig
c = [1, 2]. Az A mtrix karakterisztikus egyenlete

det(
A I) = 2 + ( + 1) + = 0.
Ezrt az
A mtrix sajtrtkei 1 = 1 s 2 = . A pontos megolds teht

u1 (t) = 2 exp(t) exp(t) u2 (t) = 2 exp(t) + exp(t).
(9.6.9)
Ha az explicit Euler-mdszert alkalmazzuk a feladat megoldsra, akkor a lpskz megvlasztsra
esetn a
h < 2/
felttelt kapjuk. Tegyk fel, hogy fggvnyek mr nagyon kis
>> 1.
Ekkor a megvlaszthat
lpskz igen kicsi, viszont, mint az a pontos megolds (9.6.9) alakjbl lthat, az egyes megol-
t t0 esetn nem jtszanak u2 (t) 2 exp(t) lesz a [t0 , T ] intervallumon. Ez azt jelenti, hogy a teljes intervallumon nem szksges a h lpskz ilyen 21 kicsi megvlasztsa. Az ilyen tulajdonsg rendszereket merev rendszernek nevezzk. A merev
dsokban szerepl
exp(t)
t0
mellett
szerepet a megoldsban, s a pontos megolds gyakorlatilag az
u1 (t)
feladatokat az albbi mdon szoksos denilni.
21 Gyakran a magyar terminolgia is az angol "sti" kifejezst hasznlja.

9.6.
A lineris s a merev rendszerek numerikus megoldsa
9.6.2. denci.
Azt mondjuk, hogy a (9.6.1) lineris rendszer merev, ha a rendszer
A Rmm
mtrixnak
k (k = 1, 2, . . . , m)
1.
sajtrtkei rendelkeznek az albbi tulajdonsgokkal.
Rek < 0
minden
k = 1, 2, . . . , m
esetn. (Azaz a feladat Ljapunov-rtelemben aszimp-
totikusan stabil.) 2. Az
S=
mdon denllt
maxk |Rek | mink |Rek | S >> 1.
(9.6.10)
merevsgi mutat nagy, azaz
A merev rendszerek esetn teht a pontos megolds gyorsan s lassan lecseng komponensekbl addik ssze, s egy (ltalban kis)
t = t0
idpont utn a megoldst szinte teljesen csak a
lassan vltoz komponensek hatrozzk meg. Az ilyen feladatok numerikus kezelsre az explicit mdszerek ltalban nem alkalmasak, s tipikusan az
A-stabil
mdszerek hasznlata javasolt. A
korbbi mdszereink kzl klnsen alkalmasak a retrogrd dierencia mdszerek, ezen bell is az implicit Euler-mdszer illetve az els kt Curtis-Hirschfeld-mdszer.
9.6.3. megjegyzs.
Igazbl nincs egysges s pontos denici a merev rendszerekre. Ez a foga-
lom valjban azt fejezi ki, az eredeti folytonos feladat nagyfok stabilitssal rendelkezik. Pldul az elz msodrend feladatban
rtktl (mint bemen adattl) gyakorlatilag nem fgg a
megolds, amely a szoksos stabilitsi fogalomnl ("folytonosan fgg a megolds a bemen adatoktl") jval ersebb tulajdonsg, azt is mondhatjuk, hogy tlsgosan is stabil a feladat. Ezt a numerikus mdszerek csak bizonyos felttelek mellett (egszen pontosan, az A-stabilits mellett) kpesek csak kvetni. Ezrt a merev rendszerek numerikus megoldsra az explicit mdszerek gyakorlatilag nem alkalmazhatk. Megjegyezzk tovbb, -mint azt a pldnk is mutatja- ezzel a tulajdonsggal mr egy skalris egyenlet is rendelkezhet. Pldul, tekintsk az
u = ku, t > 0; u(0) = u0

feladatot, ahol
adott lland, akkor ennek megoldsa
gyakoraltilak mr kis nagy rszn az
t0
esetn a
(0, t0
intervallumon
hat pozitv szmhoz, s ezutn minden
u(t) = u0 exp(kt). Ha k << 0, akkor u(t) lecskken u0 -rl a legkisebb brzolt > t0 esetn u(t) 0. gy a feladat az idintervallum k = 15
esetn, a
u0
ketzedeti llapottl fggetlenl viselkedik. Erre a feladatra mr viszonylag kis
esetn is az explicit Euler-mdszer rosszul viselkedik. Pldul,
h = 1/4
lpskz numerikus megolds kin a vgtelenbe; a
h = 1/8
megvlaszts mdszer ugyan kor-
ltos marad s kveti is a pontos megoldst, de beoszcilll. Ha a CrankNicolson-mdszert alkalmazzuk, akkor viszont a numerikus megolds jl kveti a pontos megoldst. Bvebben lsd a
http://en.wikipedia.org/wiki/Stiff_equation
linket, de sajt program ksztsvel nll-
an is ellenrizhet a numerikus megoldsok fenti viselkedse. (Lsd a kvetkez 9.7. szakaszt.)
Befejezsl megemltjk, hogy a merevsg fogalma kiterjeszthet a nemlineris egyenletekre, illetve a nemlineris rendszerekre is. Ilyenkor a linearizlt feladatra fogalmazzuk meg a feltteleket, azaz rendszerek esetn az
A mtrix szerept a rendszer Jacobi-mtrixa jtsza.
9.
9.7. A kezdetirtk-feladatok numerikus megoldsa MATLAB segtsgvel

A Matlab segtsgvel viszonylag egyszeren realizlhatk a numerikus eljrsaink. A MATLAB programrendszer rendelkezik sajt, mr elksztett s beptett programmal, de az egyszerbbek nll elksztse sem nehz. Pldul az explicit Euler-mdszer megrsa egy m-fjlban s a tovbbiakban nll fggvnyknt val hasznlata igen egyszer. Tekintsk azokat a lpseket, amelyek ennek megvalstshoz szksgesek.
Els lpsben indtsuk el a MATLABot, majd az Editor segtsgvel ksztsk el az albbi m-fjlt!:
function[t,y] = expeuler(diffegy, t0, y0, h, N) t=zeros(N+1,1); y = zeros(N+1,1); t(1) = t0; y(1) = y0; for i=1:N t(i+1) = t(i) + h; y(i+1) = y(i) + h * diffegy(t(i),y(i)); end
A fenti programban az els sorban azt adtuk meg, hogyan tudjuk meghvni a mdszernket. (Mi most expeuler-nek neveztk el.) Utna soroljuk fel a megoldand feladatot illetve az explicit Euler- mdszert beazonost bemen paramtereket, a bal oldalon pedig a kimen paramtereket. (Ezek tipikusan a kiszmtott s a tovbbi clra felhasznlni kvnt eredmnyek.) A mi esetnkben t bemen s kett kimen paramter van. A kt kimen paramter a diszkretizlt id vektor s az ezen pontokban kiszmolt numerikus kzelt megoldsok vektora. Az els bemen paramter egy alfggvny, aminek jelen esetben ebben a fggvnyben rjuk meg a dierencilegyenletet specikl jelenti. A kvetkez paramter vesszk fel a
diffegy a neve, s
fggvnyt. A msodik
paramter t0, ez a kezdeti idpontot jelli, a harmadik a t0 pontbeli y0 kezdeti rtket
h,
amely az idintervallum diszkretizcis lpstvolsgt
jelenti, majd vgl N jelli a megtett idlpsek szmt. A msodik s harmadik sorban
vektorokat, amikben az rtkeket elszr lenullzzuk, s a kvetkez kt
sorban belltjuk a kezdrtkeket. Utna kvetkezik lnyegben a mdszer algoritmusa: egy ciklus keretben elszr belltjuk a vgl az
ti
rtkeket, majd kiszmoljuk a meredeksget,
yi
rtkeket az explicit Euler-mdszer kpletnek megfelelen.
A fenti programmal mg nem tudjuk kzvetlenl az adott dierencilegyenlet numerikus megoldst ellltani, ehhez szksgnk van az megadsra. Ha az
fggvnyt megad "diegy" alfggvny
u (t) = u(t) + t + 1,
ahol
t [0, 1]
u(0) = 1
feladat
22
megoldst szeretnnk ellltani, akkor a diegy nev
22 Emlkeztetnk r, hogy ezen a feladaton teszteltk a numerikus mdszereinket a 9.3.1. s a 9.4. fejezetekben. Ebben a rszben a Runge-Kutta tpus mdszerrel illetve lineris tbblpses mdszerrel is megoldjuk ezt a feladatot.
9.7.
A kezdetirtk-feladatok numerikus megoldsa MATLAB segtsgvel
alfggvny elksztshez nyissunk egy j m-fjlt, amibe rjuk a kvetkezket:
function dydt = diffegy(t,y) dydt = -y + t + 1;
Ha mr megrtuk mindkt fggvnyt, futtassuk le a programunkat h = 0.1, h = 0.01 s h = 0.001 lpstvolsgokkal a [0, 1] intervallumon a [T1,Ye] = expeuler(@diffegy, 0, 1, 0.1, 10) utastssal. Enter utn megkapjuk a T1 s Ye vektorokat, amelyek a k-
plot(T1,Ye) paranccsal egy kln ablakban megjelenik a fggvnynk. (A h = 0.01 s h = 0.001 lpskzkre rtelemszeren a [T1,Ye] = expeuler(@diffegy, 0, 1, 0.01, 100) illetve a [T1,Ye] = expeuler(@diffegy, 0, 1, 0.001, 1000) parancsokat kell berni.)
zeltsek idbeli helyt s rtkt tartalmazzk. Ha ki is szeretnnk rajzoltatni, akkor a
Ha az explicit Euler-mdszer hibjra vagyunk kvncsiak, akkor a pontos megoldssal szksges a numerikus megoldsunkat sszehasonltani. A pldnk pontos megoldsa az
u(t) = et + t
fggvny. A 9.7.1.-9.7.3. brkon lthatjuk a mdszer pontossgt a lpstvolsgokkal. Az elvrtaknak megfelelen kzeledik a pontos megolds grakonjhoz.
h = 0.1, h = 0.01 s h = 0.001 h cskkensvel a numerikus megolds grakonja
9.7.1. bra. A
h = 0.1
lpskz explicit Euler-mdszer
A dierencilegyenlet-rendszerek numerikus kezelsre ksztett programot egy egyszer populcidinamikai modellen, az n. Lotka-Volterra-modellen mutatjuk be. Ez az n. ragadozzskmny modell, amely kt faj egyedei szmnak idbeli alakulst (fejldst) rja le. Jellje tankonyvtar.bme.hu 267
9.
9.7.2. bra. A
h = 0.01
9.7.3. bra. A
h = 0.001
x(t)
egy nylpopulci mrett a
idpontban, mg
hogy ismerjk a populcik kezdeti mrett, azaz az
y(t) egy rkapopulci mrett! Feltesszk, x(0) s y(0) rtkeket. Ekkor a matematikai
modellnk felrhat a kvetkez dierencilegyenlet-rendszer segtsgvel:
x (t) = ax(t) bx(t)y(t)

9.7.
y (t) = cx(t)y(t) dy(t),

ahol
a nylak nvekedsi rtja,
a rkapopulci hallozsi arnya. Mikor egy rka s egy
nyl tallkozik, akkor a nyulak szma cskken. A nyulak szmnak cskkensi sebessge arnyos azzal, hogy egy idegysg alatt hny rka s nyl tallkozik, azaz az x(t)y(t) szorzattal. Ezt fejezik ki a
b illetve c egytthatk. A modell kapcsn elvrsaink a kvetkezk. Ha nincs ragadoz, x = ax dinamikj, ahol a a zskmny populci nvekedsi rtja. Feltesszk tovbb, hogy zskmny hinyban a ragadozk kihalnak az y = dy egyenletdinamikja szerint, ahol d a ragadoz
akkor feltesszk, hogy a zskmny populci nagysga exponencilis nvekeds, azaz populci hallozsi arnya. A tovbbiakban a MATLAB segtsgvel numerikusan oldjuk meg a fenti egyenletet, s numerikus mdszerknt ismt az explicit Euler-mdszert vlasztjuk. Tekintsk most egy olyan pldt, amely ltalnostsa az elz modellnek abban az rtelemben, hogy az egytthatk akr fggvnyek is lehetnek.
x = x 2x2 xy y = 2y + 6xy,
legyen
x(0) = 1, y(0) = 0.1.
Ksztsk el az albbi m-fjlt.
function LVexpeuler(x,y,T,N) h=T/N; for n=1:N u=f(x,y); v=g(x,y); x=x+h*u; y=y+h*v; xhistory=[xhistory,x]; yhistory=[yhistory,y]; end t=0:h:T; plot(t,xhistory,'red', t, yhistory,'blue') xlabel('id'), ylabel('prda (piros), ragadoz (kk)')
function U=f(x,y) U=x-2*x.*x-x.*y; function V=g(x,y) V=-2*y+6*x.*y;
Itt bemen paramterknt a kvetkezket adjuk meg: ragadozk kezdeti szma, Az grakont kapjuk.
x: a zskmny kezdeti szma, y : a T : a vizsglt idintervallum s N : az osztsrszek szma. LVexpeuler(1,0.1,20,1000) utastssal szmoljuk ki az eredmnyt. Futtats utn a 9.7.4.
Ahogy az elvrhat, a populci vagy kihal, vagy egyenslyba kerl. A grakonon is jl ltszik, hogy a kezdeti idpontokban sok ragadoz van s nincsenek zskmnyllatok, ezutn viszont a zskmnyllatok szma n, s az id mlsval egyenslyba kerlnek a populcik mretei. tankonyvtar.bme.hu 269
9.
9.7.4. bra. A Lotka-Volterra-modell megoldsa explicit Euler-mdszerrel
Megjegyezzk, hogy a tbbi egylpses mdszer MATLAB programja hasonlan elkszthet, de ezeknl lpsenknt egy (ltalban nemlineris) egyenlet megoldsnak az algoritmust is be kell ptennk. Mint azt mr emltettk, lteznek a MATLAB programrendszerben beptett programok, amelyek alkalmasak akr nagy pontossggal s hatkonyan megoldani a kezdetirtk-feladatokat. Ilyen pldul a gyakran alkalmazott ode45 rutin, ami egy n. begyazott Dormand-Princemdszer. Ez egy egylpses, vltakoz lpskz mdszer, amelynek paramtereit a 9.7.1. tblzat tartalmazza.
23
A mdszer lnyege, hogy kiszmol egy negyed- s egy tdrend Runge-
Kutta-mdszert, s gy vlaszt lpskzt, hogy a hiba a negyedrend mdszer hibja legyen. A kvetkez tblzatban lthatjuk a mdszer Butcher-tbljt. Az els
sor a negyedrend md-
szer, a msodik pedig az tdrend mdszer slyfggvnye. Az ode45 rutint ugyanolyan mdon
[T1, Y45] = ode45(@diffegy,[kezdid, vgid]). Itt is kt kimen paramter van, az id s a kzelt

hvjuk meg, mint a korbban lert, sajt magunk ltal rt programokat. Nevezetesen, vektor.
rtkek vektora. A bemen paramterek rendre: az alfggvny, ami lerja a dierencilegyenletnket, az id vektor, hogy melyik idpontokban szmoljuk ki a megoldst, s a kezdeti-rtk
9.7.1. megjegyzs.
Megjegyezzk, hogy megadhat egy negyedik (opcionlis) paramter is,
amelynek segtsgvel bellthatjuk az integrlsi paramtereket. Itt adhatjuk meg azt a paramtert is, amely a mdszer pontossgt szablyozza. Teht a rutin meghvsnl megadott, rcshlra vonatkoz paramter nem azt a rcshlt hatrozza meg, amin a numerikus mdszernket alkalmazzuk, hanem csak azokat a pontokat, ahol kirtkeljk a numerikus megoldst.
23 A begyazott Runge-Kutta-mdszerek lnyege, hogy kt olyan klnbz RungeKutta-mdszert vlasztunk, amelyek Butcher-tblzatban ugyanazon vektor s mtrix szerepel, viszont eltrek a slyfggvnyek, s emiatt a mdszerek rendje is klnbzik. Errl, illetve a vltoz lpshosszsg megvlasztsrl olvashatunk a http://www.cs.elte.hu/blobs/diplomamunkak/bsc_alkmat/2010/molnar_viktoria.pdf linken tallhat dolgozatban.
9.7.
Ezrt teht ezen rcshl
lpskznek cskkentse nmagban nem eredmnyezi a mdszer
pontossgnak cskkenst. Ugyanakkor a gyakorlatban elegend az alapbellts, s ezrt az alaprtelmezst csak indokolt esetekben clszer megvltoztatni. Ezt az
odeset
rutinnal hajt-
hatjuk vgre, amelynek rszletei a MATLAB help lersban megtallhatk.
0
1 5 3 10 4 5 8 9 1 5 3 40 44 45 19372 6561 9017 3168 35 384 9 40 56 15 25360 2187 355 33 32 9 64448 6561 46732 5247 500 1113 212 729 49 176 125 192 5103 18656 2187 6784 11 84
1 1
0 0 0
5179 57600 35 384
7571 16695 500 1113
393 640 125 192
92097 339200 2187 6784
187 2100 11 84
1 40
9.7.1. tblzat. A begyazott Dormand-Prince RK-mdszer paramterei az ode45 rutinban.
Alkalmazzuk ode45 mdszert a szoksos tesztfeladatunkon, majd rassuk ki eredmnyeinket a
h = 0.1
lpstvolsg rcshl pontjaiban. Eredmnyeinket a 9.7.2. tblzat tartalmazza.
Egy msik, ugyancsak gyakran hasznlt beptett mdszer az ode23 ugyancsak begyazott Runge-Kutta tpus mdszer, amelyet Bogacki-Shampine-mdszernek is neveznk. Ennek
ti 0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
a pontos megolds
a numerikus megolds
a hiba
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679 h = 0.1
0 2.9737e 010 5.3815e 010 7.3041e 010 8.8120e 010 9.9668e 010 1.0822e 009 1.1424e 009 1.1814e 009 1.2026e 009 1.2090e 009
9.7.2. tblzat. Az ode45 eredmnyei a
lpskz rcshl pontjaiban.
9.
0
1 2 3 4 1 2 3 4 1 3 1 3 1 4
0
2 9 2 9 7 24
4 9 4 9 1 3
0
1 8
9.7.3. tblzat. A begyazott Bogacki-Shampine RK-mdszer paramterei az ode23 rutinban
ti 0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
a pontos megolds
a numerikus megolds
a hiba
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679 h = 0.1
0 4.0847e 006 7.3920e 006 1.0033e 005 1.2104e 005 1.3690e 005 1.4865e 005 1.5692e 005 1.6227e 005 1.6518e 005 1.6607e 005
lpskz rcshln
meghvsa az ode45 mdszerrel megegyezen a
vgid])
[T1, Y23] = ode23(@diffegy, [kezdid,
utasts. A 9.7.3. tblzat tartalmazza a mdszer Butcher-tbljt.
Ez egy explicit
(2, 3)-tpus
Runge-Kutta-mdszer. Igazbl akkor hatkony, amikor olcsn sze-
retnnk kevsb pontos megoldst kapni. (ltalban nem merev, vagy csak nagyon kis merevsg feladatokra alkalmazzuk.) Most is a szoksos tesztfeladatunkra futtassuk le az ode23 algoritmust, majd rassuk ki eredmnyeinket a a 9.7.4. tblzat tartalmazza.
h = 0.1
lpstvolsg rcshl pontjaiban. Eredmnyeinket
A tbblpses mdszerek algoritmusai is megtallhatk a MATLAB-ban. Ilyen az ode113, amelynek a rendje 1-tl 13-ig vltozhat s az Adams-Bashforth-Moulton-mdszeren alapszik. sszehasonltva az ode45 mdszerrel, kevsb pontos, de kisebb szmtsi igny, s klnsen elnys, amikor az
f fggvny kirtkelse kltsges. Megjegyezzk, hogy ez a mdszer is [T1, Y113] = ode113(@diffegy,[kezdid, vgid]) szintaktikj, s tipikusan nem merev feladatokra alkalmazzuk. A mdszer pontossgt a szoksos tesztfeladatunkon a h = 0.1 lpstvolsg rcshln a 9.7.5. tblzat tartalmazza.
9.8.
Feladatok
ti 0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
a pontos megolds
a numerikus megolds
a hiba
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679
1.0000 1.0048 1.0187 1.0408 1.0703 1.1065 1.1488 1.1966 1.2493 1.3066 1.3679 h = 0.1
0 6.2300e 006 1.8714e 005 2.7885e 005 2.1933e 005 1.8889e 005 1.7254e 005 1.5668e 005 1.4228e 005 1.2872e 005 1.1643e 005
lpskz rcshln.
Az albbi tblzatban foglaljuk ssze nhny olyan mdszer pontossgt, amelyet ebben a szakaszban trgyaltunk. (Mdszereinket a szoksos (9.3.13) tesztfeladatra a hasonltjuk ssze.)
t = 1
idpontban
en
mdszer explicit Euler javtott Euler implicit Euler
h1 = 0.1
1.9201e-002 6.6154e-004 2.1537e-002 1.2090e-009 1.6607e-005
h2 = 0.01
1.8471e-003 6.1775e-006 1.8687e-003 1.0903e-009 1.5087e-005
ode45 ode23
Megjegyezzk, hogy a MATLAB sajt programjai rdemben nem cskkentek a rcshl nomodsval, amely a 9.7.1. megjegyzsben lert okok miatt trvnyszer. Befejezsl megjegyezzk, hogy merev feladatok megoldsra is vannak rutinok a MATLABban. Ilyenek a ode15s (amelynek meghvsa (amelynek meghvsa
[T1, Y15s] = ode15s(@diffegy, T1, 1)), ode23s [T1, Y23s] = ode23s(@diffegy, T1, 1)). A ode123t s az ode123tb
rutinok az enyhn merev rendszerek megoldsra javasolhatk. Ezek a mdszerek alacsony pontossgak. Az ode15s mdszer a retrogrd dierencia mdszeren (amelyet Gear-mdszernek is szoksos nevezni) alapul (lsd a 9.5.4. szakaszt), s ez is vltoz lpshosszsg mdszer. Klnsen akkor javasolt ez a mdszer, amikor az ode45 mdszer nagyon lass vagy egyltaln nem mkdik. Az ode23s egy msodrend, mdostott, egylpses n. Rosenbrock-mdszer. Mivel a mdszer egylpses, ezrt ltalban hatkonyabb, mint az ode15s mdszer. A mdszerek rszletei irnt rdekldknek javasoljuk a jegyzkben tallhat [1, 34], illetve a MATLAB programok irnt rdekldknek a jegyzk [12, 33] irodalmait ajnljuk.
9.8. Feladatok
Kznsges dierencilegyenletek
9.
folytomos a
H = {(t, u), t [3, 3], u [4, 4]}
halmazon, tovbb
|f (t, u)| 7
halmazon Melyik az a legnagyobb intervallum, amelyen az
u = f (t, u) u(0) = u0
feladatnak biztosan ltezik megoldsa? 9.8.2. feladat. Vizsgljuk meg, hogy az
u = 0.5 sin u + t; u(0) = 0

feladatnak ltezik-e megoldsa. 9.8.3. feladat. Mutassuk meg, hogy az
u = teu , u(0) = 0
egyenletnek t0
0 s u0 = 0 esetn mindig ltezik egyrtelm megoldsa. lltsuk el a megoldst!
9.8.4. feladat. Tekintsk az
u = 1 + u2 , u(0) = 0
egyenletet! Mutassuk meg, hogy nem minden meg ennek okt! 9.8.5. feladat. Melyik az a legnagyobb intervallum, ahol a 9.8.4. plda feladatnak ltezik egyrtelm megoldsa? lltsuk el ezt a megoldst! 9.8.6. feladat. Bizonytsuk be, hogy az
t > 0
rtkre ltezik a megoldsa! Magyarzzuk
u = eu + t2 , u(0) = 0
feladatnak ltezik egyetlen megoldsa a
t [0, 0.351]
intervallumon!
9.8.7. feladat. Bizonytsuk be, hogy ha az
u = f (t, u) u(0) = u0
feladatban
folytonos s korltos a
H = {(t, u), t [a, b], u R}
halmazon, akkor a feladatnak
ltezik megoldsa a
t [a, b]
intervallumon!
Egylpses numerikus mdszerek
9.8.8. feladat. Mutassuk meg, hogy az
u(t) = t2 /4 fggvny u = u, u(0) = 0
megoldsa az
feladatnak! Az elsrend Taylor-sorba fejtses numerikus mdszerrel szmoljuk ki a kzelt megoldst! Adjunk magyarzatot arra, hogy mirt klnbzik a numerikus megolds a pontos megoldstl! 9.8.9. feladat. Szmtsuk ki
u(0.1)
kzelt rtkt az
u = tu2 , u(0) = 2
feladatra a msodrend Taylor-sorba fejtses numerikus mdszerrel! 274 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
9.8.
Feladatok
9.8.10. feladat. A Cauchy-feladat megoldsval jl kiszmtha nhny olyan hatrozott integrl, ahol a Newton-Leibniz szably nem alkalmazhat. Pldul az
2 0
integtl rtke meghatrozhat az
es ds
u = et , u(0) = 2
feladat megoldsval a
[0, 2] intervallumon. A negyedrend Taylor-sorba fejtses numerikus md2 =

t 0
szerrel hatrozzuk meg az integrl kzelt rtkt! (Az

2
erf(t)
es ds
n. "hiba-fggvny" ("error-function") egy jl denilt folytonos fggvny, melynek rtkeit csak numerikusan tudjuk kiszmolni. Ezen rtkeket ltalban tblzatokban szoks megadni. (Lsd rszeletesebben a rtkre
http://en.wikipedia.org/wiki/Error_function u(2) 0.8820813907 addik.)

feladatot a
linket.) Innen a "pontos"
9.8.11. feladat. Oldjuk meg analitikusan, majd az explicit Euler-mdszerrel az
u = tu1/3 ,
a a
u(1) = 1
expeuler programmal
[0, 5] intervallumon! Elszr kzi szmolssal a h = 1 lpskzzel, majd h = 0.10, 0.05, 0.01 lpstvolsgokkal! Vizsgljuk meg a konvergencit
t = 1, 2, 3, 4, 5
pldjt a
pontokban! Figyeljk meg a konvergenciarendet!
9.8.12. feladat. rjunk programot az implicit Euler-mdszerre s oldjuk meg a 9.8.11. feladat
h = 0.10, 0.05, 0.01 lpstvolsgokkal. Vizsgljuk meg a konvergencit a t = 1, 2, 3, 4, 5 u(t) = ln(1 + t2 + /2) fggvny!)
pontokban! Figyeljk meg a konvergenciarendet! (Ellenrizzk, hogy a pontos megolds az 9.8.13. feladat. rjunk programot a
0.10, 0.05, 0.01
lpstvolsgokkal. Vizsgljuk meg a konvergencit a
Figyeljk meg a konvergenciarendet
-mdszerre s oldjuk meg a 9.8.11. feladat pldjt a h = t = 1, 2, 3, 4, 5 pontokban! a t = 1 pontban a = 0, 0.1, 0.2, . . . , 0.9, 1 rtkek esetn.
9.8.14. feladat. Szmtsuk ki MATLAB segtsgvel az explicit s az implicit Euler-mdszerrel, illetve a CrankNicolson mdszerrel a 9.8.3. feladat numerikus megoldst a
h = 0.10, 0.05, 0.01,
0.001
lpstvolsgokkal a
hogy a pontos megolds
t = 1 pontban! Figyeljk meg a 2 az u(t) = ln(1 + t + /2) fggvny!)
konvergenciarendet! (Ellenrizzk,
9.8.15. feladat. Alkalmazzuk a negyedrend RK-mdszert az meg, hogy ekkor az
u = u tesztfeladatra! Mutassuk
yh (t)
numerikus megoldst jelent rcsfggvnyre az
yh (t + h) =
1 1 1 1 + h + h2 2 + h3 3 + h4 4 yh (t) 2 6 24 O(h5 )!
sszefggs rvnyes! Mutassuk meg, hogy erre a feladatra a loklis approximcis hiba
9.8.16. feladat. A MATLAB program segtsgvel oldjuk meg a negyedrend RK-mdszerrel az
u = etu + cos(u t), u(1) = 3

feladatot! Hasznljuk a
h = 0.01
lpskzt s lltsuk le a szmtst a tlcsorduls eltt. tankonyvtar.bme.hu 275
9.
9.8.17. feladat. Egy lfegyverbl felfel lvnk. A goly
v(t)
sebessgt a
v = 32
dierencilegyenlet rja le, ahol a pldban
cv , m
v(0) = 1 c
a lgellenllst jellemz lland. Legyen
a goly tmege s
c/m = 2.
Valamelyik numerikus mdszerrel hatrozzuk meg, hogy mennyi id mlva
ri el a goly plyja legmagasabb pontjt! 9.8.18. feladat. Tekintsk az
A Rnn
egy adott kvadratikus mtrix s
u = Au + b kznsges dierencilegyenlet-rendszert, ahol b Rn egy adott vektor. rjuk fel erre az egyenlet-
rendszerre az explicit s implicit Eutel-smkat s a CrankNicolson-smt! 9.8.19. feladat. Legyen a 9.8.18. feladat jellseivel
A=
s legyen a kezdeti felttel:
10 3 0 1
b=
2 1
y1 (x) = (e10x + 1)/2, y2 (x) = 1 megoldsa a dierencilegyenletnek! Oldjuk meg az egyenletet numerikusan a [0, 4] intervallumon y1 (0) = y2 (0) = 1.
Igazoljuk, hogy az explicit Euler-mdszerrel zunk s a (9.4.18) szerinti javtott explicit Euler-mdszerrel! Prblkoz-
h = 0.2
krli rtkekkel!
Tbblpses numerikus mdszerek
9.8.20. feladat. Hatrozzuk meg az egylpses, elsrend Adams-Moulton formult! Mi a kapcsolata a trapzszabllyal? 9.8.21. feladat. Ellenrizzk a 9.5.2. tblzat szerinti negyedrend Adams-Moulton mdszer kplett, azaz hogy a
yn+1 =
mdszer valban negyedrend!
h (9fn+1 + 19fn 5fn1 + fn2 ) 24
9.8.22. feladat. Ellenrizzk a 9.5.1. tblzat szerinti negyedrend Adams-Bashfort mdszer kplett, azaz hogy a
yn+1 =
mdszer valban negyedrend! 9.8.23. feladat. Szmtsuk ki
h (55fn 59fn1 + 37fn2 9fn3 ) 24
u(0.1)
kzelt rtkt az
u = tu2 , u(0) = 2
feladatra a kt- s hromlpses Adams-Bashforth s Adams-Moulton formulkkal! (A kezdrtkekre vlasszunk megfelel RK-mdszert!) 9.8.24. feladat. Tekintsk az
yn yn2 = h (fn 3fn1 + 4fn2 )
ktlpses mdszert! Vizs-
gljuk meg a konzisztencijt s a stabilitst! 9.8.25. feladat. Tekintsk az
yn 2yn1 +yn2 = h (fn fn1 ) ktlpses mdszert! Vizsgljuk
meg a mdszer konvergencijt!
9.8.
Feladatok
Ellenrz krdsek
1. Mit neveznk kznsges dierencilegyenletnek? 2. Mi a szerepe a kezdeti felttelnek? 3. Mit neveznk Lipschitz-fle tulajdonsgnak s mi a kapcsolata a Cauchy-feladat megoldhatsgval? 4. Adja meg az explicit Euler-mdszer algoritmust! 5. Mi a Taylor-soros mdszer? Sorolja fel a mdszer elnyeit s htrnyait! 6. Mutassa meg, hogy az explicit Euler-mdszer konvergens! 7. Denilja az implicit Euler-mdszert! Hasonltsa ssze az explicit Euler-modszerrel! 8. Mit neveznk
-mdszernek?
Mirt nevezetes a
= 0.5
megvlaszts mdszer?
9. Mikor neveznk egy numerikus mdszert konvergensnek? Mi a konzisztencia s a stabilits? Mi a kapcsolat kzttk? 10. Mit neveznk Runge-Kutta tpus mdszernek? 11. Mi a Butcher-tblzat? 12. Mit neveznk explicit, implicit s diagonlisan implicit Runge-Kutta tpus mdszernek? Hasonltsa ssze ezek algoritmusait! 13. Mit neveznk lineris tbblpses mdszernek? 14. Hogyan vlaszthatk meg a megfelel kezdeti kzeltsek a lineris tbblpses mdszerekre? 15. Mit neveznk Adams-tpus mdszernek? Milyen tulajdonsgak az Adams-Bashforth- s az Adams-Moulton-mdszerek? 16. Mit neveznk egy lineris tbblpses mdszer els illetve msodik karakterisztikus polinomjvak? Mi a kapcsolata a konzisztencival? 17. Mit neveznk merev feladatnak? Hogyan kezeljk ezeket numerikusan? 18. Mit neveznk retrogrd dierencia mdszernek s mire alkalmazhatjuk ezeket? 19. Az
u = u
tesztegyenletben mirt engedjk meg a
komplex rtkt is?
20. Milyen MATLAB programokat ismer a kezdetirtk-feladatok megoldsra? 21. Milyen alapon mkdnek a beptett MATLAB programok?
10. A kznsges dierencilegyenletek peremrtk-feladatainak numerikus mdszerei

Ebben a fejezetben a kznsges dierencilegyenletek peremrtk-feladatainak elmleti sszefoglalsa utn a feladatok numerikus megoldsi mdszereivel foglalkozunk. Ismertetjk a legtipikusabb mdszereket: a belvses mdszert s a vges dierencik mdszert. A mdszereket szmtgpes (MATLAB segtsgvel ksztett) programikkal illusztrljuk.
10.1. Bevezets
Lttuk, hogy a kznsges dierencilegyenletek megoldsnak egyrtelmsghez kiegszt felttelek megadsa szksges. Az elz fejezetben ezek a felttelek a megolds valamely kezdeti (t
= 0)
idpontban val tulajdonsgai voltak. Pldul, az
u = f (t, u, u )
msodrend dierencilegyenlethez az
(10.1.1)
u(0) = u0 ; u (0) = u0
feltteleket adtuk meg, ahol
(10.1.2)
u0 , u0
adott szmok. Ugyanakkor gyakori eset, amikor a megoldst a
[0, T ]
korltos idintervallumon vizsgljuk, s a megoldst ismerjk ezen idintervallum mindkt
vgpontjban, vagyis a (10.1.1) feladat megoldsra az
u(0) = u0 , u(T ) = u1
kiegszt feltteleket adjuk meg.
(10.1.3)
10.1.1. plda. Tegyk fel, hogy egy rgztett fldfelszni pontbl valamely irnyba kilvnk
egy gygolyt. Jellje
y(t)
egy kiltt goly fldtl mrt magassgt,
x(t)
pedig a kilvsi
ponttl mrt vzszintes tvolsgt a
t0
idpontban. Feltesszk, hogy a goly mozgsra
csak a gravitci hat, aminek kvetkeztben
vzszintes (x) irnyban lland sebessggel halad a goly; a fggleges (y ) irny mozgsra csak a gravitci hat.
Hatrozzuk meg, hogy milyen szgben kell kilni a golyt ahhoz, hogy egy elre rgztett
x=L
pontban rjen fldet!
Ekkor Newton msodik trvnye szerint a mozgst ler egyenletek
x(t) = 0 y (t) = g.
(10.1.4)
279
10.
A peremrtk-feladatok numerikus mdszerei
Emellett
x(0) = 0 s y(0) = 0. (A t = 0 kezdeti idpontban sem vzszintesen, sem fgglegesen x(t) = vt, ahol v az lland vzszintes irny sebessg. Innen y(t) = y(x/v) =: Y (x) fggvnyt, az sszetett fggvny derivlsi y(t) = dY dx dY = v, dx dt dx
nem tvolodott el a goly a kezdeti helyzetbl.) Ezrt a kezdeti felttel gyelembevtelvel az els egyenlet megoldsa
t = x/v .
Bevezetve az
szablya alapjn
d2 Y d2 Y y (t) = v 2 v = v 2 2 . dx dx
delkezik:
(10.1.5)
Ekkor teht feltteleink alapjn az ismeretlen j fggvny az albbi tulajdonsgokkal ren-
Y (x) =
g , x (0, L) v2 Y (0) = 0, Y (L) = 0.
(10.1.6)
Mivel ez a dierencilegyenlet knnyen kiintegrlhat, ezrt a (10.1.6) feladat megoldsa kzvetlenl kiszmthat:
Y (x) =
Ezrt a kilvs
gx (L x). 2v 2 gL 2v 2
szgt a tg
= Y (0) =
sszefggsbl hatrozhatjuk meg.
Megjegyezzk, hogy a fenti pldban a
vltozrl
vltozra val ttrst azt motivlta,
hogy a (10.1.1)(10.1.3) peremrtk-feladat az j ismeretlen fggvnyre nzve valamely korltos
trbeli tartomnyon
lett kitzve.
10.1.2. denci.
Az
u = u(t) C [ a, b]-beli
ismeretlen fggvnyre kitztt
u =f (t, u, u ), t (a, b), u(a) = , u(b) =

feladatot
(10.1.7)
peremrtk-feladatnak
nevezzk.
Vegyk szre, hogy a deniciban egy skalris egyenlet szerepel, ellenttben a kezdetirtkfeladatok megfogamazsval, ahol ltalnosan vektor-skalr fv-re is deniltuk a feladatot. A fejezet felptse a kvetkez. A kvetkez 10.2. szakaszban egy egyszer kitzs feladaton mutatjuk be a vges dierencis numerikus megoldsi mdszert. Ezutn rtrnk a tma bvebb kifejtsre s egyes rszleteinek ismertetsre. Foglalkozunk az ltalnos alak folytonos feladat megoldhatsgval, majd ismertetjk az n. belvses mdszert. Ezutn a vges dierencis megoldsi mdszert rszletezzk.
1 A tovbbiakban az ismeretlen fggvnyre az y(t) (vagy az u(t)), illetve az y(x) (vagy az u(x)) jellseket egyarnt hasznljuk.
10.2.
Peremrtkfeladatok megoldsa vges dierencikkal
10.2. Egy kznsges dierencilegyenlet peremrtk-feladatnak megoldsa vges dierencikkal

Ezen szakasz clja, hogy ltalnos bevezetst adjon a leggyakrabban hasznlt vges dierencis numerikus mdszerrl illetve annak htterrl. Ezt a szakaszt gy lltottuk ssze, hogy lnyegben fggetlen a kvetkez, mlyebb ismereteket nyjt 10.5. szakasztl. A knnyebb olvashatsg rdekben a ksbbi szakaszokban megismteljk azokat a fogalmakat, amelyeket ebben a szakaszban ismertetnk, teht a 10.3.-10.6. szakaszok akr ezen szakasz olvassa nlkl is megrthetk .
2
10.2.1. A vges dierencis sma felptse

Tekintsk a
u + cu = f, x (0, l), u(0) = , u(l) = c 0 lland, f
(10.2.1)
feladatot, ahol
egy adott folytonos fggvny. Mivel a feladat analitikus megold-
st ltalnos esetben nem tudjuk kzvetlenl ellltani, ezrt numerikus eljrst alkalmazunk. Ennek lnyege a kvetkez. 1. Denilunk a
[0, l] intervallumon rcshlkat, nevezetesen az h = {xi = ih, i = 1, 2, . . . , N 1, h = l/N } s az h = {xi = ih, i = 0, 1, . . . , N, h = l/N } rcshlkat. Jellje h = h \h = {x0 = 0; xN = l} az n. perempontokat. F( h )
s
2. Jellje
F(h )
az
s az
rcsokon rtelmezett,
R-be
kpez fggvnyek vek-
tortert. 3. Clunk olyan
a (10.2.1) feladat
yh F( h ) rcsfggvny meghatrozsa, amely az h pontjaiban kzel van u megoldshoz, s a rcshl nomtsval (azaz h 0 esetn) az
eltrsk nullhoz tart.
A numerikus mdszert az hatrozza meg, hogy milyen mdon vlaszjuk meg a keresett rcsfggvnyt. Kzenfekv az albbi tlet. Tekintsk a (10.2.1) egyenletet az a
h rcshl ponjaiban! Ekkor
u (xi ) + cu(xi ) = f (xi ), xi h

egyenlsgeket kapjuk. Mint azt a numerikus derivlsnl mr megismertk, az derivltakat a
(10.2.2)
xi
pontbeli els
u (xi )
u(xi + h) u(xi ) u(xi ) u(xi h) , u (xi ) h h
(10.2.3)
mdon, a msodik derivltakat pedig a
u (xi )
u(xi + h) 2u(xi ) + u(xi h) h2
(10.2.4)
mdon kzelthetjk. Mivel elvrsaink szerint a keresett rcsfggvnyre (10.2.2) s (10.2.4) alapjn felllthatjuk a kvetkez sszefggseket:
yh (xi ) u(xi ),
ezrt
yh (xi + h) 2yh (xi ) + yh (xi h) + cyh (xi ) = f (xi ), xi h . h2
(10.2.5)
2 Ebben a rszben a fggetlen vltozt x betvel jelljk. Ennek oka, hogy a kvetkez, a parcilis dierencilegyenletekrl szl fejezetben tbb helyen is ezen jells mellett utalunk ezen szakasz eredmnyeire.
10.
Mivel a perempontokban ismerjk a megoldst, ezrt nyilvnvalan
yh (x0 ) = , yh (xN ) = .
A (10.2.5)-(10.2.6) feladat felrhat az albbi kompakt mdon. Jellje azt az opertort, amely a kvetkez mdon rendeli hozz a
(10.2.6)
Lh : F( h ) F( h ) wh F( h ) rcsfggvnyhez az
Lh wh F( h )
rcsfggvnyt:
wh (xi + h) 2wh (xi ) + wh (xi h) + cwh (xi ), (Lh wh )(xi ) = h2 w (x ),

h i
Legyen
ha ha
xi h ; xi h .
(10.2.7)
bh F( h )
a kvetkez rcsfggvny:
f (xi ), bh (xi ) = , ,
ha ha ha
xi h ; xi = x0 , xi = xN . yh F( h )
(10.2.8)
Ezen jellsek mellett a (10.2.5)-(10.2.6) feladat nem ms, mint azon meghatrozsa, amelyet az adatunk az
rcsfggvny
Lh
opertor az adott
bh F( h )
rcsfggvnybe kpez le, azaz fel(10.2.9)
Lh yh = bh
opertoregyenlet
megoldsa. Vezessk be az
yh (xi ) = yi , f (xi ) = fi , bh (xi ) = bi

jellseket! Ezen jellsekkel a (10.2.5)-(10.2.6) feladat felrhat a kvetkez alakban:
yi+1 2yi + yi1 + cyi = fi , i = 1, 2, . . . , N 1, h2 y0 =, yN = .
(10.2.10)
Ez egy
N +1
ismeretlenes lineris algebrai egyenletrendszert jelent, amely felrhat
Lh yh = bh
alakban, ahol tor , s
3
(10.2.11)
Lh
yh = [y0 , y1 , . . . , yN ]T
1 1 h2 0
. . .
az ismeretlen vektor,
bh = [, f1 , . . . , fN 1 , ]T
0 0 0
. . .
adott vek-
a kvetkez mtrix
Lh =
0 2 h2 + c 1 h2
. . .
0 0 1 h2 0 2 1 + c h2 h2
. . . . . .
... ... ...

. . .
0 0 0
. . .
0 0 0
. . .
0 0 0
. . .
(10.2.12)
0 0
0 0
0 0
0 0
... ...
0 0
1 h2 0
2 h2
1 + c h2 0 1
10.2.2. A vges dierencis sma megoldhatsga s tulajdonsgai

A tovbbiakban alapvet fontossg az
Lh
mtrix kvetkez tulajdonsga.
3 Az egyszerbb jells kedvrt a vektorokat vastagon, a flhzs elhagysval jelljk.

