Professional Documents
Culture Documents
Jernej Kozak
Kazalo
Predgovor
Poglavje 1. Aproksimacija
1. Uvod
1.1. Naloge numerine aproksimacije
1.2. Izbira in obutljivost baze
1.3. Primerni aproksimativni podprostori
1.4. Naloge
2. Eksistenca in enolinost
2.1. Sploni optimalni aproksimativni problem
2.2. Eksistenca elementa najbolje aproksimacije
2.3. Enolinost elementa najbolje aproksimacije
2.4. Naloge
3. Enakomerna aproksimacija
3.1. Nekaj uvodnih poudarkov
3.2. Polinom najbolje enakomerne aproksimacije
3.3. Prvi Remesov postopek
3.4. Drugi Remesov postopek
3.5. Posploitve polinomske enakomerne aproksimacije
3.6. Naloge
4. Aproksimacija po metodi najmanjih kvadratov
4.1. Splono o metodi najmanjih kvadratov
4.2. Konstrukcija ortonormiranih druin polinomov
4.3. Konstrukcija ortonormiranih sistemov v splonem
4.4. Reortogonalizacija
4.5. Konvergenne lastnosti pri uporabi polinomov
4.6. Naloge
11
12
12
15
18
24
27
27
29
32
35
36
36
36
46
49
51
52
55
55
59
63
64
65
72
Poglavje 2. Interpolacija
1. Splono o interpolaciji
1.1. Interpolacijski problem
1.2. Korektnost v splonem
2. Polinomska interpolacija
2.1. Interpolacijski polinom v Lagrangeevi obliki
2.2. Deljene diference in Newtonova oblika polinoma
75
76
76
78
81
81
82
NUMERINA ANALIZA
94
95
98
100
104
104
106
110
114
124
127
Poglavje 3. Odvajanje
1. Numerina in zakljuena oblika
1.1. Naloge numerinega odvajanja
1.2. Numerina aproksimacija odvodov
1.3. Aproksimacija odvodov v zakljueni obliki
1.4. Naloge
129
130
130
130
130
135
Poglavje 4. Integriranje
1. Osnove numerinega integriranja
1.1. Interpolacijska integracijska pravila
1.2. Konvergenca integracijskih pravil
1.3. Ostanek in Peanov izrek
1.4. Naloge
2. Newton-Cotesova integracijska pravila
2.1. Osnovna Newton-Cotesova pravila
2.2. Sestavljena Newton-Cotesova pravila
2.3. Euler-McLaurinova sumacijska formula
2.4. Rombergova integracija
2.5. Naloge
3. Gaussova integracijska pravila
3.1. Vianje stopnje pravil
3.2. Izpeljava in lastnosti integracijskih pravil Gaussovega tipa
3.3. Numerino raunanje vozlov in utei
3.4. Naloge
4. Posebni postopki v numerini integraciji
4.1. Kdaj obiajna pravila ne zadoajo
4.2. Funkcija, neomejena na robu intervala
4.3. Neomejen interval integracije
4.4. Integracija hitro oscilirajoih funkcij
4.5. Adaptivna integracijska pravila
4.6. Naloge
137
138
138
140
141
144
146
146
152
155
160
163
167
167
168
175
178
180
180
180
181
182
183
185
187
KAZALO
189
190
190
191
195
195
199
200
200
201
202
205
208
211
212
212
219
221
225
231
234
234
234
240
245
246
248
260
261
265
267
268
268
270
276
276
280
282
283
285
289
291
NUMERINA ANALIZA
1. Uvod
1.1. Kaj opisujejo parcialne diferencialne enabe
1.2. Klasikacija parcialnih diferencialnih enab drugega reda
1.3. Numerine metode in diskretizacija
1.4. Diferenna metoda
1.5. Naloge
2. Enabe eliptinega tipa
2.1. Uvod
2.2. Diskretizacija Poissonove enabe na pravokotniku
2.3. Lastne vrednosti Laplaceovega operatorja
2.4. Osnovne iteracijske metode in Poissonova enaba
2.5. Vemrene metode
2.6. Druge pomembne metode
2.7. Naloge
3. Enabe parabolinega tipa
3.1. Uvod
3.2. Diferenna metoda
3.3. Eksplicitna shema
3.4. Implicitna shema
3.5. Difuzijska enaba v dveh prostorskih razsenostih
3.6. Stabilnost, konsistentnost in konvergenca
3.7. Naloge
4. Enabe hiperbolinega tipa
4.1. Uvod
4.2. Advekcijska enaba in druge enabe prvega reda
4.3. Reevanje valovne enabe z diferenno metodo
4.4. Metoda karakteristik
4.5. Naloge
292
292
293
296
296
302
304
304
304
312
315
327
336
350
353
353
353
354
358
363
368
376
379
379
383
391
396
400
Literatura
403
Stvarno kazalo
405
Predgovor
Knjiga je nastajala ob predavanjih, ki sem jih imel vrsto let v etrtem
letniku uporabne smeri univerzitetnega programa matematika. Vsebino predavanj sem malo raziril in tudi prilagodil tako, da zajeta snov v veliki meri
pokriva tri predmete numerine smeri na drugi stopnji bolonjskega tudija matematike. Knjige nisem namenil le tudentom. Upam, da bo po njej lahko s
pridom posegel tudi tisti, ki iz potrebe ali zanimanja eli o numerini matematiki zvedeti ve kot le preproste recepte.
V knjigi je strnjen tisti del numerine matematike, ki mu reemo numerina analiza. Prvi del, aproksimacija in interpolacija, je osnova drugim trem:
odvajanju in integraciji, reevanju navadnih diferencialnih enab ter reevanju
parcialnih diferencialnih enab. Knjigo sem na to strukturno sestavo snovi
oprl v polni meri. Zato nasvet bralcu, naj zane kar s prvimi stranmi. Po
obiaju na koncu besedila najdemo seznam knjig s tega podroja. Literature
v samem besedilu nisem citiral. Za zakljuek sledi stvarno kazalo. V njem so
tevilke strani, kjer najdemo osnovno razlago posameznega pojma, zapisane
odebeljeno.
Besedilo knjige predpostavlja solidno znanje matematike, priblino v obsegu, ki ga tudent spozna v novem prvostopenjskem delu. e kakna osnova
zmanjka, jo lahko bralec poie v primerni literaturi. Za osvetlitev pojmov
analize, ki jih tu privzamem, priporoam knjigo [32]. Za numerino linearno
algebro velja pobrskati po [4], [5] in [13]. Morda bo kdo menil, da je raven knjige zahtevna, saj konno govorimo le o raunanju. V svoje opraviilo
povem tole. Rezultati numerine reitve nekega problema so plod medigre neodstranljivih, okrnitvenih in zaokroitvenih napak. Te nastajajo v celotnem
procesu reevanja, od formulacije problema do njegove pribline numerine
reitve. Naloga matematika je vnaprej odgovoriti, zakaj enkrat dobimo sprejemljive, drugi neuporabne rezultate. In ta odgovor se najpogosteje lahko
najde le v teoretinem ozadju zastavljenega problema in uporabljene metode
reevanja. A to neusmiljeno zahteva primerno visok prag znanja matematike.
Knjige s podroja numerine matematike so pogosto zasnovane tako, da
zasujejo bralca z ogromno mnoico numerinih metod. Ker je metod toliko,
zmanjka prostora in volje za dodatna pojasnila, s pomojo katerih bi si bralec
lahko pridobil obutek, kdaj je primerna ena, kdaj druga metoda. Temu sem
se skual izogniti, zato morda kdo pogrea kakno znano metodo. Se bo pa
ob drugih nauil razmiljati, na kaj mora paziti, ko izbira metodo za reevanje
danega problema. Razlago sem na tevilnih mestih podkrepil z numerinimi
zgledi. Ti so sprogramirani v okolju mathematica in v obliki zvezkov dosegljivi na moji domai strani. Ne kot programi, premiljeni za slepo vsakdanjo
uporabo, ampak kot namig, kako naj o numerinih problemih razmiljamo,
jih reujemo in tehtamo rezultate. Bralca spodbujam, da zvezke uporabi kot
izhodie za svoje numerine poizkuse.
NUMERINA ANALIZA
Jernej Kozak
Del I
Aproksimacija in interpolacija
POGLAVJE 1
Aproksimacija
11
12
1. APROKSIMACIJA
1. Uvod
1.1. Naloge numerine aproksimacije. Naloge numerine aproksima-
cije strnemo takole. Naj f oznai funkcijo, krivuljo, ploskev, vrednost integrala
dane funkcije, reitev navadne ali parcialne diferencialne enabe, . . . , in e kaj.
Aproksimirajmo f s priblikom f, ki ga nato uporabimo v nadaljnjih raunih.
Tu je f lahko primerneja kot f iz zelo razlinih vzrokov. Morda f poznamo
le implicitno, morda je ne znamo zapisati v zakljueni obliki, morda je izraun
f asovno ali prostorsko preve zahteven, e zlasti, e je potreben izraun v
realnem asu. Razumljivo je, da si pri iskanju f postavimo nekaj kljunih
vpraanj,
kako lastnosti f vplivajo na iskanje f,
v kakni mnoici naj f iemo,
v em naj bo f sorodna z f ,
ali f tam, kjer jo iemo, obstaja,
e f obstaja, ali je doloena enolino,
kako dejansko konstruiramo f,
kako dobro nadomestilo za f je f.
Tako, kot smo zastavili problem numerine aproksimacije, smo v resnici povedali, da je numerina analiza le tudij aproksimacije v tej ali oni obliki. Prvi
korak naj bo osnovni, podlaga za vse druge. V tem poglavju se omejimo le na
aproksimacijo funkcij. Tu imamo na voljo vrsto orodij, ki nam pomagajo pri
iskanju reitev v numerini aproksimaciji.
Najprej omejimo izbor f na X , kjer je X vektorski (ali linearen ) prostor, ki
opredeli, kakne funkcije elimo aproksimirati. Funkciji f (x) = |x| in f (x) = ex
na intervalu [1, 1] oitno ne bo enako lahko aproksimirati. Prva se pri x = 0
zlomi, druga je neskonnokrat zvezno odvedljiva. Aproksimacija f ne bo dobro
ujela |x| za x 0, e se tudi sama ne bo zlomila pri x = 0. Po drugi strani
zlomljena funkcija ne bo nikoli dobro kos ex . Zato je prostor X smiselno
opredeliti po stopnji gladkosti. Nekaj izbir je takoj na voljo,
C ([a, b]), prostor funkcij, zveznih na intervalu [a, b],
C k ([a, b]), k N, prostor k -krat zvezno odvedljivih funkcij na intervalu [a, b],
L2 ([a, b]), prostor s kvadratom sumabilnih funkcij (pravilneje razredov funkcij) na intervalu [a, b], v numerini aproksimaciji pomemben
predvsem pri aproksimaciji po metodi najmanjih kvadratov,
C k (), k N, prostor k -krat zvezno odvedljivih funkcij na kompaktnem obmoju Rd ipd.
Lastnosti prostora X bodo nedvomno vplivale na kakovost aproksimacijskih
funkcij. Slednjo je seveda treba izmeriti, zato bo X vedno opremljen z normo
k . k, ki bo merila razliko f f. Norm bo na voljo kar nekaj, nekatere bodo
uporabne v ve prostorih. Oznaevali jih bomo z k . k in po potrebi tudi z
dodatno oznako, na primer
(1.1)
k . k , k . k,xx , k . k2 , k . k2,xx , . . . ,
1.1. UVOD
13
x = (xi )N
i=1 .
Ta razred norm opazi ekstremne toke velikosti dane f v zveznem ali diskretnem primeru. Pogosto uporabljamo tudi drugo normo, ki jo porodi skalarni
produkt, saj vodi k preprostim, linearnim aproksimativnim shemam. V tem
primeru zahtevamo, da je X realen unitaren (kratko od sedaj naprej evklidski )
vektorski prostor s skalarnim produktom h . , . i, denimo
Z b
hf, gi :=
f (x)g(x)(x)dx, f, g L2 ([a, b]), > 0,
a
v zveznem, ali
hf, gi :=
N
X
i=1
v zveznem primeru in
kf k := kf k2,xx
v
uN
uX
p
:= hf, f i = t
f (xi )2 (xi )
i=1
14
1. APROKSIMACIJA
Pn
Tn
Rn,m
S1,xx
Sk,xx
Pk,xx,
i f = i f,
za vse i.
1.1. UVOD
15
Reemo, da f interpolira f . Interpolacijske aproksimacijske sheme so po pravilu linearne in preproste, a izkoristijo le del podatkov o f X . To lahko
pomeni, da ne doloijo vedno dovolj dobrega nadomestka za f .
Aproksimativne sheme, za katere obstaja konstanta 1 c < , takna,
da za aproksimacijo f S dane f X velja
(1.2)
kf fk c dist (f, S)
neodvisno od f , so e posebej uporabne. Reemo jim aproksimativne sheme
optimalnega reda, saj se le za konstantni faktor loijo od optimalnih.
Pri tudiju problemov aproksimacije je pomemben e en pojem. Vsi nateti
zgledi podprostorov S so na nek nain odvisni od parametra, na primer n, ki
doloa njihovo dimenzijo. To pomeni, da pri aproksimaciji gledamo na S = Sn
kot na enega iz druine podprostorov (Sn ). Ker se s poveevanjem dimenzije n
poveuje tudi tevilo prostih parametrov, priakujemo, da bo aproksimacija vse
bolja in bolja. e se f poljubno priblia f , reemo, da je shema konvergentna.
Pn =
L({`i }ni=0 ),
n
Y
x xj
,
`i (x) :=
x
i xj
j=0
j6=i
(1.4)
x0 x1 xn .
x0
x1
x2
x3
x4
x0
x1
x2
x3
x4
16
1. APROKSIMACIJA
a0 +
n
X
k=1
1, (x xi )+ ,
i = 0, 1, . . . , n 1.