10.2.
10.2.1. ttel.
A (10.2.12) alak
Lh
mtrix M-mtrix.
Bizonyts. Mint az ismeretes (lsd 1.2.39. ttel), azt kell megmutatnunk, hogy ltezik olyan
RN +1 -beli gh > 0
vektor, amelyre
Lh gh > 0. Legyen a gh
gh,i = 1 + ih(l ih).
vektor
i-edik
eleme (i
= 0, 1, . . . , N )
(10.2.13) ellenrizhet, hogy
Ekkor gh,i 1 s (Lh gh )0 = (Lh gh )N = 1. Egyszer behelyettestssel i = 1, 2, . . . , N 1 esetn gh,i1 + 2gh,i gh,i+1 = 2h2 . gy
(Lh gh )i = 2 + c(1 + ih(l ih)), i = 1, 2, . . . , N 1.

index esetn. sszefoglalan:
Ez azt jelenti, hogy az
(Lh gh )i 1 minden i = 0, 1, 2, . . . , N 1, N e = [1, 1, . . . , 1] RN +1 jellssel
gh e > 0,
Lh gh e > 0.
(10.2.14)
A (10.2.14) relci bebizonytja az lltsunkat.
10.2.2. kvetkezmny.
mdon.
Az
Lh
mtrix minden
h>0
mellett invertlhat,
L1 0, s az 1.2.40. h
ttel valamint (10.2.14) kvetkeztben inverznek maximumnormja fellrl becslhet az albbi
L1 h
mini (Lh gh )i
gh
maxi gh,i . 1
(10.2.15)
A szmtani-mrtani kzepek kztti sszefggs alapjn
ih(l ih)
s gy
ih + (l ih) 2
l2 , 4
gh,i 1 + l2 /4.
Ezrt (10.2.15) alapjn rvnyes az
L1 h
becsls.
K :=
l2 + 4 4
(10.2.16)
10.2.3. A vges dierencis mdszer konvergencija

Legyen teht pontban. Jellje
Ph : C([0, l]) F( h ) projekcis opertor, azaz (Ph u)(xi ) = u(xi ) minden xi h eh F( h ) az eh = yh Ph u egyenlsggel denilt n. hibafggvnyt. Ekkor eh (xi ) = yh (xi ) u(xi ) = yi u(xi ).
(10.2.17)
4 Az egyszerbb jells kedvrt a koordintk indexelst nulltl indtjuk.

10.
10.2.3. denci.
Az
nek
Ha
Lh
rcsopertorral meghatrozott numerikus mdszert
a maximumnormban konvergens(10.2.18)
nevezzk, ha
h0
lim eh
= 0.
eh = O(hp ) gensnek nevezzk.
valamely
p1
egsz szmmal, akkor a mdszert
p-ed rendben konver-
A tovbbiakban megmutatjuk, hogy az elz pontban denilt (10.2.9) numerikus mdszer konvergens, tovbb meghatrozzuk konvergencijnak rendjt is. A (10.2.17) sszefggsbl, az
eh (xi ) = ei
egyszerst jellssel
yi = ei + u(xi ).
Ezt behelyette-
stve a (10.2.10) smba a kvetkez egyenletrendszert nyerjk:
ei+1 2ei + ei1 + cei = h , i = 1, 2, . . . , N 1, i h2 e0 = 0, eN = 0, h = fi + i
(10.2.19)
ahol
Mivel
u(xi+1 ) 2u(xi ) + u(xi1 ) cu(xi ). h2 fi = f (xi ) = u (xi ) + cu(xi ), ezrt h = i u(xi+1 ) 2u(xi ) + u(xi1 ) u (xi ) + (cu(xi ) cu(xi )) . h2
=0
(10.2.20)
(10.2.21)
Mint ismeretes, ekkor
h = O(h2 ). i
h (A vezet konstans kirsval i 2 4 (4)
(10.2.22)
= (M4 /12) h + O(h ), ahol M4 = max[0,l] |u |.) Jellje h F( h ) azt a rcsfggvnyt, amelyre h (x0 ) = h (xN ) = 0, mg az h rcshl pontjaiban h h 2 a (10.2.21) szerint denilt i rtkeket veszi fel. Ekkor = O(h ). Vegyk szre, hogy
a (10.2.19) hibaegyenlet felrhat
Lh eh = h
(10.2.23)
alakban, ahol vektor.
Lh a (10.2.12) alak mtrix, eh pedig az eh hibafggvnynek megfelel RN +1 -beli 1 h Mivel Lh regulris, ezrt eh = Lh . Innen, felhasznlva a (10.2.16) s a (10.2.22) eh
= 0.
egyenltlensgeket,
L1 h
K O(h2 ) = O(h2 ).
(10.2.24)
Ezrt
limh0 eh
Ezzel belttuk az albbi lltst.
10.2.4. ttel.
Tegyk fel, hogy a (10.2.1) feladat
u(x)
megoldsa ngyszer folytonosan dierencilhat. Ek-
kor a (10.2.5)-(10.2.6) (avagy a vele ekvivalens (10.2.9) opertoregyenlet) ltal ellltott vges dierencis numerikus megolds a maximumnormban msodrenben konvergl az oldshoz.
u(x)
meg-
10.2.5. megjegyzs.
A 10.2.4. ttel szerint a kzelts msodrendben konvergens, emellett
a (10.2.24) becslsben szerepl
O(h2 ) = const. h2
kifejezsben az lland rtke
M4 (l2 +4) . 48
10.2.
A (10.2.21) sszefggs alapjn
h i
jelentse a kvetkez: megmutatja, hogy az
u(x)
pontos
megolds rcspontbeli rtkei milyen pontosan elgtik ki egy
xi h
rcspontban a numerikus
mdszer smjt. Az elz fejezetben lttuk, hogy a nomod rcshlk sorozatn ez a numerikus megolds adott pontbeli viselkedsre adhat vlaszt, ugyanakkor az egsz intervallumon val viselkedsre nem. Mg a kezdetirtk-feladatok esetn a pontbeli illetve az egsz intervallumon val viselkeds jellemzsre egyarnt kerestk a vlaszt, addig a peremrtk-feladatok esetn csak a msodik eset a tipikus. hogy az
5
Teht arra vagyunk kivncsiak, hogy a numerikus megolds a
[0, l]
intervallumon hogyan kzelti a (10.2.1) feladat
u(x)
megoldsfggvnyt. Ehhez megvizsgljuk,
h pontbeli approximcis tulajdonsgt a i koordintj
rcshl pontjai sszessgben hogyan viselkednek a
h i
rtkek. Ezrt a mdszer
vektorral jellemezzk.
10.2.6. denci.
Azt mondjuk, hogy a Ha numerikus
limh0 h
= 0.
mdszer konzisztens = O(hp ) (p 1), akkor
maximum
normban,
ha
a mdszert
p-ed
rendben kon-
zisztensnek nevezzk. Korbbi szmtsaink alapjn teht a (10.2.9) mdszer a maximumnormban msodrendben konzisztens. Mint azt a 10.2.4. ttel bizonytsa is mutatja, ltalban a konzisztencia nmagban nem elegend a konvergencia bizonytshoz. Ehhez egy msik tulajdonsg is szksges.
10.2.7. denci.
Azt mondjuk, hogy a numerikus mdszer a maximumnormban
Lh
stabil,
ha a mdszert ler
lineris opertorok (mtrixok) mindegyike invertlhat, s megadhat olyan
K > 0, h-tl
(10.2.25)
fggetlen lland, amelyre
L1 h
K.
10.2.8. megjegyzs.
h rtkek mellett rh < h0 mellett teljeslnek a megkvetelt tulajdonsgok. Ebben az esetben a mdszert felttelesen stabilnak nevezzk. Ha h megvlasztsra nincs korlt, azaz az invertlhatsg s a (10.2.25) tulajdonsg minden h > 0 szm esetn rvnyes, akkor a smt felttel nlkl stabilnak nevezzk.
Gyakran a fenti tulajdonsgok csak megfelelen kis vnyesek, azaz csak valamely
h0 > 0
szm melletti
Kzvetlenl belthat a numerikus mdszerek egyik alapttele. (Ezt az lltst ksbb bebizonytjuk, s tbb alkalommal is alkalmazzuk.)
10.2.9. ttel.
Egy konzisztens s stabil numerikus mdszer konvergens, s a konvergencia rendje megegyezik a konzisztencia rendjvel.
10.2.4. sszefoglals
Foglaljuk ssze a szakasz eddigi eredmnyeit!
5 Ennek egyik oka, hogy a peremfeltteleket, amelyek az intervallum mindkt vgpontjban adottak, fel kell hasznlnunk a numerikus megolds meghatrozshoz. gy nem szoritkozhatunk egy rgztett x [0, l] pont esetn csak a [0, x ] intervallumon generlt rcshlsorozatokra.
10.
Jellje
azt a
C 2 [0, l]-beli
fggvnyeken rtelmezett opertort, amely a kvetkez mdon hat:
2 d v (x) + c(x)v(x), dx2 (Lv) (x) = v(x),

tovbb
ha ha
x (0, l);
(10.2.26)
x {0; l},
f azt
[0, l]
intervallumon rtelmezett fggvnyt, amelyre
f (x), (x) = f 1 , 2 ,
Feltesszk, hogy
ha ha ha
x (0, l); x = 0, x = l. 1
s
(10.2.27)
c(x)
f (x)
adott folytonos fggvnyek,
adott szmok. Feladatunk az (10.2.28)
Lu = f
opertoregyenlet megoldsa Ehhez az egy
{h } [0, l]
rcshlsorozat mindegyik tagjn denilunk (10.2.29)
Lh yh = bh
alak feladatot, ahol bh F( h ) adott, yh F( h ) pedig ismeretlen rcsfggvny, s Lh : F( h ) F( h ) a numerikus mdszert ler, (10.2.7) alak lineris opertor. Ekkor a Ph : C[0, l] F( h ) projekcis opertor segtsgvel megmutattuk a kvetkezket.
A diszkrt feladat msodrendben konzistens, ami azt jelenti, hogy az tossggal approximlja az hogy teljesl az
Lh
opertor
h2
pon-
L opertort a (10.2.28) feladat pontos megoldsn. Ez azt jelenti, (Lh (Ph u)) (xi ) (Lu) (xi ) = O(h2 )
(10.2.30)
relci minden
xi h
pontban, s az
O(h2 ) = const. h2
ellltsban
const.
fggetlen az
xi
pont megvlasztstl, azaz univerzlis lland a teljes intervallumon.
A diszkrt feladat stabil, azaz rvnyes.
Lh
regulris s ltezik olyan
K 0 lland, amelyre (10.2.25) e h = Ph u y h
Megmutattuk, hogy ezen tulajdonsg mellett rvnyes a konvergencia, azaz
F( h ) hibafggvny eh = O(h2 ).
a maximumnormban nullhoz tart. Emellett a konvergencia msodrend:
10.3. A kznsges dierencilegyenletek peremrtk-feladatnak megoldhatsga

A tovbbiakban azt vizsgljuk meg, hogy a (10.1.7) peremrtk-feladatnak milyen felttelek mellett ltezik egyrtelm megoldsa. Emlkeztetnk, hogy az elz fejezetben ezt a krdst a kezdetirtk-feladatokra is megvizsgltuk, s megmutattuk, hogy a dierencilegyenlet jobb oldaln szerepl
fggvny megvlasztsa hatrozza meg a megoldhatsgot s annak egyr-
telmsgt, fggetlenl a kezdeti felttel (avagy magasabb rend dierencilegyenletek esetn, a kezdeti felttelek) megvlasztstl. Az albbi plda megmutatja, hogy a peremrtk-feladatok esetn ez megvltozik, az
fggvny mellett bizonyos esetekben a peremfelttelek is kihatnak a
megolds ltezsre s annak egyrtelmsgre. 286 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
10.3.
A kznsges dierencilegyenletek peremrtk-feladatnak megoldhatsga
10.3.1. plda.
Legyen a (10.1.3) feladatban
f (t, u, u ) = u,
teht vizsgljuk az (10.3.1)
u = u
egyenletet. Mint ismeretes, (10.3.1) ltalnos megoldsa
C2
llandk. Ez utbbiak meghatrozsra szolglnak a (10.1.7) feladatban a
u(t) = C1 sin t + C2 cos t, ahol C1 s t = a s t = b
pontokban megadott peremfelttelek.
Legyen elszr megolds az Legyen most
a = 0, b = /2, = 3 s = 7. Knnyen lthatan ekkor az egyrtelm u(t) = 7 sin t + 3 cos t fggvny. a = 0, b = , = 3

s
= 7.
(Teht csak
rtkt vltoztattuk meg.)
Behelyettestve az ltalnos megoldsba lthatan nincs olyan mellett ez a peremfelttel teljesl.
C1 s C2 rtkpr, amely
Megjegyezzk, hogy van olyan plda is, amelyben ltezik ugyan a peremrtk-feladatnak megoldsa, de az nem egyrtelm. Pldul, az
u = exp(u + 1), t (0, 1), u(0) = 0, u(1) = 0

feladatnak megoldsa az
(10.3.2)
u(t) = 2 ln
fggvny , ahol
6
cosh[(t 0.5)/2] cosh(/4)
2e cos(/4)
egyenlet megoldsa. Mivel ez utbbi egyenletnek kt meg-
oldsa van, ezrt a (10.3.2) feladatnak kt megoldsa ltezik. Az albbi ttel egy elgsges felttelt ad az egyrtem megolds ltezsre.
10.3.2. ttel.
Tegyk fel, hogy a
T := {(t, s1 , s2 ) : t [a, b], s1 , s2 R}
jellssel a (10.1.7) feladat
f : R3 R
1. 2. 3.
fggvnyre teljeslnek a kvetkezk:
f C(T ), 2 f, 3 f C(T ), 2 f > 0 T -n, M 0,

amelyre
4. ltezik olyan
|3 f | M T -n.
Ekkor a (10.1.7) peremrtk-feladatnak ltezik egyrtelm megoldsa. A 10.3.2. ttel fontos kvetkezmnye az albbi llts.
10.3.3. kvetkezmny.
Legyen
lineris, azaz tekintsk az
u =f (t, u, u ) p(t)u + q(t)u + r(t), t [a, b], u(a) = , u(b) =
(10.3.3)
6 A fenti kpletben szerepl cosh a koszinusz hiperbolikus fggvnyt jelenti, amelyet idnknt a ch szimbolummal is szoksos jellni.
10.
feladatot, ahol
p, q, r C[a, b]
adott folytonos fggvnyek. Ha
q(t) > 0 [a, b]-n,
akkor a (10.3.3)
lineris peremrtk-feladatnak ltezik egyrtelm megoldsa. Mint azt a 10.3.1. plda is mutatja, a a pldban szerepl
q(t) > 0 felttel nem hagyhat el, hiszen ezt a felttelt kivve f (t, s1 , s2 ) = s1 fggvnyre a 10.3.3. kvetkezmnyben szerepl valamennyi
felttel teljesl. Ugyanakkor, mint azt belttuk, nem ltezik megolds. Az elz fejezetben megmutattuk, hogy a magasabbrend dierencilegyenletek trhatk elsrend rendszerek alakjra. Alkalmazva ezt az n. tviteli elvet, a (10.1.7) peremrtk-feladat egyenlete is trhat ktismeretlenes rendszerr. Vezessk be az fggvnyt a kvetkez mdon:
u : [a, b] R2 , u(t) = (u1 (t), u2 (t))

Ekkor a feladatunk felrhat
u1 (t) = u(t)
u2 (t) = u (t).
u1 = u2 , u2 = f (t, u1 , u2 ), u1 (a) = , u1 (b) =

fggvnyre ismernk kiegszt feltteleket.
(10.3.4)
alakban. Termszetesen a (10.3.4) feladat ebben a formban nem oldhat meg, hiszen csak az
u1
Megjegyezzk, hogy (10.3.4) egyenlete specilis alakja a kvetkez ltalnos alakban felrt egyenletnek:
u = f(t, u), t [a, b]

2
adott fggvny. Ugyanis, ha a (10.3.5) feladatban
(10.3.5)
ahol
f:R R
3
f(t, u) =f(t, u1 , u2 ) =
alakban vlasztjuk meg az
u2 f (t, u1 , u2 )
, t [a, b]
(10.3.6)
f fggvnyt, akkor ppen a (10.3.4) egyenletrendszert kapjuk.
10.3.1. A lineris peremrtk-feladat megoldhatsga

rjuk fel a (10.3.3) lineris peremrtk-feladatot elsrend rendszer alakjban! Knnyen lthatan az egyenlet
u = A(t)u + r(t)
alak, ahol
(10.3.7)
A(t) =
0 1 q(t) p(t)
, r(t) =
0 r(t)
(10.3.8)
A peremfelttelek felrshoz vezessk be a
Ba =
1 0
0 0
, Bb =
0 1
0 0
, v=
(10.3.9)
jellseket. Ekkor a (10.3.3) feladat peremfelttele
Ba u(a) + Bb u(b) = v
alakban rhat fel. A tovbbiakban ellltjuk a (10.3.7)(10.3.10) feladat megoldst. A (10.3.7) egyenlet ltalnos megoldsa felrhat a kvetkez mdon. Legyen egyenlet alapmegoldsa (ms nven fundamentlis mtrixa), vagyis az
(10.3.10)
Y(t) Rmm
az
Y (t) = A(t)Y(t), t [a, b] Y(a) = I

(10.3.11)
10.3.
A kznsges dierencilegyenletek peremrtk-feladatnak megoldhatsga
Cauchy-feladat megoldsa, ahol ltalnos megoldsa
I Rmm
az egysgmtrixot jelli. Ekkor a (10.3.7) egyenlet
u(t) = Y(t) c +
a
ahol
Y1 (s)r(s)ds ,
(10.3.12)
c Rm
egy tetszleges vektor. Clunk
szerint denilt
u(t)
olyan megvlasztsa, amely mellett a (10.3.12)
fggvny kielgti a (10.3.10) peremfeltteleket. Behelyettestve a (10.3.12)
kpletet a (10.3.10) felttelbe, a
Ba u(a) + Bb u(b) = v = Ba Y(a)c + Bb Y(b) c +

a
felttelt kapjuk. Ebbl a
Y1 (s)r(s)ds
(10.3.13)
c vektorra rendezve s az Y(a) = I felttelt gyelembe vve a

b a
(Ba + Bb Y(b)) c = v Bb Y(b)

egyenletet nyerjk. Ezrt a
Y1 (s)r(s)ds
(10.3.14)
Q = Ba + Bb Y(b) Qc = v Bb Y(b)
a b
(10.3.15)
jellssel a
c vektorra a
Y1 (s)r(s)ds
(10.3.16)
feladatot kapjuk. Ezrt rvnyes az albbi llts.
10.3.4. ttel.
A (10.3.7)(10.3.10) lineris peremrtk-feladatnak pontosan akkor ltezik egyrtelm megoldsa, amikor a (10.3.15) alak ahol
mtrix regulris. Emellett a megolds (10.3.12) alak,
c = Q1 v Bb Y(b)
a
Y1 (s)r(s)ds .
(10.3.17)
10.3.5. plda.
Vizsljuk meg az
u = u, t (0, b) u(0) = , u(b) =

feladat megoldhatsgt! Mivel erre a feladatra
(10.3.18)
A(t) = A =
ezrt az alapmegoldsa az
0 1
1 0
(10.3.19)
Y(t) =
alak mtrix. Ezrt a mtrix
cos t sin t sin t cos t
(10.3.20)
Ba
Bb
mtrixok (10.3.9) dencija alapjn a (10.3.15) szerinti
Q=
1 0 cos b sin b
(10.3.21)
10.
alak. Ez a amikor a
Q mtrix pontosan akkor szingulris, amikor b = j , ahol j N tetszleges ponem egsz szm tbbszrse. (Ez az eredmny egyben megvlaszolja
zitv egsz szm. Teht pontosan akkor ltezik a (10.3.18) feladatnak egyrtelm megoldsa,
b vgpont a
a 10.3.1. plda eredmnyt, hogy mirt volt egyrtelm megolds nem ltezik megolds a
b = /2
esetn, s mirt
b=
megvlaszts mellett.)
10.3.6. megjegyzs.
Vezessk be a
(t) = Y(t)Q1
fggvnyt! Ekkor
(10.3.22)
(t) = Y (t)Q1 = A(t)Y(t)Q1 = A(t)(t).

Msrszt
Ba (a) + Bb (b) = [Ba Y(a) + Bb Y(b)] Q1 = I.

Ezrt a (10.3.7)(10.3.10) lineris peremrtk-feladat esetn (10.3.22) alapjn denilt
(t) fgg-
vny az alapmegolds, s segtsgvel a megolds a bemen fggvnyekbl kzvetlenl felrhat:
u(t) = (t)v +
a
ahol
7
G(t, s)r(s)ds,
(10.3.23)
G(t, s) =
(t)Ba (a)1 (s), (t)Bb (b)1 (s),
ha
s t;
ha s >t.
(10.3.24)
10.4. A peremrtk-feladat numerikus megoldsa Cauchy-feladatra val visszavezetssel

Br az elz pontban megmutattuk, hogy egy peremrtk-feladat megoldsa kpletek segtsgvel elllthat (v.(10.3.23)), ez a felrs formlis: konkrt feladatok esetn sem az alapmegolds, sem a
G(t, s) fggvny ltalban nem hatrozhat meg. Ezrt a Cauchy-feladatokhoz hasonlan
a peremrtk-feladatok esetn is valamely numerikus megolds alkalmazsa szksges. Az ismertetsre kerl numerikus mdszereket kt csoportba sorolhatjuk.
A peremrtk-feladat megoldst visszavezetjk Cauchy-fle kezdetirtk-feladatokra, s ezek megoldsra a korbban ismertetett numerikus mdszerek valamelyikt alkalmazzuk.
Kzvetlenl diszkretizljuk a peremrtk-feladatot.
Ebben a pontban az els mdszerrel foglalkozunk.
7 Ezt a
G(t, s) fggvnyt a feladat Green-fggvnynek nevezzk.
10.4.
A peremrtk-feladat numerikus megoldsa Cauchy-feladatra val visszavezetssel
10.4.1. A belvses mdszer

Tekintsk az
u = f(t, u),
t [a, b]
u1 (a) = , u1 (b) =
elz szakaszban mr felrt ltalnos alak peremrtk-feladatot! A hogy a (10.4.1) feladat helyett az
(10.4.1)
belvses mdszer 8
lnyege,
u = f(t, u), t [a, b] u(a) = c,

kezdetirtk-feladatot oldjuk meg. Mivel
(10.4.2)
u(a) =
ezrt a
u1 (a) u2 (a)
(10.4.3)
t = a pontbeli kezdeti llapotot ler c R2 vektor els komponense a (10.4.1) peremfelttelbl ismert, viszont a msodik komponenst (u2 (a) = u (a)) nem ismerjk. Legyen c = u2 (a).
A belvses mdszer lnyege, hogy a
c=
kezdetirtk megvlasztsban a sa a
(10.4.4)
c llandt gy hatrozzuk meg, hogy a (10.4.2) feladat megoldt = b pontban az elrtaknak megfelelen a rtket vegye fel. Ez a kvetkezt jelenti. Jellje u(t, c) a (10.4.1) feladatnak a (c paramter megvlasztstl fgg) megoldst. Feladatunk a c
paramter olyan megvlasztsa, amely mellett
u1 (b, c) = .
Ezt a
(10.4.5)
h(c) = u1 (b, c)
fggvny bevezetsvel a
(10.4.6)
h(c) = 0 h:RR
(10.4.7)
egyenlet megoldsval kaphatjuk meg. A (10.4.6) egyenlet egy nemlineris egyenlet, amelyben ("vals-vals") tpus fggvny. Megoldsra tbb ismert mdszer is alkalmazhat.
Az egyik legegyszerbb mdszer az rtkeket, amelyekre
h(c1 )h(c2 ) < 0,
s ekkor a
intervallum-felez mdszer, azaz keresnk olyan c1 s c2 (c1 , c2 ) intervallumon lv gykt az intervallum
folyamatos felezsvel hatrozhatjuk meg. A belvses mdszer intervallum-felez mdszeres algoritmusa teht a kvetkez. 1. Rgztnk valamely
rtket.
2. A (10.4.4) kezdeti vektorral megoldjuk az Runge-Kutta tpus mdszert.) 3. Az 1. lpsben kt olyan
[a, b] intervallumon a (10.4.1) kezdetirtk-feladatot,
alkalmazva az elz fejezetben ismertetett valamely numerikus mdszert. (Pldul egy
rtkek ellenttes eljelek lesznek. Legyenek ezek
c rtket keresnk, amelyekre a 2. lpsben kiszmolt t = b pontbeli c1 s c2 .
8 A mdszer angol elnevezse: shooting method.

10.
4. A
c = 0.5(c1 + c2 )
rtkkel jra szmoljuk a 2. lpst.
5. Az gy nyert megolds
t=b
pontbeli rtknek eljele alapjn jra megvlasztjuk
c1
vagy
c2
rtkt, s folytatjuk az eljrst.
6. Amikor a kt vgpont tvolsga kisebb, mint egy elre megadott jezzk az itercit.
>0
rtk, akkor befe-
A belvses mdszer sorn a (10.4.6) egyenlet megoldsa szksges, amihez az elzekben a felez eljrst alkalmaztuk. Ennl hatkonyabb (br mg mindig csak elsrend) a kzs htrnya a kezdeti ellenttes eljel alappontok meghatrozsa. Ha a
hrmdszer.
Ennek alkal-
algoritmusa knnyen felrhat az elzek alapjn. Ugyanakkor a felezmdszer s a hrmdszer
szelmdszert
mazzuk, akkor erre nincs szksg. Ezzel a mdszerrel algoritmusunk a kvetkez: 1. Legyenek
c(0)
c(1)
tetszleges rtkek.
2. A (10.4.4) kezdeti vektor kpletbe elszr
c(0) -t,
majd
c(1) -t
helyettestve, megoldjuk az
[a, b]
intervallumon a (10.4.1) kezdetirtk-feladatot, alkalmazva az elz fejezetben ismer-
tetett valamely numerikus mdszert. 3. Ekkor
h(c(0) ) = u(b, c(0) ) c

(2)
h(c(1) ) = u(b, c(1) ). (c(0) , h(c(0) ))

s a
4. Lineris kzeltst alkalmazva a rozzuk azt a
(c(1) , h(c(1) ))
pontok kztt, meghat-
pontot, ahol ez a kzelts nulla rtket vesz fel:
c(2) = c(1) c(2)
c(1) c(0) h(c(1) ) h(c(0) )
h(c(1) ).
(10.4.8)
5. A (10.4.8) kplettel kiszmolt
rtkkel meghatrozzuk a (10.4.4) alak kezdeti vektort,
s a Cauchy-feladat numerikus megoldsval meghatrozzuk a
h(c(2) )
rtket.
6. A tovbbikban egy ktlpses itercit ptnk fel a fenti lpsek analgijaknt: rtkekre a mr kiszmolt meghatrozzuk a
k = 2, 3, . . .
(c(k2) , h(c(k2) ))
s a
(c(k1) , h(c(k1) ))
pontok ismeretben
c(k) = c(k1)
kzeltst, majd ennek ismeretben a 7. Amikor
c(k1) c(k2) h(c(k1) ) h(c(k2) ) h(c(k) )

rtket.
h(c(k1) )
(10.4.9)
|h(c(k) )|
rtke kisebb, mint egy elre megadott
>0
rtk, akkor befejezzk az
itercit.
10.4.1. megjegyzs.
amely mellett a leges
A felezmdszerrel s a hrmdszerrel sszehasonltva a szelmdszer el-
nye teht, hogy az iterci elindtshoz nem szksges kt olyan kezdeti kzelts megkeresse,
h ellenttes eljelet vesz fel ezekben a pontokban, hanem indulhatunk kt tetszkzeltsbl. Ugyanakkor tetszleges feladatok esetn a mdszer konvergencija
c(0)
c(1)
a'priori nem biztosthat. A fenti algoritmus utols lpse utn szoksos mg egy javt lpst tenni. (Ennek oka, hogy ha
h(c(k1) )
h(c(k) )
nagyon kzel vannak a nullhoz, akkor az algoritmusunk instabil. Ezrt
10.4.
rtkt nem clszer tlsgosan kicsinek vlasztani.) Ezt a kvetkez mdon hajtjuk vgre.
Elksztjk a
h(c(0) ) c(0)
tblzatot s egy trozzuk azt a
h(c(1) ) c(1)
... ...
h(c(n) ) c(n)
(10.4.10)
n-ed fok interpolcis polinomot fektetnk ezekre az adatokra, azaz meghap(t) n-ed fok polinomot, amelyre p(h(c(k) )) = c(k) minden k = 0, 1, . . . n esetn. 1 Teht a p polinom a h fggvnyt (a h fggvny inverzt) interpollja. Ekkor a h fggvny (n+1) (n+1) gykhez val c kzeltst a p(0) = c sszefggs alapjn hatrozhatjuk meg.
Az egyenlet megoldsra lnyegesen hatkonyabb mdszer a msodrend nek sorn a
Newton-mdszer, amely(10.4.11)
c(s+1) = c(s)
h(c(s) ) , s = 0, 1, . . . h (c(s) )
itercival felptett sorozattal kzeltjk a keresett gykt. (A (10.4.11) iterciban a alapvet problma
c(0)
meg-
felel megvlasztsa valamely elsrend mdszerrel nyerhet.) A (10.4.11) kplet alkalmazsnl
h (c(s) )
rtknek meghatrozsa.
Ehhez trjnk vissza az eredeti (10.1.7) feladatra! A belvses mdszer alkalmazsa azt jelenti, hogy keressk valamely
cR
mellett az
u =f (t, u, u ), t (a, b), u(a) = , u (a) = c

feladat megoldst. Legyen ez az
(10.4.12)
u(t, c)
fggvny s ekkor
u (t, c) =f (t, u(t, c), u (t, c)),
t (a, b),
u(a, c) = , u (a, c) = c.
Derivljuk a (10.4.13) azonossgot a
(10.4.13)
paramter szerint! Ekkor
u u u (t, c) = 2 f (t, u(t, c), u (t, c)) (t, c)+3 f (t, u(t, c), u (t, c)) (t, c), c c c u(a, c) = 0, c
Vezessk be a
(10.4.14)
u (a, c) = 1. c
w(t) :=
u (t, c) c
j fggvnyt! A (10.4.14) sszefggsek alapjn erre a fggvnyre:
w (t) = 2 f (t, u(t, c), u (t, c))w(t) + 3 f (t, u(t, c), u (t, c))w (t),
(10.4.15)
w(a) = 0,
A (10.4.15) relci ltszlag az ismeretlen valjban nem az, hiszen a
w (a) = 1.
fggvnyre egy Cauchy-feladat . Ugyanakkor
9
w(t)
2 f
3 f
fggvnyeket az ismeretlen
(t, u(t, c), u (t, c))
pontban
nem tudjuk kirtkelni. Ha hozzvesszk a (10.4.15) relcihoz a (10.4.13) egyenlsget, akkor egy ngyismeretlenes elsrend kznsges dierencilegyenlet-rendszer Cauchy-feladatt kapjuk! Nevezetesen, bevezetve a
v1 (t) = u(t, c), v2 (t) = u (t, c), v3 (t) = w(t), v4 (t) = w (t)
9 Ezt a feladatot az irodalomban els varicis egyenletnek szoksos nevezni.
(10.4.16)
10.
fggvnyeket, ezekre a fggvnyekre a fenti sszefggsek alapjn a kvetkez kapcsolat ll fenn:
v1 (t) = v2 (t), v2 (t) = f (t, v1 (t), v2 (t)), v3 (t) = v4 (t), v4 (t) = 2 f (t, v1 (t), v2 (t))v3 (t) + 3 f (t, v1 (t), v2 (t))v4 (t).
Emellett
(10.4.17)
v1 (a) = , v2 (a) = c, v3 (a) = 0, v4 (a) = 1.

Ezrt az
(10.4.18)
[a, b]
intervallumon megoldva a
v1 = v2 , v2 = f (t, v1 , v2 ) v3 = v4 , v4 = 2 f (t, v1 , v2 )v3 + 3 f (t, v1 , v2 )v4 , v1 (a) = , v2 (a) = c, v3 (a) = 0, v4 (a) = 1

Cauchy-feladatot, meghatrozhatjuk az ismeretlen fggvnyeinket. Mivel (10.4.19)
v3 (b) = w(b) =
ezrt (10.4.6) miatt zje kiszmthat.
u (b, c), c
(10.4.20)
h (c) = v3 (b),
azaz a (10.4.20) szerinti Newton-iterci jobb oldalnak neve-
A belvses mdszer Newton-mdszeres algoritmusa teht a kvetkez. 1. Rgztnk valamely 2. A
c(0)
rtket.
c = c(0)
megvlasztssal az
[a, b] intervallumon megoldjuk a h(c(0) ) = v1 (b) c(1)

s
(10.4.19) rendszerre kitztt
kezdetirtk-feladatot az elz fejezetben ismertetett valamely numerikus mdszerrel. 3. A megoldsok ismertben kiszmoljuk a
h (c(0) ) = v3 (b)
rtkeket.
4. A (10.4.11) kplet alapjn meghatrozzuk a 5. Folytatjuk az eljrst a 2. lpstl kezdve. 6. Amikor
kzeltst.
|h(c(k) )|
rtke kisebb, mint egy elre megadott
>0
rtk, akkor befejezzk az
itercit.
10.4.2. Lineris peremrtk-feladatok numerikus megoldsa

Ebben a szakaszban a (10.3.3) mdon bevezetett
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = , u(b) =

talnos alak (10.1.7) feladatban az
(10.4.21)
lineris peremrtk-feladat numerikus megoldsval foglalkozunk. Megmutatjuk, hogy ha az l-
fggvnyt a (10.4.21) szerinti specilis mdon adjuk meg,
akkor a numerikus trgyals is lnyegesen egyszerbb vlik. Tegyk fel, hogy a (10.4.21) feladatot a belvses mdszer segtsgvel megoldjuk a
c = c1
s a
c = c2
megvlasztssal. Jellje
u1 (t) = u(t, c1 )
u2 (t) = u(t, c2 )
c1
c2
rtkekhez tartoz
kt Cauchy-feladat megoldst. Ekkor teht
u1 (t) =p(t)u1 (t) + q(t)u1 (t) + r(t), t [a, b], u1 (a) = , u1 (a) = c1 ,
(10.4.22)
10.4.
u2 (t) =p(t)u2 (t) + q(t)u2 (t) + r(t), t [a, b], u2 (a) = , u2 (a) = c2 .
Legyen tovbb
(10.4.23)
w(t) = u1 (t) + (1 )u2 (t)

egy j fggvny, ahol azaz
(10.4.24)
valamely, egyelre tetszleges paramter. Mivel a (10.4.21) feladat
lineris, ezrt az egyenlet kt megoldsnak (10.4.24) szerinti lineris kombincija is megolds,
w (t) = p(t)w (t) + q(t)w(t) + r(t), t [a, b].

Msrszt hogy teljesljn a
(10.4.25) gy,
w(a) = s w(b) = u1 (b) + (1 )u2 (b). Ezrt vlasszuk meg a paramtert w(b) = felttel, azaz u1 (b) + (1 )u2 (b) = . Innen rtkt a = u2 (b) u1 (b) u2 (b)
melletti (10.4.24) alak
(10.4.26)
egyenlsgbl hatrozhatjuk meg. Ezrt a (10.4.26) rtk
w(t)
fgg-
vny lesz az eredeti (10.4.21) lineris peremrtk-feladat megoldsa. A fenti megolds ellltsnak szmtgpes realizlsa a kvetkez mdon valsthat meg. Tekintsnk a kvetkez kt Cauchy-feladatot:
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = , u (a) = 0,

valamint
(10.4.27)
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = , u (a) = 1.

Jellje (10.4.27) megoldst s a (10.4.28) feladatok elsrend rendszerre val visszavezetsvel megkaphatjuk az
(10.4.28)
u1 (t), a (10.4.28) feladat megoldst pedig u2 (t). (Ezeket a (10.4.27) [a, b] interval-
lumon, az elz fejezetben ismertetett numerikus mdszerek valamelyikvel.) Ezutn a (10.4.26) kplet alapjn meghatrozzuk a paramter rtkt, s vgezetl a (10.4.21) feladat megoldst u1 (t) s u2 (t) elzekben mr kiszmolt kzeltseibl a (10.4.24) sszefggs alapjn hatrozzuk meg.
10.4.2. megjegyzs. 10.4.3. ttel.
Felmerlhet a krds: vajon mindig kifejezhet-e
a (10.4.26) kplettel?
rvnyes a kvetkez llts [20].
Tegyk fel, hogy a (10.4.21) lineris peremrtk-feladatnak ltezik egyrtelm megoldsa. Ekkor
vagy a (10.4.22) tulajdonsg vagy
u1 (t)
fggvny ez a megolds,
u1 (b) u2 (b) = 0,
s gy a (10.4.26) kpletbl
meghatrozhat.
Teht korrekt kitzs feladatok esetn a numerikus megolds is meghatrozhat. A (10.4.21) lineris peremrtk-feladat egyrtelmen ltez megoldst el tudjuk lltani nemcsak a (10.4.27) s a (10.4.28) Cauchy-feladatok lineris kombincijaknt, hanem ms tankonyvtar.bme.hu 295
10.
Cauchy-feladatok megoldsainak kombincijaknt is. Tekintsnk a kvetkez kt Cauchy-feladatot:
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = , u (a) = 0,

valamint
(10.4.29)
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = 0, u (a) = 1. u1 (t),

a (10.4.30) feladat megoldst pedig
(10.4.30)
Jellje ismt (10.4.29) megoldst lthatan ekkor a
u2 (t).
Knnyen
w(t) = u1 (t) +
u1 (b) u2 (t) u2 (b)
fggvny megoldsa a (10.4.21) feladatnak. gy elegend numerikusan megoldani a (10.4.29) s a (10.4.30) Cauchy-feladatokat. sszefoglalan teht megllapthatjuk, hogy a lineris peremrtk-feladatok numerikus megoldsa sorn tnylegesen nem alkalmazzuk a belvses mdszert, mivel a megoldst el tudjuk lltani kt, egyszer struktrj, msodrend kznsges dierencilegyenlet Cauchy-feladatnak megoldsval. Ez, sszehasonltva az ltalnos esettel, a szmtsi kltsgek tekintetben jelents megtakartst jelent: mg a lineris esetben sszesen ktszer kell valamely egylpses kezdetirtkfeladatot megold numerikus mdszert alkalmazni, addig az ltalnos esetben annyiszor, ahny itercis lpst hajtunk vgre a (10.4.7) egyenlet kzelt megoldsra.
10.5. A peremrtk-feladat numerikus megoldsa vges dierencik mdszervel

Az elz szakaszban lttuk, hogy a belvses mdszer alkalmazsa meglehetsen munkaignyes: minden egyes fggvnykirtkels egy Cauchy-feladat numerikus megoldst ignyli. Ebben a szakaszban ms megkzeltst alkalmazunk: a belvses mdszertl eltren, a vges dierencis mdszer alkalmazsa sorn nem egy kezdetirtk-feladatra val visszavezetssel oldjuk meg az
u =f (t, u, u ), t (a, b), u(a) = , u(b) =
(10.5.1)
feladatot, hanem az idintervallumon rcshlt hatrozunk meg, s a feladatban szerepl derivltakat ezen rcshln approximljuk. Ezutn ennek segtsgvel lltjuk el a kzelt megoldst.
10.5.1. Vges dierencis approximci

A tovbbiakban felhasznljuk a megfelelen sima fggvnyekre jl ismert, s a numerikus derivls sorn mr ismertetett albbi sszefggseket:
u (t) = u (t) =
u(t + h) u(t) 1 hu (1 ) h 2
(10.5.2)
u(t) u(t h) 1 + hu (2 ) h 2 u(t + h) u(t h) 1 2 u (t) = h u (3 ) 2h 6 u(t + h) 2u(t) + u(t h) 1 u (t) = h2 u(4) (4 ), h2 12
(10.5.3)
(10.5.4)
(10.5.5)
10.5.
A peremrtk-feladat numerikus megoldsa vges dierencik mdszervel
ahol
i (t, t + h) (i = 1, 2, 3, 4) t
valamely rgztett szm.
Ez adja azt az tletet, hogy a (megfelelen sima) rivltjt a kzeltsk:
u(t)
fggvny egy rgztett
pontbeli de-
pontot krnyezetben lv rcspontbeli helyettestsi rtkekkel a kvetkez mdon
u (t )
u(t + h) u(t ) , u (t ) h u (t )
u(t ) u(t h) u(t + h) u(t h) , u (t ) , h 2h u(t + h) u(t ) + u(t h) . h2

(10.5.6)
10.5.2. Az ltalnos alak peremrtk-feladat megoldsa a vges dierencik mdszervel

Jelljnk ki az
[a, b]
intervallumon egy rcshlt! Az egyszersg kedvrt legyen ez az (10.5.7) azaz (10.5.8)
h = {ti = a + ih, i = 0, 1 . . . , N + 1, h = (b a)/(N + 1)}

ekvidisztns rcshl, ahol
rcshl lpskze.
Jellje
rcshl bels pontjait,
h = {ti = a + ih, i = 1, 2, . . . , N, h = (b a)/(N + 1)},

tovbb
a rcshl hatrpontjait, azaz
h = {t0 = a, tN +1 = b}.
Tegyk fel, hogy a (10.5.1) feladatnak ltezik egyretelm olyan fggvny
10
(10.5.9) megoldsa, azaz
u(t)
u(t) C 2 [a, b]
(10.5.10)
, amelyre
u (t) =f (t, u(t), u (t)), t (a, b), u(a) = , u(b) = .

Ezrt az
rcshl pontjaiban felrva a fenti sszefggst, az
u (ti ) =f (ti , u(ti ), u (ti )), i = 1, 2, . . . , N u(t0 ) = , u(tN +1 ) =

szerinti kzeltseket, az ismeretlen az albbi egyenleteket nyerjk:
(10.5.11)
sszefggsek llnak fenn. Alkalmazva a (10.5.11) azonossgban a derivltakra nyert (10.5.6)
yi
rtkekre (amelyek szndkaink szerint
u(ti )
kzeltsei),
yi+1 2yi + yi1 yi+1 yi =f (ti , yi , ), i = 1, 2, . . . , N 2 h h y0 = , yN +1 = .

Megoldva a fenti
(10.5.12)
N + 2 ismeretlenes egyenletrendszert az y0 , y1 , . . . , yN +1
ismeretlenekre, megha-
trozhatjuk a vges dierencis kzeltseket. Ugyanakkor, valjban nem tudjuk a vlaszt a kvetkez krdsekre.
A (10.5.12) rendszernek ltezik-e egyrtelm megoldsa? Ha igen, hogyan oldhat meg a rendszer hatkonyan?
10 Mint az a (10.5.10) sszefggsbl ltszik, elegend az u(t) C 2 (a, b)C[a, b] simasgi felttel, de a gyakorlati esetekben ez az egyszerbben ellenrizhet felttel nem jelent tnyleges megszortst.
10.
Kzel van-e
yi
rtke
u(ti )
rtkhez?
Ha srtjk a rcshlt (azaz
nullhoz tart), akkor az
[a, b]
intervallumon a kzelt
megoldsok sorozata tart-e a pontos megoldshoz?
10.5.1. megjegyzs. A (10.5.12) diszkretizciban az els derivltat a (10.5.6) els formuljval

helyettestettk. Ha a msodik formulval helyettestjk, akkor az
yi yi1 yi+1 2yi + yi1 =f (ti , yi , ), i = 1, 2, . . . , N 2 h h y0 = , yN +1 = ,

ha pedig a harmadikkal, akkor az
(10.5.13)
yi+1 yi1 yi+1 2yi + yi1 =f (ti , yi , ), i = 1, 2, . . . , N h2 2h y0 = , yN +1 =

feladatot kapjuk. Vezessk be a kvetkez jellseket:
(10.5.14)
yx,i =
yi+1 yi yi yi1 yi+1 yi1 ; yx,i = ; yx ,i = , h h 2h
(10.5.15)
amelyeket rendre jobb, bal s kzpponti dierenciknak neveznk. A (10.5.2) s a (10.5.3) alapjn nyilvnvalan a jobb s bal oldali dierencik elsrendben, mg a (10.5.4) kvetkeztben a kzpponti dierencia msodrendben approximlja az els derivltat a Knnyen lthat, hogy a
t = ti
pontban.
ti
pontbeli msodik derivlt vges dierencis kzeltse
yxx,i :=
yx,i yx,i yi+1 2yi + yi1 = h h2 yxx,i

msodrendben approximlja az
(10.5.16)
alak, s ezrt a (10.5.5) sszefggs miatt a
u (t)
fggvnyt
t = ti
pontban. Ezen jellsekkel az egyes smk a kvetkez alakot ltik:
A (10.5.12) sma:
yxx,i =f (ti , yi , yx,i ), i = 1, 2, . . . , N y0 = , yN +1 = .

A (10.5.13) sma:
(10.5.17)
yxx,i =f (ti , yi , yx,i ), i = 1, 2, . . . , N y0 = , yN +1 = .

A (10.5.14) sma:
(10.5.18)
yxx,i =f (ti , yi , yx ,i ), i = 1, 2, . . . , N y0 = , yN +1 = .
(10.5.19)
10.5.
10.5.3. A lineris peremrtk-feladatok approximcija a vges dierencik mdszervel

Ebben a szakaszban vlaszt adunk az elzekben megfogalmazott krdsekre a
u =p(t)u + q(t)u + r(t), t [a, b], u(a) = , u(b) =

egyrtelm megoldhatsghoz felttelezzk, hogy mon, azaz
(10.5.20)
lineris peremrtk-feladat vges dierencis numerikus megoldsra. Mint azt megmutattuk, az
min[a,b] q := qmin > 0.
Vezessk be a
p, q, r C[a, b] s q(t) > 0 az [a, b] intervallupi = p(ti ), qi = q(ti ), ri = r(ti ) jellseket!
10.5.2. ttel.
A (10.5.20) lineris peremrtk-feladat (10.5.17)-(10.5.19) vges dierencis diszkretizcija
ai yi1 + di yi +ci yi+1 = ri , i = 1, 2, . . . , N y0 = , yN +1 =

esetn, rvnyes a
(10.5.21)
alak lineris algebrai egyenletrendszer, ahol mindhrom diszkretizcira, megfelelen kis
|di | |ai | |ci | = qi

egyenlsg. Bizonyts. A (10.5.20) feladatra a (10.5.17) diszkretizci az
(10.5.22)
yi+1 2yi + yi1 yi+1 yi = pi + qi yi + ri , i = 1, 2, . . . , N, 2 h h y0 = , yN +1 =

lineris algebrai egyenletrendszert jelenti, ami az
(10.5.23)
ai =
1 2 1 1 1 , di = 2 + qi pi , ci = 2 + pi 2 h h h h h h
esetn ezrt
(10.5.24)
megvlasztssal a (10.5.21) feladatot jelenti. Megfelelen kis
|di | |ai | |ci | =
1 (2 + h2 qi hpi ) 1 (1 hpi ) = qi . h2
(10.5.25)
Knnyen lthat, hogy a (10.5.18) diszkretizci esetn
ai =
1 2 1 1 1 pi , di = 2 + qi + pi , ci = 2 , h2 h h h h
(10.5.26)
mg a (10.5.19) diszkretizci esetn
ai =
1 1 1 1 2 pi , di = 2 + qi , ci = 2 + pi , 2 h 2h h h 2h h
rtkek mellett (10.5.22) rvnyes.
(10.5.27)
s mindkt esetben alkalmasan megvlasztott kis
10.5.3. kvetkezmny.
Mivel a (10.5.21) rendszer felrhat
d1 y1 + c1 y2 = r1 a1 , ai yi1 + di yi + ci yi+1 = ri , i = 2, 3, . . . , N 1, aN yN 1 + dN yN = rN cN
tankonyvtar.bme.hu 299 (10.5.28)
10.
alakban, ezrt a diszkretizlt feladat valjban egy rix. Jellje az
ismeretlenes lineris algebrai egyenletrend-
szert jelent, amelynek egytthatmtrixa tridiagonlis, szigoran diagonlisan dominns mt-
ei
t = ti
pontban a pontos s a kzelt megolds eltrst (azaz
rcshl pontjaiban rtelmezett hibafggvnyt (azaz
eh (ti ) = ei )!
ei = yi ui ),
eh
10.5.4. denci.
Valamely numerikus mdszer
konvergencija
azt jelenti, hogy az ltala generlt numerikus
megoldsra a rcshl nomtsval a hibafggvny nullhoz tart, azaz
h0
Ha
lim eh = 0.
(10.5.29)
eh = O(hp ), akkor a numerikus mdszert p-ed rend mdszernek nevezzk.

A 10.5.29 kpletben az
10.5.5. megjegyzs.
normban rtjk, azaz az normban tart nullhoz.
eh RN +2
eh
vektorsorozat konvergencijt termszetesen
vektorsorozat (ahol
h = (b a)/(N + 1))
az
RN +2
A kvetkez lltsban a fenti vges dierencis kzeltsek konvergencijval s a konvergencia rendjvel foglalkozunk.
10.5.6. ttel.
A (10.5.24), (10.5.26) s (10.5.27) megvlaszts (10.5.21) alak vges dierencis diszkretizcik lineris peremrtk-feladat esetn konvergensek, emellett 1. a (10.5.27) megvlaszts esetn a sma msodrendben, 2. a (10.5.24) s a (10.5.26) megvlaszts esetn pedig a smk elsrendben konverglnak a (10.5.20) feladat megoldshoz. Bizonyts. Mivel a kt llts bizonytsa lnyegben megegyezik, a tovbbiakban csak az elst mutatjuk meg. Felhasznlva a (10.5.4) s a (10.5.5) approximcis tulajdonsgokat, a (10.5.20) feladat a pontban gy rhat fel:
t = ti
ui+1 2ui + ui1 1 (i) h2 u(4) (4 ) = pi 2 h 12
1 ui+1 ui1 (i) h2 u (3 ) + qi ui + ri . 2h 6
(10.5.30)
trendezve a (10.5.30) egyenlsget a kvetkez alakot kapjuk:
ahol
1 pi + 2 h 2h
ui+1 +
2 1 pi + qi ui + 2 2 h h 2h
ui1 = ri h2 gi ,
(10.5.31)
gi =
1 (4) (i) pi (i) u (4 ) u (3 ). 12 6
Ezrt a (10.5.27) jellseivel (10.5.31) felrhat az
ai ui1 + di ui + ci ui+1 = ri h2 gi
(10.5.32)
10.5.
alakban. Mivel a numerikus megoldsra rvnyes a (10.5.21) sszefggs, (ahol az egytthatk (10.5.27) szerintiek), a (10.5.32) egyenlsgbl kivonva a (10.5.21) egyenleteket, az koordinti kielgtik az
eh
hibavektor
ai ei1 + di ei +ci ei+1 = h2 gi , i = 1, 2, . . . , N, e0 = eN +1 = 0

alak lineris algebrai egyenletrendszert. Az
(10.5.33)
i-edik
egyenletet trendezve: (10.5.34)
di ei = ai ei1 ci ei+1 h2 gi ,
azaz abszolt rtkben becslve a
|di ||ei | |ai ||ei1 | + |ci ||ei+1 | + h2 |gi | (|ai | + |ci |) eh

egyenltlensget nyerjk, ahol
+ h2 g
(10.5.35)
g a gi koordintj vektor. Jellje i0 azt az indexet, amelyre = |ei0 |. (Nyilvnvalan i0 = 0 s i0 = N + 1, mivel e0 = eN +1 = 0.) Mivel (10.5.35) minden i = 1, 2, . . . , N rtkre rvnyes, ezrt az i = i0 indexre is, azaz eh
|di0 | eh
(|ai0 | + |ci0 |) eh
+ h2 g
(10.5.36)
trendezve a (10.5.36) egyenltlensget, a
(|di0 | |ai0 | |ci0 |) eh
h2 g
(10.5.37)
egyenltlensghez jutunk. Ez a (10.5.22) tulajdonsg gyelembevtelvel a
qi0 eh
becslst jelenti. A
h2 g
(10.5.38)
min[a,b] q := qmin > 0
felttel kvetkeztben
eh
ahol
h2
qmin
Ch2 ,
(10.5.39)
pmax M3 M4 + )/qmin , Mj = max |u(j) |, pmax = max |p|. C=( 12 6 [a,b] [a,b] h0
esetn a hiba msodrendben tart nullhoz.
Mindez azt jelenti, hogy A 10.5.6. ttel
arra az esetre vonatkozik, amikor a (10.5.20) feladatban
q(t) > 0
az
[a, b]
intervallumon. gy nem ad vlaszt a (10.1.6) feladat Tekintsk teht az
p=q=0
specilis esetre.
u = r(t), t (0, l), u(0) = , u(l) =

peremrtk-feladatot. (Az egyszersg kedvrt az intervallumot
(10.5.40)
hosszsgnak tekintjk, s a
bal oldali vgpontot az origba helyezzk.) Ebben az esetben teht az
rcshl (10.5.41)
h = {ti = ih, i = 0, 1, . . . , N + 1, h = l/(N + 1)}

nyezi, ahol
alak. Ekkor a (10.5.21) rendszer mindegyik diszkretizc esetn a (10.5.28) feladatot eredm-
ai =
1 2 1 , di = 2 , ci = 2 . h2 h h
(10.5.42)
10.
Ezrt a diszkrt feladat az
Ah yh = bh Ah R
0 0 ... 1 0
N N
mtrix
(10.5.43)
alak lineris algebrai egyenletrendszert jelenti, ahol az
1 h2
2 1 ... 0 0
1 0 2 1 ... ... 0 0 0 0
... ... ... ... ...
0 0 ... 0 0
0 0 ... 2 1
0 0 ... 1 2

(10.5.44)
alak, s a
b h RN
vektorra pedig
r(t1 ) + /h2 bh = r(ti ), i = 2, 3, . . . , N 1 . r(tN ) + /h2

Elszr megmutatjuk, hogy a fenti diszkretizci korrekt.
(10.5.45)
10.5.7. ttel.
A (10.5.43) feladatnak tetszleges
h>0
esetn ltezik egyrtelm megoldsa.
Bizonyts. Azt kell megmutatnunk, hogy brmely
h > 0 mellett az Ah
mtrix regulris, azaz
=0
Hatrozzuk meg az
(k) (k = 1, 2, . . . , N ) sajtrtkt! Mivel Ah szimmetN rikus, ezrt mindegyik k vals, s valamely nem nulla vk R vektor mellett Ah vk = k vk , azaz (ideiglenesen elhagyva a k index jellst) a v0 = vN +1 = 0 rtkekkel a v sajtvektor vi
mtrix
nem sajtrtke.
Ah
darab
koordintira teljesl a
vi1 + 2vi vi+1 = vi , i = 1, 2, . . . , N h2

egyenlet. Ezzel a
(10.5.46)
vi1 2(1 0.5h2 )vi +vi+1 = 0, i = 1, 2, . . . , N, v0 = 0, vN +1 = 0

feladatot kapjuk. Keressk a (10.5.47) feladat megoldsst a
(10.5.47)
vi = sin(pti ) i = 0, 1, . . . , N + 1
alakban, ahol testve:
(10.5.48)
pR
egy egyelre tetszleges szm. Ekkor a (10.5.47) els egyenletbe behelyet-
sin(p(ti h)) 2(1 0.5h2 ) sin(pti ) + sin(p(ti + h)) = 0, i = 1, 2, . . . , N.

Felhasznlva a kzismert sszefggs a
(10.5.49)
sin(p(ti h))+sin(p(ti +h)) = 2 sin(pti ) cos(ph) azonossgot, a (10.5.49)
2 sin(pti ) cos(ph) 2(1 0.5h2 ) sin(pti ) = 0, i = 1, 2, . . . , N,

azaz a
(10.5.50)
2 cos(ph) 2(1 0.5h2 ) sin(pti ) = 0, i = 1, 2, . . . , N

(10.5.51)
10.5.
felttelt jelenti. Mivel
sin(pti ) = vi
s a
sajtvektor nem nulla, ezrt legalbb egy
indexre
vi = 0.
Ezrt (10.5.51) kvetkeztben
2 cos(ph) 2(1 0.5h2 ) = 0.

Innen
(10.5.52)
=
A
4 ph 2 (1 cos(ph)) = 2 sin2 . h2 h 2
(10.5.53)
p paramtert gy vlasztjuk meg, hogy a (10.5.47) msodik felttele is teljesljn, azaz a (10.5.48) v0 sin(p 0) = 0 s vN +1 sin(p l) = 0 legyen. Az els felttel nyilvnvalan minden p esetn teljesl, mg a msodik egyenletbl pl = k , azaz p = pk = k/l .
megvlaszts kvetkeztben Ezt behelyettestve a (10.5.53) sszefggsbe megkapjuk az
Ah
mtrix sajtrtkeit:
k =
A (10.5.48) sszefggsbl a
kh 4 sin2 , k = 1, 2, . . . , N. h2 2l
(10.5.54)
vk
sajtvektorok is felrhatk:
vk = sin
Mivel gy
kih l
, k = 1, 2, . . . , N.
i=1
(10.5.55)
minden
k fgg h-tl, alkalmazzuk a k =: k (h) jellst! Knnyen lthat, hogy k (h) > 0 k = 1, 2, . . . , N esetn, s emellett a legkisebb sajtrtk a k = 1 indexhez tartoz rtk. tetszlegesen rgztett h (azaz rgztett feloszts) esetn min k (h) = 1 (h) = 4 h sin2 . h2 2l
(10.5.56)
k=1,2,...,N
Vezessk be az
s=
j vltozt! Mivel
h 2l
(10.5.57)
h l/2,
ezrt
s (0, /4].
Ekkor a legkisebb sajtrtk felrhat
1 (s) =
alakban. Hasznljuk fel, hogy a Ezrt
2 2 (sin s/s) , s (0, /4] l2

fggvny a
(10.5.58)
11
sin x/x mins(0,/4] 1 (s) = 1 (/4), azaz
(0, /4]
intervallumon monoton cskken.
h>0
gy minden
inf 1 (h) = 1
l 2
16 8 sin2 = 2 . l2 4 l
(10.5.59)
h>0
esetn
1 (h)
vagyis az
8 , l2
(10.5.60)
Ah mtrix legkisebb sajtrtke minden h > 0 esetn a := 8/l2 > 0 szmnl nagyobb.
A fenti ttelbl s a bizonytsbl kzvetlenl kvetkeznek az albbi
Ezzel belttuk lltsunkat.
10.5.8. kvetkezmny.
lltsok.
11 Ez az llts elemi fggvnyvizsglattal nllan is knnyen belthat.

10.
1. Az 2. Az
Ah Ah
mtrix invertlhat, s
A1 h
1/ = l2 /8.
mtrix szimmetrikus, szigoran pozitv denit.
3. A (10.5.55) formulbl lthat, hogy
1 (h)v1
sszefggs alapjn igaz, hogy a
v1 > 0. Mivel 1 (h) > 0 is igaz, ezrt az Ah v1 = v1 > 0 vektorral Ah v1 > 0, azaz Ah M-mtrix.
(Tovbbi rszletekrt lsd a 10.5.5. pontot.)
10.5.9. megjegyzs.
ben szerepl becsls a telt.)
A fenti ttel bizonytshoz a klasszikus algebrai megkzeltst alkalmaz-
zuk, s nem hasznltuk a korbbi (az M-mtrixra vonatkoz) korbbi eredmnyeinket, amelybl a regularits szintn kvetkezik. Ezen megkzelts egyik fontos eredmnye a 10.5.8. kvetkezmny-
A1 h
2 normra, hiszen ennek segtsgvel az ezen normabeli konvergencia
s annak sebessge rendjben szerepl lland nagysga is megmutathat. (Lsd a 10.5.10. t-
Eredmnynket felhasznlva kzvetlenl belthat a (10.5.28), (10.5.42) numerikus mdszer konvergencija az rcsfggvnyek
h := {t0 , t1 , . . . , tN +1 }, h
lpskz ekvidisztns rcshln rtelmezett
yh
N +1
yh
alak normjban.
12
2 2,h
:= h
i=0
2 yi
(10.5.61)
Megjegyezzk, hogy ekkor a megfelel mtrixnormra
2,h
= sup
v
RK
Av 2,h h Av 2 = sup = A 2, v 2,h h v 2 K vR
teht az 1. fejezetben denilt szoksos 2-es (vagy euklideszi) normval szmolhat. Tekintsk teht az
yi1 2yi + yi+1 = ri , i = 1, 2, . . . , N h2 y0 = , yN +1 =
(10.5.62)
feladatot, s mutassuk meg, hogy a megoldsa a peremrtk-feladat megoldshoz. Jellje ismt
2,h normban h 0 estn tart a (10.5.40) ei = yi u(ti ) a ti pontbeli hibt! Ekkor yi =
ei + u(ti ),
s ezt behelyettestve a (10.5.62) smba a hibafggvnyre a
ei1 + 2ei ei+1 u(ti1 ) 2u(ti ) + u(ti+1 ) = ri + i , i = 1, 2, . . . , N 2 h h2 e0 = 0, eN +1 = 0

feladatot kapjuk. A (10.5.63) feladat felrhat
(10.5.63)
Ah eh = h
(10.5.64)
12 Knnyen lthat, hogy az a = t s b = t 0 N +1 kvetkeztben ez a norma az L2 [a, b] tr normjnak diszkrt analgja, azaz ha u az [a, b] intervallumon rtelmezett, ngyzetesen integrlhat fggvny, s yh (xi ) = u(xi ), akkor b limh0 yh 2 = u 2 [a,b] a u2 (x)dx. 2,h L
2
10.5.
alak lineris algebrai egyenletrendszerknt, ahol az
vektorra pedig
)i = i , i = 1, 2, . . . , N .
Ah RN N
mtrix a (10.5.44) alak, a
A (10.5.64) egyenletbl (10.5.65)
eh = A1 h , h
azaz
eh
Mivel (10.5.5) kvetkeztben
2,h
A1 h
2,h
2,h
= A1 h
2,h .
(10.5.66)
i = O(h2 ),
N
ezrt
N 2 i = h
2 2,h
=h
i=1
O(h4 ) = hN O(h4 ) = O(h4 ),

i=1
mivel
1 2 h
hN = const. Ezrt teht h l2 /8. gy (10.5.66) alapjn
2,h
= O(h2 ).
Msrszt a 10.5.8. kvetkezmny szerint
eh
Ezzel belttuk az albbi lltst.
2,h
= O(h2 ).
(10.5.67)
10.5.10. ttel.
A (10.5.62) sma megoldsa
h0
esetn msodrendben tart a
2,h normban a (10.5.40)
peremrtk-feladat megoldshoz.
10.5.4. A lineris peremrtk-feladatok numerikus megoldsnak ltalnos vizsglata

Ebben a szakaszban ismtelten a lineris peremrtk-feladatok numerikus megoldsval s a kzeltsek konvergencijval foglalkozunk, de most az eredmnyeinket ltalnosan fogalmazzuk meg. Megmutatjuk, hogy ezen ltalnos megkzeltsbl specilis esetknt az elz szakaszban lert eredmnyeink hogyan nyerhetk. Jellje
L0
azt az opertort, amely a
C 2 [a, b]-beli
fggvnyeken van rtelmezve, s (10.5.68)
L0 u = u + p(t)u + q(t)u,
valamint
B1 , B2
azokat a szintn
C 2 [a, b]-beli
fggvnyeken rtelmezett opertorokat, amelyekre (10.5.69)
B1 u = u(a), B2 u = u(b).
Ekkor az
L0 : C 2 [a, b] C[a, b], B1 , B2 : C 2 [a, b] R
tpus lineris opertorok. Vezessk be (10.5.70)
F1 [a, b] = C 2 [a, b], F2 [a, b] = C[a, b] R R

jellseket! Legyen
az az opertort, amely az
F1 [a, b] halmazon L0 v Lv = B1 v . B2 v
van rtelmezve, s
(10.5.71)
10.
Teht
egy
F1 [a, b] F2 [a, b]
lineris opertor, amely egy
v C 2 [a, b]
fggvnyhez az
Lv =
hrmast rendeli hozz.
v + p(t)v + q(t)v F2 [a, b] v(a) v(b)
(10.5.72)
Ekkor a (10.5.20) feladat felrhat a kvetkez mdon. Az
r(t) f := F2 [a, b]
jells mellett keressk azon
(10.5.73)
u F1 [a, b]
elemet (azaz
C 2 [a, b]-beli
fggvnyt), amelyre (10.5.74)
Lu = f.
Jellje
F( h ) illetve F(h ) az h illetve h rcshlkon rtelmezett rcsfggvnyek vektortert, (1) L0,h : F( h ) F(h ) pedig azt az opertort, amely valamely vh F( h ) fggvny esetn a kvetkez mdon hat: L0,h vh (t) =
Jellje tovbb lyekre
(1)
vh (t + h) vh (t) vh (t + h) 2vh (t) + vh (t h) + pi + qi vh (t), t h . h2 h

(10.5.75) azokat az
B1,h , B2,h
F( h )-beli
rcsfggvnyeken rtelmezett opertorokat, ame(10.5.76)
B1,h vh = vh (t0 = a), B1,h vh = vh (tN +1 = b).

Ekkor teht
L0,h : F( h ) F(h ), B1,h , B2,h : F( h ) R tpus lineris opertorok. Jellje (1) Lh azt az opertort, amely az F( h ) halmazon van rtelmezve s (1) L0,h vh (1) Lh vh = B1,h vh . B2,h vh
Teht (10.5.77)
Lh
(1)
egy
F( h ) F(h ) R R F( h ) tpus lineris opertor, amely a vh ( h
rcshl
pontjaiban denilt) rcsfggvnyhez az
(1) Lh vh =
vh (t + h) 2vh (t) + vh (t h) vh (t + h) vh (t) + pi + qi vh (t), t h h2 h F( h ) vh (a) vh (b)

(10.5.78)
h rcshl pontjaiban denilt) rcsfggvnyt rendeli hozz. Jellje rh azt az F(h )-beli rcsfggvnyt, amelyre rh (t) = r(t) mindegyik t h
(ugyancsak az a (10.5.23) feladat felrhat a kvetkez mdon. Az
pontban. Ekkor
rh fh := F( h )
jells mellett keressk azon amelyre
(10.5.79)
vh F( h )
elemet (vagyis az
rcson rtelmezett rcsfggvnyt),
Lh vh = fh .
(1)
(10.5.80)
10.5.
Vegyk szre, hogy (10.5.80) a jellseinket gyelembe vve egy lineris algebrai egyenletrendszert jelent, amelynek mrete megegyezik az
rcshl pontjainak a szmval, azaz
N +2
fh rcsfggvnyeket N + 2 (1) dimenzis vektorokkal, mg az Lh lineris opertort egy (N + 2) (N + 2) dimenzis mtrix segtsgvel adhatjuk meg. Ez azt jelenti, hogy a (10.5.80) feladat felrhat
ismeretlent tartalmaz. Teht az ismeretlen illetve az adott
vh
Ah yh = fh
alakban, ahol
(1)
(10.5.81) Mivel a vektorok
Ah R(N +2)(N +2)
(1)
yh , fh RN +2 .
i-edik
koordintja a
ti h
rcsponthoz tartoz rtkeket jelenti, ezrt a (10.5.81) egyenletben
(yh )i = vh (ti ), (fh )i = fh (ti ), i = 0, 1, . . . , N + 1,

s (10.5.78) alapjn az
(10.5.82)
Ah
(1)
mtrix
. . . 0 0
alak, ahol Mivel
1 a1 0
0 d1 a2
. . .
0 c1 d2
. . .
0 0 c2
. . .
... ... ...

. . .
0 0 0
. . .
0 0 0
. . .
0 0 0
. . .
0 0 0
. . .
(10.5.83)
0 0
0 0
0 0
... ...
0 0
aN 0
dN 0
cN 1
ai , di , ci rtkei a (10.5.24) kplet szerintiek. (yh )0 s (yh )N +1 rtkei ismertek (a peremfelttelek
miatt ezek rtke
),
ezrt
a (10.5.81) egyenlet ekvivalens az
A(1) yh = fh h
feladattal, ahol
(10.5.84)
A(1) RN N , yh , fh RN h
(fh )1 = (fh )1 a1 , (fh )i =(fh )i , i = 2, 3, . . . , N 1, (fh )N = (fh )N cN , (yh )i =(yh )i , i = 1, 2, . . . , N, d1 c1 0 . . . 0 0 a2 d2 c2 . . . 0 0 A(1) = . . . . . . . h . . . . . . . . . . . 0 0 0 . . . 0 aN

A (10.5.84)-(10.5.85) feladat megegyezik a (10.5.28) feladattal.
0 0 . . . . dN
(10.5.85)
10.5.11. megjegyzs.
A msik kt diszkretizcira is az rtelemszeren denilt
A(2) h
A(3) h
mtrixokkal (10.5.84) rvnyes.
A tovbbiakban arra vagyunk kvncsiak, hogy a fenti smk valamelyikvel denilt numerikus megoldsok hasznlhatk-e az eredeti peremrtk-feladat megoldsnak kzeltsre. Ezen szakasz elejn megmutattuk a kvetkezket.
A 10.5.2. ttel alapjn az alkalmasan megvlasztott
rtkek mellett az
Ah
(k)
mtrixok esetn az
szigoran diagonlisan dominnsak, ezrt regulrisak. Teht megfelelen kis
Lh vh = fh (k = 1, 2, 3)
(k)
feladatok mindegyike egyrtelmen megoldhat. tankonyvtar.bme.hu 307
10.
A 10.5.6. ttel alapjn az
eh hibafggvny nullhoz tart, azaz a kzelt megoldsok sorozata
h0
esetn tart a pontos megoldshoz. Ennek beltsa kt lpsben trtnt:
1. Felrtuk a (10.5.33) hibaegyenletet. 2. Megmutattuk, hogy ezen rendszer megoldsai (h
esetn) nullhoz tartanak.
10.5.12. megjegyzs.
Ezzel kapcsolatosan kt dologra hvjuk fel a gyelmet.
1. A (10.5.33) hibaegyenlet jobb oldaln szerepl kifejezs a loklis approximcis hiba. Teht a hibaegyenlet jobb oldaln egy olyan vektor ll, amelynek i-edik koordintja azt mutatja meg, hogy a
ti h
pontban a rcshl pontjaiban rtelmezett pontos megolds
Lh
(k)
-kpe
milyen kzel van a pontos megolds
L-kpnek
rtkhez.
2. A hibavektort a (10.5.33) rendszer megoldsval lltjuk el. Ezrt a globlis hiba viselkedse (nevezetesen nullhoz tartsa) azon mlik, hogy a rendszer jobb oldaln szerepl vektorok hogyan viselkednek a rendszer egytthatmtrixnak inverzn, azaz az
h0
(k) 1 mtrixok hogyan hatnak a loklis approximcis hibavektorra. h
esetn
A tovbbiakban egy ltalnos trgyalsmdot adunk eredmnyeink lersra. Legyenek
F1 [a, b] = C 2 [a, b]
olyan lineris opertor, amelyre minden Legyen szoksosan
F2 [a, b] = C[a, b] R R adott fggvnyterek, L : F1 [a, b] F2 [a, b] egy f F2 [a, b] esetn az Lu = f egyenlet korrekt kitzs. F( h ) az h
rcson rtelmezett rcsfggvnyek vektortere,
Clunk ezen feladat diszkretizcjnak meghatrozsa s vizsglata.
L0,h : F( h )
rtelmezett
F(h )
egy adott lineris opertor, azaz egy olyan lekpezs, amely egy
rcson rtelmezett
rcsfggvnyhez valamilyen lineris lekpezsi szably szerint megfeleltet egy msik rcsfggvnyt. Legyenek
h -n
B1,h
B2,h F( h ) R
tipus, szintn lineris lekpezsek.
Kpezzk ezen opertorok segtsgvel a kvetkez
L0,h vh Lh vh = B1,h vh B2,h vh F( h ) F( h )

(2)
tpus lineris opertor. (Teht
(10.5.86)
Lh
jelentheti az
Lh
(k)
(k
valamelyikt, de jelenthet valamely ms lineris opertort is.) A tovbbiakban az megfeleltetett mtrixokat (korbbiakkal megegyez mdon)
Ah
illetve
Ah -val
= 1, 2, 3) opertorok Lh opertornak
jelljk. Legyen rcsfggvnyt, s
Ph
egy olyan lekpezs, amely egy
F2 [a, b]
elemnek megfeleltet egy
F( h )-beli
jellje
fh := Ph f F( h ).
szksges. 1. Ltezik-e az
(2)
(10.5.87)
A diszkretizcis eljrsok ltalnos trgyalsa sorn a kvetkez krdsek megvlaszolsa
Lh vh = fh
feladatnak egyrtelm megoldsa? 2. Hogyan rtelmezhet egy tvolsga? 308 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
(10.5.88)
F( h )-beli
rcsfggvny s egy
Fi [a, b]-beli
fggvny (i
= 1, 2)
10.5.
3. Milyen kzel van a 4. A
vh F( h )
fggvny a (10.5.74) egyenlet
u F1 [a, b]
megoldshoz?
h 0
esetben milyen felttelek mellett tart a kzelt s a pontos megolds eltrse
nullhoz? A tovbbiakban ezekkel a krdsekkel foglalkozunk. 1. Az ltalnos trgyals sorn mindig feltesszk, hogy a (10.5.88) feladatnak ltezik egyrtelm megoldsa. Ugyanakkor minden konkrt kell megmutatni, hogy az
Ah
(avagy az
Ah ) mtrix regulris.
Lh
megvlaszts esetn ezt be kell bizonytani, azaz azt
2. Ennl a krdsnl az az alapvet problma, hogy az s az
rcspontokban rtelmezett
rtelmezve. Ezrt legyen
Ph
(1)
egy
[a, b] intervallumon rtelmezett w F1 [a, b] gh F( h ) rcsfggvny klnbz alaphalmazokon vannak (1) F1 [a, b] F( h ) tpus lineris lekpezst. (Teht Ph egy Ph w gh
(1) h szmot rtjk, ahol
olyan lekpezs, amely az intervallumon rtelmezett fggvnyt lekpezi egy, a rcspontokban rtelmezett fggvnyre.) Ekkor a kt fggvny tvolsgn a
h egy
F( h )
trbeli rgztett norma. fggvny a (10.5.88) feladat megoldsa. Jellje
3. Legyen a
vh F( h )
rcsfggvnyt, amelyet a (10.5.74) egyenlet azaz
u F1 [a, b]
(1)
megoldsnak
uh azt az F( h )-beli (1) Ph -kpeknt kapunk,

(10.5.89)
uh = Ph u,
tovbb
eh F( h )
azt a rcsfggvnyt, amelyre
eh = vh uh .
Ekkor az nevezzk
(10.5.90)
eh
megfelelen) a
vh kzelt megoldshoz tartoz globlis hibnak, s (a 2. pontnak eh h rtket a kzelt megolds hibjnak nevezzk. A vizsglt mdszert akkor konvergensnek, amikor limh0 eh h = 0. Ha eh h = O(hp ), akkor a konvergencit
rcsfggvnyt a A numerikus mdszer alkalmazsval az a clunk, hogy a numerikus
p-ed
rendnek nevezzk.
10.5.13. megjegyzs.
kphez kerljenek kzel, (1) s ne egy esetleges ms elem Ph kphez. Ezrt a h normra kiktjk a kvetkez n. kompatibilitsi felttelt. Legyen L : F1 [a, b] F2 [a, b], s jellje az F1 [a, b] trbeli normt. (1) Azt mondjuk, hogy a h norma kompatibilis a normval, ha limh0 Ph w h = w minden
megoldsok a (10.5.74) folytonos feladat megoldsnak
uh = Ph u
(1)
w F1 [a, b]
esetn. Ekkor megmutathat a kvnt egyrtelmsg.
13
4. Az elz pontban denilt konvergencia biztostsra alkalmazzuk az esetn
Lh = Lh
(k)
megvlaszts
esetn alkalmazott mdszernket. (Lsd a 10.5.12. megjegyzst.) Legyen tetszleges
w F1 [a, b]
(10.5.91)
lh (w) = Lh (Ph w) Ph (Lw) F( h ).
(1)
(2)
10.5.14. denci.
lh (w) = O(hp )
nevezzk.
minden
Lh opertor konzisztens az L opertorral, ha valamely p > 0 mellett w F2 [a, b] fggvnyre, s a p szmot a konzisztencia rendjnek
13 Ugyanis, indirekt mdon tegyk fel, hogy lteznek olyan w , w F [a, b], (w = w ) elemek, amelyekre 1 2 1 1 2
limh0 wh Ph w1
h = 0 (1) (1) wh Ph w2 h Ph w1 (1) w1 w2 = limh0 Ph w1
(1)
s limh0 wh Ph w2
wh
(1)
= 0. Ekkor Ph w1 Ph w2 w2 , ami lltsunkat igazolja.
(1)
(1)
= Ph w1 wh +
(1)
(1) h + wh Ph w2 h (1) Ph w2 h = 0, ezrt w1 =
0. Mivel a kompatibilitsi felttelt felhasznlva ekkor
10.
A dierenciasma egy msik fontos tulajdonsga (a dierencilegyenletek elmlethez hasonlan) a
stabilits,
amely azt fejezi ki, hogy a megolds folytonosan fgg a feladatot meghatroz
adatoktl. (Ms kifejezssel: kt kzeli adatokhoz tartoz megolds is kzel van egymshoz.) Ezt a fogalmat deniljuk a kvetkezben.
10.5.15. denci.
Azt mondjuk, hogy a (10.5.88) feladat stabil kitzs (a tovbbiakban: ha minden teljesl a
az Lh opertor stabil ),
fh F( h )
esetn ltezik a feladatnak egyrtelm megoldsa, s a megoldsokra
vh
egyenltlensg, ahol
C fh
(10.5.92)
C>0
egy, a
h-tl
fggetlen lland.
14
A stabilits (10.5.92) tulajdonsgnak ellenrzse elg nehz. Megmutathat fogalom ekvivalens az sgval: az mellett
, hogy ez a
Lh opertorsereg kvetkez, gyakran knnyebben ellenrizhet tulajdoninvertlhat Lh opertorokhoz ltezik olyan C 0 h-tl fggetlen lland, amely L1 h
h
C.
(10.5.93)
10.5.16. ttel.
Tegyk fel, hogy 1.
Lh p-ed Lh
rendben konzisztens az
opertorral,
2. az
opertor stabil.
Ekkor a numerikus mdszer
p-ed
rendben konvergens, azaz
eh eh
= O(hp ).
(10.5.94)
Bizonyts. Felhasznlva az
globlis hiba (10.5.90) dencijt, illetve a (10.5.89) dencit,
a kvetkez egyenlsg rvnyes:
Lh eh = Lh uh Lh vh = Lh (Ph u) Lh vh = Lh (Ph u) Ph (Lu) + Ph (Lu) Lh vh .

=:lh (u) =:lh (f )
(10.5.95) (2) A (10.5.74) egyenlet mindkt oldalnak Ph -kpt vve s gyelembe vve a (10.5.87) sszefggst, (2) (2) Ph (Lu) = Ph f = fh . (10.5.96) Msrszt, a (10.5.88) egyenlet alapjn
(1)
(1)
(2)
(2)
Lh vh = fh .
gy a (10.5.95) relciban lh (f )
= 0,
teht
Lh eh = lh (u).
Innen a stabilits (10.5.92) tulajdonsga miatt rvnyes az
(10.5.97)
eh
C lh (u)
= O(hp )
(10.5.98)
a norma tulajdonsgai miatt vh h = L1 fh h L1 h fh h , s gy a (10.5.93) (10.5.92) implikci h h nyilvnval. Msrszt, (10.5.92) esetn (ismtelten a vh = L1 fh egyenlsg miatt) L1 fh h C fh h , azaz h h L1 fh h / fh h C , ami a norma dencija miatt a (10.5.92) (10.5.93) implikcit bizonytja. h
14 A (10.5.92) s a (10.5.93) tulajdonsg ekvivalencijt a kvetkezk mdon lthatjuk be. Mivel v = L1 f , h h h
10.5.
egyenltlensg, amely a ttel lltst bizonytja.
10.5.17. megjegyzs.
konvergencia".
A (10.5.93) felttelt a
numerikus mdszer stabilitsnak
is szoksos ne-
vezni. Teht leegyszerstve a 10.5.16. ttel gy fogalmazhat meg: "konzisztencia + stabilits =
10.5.5. A lineris peremrtk-feladatok M-mtrixokkal

A 10.5.4. szakaszban megfogalmaztuk a peremrtk-feladatok vges dierencis approximcijnak azon elmleti krdseit, amelyeket egy adott Nevezetesen, be kell ltnunk, hogy mindegyik 1. az
Lh -mdszer
esetn megvlaszolni szksges.
esetn
Lh
lineris opertort reprezentl
Ah
mtrix regulris;
2. rvnyes a stabilits, azaz teljesl a (10.5.93) stabilitsi tulajdonsg:
(Ah )1
ahol
C,
(10.5.99)
egy
h-tl
fggetlen lland.
A tovbbiakban megmutatjuk, hogy amikor mindegyik
Ah specilis tulajdonsg M-mtrix, akkor
a maximumnormban a vlasz viszonylag egyszeren megfogalmazhat. Emellett eredmnyeinket felhasznlva egysgesen megmutatjuk a 10.5.3. szakaszban megfogalmazott numerikus smk konvergencijt, illetve eredmnyeinket kiterjesztjk jabb feladatosztlyra is. Legyenek
Mh Rkk , h = 1/(k 1), k = 3, 4, . . .
adott n.
mtrix mindegyik ftln kivli eleme nempozitv. (Teht
Z -mtrixok sorozata, azaz az Mh (Mh )ij 0 minden i = j esetn.)
10.5.18. denci. gh > 0 vektorok s 0 < g1 , g2 < llandk, amelyekre

(Mh gh )i g1 ,
Azt mondjuk, hogy az ilyen
Mh mtrixsorozat egyenletes M-mtrix, ha lteznek olyan gh Rk ,

(10.5.100) (10.5.101)
gh
mindegyik
g2 ,
esetn.
Az egyenletes M-mtrix tulajdonsg egy, nyilvnvalan M-mtrixokokbl ll halmazra, azaz egy mtrixseregre vonatkozik. Az egyszersg kedvrt a dencit az egyes elemek tulajdonsgaiknt fogalmaztuk meg. Az 1.2.40. ttelbl a (10.5.100) s a (10.5.101) tulajdonsgok felhasznlsval kzvetlenl nyerjk az albbi lltst.
10.5.19. lemma.
Tegyk fel, hogy
Mh
egyenletes M-mtrix. Ekkor
M1 h
g2 . g1
(10.5.102)
Eredmnyeinket az albbiakban foglalhatjuk ssze.
10.
10.5.20. ttel.
Tegyk fel, hogy a (10.5.88) alak diszkretizci a. a maximumnormban b. az
p-ed
rendben konzisztens,
Lh
opertornak megfeleltetett
Ah
egyenletes M-mtrix.
Ekkor a numerikus mdszer a maximumnormban
p-ed
rendben konvergens.
Bizonyts. Mivel a 10.5.18. denci alapjn mindegyik
Ah
M-mtrix, ezrt regulris is.
A 10.5.19. lemma alapjn a feladat stabil kitzs is, azaz rvnyes a (10.5.99) tulajdonsg a
C = g2 /g1
llandval. Ezrt a 10.5.16. ttelnk alapjn az lltsunk igaz. A (10.5.98) sszefggs alapjn becslst is adhatunk a hibafggvnyre:
10.5.21. megjegyzs.
eh
g2 lh (u) g1
(10.5.103)
Alkalmazzuk a 10.5.20. ttelt a 10.5.3. fejezetben vizsglt
Lh
(k)
(k
= 1, 2, 3)
opertorokra!
A (10.5.24), valamint a (10.5.26) s a (10.5.27) sszefggsekbl lthat, hogy mindhrom esetben megfelelen kis
h esetn az Ah
(k)
(10.5.83) alak mtrixok diagonlon kvli elemei nempozitvak,
a diagonlis elemek pedig pozitvak lesznek. gy a (10.5.22) sszefggs miatt az szigoran diagonlisan dominns M-mtrix. Legyen nyilvnvalan
gh
gh = [qmin , 1, 1, . . . , 1, qmin ]T RN +2 . Ekkor
Ah
(k)
mtrix
g2 := max{1, qmax } > 0,

(k)
s a (10.5.22) kvetkeztben
Ah gh = qh ,
ahol
qh = [qmin , q1 , q2 , . . . , qN , qmin ]T RN +2 . Legyen g1 = min{1, qmin }. A fenti g1

(1)
g2
megv-
lasztssal a (10.5.100) s a (10.5.101) sszefggsek egyarnt rvnyesek, ezrt teljesl a (10.5.102) stabilitsi felttel, s gy (10.5.103) rvnyes. Mivel a konzisztenct
(Ph w)(ti ) = (Ph w)(ti ) =
(2)
w(ti ) megvlasztssal mindhrom opertorra mr korbban megmutattuk, a ttel lltsa igaz.
10.5.22. megjegyzs.
maradnak a elegend beltni az
Vegyk szre, hogy a konvergencia beltshoz neknk a (10.5.33) hiba-
egyenletet kell vizsglnunk, azaz azt kell megmutatni, hogy az
Lh opertorok inverzei korltosak [0, e1 , e2 , . . . , eN , 0] tpus vektorokon. Ez azt jelenti, hogy a (10.5.99) felttel helyett
A1 h g
(10.5.104)
(k) N tulajdonsgot. Ezrt az Lh = Lh esetn a h = [1, 1, . . . , 1] R egy alkalmas megvlaszts. Ebben az esetben g1 = qmin s g2 = 1, s ekkor a (10.5.103) becsls megegyezik a (10.5.39)
becslssel.
Befejezsl trjnk t a (10.5.20) azon specilis esetre, amikor
p = q = 0,
azaz tekintsk az
u = r(t), t (0, 1), u(0) = , u(1) =

peremrtk-feladatot. A feladat trgyalst az indokolja, hogy 312 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
(10.5.105)
10.5.
1. A fejezet elejn ismertetett motivcis feladat ilyen tpus peremrtk-feladathoz vezet. (Az egyszersg kedvrt az intervallumot egysgnyi hosszsgnak tekintjk.) Az elzekben a konvergencit csak a specilis viszont nem. 2. Az eddigi maximumnormabeli konvergencira vonatkoz eredmnyeink nem alkamazhatk, mivel korbban feltettk, hogy
2,h normban mutattuk meg, a maximumnormban
p > 0.
A szoksos diszkretizci utn a megoldand lineris algebrai egyenletrendszernk felrhat
Ah yh = fh
alakban, ahol az
(4)
(10.5.106)
Ah R(N +2)(N +2)

1 . h2 . . 0 0 h2 1 0 0 2 1
. . .
(4)
mtrix alakja
0 1 2
. . .
0 0 1
. . .
... ... ...

. . .
0 0 0
. . .
0 0 0
. . .
0 0
0 0
0 0
... ...
0 0
1 0
. . . . . . 2 1 0 h2
0 0 0
0 0 0
(10.5.107)
fh RN +2
a korbban denilt vektor. Knnyen lthat, hogy
Ah
(4)
nem marad szigoran
diagonlisan dominns. Ugyanakkor megmutatjuk, hogy egyenletes M-mtrix. Ehhez elegend megmutatni, hogy tallhat hozz Legyen
gh
vektor a megkvetelt tulajdonsgokkal. (10.5.108)
h gi = 1 + ih(1 ih), h = 1/(N + 1), i = 0, 1, . . . , N + 1.