(1.5)
Odrezana potenca stopnje 0,
0
z+
:=
0, z < 0,
1, z > 0,
ima pri z = 0 skok in jo izberemo kot zvezno z leve ali z desne. Stine toke
reemo tokam, kjer se linearni (v splonem polinomski) kosi stikajo. V S1,xx
poznamo tudi bazo z lokalnimi nosilci,
xx
i1
x
i
i1
1,
x = xi ,
, i = 0, 1, . . . , n,
(1.6) Hi (x) :=
xi+1 x
xi+1 xi
0,
sicer,
ki so poseben primer B-zlepkov (slika 1.2). Te bomo sreali pozneje.
x1
x1
x2
x3
x4
x2
x3
x4
1.1. UVOD
17
Sliki 1.1 in 1.2 kaeta, da so baze kaj razline narave. Funkcije Hi imajo na primer lokalne nosilce ( supp Hi := nosilec funkcije Hi ) vsebovane v [xi1 , xi+1 ],
odrezane potence nimajo lokalnih nosilcev.
Z numerinega stalia loimo med obutljivimi in neobutljivimi bazami.
Povejmo to natanneje: obutljivost baze je merilo, ki pove, koliko se najve
relativno spremeni funkcija, izraena v tej bazi, v primerjavi z relativno spremembo koecientov. NajPbo f S , s := (si ) baza v S P
in := (i ) vektor
skalarjev v izraavi f = i i si . Podobno naj bo f = i i si sprememba
funkcije, := (i ) pa sprememba koecientov. Poenostavimo zapis, tako da
k . k oznauje usklajeni normi, tako v S , kot v prostoru vektorjev skalarjev.
Kot primer, k . k lahko oznauje enakomerno funkcijsko in vektorsko normo
hkrati. Torej
X
X
(i + i )si
i si , f + f =
f=
i
kf k
k
k
c(ss)
k
kf k
k
za vse mone izbire skalarjev. Iz
k k
kf k
kf k k
k
=
k
kf k
k
k kf k k
ocenimo prva dva faktorja z najslabo monostjo in dobimo obutljivost kot
M
,
c(ss) =
m
kjer je
P
X
k i i si k
kf k
M := sup
= sup
= sup k
i si k,
k
k
k
6=0 k
6=0
k
k=1
i
X
kf k
m := inf
= inf k
i si k.
k kk=1
6=0 k
i
sup k
k =1
k
i Hi k
sup k
k =1
k
|i |Hi k k
X
i
Hi k = 1,
P
saj je i Hi na vsakem od podintervalov [xi1 , xi ] premica, v obeh krajiih
podintervala enaka 1. Podobno je
X
X
m = inf k
i Hi k inf max |
i Hi (xj )| =
k =1
k
inf
k =1
k
max |
j
k =1
k
X
i
i i,j | =
inf
k =1
k
max |j | = 1.
j
18
1. APROKSIMACIJA
xa i
si (x) :=
, i = 0, 1, . . . , n,
ba
a je njena obutljivost za n = 7 e vsaj 19601.
Po drugi strani obutljivost
baze ebievih polinomov (Ti )ni=0 ni ve kot 2n. Obutljivost Lagrangeeve
baze je odvisna od izbire tok. e za toke xi izberemo nile ebievih polinomov, premaknjenih na interval [a, b], bo rast z n logaritemska, e jih izbiramo
ekvidistantno, pa eksponentna. Za veje n je torej pri izbiri polinomske baze
treba biti pozoren.
Tedaj
dist (f, Pn ) 0,
ko n .
xi .
i=0
n1
X
i=0
i=1
i+1
n!
xi+1 (1 x)n1i =
n (i + 1)! (n 1 i)!
= x Bn1 p0 (x) = x.
1.1. UVOD
19
n 2
n 2
X
X
i
n i
i
n
ni
Bn p2 (x) =
x (1 x)
=
xi (1 x)ni =
n
i
n
i
i=0
i=1
n
X
i
(n 1)!
=
xi (1 x)ni =
n (i 1)! (n i)!
i=1
n1
X i + 1 n 1
xi (1 x)n1i =
=x
n
i
i=0
x
= ((n 1) Bn1 p1 (x) + Bn1 p0 (x)) =
n
n1 2 1
1
1
2
2
=
x + x = x + x(1 x) = x + O
.
n
n
n
n
n
i
|f (x) Bn f (x)| =
xi (1 x)ni
f (x) f
n
i
i=0
(1.10)
n
X
f (x) f i n xi (1 x)ni .
n i
i=0
i
1
, I2 := {0, 1, . . . , n} \I1 .
I1 := i | 0 i n, x <
4
n
n
Za indekse i I1 v (1.10) izpeljemo oceno
X
f (x) f i n xi (1 x)ni
n i
iI1
(1.11)
n
1
xi (1 x)ni
f; 4
i
n
iI1
n
1
n
1
i
ni
f;
x (1 x)
= f;
.
4
4
i
n
n
i=0
(f ; h) :=
max
|xy|h
x, y [a, b]
|f (x) f (y)|,
20
1. APROKSIMACIJA
0.10
H x ;hL
0.08
0.06
0.04
H x ;hL
0.02
Hx;hL
0.002
0.004
0.006
0.008
0.010
2
i
x 1 = (i nx) 1,
n
4
n
n n
torej iz (1.10) z upotevanjem (1.7), (1.8) in (1.9) dobimo
X
f (x) f i n xi (1 x)ni
n i
iI2
2kf k
X n
iI2
xi (1 x)ni
X (i nx)2 n
xi (1 x)ni
i
n n
iI2
!
n
X
i 2
i
n
2kf k n
2x
+ x2
xi (1 x)ni =
n
n
i
i=0
n1 2 1
2
2
= 2kf k n
x + x 2x + x =
n
n
x(1 x)
1
= 2kf k
kf k .
n
2 n
2kf k
(1.13)
kf Bn f k
in dokaz je zakljuen.
1
1
f;
+ kf k
4
n
2 n
1.1. UVOD
21
ln m
V tabeli 1.1 je lepo vidno, da
red aproksimacije za prvo funkcijo napreduje k
1
O n , za drugo obtii na O 1n . V numerini analizi si s taknim ocenjevanjem pogosto pomagamo, ko skuamo uganiti ozadje problema, ki ga je treba
ukrotiti.
1.0
1.0
0.5
0.5
0.2
0.4
0.6
0.8
1.0
0.2
-0.5
-0.5
-1.0
-1.0
0.4
0.6
0.8
1.0
22
1. APROKSIMACIJA
napaka
napaka
2
4
6
8
10
12
14
16
18
20
0.837345
0.511930
0.373628
0.294633
0.243326
0.207279
0.180546
0.159933
0.143547
0.130208
-0.71
-0.78
-0.83
-0.86
-0.88
-0.90
-0.91
-0.92
-0.93
2
4
6
8
10
12
14
16
18
20
1.000000
0.750000
0.625000
0.546875
0.492188
0.451172
0.418945
0.392761
0.370941
0.352394
-0.42
-0.45
-0.46
-0.47
-0.48
-0.48
-0.48
-0.49
-0.49
Poiimo e kaknega kandidata, ki bi bil lahko uporabna alternativa polinomom. Povzemimo kljune lastnosti v dokazu izreka 1.1. Bernsteinov operator
Bn : C ([0, 1]) Pn je:
linearen,
pozitiven: f 0 = Bn f 0,
Bn 1 = 1, Bn x = x, Bn x2 x2 , ko n .