A
h gh = gi
N +1 i=0
RN +2
vektorra teljeslnek az albbi relcik.
1. Egyszer szmolssal kzvetlenl ellenrizhet, hogy
Ah gh = [1, 2, 2, . . . , 2, 1]T RN +2 .
ih(1 ih) 1/4,
azaz
(4)
2. A szmtani-mrtani kzepek kztti egyenltlensgbl kvetkezen
h gi 5/4.
Teht a
g1 = 1
s a
g2 = 5/4
megvlasztssal a (10.5.100) s a (10.5.101) egyenltlensgek
rvnyesek. Ezrt a globlis hibra fennll az
eh
5 lh (u) 4
(10.5.109)
egyenltlensg, ami a msodik derivlt approximcijnak hibabecslst gyelembevve az
eh
5 Ch2 , C = M4 48
(10.5.110)
msodrend konvergencit bizonyt becslst eredmnyezi.
10.5.6. A diszkrt maximumelv s kvetkezmnyei

Ebben a szakaszban megismerkednk a diszkrt maximumelvvel s megmutatjuk alkalmazhatsgt a stabilits (s azon keresztl a konvergencia) bizonytsra.
15
15 Ez a rsz a 10.5.5. szakasz ismerete nlkl is olvashat.

10.
Tekintsk az
Ai yi1 + Di yi +Ci yi+1 = Bi , i = 1, 2, . . . , N y0 = B0 , yN +1 = BN +1

alak lineris algebrai egyenletrendszert, ahol feltesszk, hogy teljeslnek az
(10.5.111)
Ai , Di , Ci
Bi
adott szmok. A tovbbiakban
Ai , Ci < 0, Di > 0, Ai + Di + Ci 0, i = 1, 2, . . . , N
felttelek.
(10.5.112)
10.5.23. ttel.
Tegyk fel, hogy a (10.5.111) lineris algebrai egyenletrendszerre a (10.5.112) tulajdonsg mellett teljesl a rvnyes az
Bi 0 (i = 1, 2, . . . , N )
felttel is. Ekkor minden
i = 1, 2, . . . , N
indexre
yi max{0, B0 , BN +1 } := ymax
egyenltlensg. Bizonyts. Jellje
(10.5.113)
y > ymax .
Ez azt jelenti, hogy ltezik olyan
tulajdonsg
y := maxi=1,2,...,N yi . Indirekt mdon tegyk fel, hogy az llts nem igaz: k {1, 2, . . . , N } index, amelyre yk = y , s az ilyen indexekre yk > ymax . Ekkor
0 Bk = Ak yk1 + Dk yk + Ck yk+1 = Ak yk1 + Dk y + Ck yk+1 Ak y + Dk y + Ck y = (Ak + Dk + Ck ) y

0 >0
0.
(10.5.114)
Mivel ezen becsls mindkt oldaln nulla ll, ezrt mindentt az
helyett = jel rhat. gy rvnyes

(10.5.115)
Ak yk1 + Dk y + Ck yk+1 = Ak y + Dk y + Ck y
egyenlsg. Ezt trendezve:
Ak (y yk1 ) Ck (y yk+1 ) = 0.
Feltteleink kvetkeztben csak az
(10.5.116)
Ak , Ck > 0
y yk1 , yk+1 .
Ezrt a (10.5.116) egyenltlensg (10.5.117)
yk1 = yk+1 = y
egyenlsg teljeslse esetn lehetsges. Teht ha valamely megoldsa
i = 1, 2, . . . , N
indexre a (10.5.111)
, akkor a megfelel koordinta jobb illetve bal oldali szomszdjnak rtke is
Ezrt a (10.5.117) egyenlsg miatt rvnyes az
yk2 = yk+2 = y
egyenlsg is. Folytatva ezt a gondolatmenetet azt kapjuk, hogy
(10.5.118)
yi = y , i = 0, 1, 2, . . . , N, N + 1.
Mivel
(10.5.119) . Ez az indirekt
y0 = B0
yN +1 = BN +1 , ekkor (10.5.119) kvetkeztben B0 = BN +1 = y

B0 = BN +1 > max{0, B0 , BN +1 }(= ymin )
felttel gyelembevtelvel a (10.5.120)
10.5.
relcit eredmnyezi, ami nyilvnvalan nem lehetsges. A diszkrt maximumelvnek szmos kvetkezmnye van.
10.5.24. kvetkezmny.
i = 1, 2, . . . , N
Tegyk fel, hogy a (10.5.111) lineris algebrai egyenletrendszerre a
korbbi (10.5.112) tulajdonsg mellett teljesl a indexre rvnyes az
Bi 0 (i = 1, 2, . . . , N ) felttel is. Ekkor minden

(10.5.121)
yi min{0, B0 , BN +1 } := ymin
relci. Bizonyts. Az maximumelvbl. Innen kzvetlenl addik az albbi tulajdonsg.
16
yi yi
transzformci utn az llts kzvetlenl kvetkezik a diszkrt
minden
Tegyk fel, hogy a (10.5.111) lineris algebrai egyenletrendszerre a
fenti (10.5.112) tulajdonsg mellett teljesl a
Bi 0 (i = 0, 1, 2, . . . , N, N + 1)
felttel is. Ekkor
i = 0, 1, 2, . . . , N, N + 1
indexre rvnyes az
yi 0
egyenltlensg.
(10.5.122)
A diszkrt maximumelv s kvetkezmnye teht azt mondja ki, hogy a (10.5.111) alak s (10.5.112) tulajdonsg lineris algebrai egyenletrendszer megoldsa nempozitv jobb oldal esetn a nemnegatv maximumt (illetve nemnegatv jobb oldal esetn a nempozitv minimumt) felveszi azokban a koordintkban, ahol a megoldsok adottak.
10.5.26. kvetkezmny. Tegyk fel, hogy a (10.5.111)-(10.5.113) lineris algebrai egyenletrendszerben minden
i = 1, 2, . . . , N
esetn
Bi = 0.
Ekkor (10.5.123)
|yi | max{|B0 |, |BN +1 |}, i = 0, 1, 2, . . . , N, N + 1.
10.5.27. kvetkezmny. A (10.5.111)-(10.5.113) lineris algebrai egyenletrendszernek legfeljebb

egy megoldsa lehetsges.
17
Bizonyts. lltsunkhoz azt szksges beltnunk, hogy a homogn egyenletnek (azaz amikor
Bi = 0 minden i = 0, 1, . . . , N +1 indexre) csak a trivilis megolds (yi = 0, i = 0, 1, . . . , N +1) az

egyetlen megoldsa. Ez viszont a 10.5.25. kvetkezmnybl kzvetlenl addik: mivel feltevsnk miatt
B0 = BN +1 = 0,
ezrt (10.5.123) alapjn minden
i = 0, 1, . . . , N + 1
indexre
|yi | = 0,
ami
az lltsunkat jelenti.
Tekintsk a (10.5.111) lineris algebrai egyenletrendszer mellett az
Ai yi1 + Di yi +Ci yi+1 = Bi , i = 1, 2, . . . , N, y0 = B0 , yN +1 = BN +1
(10.5.124)
16 Ezt a tulajdonsgot az irodalomban nemnegativits-megmaradsi elvnek szoksos nevezni. 17 Ez a kvetkezmny a (10.5.111) lineris algebrai egyenletrendszer megoldsnak unicitst jelenti.
10.
feladatot is. Ha a (10.5.112) tulajdonsg mellett feltesszk, hogy
|Bi | Bi , i = 0, 1, . . . , N + 1,
akkor a megoldsokra rvnyes az
(10.5.125)
|yi | yi , i = 0, 1, . . . , N + 1
becsls.
18
(10.5.126)
Bizonyts. Vezessk be a
vi = yi yi , wi = yi + yi
jellseket! Ekkor ezen j vektorok kielgtik az
(10.5.127)
Ai vi1 + Di vi +Ci vi+1 = Bi Bi , i = 1, 2, . . . , N v0 = B0 B0 , vN +1 = BN +1 BN +1

illetve az
(10.5.128)
Ai wi1 + Di wi +Ci wi+1 = Bi + Bi , i = 1, 2, . . . , N w0 = B0 + B0 , wN +1 = BN +1 + BN +1
(10.5.129)
lineris algebrai egyenletrendszereket. Mivel mindkt rendszer jobb oldala nemnegatv, ezrt a 10.5.25. kvetkezmny szerint minden szont az
i = 0, 1, . . . , N + 1
indexre
vi 0
wi 0.
Ez vi-
yi yi
s az
yi yi
relcit, azaz lltsunkat eredmnyezi.
A 10.5.28. kvetkezmny jl alkalmazhat az olyan (10.5.112) tulajdonsg (10.5.111) alak lineris algebrai egyenletrendszerek megoldsnak becslshez, amelyben tekintsk az
B0 = BN +1 = 0.
Teht
Ai yi1 + Di yi +Ci yi+1 = Bi , i = 1, 2, . . . , N y0 = 0, yN +1 = 0

feladatot! Vezessk be az
(10.5.130)
Ei = Di + Ai + Ci , Emin =
i=1,2,...,N
min
Ei , Fmin =
s
i=1,2,...,N
min
(Ai Ci ), Bmax = max |Bi |

(10.5.131)
jellseket! A (10.5.112) felttel miatt
Emin 0
Fmin > 0.
18 Ezt a kvetkezmnyt a (10.5.111) lineris algebrai egyenletrendszer (jobb oldal szerinti) szoksos nevezni.
monotonitsnak
10.5.
10.5.29. ttel.
Tegyk fel, hogy a (10.5.130) lineris algebrai egyenletrendszerre a. rvnyesek a (10.5.112) tulajdonsgok, b. ha van olyan egyenlet, ahol az egytthatk sszege nulla, akkor az egyenlk, azaz
Ai
Ci
egytthatk (10.5.132)
Ai = Ci , i = 1, 2, . . . , N,
Ekkor az
ha
Emin = 0.
y := Bmax , i = 0, 1, 2, . . . , N + 1, i Emin y := Bmax i(N + 1 i), i = 0, 1, 2, . . . , N + 1, i Fmin

egyenletrendszer
ha
Emin > 0;
(10.5.133)
ha
Emin = 0
rcsfggvny majorlja a (10.5.112) s (10.5.132) tulajdonsg (10.5.130) lineris algebrai
yi
megoldsnak abszolt rtkt, azaz
|yi | yi , i = 0, 1, . . . , N + 1.
Bizonyts. Elszr tegyk fel, hogy
(10.5.134)
Emin > 0.
Ekkor behelyettestve a (10.5.133) konstans
Bmax /Emin Ai
rtk rcsfggvnyt a (10.5.130) egyenlet bal oldalba az (10.5.135)
Bmax Bmax Bmax Bmax Bmax + Di + Ci = (Ai + Di + Ci ) = Ei Bmax |Bi | Emin Emin Emin Emin Emin i = 1, 2, . . . , N
esetn. Mivel nyilvnvalan
relcit nyerjk minden
Bmax /Emin 0 = B0 =
BN +1 ,
ezrt a 10.5.28. kvetkezmny alapjn erre az esetre a (10.5.134) lltsunkat belttuk.
Trjnk t az
Emin = 0
esetre! Helyettestsk be most is a (10.5.133) szerinti rcsfggvnyt
a (10.5.130) egyenlet bal oldalba. Knnyen ellenrizhet, hogy ebben az esetben
Ai yi1 + Di yi + Ci yi+1 = Bmax = [Ai (i 1)(N + 1 i + 1) + Di i(N + 1 i) + Ci (i + 1)(N + 1 i 1)] = Fmin Bmax = [i(N + 1 i)(Ai + Di + Ci ) + (Ci Ai )(N + 1 i) + i(Ai Ci ) (Ai + Ci )] . Fmin
(10.5.136) Mivel ebben az esetben
Ai = C i ,
ezrt a (10.5.136) alapjn az
Ai yi1 + Di yi + Ci yi+1 =
Bmax [i(N + 1 i)Ei (Ai + Ci )] Fmin
Bmax ((Ai + Ci )) Bmax |Bi | Fmin relcit nyerjk minden i = 1, 2, . . . , N esetn. Mivel nyilvnvalan y0 = yN +1 = 0 = B0 = BN +1 ,
ezrt a 10.5.28. kvetkezmny alapjn erre az esetre is belttuk a (10.5.134) lltsunkat.
(10.5.137)
A szmtani-mrtani kzepek kztti egyenltlensg alapjn
i(N + 1 i)
i + (N + 1 i) N +1 = . 2 2
10.
Ezrt
(N + 1)2 Bmax Bmax i(N + 1 i) . Fmin 4 Fmin
gy a (10.5.130) lineris algebrai egyenletrendszer megoldsra rvnyes az
|yi |
Bmax , i = 0, 1, 2, . . . , N + 1, E min B max (N + 1)2 , i = 0, 1, 2, . . . , N + 1, Fmin 4
ha
Emin > 0;
(10.5.138)
ha
Emin = 0
becsls.
rjuk fel a (10.5.111) lineris algebrai egyenletrendszert a szoksos
Ah yh = bh
mtrix-vektor alakban. A 10.5.30. kvetkeznny alapjn ekkor rvnyes a
(10.5.139)
yh
1 bh E min
ha
Emin > 0;
(10.5.140)
(N + 1)2 bh 4Fmin
ha
Emin = 0.
becsls. Mivel
yh = A1 bh , ezrt teht h
1 , E min (N + 1)2 , 4Fmin
ha
Emin > 0;
(10.5.141)
A1 h
ha
Emin = 0.
A 10.5.16. ttel s a 10.5.31. kvetkezmny alapjn kimondhat az albbi absztrakt lltst.
10.5.
10.5.32. ttel.
Tegyk fel, hogy (10.5.88) egy olyan diszkretizcija a (10.5.74) opertoregyenletnek, amelyre teljeslnek az albbi tulajdonsgok. 1. Az 2. Az vel. 3. A mtrix egytthatira teljeslnek a (10.5.112) felttelek. 4. A (10.5.131) ltezik olyan jellsek mellett tegyk fel, hogy
Lh Lh
opertor
p-ed
rendben konzisztens az
opertorral.
opertor lerhat a (10.5.111) bal oldaln szerepl tridiagonlis mtrix segtsg-
Emin = 0
esetn (10.5.132) teljesl, s
C N -tl
fggetlen pozitv lland, amelyre
(N + 1)2 C 4Fmin
minden Ekkor az
(10.5.142)
esetn.
Lh
numerikus mdszerrel kapott kzelt megolds
p-ed
rendben konvergens.
Befejezsl egy pldn mutatjuk meg a 10.5.32. ttel alkalmazst.
10.5.33. plda.
Mutassuk meg, hogy a (10.5.27) paramterek megvlasztsa esetn
a (10.5.21) sma msodrendben konvergl a (10.5.20) peremrtk-feladat megoldshoz! A 10.5.32. ttelt felhasznlva elegend megmutatnunk, hogy a ttel felttelei teljeslnek. 1. A msodrend konzisztencit a szakasz elejn mr megmutattuk. (Lsd pl. a (10.5.32)). 2. Ez a tulajdonsg a feladatbl nyilvnval. 3. Az egytthatk (10.5.27) alakjbl illetve a 10.5.2. ttelbl lthatan megfelelen kis
esetn ez a tulajdonsg is teljesl.
4. Mivel
miatt a sma stabil a
Emin = min q(t), ezrt q(t) qmin > 0 esetn Emin > 0, s gy a (10.5.141) C = 1/Emin stabilitsi llandval. Amikor p(t) = q(t) = 0, vagyis a (10.5.105) feladatot tekintjk, akkor Emin = 0. Ebben az esetben (10.5.27) 2 2 alapjn nyilvnvalan ai = ci s Fi = 2/h . Ezrt Fmin = 2/h , s gy a h = 1/(N + 1)
sszefggs kvetkeztben
(N + 1)2 h2 (N + 1)2 1 = = =: C. 4Fmin 8 8
(10.5.143)
Teht a ttel felttelei teljeslnek, ezrt a sma valban msodrendben konvergl.
10.5.34. megjegyzs.
Az elzekben megmutattuk, hogy a konvergencia msodrend, azaz
h 0 esetn a globlis hiba C h2 mdon tart nullhoz. Ugyanakkor a gyakorlatban fontos konstansnak (avagy egy les becslsnek) az ismerete. Ezt az l(u) loklis approximcis hiba a C h2 -es tagjnak egythatjbl s a stabilitsi llandbl kaphatjuk. Ezrt a pldnkban qmin > 0
10.
esetn ez a konstans
C=
M4 pmax M3 + 12 6
/qmin , Mj = max |u(j) |, pmax = max |p|,

[a,b] [a,b]
s gy a (10.5.39) becslssel megegyez eredmnyt kapunk. Ha teht becslsnk lesebb, mint a (10.5.110) hibabecsls.
p = q = 0,
akkor
C = M4 /96,
10.6. A peremrtk-feladatok numerikus megoldsa MATLAB segtsgvel

A peremrtk-feladatok numerikus megoldsra a MATLAB a bvp4c rutint javasolja. Ez a rutin a ktpontos peremrtkfeladatokat elg ltalnos esetben kpes megoldani: egyrszt nem szeparlt peremfelttelek is megadhatk (amikor nem csak a kt vgpontbeli fggvnyrtkek illetve derivltak adottak kln-kln a vgpontokban, hanem azok kombincii), msrszt a peremfelttelben paramter is megadhat. Mdszerknt az n. kollokcis mdszert alkalmazza, amelynek eredmnyeknt egy nemlineris algebrai egyenletrendszert nyernk. Ennek megoldsra a Newton mdszert alkalmazzuk. Mivel ehhez a bemen fggvnyek parcilis derivltjai is szksgesek, ezeket is kzeltleg, nevezetesen vges dierencikkal hatrozzuk meg. A mdszer rszletei megtallhatk a
http://200.13.98.241/~martin/irq/tareas1/bvp_paper.pdf
linken a "Solving Boundary Value Problems for Ordinary Dierential Equations in MATLAB with bvp4c (Lawrence F. Shampine, Jacek Kierzenka, Mark W. Reichelt) lersban. Nagyon hasznos tovbb a
http://www.mathworks.com/matlabcentral/fileexchange/3819
link, ahol a bvp4c rutin hasznlatra tallhat egy oktatanyag s szmos kidolgozott plda. Javasoljuk mg a
http://www.mathworks.com/help/techdoc/ref/bvp4c.html
linket, ahol a bvp4c lersa mellett tovbbi terleteken val alkalmazhatsga is szerepel. Az anyagunkban szerepl kt alapvet mdszernkre, a belvses mdszerre illetve a vges dierencik mdszerre a megfelel MATLAB programok nllan is elkszthetk. Ennek lersval s egy modellfeladaton val alkalmazsval a tovbbiakban foglalkozunk.
10.6.1. A modellfeladat: stacionrius heloszls homogn vezetkben

Tegyk fel, hogy egy hossz s vkony vezetk kt, lland hmrsklet fal kztt helyezkedik el. A vezetk vastagsga a hosszsghoz kpest elhanyagolhat, gy a sugrirny hmrskeletvltozs (radilis sugrzs) elhanyagolhat, s ezrt a hmrsklet csak az
x egydimenzis trbeli
koordinttl fgg. A hramls egyrszt a vezetkben trtn hosszirny hramls, msrszt a vezetk s a vezetket krbevev lland hmrsklet gz kztti konvekci hatsra trtnik. Feladatunk a stacinrius heloszls meghatrozsa. rjuk fel elszr a mrlegegyenletet egy huxust [mrtkegysge:
x hosszsg elemre! Jellje q(x) az x ponthoz tartoz J/(m2 s)], Ac a keresztmetszet terlett [m2 ]), azaz Ac = r2 , ahol r 2 a vezetk sugara. Legyen Dkon a konvekcis hvezetsi egytthat [J/(Km s)], ahol K a Kelvin 2 hfok, As az elem fellete [m ], azaz As = 2rx, s T a krbevev gz hmrsklete [K]. Az x pontbeli ismeretlen hmrskletet T (x) jelli. Ekkor a mrlegegyenlet alapjn q(x)Ac = q(x + x)Ac Dkon As (T T (x)),
320 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) (10.6.1)
10.6.
A peremrtk-feladatok numerikus megoldsa MATLAB segtsgvel
ahol a bal oldalon a bemen hmennyisg, a jobb oldalon pedig a kimen hmennyisg s a konvekci okozta vesztesg szerepel. Leosztva a (10.6.1) egyenlsget az elemi rsz trfogatval (r
x),
trendezs utn a
q(x + x) q(x) 2Dkon + (T T (x)) = 0 x r x 0

hatrrtkre, (10.6.2) a
(10.6.2)
egyenlsget kapjuk. ttrve a
q (x) +
2Dkon (T T (x)) = 0 r
(10.6.3)
egyenletet eredmnyezi. Mivel Fourier trvnye alapjn a uxusra
q(x) = Dhov T (x), ahol Dhov
[J/(Kms)] a hvezetsi egytthat, ezrt a (10.6.3) egyenlet felrhat
T (x) + D(T T (x)) = 0

alakban, ahol
(10.6.4)
D=
a hleadst jellemz lland [m
2Dkon rDhov L,
s jellje (10.6.5)
]. Legyen a vezetk hosszsga
T (0) = T0 ,
ahol
T (L) = T1 ,
T0
T1
a bal illetve jobb oldali fal hmrsklete. Ekkor teht matematikai modellnk
a (10.6.4)(10.6.5) ktpontos peremrtk-feladat. A (10.6.4)(10.6.5) feladat megoldsa analitikusan elllthat. Ugyanis az egyenlet trhat
T (x) DT (x)) = DT
(10.6.6)
alakra, amelynek megoldshoz a homogn egyenlet ltalnos megoldsa s egy partikulris megolds ismerete szksges. Mivel a
Thom (x) = C1 ex + C2 ex ,
= D jellsekkel a homogn feladat ltalnos megoldsa ahol C1 s C2 tetszleges llandk, a Tpart (x) = T pedig egy T (x) = C1 ex + C2 ex + T .
partikulris megolds, ezrt a (10.6.6) egyenlet ltalnos megoldsa (10.6.7)
A kpletben szerepl llandkat a (10.6.5) peremfelttelekbl hatrozhatjuk meg:
C1 =
(T0 T )eL (T1 T ) (T0 T )eL + (T1 T ) , C2 = . L eL e eL eL
(10.6.8)
L = 10, Dkon = 1, Dhov = 200, r = 0.2, T = 200, T0 = 300, T1 = 400. (Adataink a korbban megadott mrtkegysgekben rtendk.) Ekkor D = 0.05, s a feladatunk megoldsa a
A tovbbiakban az albbi adatokkal szmolunk:
T (x) = 20.4671e
fggvny.
19
0.5x
+ 79.5329e
0.5x
+ 200
(10.6.9)
19 Amikor a pontos megoldst beprogramozzuk, nem a (10.6.9) kpletben szerepl llandkat adjuk meg kzvetlenl, hanem a MATLAB segtsgvel a (10.6.7) kpletbl szmoljuk ki.
10.
10.6.2. A tesztfeladat numerikus megoldsa MATLAB segtsgvel

Alkalmazzuk a belvses mdszert a (10.6.4)(10.6.5) feladatra. Els lpsben felrjuk a msodrend kznsges dierencilegyenletet egy ktismeretlenes, elsrend rendszerknt:
T (x) = z(x), z (x) = D(T T (x)).

Kezdeti felttelknt a
(10.6.10)
T (0) = T0 ,
feltteleket adjuk meg, ahol felttel teljesljn.
z(0) = z0 T (x)
megoldsra a
(10.6.11)
T0
ismert,
z0
rtkt a belvses mdszernek megfelelen pedig gy
vlasztjuk meg, hogy a (10.6.10)(10.6.11) kezdetirtk-feladat
T (L) = T1
A belvses mdszer algoritmust kvetve MATLAB programunkat kt rutin segtsgvel adjuk meg. A bvps rutin adott (N x) illetve az ismeretlen terknt a vgponti (x
z0 z
rtk mellett az explicit Euler-mdszerrel kiszmolja a numerikus
megoldst. Bemen paramterknt a
[0, L] intervallum felosztshoz szksges osztsrszek szma
komponens-fggvny kezdeti rtke (z0) szerepel. Kimen param-
= L)
hmrsklet (T L), a csompontokban szmolt hmrskletek (T vect)
s a csompontok koordinti (xvect) szerepelnek. A rutin a kvetkez:
function [TL,Tvect,xvect] = bvpsee(Nx,z0) % % Belvses mdszer (shooting method) egy L hosszsg rd stacionrius % heloszlsnak kiszmtsra. Ez a kvetkez ktpontos peremrtk-feladat % megoldst ignyli: % % d2 T % - +D(T inf T ) = 0, T (0) = T 0, T (L) = T 1 % dx2 % A kezdetirtk-feladat megoldsra az egyszer explicit Euler-mdszert % alkalmazzuk. % Nx: a trbeli osztsrszek szma % z0: a kezdeti meredeksg T0 = 300; % bal oldali vgponteli peremfelttel T1 = 400; % jobb oldali vgponteli peremfelttel Tinf = 200; % kls hmrsklet D = 0.05; % lland L = 10; % a rd hossza xs = 0; % kezdpont koordintja T = T0; % kezdeti felttel deltax=L/Nx; Tvect(1) = T; xvect(1) = xs; z=z0; for i=2:Nx+1 dTdx = z; dzdx = -c * (Tinf - T); T = T + dTdx * deltax; % Euler mdszer z = z + dzdx * deltax; xvect(i) = xs + (i-1)*deltax; Tvect(i) = T; end; TL=T;
10.6.
Ezzel a rutinnal teht egy adott kezdeti
rtkkel tudjuk meghatrozni a hmrskleteloszlst.
Nyilvnvalan ez nmagban nem elegend, hiszen a kiszmolt
mdszer algoritmust kvetve a bvps rutinnal klnbz kezdeti
T L klnbzik T 1-tl. A belvses z(0) rtkekre kiszmoljuk a vgpontbel T L hmrskletet, s az gy kapott rtkekkel kiszmoljuk a z(0) rtkhez tartoz (z(0)) = T L(z(0)) T 1 eltrseket. Mivel olyan z (0) rtket keresnk, amelyre (z (0)) = 0, ezrt a (z(0), (z(0))) pontokra interpolcis polinomot fektetnk, s a keresett z (0) ennek a
zrushelye lesz. Ezt a kt lpst a programban a (10.4.10) szerinti inverz interpolcival vgezzk el. A fenti lpseket a shooting rutin hajtja vgre, amelynek bemen paramterei a kvetkezk:
N x:
[0, L]
a
intervallum felosztshoz szksges osztsrszek szma, kezdeti rtke (ami az ismeretlen
zstart: deltaz : N z:
z(0)
fggvny gradienst jelenti az
x = 0
pontban, azaz a hmrsklet gradiense a kezdet idpontban), a klnbz
z(0)
rtkek meghatrozsra szolgl megvltozs,
a kezdeti
nevezetesen a rozzuk
zstart rtkektl jobbra s balra tovbbi N z szm z(0) rtkkel szmolunk, z(0) = zstart k deltaz (k = 1, 2, . . . , N z ) kezdeti rtkekkel is meghat-
TL
rtkt. (Ezzel lltjuk el az interpolcis alappontokat.)
A rutin opcionlisan kirja a numerikus megoldst, s a pontos megolds ismeretben kirja a maximumnormabeli hibt s kirajzolja a pontos s kzelt megoldsokat.
function shooting(Nx,zstart,deltaz,Nz) % % Belvses mdszer (shooting method) egy L hosszsg rd stacionrius % heloszlsnak kiszmtsra. Ez a kvetkez ktpontos peremrtk-feladat % megoldst ignyli: % % d2 T % - +D(T inf T ) = 0, T (0) = T 0, T (L) = T 1 % dx2 % A kezdetirtk-feladat megoldsra a bvps nev rutint alkalamzzuk. % Nx: a trbeli osztsrszek szma % z0: a kezdeti meredeksg T0 = 300; % bal oldali vgponteli peremfelttel T1 = 400; % jobb oldali vgponteli peremfelttel Tinf = 200; % kls hmrsklet D = 0.05; % lland L = 10; % a rd hossza xs = 0; % kezdpont koordintja T = T0; % kezdeti felttel deltax=L/Nx; zv(Nz+1)=zstart; z=zv(Nz+1); [T,Tvect,xvect]=bvpsee(Nx,z);Tvegpont(Nz+1)=T; for i=1:Nz zv(i)=zstart-(Nz+1-i)*deltaz; z=zv(i); [T,Tvect,xvect]=bvpsee(Nx,z);Tvegpont(i)=T; zv(Nz+1+i)=zstart+i*deltaz; z=zv(Nz+1+i);
10.
x eh
rend
1 64.0278e + 000
0.1 4.6133e 001 1.1453e 001
0.01 4.6786e 002 1.0142e 001
0.001 4.6852e 003 1.0014e 001
0.0001 4.6859e 004 1.0001e 001
10.6.1. tblzat. A belvses mdszer explicit Euler-mdszeres vltozatnak hibja a maximumnormban a tesztfeladatra, s a konvergencia rendje.
[T,Tvect,xvect]=bvpsee(Nx,z);Tvegpont(Nz+1+i)=T; end for i=1:2*Nz+1 Tvegpont(i); zv(i); end % A gyk megkeressre az inverz interpolcit alkalmazzuk. Tint=Tvegpont-Tb; z=interp1(Tint,zv,0); fprintf('A meredeksg: %fn',z) [Tfinal,Tvect,xvect]=bvpsee(Nx,z); % A Meg nev mtrixba sszerakjuk a numerikus megoldst s utna % szksg esetn kiiratjuk Meg=ones(Nx+1,3); for i=1:Nx+1 Meg(i,1)=i; Meg(i,2)=xvect(i); Meg(i,3)=Tvect(i); end % disp(' csompont koordin. hmrsklet') % disp(Meg) % plot(xvect,Tvekfinal); % Ha ismerjk a pontos megoldst, akkor adjuk meg % egy pontosshooting nev fggvnyben. % Ekkor a hiba kiszmithat s opcionlisan kirajzolhatjuk a pontos % s kzelt megoldsokat. % [Tpontos,zpontos]=pontosshooting(Nx,xvect); % hiba=norm(Tvect-Tpontos,inf); % disp('lpskz s hiba max. normban:'),deltax, hiba % i=1:Nx+1; % plot(i,Tvect,'r', i, Tpontos,'b') xlabel('rd'), % ylabel('belvses mdszer (piros), % pontos megolds (kk)')
Mivel a (10.6.9) kplet segtsgvel ismerjk a pontos megoldst, ezrt a belvses mdszert klnbz paramterek mellett tesztelni tudjuk. A a 10.6.1.-10.6.4. brkon lthatk.
x lpskz fggvnyben a hibavektor maxi-
mumnormjt a 10.6.1. tblzat mutatja. A pontos s numerikus megoldsok az egyes rcshlkon
10.6.1. megjegyzs.
nagyobb
Futtatsainkat
Nz = 4
zstart = 12
rtkekkel hajtottuk vgre. Ha
Nz
rtket vlasztunk, akkor sem vltozik a futs eredmnye. Ennek oka, hogy a teszt-
feladatunk lineris, azaz a 10.4.2. szakasz rtelmben direkt mdon is kiszmolhat kt adat 324 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
10.6.
x eh
rend
1 6.3073e 001
0.1 6.6929e 003 1.0611e 002
0.01 6.7386e 005 1.0068e 002
0.001 6.7433e 007 1.0007e 002
0.0001 6.7446e 009 1.0002e 002
10.6.2. tblzat. A belvses mdszer javtott explicit Euler-mdszeres vltozatnak hibja a maximumnormban a tesztfeladatra s a konvergencia rendje.
ismeretben a kezdeti meredeksg. Ezrt lnyegben nem szksges tbb pont megadsa, st, valjban az kaptunk.
Nz = 2
is elegend. Ehhez elegend sszehasonltani a 10.6.5. s a 10.6.1. br-
kat, amelyeket ugyanolyan trbeli felosztsra, de klnbz
Nz
rtkekre (N z
=2
N z = 10)
10.6.2. megjegyzs.
Ha nagyon tvoli
zstart
rtket adunk meg, akkor kevs interpolcis
alappont esetn elfordulhat, hogy az inverz interpolci nem mkdik. (A nulla rtk kivl esik az alappontokon.) Ilyenkor clszer elzetesen nhny nll futtatst vgezni a bvps rutinnal, s kzeltleg meghatrozni a keresett
rtket.
10.6.3. megjegyzs. Ha az explicit Euler-mdszer helyett a msodrend javtott Euler-mdszerrel

szmolunk, akkor eredmnyeink hibi a 10.6.2. tblzatban lthatk. Mint az vrhat volt, a mdszernk msodrendben konvergens.
10.6.1. bra. A stacionrius hmrskleteloszls az pont ekvidisztns rcshln.
L = 10m
hosszsg vezetkben
10
oszts-
Trjnk t a (10.6.4)(10.6.5) feladat vges dierencis megoldsra. Nem rszletezve az altankonyvtar.bme.hu 325
10.
10.6.2. bra. A stacionrius hmrskleteloszls az tspont ekvidisztns rcshln.
L = 10m
hosszsg vezetkben
100
osz-
L = 10m
hosszsg vezetkben
1000
osz-
goritmust, megadjuk a vdm1 rutint, amely a vges dierencik mdszervel megoldja a fenti megadni. Kimen adatknt a csompontok koordintit (xvect) illetve a csompontokhoz tarto326 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) feladatot. Itt bemen paramterknt az
hosszsg vezetk osztsrszeinek szmt (Nx) kell
10.6.
L = 10m
hosszsg vezetkben
10000
osz-
10.6.5. bra. A stacionrius hmrskleteloszls az tspont ekvidisztns rcshln kt alappontra (N z
L = 10m hosszsg vezetkben 10 = 2) tmaszkod interpolcval.
osz-
z kzelt megoldst tartalmaz vektort (Tmego) kapjuk.
10.
osztsrszek szma
hiba max. normban
rend
3 6 12 24 48 96 192 384 768 1536
1.7002e + 000 4.5604e 001 1.1647e 001 2.9205e 002 7.3158e 003 1.8293e 003 4.5734e 004 1.1434e 004 2.8582e 005 7.1573e 006
2.6823e 001 2.5540e 001 2.5074e 001 2.5050e 001 2.5004e 001 2.5001e 001 2.5000e 001 2.4999e 001 2.5041e 001
10.6.3. tblzat. A vges dierencik mdszernek hibja felezd lpshosszal. A harmadik oszlop a rendet mutatja. (Az elmleti rendnem megfelel hnyados
0.25.)
function[xvect,Tmego]=vdm1(Nx) Ta = 300; % bal oldali vgponteli peremfelttel Tb = 400; % jobb oldali vgponteli peremfelttel Tinf = 200; % kls hmrsklet c = 0.05; % lland L = 10; % a vezetk hossza ndivs = Nx; nunknowns = ndivs - 1; deltax = L/ndivs; A = -(2 + deltax^2*c); B = -deltax^2*c*Tinf; for i=1:Nx+1, % a diszkretizcis alappontok ellltsa xvect(i)=(i-1)*deltax; end; matrix = zeros(nunknowns); % a lin. egyenletrendszer sszelltsa kezddik matrix(1,1) = A; % az els egyenlet sszelltsa matrix(1,2) = 1; rhs(1)= B - Ta; for i = 2:nunknowns - 1 % a bels pontokhoz tartoz egyenletek matrix(i,i-1) = 1; matrix(i,i) = A; matrix(i,i+1) = 1; rhs(i)= B; end; matrix(nunknowns, nunknowns-1) = 1; % az utols egyenlet sszelltsa matrix(nunknowns, nunknowns) = A; rhs(nunknowns)= B - Tb; T = matrix\rhs'; % a lineris egyenlet megoldsa Tmego(1)= Ta; % a teljes megoldsvektor ellltsa Tmego(2:1 + nunknowns) = T(:); Tmego(nunknowns + 2) = Tb;
Eredmnyeinket a tesztfeladatra a 10.6.3. tblzatban adjuk meg. Az els hrom esethez (azaz amikor
N x = 3, 6, 9)
tartoz vges dierencis megoldst a pontos megoldssal egytt a 10.6.6.-
10.6.8. brkon brzoltuk. 328 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
10.6.
10.6.6. bra. A stacionrius hmrskleteloszls az
L = 10m
hosszsg vezetkben vges diffe-
rencikkal a ngy pontbl ll ekvidisztns rcshln.
10.6.7. bra. A stacionrius hmrskleteloszls az rencikkal a 7 pontbl ll ekvidisztns rcshln.
L = 10m
Befejezsl hasonltsuk ssze mdszereinket ugyanazon diszkrt rcshln! Legyen azaz 9 osztspont,
N x = 8, x = 1.25 lpskz rcshln hasonltjuk ssze az explicit Euler- s javtott
explicit Euler-mdszeres belvses eredmnyeinket, valamint a vges dierencis mdszert a pontankonyvtar.bme.hu 329
10.
10.6.8. bra. A stacionrius hmrskleteloszls az rencikkal a 10 pontbl ll ekvidisztns rcshln.
L = 10m
rcspont
explicit Euler
javtott EE
vges dierencik
pontos megolds
0 1.2500 2.5000 3.7500 5.0000 6.2500 7.5000 8.7500 10.0000
300.0000 287.2008 282.2141 284.0400 292.2889 307.1033 329.1279 359.5199 400.0000
300.0000 287.6551 282.0058 282.6293 289.5832 303.4096 325.1783 356.5687 400.0000
300.0000 287.3173 281.4562 281.9589 288.8646 302.7129 324.5856 356.1916 400.0000
300.0000 287.3173 281.4562 281.9589 288.8646 302.7129 324.5856 356.1916 400.0000 Nx = 8

feloszts esetn. A
10.6.4. tblzat. A klnbz mdszerek eredmnyei a tesztfeladatra
pontos megolds piros, az explicit Euler-mdszeres belvses mdszer zld, a javtott explicit Euler-mdszeres belvses mdszer fekete, a vges dierencs megolds pedig kk.
tos megoldssal. Eredmnyeinket a 10.6.4. tblzat tartalmazza. A megoldsokat a 10.6.9. brn lthatjuk. Mivel a megoldsok kzel haladnak egymshoz, az bra egy rsze kinagytva lthat a 10.6.10. brn.
10.7. Feladatok
Kznsges dierencilegyenletek peremrtk feladatai
10.7.
Feladatok
10.6.9. bra. A stacionrius hmrskleteloszls az mdszerekkel a
L = 10m
hosszsg vezetkben a klnbz
x = 1.25
lpskz ekvidisztns rcshln.
10.6.10. bra.
Kinagytva az elz bra. A pontos megolds szne piros, az explicit Euler-
mdszeres belvses mdszer zld, a javtott explicit Euler-mdszeres belvses mdszer fekete, a vges dierencis megolds pedig kk.
10.7.1. feladat. Mutassuk meg, hogy az
u = (5u + sin(3u)) et ; u(0) = 0, u(1) = 0

10.
feladatnak ltezik egyrtelm megoldsa. (tmutats. Vizsgljuk meg a jobb oldali fggvny lipschitzessgt!) 10.7.2. feladat. Mutassuk meg, hogy az
u = sin(tu) + u2 ; u(1) = 3, u(4) = 7

s az
y = 16 sin(t(4s + 1)y) + y 2 ; y(0) = 3, y(1) = 7

peremrtk-feladatok ekvivalensek egymssal. (tmutats. Alkalmazzuk a fggetlen vltoz transzformcijt!) 10.7.3. feladat. Mutassuk meg, hogy az
u = 2 exp(t cos u); u(0) = 0, u(1) = 0

feladatnak ltezik egyrtelm megoldsa. (tmutats. Vizsgljuk meg a jobb oldali fggvny lipschitzessgt!) 10.7.4. feladat. Hatrozzuk meg azon
(, )
prokat, amelyekre az
u = u; u(0) = , u(1) =
feladatnak ltezik egyrtelm megoldsa. 10.7.5. feladat. Hatrozzuk meg
u 2 + u = 0; u(0) = , u(1) =
feladat megoldst! Van olyan
(, )
pr, amelyre a feladatnak nem ltezik megoldsa?
10.7.6. feladat. lltsuk el az
u = u2 u(0) = 2/3, u(1) = 3/8

feladat megoldst! 10.7.7. feladat. Vizsgljuk meg a 10.7.6. feladatot az
u(0) = 0, u(1) = 1
peremfelttelekkel! 10.7.8. feladat. Tekintsk az
u = 4u, u(0) = 1, u(/2) = 1

peremrtk-feladatot! Melyik llts igaz az albbiak kzl?
nincs megoldsa; pontosan kt megoldsa van; pontosan egy megoldsa van; az elemi fggvnyek krben nincs megoldsa;
10.7.
Feladatok
egynl tbb megoldsa van.
10.7.9. feladat. Adjuk meg a 10.7.8. feladat krdseire a helyes vlaszokat, ha a feladat peremfelettelei
u(0) = 1, u(/2) = 2
alakak!
Belvses mdszer
10.7.10. feladat. Hatrozzuk meg a belvses mdszer sorn meghatrozand (10.4.6) szerinti
h(c)
fggvnyt az
u = u, u(0) = 1, u(/2) = 3
peremrtk-feladatra! Oldjuk meg a
h(c) = 0 h(c)
egyenletet!
10.7.11. feladat. Hatrozzuk meg a
fggvnyt a
u = u u1 , u(1) = 3, u(2) = 5
peremrtk-feladatra! Oldjuk meg a feladatot a 10.7.12. feladat. Oldjuk meg az
fggvny felhasznlsval!
u + y + 2 + 2(t 2) = 0, u(1) = 0, u(2) = 1

peremrtk-feladatot a belvses mdszer segtsgvel. rjunk MATLAB programot a mdszer vgrehajtsra! Alkalmazzuk az EE-mdszert a kezdetirtk-feladatok megoldsra! 10.7.13. feladat. Oldjuk meg az
u = et + u cos t (t + 1)u , u(0) = 1, u(1) = 3

peremrtk-feladatot a belvses mdszer segtsgvel! Alkalmazzuk az RK2 mdszert a kezdetirtk-feladatok megoldsra! 10.7.14. feladat. Oldjuk meg a a 10.7.13. peremrtk-feladatot a belvses mdszer segtsgvel! Alkalmazzuk most az RK4 mdszert megoldsra! 10.7.15. feladat. rjuk t a bvpsee.m s shooting.m m-fjlokat arra az esetre, amikor a kezdetirtk-feladatok megoldsra ez explicit Euler-mdszer helyett a negyedrend RK4-mdszert alkalmazzuk! 10.7.16. feladat. rjuk t a bvpsee.m s shooting.m m-fjlokat gy, hogy az inverz interpolci helyett felrjuk a
h = 0.01
megvlasztssal a kezdetirtk-feladatok
fggvny Lagrange-interpolcijt s annak a gykt keressk meg!
Vges dierencik mdszere
10.7.17. feladat. Hatrozzuk meg
h = 0.5
lpskz mellett vges dierencik mdszervel az
u + 2u + 10t = 0, u(0) = 1, u(1) = 2

peremrtk-feladat megoldst a
t = 0.5
pontban!
10.
10.7.18. feladat. rjunk fel egy vges dierencik mdszern alapul diszkretizcit az
u = u u1 , u(1) = 3, u(2) = 5
peremrtk-feladat megoldsra! 10.7.19. feladat. rjuk fel az opertoregyenletes alakot az
u + cu = f, x (0, l), u (0) = , u(l) =

feladatra! 10.7.20. feladat. rjuk fel a 10.7.19. feladat vges dierencis kzeltst s annak opertoregyenletes alakjt! 10.7.21. feladat. Mutassuk meg a 10.7.20. feladatban meghatrozott kzeltsek konvergencijt! (Hasznljuk fel, hogy a megfelel
Lh
mtrix M-mtrix!)
10.7.22. feladat. Mutassuk meg a 10.5.6. ttel msodik lltst az ottani bizonyts felhasznlsval! 10.7.23. feladat. Jellje
L0,h , L0,h : F( h ) F(h )
(2)
(3)
azokat az opertorokat, amelyek egy
vh F( h )
(2)
fggvnyre a kvetkez mdon hatnak:
L0,h vh (t) =
(3)
vh (t + h) 2vh (t) + vh (t h) vh (t) vh (t h) +pi +qi vh (t), t h , h2 h
(10.7.1)
L0,h vh (t) =
Legyen
vh (t + h) 2vh (t) + vh (t h) vh (t + h) vh (t h) + pi + qi vh (t), t h . 2 h 2h