Obstoj zaporedja operatorjev s taknimi lastnostmi v resnici zagotavlja, da je
presek njihovih slik kar celotni C ([a, b]). Pokaimo.
kf Ln f k 0, ko n ,
Ln |f | |Ln f |,
saj je
|f | f, |f | f,
Ln |f | Ln f, Ln |f | Ln f.
Naj bodo
n pi := Ln pi pi , i = 0, 1, 2,
razlike, ki po predpostavki konvergirajo proti 0, ko n raste. Izberimo
f C ([a, b]) in poljuben majhen > 0. Ker je f zvezna na kompaktnem
1.1. UVOD
23
intervalu [a, b], je enakomerno zvezna. Torej za vsak > 0 lahko najdemo
> 0, da velja
(1.17)
c := 2
kf k
.
2
xy
= c (x y)2 .
|f f (y)p0 | p0 + c p2 2yp1 + y 2 p0 .
Od tod, z upotevanjem (1.16) in monotonosti ter linearnosti, sledi
=
=
kLn f f Ln p0 k 2
in
kLn f f k kLn f f Ln p0 k + kf Ln p0 f p0 k 2 + kf k kn p0 k .
e n ni dovolj velik, ga poveamo tako, da velja tudi kf k kn p0 k < , kar
da konno oceno kLn f f k < 3 . Izrek je dokazan.
Za Bernsteinov operator Bn dokazani izrek oitno le potrjuje izrek 1.1.
Poglejmo si e en zgled uporabe, prostor odsekoma linearnih zveznih funkcij
S1,xx s stinimi tokami x = (xi )ni=0 , urejenimi z
24
1. APROKSIMACIJA
xi := xi+1 xi > 0
in najveji razmik
(1.20)
x :=
max xi .
0in1
n
X
f (xi )Hi ,
i=0
kjer smo Hi spoznali e v (1.6, str. 16). Operator I1,xx je oitno linearen, a tudi
pozitiven, saj so funkcije Hi nenegativne. Poleg tega I1,xx ohranja premice,
kar vidimo takole: za vsak x [a, b] lahko najdemo taken indeks i, da je
xi x xi+1 . Na taknem podintervalu je I1,xx f premica, ki se z f ujema v
xi in xi+1 . e je torej e f premica, se mora I1,xx f z njo ujemati na vsakem od
podintervalov, saj se na vsakem od njih ujema v dveh robnih stinih tokah.
Preverimo e razliko I1,xx p2 p2 , p2 (x) := x2 . Izberimo si i in s tem interval
xi x xi+1 . Na tem intervalu sta od 0 razlini le bazni funkciji Hi in Hi+1 .
Torej je
2 xi+1 x
2 x xi
2
= xi
+ xi+1
x =
xi
xi
1 2
2
2
2
2
xi xi+1 xi+1 xi + x(xi+1 xi ) x =
=
xi
= (x xi )(xi+1 x)
xi + xi+1
x2i
x2
xi + xi+1
xi )(xi+1
)=
.
2
2
4
4
Desna stran neenakosti ni odvisna od i, torej mora leva stran iti proti ni, br ko
gre najveji razmik x proti ni. Zaporedje prostorov (S1,xx )x0 prekrije torej
ves prostor C ([0, 1]). Podobno velja tudi za odsekoma polinomske funkcije
vijih stopenj. Dokaz tee zelo podobno, le da funkcije Hi zamenjajo sploni
B-zlepki. Kandidatov za podprostor S torej ne manjka.
(
1.4. Naloge.
1.1. Bernsteinov bazni polinom je dan z
n i
bn,i (x) :=
x (1 x)ni .
i
Kje na intervalu [0, 1] dosee najvejo vrednost in kolikna je? Kako se obnaa,
ko n ?
1.1. UVOD
25
x, y [0, 1].
c
|f (x) Bn f (x)| ,
2 n
x [0, 1],
1.5. Dokai:
(a) Bernsteinov operator Bn je monoton: iz f g sledi Bn f Bn g .
(b) Naj bo f C 1 ([0, 1]). Odvodi Bernsteinovih polinomov (Bn f )0 enakomerno konvergirajo k odvodu f 0 , ko n .
kf Bn f k = O
1
n2
26
1. APROKSIMACIJA
1
n1
f (0) , f
,...,f
, f (1) .
n
n
Pokai, da poljubna premica p P1 seka Bernsteinov polinom Bn f na intervalu
[0, 1] kvejemu tolikokrat kot I1 f .
1.13. Naj bo f C ([0, 1]) dana funkcija, n N. Dokai, da Bernsteinov
polinom Bn f na intervalu [0, 1] lei v konveksni ovojnici tok
i
i
,f
, i = 0, 1, . . . , n .
n
n
27
2. Eksistenca in enolinost
2.1. Sploni optimalni aproksimativni problem. Naj bo X vektorski
prostor z normo k . k in S X njegov podprostor. Element f X najbolje
aproksimiramo v S , e uspemo poiskati taken f S , da zanj velja
kf f k kf sk,
za vsak s S.
Ker je taken element najbolji moen, reemo, da gre za optimalni aproksimativni problem, element f pa imenujemo element najbolje aproksimacije.
Ni nujno, da vedno obstaja ali, da je doloen enolino.
R3
f-f*
f*
R2
28
1. APROKSIMACIJA
x0
x1
x2
x3
x4
x5
x6
x7
Zgled 1.5. Prenesimo predhodni zgled v zvezno okolje. Naj bo X = L2 ([a, b])
(f (x) p (x)) dx
(f (x) p(x))2 dx,
a
za vsak p Pn ,
axb
axb
za vsak p Pn ,
kf p k2 = 0.0000391087,
kf p k = 0.000107613,
kf p k2 = 0.0000450258,
kf p k = 0.0000454396.
Primerjavo napak za oba primera vidimo na sliki 1.7. Prvi polinom je res bolja
aproksimacija v normi k . k2 , saj je 0.0000391087 < 0.0000450258. Drugi se
precej bolje izkae v normi k . k . Obe napaki se e na oko precej razlikujeta.
Najbolja aproksimacija v drugi normi lahko po tokah tudi precej odstopa, v
neskonni normi so ekstremni odstopi poravnani.
29
napaka
0.0001
0.00008
0.00006
0.00004
0.00002
-1.0
-0.5
-0.00002
0.5
1.0
-0.00004
Slika 1.7. Primerjava napak najbolje aproksimacije funkcije
sS
mora biti element najbolje aproksimacije vsaj tako blizu f kot je 0 S . Zato
se lahko omejimo na tiste elemente s S , ki so v K , torej na E := S K .
Mnoica E je zaprta omejena podmnoica konno razsenega podprostora S ,
torej kompaktna. Toda
g(s) := kf sk
je zvezna funkcija na S , saj je norma zvezna funkcija in
30
1. APROKSIMACIJA
[0, 1],
(f + g) > 1 = kf gk < .
2
f, g X.