(10.7.2)
(k) L0,h vh (k) Lh vh = B1,h vh , k = 2, 3. B2,h vh

Mutassuk meg, hogy ebben az esetben is
(10.7.3)
Lh
(k)
felrhat (10.5.83) alak mtrix alakjban, ahol
ai , di , ci
rtkei a (10.5.26) illetve a (10.5.27) kplet szerintiek.
10.7.24. feladat. rjuk t a vdm1.m rutint arra az esetre, amikor a peremfelttel adott! 10.7.25. feladat. rjuk t a vdm1.m rutint gy, hogy ellltsa a
t=0
pontban az
u (0) = 0
u + a(t)u + b(t)u = f (t), u(0) = Ta , u(1) = Tb

peremrtk-feladat megoldst! 10.7.26. feladat. Oldjuk meg a MATLAB program segtsgvel az
u (t)+t cos u(t) = 0, u(0) =

feladatot vges dierencia
0, u(1) = 0
feladatot vges dierencia mdszerrel!
10.7.27. feladat. Oldjuk meg az (A pontos megolds:
u (t) = u, u(0) = 3, u(/2) = 7
mdszerrel. Ksztsnk tblzatot a lpskz s a hiba kapcsolatrl! brzoljuk ezt a fggvnyt!
u(t) = 7 sin t + 3 cos t.) u (t) = 2et u, u(0) = 2, u(1) = e + cos 1

feladatot vges
10.7.28. feladat. Oldjuk meg az a fggvnyt! (A pontos megolds:
dierencia mdszerrel. Ksztsnk tblzatot a lpskz s a hiba kapcsolatrl! brzoljuk ezt
u(t) = et + cos t.)
10.7.
Feladatok
Ellenrz krdsek
1. Mit neveznk kznsges dierencilegyenlet peremrtk-feladatnak? 2. Mi a szerepe a peremfeltteleknek? 3. Mit neveznk Lipschitz-fle tulajdonsgnak s mi a kapcsolata a peremrtk-feladatok megoldhatsgval? 4. Ismertesse a lineris peremrtk-feladat megoldhatsgnak felttelt! 5. Mi a belvses mdszer, hogyan kapcsoldik a kezdetirtk-feladatok numerikus megoldshoz? 6. Milyen mdszereket alkalmazunk a belvses mdszer sorn a
h(c) = 0
egyenlet gykeinek
meghatrozsra? Rendszerek esetn mely mdszerek alkalmazhatk kzlk? 7. Milyen mdszerrel oldhatk meg a lineris peremrtk-feladatok? 8. Ismertesse a vges dierencis megoldsi mdszer lnyegt! 9. Mikor neveznk egy lineris peremrtk-feladatot megold numerikus mdszert konvergensnek? Mi a konzisztencia s a stabilits? Mi a kapcsolat kzttk? 10. Mutassa meg, hogy a lineris peremrtk-feladatok esetn a vges dierencis mdszer konzisztens! 11. Mutassa meg, hogy a lineris peremrtk-feladatok esetn a vges dierencik mdszere konvergens! 12. Mi a szerepe az M-mtrixoknak peremrtk-feladatok numerikus megoldsban? 13. Mit neveznk diszkrt maximumelvnek? Mi a szerepe peremrtk-feladatok numerikus mgoldsban? 14. Milyen MATLAB programokat ismer a peremrtk-feladatok megoldsra? 15. Milyen alapon mkdnek a beptett MATLAB programok?
11. A parcilis dierencilegyenletek numerikus mdszerei

Ebben a fejezetben a parcilis differencilegyenletek feladatainak elmleti sszefoglalsa utn azok numerikus megoldsi mdszereivel foglalkozunk. Ismertetjk a legtipikusabb vges dierencik mdszert a klnbz feladatokra.
11.1. A parcilis dierencilegyenletek alapfogalmai

A dierencilegyenletek kzs vonsa, hogy a fggvny s derivltjai kztti ismert kapcsolatbl kell magt a fggvnyt meghatrozni. Amikor a keresett fggvny egyvltozs, akkor kznsges dierencilegyenletnek nevezzk a problmt. Az ezzel kapcsolatos krdseket, belertve a numerikus megoldsi mdszereket, az elz kt szakaszban mr trgyaltuk erre az esetre. Amikor az ismeretlen fggvny tbbvltozs, s gy az emltett kapcsolat az ismeretlen fggvny s annak
parcilis derivltjai
kztti kapcsolatot jelenti,
parcilis differencilegyenletrl
beszlnk. Nhny
tipikus ktvltozs parcilis differencilegyenlet s elnevezsk: a. Laplace-egyenlet:
2 u(x, y) 2 u(x, y) + = 0, x2 y 2
b. Poisson-egyenlet:
(11.1.1)
2 u(x, y) 2 u(x, y) + = f (x, y), x2 y 2

c. hvezetsi egyenlet:
(11.1.2)
u(x, t) 2 u(x, t) = 0, t x2
d. hullmegyenlet:
(11.1.3)
2 u(x, t) 2 u(x, t) = 0, t2 x2
e. advekcis egyenlet:
(11.1.4)
u(x, t) (k(x, t)u(x, t)) = 0, t x

f. dizis egyenlet:
(11.1.5)
u(x, t) t x
g. reakci-dizis egyenlet:
D(u, x, t)
u(x, t) x
= 0,
(11.1.6)
u(x, t) 2 u(x, t) = R(u), t x2

ahol
(11.1.7)
R(u)
egy adott fggvny, 337
11.
A parcilis differencilegyenletek numerikus mdszerei
h. biharmonikus egyenlet:
4 u(x, y) 4 u(x, y) 4 u(x, y) +2 + = 0. x4 x2 y 2 y 4

A fenti pldkban vezzk az
(11.1.8)
x, y
trbeli vltozkat, t
az
idbeli vltozt, u
pedig az
jelli. A parcilis differencilegyenletek elmletben hasznlatos nhny elnevezs.
ismeretlen fggvnyt Rendnek nellandak
fggvny legmagasabb elfordul parcilis derivlsi rendjt. Ezrt e. elsrend, h. avagy
negyedrend, a tbbi pedig msodrend parcilis differencilegyenlet. Megklnbztetjk azokat
fggvnyek.
az eseteket, amikor az ismeretlen fggvny parcilis derivltjainak egytthati
Pldinkban a., b., c., d., g. s h. lland egytthats parcilis differencilegyenlet,
a tbbi pedig fggvnyegytthats. Fontos osztlyozsi szempont a linearits: ha az egyenletekben az ismeretlen fggvny s annak derivltjai kztti kapcsolat lineris, akkor
differencilegyenletnek, homogn
ellenkez esetben
a feladatunkat. Pldinkban f. s tetni a s az
lineris parcilis nemlineris parcilis differencilegyenletnek nevezzk nemlineris R fggvny esetn g. nemlineris, a tbbi pedig
lineris parcilis differencilegyenlet. Vgezetl, lineris feladatok esetn szoksos megklnbz-
inhomogn
parcilis differencilegyenleteket. Az utbbi azt jelenti, hogy az
egyenletben szerepel az ismeretlen
fggvnytl illetve annak parcilis derivltjaitl nem fgg
tag. Pldinkban b. inhomogn, a tbbi pedig homogn. Kln trjnk ki a fggetlen vltozk szerepre! ltalban jelli. Ezek szerepe nem azonos: a folyamatokat ltalban
az idt,
pedig a helyet
t0
esetn vizsgljuk, a trbeli vlto-
zk viszont akrmilyen eljelek lehetnek. (Emellett a modellekben
mindig nveked irnyban
vltozik, s a jelensgek tipikusan idben nem megfordthatk, a trbeli vltozk viszont akrmilyen irnyban vltozhatnak.) Az olyan feladatot, amelyben az ismeretlen fggvny idben nem
u nem fgg t-tl), stacionrius feladatnak (instacionrius) feladatrl beszlnk.

vltozik (azaz lalkozunk. Tekintsk teht az
nevezzk, ellenkez esetben
idfgg
Mi a tovbbiakban a ktvltozs, msodrend, lineris parcilis differencilegyenletekkel fog-
R2
tartomnyon az
(Lu)(x, y) = a(x, y)
2 u(x, y) 2 u(x, y) 2 u(x, y) + 2b(x, y) + c(x, y) + x2 xy y 2 u(x, y) u(x, y) d(x, y) + e(x, y) + g(x, y)u(x, y) = f (x, y) x y a, b, c, d, e, g egytthatfggvnyek y t jellssel a L
opertor s az
(11.1.9)
egyenletet, ahol az
f forrs
adottak. (Ezen fggvnyek
alkalmas megvlasztsval, illetve az mindegyike felrhat.) A (11.1.9) egyenletben szerepl
korbbi lineris msodrend pldk (a.-f.)
(L0 u)(x, y) = a(x, y)

rszt az
2 u(x, y) 2 u(x, y) 2 u(x, y) + 2b(x, y) + c(x, y) x2 xy y 2

nevezzk. Az
(11.1.10)
opertor
frsznek
L0
opertornak megfeleltethetjk a (11.1.11)
B(xy) (, ) = a(x, y)2 + 2b(x, y) + c(x, y) 2

kvadratikus alakot, s ez alapjn az rgztett
L opertor albbi osztlyozsa lehetsges. Tekintsk valamely (x0 , y0 ) pontban a B(x0 y0 ) (, ) = const. > 0 egyenlsggel denilt msodrend grbket az (, ) skon. Az a(x0 , y0 ), b(x0 , y0 ) s c(x0 , y0 ) rtkektl fggen (pontosabban, 2 az a(x0 , y0 )c(x0 , y0 ) b (x0 , y0 ) eljeltl fggen) ez egy ellipszist, parabolt vagy hiperbolt
hatroz meg. Ez motivlja a kvetkez dencit.
11.1.
A parcilis dierencilegyenletek alapfogalmai
11.1.1. denci.
L
az
opertor (mskppen, a (11.1.9) egyenlet)
elliptikus tpus
(x, y)
pontban, ha
a(x, y)c(x, y) b2 (x, y) > 0; a(x, y)c(x, y) b2 (x, y) = 0; a(x, y)c(x, y) b2 (x, y) < 0. 1 tartomnyon,
ha
parabolikus tpus hiperbolikus tpus
az az
(x, y) (x, y)
pontban, ha pontban, ha
Azt mondjuk, hogy elliptikus (parabolikus, hiperbolikus) tpus az elliptikus (parabolikus, hiperbolikus) tpus a
tartomny mindegyik pontjban.
Ha (11.1.9) lland egytthats, akkor az perbolikus tpus a teljes
tartomnyon azonos tpus. Pldul a Laplace-
s a Poisson-egyenletek elliptikus, a hvezetsi egyenlet parabolikus, a hullmegyenlet pedig hi-
tartomnyon. Ugyanakkor, az
2 u(x, y) 2 u(x, y) 2 u(x, y) + 2x =0 +y 2 x xy y 2 ell = {(x, y) R2 , |y| > |x|} halmazon elliptikus, az par = 2 parabolikus, az hip = {(x, y) R , |y| < |x|} halmazon pedig
fggvnyegytthats egyenlet az
{(x, y) R , |y| = |x|}

hiperbolikus tpus.
halmazon
Az osztlyozs utn trjnk t a parcilis differencilegyenletkkel lert modellek vizsglatra. Clunk olyan matematikai modellek megadsa, amelyek albbi tulajdonsgokkal: a. ltezik megoldsa (egzisztencia). Ez azt jelenti, hogy ltezik olyan kellen sima fggvny, amely kielgti az egyenletet s a kiegszt feltteleket. b. Ez a megoldsa egyrtelm (unicits). c. A megoldsa folytonosan fgg a feladatot meghatroz fggvnyektl (stabilits). Ezek a kvetelmnyek termszetes mdon kvetkeznek a matematikai modellezs jellegbl s cljbl. Vegyk szre, hogy ltalnos esetben a (11.1.9) alak parcilis differencilegyenletnek, ha ltezik is megoldsa, akkor az nem egyrtelm. (Pldul a Laplace-egyenletnek megoldsa az
korrekt kitzsek,
azaz rendelkeznek az
u(x, y) = ax+by+c alak lineris fggvny tetszleges a, b s c llandk esetn.) Ezrt teht a parcilis differencilegyenletek nmagukban nem elegendek a korrekt kitzs biztostshoz. Ehhez tovbbi felttelek megadsa szksges. ltalban a megoldsfggvnyrl a megoldsi tartomny hatrn klnbz informcikkal rendelkeznk. Ezrt a kiegszt feltteleket ezen informcik segtsgvel szoksos megadni.
(x, y) trvltozkbl ll R2 korltos halmaz, akkor az tartomny peremn runk el peremfeltteleket. Amikor tr-id vltoz egyarnt szerepel, azaz az (x, t) tpus pontokbl ll, s a trvltozban korltos a tartomny, akkor a t = 0 pontban kezdeti feltteleket , a trbeli tartomny hatrn pedig tovbbra is peremfeltteleket adhatunk
Amikor az megoldsi tartomny az meg. A peremfelttelek megadsnak hrom tpusa van.
els (Dirichlet-) tpus peremfelttel, ami azt jelenti, hogy a -beli perempontban rgztjk
a megoldsfggvny rtkt;
msodik (Neumann-) tpus peremfelttel,
ami azt jelenti, hogy a
-beli
perempontban
ismerjk a norml irny derivltjnak az rtkt; tankonyvtar.bme.hu 339
11.
harmadik (Robin-) tpus peremfelttel,

lineris kombincijnak rtkt. A
ami azt jelenti, hogy a
-beli
perempontban elre
megadjuk a megoldsfggvny s annak kls normlvektor irny derivltjnak valamely
dsfggvny s/vagy annak
kezdeti (Cauchy-) felttel megadsa azt jelenti, hogy t = 0 t szerinti derivltjnak az rtkt.
idpontban megadjuk a megol-
Clunk, hogy egy adott parcilis differencilegyenletet olyan kiegszt felttelekkel lssunk el, amelyekkel a feladat korrekt kitzs lesz. Megmutathat ([9, 30]), hogy lineris esetben
az elliptikus feladatok
-n
megadott els, msodik vagy harmadik peremfelttellel, megadott
a parabolikus feladatok a
t = 0-ban
u(x, 0)
kezdeti felttellel s a trbeli hatron
megadott els, msodik vagy harmadik peremfelttelek egyikvel,
a hiperbolikus feladatok a
t=0
pontban megadott
u(x, 0)
valamint a trbeli hatron megadott els, msodik vagy harmadik peremfelttelek valamelyikvel korrekt kitzsek.
u (x, 0) t
kezdeti felttelekkel,
11.2. Lineris, msodrend, elliptikus parcilis differencilegyenletek

Ebben a rszben a lineris, msodrend, elliptikus parcilis differencilegyenletekkel s azok
ges dierencik mdszervel
v-
trtn numerikus megoldsval foglalkozunk. Megmutatjuk, hogy
az elz fejezetben trgyalt ktpontos peremrtk-feladatok s azok vges dierencia mdszeres numerikus megoldsi technikja lnyegben kiterjeszthet az ebben a szakaszban vizsglt feladatra.
11.2.1. A Laplace-egyenlet analitikus megoldsa egysgngyzeten

Tekintsk a feladatot:
= (0, 1) (0, 1)
tartomnyon s annak
peremn az albbi els peremrtk-
2 u(x, y) 2 u(x, y) + = 0, (x, y) , x2 y 2 u(x, y) = (x, y), (x, y) .

Nyilvnvalan feltehet, hogy a peremfelttelt ler ebben az esetben a feladat megoldsa az szmunkra rdektelen.) Tegyk fel, hogy a peremfelttelt ler, adott nulla, vagyis a (11.2.2) peremfelttel helyett az
(11.2.1)
(11.2.2)
fggvny nem azonosan nulla, hiszen
u(x, y) = 0
fggvny lenne, s ezen eset vizsglata a
fggvny csak az
y = 1
oldal mentn nem
u(0, y) = 0, u(1, y) = 0, y (0, 1), u(x, 0) = 0, u(x, 1) = 4 (x), x (0, 1)

peremfelttelekkel oldjuk meg a (11.2.1) egyenletet. Keressk a megoldst
(11.2.3)
u(x, y) = X(x) Y (y)

(11.2.4)
11.2.
Lineris, msodrend, elliptikus parcilis differencilegyenletek
n.
sztvlaszthat alakban, ahol X s Y olyan, egyelre ismeretlen, C 2 [0, 1]-beli fggvnyek, amelyekre X(x) s Y (y) nem az azonosan nulla fggvnyek a (0, 1) intervallumon. Behelyettestve a (11.2.4) alak u fggvnyt a (11.2.1) egyenletbe, az
X (x) Y (y) + Y (y) X(x) = 0, x, y (0, 1)
egyenletet nyerjk. Ezrt azokban a pontokban, ahol (11.2.5)
X(x) Y (y) = 0,
(11.2.5) a
Y (y) X (x) = X(x) Y (y)
(11.2.6)
azonossgot jelenti. Mivel a (11.2.6) bal oldala csak az mellett (ez az n. szeparcis lland) minden
fgg, ezrt az egyenlsg csak akkor llhat fenn, ha mindkt oldal lland: valamely
x, a jobb oldala pedig csak az y vltoztl R szm x (0, 1) s y (0, 1) esetn rvnyes a
(11.2.7)
egyenlsg. Innen a
Y (y) X (x) = = X(x) Y (y)
X (x) = X(x), x (0, 1)

egyenletbe, az
(11.2.8)
egyenletet kapjuk. Msrszt, behelyettestve a (11.2.4) alakot a (11.2.3) peremfelttelek els kt
X(0)Y (y) = X(1)Y (y) = 0
egyenlsget kapjuk, amely az
Y (y) = 0
miatt az (11.2.9)
X(0) = X(1) = 0
felttelt jelenti. Clunk teht olyan feladatnak ltezik a trivilis megoldst az
R szm meghatrozsa, amely mellett X(x) = 0 fggvnytl klnbz C 2 [0, 1]-beli
a (11.2.8)-(11.2.9) megoldsa. Mivel
(11.2.8) egy lland egytthats, msodrend kznsges dierencilegyenlet, ezrt ltalnos
s2 + = 0
karakterisztikus egyenletnek gykeivel hatrozhatjuk meg. Ez
elje-
lnek fggvnyben az albbi esetekhez vezet.
Tegyk fel, hogy
< 0.
Ekkor a karakterisztikus egyenlet gykei valsak, s a (11.2.8)
egyenlet ltalnos megoldsa
X(x) = C1 e
Mivel ekkor az
+ C2 e
. X(x) =
C1 e
X(0) = 0 e

felttel a
C1 + C2 = 0 X(1) = 0
egyenlsget jelenti, ezrt
alak. A msik,
peremfelttelt ide behelyettestve az
X(1) = C1 e
egyenlsg csak
= 0
felttelt kapjuk. Mivel
> e
, ezrt a fenti
C1 = 0
esetn lehetsges, ami az
X(x) = 0
megoldst eredmnyezi. Mivel
ez nem megengedett, ezrt ez az eset nem lehetsges.
Tegyk fel, hogy megoldsa
= 0. Ekkor a (11.2.8) egyenlet X (x) = 0 alak, gy az ltalnos X(x) = C1 x + C2 . Erre a fggvnyre, amelynek kpe egy egyenes, a (11.2.9) felttel csak C1 = C2 = 0 esetn lehetsges. Ez viszont szintn a nem megengedett X(x) = 0
trivilis megoldshoz vezet. Tegyk fel, hogy
> 0.
Ekkor a karakterisztikus egyenlet gykei
i .
gy a (11.2.8)
egyenlet ltalnos megoldsa
X(x) = C1 sin( x) + C2 cos( x).

11.
Az
X(0) = 0
felttel miatt
jelenti. Mivel rtkekre a
C1 = 0,
ezrt
C2 = 0. Teht az X(1) = 0 felttel = k (k = 1, 2, . . .) felttelt ez a k = k 2 2 , k = 1, 2, . . .
C1 sin
=0
felttelt
adja, azaz a lehetsges
(11.2.10)
rtkeket kapjuk. Teht az
Xk (x) = Ck sin(kx), k = 1, 2, . . .
fggvnyek tetszleges Trjnk t az
(11.2.11)
Ck
llandk mellett megoldsai a (11.2.8)-(11.2.9) feladatnak.
Y (y)
fggvny meghatrozsra! A (11.2.7) egyenlsg felhasznlsval az
Y (y) = Y (y), y (0, 1)

egyenletet kapjuk, ahol (11.2.10) alapjn szerepl
(11.2.12)
= k = k 2 2 . Y (0) = 0.
Msrszt, a (11.2.3) sszefggsben
u(x, 0) = 0
peremfelttel kvetkeztben (11.2.13)
Teht olyan
Yk (y) (k = 1, 2, . . .)
nem nulla fggvnyeket keresnk, amelyekre (11.2.14)
Yk (y) = k 2 2 Y (y), y (0, 1), Yk (0) = 0.

Az egyenlet ltalnos megoldsa
Yk (y) = C1 eky +C2 eky , s gy Y (0) = C1 +C2 = 0. Teht eky eky 2
C2 = C1 ,
vagyis a (11.2.14) tulajdonsg fggvnyek felrhatk
1 1 Yk (y) = Ck eky eky = 2Ck

1
1 = Ck sinh(ky)
(11.2.15)
alakban , ahol
1 Ck
illetve
1 Ck
tetszleges llandk. esetn brmely tetszleges
sszestve a keresett megolds (11.2.4) alakjt a (11.2.11) s a (11.2.15) kpletekkel, azt kapjuk, hogy minden
k = 1, 2, . . .
Ck
lland mellett az (11.2.16)
uk (x, y) = Xk (x)Yk (y) = Ck sin(kx) sinh(ky)

els hrom (homogn) peremfelttelt. gy az
fggvnyek olyan fggvnyek, amelyek megoldsai a (11.2.1) egyenletnek, s kielgtik a (11.2.3)
u(x, y) =
k=1
uk (x, y) Ck
(11.2.17)
fggvny is rendelkezik ezekkel a tulajdonsgokkal. Vlasszuk meg a tetszleges gy, hogy a negyedik,
llandkat
y = 1
mentn adott inhomogn peremfelttel is teljesljn erre az
fggvnyre! Nyilvnvalan (11.2.17) s (11.2.16) alapjn
u(x, 1) =
k=1
Msrszt a
Ck sin(kx) sinh(k).
(11.2.18)
4 (x)
fggvny Fourier-sora
4 (x) =
k=1
k sin(kx) 4
(11.2.19)
1 A sinh a jl ismert szinusz hiperbolikus fggvny, amelyet gyakran az sh szimbolummal is jellnek.

11.2.
alak, ahol
k = 2 4
0
4 (s) sin(ks)ds.
(11.2.20)
A (11.2.18) s a (11.2.19) kpletek sszevetsbl
Ck =
sszegezve: az
k 4 . sinh(k)
(11.2.21)
u(x, y) =
k=1
fggvnysorral denilt
k 4 sin(kx) sinh(ky) sinh(k)
(11.2.22)
u(x, y)
fggvny a fggvnysor egyenletes konvergencija esetn megol-
dsa lesz a (11.2.1)-(11.2.3) feladatnak.
11.2.1. megjegyzs.
Ezek utn az
= (0, 1) (0, 1)
tn elllthat a kvetkez mdon. Vezessk be a 3 (x), (x, 1) = 4 (x) j fggvnyeket, s tekintsk
1. eset:
kitztt (11.2.1)-(11.2.2) els peremrtk-feladat megoldsa
peremn tetszleges (x, y) peremfelttel ese(0, y) = 1 (y), (1, y) = 2 (y), (x, 0) =

egysgngyzeten illetve annak a kvetkez ngy peremfelttel-rendszert:
u(0, y) = 1 (y), u(1, y) = 0, y (0, 1), u(x, 0) = 0, u(x, 1) = 0, x (0, 1).
(11.2.23)
2. eset:
u(0, y) = 0, u(1, y) = 2 (y), y (0, 1), u(x, 0) = 0, u(x, 1) = 0, x (0, 1).
(11.2.24)
3. eset:
u(0, y) = 0, u(1, y) = 0, y (0, 1), u(x, 0) = 3 (x), u(x, 1) = 0, x (0, 1).
(11.2.25)
4. eset:
u(0, y) = 0, u(1, y) = 0, y (0, 1), u(x, 0) = 0, u(x, 1) = 4 (x), x (0, 1).
(11.2.26)
Jellje rendre
u1 (x, y), u2 (x, y), u3 (x, y)
(11.2.26) peremfelttelekkel. (Az elzekben az gijaknt hasonlan meghatrozhatjuk a
u4 (x, y) a (11.2.1) egyenlet megoldst a (11.2.23)u4 (x, y) fggvnyt lltottuk el. Ennek analtbbi fggvnyt is.) Ezutn az u(x, y) = u1 (x, y) +
2
u2 (x, y) + u3 (x, y) + u4 (x, y)

knyvben [32].
fggvny lesz a megoldsa az eredeti (11.2.1)-(11.2.2) feladatnak.
Tovbbi rszletek s ms tpus feladatok ilyen jelleg megoldsa megtallhatk pl. Stephenson
11.2.2. megjegyzs. Felmerlhet a krds: nem ltezik-e a (11.2.1)-(11.2.2) feladatnak a (11.2.22)

fggvnytl eltr ms megoldsa is? A vlasz nemleges. Ugyanis ha egy
w(x, y)
fggvny az
2 Vegyk szre, hogy az u sszegfggvnyben szerepl u , u , u , u fggvnyekre megadott peremfelttelek nem 1 2 3 4 a teljes peremen adottak: a ngy sarokpontban nem adjuk meg az rtkeket. Ezrt a'priori csak azt tudjuk, hogy ez az u megolds csak a sarokpontokon kvl egyenl -vel a -n. Ugyanakkor a Fourier-sor konvergencijnak tulajdonsga miatt a megfelel fggvnyek hatrrtkt veszi fel a megolds, azaz folytonossga miatt ezekben a sarokpontokban is rtkeit veszi fel.
11.
tartomnyon kielgti a (11.2.1) egyenletet, s folytonos az halmazon, akkor teljesl r az n. elliptikus maximum-minimum elv : a fggvny a legnagyobb s legkisebb rtkt felveszi a peremen. Ebbl kzvetlenl knnyen megmutathat, hogy a feladatnak csak egyetlen megoldsa lehet. Emellett, a feladat stabil kitzse is megmutathat: a megolds a bemen fggvnyektl folytonosan fgg a maximumnormban [9, 30]. Teht a (11.3.1)-(11.3.2) feladat korrekt kitzs.
Mint lthat, a (11.2.1)-(11.2.2) feladat formlisan ugyan megoldhat, de a megoldst valjban ngy vgtelen fggvnysor sszegnek alakjban tudjuk csak felrni. Ez azt jelenti, hogy a gyakorlatban mr az ilyen egyszer feladat analitikus megoldsa sem kivitelezhet. Teht numerikus megolds alkalmazsa szksges. A tovbbiakban a megoldsok kzel lesznek-e a pontos megoldshoz.
vges dierencik mdszervel
fogjuk
a kzelt megoldst ellltani, s megvizsgljuk, hogy az alkalmasan meghatrozott kzelt
11.2.2. Elliptikus egyenletek kzelt megoldsa vges dierencik mdszervel

Ebben a rszben a Laplace-egyenletnl ltalnosabb alak elliptikus tpus parcilis differencilegyenlet peremrtk-feladatnak vges dierencis megoldsval foglalkozunk. Tekintsk a
2 u(x, y) 2 u(x, y) + x2 y 2
+ c(x, y)u(x, y) = f (x, y), (x, y) ,
(11.2.27)
u(x, y) = (x, y), (x, y)

tellel, ahol
(11.2.28)
msodrend, elliptikus tpus parcilis differencilegyenletet az els (Dirichlet-fle) peremfelt-
c, f
adott fggvnyek. Jellje
L : C 2 () C() C() + cw (x, y),

ha ha
a kvetkez opertort:
Lw(x, y) =
2w 2w + x2 y 2 w(x, y),
(x, y) ;
(11.2.29)
(x, y) ,
tovbb
f :R
a kvetkez fggvnyt:
f (x, y) =
Ekkor feladatunk az
f (x, y), (x, y),
ha ha
(x, y) ; (x, y) .
(11.2.30)
Lu = f
opertoregyenlet megoldsa, ahol
(11.2.31)
u C 2 ()
az ismeretlen fggvny.
A tovbbiakban feltesszk a kvetkezket.
c C() c 0,
f C() C(),
= (0, l) (0, l).

Mivel a (11.2.31) feladat analitikus megoldst ltalnos esetben nem tudjuk ellltani, ezrt numerikus eljrst alkalmazunk. Ennek lnyege a kvetkez. 344 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
11.2.
1. Denilunk az
halmazon rcshlkat az albbi mdon:
h = {(xi , yj ), xi = ih, yj = jh, i, j = 1, 2, . . . , N 1, h = l/N } h = {(xi , yj ), xi = ih, yj = jh, i, j = 0, 1, . . . , N, h = l/N }.

Jellje 2. Jellje
h = h \h F( h )
s
az
rcshl s az
peremre es pontjait.
F(h )
az
rcsokon rtelmezett,
R-be
kpez fggvnyek vek-
tortert. 3. Clunk olyan
a (11.2.31) feladat
yh F( h ) rcsfggvny meghatrozsa, amely h pontjaiban kzel van u megoldshoz, s a rcshl nomtsval (azaz h 0 esetn) az
3
eltrsk nullhoz tart . Adjunk meg olyan
Lh : F( h ) F( h )
lineris opertort s
bh F( h )
elemet, amelyekre az (11.2.32)
Lh yh = bh
opertoregyenlet Az
yh F( h )
megoldsa rendelkezik a fentiekben lert tulajdonsggal.
Lh
opertor megvlasztsnl tletknt a vges dierencis approximci szolgl. Egy
tetszleges
wh F( h ) rcsfggvny esetn jellje wh (xi , yj ) = wi,j , valamint alkalmazzuk a c(xi , yj ) = ci,j egyszersit jellst. Deniljuk az Lh opertort a kvetkez mdon. Rendelje hozz a wh rcsfggvnyhez azt az Lh wh -val jellt F( h )-beli rcsfggvnyt, amely az (xi , yj ) h rcspontokban az albbi rtkeket veszi fel: wi+1,j 2wi,j + wi1,j wi,j+1 2wi,j + wi,j1 + c w , ha (x , y ) ; i,j i,j i j h (11.2.33) h2 h2 w , ha (x , y ) .
i,j i j h
Deniljuk a
bh F( h )
rcsfggvnyt a kvetkez mdon:
bh (xi , yj ) =
Ekkor
f (xi , yj ), (xi , yj ),
ha ha
(xi , yj ) h ; (xi , yj ) h .
(11.2.34)
bh
rtke
mindegyik rcspontjban meghatrozhat, s a (11.2.32) egyenlet azt jelenti,
hogy keressk azon vektorba kpez le.
yh F( h )
rcsfggvnyt, amelyet a (11.2.33) szerinti
Lh
opertor ebbe a
bh
11.2.3. megjegyzs.
meghatrozshoz az
Mint az ismeretes, egy fggvnyt akkor tekintnk ismertnek, ha tud-
juk, hogy az rtelmezsi tartomnynak pontjaiban milyen rtkeket vesz fel. Ezrt teht
yh
yh (xi , yj )
rtkek ismerete szksges. A (11.2.32) egyenlet az
yh
fggvny
rcspontbeli rtkeire nzve egy lineris algebrai egyenletrendszert jelent, ahol az ismeretlenek szma egyenl az egyenletek szmval, s mindkett
(N + 1)2 .
Ezrt a (11.2.32) feladat egy
(N + 1)
ismeretlenes lineris algebrai egyenletrendszert jelent, amely felrhat
Lh yh = bh
(11.2.35)
3 Ezt a fogalmat a ksbbiekben pontostjuk, hiszen a pontos megolds a teljes halmazon, mg a numerikus megolds annak csak bizonyos pontjaiban (az h rcshl pontjaiban) van rtelmezve. Ezrt a kt fggvny klnbz tereken van rtelmezve, s gy "eltrsk" nem rtelmezhet a szoksos ("klnbsgk tvolsga") mdon.
11.
alakban, ahol
bh R
(N +1)
yh R(N +1)
az
yh
rcsfggvny rcspontbeli rtkeibl ll ismeretlen vektor,
a bh rcsfggvny rcspontbeli rtkeibl ll ismert vektor, s
Lh R(N +1)
(N +1)2
adott mtrix, amelynek alakjt ksbb adjuk meg. A tovbbiakban megmutatjuk, hogy a nomod rcshlk sorozatn a (11.2.32) feladatok megoldsval ellltott a (11.2.27) feladat olyan
yh
paramter megfelelen kis megvlasztsa mellett jl kzelti
megoldst. Ez a kvetkezt jelenti. Minden
(xh , yh ) h
rcspontsorozatot denilni, amelyre
(x , y ) ponthoz tudunk h 0 esetn (xh , yh ) (x , y ). Ekkor
a numerikus mdszer konvergencija a
lim
(xh ,yh )(x ,y )
relcit jelenti.
(yh (xh , yh ) u(x , y )) = 0
(11.2.36)
11.2.3. ltalnos kitzs s az alapttel

Ebben a rszben a 11.2.2. rszben megfogalmazott feladatokat ltalnos formban lerjuk, majd az alapttelben megadunk egy olyan felttelt, amely mellett a (11.2.36) tulajdonsg biztosthat. Jellje
Ph : C() F( h )
a (11.2.37)
(Ph v)(xi , yj ) = v(xi , yj ), (xi , yj ) h

lekpezst, azaz a pontjaiban . Legyen
4
Ph v F( h )
rcsfggvny a
fggvny rtkeit veszi fel az
rcshl
L : C 2 () C() C()
egy olyan lineris opertor, amelyrl feltesszk, hogy az
Lu = f
egyenlet minden olyan lineris
(11.2.38) Legyen tovbb
f C() C() esetn korrekt kitzs. opertor, s bh F( h ) olyan rgztett elem, Lh yh = bh
Lh : F( h ) F( h )
(11.2.39)
amely mellett az
opertoregyenlet is korrekt kitzs. gy lteznek (s egyrtelmek) a (11.2.38) s a (11.2.39) feladatok Az
illetve
yh
megoldsai.
eh = yh Ph u F( h )
(11.2.40)
hibafggvny
jells bevezetsvel a (11.2.36) tulajdonsg azt jelenti, hogy
h0
Itt
lim eh
F( h )
= 0.
(11.2.41)
F( h ) az
F( h )-beli
rcsfggvnyeken rtelmezett valamelyik normt jelenti.
11.2.4. denci.
Az
yh
numerikus megoldst elllt numerikus mdszert az
nek nevezzk, ha (11.2.41) teljesl. Ha konvergensnek nevezzk.
eh
F( h )
= O(hp ),
akkor a mdszert
F( h ) normban konvergensp-ed rendben
4 A P opertort projekcis opertornak (ms szval: -ra kpez projekcinak ) nevezzk. h h

11.2.
A tovbbiakban a valamely norma melletti konvergencival s annak rendjvel foglalkozunk. A (11.2.40) sszefggsbl ler egyenletbe az
yh = eh + Ph u. Ezt behelyettestve a (11.2.39) numerikus mdszert Lh eh = bh Lh Ph u

(11.2.42)
sszefggst kapjuk. Bevezetve a (11.2.42) jobb oldaln szerepl rcsfggvnyre a jellst, azaz a
h F( h )
(11.2.43)
h = bh Lh Ph u
jellssel az
Lh eh = h
n.
(11.2.44) Ezrt a (11.2.43) alapjn
hibaegyenletet
kapjuk. A (11.2.38)
alapjn
Ph Lu = Ph f .
felrhat a
h = (bh Ph f ) + (Ph Lu Lh Ph u)
feladatokban a jobb oldalak milyen kzel vannak egymshoz, azaz hogy approximlja az mutatja, hogy
(11.2.45)
alakban. Ebben az alakban a jobb oldali els kifejezs azt mutatja, hogy a (11.2.38) s a (11.2.39)
f fggvnyt az Lh opertor
bh
milyen pontosan az
az
rcshln. A (11.2.45) sszefggsben a msodik tag azt
milyen pontosan approximlja az
megoldsfggvnyre. Termszetes elvrs, hogy
h0
esetn
h rcshln az L opertort h nullhoz tartson.
11.2.5. denci.
Azt mondjuk, hogy a numerikus mdszer a limh0 h F(h ) = 0. Ha limh0 h F(h ) = O(hp ), ban) p-ed rendben konzisztensnek nevezzk.
F( h )
normban
konzisztens,
ha
akkor a mdszert (az adott norm-
Mint azt az elz fejezetben lttuk, a konzisztencibl mg nem mutathat meg kzvetlenl a konvergencia: ehhez az
Lh
opertorok egy tovbbi tulajdonsga is kellett. Eddig azt tettk
fel, hogy a (11.2.38) s a (11.2.39) feladatok korrekt kitzsek. Ez azt jelenti, hogy mindkt feladatnak ltezik egyrtelm megoldsa (egzisztencia s unicits), s ezek folytonosan fggnek a feladatot ler paramterektl (stabilits). Ez az numerikus mdszert ler
illetve
Lh
opertorokra nzve azt a kve-
telmnyt eredmnyezi, hogy az opertorok invertlhatak, s az inverz opertorok korltosak. A
Lh opertorrl teht megkveteljk, hogy ltezzen L1 s az korltos h 1 legyen, azaz ltezzen olyan K(h) 0, amely mellett Lh F( h ) K(h). Ugyanakkor a numerikus mdszer viselkedst (pontosabban a konvergencijt) limh0 esetn vizsgljuk. Teht, ha h cskkensvel a fenti K(h) lland kin a vgtelenbe, akkor ezt a korltossgi (azaz stabilitsi) tulajdonsgt a numerikus mdszer elveszti. Denilujnk egy olyan tulajdonsgot az {Lh }
opertorokra, amelyek mellett ez nem fordulhat el.
11.2.6. denci.
Azt mondjuk, hogy a (11.2.39) numerikus mdszer stabil a opertorsereg mellett
egyenletesen korltos,
azaz ltezik olyan
K>
1 F( h ) normban, ha az (Lh ) 0, h-tl fggetlen lland, amely
L1 h
minden megengedett
F( h )
(11.2.46)
rtk esetn.
11.2.7. megjegyzs. Ha a stabilitsi tulajdonsg minden h rtkre igaz, akkor a mdszert felttel
nlkl stabilnak, ha stabilnak nevezzk.
csak valamely
h0 > 0
szm melletti
h < h0
rtkekre, akkor
felttelesen
11.
Most mr bebizonythatjuk az alapttelt.
11.2.8. ttel.
Legyen a (11.2.38) feladat korrekt kitzs. Tegyk fel tovbb, hogy a (11.2.39) diszkretizlt feladatok
korrekt kitzsek, konzisztensek a stabilak a
F( h ) normban,
F( h ) normban.
Ekkor a numerikus mdszer konvergens a megegyezik a konzisztencijnak rendjvel.
F( h ) normban, s konvergencijnak rendje
Bizonyts. A (11.2.44) egyenlsg s a ttel feltteleinek kvetkeztben
eh = L1 h , h
azaz
eh
Ezrt, ha a konzisztencia
F( h )
L1 h
F( h )
F( h )
K h
F( h ) .
(11.2.47)
p-ed
rend, azaz
h = O(hp ),
akkor (11.2.48)
eh
ami a ttel lltst igazolja.
F( h )
K O(hp ) = O(hp ),
Fontos megjegyeznnk, hogy a 11.2.8. ttel azt mutatja, hogy a kzvetlenl nem (vagy csak nagyon ritkn) bizonythat konvergencia kt, lnyegesen knnyebben ellenrizhet tulajdonsggal biztosthat, nevezetesen a konzisztencival s a stabilitssal. Vegyk szre ugyanis, hogy a konvergencia kzvetlen beltshoz a (11.2.38) folytonos feladat
megoldsnak ismerete szk-
sges. (Ezt viszont tipikusan nem ismerjk, hiszen a numerikus mdszerek alkalmazsnak ppen az az oka, hogy a feladatot nem tudjuk analitikusan megoldani.) A konzisztencia s stabilits beltshoz viszont nem szksges
ismerete. A konzisztencit (s annak rendjt) egy megfelelen
sima fggvnyosztlyon mutatjuk meg, s az ismeretlen megolds azon tulajdonsgt hasznljuk fel csupn, hogy kielgti az egyenletet. A stabilits a numerikus sma egy bels tulajdonsga, a (11.2.38) folytonos feladat
megoldsnak nincs szerepe benne.
11.2.4. Az elliptikus feladatok numerikus kzeltsnek konvergencija

Ebben rszben a (11.2.32) feladat numerikus megoldsnak maximumnormabeli konvergencijval foglalkozunk, ahol az egyenletben az opertor s a jobb oldal megvlasztsa (11.2.33) s (11.2.34) alak. Ennek beltshoz a 11.2.8. ttelt alkalmazzuk. Teht tovbbi feladatunk a maximumnormabeli konzisztencia s stabilits vizsglata.
11.2.9. ttel.
A (11.2.32)-(11.2.34) vges dierencis approximci a maximumnormban msodrendben konzisztens a (11.2.27)-(11.2.28) feladattal.
Bizonyts. Azt kell megmutatnunk, hogy minden Mivel
(xi , yj ) h
pontban
(xi , yj ) h
esetn
h (xi , yj ) = 0,
ezrt elegend az lltst csak
h (xi , yj ) = O(h2 ). az (xi , yj ) h bels
11.2.
rcspontokra megmutatnunk. Ezekben a pontokban
h (xi , yj ) = bh (xi , yj ) (Lh Ph u) (xi , yj ) = 1 f (xi , yj ) + 2 (u(xi + h, yj ) + u(xi h, yj ) 2u(xi , yj )) + h 1 (u(xi , yj + h) + u(xi , yj h) 2u(xi , yj )) ci,j u(xi , yj ). h2
Mivel
(11.2.49)
f (xi , yj ) = (Lu)(xi , yj ) =
2u 2u (xi , yj ) 2 (xi , yj ) + c(xi , yj )u(xi , yj ), x2 y
(11.2.50)
ezrt a (11.2.49) kifejezs trhat a kvetkez alakra:
h (xi , yj ) = u(xi + h, yj ) + u(xi h, yj ) 2u(xi , yj ) 2 u (xi , yj ) + h2 x2 u(xi , yj + h) + u(xi , yj h) 2u(xi , yj ) 2 u 2 (xi , yj ) + h2 y (c(xi , yj )u(xi , yj ) ci,j u(xi , yj )) .
Ekkor u(xi h, yj ) s u(xi , yj h) kifejezsek c(xi , yj ) egyenlsg gyelembevtelvel szoksos Taylor-sorba fejtsvel, valamint a
(11.2.51)
ci,j =
h (xi , yj ) =
Ezrt teht
1 12
4u 4u (xi , yj ) + 4 (xi , yj ) h2 + O(h4 ). x4 y h2 -es h
vezet tag egytthatja
(11.2.52)
h (xi , yj ) = O(h2 ),
ahol a
M4 /6.
Ezzel belttuk a (11.2.53)
ttelt jelent
= O(h2 )
lltst. Trjnk t a stabilits vizsglatra! Els lpsben megvizsgljuk a numerikus mdszert ler (11.2.35) feladat egy fontos tulajdonsgt.
11.2.10. ttel.
Tekintsk a (11.2.33) szerint denilt
R(N +1)
(N +1)2
Lh : F( h ) F( h )
rcsopertort, s legyen
az ezen opertornak megfeleltetett mtrix. Ekkor
Lh
Lh
M-mtrix.
Bizonyts. A (11.2.33) dencibl nyilvnvalan az pozitvak. Ezrt elegend megmutatni, hogy ltezik
Lh gh > 0. Legyen gh F( h ) a kvetkez rcsfggvny: gh
Lh mtrix diagonlon kvli elemei nem(N +1)2 -beli gh > 0 vektor, amelyre olyan R
(11.2.54)
gh (xi , yj ) = [1 + ih(l ih)] + [1 + jh(l jh)].

Jellje s azt a vektort, amelynek
k -adik
s
koordintja
i, j = 0, 1, . . . , N .5
Ekkor nyilvnvalan
gh,k 2
gh,k = gh (xi , yj ), ahol k = j(N + 1) + i (Lh gh )k = 2 azokban a k -adik koorh

ha-
dintkban, amelyekre
i {0, N }
j {0, N }.
(Vegyk szre, hogy ezen pontok a
trpontokhoz tartoznak.) Egyszer behelyettestssel ellenrizhet, hogy
(xi , yj ) h
esetn
5 Az egyszerbb jells kedvrt a koordintk indexelst nulltl indtjuk.

11.
ordintkra
(Lh gh )(xi , yj ) 4, vagyis az i = 1, 2, . . . , N 1 s j = 1, 2, . . . , N 1 rtkekhez tart k -adik ko(Lh gh )k 5/2.6 Ezrt teht a (11.2.54) megvlaszts gh vektor mellett Lh gh 2,
A fenti ttel alapjn az
ami az lltsunkat igazolja.
Lh
mtrixok invertlhatk. A tovbbiakban a megmutajuk, hogy az
inverzeire a maximumnormban j becsls adhat.
11.2.11. ttel.
A (11.2.33) szerinti
Lh : F( h ) F( h ) rcsopertornak megfeleltetett Lh R(N +1)
(N +1)2
regulris mtrix inverzeire rvnyes az
L1 h
becsls. Bizonyts. Mivel albbi mdon:
l2 + 4 4
(11.2.55)
Lh
M-mtrix, ezrt az inverznek maximumnormja fellrl becslhet az
L1 h
ahol
mini (Lh gh )i
gh
(11.2.56)
gh a (11.2.54) szerinti vektor. Az elzekben megmutattuk, hogy mini (Lh gh )i = 2. Msrszt,

ih(lih) l2 /4, azaz gh
a szmtani-mrtani kzepek kztti sszefggs alapjn Innen a (11.2.55) lltsunk kzvetlenl addik.
(l2 +4)/2.
gy a 11.2.9. s a 11.2.11. ttelek alapjn a 11.2.8. alapttel alkalmazhat, s rvnyes az albbi, konvergencira vonatkoz llts.
11.2.12. ttel.
Tegyk fel, hogy a (11.2.27)-(11.2.28) feladatnak ltezik vergens.
u C 4 ()
megoldsa. Ekkor
a (11.2.32)-(11.2.34) numerikus sma megoldsa a maximumnormban msodrendben kon-
11.2.5. A numerikus mdszer realizlsnak algoritmusa

A (11.2.32)-(11.2.34) mdszer az kvetkezt jelenti. Ha
yh F( h ) yh
rcsfggvny meghatrozst jelenti. Ez nyilvnva-
lan a (11.2.35) lineris algebrai egyenletrendszer megoldsval trtnik, ami a gyakorlatban a
yi,j
jelli az
rcsfggvny
(xi , yj ) h
rcspontbeli rtkt, akkor
yi+1,j 2yi,j + yi1,j yi,j+1 2yi,j + yi,j1 + c y = f , i, j = 1, 2, . . . , N 1; i,j i,j i,j h2 h2 yi,j = i,j , i {0, N } vagy j {0, N }.
(11.2.57) (Itt a
ci,j = c(xi , yj ), i,j = (xi , yj )
s az
fi,j = f (xi , yj )
egyszerst jellseket hasznl-
tuk.) rjuk fel a (11.2.57) feladatot a (11.2.35) lineris algebrai egyenletrendszer alakjban, azaz hatrozzuk meg a feladatban szerepl
Lh
mtrix s a
bh
jobb oldali vektor alakjt.
k = j(N + 1) + i, az yh
A (11.2.57) alakjbl knnyen lthat, hogy azon vektor
indexekre, amelyekre i, j {0, N } s k -adik koordintjnak rtkt a peremfelttelbl ismerjk. (Ezek
6 Lsd az elz fejezet a 10.5.5. szakaszt.

11.2.
valjban a csak az
h pontjaiban felrt egyenleteknek felelnek meg.) Ezrt yh meghatrozshoz elegend

(N 1)2
pontjaihoz tartoz koordintkat meghatrozni. Ez azt jelenti, hogy a (11.2.35) feladat
helyett egy kisebb dimenzij lineris algebrai egyenletrendszer megoldsa szksges: az
(N +1)2
yh
vektorbl a fenti koordintk elhagysa utn nyert
-beli vektor meghatrozsa
szksges. Ezt a vektort a sma
pontjaiban felrt felttelekbl hatrozhatjuk meg, amely egy
(N 1)2
A
ismeretlenes lineris algebrai egyenletrendszert jelent. Hatrozzuk meg ezt a feladatot
a (11.2.57) alapjn!
tartoz
k = (i1)(N 1)+j (ahol i, j = 1, 2, . . . , N 1) tsorszmozssal az h yh ismeretlen vektorra trt feladat ekkor az Lh yh = bh yh R(N 1)
2
rcshl pontjaihoz
(11.2.58) az ismeretlen vektor,
lineris algebrai egyenletrendszer alakjt lti, ahol
(N 1)2
ismert vektor, s
2 2 Lh R(N 1) (N 1)
bh
adott mtrix. Hatrozzuk meg ezek alakjt
a (11.2.57) sszefggsek alapjn! Vezessk be az
yi R(N 1) , bi R(N 1)
i
index vektor
(ahol
mindegyik rgztett
j -edik
koordintja (j
i = 1, 2, . . . , N 1) vektorokat gy, = 1, 2, . . . , N 1) az yh s
koordintja legyen. Ekkor
hogy a
bh
vektorok fenti tsorszmozsi szablynak megfelel
k -adik
yh = [y1 , y2 , . . . , yN 1 ] ,
Az egyszersg kedvrt tegyk fel, hogy a
bh = [b1 , b2 , . . . , bN 1 ] .
Alkalmazva a
Bh = tridiag[1, 4 + c, 1] tridiagonlis mtrixra, illetve a 0, Eh R(N 1)(N 1) Bh Eh 0 ... Eh Bh Eh . . . 1

...
c = lland.
Bh R(N 1)(N 1)
jellst
jellseket a
zro- illetve az egysgmtrixra, a (11.2.58) egyenletben a mtrix
Lh =
0 0
0 0 Bh Eh
...
... h2 0
0 0
...
0 0
alak hipermtrix. A jobb oldali vektorban szerepl kapjuk. A
Bh bi vektorok elemeire a kvetkez kifejezseket
... ... . . . Eh ... 0
... Eh
0 0
(11.2.59)
b1
vektor elemei:
b1,1 =
ahol
1 1 1 (0,1 + 1,0 ) + f1,1 , b1,j = 2 j,0 + fj,1 , b1,N 1 = 2 (N,1 + N 1,0 ) + fN 1,1 , 2 h h h j = 2, 3, . . . , N 2. A bi vektor elemei i = 2, 3, . . . , N 2 esetn:
bi,1 =
ahol
1 1 + f1,i , bi,j = fj,i , bi,N 1 = 2 N,i + fN 1,i , 2 0,i h h

A
j = 2, 3, . . . , N 2.
bN 1
vektor elemei:
ahol
1 1 (0,N 1 + 1,N ) + f1,N 1 , bN 1,j = 2 j,N + fN,j , 2 h h 1 bN 1,N 1 = 2 (N,N 1 + N 1,N ) + fN 1,N 1 , h j = 2, 3, . . . , N 2.
bN 1,1 =
Teht a numerikus megolds ellltshoz a fenti mdon sszelltott (11.2.58) lineris algebrai egyenletrendszert kell megoldanunk. Az algoritmus MATLAB programjval s a szmtgpes realizlsi krdsvel a fejezet vgn foglalkozunk. tankonyvtar.bme.hu 351
11.
11.3. Lineris, msodrend, parabolikus parcilis differencilegyenletek

Ebben a szakaszban a lineris, msodrend, parabolikus parcilis differencilegyenletekkel s azok vges dierencik mdszervel trtn numerikus megoldsval foglalkozunk. Felrjuk a forrsmentes hvezetsi egyenlet homogn, els peremfelttel feladatnak analitikus megoldst, majd meghatrozzuk a vges dierencia mdszeres numerikus megoldst. A mdszer konvergencijnak vizsglatnl megmutatjuk, hogy az elliptikus tpus feladatokra alkalmazott technika lnyegben kiterjeszthet erre a feladatra is.
11.3.1. Az egydimenzis hvezetsi egyenlet analitikus megoldsa

t > 0 adott szm esetn jellje t = (0, 1) (0, t ] R2 halmazt, t t = 0, x = 0 s x = 1 egyenesekkel hatrolt ponthalmazt, azaz t = t \t . A t parabolikus peremnek nevezzk. Tekintsk a tovbbiakban t pontjaiban a
Tetszleges pedig a halmazt
u(x, t) 2 u(x, t) = 0, (x, t) t t x2

egyenletet a
(11.3.1)
parabolikus peremen megadott albbi kiegszt ("kezdeti+perem") felttelekkel:
u(x, 0) = 0 (x), x (0, 1); 0 = 0, 0 = 0, gy

Ha akkor a feladat megoldsa az a keresett megolds
u(0, t) = u(1, t) = 0, t [0, t ].
(11.3.2)
u=0
fggvny. Ezrt a tovbbiakban feltesszk, hogy
u = 0. u(x, t) = X(x) T (t)
Keressk a megoldst ismt az (11.3.3)
sztvlaszthat alakban, ahol
a nem azonosan nulla, egyelre ismeretlen s megfelelen
sima fggvnyek. Behelyettestve a (11.3.3) alak
fggvnyt a (11.3.1) egyenletbe, a (11.3.4)
T (t) X(x) X (x) T (t) = 0, (x, t) t

egyenletet nyerjk. Ekkor a (11.3.4) sszefggs alapjn az
X (x) T (t) = X(x) T (t)

valamely
(11.3.5)
azonossgot nyerjk, ami az elliptikus esethez hasonlan azt jelenti, hogy mindkt oldal lland:
szm mellett rvnyes az
X (x) T (t) = = X(x) T (t)

egyenlsg. Innen az
(11.3.6)
X (x) = X(x), x (0, 1)
(11.3.7)
egyenletet kapjuk. Msrszt, behelyettestve a (11.3.3) alakot a (11.3.2) kt peremfelttelbe, az
X(0) = X(1) = 0
felttelt nyerjk. Clunk teht olyan feladatnak ltezik a trivilis (11.2.9) feladat megoldst,
(11.3.8)
R szm meghatrozsa, amely mellett a (11.3.7)-(11.3.8) X(x) = 0 fggvnytl klnbz megoldsa. Kvetve a (11.2.8)innen a lehetsges rtkekre a k = k 2 2 , k = 1, 2, . . .
(11.3.9)
11.3.
Lineris, msodrend, parabolikus parcilis differencilegyenletek
rtkeket kapjuk. Teht az
k Xk (x) = C1 sin(kx), k = 1, 2, . . .
fggvnyek tetszleges feladatnak. Trjnk t a
(11.3.10)
k C1
llandk mellett megoldsai a
= k
megvlaszts (11.3.7)-(11.3.8)
T (t)
fggvny meghatrozsra! A (11.3.6) egyenlsg felhasznlsval a
T (t) = T (t), t (0, t ]

egyenletet kapjuk, ahol (11.3.9) alapjn
(11.3.11)
= k = k 2 2 .
k Tk (t) = C2 ek t ,
Az egyenlet ltalnos megoldsa (11.3.12)
k C2 tetszleges lland. Teht a (11.3.10) s a (11.3.12) kpletekkel azt kapjuk, hogy minden k = 1, 2, . . . esetn tetszleges Ck lland mellett az
ahol
uk (x, t) = Xk (x)Tk (t) = Ck ek
2 t
sin(kx)
(11.3.13)
fggvnyek olyan fggvnyek, amelyek megoldsai a (11.3.1) egyenletnek, s kielgtik a (11.3.2) mindkt (homogn) peremfelttelt. gy az
u(x, t) =
k=1
uk (x, t) Ck
(11.3.14)
fggvny is rendelkezik ezekkel a tulajdonsgokkal. Vlasszuk meg a tetszleges gy, hogy a (11.3.2) kezdeti felttele is teljesljn erre az kpletek alapjn
llandkat
u fggvnyre!
A (11.3.14) s a (11.3.13)
u(x, 0) =
k=1
Ugyanakkor a
Ck sin(kx).
(11.3.15)
0 (x)
fggvny Fourier-sora
0 (x) =
k=1
alak, ahol
k sin(kx) 0
(11.3.16)
k = 2 0
0
0 (s) sin(ks) ds.
(11.3.17)
A (11.3.15) s a (11.3.16) kpletek sszevetsbl teht
Ck = k . 0
sszegezve: az
(11.3.18)
u(x, t) =
k=1
fggvnysorral denilt
k ek 0
2 t
sin(kx)
(11.3.19)
u(x, t)
fggvny a fggvnysor egyenletes konvergencija esetn megol-
dsa a (11.3.1)-(11.3.2) feladatnak. tankonyvtar.bme.hu 353
11.
11.3.1. megjegyzs.
A fenti megolds segtsgvel a
U (x, t) 2 U (x, t) = 0, (x, t) t t x2 U (x, 0) = M0 (x), x (0, 1);

(ahol
(11.3.20)
U (0, t) = , u(1, t) = , t [0, t ]
(11.3.21)
adott llandk) inhomogn peremfelttel feladat megoldsa is knnyen elllthat
hasonl vgtelen fggvnysor alakjban. Ehhez vezessk be
u(x, t) = (1 x) + x, x [0, 1]
jellst. (Nyilvnvalan
(11.3.22)
a (11.3.1)-(11.3.2) feladatnak, ahol az
u(x, t) egy ismert fggvny.) Ekkor az u = U u fggvny megoldsa lesz 0 (x) = M0 (x) ((1 x) + x). Ezrt ennek a fggvnynek U = u+u
a (11.3.17) kplet szerinti Fourier-egytthatival ellltott (11.3.19) fggvnysora meghatrozza
fggvnyt, s ennek ismeretben az ismeretlen fggvnyt kiszmolhatjuk az
sszefggsbl.
11.3.2. megjegyzs. Felmerlhet a krds: nem ltezik-e a (11.3.1)-(11.3.2) feladatnak a (11.3.19)

fggvnytl eltr megoldsa? A vlasz nemleges. Ugyanis ha egy
maximum-minimum elv :
zon kielgti a (11.3.1) egyenletet, s folytonos az
halmazon, akkor teljesl r az n.
a fggvny a legnagyobb s legkisebb
w(x, t) fggvny az t halmaparabolikus rtkt felveszi a t parabolikus
peremen. Ebbl kzvetlenl knnyen megmutathat, hogy a feladatnak csak egyetlen megoldsa lehet. Emellett, a feladat stabil kitzse is megmutathat: a megolds a bemen fggvnyektl folytonsan fgg a maximumnormban [9, 30]. Teht a (11.3.1)-(11.3.2) feladat korrekt kitzs.
Mint lthat, a (11.3.1)-(11.3.2) feladat, a (11.2.1)-(11.2.2) elliptikus feladathoz hasonlan, formlisan ugyan megoldhat, de a megoldst valjban csak egy vgtelen fggvnysor sszegnek alakjban tudjuk felrni. Ez azt jelenti, hogy a gyakorlatban mr az ilyen egyszer feladat analitikus megoldsa sem kivitelezhet. Teht ismtelten numerikus megolds alkalmazsa szksges. A tovbbiakban a
vges dierencik mdszervel
fogjuk a kzelt megoldst ellltani egy,
a (11.3.1)-(11.3.2) feladatnl ltalnosabb feladatra, s megvizsgljuk, hogy a kzelt megoldsok kzel lesznek-e a pontos megoldshoz.
11.3.2. A hvezetsi feladat numerikus megoldsa vges dierencik mdszervel

Ebben a rszben a (11.3.1)-(11.3.2) feladatnl ltalnosabb alak parabolikus tpus parcilis differencilegyenlet vges dierencis megoldsval foglalkozunk. Tekintsk a
u(x, t) 2 u(x, t) = f (x, t), (x, t) (0, l) (0, t ] t x2

egyenletet az
(11.3.23)
u(x, 0) = 0 (x), x (0, l)

kezdeti s az
(11.3.24)
u(0, t) = 1 (t), u(l, t) = 2 (t), t (0, t ]

peremfelttellel, ahol
(11.3.25)
0 , 1 , 2
adott fggvnyek. Legyen
halmaz, amelynek pontjaiban a (11.3.23) egyenletet felrjuk.
t = (0, l) (0, t ] R2 azon Jellje t az t \t parabolikus
11.3.
peremet,
egyezik a
pedig azt a t halmazon rtelmezett fggvnyt, amely az egyes szakaszokon meg0 , 1 s 2 fggvnyekkel. Tegyk fel, hogy f C(t ) s C(t ). 2,1 Vezessk be az L : C (t ) C(t ) C(t ) lineris opertort7 a kvetkez mdon: w 2 w (x, t), ha (x, t) t ; t x2 (11.3.26) Lw(x, t) = w(x, t), ha (x, t) t , f : t R
a kvetkez fggvnyt:
tovbb
f (x, t) =
f (x, t), (x, t),
ha ha
(x, t) t (x, t) t
; .
(11.3.27)
Ekkor a (11.3.23)-(11.3.24) feladatunk az
Lu = f
opertoregyenlet megoldst jelenti, ahol
(11.3.28) az ismeretlen fggvny.
uC
2,1
(t )
Mivel a (11.3.28) feladat analitikus megoldst ltalnos esetben nem tudjuk ellltani, ezrt ismtelten numerikus eljrst alkalmazunk. Ennek lnyege a kvetkez. 1. Denilunk az
halmazon rcshlkat a kvetkez mdon:
h, = {(xi , tn ), xi = ih, tn = n, i = 1, 2, . . . , Nx 1, n = 1, 2, . . . , Nt } h, = {(xi , tn ), xi = ih, tn = n, i = 0, 1, . . . , Nx , n = 0, 1, . . . , Nt }.

Itt
Nx
Nt
jellik az
irny osztsrszek szmt,
diszkretizcis lpskzket. Jellje peremre es pontjait. 2. Jellje
h, = h, \h, t h,
az
h = l/Nx s = t /Nt pedig a h, rcshl t parabolikus R-be

kpez fggvnyek
F( h, )
F(h, )
az
h,
s az
rcsokon rtelmezett,
vektortert. 3. Clunk olyan
yh, F( h, )
rcsfggvny meghatrozsa, amely
h,
pontjaiban kzel
van a (11.3.1)-(11.3.2) feladat
megoldshoz, s a rcshl nomtsval (azaz
h, 0
elemet,
esetn) az eltrsk nullhoz tart. Adjunk meg teht olyan amelyekre az
Lh, : F( h, ) F( h, )
lineris opertort s
bh, F( h )
Lh, yh, = bh,

opertoregyenlet Az
(11.3.29)
yh, F( h, )
megoldsa rendelkezik a fentiekben lert tulajdonsggal.
Lh,
opertor megvlasztsnl tletknt a kvetkez lemma szolgl.
11.3.3. lemma.
Legyen
w C 4,2 (t ).
Ekkor tetszleges
[0, 1]
szm esetn
w w(xi , tn1 + ) w(xi , tn1 ) (xi , tn1 + ) = + O( ), t 2w w(xi+1 , tn1 ) 2w(xi , tn1 ) + w(xi1 , tn1 ) (xi , tn1 + ) = + O( + h2 ). 2 x h2
(11.3.30)
7 C 2,1 ( ) jelli az els vltozban ktszer, a msodik vltozban egyszer folytonosan dierencilhat u(x, t) t (ahol (x, t) t ) fggvnyek halmazt.
11.
Bizonyts. rjuk fel az els llts bal oldaln szerepl fggvny elsrend Taylor-sorbafejtst!
w w w 2w (xi , tn1 + ) = (xi , tn1 ) + 2 (xi , t ) = (xi , tn1 ) + O( ). t t t t

Mivel
(11.3.31)
w(xi , tn1 + ) = w(xi , tn1 ) +

ezrt
2 2w w (xi , t ), (xi , tn1 ) + t 2 t2
(11.3.32)
w(xi , tn1 + ) w(xi , tn1 ) w = (xi , tn1 ) + O( ). t
(11.3.33)
A (11.3.31) s a (11.3.33) sszefggsekbl az els llts kzvetlenl leolvashat. A msodik llts az els llts bizonytsval knnyen belthat, s ezrt ezt az Olvasra bzzuk. Clunk a (11.3.26) szerinti
(Lw)(xi , tn )
rtk kzeltse
h,
rcspontbeli rtkeivel. Tekintsk a 11.3.3. lemma
O( + h2 ) pontossggal a w fggvny lltst a = 1 megvlasztssal! Ez

az
motivlja a kvetkezket.
n wh, F( h, ) adott rcsfggvny esetn wh (xi , tn ) = wi . Deniljuk F( h, ) F( h, ) rcsopertort az albbi mdon: n1 n1 n1 n wn1 2wi + wi1 wi wi i+1 , ha (xi , tn ) h, ; (Lh, wh, ) (xi , tn ) = h2 n wi , ha (xi , tn ) h, .
Jellje a Alkalmazva az
Lh, :
(11.3.34)
[0, 1]
rtk
f (xi , tn1 + ) =: fin, s a (xi , tn ) = n jellseket, i mellett deniljuk a bh, F( h, ) rcsfggvnyt a kvetkez b (xi , tn ) = h, fin, , n i
ha ha
valamely rgztett mdon:
(xi , tn ) h, ; (xi , tn ) h, .
(11.3.35)
Ekkor
b h,
rtke
hogy keressk a
h, minden rcspontjban meghatrozhat, 8 s a (11.3.29) egyenlet azt jelenti, azon yh, F( h, ) rcsfggvnyt, amelyet a (11.3.34) szerinti Lh, opertor ebbe
fels indexet. (Mint
b h,
rcsfggvnybe kpez le.
A tovbbiakban, ahol nem okoz flrertst, a jellseinken elhagyjuk a ltni fogjuk a 11.3.7.. ttelben, a konvergencijra.)
paramter konkrt megvlasztsa nincs kihatssal a mdszer
11.3.4. megjegyzs.
felrhat
A 11.2.3. megjegyzshez hasonlan a (11.3.29) lineris opertoregyenlet
Lh, yh, = bh,

h, (Nx + 1)(Nt + 1).
(11.3.36) rcshl pontmeghatro-
alak lineris algebrai egyenletrendszerknt, amelynek mrete megegyezik az jainak szmval, azaz zshoz valjban nincs szksg az
Lh,
Ksbb ltni fogjuk, hogy esetnkben mtrix invertlsra.
yh,
8 Ha = 0, akkor az n = 1 rtkre a kpletben f (0, x ) szerepel. Br az f fggvnyrl eddig csak azt tettk i fel, hogy az t tartomnyon van rtelmezve, s ott folytonos, a tovbbiakban feltesszk, hogy folytonosan kiterjeszthet a t = 0 egyenesre. Ekkor az f (0, xi ) rtken ezen kiterjesztett fggvny rtkt rtjk, azaz a kplet rtelmes az n = 1 esetn is.
11.3.
11.3.3. A vges dierencis kzelts konvergencija

A tovbbiakban a 11.3.2. rszben megfogalmazott feladat megoldhatsgval s konvergencijval foglalkozunk.
11.3.5. ttel.
Tegyk fel, hogy a rcshl lpskzeire teljesl a
q := /h2 0.5
felttel. Ekkor a (11.3.29) feladatnak ltezik egyrtelm megoldsa.
(11.3.37)
Bizonyts. A 11.3.4. megjegyzsnek megfelelen a (11.3.29) feladat egy (11.3.36) alak lineris algebrai egyenletrendszert jelent. rjuk ki az egyes rcspontokhoz tartoz egyenleteket!
az
(xi , tn ) h,
bels rcspontokban (11.3.36) a kvetkez egyenletet jelenti:
1 n1 1 n 1 n1 y 2 yi1 2 yi+1 + i h h
az
2 1 h2
n1 yi = fin, .
(11.3.38)
(xi , tn ) h,
perempontokban (11.3.36) pedig a kvetkezt jelenti:
n yi = n . i
Ezrt az
(11.3.39)
Lh,
mtrix ftljban pozitv elemek (1/ ), mg a (11.3.37) felttel kvetkeztben azon
kvl nempozitv elemek llnak.
n Tekinsk a i = 1 + ih(l ih) (i = 0, 1, . . . , Nx ; n = 0, 1, . . . , Nt ) vektort. Nyilvnvalan n 1, s i = 0 illetve i = Nx esetn n = 1. Hatrozzuk meg az h, vektort! Mivel a vektor i i koordinti az n indextl fggetlenek, ezrt a bels pontokhoz tartoz koordintkra:
(Lh, g)i =
n
1 n 1 1 2 1 gi 2 gn1 2 gn1 + 2 gn1 = i1 i+1 i h h h 1 1 n n1 g gn1 + 2 gn1 + 2gn1 gi+1 = 2, i i1 i i h

=0
(11.3.40)
mivel egyszer behelyettestssel ellenrizheten 10.2.2. szakaszval.) Teht
gn + 2gn gn = 2h2 . i1 i i+1
(V.. a 10.. fejezet
Lh, g > 0. Ezrt Lh,
M-mtrix, ami az lltsunkat bizonytja.
11.3.6. kvetkezmny.
ximumnormjra:
A szoksos mdon ismt becsls adhat az
Lh,
mtrix inverznek ma-
L1 h,
Az elzekben megmutattuk, hogy kztti sszefggs alapjn
mini,n (Lh g)n i

kzepek az
mini,n (Lh g)n = 1. Msrszt, a szmtani-mrtani i ih(l ih) l2 /4, azaz gh (l2 + 4)/4. Ezrt teht l2 + 4 4
Lh,
regulris mtrix inverzre rvnyes az
L1 h,
becsls.
(11.3.41)
11.
Trjnk t a konvergencia vizsglatra! Legyen
Ph,
C(t ) F( h, )
projekci, azaz (11.3.42)
(Ph, w)(xi , tn ) = w(xi , tn ), (xi , tn ) h, ,

tovbb
wh, = Ph, w F( h, )
fggvny projekcijt. Ekkor a konvergencia valamely
F( h, ) nomban azt jelenti, hogy az
eh, = yh, Ph, u = yh, uh, F( h ) rcsfggvny h
nullhoz tartsa esetn ebben a normban nullhoz tart. A kvetkez ttel ezt a tulajdosgot
mutatja meg.
11.3.7. ttel.
A (11.3.37) felttel teljeslse esetn a (11.3.34) s (11.3.35) kpletekkel denilt (11.3.29) egyenlet leges
yh, F( h ) megoldsaibl ll rcsfggvnysorozat a maximumnormban [0, 1] rtk esetn h, (xi , tn ) = O( + h2 ) rendben konvergl a (11.3.28)
tetszfeladat
elegenden sima megoldshoz. Bizonyts. Feltehet, hogy a (11.3.28) korrekt kitzs feladat (lsd a 11.3.1. szakaszt), ezrt elegend megmutatni, hogy a mdszer a maximumnormban konzisztens s stabil. Vizsgljuk meg a konzisztencit! Ehhez a loklis approximcis hiba, vagyis a
h, (xi , tn ) = bh, (xi , tn ) (Lh, Ph, u)(xi , tn ) = (bh, (Lh, uh, )) (xi , tn )
kifejezs abszolt rtknek maximumt kell becslnnk. Mivel az
(xi , tn ) h,
perempontokban
h, (xi , tn ) = n (Lh, uh, ) (xi , tn ) = n uh, (xi , tn ) = n n = 0, i i i i

ezrt elegend a loklis approximcis hibt csak az nunk. Ezekben a pontokban
(xi , tn ) h,
bels rcspontokban vizsgl-
h, (xi , tn ) = fin, (Lh, uh, )(xi , tn ) = f (xi , tn1 + ) (Lh, uh, )(xi , tn ).
A (11.3.23) egyenlet alapjn
(11.3.43)
f (xi , tn1 + ) =
s az
u(xi , xi , tn1 + ) 2 u(xi , tn1 + ) , t x2
(11.3.44)
uh, (xi , tn ) = un i
jellssel a (11.3.34) sszefggs alapjn
(Lh, uh, )(xi , tn ) =

A (11.3.44) s a (11.3.45) alakban:
un1 2un1 + un1 un un1 i i1 i i i+1 . h2
(11.3.45)
sszefggsek alapjn teht a (11.3.43) kifejezs trhat a kvetkez
h, (xi , tn ) =
n+1 un 2un + un u(xi , tn1 + ) ui un 2 u(xi , tn1 + ) i i1 i + i+1 2 t h x2
(11.3.46) Ezrt a 11.3.3. lemma lltsa alapjn tetszleges
[0, 1]
rtk esetn (11.3.47)
h, (xi , tn ) = O( + h2 ),
ami a maximumnormabeli konzisztencit, s annak rendjt mutatja. 358 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)
11.3.
Mivel a 11.3.6.. kvetkezmnybl (konkrtan a (11.3.41) becslsbl) a stabilits kzvetlenl kvetkezik, ezrt a 11.2.8. ttel felhasznlsval ezzel a ttel lltst belttuk.
11.3.8. megjegyzs.
A 11.3.7. ttel
gy is megfogalmazhat: A (11.3.37) felttel teljeslse
esetn a (11.3.38)-(11.3.39) lineris algebrai egyenletrendszer megoldsa a maximumnormban konvergl a (11.3.23)-(11.3.25) hvezetsi feladat elegenden sima megoldshoz.
11.3.4. A numerikus mdszer realizlsnak algoritmusa

A konvergencia megmutatsa utn trjnk t a mdszer realizlsnak krdsre. A 11.3.4. megjegyzsnek megfelelen a mdszer realizlsa a (11.3.36) alak lineris algebrai egyenletrendszer megoldsval ekvivalens. Mivel a megolds a parabolikus perem mentn ismert, ezrt valjban csak az
(xi , tn ) h,
bels rcspontokhoz tartoz numerikus megoldsok rtkt
kell meghatroznunk, azaz valjban egy
Lh, yh, = bh,

alak lineris egyenletrendszer megoldsa szksges, ahol adott mtrix,
(11.3.48)
bh,
adott,
yh,
Lh,
egy
pedig az ismeretlen (11.3.36)-beli mret vektorok.
yh,
(Nx 1)Nt (Nx 1)Nt mret vektor h, rcspontjaihoz bh,

vektor alakjt! Ehhez
tartoz komponenseibl ll,
(Nx 1)Nt
Hatrozzuk meg a (11.3.48) egyenletben szerepl felhasznlsval. Nyilvnvalan (11.3.38) felrhat
Lh,
mtrix s
teht a (11.3.38) egyenleteket kell felrnunk az ismert kezdeti s peremfelttelek (azaz
fggvny)
n1 n1 n1 n yi qyi1 qyi+1 + (2q 1) yi = fin,

(i
(11.3.49) A (11.3.24) s a (11.3.25)
= 1, 2, . . . , Nx 1
n = 0, 1, . . . , Nt 1)
alakban, ahol
q = /h2 .
felttelekbl (vagyis a (11.3.39) egyenletekbl) a (11.3.49) egyenletekben esetn ismerjk az
i {0, Nx } illetve n = 0
(11.3.50)
n yi
rtkeit: ezekre az indexekre
n yi = (xi , tn ).
Ez azt jelenti, hogy
0 n n yi = 0 (xi ), y0 = 1 (tn ); yNx = 2 (tn ), i = 0, 1, . . . , Nx , n = 1, 2, . . . , Nt .

Vezessk be az
yn R(Nx 1) , bn R(Nx 1)
n n n yn = [y1 , y2 , . . . , yNx 1 ] ,
(ahol
n = 1, 2, . . . , Nt )
szoksosan oszlopvekto-
rokat az albbi mdon:
bn = [bn , bn , . . . , bn x 1 ] , 1 2 N
bh, = [(b1 ) , (b2 ) , . . . , (bNt ) ] .
lland. Alkalmazva a
Ekkor
yh, = [(y1 ) , (y2 ) , . . . , (yNt ) ] ,
Az egyszersg kedvrt tegyk fel, hogy jellst a
Bh =
c =
tridiag[q, 2q
1, q]
tridiagonlis mtrixra, illetve a
Bh R(Nx 1)(Nx 1) 0, Eh R(Nx 1)(Nx 1)
jellseket a zr- illetve az egysgmtrixra, a (11.3.48) egyenletben a mtrix
Lh, =
Eh 0 0 . . . Bh Eh 0 . . .
. 0
. .
0 0
. . .
0 0
. . .
0 0
. . .
0 . . . Bh Eh 0 . . . 0 Bh Eh
. . .
. . .
0 0
0
. . .
(11.3.51)
alakban rhat fel, ami egy
Nt
sorbl ll alak hipermtrix. tankonyvtar.bme.hu 359
11.
11.3.9. megjegyzs.
Knnyen ellenrizhet, hogy az
Lh,
mtrix a (11.3.37) szerinti
q 0.5
felttel esetn M-mtrix. A (11.3.49) egyenletekbl kzvetlenl felrhatk a a kvetkez:
bn Nx 1 dimenzis vektorok. Ezek alakja

,
(11.3.52)
b1 =
s az
0, 0 0 0 f1 + qy0 (2q 1)y1 + qy2 0, 0 0 0 f2 + qy1 (2q 1)y2 + qy3

. . .
0, 0 0 0 fNx 1 + qyNx 2 (2q 1)yNx 1 + qyNx
n = 2, 3, . . . , Nt
rtkekre
n1, n1 + qy0 f1 n1, f2 . . . bn = . n1 fNx 2, n1 n1 fNx 1, + qyNx
(11.3.53)
11.3.10. megjegyzs.
fggvny viselkedst a
Mint belttuk, a konvergencia rendjt nem befolysolja a
paramter
rtke. A gyakorlatban ltalban a
= 0.5
megvlaszts a szoksos. Ennek oka, hogy olyan
pontot kell vlasztanunk, hogy az azon ponthoz tartoz fggvnyrtk jl jellemezze az a felezpont a legalkalmasabb. A (11.3.50) sszefggsek ismeretben teht
f (xi , t) [tn1 , tn ] intervallumon. Mint azt a numerikus integrlsnl is lttuk, erre
b1 =
s az
0, f1 + q0 (x0 ) (2q 1)0 (x1 ) + q0 (x2 ) 0, f2 + q0 (x1 ) (2q 1)0 (x2 ) + q0 (x3 )
. . .
,
(11.3.54)
0, fNx 1 + q0 (xNx 2 ) (2q 1)0 (xNx 1 ) + q0 (xNx )
n = 2, 3, . . . , Nt
rtkekre
n1, f1 + q1 (tn1 ) n1, f2 . . . bn = . n1, fNx 2 n1, fNx 1 + q2 (tn1 )

Mindezek alapjn soronknt kirva a (11.3.48) egyenletet a kvetkezt kapjuk
(11.3.55)
Eh y1 =b1 , Bh yn1 + Eh yn =bn , n = 2, 3, . . . , Nt ,

amelynek trendezsvel az albbi megold algoritmust kapjuk:
y1 =b1 , yn =bn Bh yn1 , n = 2, 3, . . . , Nt .

(11.3.56)
11.3.
A (11.3.56) n.
explicit
mdszert jelent: az ismert
bn vektorok ismeretben kzvetlenl nyerjk yn vektort, azaz a megolds j idrtegen

egylpses
(vagy ms terminiolgiban:
ktlpcss ), hiszen az yn1
idrtegenknt a kzelt megoldst. Emellett a mdszer vektorbl hatrozzuk meg a
val kiszmolsa a megelz idrtegen mr kiszmolt kzelts segtsgvel trtnik. Ezrt a mdszer realizlsa meglehetsen egyszer, s nem ignyel sok mveletet: az egy idrtegen val megoldsvektor kiszmolshoz egy
(Nx 1) mret tridiagonlis mtrix s vektor sszeszorzsa,
valamint egy vektorsszeads szksges.
11.3.5. Egy msik vges dierencis sma s vizsglata

Az eddigiekben trgyalt, a (11.3.34) s (11.3.35) kpletekkel denilt (11.3.29) konvergencijnak felttele volt a rtelmezett
/h2 0.5
explicit sma
(11.3.37) felttel. (Lsd a 11.3.7. ttelt.) Ez a
felttel elgg megszort, ha a rcshlt nomtjuk. Ugyanis, amikor az
megoldsi halmazon
h,
rcshl trbeli lpskzt cskkentjk, akkor ennek mrtknek ngyzetvel kell
az idbeli lpskzt is cskkenteni. (Pldul, elz pldnk esetn
h felezsvel
rtkt negyedre kell cskkentennk.)
Ez viszont a rcshl pontjainak szmt (s gy a szmtsi ignyt) is jelentsen megnveli. (Az
Nt
a ngyszeresre nvekszik, azaz amg az eredeti rcshl bels pontjainak
s ezrt az ismeretleneknek is a szma
(Nx 1)Nt ,
addig a nomtott
(2Nx 1)4Nt
lesz,
azaz kb. nyolcszorosra nvekszik a pontok szma.) Felmerlhet a krds: megadhat-e olyan kzelts, amelynek konvergencijhoz nem szksges ilyen korltoz felttel? A (11.3.29) diszkretizciban a (11.3.23)-(11.3.25) feladatban szerepl derivltakat a (11.3.30) szerint kzeltettk. (Ez igazbl az
(x1 , tn1 )
pontban felrt kzeltst jelentette, ahol az id
szerinti derivltat egy halad vges dierencival kzeltettk.) rjunk fel egy msik, bizonyos rtelemben termszetesebb kzeltst: a kzeltst az
(xi , tn )
pontban (teht a rcshl pont-
jban) rjuk fel, s az id szerinti derivltat egy retrogrd vges dierencival kzeltjk. Teht
w (xi , tn ) t 2 w (xi , tn ) x2
w(xi , tn ) w(xi , tn ) , w(xi+1 , tn ) 2w(xi , tn ) + w(xi1 , tn ) , h2
(11.3.57)
azaz a trbeli vltoz szerinti msodik derivltat egy adott idrtegen a
idrtegen
vnyre
rcshlval megegyez
vett kzpponti vges dierencikkal kzeltjk. Hasonlan, a jobb oldali rcsfgg-
bh, (xi , tn ) =
Ekkor az
fin , n , i
ha ha
(xi , tn ) h, ; (xi , tn ) h, .
(11.3.58)
Lh,
opertor dencija a (11.3.34) szerinti kplet helyett a kvetkezre mdosul:
n n1 n n wn 2wi + wi1 wi wi i+1 , (Lh, wh, ) (xi , tn ) = h2 n wi ,
ha ha
(xi , tn ) h, ; (xi , tn ) h, .
(11.3.59)
A 11.3.5. ttelhez hasonlan a (11.3.59) opertor invertlhatsga (s gy a megfelel numerikus sma realizlhatsga) megmutathat.
11.3.11. ttel.
A (11.3.59) opertor (11.3.29) feladatnak ltezik egyrtelm megoldsa.
11.
Bizonyts. A 11.3.4. megjegyzsnek megfelelen a (11.3.29) feladat egy (11.3.36) alak lineris algebrai egyenletrendszert jelent. rjuk ki az egyes rcspontokhoz tartoz egyenleteket!
Felhasznlva az opertor (11.3.59) alakjt, az a kvetkez egyenletet jelenti:
(xi , tn ) h,
bels rcspontokban (11.3.36)
2 1 + 2 h
Az
n yi
1 n 1 n 1 n1 y 2 yi+1 yi = fin . 2 i1 h h
(11.3.60)
(xi , tn ) h,
perempontokban (11.3.36) a kvetkezt jelenti:
n yi = n . i
Ezrt a (11.3.59) alak llnak. Tekinsk a
(11.3.61)
Lh,
mtrix ftljban pozitv elemek, mg azon kvl nempozitv elemek
gn = 1 + ih(l ih) (i = 0, 1, . . . , Nx ; n = 0, 1, . . . , Nt ) vektort! Nyilvnvalan gn i i 1, s i = 0 illetve i = Nx esetn gn = 1. Hatrozzuk meg az Lh, g vektort! A perempontokhoz i n tartoz koordinti nyilvn gi . Mivel a g vektor koordinti az n indextl fggetlenek, ezrt a
bels pontokhoz tartoz koordintkra:
(Lh, g)i =
n
1 n 1 n1 g gi + 2 gn + 2gn gn i1 i i+1 = 2, i h
=0
(11.3.62)
mivel, mint ismeretes Teht
Lh, g > 0. Ezrt Lh,
n1 gn1 + 2gn1 gi+1 = 2h2 . i1 i

maximumnormjra:
A szoksos mdon ismt becsls adhat az
Lh,
mtrix inverznek
L1 h,
mini,n (Lh g)n i
.
kzepek az
mini,n (Lh g)n = 1. Msrszt, a szmtani-mrtani i ih(l ih) l2 /4, azaz gh (l2 + 4)/4. Ezrt teht l2 + 4 4
Lh,
L1 h,
becsls.
(11.3.63)
11.3.13. megjegyzs.
A 11.3.5. s a 11.3.11. ttelek kztti alapvet klnbsg, hogy mg
a 11.3.5. ttelben felttelt ktnk ki a ttelben ilyen korlt nem szerepel.
/h2
hnyadosra (lsd (11.3.37) felttel), addig a 11.3.11.
A kvetkez llts a mdszer konvergencijrl szl.
11.3.14. ttel.
A (11.3.59) s (11.3.58) kpletekkel denilt (11.3.29) egyenlet rcsfggvnysorozat a maximumnormban elegenden sima megoldshoz.
yh, F( h ) megoldsaibl ll
O( + h2 )
rendben konvergl a (11.3.28) feladat
11.3.
Bizonyts. A ttel bizonytshoz alkalmazzuk a 11.3.7. ttel bizonytst. A konzisztencia vizsglata a
h, (xi , tn )
loklis approximcis hiba rendjnek vizsglatt
ignyli. Nyilvnvalan esetnkben
h, (xi , tn ) =
u(xi , tn ) un un1 i i t
un 2un + un 2 u(xi , tn ) i+1 i i1 h2 x2
(11.3.64)
A fenti egyenlsg jobb oldalnak els kifejezse
u(xi , tn ) un un1 i i = O( ). t
A msodik kifejezsre a msodik derivlt vges dierencis kzeltsnek pontossga miatt
un 2un + un 2 u(xi , tn ) i+1 i i1 = O(h2 ). 2 h x2

Ezrt teht
h, (xi , tn ) = O( + h2 ),
ami a maximumnorma-beli konzisztencit mutatja.
(11.3.65)
A mdszer stabilitsa a 11.3.12. kvetkezmnybl (konkrtan a (11.3.63) becslsbl) kzvetlenl kvetkezik. A 11.2.8. ttel lltst alkalmazva ezzel lltsunkat belttuk.
11.3.15. megjegyzs. A fenti ttel fontos kvetkezmnye, hogy a mdszernk a

szksg az egyb korltozsok gyelembevtelre.
h tetszleges
mdon trtn nullhoz tartsa esetn konvergens a maximumnormban, azaz a diszkretizcis lpskzket csak az approximci pontossgnak kvnalmai szerint vlaszthatjuk meg, nincs
Vgezetl rjuk fel a mdszer realizlst jelent algoritmust! Ehhez hatrozzuk meg a (11.3.59) s (11.3.58) kpletekkel denilt (11.3.29) opertoregyenletnek megfeleltetett (11.3.48) lineris algebrai egyenletrendszer trsval a
Lh,
mtrixt s
bh,
jobb oldali vektort. Ezeket a (11.3.59) egyenletek (11.3.66)
n1 n n n qyi1 + (2 + q)yi qyi+1 yi = fin

(i
= 1, 2, . . . , Nx 1
illetve
n = 1, 2, . . . , Nt )
egyenletekbl hatrozhatjuk meg. Emlkeztetnk, hogy
a (11.3.24) s a (11.3.25) felttelekbl (vagyis a (11.3.39) egyenletekbl) a (11.3.66) egyenletekben
i {0, Nx }
n=0
esetn ismerjk az
n yi
rtkeit: ezekre az indexekre
n yi = (xi , tn ).
Ezrt
0 n n yi = 0 (xi ), y0 = 1 (tn ); yNx = 2 (tn ), i = 0, 1, . . . , Nx , n = 1, 2, . . . , Nt .