2
2
kf gk = 4 4 (f + g)
4
1
(1
= 4 1 1 + 2 2 < 8.
e torej za > 0 izberemo = () = 18 2 , so zahteve enakomerne konveksnosti izpolnjene.
Izrek 1.5. Naj bo S X zaprta konveksna podmnoica enakomerno konveksnega Banachovega prostora X . Za vsak f X obstaja element najbolje
aproksimacije f S ,
kf f k = inf kf sk.
(1.21)
s S
e je d = 0, v
je
S0
torej je
31
lim sn = 0 = 0 S 0 ,
saj je norma zvezna funkcija in je mnoica S 0 zaprta, torej vsebuje vsa svoja
stekalia. Element najbolje aproksimacije za f v tem primeru obstaja in je
kar f = f .
Naj bo sedaj d > 0 in vpeljimo s faktorjem d skalirano mnoico S 00 := d1 S 0 ,
kjer je sedaj
inf00 ksk = 1, ksk 1, s S 00 .
sS
ksn sn k =
sn
1
1
sn = 1
ksn k 0, ko n ,
ksn k
ksn k
1
(
s = lim sn ,
n
s X.
Toda
ksn sk ksn sn k + k
sn sk 0,
ko n .
Dokaz. Podprostor S je konveksna, po predpostavki tudi zaprta mnoica. Prostor X je unitaren, po izreku 1.4 torej enakomerno konveksen. Ker je tudi
Banachov prostor, izrek 1.5 zakljui dokaz.
32
1. APROKSIMACIJA
kf + gk = kf k + kgk,
sledi f = g za nek skalar .
kf f k = f
f +f = f f +
f f
2
2
2
f f + f f
= kf f k.
2
2
Ker je X strogo normiran, obstaja torej skalar , da je
1
f f =
f f .
2
2
33
1
f
f S.
1
1
A to je v nasprotju s predpostavko f
/ S in izrek je dokazan.
f=
-1
-1
-1
-1
sno) v R2
Zgled 1.7. Prostori zveznih funkcij niso strogo normirani, e za normo izberemo k . k . Vzemimo na primer C ([0, 1]) in
(
f (x) :=
3
2 x,
1
2,
0 x < 13 ,
1
3
x 1,
1
x 23
3
a se f in g ne razlikujeta le za faktor.
Za numerino konstrukcijo elementov najbolje aproksimacije je enolinost
zelo pomembna, saj vpliva na sam algoritem. Kaj se da storiti, e prostor ni
strogo normiran? Pogosto se zgodi, da je enolinost vseeno mogoe direktno
preveriti. Seveda to ne more biti odvisno le od prostora X , ampak tudi od
34
1. APROKSIMACIJA
aproksimacije za f =
za podprostor
2, 1
S = { (1, 0) | R}.
Tedaj je
= min
max , 1
=1
2
| 21 |1
S
1
1
f
f*
S
1
-1
-1
f*
-1
-1
aproksimacija { 12 , 1}
3
1
1
= min
+
=
R
4
4
4
in je
3
4
35
2.4. Naloge.
2.1. Naj bo X normiran vektorski prostor in S X njegov podprostor. Elemente f X aproksimiramo z elementi iz podprostora S . Zaporedje
(sk )kN ,
sk S,
sS
X
Naj bo A = x X |
2n xn = 0 zaprt podprostor v X . Pokai, da za
n=1
36
1. APROKSIMACIJA
3. Enakomerna aproksimacija
3.1. Nekaj uvodnih poudarkov. Enakomerna aproksimacija je optimalna aproksimacija, ki temelji na enakomerni normi k . k . Zlasti nas bo
zanimala enakomerna aproksimacija zveznih funkcij f X = C ([a, b]) v zvezni ali diskretni enakomerni normi. Naj bo podprostor S C ([a, b]) konno
razseen. Izrek 1.3 (str. 29) zagotavlja, da za vsak f C ([a, b]) element najbolje aproksimacije f S obstaja. A zgled 1.7 (str. 33) pokae, da C ([a, b])
ni strogo normiran, tako da enolinost elementa najbolje aproksimacije ni zagotovljena sama po sebi. Toda enolinost je pomembna tudi pri konstrukciji.
Iz zgleda 1.7 povzamemo, da lahko geometrijske lastnosti podprostora S zagotovijo enolinost tudi v primeru, ko prostor sam ni strogo normiran. Ali to
pomeni, da je treba vsak S pogledati posebej? K srei se da pristop, ki ga
bomo ubrali v primeru S = Pn , prenesti na veino drugih pomembnih izbir S ,
kot so na primer odsekoma polinomske funkcije.
E in Pn kot
pPn xE
r := f p
reemo residual. Najprej poiimo polinom najbolje enakomerne aproksimacije na mnoici n + 1 razlinih tok
p =
n
X
f (xi )`i ,
i=0
p (xj ) =
n
X
i=0
n
X
i=0
j = 0, 1, . . . , n.
37
residual
0.4
0.2
0.2
0.4
0.6
0.8
1.0
-0.2
-0.4
Slika 1.10. Residuali r(x) = ex (x + ) za (, 1],
38
1. APROKSIMACIJA
1
=
3 + 2 e e in = e 1.
4
Za residual, razliko r pri optimalni izbiri in , velja
2
1
1
r(0) = r
= r(1) =
e1 .
2
4
Residual v tokah E dosee isto absolutno vrednost, a z alternirajoim predznakom. Ta je oitno enaka tudi Mn (E; f ) (slika 1.10).
In zdaj k splonemu primeru. Zanima nas razlika r = f p za p Pn in
x E . Naj bo
0in+1
(1.22)
p(x) =
n
X
ai xi .
i=0
u0 m
u1 m
..
.
+ a0 +
+ a0 +
..
.
a1 x0
a1 x1
..
.
+
+
an xn0
an xn1
..
.
+
+
=
=
f (x0 )
f (x1 )
.
..
.
+ an xnn+1 = f (xn+1 )
u0
1 x0
. . . xn0
m
f (x0 )
u1
1 x1
. . . xn1
a0 f (x1 )
(1.23)
.
..
..
..
.. .. =
..
.
.
.
. .
.
xnn+1
an
f (xn+1 )
39
()
()
Di := det Ai+1,1 ,
i = 0, 1, . . . , n + 1.
Determinante Di so Vandermondove,
1 y0 . . . y n
0
n Y
i1
1 y1 . . . y n Y
1
V (y0 , y1 , . . . , , yn ) = .. ..
(yi yj )
.. =
. .
. i=0 j=0
1 yn ynn
m = |m| =
u0 D0 + u1 D1 + + un+1 Dn+1
n+1
n+1
P (1)i D f (x ) P (1)i D f (x )
i
i
i
i
i=0
i=0
.
n+1
n+1
P
P
|ui |Di
Di
i=0
i=0
Desno stran te neenakosti, torej najmanji moni m, lahko doseemo, e v
sistemu (1.23) izberemo vse delee ui enake 1 (ali vse delee enake 1). Ob
n+1
P
takni izbiri je matrika A neizrojena, saj je det A =
Di 6= 0. Torej obstaja
i=0
i = 0, 1, . . . , n.
Povzemimo.