Megtartva a 11.3.4. szakasz jellseit, illetve bevezetve a
(11.3.67)
Ch = tridiag[q, 1 + 2q, q] R Ch 0 0 ... Eh Ch 0 . . .

yn RNx 1 , bn RNx 1 ,
valamint a
(Nx 1)(Nx 1)
0, Eh R(Nx 1)(Nx 1)
tridiagonlis mtrix
jellst, a (11.3.48) egyenletben az
0 0
. . .
0 0
. . .
Lh, =
0 0
. . .
0 0
. . .
0 . . . E h Ch 0 ... 0 Eh Ch
. . .
. . .
0 0
0
. . .
(11.3.68)
11.
Nt
szm sorbl ll hipermtrix. A
bn (n = 1, 2, . . . , Nt ) (Nx 1) dimenzis vektorok alakja a

1 f1 + 0 (x1 ) + q1 (t1 ) 1 f2 + 0 (x2 )
. . .
kvetkez. Az
n=1
rtkre
b =
1
az
,
(11.3.69)
+ 0 (xNx 2 ) 1 fNx 1 + 0 (xNx 1 ) + q2 (t1 )
1 fNx 2
n = 2, 3, . . . , Nt
rtkekre pedig
b =
n
n f1 + q1 (tn ) n f2
. . .
.
(11.3.70)
n fNx 1 + q2 (tn )
n fNx 2
Soronknt kirva a (11.3.48) egyenletet a kvetkezt kapjuk
Ch y1 =b1 , Eh yn1 +Ch yn = bn , n = 2, 3, . . . , Nt .

Ezt trendezve az albbi megold algoritmust nyerjk:
Ch y1 =b1 , Ch yn =bn + yn1 , n = 2, 3, . . . , Nt .

A (11.3.71) n.
(11.3.71)
implicit
mdszert jelent: az ismert jobb oldali vektorok ismeretben egy
Ch
mtrix lineris algebrai egyenletrendszer megoldsa szksges mindegyik idrtegen. Ez a mdszer is egylpses, hiszen az (Megjegyezzk, hogy a Gauss-elimincit.)
yn1
vektorbl hatrozzuk meg az
yn
vektort, azaz a megolds j
idrtegen val kiszmolsa a megelz idrtegen mr kiszmolt kzelts segtsgvel trtnik. ris algebrai egyenletrendszer megoldsra alkalmazhatjuk a korbban mr ismertetett specilis
Ch mtrix specilis struktrjnak kvetkeztben az idrtegenknti line-
11.3.6. ltalnosts s magasabb rend mdszerek

Foglaljuk ssze a (11.3.23)-(11.3.25) hvezetsi feladat numerikus megoldsra vonatkoz eddigi eredmnyeinket! A numerikus mdszerek felptsnl az volt az alapkrds, hogyan adjunk meg olyan a (11.3.29) opertoregyenlet
Lh, : F( h, ) F( h, ) lineris opertort s bh, F( h, ) yh, F( h, ) megoldsa rendelkezik a O( + h2 )
rcsfggvnyt, amelyekre szksges tulajdonsggal.
Ehhez tletknt a derivltak vges dierencis approximcijt alkalmaztuk. Az gy nyert smkra ezutn megmutattuk a megoldhatsgot, illetve belttuk a konvergencit: mindkt sma a maximumnormban megoldshoz. A fentiek kt tovbbi termszetes krdst vetnek fel. rendben tart a (11.3.23)-(11.3.25) feladat megfelel simasg
Kaphatunk-e ms megkzeltssel is jabb, a megfelel tulajdonsggal rendelkez rtort s
Lh,
ope-
bh,
jobb oldali rcsfggvnyt?
11.3.
Megadhat-e magasabb rendben pontos (azaz gyorsabban konvergl) kzelts?
h, rcshl elllthat a 10. fejezetben alkalmazott rcshlnak h = {xi = ih, i = 0, 1, . . . , Nx , h = l/Nx } trbeli s a 9. fejezetben alkalmazott t rcshlnak megfelel = {ti = i ; i = 0, 1, . . . , Nt ; = t /Nt } idbeli rcshlk direkt szorzataknt, azaz h, = h . Ezrt Lh, s bh, alakjnak meghatrozst kt lpsben
Vegyk szre, hogy az megfelel hajtjuk vgre.
Els lpsben a (11.3.23)-(11.3.25) feladatot egy elsrend, kznsges dierencilegyenletrendszer Cauchy-feladatval trben diszkretizljuk az
kretizci.)
rcshln. (Ez az n.
szemidisz-
Msodik lpsben ezen feladat idbeli diszkretizlshoz alkalmazzuk az fejezetben megismert numerikus mdszerek valamelyikt.
rcshln a 9.
Az els lps vgrehajtshoz mindegyik
xi h rcsponthoz hozzrendelnk egy uh,i (t) (ahol u(xi , t) fggvnyhez.
t [0, t ])
egyvltozs fggvnyt, mgpedig gy, hogy azok lehetleg kzel legyenek a (11.3.23)-
(11.3.25) feladat pontos megoldsnak ezen rcspontbeli rtkhez, vagyis az Mivel a (11.3.23)-(11.3.25) feladat az
x = xi
pontban a
u(xi , t) 2 u(xi , t) = f (xi , t), i = 1, 2, . . . , Nx 1, t (0, t ] t x2

illetve az
(11.3.72)
u(xi , 0) = 0 (xi ),
s az
(11.3.73)
u(0, t) = 1 (t), u(l, t) = 2 (t), t (0, t ]

egyenlsgeket jelenti, ezrt a csompontokhoz tartoz ismeretlen fggvnyeket gy hatrozzuk meg, hogy azokra teljesljenek az albbi egyenletek:
(11.3.74)
uh,i (t) (i = 0, 1, 2, . . . , Nx )
uh,i (t)
uh,i+1 (t) 2uh,i (t) + uh,i1 (t) = fh,i (t), i = 1, 2, . . . , Nx , t (0, t ] h2 uh,i (0) = 0 (xi ), uh,0 (t) = 1 (t), uh,Nx (t) = 2 (t), t (0, t ],
(11.3.75)
(11.3.76) (11.3.77)
ahol
fh,i (t) = f (xi , t).

A (11.3.75) egyenlet felrsnl a trvltoz szerinti msodik derivlt
11.3.16. megjegyzs.
szoksos
2w (xi , t) x2
w(xi+1 , t) 2w(xi , t) + w(xi1 , t) h2
(11.3.78)
O(h2 )
pontossg vges dierencis approximcijt alkalmaztuk.
Bevezetve a
Q=
tridiag[1, 2, 1]
vnyekkel rendelkez, ismeretlen fel:
R(Nx 1)(Nx 1) uh : [0, t ] RNx 1
jellst, ekkor az
uh,i (t)
koordintafgg-
fggvnyre - a (11.3.75)-(11.3.77) ssze-
fggsek alapjn - a kvetkez elsrend, kznsges dierencilegyenlet Cauchy-feladata rhat
uh (t) +
1 Q uh (t) = fh (t), t (0, t ], h2
(11.3.79)
11.
uh (0) = 0 ,
ahol
(11.3.80)
fh (t) =[(fh,1 (t) + 1 (t)) , fh,2 (t), . . . , fh,Nx 2 (t), (fh,Nx 1 (t) + 2 (t))] ,
0 =[0 (x1 ), 0 (x2 ), . . . , 0 (xNx 1 )] .
(11.3.81)
A msodik lps vgrehajtshoz numerikusan megoldjuk a (11.3.79)-(11.3.80) rendszer Cauchyfeladatt az egy
rcshln. Ehhez vlaszthatjuk a 9. fejezet brmely mdszert. Legyen rcsfggvnyt, amelyrl
a megolds i-edik koordintafggvnynek kzeltse a
yh, F( h, )
yh, (xi , tn ) t = tn rcspontban. gy megkonstrultunk be kell ltni, hogy h s nullhoz tartsa esetn kon-
vergl a pontos megoldshoz, illetve a konvergencia rendjt is meg kell hatroznunk. A tovbbiakban tekintsnk kt pldt.
11.3.17. plda. Vlasszuk az explicit Euler-mdszert a (11.3.79)-(11.3.80) rendszer Cauchyfeladatt megold numerikus mdszernek.Ebben az esetben a numerikus megoldst az
yn yn1 h h
1 n1 Q yn1 = fh , i = 1, 2, . . . , Nx 1, n = 1, 2, . . . , Nt , h h2
(11.3.82)
y0 = 0 h
n1 feladat megoldsval nyerjk, ahol h
(11.3.83) s
= fh (tn1 )
yn =[yh, (x1 , tn ), yh, (x2 , tn ), . . . , yh, (xNx 1 , tn )] . h

Knnyen lthat, hogy az gy denilt s (11.3.35) kpletekkel denilt (11.3.29) egyenlet a korbbi explicit mdszernket kapjuk.
yh, F( h, ) rcsfggvny megegyezik a (11.3.34) yh, F( h ) megoldsaibl ll rcsfgg-
vnysorozattal. Teht a Cauchy-feladat numerikus megoldsnak ezen megvlasztsa mellett
11.3.18. plda. Vlasszuk az implicit Euler-mdszert a (11.3.79)-(11.3.80) rendszer Cauchyfeladatt megold numerikus mdszernek. Ebben az esetben a numerikus megoldst a korbbi jellseink mellett az
yn yn1 h h
1 Q yn = fn , n = 1, 2, . . . , Nt , h h h2
(11.3.84)
y0 = 0 h
feladat megoldsval nyerjk. Knnyen lthat, hogy az gy denilt vny megegyezik a (11.3.59) s (11.3.58) kpletekkel denilt (11.3.29) egyenlet ezen megvlasztsa mellett a korbbi implicit mdszernket kapjuk.
(11.3.85)
yh, F( h, ) rcsfggyh, F( h )
megoldsaibl ll rcsfggvnysorozattal. Teht a Cauchy-feladat numerikus megoldsnak
A fenti pldk alapjn termszetes, hogy a tovbbiakban egy olyan mdszert vizsglunk meg, amelyet a 9.. fejezetben az explicit s implicit Euler-mdszerek ltalnostsaknt nyertnk: ez a
-mdszer
volt. Tekintsk teht a (11.3.23)-(11.3.25) feladat numerikus megoldsra azt a
11.3.
numerikus mdszert, amelyet a (11.3.79)-(11.3.80) feladat rnk, azaz amikor az
-mdszerrel val megoldsval nyeyh, F( h, ) numerikus megoldst jelent rcsfggvnyt az elre rgztett 1 Q yn1 + h h2 Q yn = fn, , n = 1, 2, . . . , Nx , h h h2
[0, 1]
melletti
yn yn1 h h
(11.3.86) (11.3.87)
y0 = 0 h
n, feladat megoldsval kapjuk, ahol h korbban vizsglt sminkat kapjuk.)
= fh (tn1 + ).
(Nyilvnvalan
=0
=1
esetn a
Clunk a fenti mdszer rcsegyenletknt val megfogalmazsa. Ehhez deniljunk egy jabb rcsopertort. Legyen
Lh,
olyan, amely egy
wh,
rcsfggvnyhez egy olyan rcsfggvnyt rendel
hozz, amelynek rtke az
(xi , tn ) h,
pontban a kvetkez:
n1 n1 n1 n n n wn1 2wi + wi1 wn 2wi + wi1 wi wi (1 ) i+1 , i+1 h2 h2 n wi ,
ha ha
(xi , tn ) h, ; (xi , tn ) h, .
(11.3.88)
A korbbi specilis esetekhez hasonlan a (11.3.88) opertor invertlhatsga (s gy a megfelel numerikus sma realizlhatsga) is kzvetlenl vizsglhat. Legyen tovbb a jobb oldali rcsfggvny a kvetkez:
bh, (xi , tn ) =
fin, , n i
ha ha
(xi , tn ) h, ; (xi , tn ) h, .
(11.3.89)
Ezen jellsekkel a (11.3.86)-(11.3.87) feladat felrhat a (11.3.29) alak opertoregyenletknt. A tovbbiakban ezzel a feladattal foglalkozunk.
11.3.19. ttel.
A (11.3.88) opertor (11.3.29) feladatnak a
q=
1 2 h 2(1 )
(11.3.90)
felttel teljeslse mellett ltezik egyrtelm megoldsa. Bizonyts. A 11.3.4. megjegyzsnek megfelelen a (11.3.29) feladat egy (11.3.36) alak lineris algebrai egyenletrendszert jelent. rjuk ki az egyes rcspontokhoz tartoz egyenleteket!
Felhasznlva az opertor (11.3.88) alakjt, az a kvetkez egyenletet jelenti:
(xi , tn ) h,
bels rcspontokban (11.3.36)
1 2 n n + 2 yi 2 yi1 h h 1 2(1 ) n1 + yi h2
Az
n y + h2 i+1 1 n1 1 n1 y y = fin, . h2 i1 h2 i+1
(11.3.91)
(xi , tn ) h,
perempontokban (11.3.36) a kvetkezt jelenti:
n yi = n . i
(11.3.92)
11.
Ezrt az
Lh,
mtrix ftljban pozitv elemek, mg azon kvl (a (11.3.90) felttelt gye-
lembevve) nempozitv elemek llnak.
n Tekintsk ismt a i = 1+ih(lih) n i 1, s i = 0 illetve i = Nx esetn n tokhoz tartoz koordinti nyilvn i .
gn = 1. i
(i
= 0, 1, . . . , Nx ; n = 0, 1, . . . , Nt ) vektort! Nyilvnvalan
Hatrozzuk meg az
Mivel a
Lh, g
vektort! A peremponindextl fggetlenek,
vektor koordinti az
ezrt a bels pontokhoz tartoz koordintkra:
(Lh, g)i =
n
1 n 1 n1 g gn1 + 2 gn + 2gn gn + 2 gn1 + 2gn1 gi+1 = 2, i1 i i+1 i i1 i i h h

=0
mivel, mint ismeretes, Teht
Lh, g > 0. Ezrt Lh,
gn1 + 2gn1 gn1 = 2h2 . i1 i i+1

(11.3.93)
11.3.20. kvetkezmny. A szoksos mdon ismt becsls adhat a (11.3.88) opertornak megfeleltetett Lh, mtrix inverznek maximumnormjra: L1 h,
mini,n (Lh g)n i
.
kzepek az
mini,n (Lh g)n = 1. Msrszt a szmtani-mrtani i ih(l ih) l2 /4, azaz gh (l2 + 4)/4. Ezrt teht l2 + 4 4
Lh,
L1 h,
becsls.
(11.3.94)
11.3.21. megjegyzs.
A (11.3.90)
felttel jobb oldalt
rtelmezzk, azaz ebben az esetben nincs felttel tattuk, lsd a 11.3.11. ttelt.) A hogy a 11.3.19. ttelben (11.3.90)
= 1 esetn szoksosan rtkknt q megvlasztsra. (Ezt mr korbban is megmu-
[0, 1) esetn van korltoz felttel. Ugyanakkor megjegyezzk, elgsges felttel, teht szksgessgrl nem szl az llts.
A tovbbiakban ttrnk a mdszer konvergencijnak vizsglatra. Elszr a mdszer konzisztencijt vizsgljuk.
11.3.22. ttel.
A (11.3.90) felttel teljeslse esetn a (11.3.88) opertor s (11.3.89) jobb oldal (11.3.29) egyenlettel denilt mdszer a maximumnormban konzisztens, s rendje
O( + h2 ),
ha
= 0.5, = 0.5.
O( 2 + h2 ),
ha
Bizonyts. A denci alapjn a loklis approximcis hiba
h, (xi , tn ) = bh, (xi , tn ) (Lh, Ph, u)(xi , tn ) = (bh, (Lh, uh, )) (xi , tn ).
Mivel az hibt csak az
(xi , tn ) h, perempontokban h, (xi , tn ) = 0, ezrt elegend a (xi , tn ) h, bels rcspontokban vizsglnunk. Vezessk
loklis approximcis be a
t = tn1 + n
11.3.
jellst. Ekkor nyilvnvalan
tn1 = t , tn = t + (1 ). n n
A jobb oldali rcsfggvny (11.3.89) denicja kvetkeztben ekkor
(11.3.95)
h, (xi , tn ) = f (xi , t ) (Lh, uh, )(xi , tn ). n

Felrva a (11.3.23) egyenletet a
(11.3.96)
t = t n
pontban, az
f (xi , t ) = n
sszefggst kapjuk. Msrszt az
u(xi , t ) 2 u(xi , t ) n n t x2
jellssel a (11.3.88) alapjn
(11.3.97)
uh, (xi , tn ) = un i
(Lh, uh, )(xi , tn ) =
un 2un + un un un1 i i1 i i i+1 h2 n1 n1 n1 u 2ui + ui1 (1 ) i+1 . 2 h
(11.3.98)
A (11.3.97) s a (11.3.98) felrhat
sszefggsek alapjn teht a (11.3.96) loklis approximcis hiba
h, (xi , tn ) = 1 + 2
alakban, ahol
(11.3.99)
u(xi , t ) u(xi , tn ) u(xi , tn1 ) n , t u(xi+1 , tn ) 2u(xi , tn ) + u(xi1 , tn ) 2 = + h2 u(xi+1 , tn1 ) 2u(xi , tn1 ) + u(xi1 , tn1 ) 2 u(xi , t ) n (1 ) . h2 x2 1 =
Felhasznlva a (11.3.95) sszefggst,
(11.3.100)
(11.3.101)
u(xi , tn ) =u(xi , t + (1 ) ) = u(xi , t ) + (1 ) n n u(xi , tn1 ) =u(xi , t n ) = u(xi , t ) n
u(xi , t ) n + O( 2 ), t
u(xi , t ) n + O( 2 ). t
(11.3.102)
Ezrt a (11.3.100) s a (11.3.102) sszefggsek alapjn
1 = O( 2 ).
Msrszt a szoksos Taylor-sorba fejtssel
(11.3.103)
u(xi + h, tn1 ) 2u(xi , tn1 ) + u(xi h, tn1 ) 2 u(xi , tn1 ) = + O(h2 ), h2 x2 2 u(xi , tn ) u(xi + h, tn ) 2u(xi , tn ) + u(xi h, tn ) = + O(h2 ). 2 h x2
Ezrt
2 =
2 u(xi , tn ) 2 u(xi , tn1 ) + (1 ) + O(h2 ). 2 x x2
(11.3.104)
11.
Felhasznlva a (11.3.95) sszefggst, ismt sorbafejtssel a
2 u(xi , t ) 2 u(xi , t ) 3 u(xi , t ) 2 u(xi , tn1 ) n n n = = + O( 2 ), x2 x2 x2 tx2

(11.3.105)
2 u(xi , tn ) 2 u(xi , t + (1 ) ) 2 u(xi , t ) 3 u(xi , t ) n n n = = + (1 ) + O( 2 ) 2 2 2 x x x tx2

sszefggseket kapjuk. Behelyettestve (11.3.105) kifejezseket a (11.3.104) sszefggsbe,
2 = 2 + (1 )2 )
azaz
3 u(xi , t ) n + O( 2 ) + O(h2 ), tx2

(11.3.106)
2 = (1 2)
3 u(xi , t ) n + O( 2 + h2 ). tx2
A (11.3.99) jells gyelembevtelvel ekkor a (11.3.103) s a (11.3.106) kpletek a ttel lltst bizonytjk. Mindezek alapjn knnyen belthat a mdszer konvergencijrl szl albbi llts.
11.3.23. ttel.
A (11.3.90) felttel teljeslse esetn a (11.3.88) opertor s (11.3.89) jobb oldal, (11.3.29) egyenlettel denilt mdszer a maximumnormban konvergl a (11.3.28) feladat elegenden sima megoldshoz, s rendje
O( + h2 ),
ha
= 0.5, = 0.5.
O( 2 + h2 ),
ha
Bizonyts. Mivel a (11.3.28) feladat korrekt kitzs (lsd a 11.3.1. szakaszt), a maximumnormban konzisztens (lsd a 11.3.22. ttelt) s stabil (lsd a 11.3.20. kvetkezmnyt), ezrt lltsunk kzvetlenl kvetkezik a 11.2.8. ttelnkbl. .
Vizsgljuk meg a mdszer megoldsi algoritmust! Az egyszerbb trgyals kedvrt fel-
1 (t) = 2 (t) = 0. Megtartva ezen szakasz eddigi, valamint a 11.3.4. szakasz yn RNx 1 , bn RNx 1 , 0, Eh R(Nx 1)(Nx 1) jellseit, illetve bevezetve a Dh = Eh + q Q s az Fh = Eh (1 )q Q R(Nx 1)(Nx 1) -beli tridiagonlis mtrix jellseket, a (11.3.48) egyenletben a mtrix ekkor az
tesszk, hogy a (11.3.23)-(11.3.25) feladatban a peremfelttelek homognek, azaz
Lh, = . . . 0 0 Nt
kvetkez:
Dh 0 Fh Dh
...
0 0
...
0 0
0 0
... 0 ... 0 ... ... . . . Fh ... 0
0 0
...
Dh F h Dh
... 0
0 0
(11.3.107)
szm sorbl ll hipermtrix. A
bn (n = 1, 2, . . . , Nt ) (Nx 1) dimenzis vektorok alakja a

(11.3.108)
b1 = f1, + Fh 0 ; bn = fn, , n = 2, 3, . . . , Nt . h h
11.4.
A parcilis dierencilegyenletek numerikus megoldsa MATLAB segtsgvel
Soronknt kirva a (11.3.48) egyenletet ekkor a kvetkezt kapjuk:
Dh y1 =b1 , Fh yn1 + Dh yn =bn , n = 2, 3, . . . , Nt ,

amelynek trendezsvel a kvetkez megold algoritmust kapjuk:
(11.3.109)
Dh y1 =b1 , Dh yn =bn + Fyn1 , n = 2, 3, . . . , Nt .

A (11.3.110) algoritmus jelent. Ugyanakkor a Gauss-elimincit.
(11.3.110)
Dh
= 0 esetn explicit, az sszes tbbi esetben viszont implicit mdszert
mtrix specilis struktrjnak kvetkeztben az idrtegenknti line-
ris algebrai egyenletrendszer megoldsra alkalmazhatjuk a korbban mr ismertetett specilis
Befejezsl vegyk szre, hogy az ebben a szakaszban alkalmazott diszkretizcis mdszerek rendje a kvetkez:
a trbeli diszkretizci a szoksos msodrend vges dierencis kzelts volt, teht pontossg; az idbeli diszkretizci a
O(h2 )
-mdszer
volt, amelyrl megmutattuk a 9. fejezetben, hogy
= 0.5
esetn msodrend, egybknt elsrend.
Az sszetett mdszer pontossga teht ezen rendek sszegbl addik. gy magasabb rend trbeli illetve idbeli approximcival magasabb rendben konzisztens mdszerek llthatk el. Ugyanakkor az ilyen mdszerek stabilitsa (ami a konvergencihoz szksges) ltalban krdses, s ha igaz is, tbbnyire nehz megmutatni. Az elmleti rsz befejezseknt megjegyezzk, hogy terjedelmoi okok miatt nem foglalkozunk a msodrend hiperbolikus feladatok numerikus megoldsi mdszereivel. Ezek vizsglatai mdszere lnyegben megegyezik a parabolikus feladatok mdszerekkel, s gy az Olvas nhny meglv szakirodalom tanulmnyozsval (pl. [29, 23, 35]) nllan is elvgezheti.
11.4. A parcilis dierencilegyenletek numerikus megoldsa MATLAB segtsgvel

Az elz szakaszban megadtuk a Laplace-egyenlet s a hvezetsi egyenlet vges dierencis megoldsi mdszert. Ezek az algoritmusok a MATLAB programrendszer segtsgvel megvalsthatk. Kszthetnk nll programokat, illetve alkalmazhatjuk a MATLAB programrendszer sajt, mr elksztett s beptett programjt is. Ebben a szakaszban a kt fenti feladatosztlyra vonatkoz MATLAB programok ismertetsvel foglalkozunk.
11.4.1. A Poisson-egyenlet megoldsa els (Dirichlet-fle) peremfelttellel

Tekintsk a
2 u(x, y) 2 u(x, y) + = f (x, y) x2 y 2
(11.4.1)
egyenletet az inhomogn (els, avagy Dirichlet-fle) peremfelttellel az egysgngyzeten. Numerikus megoldsknt a vges dierencik 11.2.5. szakaszban ismertetett algorimust alkalmazzuk. Egy ekvidisztns rcshlt generlunk, s mindegyik irnyban ugyanannyi osztspontot jellnk ki. tankonyvtar.bme.hu 371
11.
Az elksztett poisson11.m m-fjl egyetlen bemen paramtere osztsrszek szma. Ugyancsak egyetlen kimen paramtere van, az numerikus kzeltst tartalmazza. A programban bell a Poisson-egyenletre deniljuk az feltteleket ler
n, amely az irnyonknti uapprox vektor, amely a
jobb oldali fggvnyt, illetve a perem-
ux0, ux1, u0y, u1y
fggvnyeket, amelyek rendre az
y = 0, y = 1, x = 0
s az
x=1
oldalakon megadott peremfeltteleket jelentik.
A rutin a kvetkez:
function[uapprox] = poisson11(n) % a Poisson egyenlet megoldsa egysgngyzeten % inhomogn els peremfelttellel % % n: az egyetlen bemen adat, az egysgngyzet osztsrszeinek szma % (mindkt irnyban ugyanannyi) % uapprox: az egyetlen kimen paramter, a numerikus megolds a % rcspontokban % % A feladatot denil fggvnyek: jobb oldal: f % peremfelttelek a ngyzet odalain:(ux0,ux1,u0y,u1y) % a pontos megolds: u. f = inline('x2 + y 2 '); ux0 = inline('0'); ux1 = inline('0.5*x2 '); u0y = inline('sin(pi*y)'); u1y = inline('exp(pi)*sin(pi*y) + 0.5*y 2 '); u = inline('exp(pi*x)*sin(pi*y) + .5*(x2 )*(y 2 )'); % h = 1/n; N = (n 1)2 ; A = sparse(N,N); % az A mtrixot ritka mtrixknt kezeljk F = zeros(N,1); % A tovbbiakban felptjk az A mtrixot s az F jobb oldali vektort % % A mtrix felptse: A = -4*sparse(eye(N,N)); for j=1:n-1, for i=1:n-1, k = (j-1)*(n-1)+i; if j > 1, A(k,k-(n-1)) = 1; end; if j < n-1, A(k,k+(n-1)) = 1; end; if i > 1, A(k,k-1) = 1; end; if i < n-1, A(k,k+1) =1; end; end;end; A = (1/(h h))*A; % % F vektor felptse:
11.4.
for j=1:n-1, for i=1:n-1, k = (j-1)*(n-1)+i; xi = i*h; yj = j*h; F(k) = f(xi,yj); if j==1, F(k) = F(k) - (1/(h h))*ux0(xi); end; if j==n-1, F(k) = F(k) - (1/(h h))*ux1(xi); end; if i==1, F(k) = F(k) - (1/(h h))*u0y(yj); end; if i==n-1, F(k) = F(k) - (1/(h h))*u1y(yj); end; end;end; % % Az Ax = F egyenlet megoldsa uapprox = A\F ; % A pontos megolds kiszmolsa utrue = zeros(N,1); for j=1:n-1, for i=1:n-1, k = (j-1)*(n-1)+i; xi = i*h; yj = j*h; utrue(k) = u(xi,yj); end; end; display('l2 s a max. hiba') err2 = h*norm(utrue-uapprox), errinf = norm(utrue-uapprox,'inf ') % A pontos megolds, a numerikus megolds s a hiba ugrid = reshape(utrue,n-1,n-1); figure(1) mesh([h:h:(n-1)*h]',[h:h:(n-1)*h]',ugrid') title('A pontos megolds') pause apgrid = reshape(uapprox,n-1,n-1); figure(12) mesh([h:h:(n-1)*h]',[h:h:(n-1)*h]',apgrid') title('A kzelt megolds') pause errgrid = reshape(utrue-uapprox,n-1,n-1); figure(3) mesh([h:h:(n-1)*h]',[h:h:(n-1)*h]',errgrid') title('Hibafggvny')
kirajzolsa
A rutin a pontos megolds ismeretben a pontos megoldst, a kzelt megoldst s a hibt is kirajzolja. A vges dierencis lineris algebrai egyenletrendszerben az egytthatmtrixot ritka mtrixknt troljuk, s a rendszert a MATLAB beptett (s ltalban optimlis) utastsval oldjuk meg. Megjegyezzk, hogy a fenti programban a pontos megolds az
A\F
u(x, y) = exp(x) sin(y) +
0.5x2 y 2
fggvny. Ms feladatok esetn a programban a megfelel fggvnydencikat rtelemtankonyvtar.bme.hu 373
11.
szeren meg kell vltoztatnunk. Ha olyan feladatot oldunk meg, ahol a'priori nem ismerjk a megoldst, akkor a programbl a megfelel modulrszek (a pontos megolds s a hibafggvny brzolsa illetve kiszmolsa) kihagysra kerl.
11.4.1. bra. A Poisson-egyenlet zeten.
u(x, y) = exp(x) sin(y) + 0.5x2 y 2
megoldsa az egysgngy-
A programban szerepl fggvnyekkel vgeztnk nhny numerikus ksrletet. A pontos megolds a 11.4.1. brn lthat.
9
Klnbz felosztsokra nzzk meg a hibkat! s Az n = 5 esetre a numerikus megoldst s a hibafggvnyt n = 20 eseteket a 11.4.3. s a 11.4.4. brk mutatjk. Az a 11.4.2. bra mutatja. Az
n = 10
n = 80 megvlaszts esetn, mint a 11.4.5. brn is lthat, a numerikus megolds gyakor-
latilag megegyezik a pontos megoldssal. A 11.4.1. tblzatban sszefoglaltuk a szmtsainkat, megadva a felezd diszkretizcis lpskzk melletti maximumhibkat s a konvergenciarendet. (Mivel
rtkt minden lps-
ben megktszereztk, ezrt a hibnak negyedre kell cskkennie.) Mint az a harmadik sorbl kiolvashat, a gyakorlatiban a hibk hnyadosa ezzel lnyegben megegyezik. A mdszer MATLAB realizlsa sorn keletkezett szmtsi hibt jl jellemzi a kvetkez
u(x, y) = x + y lineris fggvny. (Ekkor a progf = 0, ux0 = x, ux1 = x+1, u0y = y s u1y = y +1.) Ebben az esetben a mdszer loklis approximcis hibja nulla. (Ugyanis a (11.2.52) szerinti h (xi , yj ) kifejezsben 2 a h -es vezet tag egytthatja M4 /6, s a mi esetnkben M4 = 0. Mivel minden magasabb
plda. Legyen a Poisson-feladat megoldsa az ramban rtelemszeren rend derivlt is eltnik, ezrt erre a pldra a vges dierencis approximci pontos.) A fenti lineris fggvnnyel vgeztnk nhny numerikus ksrletet. A pontos megolds a 11.4.6. brn lthat.
9 Mivel a megoldst a peremen ismerjk, s ott a hibafggvny nulla, ezrt a tovbbiakban tbbnyire csak a megoldsi tartomny belsejben brzoljuk a hibt illetve a megoldsfggvnyt.
11.4.
11.4.2. bra. A numerikus megolds s hibafggvnye
n=5
esetn.
n = 10
esetn.
n = 20
esetn.
11.
n = 80
esetn.
n eh
hnyados
5 2.3747e 001
10 6.6841e 002 2.8147e 001
20 1.6826e 002 2.5173e 001
40 4.2139e 003 2.5044e 001
80 1.0539e 003 2.5011e 001
11.4.1. tblzat. A Poisson-feladat vges dierencis megoldsnak hibja a maximumnormban s a hibk hnyadosa.
11.4.6. bra. A Poisson-egyenlet
u(x, y) = x + y
megoldsa az egysgngyzeten.
A tovbbiakban a klnbz felosztsokra nzzk meg a hibkat! Az
n=5
esetre a numerikus megoldst s a hibafggvnyt a 11.4.7. bra mutatja.
11.4.
n=5
esetn.
n eh
5 4.4409e 016
20 4.4409e 016
40 6.6613e 016
80 2.2204e 015
100 1.8874e 015
11.4.2. tblzat. A Poisson-feladat vges dierencis megoldsnak hibja a maximumnormban az
u(x, y) = x + y
megolds tesztfeladatra.
A hibafggvny nagysgbl (10
16
) lthat, hogy mr ilyen, viszonylag durva feloszts ese-
tn is a numerikus megolds gyakorlatilag megegyezik a pontos megoldssal, s hiba csak a gpi szmtsok miatt keletkezik. Ezrt a rcshl nomitsval nem vrhat az eredmnyek tovbbi javulsa, st, a mveletek szmnak nvekedse miatt, azok romlsa vrhat. A 11.4.2. tblzatban sszegyjtttk a klnbz lpskzkhz tartoz maximumnorma-beli hibkat, s az eredmnyek altmasztjk ezt az elvrsunkat. (rtelemszeren a hibahnyadost nem szerepeltetjk a tblzatban.)
11.4.2. A hvezetsi egyenlet megoldsa vges dierencik mdszervel

A hvezetsi egyenletre viszonylag knnyen nllan is elkszthetnk MATLAB progamot. A tovbbiakban megadjuk az explicit mdszert realizl heatexp.m nev m-fjlt. Ez a program a
u(x, t) 2 u(x, t) = 0, (x, t) (0, endx) (0, endt) t x2

egyenletet oldja meg az
(11.4.2)
u(x, 0) = init(x), x (0, endx);

kiegszt felttelekkel.
u(0, t) = bdry(1), u(endx, t) = bdry(2), t [0, endt]

(11.4.3)
Mindkt irnyban egy-egy ekvidisztns rcshlt generlunk, s ezen a rcshln a (11.3.56) sma segtsgvel hatrozzuk meg a vges dierencis kzeltseket. Az elksztett m-fjl bemen paramterei a kvetkezk:
endx:
a trbeli egydimenzis tartomny megadsra szolgl, a trbeli vltoz a
[0, endx]
intervallumon vltozik. tankonyvtar.bme.hu 377
11.
endt: N x:
az idbeli tartomny megadsra szolgl, az idbeli vltoz a
[0, endt]
intervallumon
vltozik. a diszkretizc sorn a trbeli osztsrszek szma; (Emlkeztetl: a konvergencia felttele a
q : a (11.3.37) kpletben denilt /h2 hnyados. q 0.5 felttel volt, lsd a 11.3.5. ttelt.)
A kezdeti felttelt a programon bell az menzis
init
fggvnnyel deniljuk. A peremfelttelt a ktdi-
bdry
vektorral, ugyancsak a programon bell deniljuk. (A kt trbeli vgpontban els
peremfelttel adott:
A program kimen paramtere a numerikus megoldst jelent A rutin a kvetkez:
u(x(1), t) = bdry(1), u(x(end), t) = bdry(2).) u.
function u = heatexp(endx, endt, Nx,q) % % Az egydimenzis hvezetsi feladatot oldjuk meg % A program bemen adatai: % endx: a trbeli vltoz [0,endx]intervallumon vltozik % endt: az idvltoz [0,endt]intervallumon vltozik % Nx: a trbeli osztsrszek szma % q: az idbeli s a trbeli diszkretizcis lpskz ngyzetnek hmyadosa % (stabilitsi felttel: q 0.5) % A kt trbeli vgpontban els peremfelttel adott: u(x(1), t) = bdry(1), % A kezdeti fggvnyt az init fggvnyben deniljuk % x= linspace(0, endx, Nx); dx = (endx/Nx) % a lpskzk denilsa dt=(q*dx*dx) % Nt=x(endt/dt) t = linspace(0, endt, Nt); s = dt/(dx dx) % ellenrizzk a szabilitsi felttelt if s >0.5 'instabilits!' pause end % init = sin(x); % a kezdeti s a peremfelttel bdry=[0 0]; % J = length(t); N = length(x); u = zeros(N,J); u(:, 1) = init; for n = u(2:N-1,n+1) = s*(u(3:N,n) + u(1:N-2,n)) + (1 - 2*s)*u(2:N-1, n); u(1, n+1) = bdry(1); u(N, n+1) = bdry(2); end % az eredmnyek brzolsa apprgrid = reshape(u,N,J);
378 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK) bdry(2).
u(x(end), t) =
1:J-1
11.4.
figure(1) mesh([dx:dx:(N)*dx]',[dt:dt:(J)*dt]',apprgrid') title('a numerikus megoldsfggvny') pause % ha ismerjk a pontos megoldst, ide rjuk be! upontos=zeros(N,J); for i=1:N for n=1:J upontos(i,n)=exp(-t(n))*sin(x(i)); end end % hibamatrix=upontos-apprgrid; figure(3) mesh([dx:dx:(N)*dx]',[dt:dt:(J)*dt]',hibamatrix') title('hibafggvny')
A programban szerepl fggvnyekkel vgeztnk nhny numerikus ksrletet. A pontos megolds a 11.4.8. brn lthat.
11.4.8. bra. A hvezetsi egyenlet
u(x, t) = et sinx
megoldsa a
(0, ) (0, 2) q = 0.4!
tartomnyon.
Klnbz felosztsokra nzzk meg a hibkat! Legyen mindvgig
N x = 5 esetre a N x = 50 s az N x = 100
Az
numerikus megoldst s a hibafggvnyt a 11.4.9. bra mutatja. Az eseteket a 11.4.10. s 11.4.11. brk mutatjk.
A 11.4.3. tblzatban sszefoglaltuk a szmtsainkat, megadva a cskken diszkretizcs lpskzk melletti maximumhibkat. Vizsgljuk meg, mit jelent ugyanezen tesztfeladatra a Legyen mindvgig
q 0.5
stabilitsi felttel megsrtse!
N x = 50.
q = 0.5
megvlaszts esetn j kzeltst kapunk, lsd a 11.4.12. tankonyvtar.bme.hu 379
11.
Nx = 5
esetn.
11.4.10. bra.
A numerikus megolds s hibafggvnye
N x = 50
esetn.
N x = 100
esetn.
11.4.
Nx 10 25 50 100 150 200 250 300 350 400
eh 6.9396e 002 2.8868e 002 1.4592e 002 7.3599e 003 4.8875e 003 3.6761e 003 2.9340e 003 2.4490e 003 2.1014e 003 1.8355e 003
11.4.3. tblzat. A hvezetsi feladat vges dierencis megoldsnak hibja a maximumnormban.
q = 0.5
esetn.
brt). Azonban
nagyobb rtkei mellett az eredmnyek hasznlhatatlanok! A
q = 0.51
meg-
vlaszts esetn mg ugyan korltos marad a numerikus megolds (lsd a 11.4.13. brt), de
q = 0.52
esetn mr gyakorlatilag felrobban a rendszer (lsd a 11.4.14. brt).
A 11.4.4. tblzatban sszefoglaltuk Megjegyezzk, hogy
N x = 50
mellett a kritikus
q = 0.5
rtkhez kzeli
megvlasztsokhoz tartoz maximumhibkat.
q = 0.51
esetn a hiba mg elfogadhatnak ltszik. Ezrt azt gondol-
hatnnk, hogy ez a megvlaszts is megengedhet. Az ezen esethez tartoz brt nzve (11.4.13. bra) azt ltjuk, hogy a numerikus megolds az idintervallum vgn (t meg a feladatot ugyanezen numerikus mdszerrel (N x azaz legyen most
= 2 krl) kezd elromlani.
Teht elkpzelhet, hogy az idintervallum nvelsvel tovbb romlik a megolds. Ezrt oldjuk
= 50 s q = 0.51) a [0, 5] idintervallumon,
endt = 2
helyett
endt = 5!
Sejtsnk beigazoldik: ahogy az a 11.4.15. brn is
lthat, a hiba gyakorlatilag nem marad korltos. Befejezsl nhny sz a MATLAB programrendszer sajt megold programjrl. A legltalnosabb a pdepe.m nev program. Ez a program numerikusan megoldja a
c x, t, u,
u x
u u = xm t x
xm f (x, t, u,
u u ) + s x, t, u, x x
(11.4.4)
11.
q = 0.51
esetn.
q = 0.52
esetn.
q 0.48 0.49 0.50 0.51 0.52 0.53 0.54 0.55 0.56 0.57
11.4.4. tblzat. rgztett
eh 1.4595e 002 1.4428e 002 1.4668e 002 2.1019e 002 1.1172e + 015 1.1020e + 029 2.3063e + 042 4.1650e + 054 4.7364e + 066 4.9813e + 077 q
fggvnyben,
A hvezetsi feladat vges dierencis megoldsnak hibja esetn.
N x = 50
11.4.
11.4.15. bra. A hvezetsi feladat vges dierencis megoldsa a
(0, ) (0, 5)
tartomnyon
q = 0.51
N x = 50
paramterek esetn.
egyenletet, ahol
c, f, s
adott fggvnyek. A rutin meghvsa a
pdepe(m,pdefun,icfun,bcfun,xmesh,tspan)
utastssal lehetsges, ahol az egyes bemen paramterek a kvetkezk.
a feladat trbeli tartomnynak szimmetrijt jellemz paramter. a parcilis dierencilegyenletben szerepl fggvnyek megadsra szolgl.
pdef un: icf un: bcf un: xmesh:

vel.
a kezdeti felttelt ler fggvny. a peremfeltteleket ler fggvny. megadjuk a trbeli vltoz szerinti rcspontokat az
[x0, x1, ..., xn]
vektor segtsg-
tspan: megadjuk az idbeli vltoz szerinti rcspontokat a [t0, t1, ..., tf ] vektor segtsgvel.
(Az
xmesh
tspan
vektorok minimlis mrete
3.)
A program alkalmazsnak rszletei meg-
tanulhatk a MATLAB "help" funkcijnak felhasznlsval, tovbb szmos ms knyvbl. A MATLAB nhny kidolgozott s a "help" funkcijban a forrskdjt is ismertet programmal rendelkezik (pdex1,pdex2,pdex3,pdex4,pdex5). Az rdekldknek javasoljuk ezek tanulmnyozst s megismerst. Javasoljuk a tovbbi MATLAB programokkal megismerkedni szndkozknak a kvetkez linkeket:
http://www.math.umd.edu/undergraduate/schol/matlab/pde.html, http://people.sc.fsu.edu/~jburkardt/f_src/fd1d_heat_implicit/fd1d_heat_implicit.html
11.
Megjegyezzk, hogy ms tpus felttelek is megadhatk a feladat kiegszt feltteleknt. Ilyenek az n.
periodikus felttelek.
Ezek nagy gyakorlati jelentsggel rendelkeznek, ezrt vizs-
glatuk fontos. Az ilyen felttelek melletti hvezetsi egyenletet megold MATLAB programok, kidolgozott pldkkal megtallhatk az albbi linken:
http://www.math.toronto.edu/mpugh/Teaching/SamplePrograms/heat.html
11.5. Feladatok
Parcilis dierencilegyenletek 11.5.1. feladat. Hatrozzuk meg, hogy
R2
egyes rszein milyen tpus az albbi egyenlet:
2 u(x, y) 2 u(x, y) +y = 0. 2 x y 2 a, b c
11.5.2. feladat. Hatrozzuk meg, hogy a folytonos
egytthatfggvnyek milyen tu-
lajdonsgai mellett lesz elliptikus, parabolikus s hiperbolikus tpus az albbi egyenlet:
a(x, y)
2 u(x, y) 2 u(x, y) 2 u(x, y) + 2b(x, y) + c(x, y) = 0! 2 x xy y 2 a, b s c fggvnyek R2 -bel halmaza az
11.5.3. feladat. Folytonos hiperbolikus tpus pontok
esetn rintkezhet-e egymssal az elliptikus s
(L0 u)(x, y) = a(x, y)