Izrek 1.8. Naj bo f C ([a, b]) in E = {xi | x0 < x1 < . . . < xn+1 } [a, b].
Polinom najbolje enakomerne aproksimacije za f na E je doloen enolino s sistemom enab (1.26), kjer je predznak treba izbrati tako, da je
m = Mn (E; f ) > 0.
To, da residual v tokah E z alternirajoim predznakom dosee isto vrednost, je kljuna karakteristika residuala. V to nas prepria tale izrek, ki nam
pove tudi oceno minimaksa Mn (E; f ).
Izrek 1.9. Naj bo f C ([a, b]) in E = {xi | x0 < x1 < . . . < xn+1 } [a, b].
40
1. APROKSIMACIJA
0in+1
max |r(xi )| .
0in+1
n+1
P
P
(1)i Di (f (xi ) q(xi ))
Di |r(xi )|
i=0
i=0
Mn (E; f q) =
=
<
n+1
n+1
P
P
Di
Di
i=0
<
i=0
0in+1
Zadnji neenaaj velja zato, ker niso vse vrednosti |r(xi )| enake. Tako smo
pokazali Mn (E; f ) < max |r(xi )|. Podobno sledi e drugi del neenakosti.
0in+1
m < ,
za vsako E 0 G, |E 0 | = n + 2.
Mn (E; f ) = Mn (G; f ).
Ker je E G, imamo
xG
za vsak p Pn .
41
xG
ne velja, obstaja y G, y
/ E , za katerega je
(1.28)
rHxi L
xi
rHyL
y
xi+1
rHxi+1 L
rHxi L
xi
xi+1
y
rHyL
rHxi+1 L
j = i + 1 (desno)
y
rHyL
y
rHx0 L
x0
x1
rHx1 L
rHyL
rHx0 L
x0
x1
rHx1 L
42
1. APROKSIMACIJA
Mn (E; f ) = max |f (x) p (x)| max |f (x) p(x)| max |f (x) p(x)| =
xE
xE
xG
= Mn (G; f )
Torej je p tudi polinom najbolje enakomerne aproksimacije za f na E , a tam
je doloen enolino. Zato mora veljati p = p .
Razirimo sedaj zakljuek izrek 1.10 na zvezni primer, G [a, b].
x) dobro
povratno enolina, torej tudi obratna preslikava x E := 1 (x
denirana. Zato lahko v strogi notranjosti K deniramo funkcijo, ki se ujema
z minimaksom za dano E ,
n+1
i
(1) Di f (xi )
x) := Mn (1 (x
x); f ) = i=0 n+1
m(x
,
P
Di
i=0
x) := 0,
m(x
e je xi = xi+1 za vsaj en i, 0 i n.
imenovalec
n+1
P
i=0
43
e = (e
x
xi )n+1
ej = x
ej+1 za vsaj en j,
i=0 K, x
robna toka K. Torej je polinom najbolje enakomerne aproksimacije pe Pn
za f na 1 (e
x ) kar interpolacijski, m(e
x ) = 0 in
x) m(e
x)| = |m(x
x)| = min kf pk,xx kf pek,xx =
|m(x
pPn
= max | (f (xi ) f (e
xi )) + (f (e
xi ) pe(xi )) |
xi
max |f (xi ) f (e
xi )| + max |f (e
xi ) pe(xi )| =
xi
xi
= max |f (xi ) f (e
xi )| + max |e
p(e
xi ) pe(xi )|
xi
xi
x x
ek ) + (e
x x
ek ) .
(f ; kx
p ; kx
Funkcija f in polinom pe sta zvezna, zato gre modul zveznosti (1.12, str. 19)
x x
ek 0, torej tudi |m(x
x) m(e
proti ni, ko gre kx
x )| 0. To pove, da je
funkcija m zvezna na kompaktni mnoici K, zato na K dosee svoj maksimum.
e je ta 0, je 0 na vsem K in nujno f Pn , sicer pa je maksium pozitiven.
V obeh primerih je doseen v neki notranji toki x K. Zato najslaba
x ) obstaja. S tem je izrek dokazan.
E = 1 (x
Vodilo izrekov (1.10) in (1.11) je naslednje: ko iemo polinom najbolje
aproksimacije, je v resnici treba poiskati najslabo mnoico n + 2 med seboj
razlinih tok, torej tisto, za katero je minimaks najveji. Oitno je tudi, da je
p polinom najbolje enakomerne aproksimacije za f na [a, b] lahko le, e obstaja
n + 2 med seboj razlinih tok v [a, b], v katerih residual r = f p alternirajoe
dosee svojo normo. A ta pogoj ni le potreben, ampak tudi zadosten, kar pove
tale izrek, podoben izreku 1.9 v diskretnem primeru.
m := kf pk Mn ([a, b]; f ) = kf p k .
kf p k < m = kf pk =
0in+1
44
1. APROKSIMACIJA
Piimo p (xi ) p(xi ) = (f (xi ) p(xi )) (f (xi ) p (xi )). Od tod (slika 1.13)
p* - p
f -p
f -p
*
p -p
xi+1
xi+1
xi
xi
f -p
f - p*
1 in
cos(n) =
e
+ ein =
(ei )n + (ei )n
2
2
in
ei = cos i sin = x i
1 x2 = x
p
x2 1
45
dobimo
n
n
p
p
1
2
2
cos(n) =
x x 1 + x+ x 1
=
2
n
n
X
nj
nj
1 X n
n
=
(1)nj xj (x2 1) 2 +
xj (x2 1) 2 .
2
j
j
j=0
Ker je
1
2
j=0
j=0
Ti
T0
1.0
T4
T3
T1
0.5
T2
-1.0
0.5
-0.5
-0.5
-1.0
Slika 1.14. Nekaj ebievih polinomov Tn
1.0
46
1. APROKSIMACIJA
xk = cos k = cos
k
,
n
k = 0, 1, . . . , n,
ugotovimo
k = 0, 1, . . . , n.
1
cos
k+
, k = 0, 1, . . . , n 1.
2 n
Tem tokam reemo pogosto ebieve toke, tudi e jih preslikamo na sploneji
interval [a, b].
Preprosta posledica, dopolnitev izreka 1.9, nam priskrbi tudi oceno, koliko
je dani polinom dale od polinoma najbolje aproksimacije.
0in+1
47
Algoritem 1.1:
Izrek 1.13. Naj bo f C ([a, b]) in (pk )k0 zaporedje polinomov, ki jih gene-
rira prvi Remesov postopek. Naj bo p polinom najbolje enakomerne aproksimacije za f na [a, b]. Tedaj obstajata konstanti c > 0, 0 < < 1, da velja
0 kf pk k Mn ([a, b]; f ) c k .
Od tod sledi
kf pk k kf p k in kpk p k 0, ko k .