opertorra?
2 u(x, y) 2 u(x, y) 2 u(x, y) + 2b(x, y) + c(x, y) 2 x xy y 2
(11.5.1)
11.5.4. feladat. Hatrozzuk meg a
2 u(x, t) 2 u(x, t) = 0, x R, t > 0 t2 x2

egyenlet megoldst az
u(x, 0) = (x), x R u(x, 0) = (x), x R t

kiegszt felttelek mellett! (tmutats: a
= x + t, = x t j vltozk bevezetsvel transzformljuk t az egyenletnket!)
11.5.5. feladat. Mutassuk meg, hogy a
2 u(x, y) 2 u(x, y) + = 0. x R, y 0 x2 y 2
egyenlet
u(x, 0) = 0, x R u(x, 0) = 0, x R t
11.5.
Feladatok
felttelek megadsa esetn instabil feladat! (tmutats: Hasznljuk fel, hogy tetszleges
nN
esetn az
2 un (x, y) 2 un (x, y) + = 0. x R, y 0, x2 y 2 un (x, 0) = 0, x R un (x, 0) 1 = cos(nx) x R t n

feladat megoldsa az
un (x, y) =
1 n2
cos(nx) sinh(ny)
fggvny!)
11.5.6. feladat. Oldjuk meg a vltozk sztvlasztsnak mdszervel a hvezetsi egyenletet a
u(x, 0) = u0 (x)
kezdeti felttel s a
u(0, t) = u(l, t) = 0 x
peremfelttel esetn.
11.5.7. feladat. rjuk fel az
(x, y, z)
vltozkra a Laplace-egyenletet
R3 -ban! R2 -ben!
lltsuk el a
homogn, els peremfelttel feladat megoldst a vltozk sztvlasztsnak mdszervel. 11.5.8. feladat. Bizonytsuk be a maximumelvet a Laplace-egyenletre
11.5.9. feladat. Bizonytsuk be a maximumelvet a hvezetsi egyenletre!
Elliptikus feladatok numerikus megoldsa vges dierencikkal
11.5.10. feladat. Tekintsk az egysgngyzeten a
2 u(x, y) 2 u(x, y) + = ey (x2 + 2) x2 y 2

egyenletet az
u(x, 0) = x2 , u(x, 1) = ex2 , u(0, y) = 0, u(1, y) = ey
peremfelttellel. rjuk fel
a feladat vges dierencis approximcijt jelent lineris algebrai egyenletrendszert, amikor mindkt irnyban a numerikus megoldst az
Nx = Ny = 3 osztsrszt vesznk! Oldjuk meg a rendszert s hasonltsuk ssze u(x, y) = x2 ey pontos megoldssal.
11.5.11. feladat. Tekintsk az elz feladatot a
u(x, 0) = 2x, u(x, 1) = ex2 , u(0, y) = 0, u(1, y) = ey x

peremfelttellel. rjuk fel a feladat vges dierencis approximcijt jelent lineris algebrai egyenletrendszert, amikor mindkt irnyban rendszert, s hasonltsuk ssze a numerikus megoldst az 11.5.12. feladat. Tekintsk az egysgngyzeten a
Nx = Ny = 3 osztsrszt vesznk! Oldjuk meg u(x, y) = x2 ey pontos megoldssal!
2 u(x, y) 2 u(x, y) + =4 x2 y 2
egyenletet az
u(x, 0) = x2 , u(x, 1) = x2 + 1, u(0, y) = y 2 , u(1, y) = y 2 + 1
peremfelttellel! rjuk
fel a feladat vges dierencis approximcijt jelent lineris algebrai egyenletrendszert, amikor mindkt irnyban a numerikus megoldst az
Nx = Ny = 5 osztsrszt vesznk! Oldjuk meg a rendszert, s hasonltsuk ssze u(x, y) = x2 +y 2 pontos megoldssal. Elemezzk a kapott pontossgot!
11.
11.5.13. feladat. Tekintsk az egysgngyzeten a
u(x, y) u(x, y) 2 u(x, y) 2 u(x, y) + x y + 2u(x, y) = 4 2 2 x y x y

egyenletet az
u(x, 0) = x2 , u(x, 1) = x2 + 1, u(0, y) = y 2 , u(1, y) = y 2 + 1
peremfelttellel. rjuk
fel a feladat vges dierencis approximcijt jelent lineris algebrai egyenletrendszert, amikor mindkt irnyban a numerikus megoldst az
Nx = Ny = 3 osztsrszt vesznk! Oldjuk meg a rendszert, s hasonltsuk ssze u(x, y) = x2 + y 2 pontos megoldssal!
11.5.14. feladat. Oldjuk meg a 11.5.10. feladatot a poisson11.m m-fjl segtsgvel! Ksztsnk tblzatot, amely az osztsrszek szma s a maximumnormabeli pontossg kztti kapcsolatot mutatja! brzoljuk a MATLAB segtsgvel ezt a kapcsolatot! 11.5.15. feladat. rjuk t a poisson11.m m-fjlt arra az esetre, amikor a megoldand egyenlet
2 u(x, y) 2 u(x, y) + + cu = f (x, y) x2 y 2

alak! 11.5.16. feladat. rjuk t a poisson11.m m-fjlt arra az esetre, amikor az
x=0
oldal mentn
msodik peremfelttel van adva! Az j program segtsgvel oldjuk meg a 11.5.11. feladatot! 11.5.17. feladat. rjuk fel az egysgkrn kitztt Laplace-egyenlet vges dierencis megoldst az els peremfelttel esetn!
Parabolikus feladatok numerikus megoldsa vges dierencikkal
11.5.18. feladat. Tekintsk a
(0, 1) (0, 1)
tartomnyon a
u(x, t) 2 u(x, t) = 0, (x, t) (0, 1) (0, 1] t x2

egyenletet az
u(x, 0) = ex ,
x [0, 1]
kezdeti s az
u(0, t) = et , x
irnyban
u(1, t) = e1+t , Nx = 3
t (0, 1]
peremfelttellel. rjuk fel a feladat explicit Euler-mdszeres vges dierencis approximcijt jelent lineris algebrai egyenletrendszert, amikor az megoldst az osztsrszt vesznk! Milyen idbeli felosztst vlaszthatunk? Oldjuk meg a rendszert, s hasonltsuk ssze a numerikus
u(x, t) = ex+t
pontos megoldssal.
11.5.19. feladat. rjuk fel a 11.5.18. feladat megoldst implicit Euler-mdszeres vges dierencis mdszerrel! Legyen ismt
Nx = 3.
Milyen idbeli felosztst vlaszthatunk? Oldjuk meg a
rendszert, s hasonltsuk ssze a numerikus megoldst az
u(x, t) = ex+t
pontos megoldssal!
11.5.20. feladat. Mdostsuk az heatexp.m nev m-fjlt gy, hogy explicit Euler-mdszerrel lltsa el a
u(x, t) 2 u(x, t) = f (x, t), (x, t) (0, endx) (0, endt) t x2 u(0, t) = bdry(1), u(endx, t) = bdry(2), t [0, endt] (0, 1) (0, 1)
tartomnyon a
egyenlet megoldst a
u(x, 0) = init(x), x (0, endx);
kiegszt felttelekkel! Teszteljk programunkat a
u(x, t) 2 u(x, t) = xet , (x, t) (0, 1) (0, 1] t x2

11.5.
Feladatok
egyenlet, az
u(x, 0) = x, x [0, 1]
kezdeti s az
ttel feladaton, amelynek a pontos megoldsa
u(0, t) = 0, u(1, t) = et , t (0, 1] u(x, t) = xet !
peremfel-
11.5.21. feladat. Ksztsnk egy heatimp.m nev m-fjlt, amely az implicit Euler-mdszerrel lltja el az

egyenlet megoldst a
u(x, 0) = init(x), x (0, endx)
kezdeti felttellel s az

peremfelttelekkel! Teszteljk programunkat a 11.5.18. feladaton! 11.5.22. feladat. Ksztsnk egy heatCN.m nev m-fjlt, amely a CrankNicolson-mdszerrel lltja el a


peremfelttelekkel! Teszteljk programunkat a 11.5.18. feladaton! 11.5.23. feladat. Ksztsnk egy heattheta.m nev m-fjlt, amely a a
-mdszerrel
lltja el


peremfelttelekkel! Teszteljk programunkat a 11.5.18. feladaton! Vizsgljuk meg a mdszer pontossgt a
[0.47, 0.53]
rtkekre,
rtkt szzadonknt vltoztatva!
11.5.24. feladat. Tekintsk a
u(x, t) 2 u(x, t) = f (x, t), (x, t) (0, endx) (0, endt) t x2

egyenletet az
kezdeti s a
u(0, t) = bdry(1), u(endx, t) = bdry(2), t [0, endt] x

peremfelttelekkel! rjuk fel az explicit Euler-mdszeres megoldst erre a feladatra!
11.5.25. feladat. Vizsgljuk meg az explicit Euler-mdszer konvergencijt vltoz hosszsg id- s trbeli felosztsokra! ltalnostsuk vizsglatunkat a
-smra!
11.
Ellenrz krdsek
1. Mit neveznk parcilis dierencilegyenletnek? 2. Mi a szerepe a kiegszt feltteleknek? Mi a klnbsg a kezdeti felttel s a peremfelttel kztt? 3. Hogyan lehet opertoregyenletknt felrni a Laplace-egyenletet illetve a hvezetsi egyenletet a klnbz kiegszt felttelekkel? 4. Adja meg az explicit Euler-mdszer algoritmust! 5. Mutassa meg, hogy az explicit Euler-mdszer konvergens! 6. Hogyan rhat fel opertoregyenletknt az explicit Euler-mdszer? 7. Mikor neveznk egy numerikus mdszert konvergensnek? Mi a konzisztencia s a stabilits? Mi a kapcsolat kzttk? 8. Mi a kapcsolat az M-mtrixok s a numerikus smk stabilitsa kztt? 9. Hogyan mutathat meg a vges dierencis mdszer konvergencija a Laplace-egyenletre? 10. Mutassa meg, hogy az implicit Euler-mdszer konvergens! 11. Mutassa meg, hogy a
-mdszer
konvergens!
12. Ismertessk az explicit Euler-mdszer elnyeit s htrnyait! 13. Ismertessk az implicit Euler-mdszer elnyeit s htrnyait! 14. Ismertessk az CrankNicolson-mdszer elnyeit s htrnyait! 15. Milyen mdszerek esetn szksges lineris algebrai egyenletrendszert megoldani a hvezetsi feladat numerikus megoldsnl? Milyen tulajdonsg a rendszer mtrixa? 16. Mi a kapcsolat a rcsegyenletek s a lineris algebrai egyenletrendszerek kztt? 17. Milyen MATLAB programokat ismer az elliptikus feladatok megoldsra? 18. Milyen MATLAB programokat ismer a parabolikus feladatok megoldsra?
Trgymutat
A-norma, 89
A-konjuglt vektorok, 86 A-ortogonalits, 86 abszolt hiba, 44 abszolt hibakorlt, 44 Aitken-gyorsts, 141 alappont, 149 alappontpolinom, 151 bzis, 6 Banach-tr, 10 baricentrikus interpolcis formula, 153 baricentrikus slyok, 153 BauerFike-ttel, 107 belvses mdszer (shooting method), 291 hrmdszer, 292 intervallum-felez mdszer, 291 lineris feladat megoldsa, 294 Newton-mdszer, 293 szelmdszer, 292 blokkmtrix, 17 Cauchy-feladat, 217 Cauchy-sorozat, 10 Cholesky-felbonts, 70 Cramer-szably, 59 CrankNicolson-mdszer, 232 Csebisev-polinom, 163 denitsg, 18 deci, 114 Householder, 114 diagonalizlhatsg, 21 diszkrt Fourier-transzformci, 176 diszkrt maximumelv, 313 kvetkezmnyei, 314 egylpses mdszerek, 220, 225 ltalnos alak, 235 explicit, implicit, 235 konvergencia, 236 tesztfeladatra, 249 eltolt QR-iterci, 120 rintformula, 200 389 hrmdszer, 129 halad dierencia, 190 hasonl mtrixok, 21 HermiteFejr-interpolci, 165 Hermite-interpolci, 165 hermitikus mtrix, 16 felem, 61 felemkivlaszts rszleges, 68 teljes, 68 Faber-ttel, 158 FFT, 178 Fibonacci-sorozat, 136 xpont-iterci, 139 op, 51 Fourier-analzis, 176 Fourier-sor, 173 Fourier-szintzis, 176 Frobenius-norma, 14 gpi pontossg, 50 GaussCsebisev-kvadratra, 212 GaussLegendre-kvadratra, 212 GaussSeidel-iterci, 74 Gauss-eliminci, 59 Gauss-mdszer, 59 Gauss-transzformci, 61 geometriai mdszerek, 128 Gersgorin-ttel els, 20 msodik, 21 Givens-forgats, 95 globlis approximcis hiba, 237 globlis polinominterpolci, 149 gradiens-mdszer, 84 GramSchmidt-ortogonalizci, 14 Green-fggvny, 290 gyors Fourier-transzformci, 178 euklideszi tr, 14 Euler-mdszer explicit, 226 implicit, 231
Trgymutat
hibaegyenlet, 345 hibafggvny, 283, 344 hibakorlt, 44 Hilbert-mtrix, 57 Householder-deci, 114 Householder-tkrzs, 94 indenit mtrix, 18 induklt norma, 12 ingamdszer, 64 interpolci, 149 trigonometrikus, 173 interpolcis feladat, 149 interpolcis hiba, 157 interpolcis kvadratraformula, 197 interpolcis polinom, 149 intervallumfelezsi mdszer, 128 inverz diszkrt Fourier-transzformci, 176 inverz iterci, 112 iterci konzisztens, 72 Jacobi-iterci, 74 Jacobi-mdszer mdostott, 118 kzponti dierencia, 191 karakterisztika, 48 karakterisztikus egyenlet, 19 karakterisztikus polinom, 19 kezdetirtk-feladat (Cauchy-feladat), 217 megoldhatsg, unicits, 218 kiegyenslyozott trigonometrikus polinom, 174 kiegyszersds, 50 kondciszm, 56 abszolt, 47 relatv, 47 konvergencia, 344
Lagrange-fle alappolinom, 151 lebegpontos szmbrzols, 48 legkisebb ngyzetek rtelemben legjobb kzelts, 180 lineris sszefggsg, 6 lineris egyenletrendszer tlhatrozott, 96 lineris fggetlensg, 6 lineris kombinci, 6 lineris opertor, 12 Lipschitz-felttel, 219 loklis approximcis hiba (kplethiba), 236 LU-felbonts, 65 ltalnos mtrixokra, 68 m-fjlok, 35 M-mtrix, 27, 311 msodrend kzponti dierencia, 191 mtrix -ok hasonlsga, 21 hermitikus, 16 Hilbert, 57 indenit, 18 kondciszma, 56 pozitv denit, 18 szimmetrikus, 16 mtrixnorma, 8 mtrixok diagonalizlhatsga, 21 mrsi hiba, 43 mdostott Jacobi-mdszer, 118 mantissza, 48 Marcinkiewicz-ttel, 159 MATLAB, 35 Matlab programok a Cauchy feladatokra, 265 maximumelv elliptikus, 341 parabolikus, 352 megoldfggvny, 47 Merev rendszerek s numerikus megoldsuk, 262 modellalkots, 41 modellhiba, 43 nvekedsi faktor, 70 ngyzetes mtrixok, 16 NewtonCotes-egytthatk nylt, 200 zrt, 198 NewtonCotes-formulk, 197
p-ed
rend, 344
konvergencia, konvergencia rendje, 237 konvergenciarend, 31 konzisztencia, 345 konzisztencia, konzisztencia rendje, 236 konzisztens iterci, 72 kvadratraformula, 197 konvergenciarendje, 197 nylt, 197 pontossgi rendje, 197 zrt, 197 lpstvolsg-dilemma, 193
Trgymutat
Newton-fle osztott dierencik, 155 Newton-mdszer, 136 tbbvltozs, 146 normlalak, 48 normlegyenlet, 97 normlis mtrix, 22 normlt tr, 7 norma, 7 induklt, 12 mtrix, 8, 12 vektor, 7 nullmtrix, 16 numerikus derivls, 189 numerikus integrls, 195 numerikus megolds, 344 elliptikus egyenlet vges dierencis sma, 346 hvezetsi egyenlet
rszleges felemkivlaszts, 68 Rayleigh-hnyados, 109 Rayleigh-hnyados iterci, 113 regulris felbonts, 78 relatv hiba, 44 relatv hibakorlt, 44 retrogrd dierencia, 190 Richardson-extrapolci, 34 ritka mtrixok, 72 Romberg-mdszer, 209 Runge-Kutta tpus mdszerek, 239
m-lpcss,
244
Butcher-tblzat, 243 diagonlisan implicit, 248 harmadrend, 244 Heun-mdszer, 240 implicit mdszerek, 247 konzistencia felttele, 246 msodrend, 240, 241 negyedrend, 246 svmtrix, 16
-sma,
364
hvezetsi egyenlet explicit sma, 354 hvezetsi egyenlet implicit sma, 359 nylt halmaz, 9 opertoregyenlet, 342, 343, 353 ord jells, 33 ortogonlis mtrix, 17 ortogonlis vektorrendszer, 14 ortonormlt vektorrendszer, 14 sszetett trapzformula, 203 osztott dierencik, 155 parcilis dierencilegyenlet, 335 hvezetsi egyenlet, 335 kezdeti felttel, 337 Laplace-egyenlet, 335 osztlyozs, 336 peremfelttel, 337 peremrtk-feladat, 280 egyrtelmsg, 287 lineris, 288 megoldhatsga, 286 pozitv denit mtrix, 18 QR-iterci eltolt, 120 rcsfggvny, 281 rcsfggvny , 343 rcshl, 343 elliptikus, 343 parabolikus, 353
svszlessg, 16 sajtrtk, 18 sajtrtk-feladatok, 107 sajtpr, 18 sajtvektor, 18 Schur-felbonts, 23 Simpson-formula, 198 skalris szorzat, 14 sorozat konvergenciarendje, 31 spektrlsugr, 20 spline-interpolci, 167 stabilits
-mdszer
korltja, 365
explcit sma korltja, 355 numerikus mdszer stabilitsa, 345 stacionrius heloszls homogn vezetkben, 319 MATLAB program belvses mdszer, 321 MATLAB program vges dierencia mdszer, 324 szelmdszer, 133 szimmetrikus mtrix, 16 tbblpses mdszerek, 252 ltalnos alak, 253 Adams-tpus mdszerek, 258 kezdeti kzeltsek megvlasztsa, 257 tankonyvtar.bme.hu 391
Trgymutat
rendje, 253 retrogrd dierencia mdszerek, 261 tvolsg, 8 tlhatrozott egyenletrendszer, 96 Taylor-mdszer, 221 globlis, 223 loklis, 221 teljes felemkivlaszts, 68
-mdszer,
226
Thomas-algoritmus, 64 trapzformula, 198 trigonometrikus interpolci, 173 trigonometrikus polinom, 173 kiegyenslyozott, 174 trigonometrikus sor, 173 unitr mtrix, 17 vltozk sztvlasztsa, 339, 350 vges dierencik mdszere, 281, 296 ltalnos alak egyenlet approximcija, 297 alapttel, 285 konvergencia, 283 konvergencia lineris feladatokra, 300, 302, 303 konvergencia rendje, 284 konzisztencia, 285 lineris feladatok ltalnos vizsglata, 305 megoldhatsg, 282 perempont, 281 rcshl, 281 stabilits, 285 vektornorma, 7 vektorok tvolsga, 8 vektortr, 5 Vite-formulk, 19 zrt halmaz, 9
Irodalomjegyzk
[1] Asher, U., Petzold, L. Computer Methods for Ordinary Dierential Equations. SIAM, Philadelphia, 1998. [2] Benoit, Note sur une mthode de resolution des quations normales provenant de
l'application de la mthode des moindres carrs a un systeme d'quations lineaires en nombre inferieure a celui des inconnues, Application de la mthode a la resolution d'un systeme deni d'quations lineaires (Procede du Commandant Cholesky), Bulletin godesique,1924. [3] [4] Serge Bernstein, Quelques remarques sur l'interpolation, Math. Ann. 79 (1918), 112. Jean-Paul Berrut, Lloyd N. Trefethen, Barycentric Lagrange interpolation, SIAM Review 46(4) (2004) 501517. [5] Bruce, G.H., Peaceman, D.W., Rachford, H.H., and Rice, J.D., Trans. Am. Inst. Min. Engrs (Petrol Div.) 198(79) (1953). [6] Kurt Bryan, Tanya Leise, The $25,000,000,000 eigenvector The linear algebra behind Google, [7]
http://www.rose-hulman.edu/~bryan/googleFinalVersionFixed.pdf.
Coddington, E. A., Levinson, N. Theory of dierential equations. New York, McGraw-Hill, 1955.
[8]
Cooper, Jeery M. Introduction to Partial Dierential Equations with MATLAB (in Series: Applied and Numerical Harmonic Analysis), Birkhuser, Boston, 1998.
[9]
Czch L, Simon L. Parcilis dierencilegyenletek, ELTE egyetemi jegyzet, Tanknyvkiad, Budapest, 1980.
[10] J. W. Daniel, The conjugate gradient method for linear and nonlinear operator equations, SIAM J. Numer. Anal., 4 (1967), pp. 1026. [11] Erds P., Vrtesi P.: On the almost everywhere divergence of Lagrange interpolation polynomials for arbitrary systems of nodes, Acta Math. Acad. Sci. Hungar. 36 (1980), 7189. [12] Galntai A., Jeney A.: Numerikus mdszerek, Miskolci Egyetemi Kiad, 2002. [13] David Goldberg, What Every Computer Scientist Should Know About Floating-Point Arithmetic, Computing Surveys, 1991.
http://docs.sun.com/source/806-3568/ncg_goldberg.html.
[14] Jacques Hadamard, Sur les problemes aux drives partielles et leur signication physique. Princeton University Bulletin, (1902), 4952. [15] P. Henrici, Numerikus mdszerek, Mszaki Knyvkiad, Budapest, 1985. [16] Steve Hollasch, IEEE Standard 754 Floating Point Numbers.
http://steve.hollasch.net/cgindex/coding/ieeefloat.html
393
Irodalomjegyzk
[17] IEEE-754 Floating-Point Conversion.
http://babbage.cs.qc.cuny.edu/IEEE-754/Decimal.html.
[18] Gene H. Golub, Charles van Loan, Matrix Computations, The Johns Hopkins University Press 1996. [19] W. Kahan, GaussSeidel methods of solving large systems of linear equations, Doctoral Thesis, University of Toronto, Toronto, Canada, 1958. [20] Kincaid, D, Cheney, W. Numerical Analysis. Mathematics of Scientic Computing,American Mathematical Society, 2009. [21] Knabner, P., Angermann, L. Numerical Methods for Elliptic and Parabolic Partial Dierential Equations, Texts in Applied Mathematics 44, Springer, Ney-York, 2003. [22] M. M. Lavrent'ev, V. G. Romanov, S. P. Shishatski', Ill-posed problems of mathematical physics and analysis, translated by J. R. Schulenberger, Translations of Mathematical Monographs, vol. 64, American Mathematical Society, Providence, R. I., 1986. [23] LeVeque, Randall J. Finite Dierence Methods for Ordinary and Partial Dierential Equations. Steady State and Time Dependent Problems, SIAM, Philadelphia 2007. [24] J. Marcinkiewicz, Sur l'interpolation, Studia Math., 6 (1936), pp. 1-17. [25] Cleve Moler, Numerical Computing with MATLAB, SIAM, 2004 (http://www.mathworks.com/moler/chapters.html).
[26] A.M. Ostrowski, On the linear iteration procedures for symmetiric matrices, Rend. Mat. Appl. 14 (1954) 140163. [27] E. Reich, On the convergence of the classical iterative method of solving linear simultaneous equations, Ann. Math. Statist. 20 (1949) 448451. [28] C. Runge, ber empirische Funktionen und die Interpolation zwischen quidistanten Ordinaten, Zietschrift fr Mathematik und Physik, 46 (1901), 224243. [29] Quarteroni, Sacco, Saleri, Numerical Mathematics, Springer, 2000 (jabb kiads 2007-ben). [30] Simon L., Baderko E. A. Msodrend lineris parcilis dierencilegyenletek, Tanknyvkiad, Budapest, 1983. [31] Simon P., Tth J. Dierencilegyenletek. Bevezets az elmletben s az alkalmazsokba. TypoTech, Budapest, 2005. [32] Stephenson, G. Partial Dierential Equations for Scientists and Engineers, Longman, London-New-York, 1986. [33] Stoyan Gisbert, Matlab - frisstett kiads, Typotex Kiad, 2005. [34] Stoyan G., Tak G. Numerikus mdszerek 2., TypoTeX, Budapest, 1995. [35] Stoyan Gisbert, Tak Galina: Numerikus mdszerek 3., TypoTex Kiad, Budapest, 1997. [36] L.H. Thomas, Elliptic problems in linear dierence equations over a network, Watson Sci. Comput. Lab. Rept., Columbia University, New York, 1949. [37] Horst Zuse, The Life and Work of Konrad Zuse.
http://www.epemag.com/zuse/.
Irodalomjegyzk
[38] Joseph L. Zachary, Floating-Point Number Tutorial.
http//www.cs.utah.edu/~zachary/isp/applets/FP/FP.html
einer reellen Vernderlichen, Sitzungsberichte der Kniglich Preussischen Akademie der Wissenschaften zu Berlin, Erste Mitteilung (1885) 633639.
[39] K. Weierstrass, ber die analytische Darstellbarkeit sogenannter willkrlicher Functionen
Tartalomjegyzk
1. Elismeretek
1.1. Vektorterek 1.1.1. 1.1.2. 1.1.3. 1.2. 1.2.1. 1.2.2. 1.2.3. 1.2.4. 1.3. 1.3.1. 1.3.2. 1.4. 1.5. 1.6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vals s komplex vektorterek Normlt terek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Euklideszi terek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mtrixok sajtrtkei s sajtvektorai Diagonalizlhatsg Normk s sajtrtkek
5
5 5 7 14 16 18 21 24 27 29 29 32 35 36 38
Mtrixok
M-mtrixok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sorozatok konvergenciasebessge . . . . . . . . . . . . . . . . . . . . . . . .
Fggvnyek konvergenciavizsglata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A MATLAB programcsomag Feladatok
A fejezettel kapcsolatos MATLAB parancsok
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Modellalkots s hibaforrsai
2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. Modellalkots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A modellalkots hibaforrsai Feladatok kondicionltsga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A hiba mrse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gpi szmbrzols s kvetkezmnyei . . . . . . . . . . . . . . . . . . . . . . . . . A fejezettel kapcsolatos MATLAB parancsok Feladatok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
41 42 44 45 47 52 52
3. Lineris egyenletrendszerek megoldsa

3.1. 3.2. 3.3. 3.4. 3.5. Lineris egyenletrendszerek megoldhatsga . . . . . . . . . . . . . . . . . . . . . . Lineris egyenletrendszerek kondicionltsga . . . . . . . . . . . . . . . . . . . . . . Gauss-mdszer LU-felbonts 3.5.1. 3.5.2. 3.5.3. 3.6. 3.6.1. 3.6.2. 3.6.3. 3.6.4. 3.6.5. 3.7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
55 56 59 65 67 67 68 70 72 74 74 76 78 81 81
Felemkivlaszts, ltalnos LU-felbonts, Cholesky-felbonts . . . . . . . . . . . . Felemkivlaszts ltalnos LU-felbonts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cholesky-felbonts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Jacobi-iterci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lineris egyenletrendszerek klasszikus itercis megoldsa . . . . . . . . . . . . . . GaussSeidel-iterci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relaxcis mdszerek Itercis mdszerek konvergencija . . . . . . . . . . . . . . . . . . . . . . . Lellsi felttelek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
Varicis mdszerek
Tartalomjegyzk
3.7.1. 3.7.2. 3.8. 3.8.1. 3.8.2. 3.9.
Gradiens-mdszer
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
84 85 91 92 94 96 97 98 98
Konjuglt gradiens-mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . QR-felbonts Householder-tkrzsekkel . . . . . . . . . . . . . . . . . . . . QR-felbonts Givens-forgatsokkal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Megolds a normlegyenlet segtsgvel Megolds a QR-felbonts segtsgvel
A QR-felbonts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Tlhatrozott rendszerek megoldsa
3.10. Lineris egyenletrendszerek megoldsa a MATLAB-ban 3.11. Feladatok
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4. Sajtrtk-feladatok numerikus megoldsa

4.1. 4.2. A sajtrtkeket egyenknt kzelt eljrsok 4.2.1. 4.2.2. 4.2.3. 4.2.4. Inverz iterci
107
. . . . . . . . . . . . . . . . . . . . . 108
Sajtrtk-feladatok kondicionltsga . . . . . . . . . . . . . . . . . . . . . . . . . . 107 A hatvnymdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 Rayleigh-hnyados iterci Decis eljrsok Rangdeci
Householder-deci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 . . . . . . . . . . . . . . . . . . . . . . . . 115 Blokk hromszgmtrix deci 4.3. 4.3.1. 4.3.2. 4.4. 4.5. A Jacobi-mdszer
A sajtrtkeket egyszerre kzelt eljrsok . . . . . . . . . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . . . . . . . . . . . . . 121 QR-iterci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Sajtrtkszmts a MATLAB-ban Feladatok
5. Nemlineris egyenletek s egyenletrendszerek megoldsa

5.1. 5.1.1. 5.1.2. 5.1.3. A gykk elklntse
125
Nemlineris egyenletek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 Nemlineris egyenletek megoldsnak kondicionltsga . . . . . . . . . . . . 127 Geometriai mdszerek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 Intervallumfelezsi mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 Hrmdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 Szelmdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 Newton-mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.2. 5.3. 5.4. 5.5.
Fixpont-itercik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 5.2.1. Aitken-gyorsts Mintafeladat Feladatok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
Nemlineris egyenletrendszerek megoldsa . . . . . . . . . . . . . . . . . . . . . . . 145 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6. Interpolcis feladatok
6.1. Globlis polinominterpolci 6.1.1. 6.1.2. 6.1.3. 6.2. 6.3. 6.4.
149
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Az interpolcis polinom Lagrange-fle ellltsa . . . . . . . . . . . . . . . 150 A baricentrikus interpolcis formula . . . . . . . . . . . . . . . . . . . . . . 153 Az interpolcis polinom ellltsa Newton-fle osztott dierencikkal . . . 154
Az interpolcis hiba . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 Interpolci Csebisev-alappontokon . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 Hermite-interpolci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 tankonyvtar.bme.hu 397
Tartalomjegyzk
6.5.
Szakaszonknt polinomilis interpolci 6.5.1. 6.5.2. 6.5.3.
. . . . . . . . . . . . . . . . . . . . . . . . 167 . . . . . . . . . . . . . . . . . . . . . . . 167 . . . . . . . . . . . . . . . . . . . . 168
Szakaszonknt lineris interpolci
Szakaszonknt kvadratikus interpolci . . . . . . . . . . . . . . . . . . . . . 168 Szakaszonknt harmadfok interpolci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.6. 6.7. 6.8. 6.9.
Trigonometrikus interpolci Gyors Fourier-transzformci
Kzelts legkisebb ngyzetek rtelemben . . . . . . . . . . . . . . . . . . . . . . . . 180 Interpolcis feladatok megoldsa a MATLAB-ban . . . . . . . . . . . . . . . . . . 183 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.10. Feladatok
7. Numerikus derivls
7.1. 7.2. 7.3. 7.4. 7.5. 7.6. Az els derivlt kzeltse A msodik derivlt kzeltse
189
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
A numerikus derivls alapfeladata . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
A derivltak msfajta kzeltsei Feladatok
Lpstvolsg-dilemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
8. Numerikus integrls
8.1. 8.2. 8.3. A numerikus integrls alapfeladata
195
. . . . . . . . . . . . . . . . . . . . . . . . . . 195
NewtonCotes-fle kvadratraformulk . . . . . . . . . . . . . . . . . . . . . . . . . 197 sszetett kvadratraformulk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 8.3.1. 8.3.2. 8.3.3. sszetett trapzformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 sszetett rintformula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 sszetett Simpson-formula
8.4. 8.5. 8.6. 8.7.
Romberg-mdszer
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 . . . . . . . . . . . . . . . . . . . 213
Gauss-kvadratra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 Numerikus integrlsi eljrsok a MATLAB-ban Feladatok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
9. A kezdetirtk-feladatok numerikus mdszerei

9.1. 9.2. 9.3. Bevezets Egylpses mdszerek 9.3.1. 9.3.2.
217
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 . . . . . . . . . . . . . . . . . . . . . 225
A kznsges dierencilegyenletek kezdetirtk-feladata . . . . . . . . . . . . . . . 217 Taylor-sorba fejtses mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . 220 Nhny nevezetes egylpses mdszer Az explicit Euler-mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 Az implicit Euler-mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 A CrankNicolson-mdszer 9.3.3. . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 Az ltalnos alak egylpses mdszerek alapfogalmai s pontbeli konvergencija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235 Az egylpses mdszerek pontbeli konvergencija . . . . . . . . . . . . . . . 236
9.4.
A RungeKutta tpus mdszerek 9.4.1. 9.4.2. 9.4.3. 9.4.4.
. . . . . . . . . . . . . . . . . . . . . . . . . . . 239
A msodrend RungeKutta tpus mdszerek . . . . . . . . . . . . . . . . 240 A magasabb rend RungeKutta tpus mdszerek . . . . . . . . . . . . . . 243 Az implicit Runge-Kutta tpus mdszerek . . . . . . . . . . . . . . . . . . 247 Az egylpses mdszerek egy tesztfeladaton . . . . . . . . . . . . . . . . . . 249 A lineris tbblpses mdszer ltalnos alakja s rendje . . . . . . . . . . . 253 A kezdeti rtkek megvlasztsa s a mdszer konvergencija . . . . . . . . 257
9.5.
A tbblpses mdszerek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252 9.5.1. 9.5.2.
Tartalomjegyzk
9.5.3. 9.5.4. 9.6. 9.7. 9.8.
Adams-tpus mdszerek
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 258 . . . . . . . . . . . . . . . . . . . . . . . . 261
Retrogrd dierencia mdszerek
A lineris s a merev rendszerek numerikus megoldsa . . . . . . . . . . . . . . . . 262 A kezdetirtk-feladatok numerikus megoldsa MATLAB segtsgvel . . . . . . . . 265 Feladatok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
10.A peremrtk-feladatok numerikus mdszerei

10.1. Bevezets 10.2. Peremrtkfeladatok megoldsa vges dierencikkal
279
. . . . . . . . . . . . . . . . . 281 . . . . . . . . . 282
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
10.2.1. A vges dierencis sma felptse . . . . . . . . . . . . . . . . . . . . . . . 281 10.2.2. A vges dierencis sma megoldhatsga s tulajdonsgai 10.2.4. sszefoglals 10.2.3. A vges dierencis mdszer konvergencija . . . . . . . . . . . . . . . . . . 283 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285 10.3. A kznsges dierencilegyenletek peremrtk-feladatnak megoldhatsga . . . . 286 10.3.1. A lineris peremrtk-feladat megoldhatsga . . . . . . . . . . . . . . . . . 288 10.4. A peremrtk-feladat numerikus megoldsa Cauchy-feladatra val visszavezetssel . 290 10.4.1. A belvses mdszer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 10.4.2. Lineris peremrtk-feladatok numerikus megoldsa . . . . . . . . . . . . . 294 10.5. A peremrtk-feladat numerikus megoldsa vges dierencik mdszervel . . . . . 296 10.5.1. Vges dierencis approximci . . . . . . . . . . . . . . . . . . . . . . . . . 296 10.5.2. Az ltalnos alak peremrtk-feladat megoldsa a vges dierencik mdszervel szervel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 . . . . . . . . . . . . . . . . 311 10.5.3. A lineris peremrtk-feladatok approximcija a vges dierencik md10.5.4. A lineris peremrtk-feladatok numerikus megoldsnak ltalnos vizsglata305 10.5.5. A lineris peremrtk-feladatok M-mtrixokkal 10.5.6. A diszkrt maximumelv s kvetkezmnyei . . . . . . . . . . . . . . . . . . 313 . . . . . . . . 319
10.6. A peremrtk-feladatok numerikus megoldsa MATLAB segtsgvel . . . . . . . . 319 10.6.1. A modellfeladat: stacionrius heloszls homogn vezetkben 10.6.2. A tesztfeladat numerikus megoldsa MATLAB segtsgvel 10.7. Feladatok . . . . . . . . . 321
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
11.A parcilis dierencilegyenletek numerikus mdszerei

11.2. Lineris, msodrend, elliptikus parcilis differencilegyenletek 11.2.1. A Laplace-egyenlet analitikus megoldsa egysgngyzeten 11.2.3. ltalnos kitzs s az alapttel
335
. . . . . . . . . . . 338 . . . . . . . . . . 338 . . 342
11.1. A parcilis dierencilegyenletek alapfogalmai . . . . . . . . . . . . . . . . . . . . . 335
11.2.2. Elliptikus egyenletek kzelt megoldsa vges dierencik mdszervel 11.2.4. Az elliptikus feladatok numerikus kzeltsnek konvergencija
. . . . . . . . . . . . . . . . . . . . . . . . 344 . . . . . . . 346
11.2.5. A numerikus mdszer realizlsnak algoritmusa . . . . . . . . . . . . . . . 348 11.3. Lineris, msodrend, parabolikus parcilis differencilegyenletek . . . . . . . . . . 349 11.3.1. Az egydimenzis hvezetsi egyenlet analitikus megoldsa . . . . . . . . . . 350 11.3.2. A hvezetsi feladat numerikus megoldsa vges dierencik mdszervel . 352 11.3.3. A vges dierencis kzelts konvergencija . . . . . . . . . . . . . . . . . . 354 11.3.4. A numerikus mdszer realizlsnak algoritmusa . . . . . . . . . . . . . . . 357 11.3.5. Egy msik vges dierencis sma s vizsglata . . . . . . . . . . . . . . . . 359 11.3.6. ltalnosts s magasabb rend mdszerek . . . . . . . . . . . . . . . . . . 362 11.4. A parcilis dierencilegyenletek numerikus megoldsa MATLAB segtsgvel . . . 369 11.4.1. A Poisson-egyenlet megoldsa els (Dirichlet-fle) peremfelttellel . . . . . . 369 11.4.2. A hvezetsi egyenlet megoldsa vges dierencik mdszervel . . . . . . . 375 tankonyvtar.bme.hu 399
Tartalomjegyzk
11.5. Feladatok
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Trgymutat Irodalomjegyzk Tartalomjegyzk
387 391 394

Horvath.R Farago.I Jegyzet

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Horvath.R Farago.I Jegyzet

Uploaded by

Copyright:

Available Formats

Farag Istvn Horvth Rbert

Budapest, 2011. janur

x + y = y + x, x, y V , (x + y) + z = x + (y + z), x, y, z V , o V , x + o = x, x V , x V , V , x + x = o, x 1 x = x, x V , (x + y) = x + y , x, y V , K, ( + )x = x + x, x V , , K, (x) = ()x, x V , , K.

x V vektort az x1 , . . . , xk V vektorok lineris kombincijnak 1 , . . . , k K konstansok, hogy x = 1 x1 + + k xk .

x1 , . . . , xk V vektorrendszert linerisan fggetlennek mondjuk, ha az 1 x1 + +k xk = o i = 0 (i = 1, . . . , k) kvetkezik. Vgtelen sok vektorbl ll vektorrendszert

hvunk, ha linerisan fggetlen, s

eleme elllthat a vektorrendszer elemeinek lineris kombincijaknt.

Bzisvektorok lineris kombincijaknt minden fel. Ha zija.

van vges sok elembl ll bzisa, akkor

V -beli vektor pontosan egyflekppen rhat V -t vges dimenzis vektortrnek hvjuk.

1.1.2. Normlt terek

(V, ) prt normlt trnek hvjuk, ha V

: V R egy adott fggvny,

n. norma, az albbi tulajdonsgokkal:

gljuk ugyanis egy tetszleges

rtket! A norma msodik s harmadik

tulajdonsgt felhasznlva azt kapjuk, hogy

norma a vektor szoksos hossza. vektor esetn a normt pl. az

esetn. A leggyakrabban hasznlt normk ezek kzl az

1-es vagy oktadernorma

s a 2-es vagy euklideszi norma

|x1 |2 + + |xn |2 , -nel

= max{|x1 |, . . . , |xn |}.

vektortren megadott normkat vektortr, ha a normt pl. az

= max {|f (x)|}

vektortr, ha a normt egy

vektortren megadott normkat

hvjuk. Ksbb majd ltni fo-

A tvolsg elnevezs jogossgt az albbi ttel mutatja.

x y 0, x, y (V, ), x y = 0 x = y , x y = y x , x, y (V, ), x y x z + z y , x, y, z (V, ) (hromszg-egyenltlensg).

Bizonyts. Alkalmazzuk ktflekppen a hromszg-egyenltlensget:

y x y x , a msikbl pedig hogy x y y x y x alakba rva a kt egyenlsg egyttesen

vals szmsorozat nullhoz tart. Jells:

vektort a sorozat hatrrtknek hvjuk. Knnyen igazolhat, hogy a hatrrtk egyr-

8 Farag Istvn (ELTE TTK), Horvth Rbert (BME TTK)

V vektortren rtelmezett s c1 , c2 > 0 konstansok, melyekre c1 x x

normkat ekvivalensnek nevezzk, ha vannak

vektor egyrtelmen rhat fel

fggvny normt denil (1.6.10. feladat). Legyen

egy tetszleges norma az adott

tren. A ttel igazolshoz elegend megmutatnunk, hogy Legyen

ekvivalens normk, mert a

normk tranzitivitsa miatt gy brmely kt norma ekvivalens lesz.

szorosval. Az als becslshez tekintsk az euklideszi normval elltott

2 ) R, f () = f (1 , . . . , n ) = ugyanis az 1.1.10. ttel alapjn tetszleges

k vk fggvnyt. Ez a fggvny folytonos, = (1 , . . . , n ), = (1 , . . . , n ) Kn vektorok

teret, melyen deniljuk az

fggvny teht folytonos, gy a

korltos s zrt gmbhjon van legkisebb rtke. Legyen ez a legkisebb rtk

vektorok nem lennnek fggetlenek. tankonyvtar.bme.hu 9

{xk } (V, ) sorozat Cauchy-sorozat, ha minden > 0 xn xm < minden n, m M esetn.

normlt trbeli konvergens sorozat Cauchy-sorozat.

A ttel megfordtsa nem igaz.

(V, ) normlt tr Banach2 -tr

(V, )-beli Cauchy-sorozat

konvergens sorozat is egyben.

1.1.18. ttel. (Banach-fle xpontttel)

egy tetszleges nem res zrt rszhalmaz.

Tegyk fel, hogy az

lekpezs kontrakci, azaz van olyan

elemek esetn. elem, mellyel

mdon ellltott sorozat

Bizonyts. Tekintsk egy tetszleges tulajdonsg miatt

nilt sorozatot, melynek nyilvnvalan mindegyik eleme

fggvny normt denil (1.6.10. feladat). Legyen

teret, melyen deniljuk az

1.1.18. ttel. (Banach-fle xpontttel)

nilt sorozatot, melynek nyilvnvalan mindegyik eleme

hatrrtktl. Vegyk szre azt is, hogy az xpont tetszleges

(a korltossg miatt jl denilt) hozzrendels normt ad meg a

hozzrendels skalris szorzst denil minden

denil. Ezt a normt a skalris szorzs ltal induklt normnak nevezzk.

1.1.30. ttel. (GramSchmidt ortogonalizci)

[1, 1] intervallumon a GramSchmidt-ortogonalizcis eljrss(x) 1 slyfggvny esetn Legendre-polinomoknak, mg az s(x) =