Mn (Ek+1 ; f ) = Mn (Ek+1 ; rk ) =
i=0
Di |rk (yi )|
n+1
P
i=0
(1.30)
0in+1
(k)
i
:=
Di
n+1
P
Dj
n+1
X
(k)
n+1
X
Di
i=0
(k)
i |rk (yi )|
i=0
0in+1
j=0
n+1
P
i=0
(k)
(k)
= 1 in 0 < i
< 1. Minimaksi
48
1. APROKSIMACIJA
(k)
Mn (Ek+1 ; f ) Mn (Ek ; f ) =
=
n+1
X
i=0
n+1
X
(k)
i |rk (yi )|
n+1
X
(k)
i Mn (Ek ; f ) =
i=0
(k)
i=0
(1.31)
49
x, y [a, b].
rk
0.2
0.1
0.5
1.0
1.5
2.0
-0.1
-0.2
Slika 1.15. Residuali rk pri iskanju najbolje aproksimacije
enojno premenjavo da tudi izhodie za izboljavo, Newtonovo obliko Remesovega postopka. Algoritmu reemo drugi Remesov postopek ali algoritem s
hkratno premenjavo. Zamenjajmo vse toke Ek , tako da ohranimo alternacijo
razlike rk na novih tokah, a poveamo vrednosti |rk | v teh tokah, kar se da.
Podatki so ponovno f C ([a, b]) in > 0.
50
1. APROKSIMACIJA
k
0
1
2
3
4
5
6
7
8
9
ocena razlike
1.88662
1.07085
5.90168
4.80046
7.40538
1.41445
2.08462
2.72413
2.71652
1.23672
10-1
10-1
10-2
10-3
10-4
10-4
10-7
10-8
10-8
10-9
Ek
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.400000
0.400000
0.218685
0.218685
0.218685
0.218685
0.213001
0.213001
0.213001
0.213001
0.80000
0.80000
0.80000
0.80000
0.749491
0.749491
0.749491
0.749491
0.749372
0.749372
1.20000
1.20000
1.20000
1.36846
1.36846
1.36846
1.36846
1.36815
1.36815
1.36815
1.60000
1.82106
1.82106
1.82106
1.82106
1.83169
1.83169
1.83169
1.83169
1.83175
2.
2.
2.
2.
2.
2.
2.
2.
2.
2.
ice Ek .
Algoritem 1.2:
zi-1
zi
rHxi L
xi
rHyi L
zi+1
yi
xi+1 zi+2
rHxi+1 L
51
r
Slika 1.16. Izbira yi v drugem Remesovem algoritmu
3.5. Posploitve polinomske enakomerne aproksimacije. Posploimo to, kar e vemo o enakomerni aproksimaciji v Pn , na druge prostore
S . Kljuna je lastnost, ki sledi kot denicija.
Denicija 1.6. Funkcije
f = (fi )ni=0
zadoajo Haarovemu pogoju na [a, b] R, e so zvezne na [a, b] in je posploena
Vandermondova determinanta
x; f ) := V ((xj )nj=0 ; f ) := V (x0 , x1 , . . . , xn ; f ) := det (fi (xj ))ni,j=0
V (x
razlina od 0, br ko so toke xj [a, b] med seboj razline. Funkciji
p=
n
X
i fi
i=0
1 1 1
1 1
= (x1 x0 )(x1 + x0 )
V (x0 , x1 ; f ) = 2
x0 x21
in je V (x0 , x1 ; f ) = 0, e izberemo x1 = x0 6= x0 .
52
1. APROKSIMACIJA
Zgled 1.12. Sistem funkcij {1, cos , . . . , cos n, sin , . . . , sin n}, n N, je
ebiev sistem na intervalu [0, 2) ali [, ). Izberimo na primer toke
(1.32)
S pomojo
cos k =
k + k
eik eik
k k
eik + eik
=
, sin k =
=
2
2
2i
2i
se da prvotni sistem funkcij s preprostimi neizrojenimi linearnimi transformacijami pretvoriti na zaporedje potenc { n , n+1 , . . . , 1, . . . , n1 , n }. Torej
lahko posploeno Vandermondovo determinanto izraunamo s pomojo obiajne in bo razlina od ni, saj so toke
j = eij {z | z C; |z| = 1}
po privzetku (1.32) med seboj razline.
3.6. Naloge.
3.1. Poii premico p(x) = x + najbolje enakomerne aproksimacije za
funkcijo f (x) = ex na intervalu [0, 1]. Uporabi prvi Remesov postopek.
53
3.3. Naj bo f (x) = sin(3x) in predpisan interval [0, 2]. Poii polinom najbolje enakomerne aproksimacije v prostoru P3 .
3.4. Poii parabolo, ki najbolje enakomerno aproksimira cosh x na intervalu
[1, 1]. Namig: poii sistem nelinearnih enab, ki doloa koeciente parabole.
na [1, 1] .
1, x2 , x3
,
1, xx , e2 x ,
1
1
1
,
,
,
2+x 3+x 4+x
zadoa Haarovem pogoju na intervalu [0, 1].
1, x2 , x3 ,
{|x|, |1 x|},
{x + 1, ex },
ne zadoa Haarovem pogoju na intervalu [1, 1].
F=
1
x
xn
,
,...,
Q(x) Q(x)
Q(x)
kjer je Q polinom brez niel na intervalu [a, b]. Dokai, da je F ebiev sistem
funkcij na intervalu [a, b]. Privzemi Q(x) = x + 1 in v prostoru
1
x
L
,
Q(x) Q(x)
poii element najbolje enakomerne aproksimacije za f (x) := (x 1)2 na
intervalu [0, 2].
mnoici X , zadoaP
Haarovemu pogoju natanko takrat, ko ima vsak netrivialen
posploen polinom ni=0 ai fi kvejemu n razlinih niel v X .
54
1. APROKSIMACIJA
n
X
k=1
n
X
k=1
1x1
prav ebiev polinom prve vrste Tn najveji vodilni koecient, namre 2n1 .
nirane v (1.6, str. 16), s stinimi tokami x0 < x1 < < xn , tvorijo ibki
ebiev sistem. Namig: posploena Vandermondova determinanta je od ni
razlina le, e lei i-ta zaporedna toka xi v nosilcu Hi .
55
za f X natanko tedaj, ko je f f S .
0 kf f + sk2 kf f k2 =
= kf f k2 + 2 hf f , si + 2 ksk2 kf f k2 =
= (2 hf f , si + ksk2 ).
e izberemo dovolj majhen, bo hf f , si po velikost prevladal ksk2 , e
je le razlien od 0. Torej mora veljati hf f , si 0. Ampak vektor s lahko
zamenjamo z vektorjem s in sklepamo hf f , si 0. Ker je bil s poljuben,
mora torej veljati f f S .
Izrek 1.15 nam ponuja preprosto konstrukcijo f . Naj bo (sP
i ) baza v S .
= b,
G
G := (hsj , si i) , b := (hf, si i) .
Sistemu linearnih enab (1.33) reemo normalni, matriki G pa Gramova. Matrika G je simetrina in pozitivno denitna. Kljub temu je normalni sistem
56
1. APROKSIMACIJA
X = C ([0, 1]) ,
hf, gi :=
f (x)g(x)dx,
0
je
G=
1
i+j1
S = Pn ,
si = xi ,
n
i,j =0
hf f , f i = 0,
torej
kf f k2 = hf f , f f i = hf f , f i =
*
+
X
2
= hf, f i hf , f i = kf k
hf, sj i sj , f =
2
= kf k
hf, sj i hsj , f i = kf k2
hf, sj i2 0,
1
1
1
1
1
, cos x, . . . , cos nx, sin x, . . . , sin nx
2
so ortonormiran sistem na [0, 2], saj je
Z 2
dx = 2
0
in
57
0
Z 2
Zgled 1.14. Polinomi ebieva prve vrste Tn (x) = cos (n arccos x) na [1, 1]
(tudi zgled 1.3 (str. 27)). Vzemimo interval [0, ] in ga bijektivno preslikajmo
na [1, 1] z x = x() := cos . Ker je
Z
Z
2 1
1
hTk , Tj i =
Tk (x)Tj (x)
dx
1
1 x2
Z
2
=
cos k cos j d = k,j .
0
(x) :=
(1.35)
1
2
1 x2
1
T0 , T1 , T2 , . . . ,
2
p > 1, q > 1.
m > n,
58
1. APROKSIMACIJA
x bk2 kAx
x bk2 ,
kAx
za vse x Rn .
x, y i =
hx
m
X
xk yk ,
m
x = (xk )m
k=1 , y = (yk )k=1 .
k=1
Aj }nj=1 Rm , A j := (aij )m
S = R (A) := L {A
i=1 .
e so stolpci A j linearno neodvisni, je dim S = n, sicer manj. Gramova matrika
je tu dana z elementi
Ai , A j i = A Ti A j =
hA
m
X
aki akj ,
i, j = 1, 2, . . . , n,
k=1
torej se poenostavi v
G = AT A.
Elemente vektorja desne strani normalnega sistema dobimo z
Ai , b i =
hA
A Ti b
m
X
aki bk ,
i = 1, 2, . . . , n.
k=1
x = AT b .
AT Ax
eprav je matrika AT A simetrina in pozitivno denitna, nikoli ne izraunamo
produkta AT A in nato uporabimo razcep Choleskega. Pri raunanju produkta
AT A kvadriramo obutljivost sistema linearnih enab. Ker je G = AT A, na
pomo priskoi ortogonalni razcep matrike A,
A = Q R,
kjer je Q Rm,n matrika z ortonormiranimi stolpci, R pa zgornje trikotna
matrika. Ker je QT Q = I Rn,n , se ob predpostavki rang A = n reevanje
predoloenega sistema poenostavi v reevanje trikotnega sistema
x = QT b .
Rx
59
znana relacija
saj je Tn (x) = cos (n arccos x). Polinomi ebieva prve vrste torej zadoajo
trilenski rekurzivni formuli. To nam da upanje, da takno trilensko formulo
lahko dobimo v splonem za druine ortogonalnih polinomov. Pokaimo to
konstruktivno. Naj bo
(1.37)
n2
X
n,i Qi (x).
i=0
0 = n,j ,
j = 0, 1, . . . , n 2,
saj je za te j
D
E
e n+1 , Qj = 0, hxQn , Qj i = hQn , xQj i = 0, hQi , Qj i = i,j .
Q
Kljuna je relacija hxQn , Qj i = hQn , xQj i. Ta zahteva najprej, da so polinomi Qi polinomi z realnimi koecienti. Druga lastnost, ki je lastna le polinomom, je
Qj Pj x Qj Pj+1 .
Ker so tako vsi koecienti n,i v (1.38) enaki 0, dobimo od tod trilensko
rekurzivno formulo
(1.39)
kjer doloimo
e 0 = Q0 , kQ0 k = 1.
Q1 (x) := 0, Q
e skalarno pomnoimo (1.39) z h . , Qn i , h . , Qn1 i, dobimo neznana koecienta n , n kot
n = hxQn , Qn i ,
n = hxQn , Qn1 i .
60
1. APROKSIMACIJA
e n+1 in ga normiramo
Torej lahko iz (1.39) doloimo Q
1
e n+1 .
Qn+1 =
Q
e
kQn+1 k
Koecient n stabilno izraunamo iz
E
1 De
Qn , xQn1
en k
kQ
D
E
en , Q
en Q
e n xQn1
e n k,
Q
= kQ
n = hxQn , Qn1 i =
=
1
e
kQn k
hf, gi =
f (x)g(x)dx
1
xi = 2
i
1.
m
1
2
Izberimo Q0 =
in s trilensko formulo (1.40) doloimo pripadajoa ortonormirana sistema polinomov. V tabeli 1.3 so nateti le pari koecientov (i , i ).
V prvem primeru dobimo polinome, proporcionalne Legendrovim polinomom
Pn (1.44, str. 69).
Oglejmo si, kako izraunamo vrednost polinoma, e poznamo koeciente
(i , i ). Algoritem je dvolenska posploitev Hornerjevega algoritma in je zato
linearne asovne zahtevnosti.
Algoritem 1.3:
P
Izraun vrednosti polinoma p(x) = ni=0 ai Qi (x) za dani x,
kjer je (Qi )ni=0 ortonormiran sistem polinomov, doloen s koeficienti (i , i ) trilenske rekurzivne formule (1.40) in Q0 , kQ0 k = 1,
konstantni polinom.
n n
3
2
15
3
35
4
3 7
5
3 11
6
143
61
n (x) := an ;
x n1
n1 (x) :=
n (x) + an1 ;
n
za k = 2, 3, . . . , n ponavljaj
nk (x) :=
x nk
nk+1
nk+1 (x)
nk+2 (x) + ank ;
nk+1
nk+2
do sem;
p(x) := 0 (x) Q0 (x);
62
1. APROKSIMACIJA
0.5
-1.0
0.5
0.5
-0.5
1.0
x
-1.0
0.5
-0.5
-0.5
1.0
-0.5
stopnje n,
Qn (x) = cn xn + . . . ,
cn 6= 0 .
Tedaj velja
(1.41)
n
X
Qi (x)Qi (t) =
i=0
x i i
i
ci x + . . .
ci1 xi1 + . . . .
i+1
i+1
ci
, i = 0, 1, . . . ,
ci+1
i+1 =
c1 = 0 c0 = 0.
x Qi (x) =
ci
ci1
Qi+1 (x) + i Qi (x) +
Qi1 (x).
ci+1
ci
ci
ci1
Qi+1 (x)Qi (t) + i Qi (x)Qi (t) +
Qi1 (x)Qi (t) ,
ci+1
ci
t Qi (t)Qi (x) =
ci
ci+1
ci1
Qi1 (t)Qi (x) .
ci
63
n
n
X
X
ci1
ci
(x t)
Qi (x)Qi (t) =
Qi+1 (x)Qi (t)
Qi1 (t)Qi (x) +
ci+1
ci
i=0
i=0
n
X
ci1
ci
+
Qi1 (x)Qi (t)
Qi+1 (t)Qi (x) =
ci
ci+1
i=0
cn
cn
=
Qn+1 (x)Qn (t)
Qn+1 (t)Qn (x) .
cn+1
cn+1
Tu smo upotevali c1 = 0 in Q1 = 0, tako da sta oba lena, ki manjkata,
enaka ni. Dokaz je konan.
1
kvk
i=1
v;
hv, sj i = huk , sj i
k1
X
huk , si i i,j = 0, j = 1, 2, . . . , k 1,
i=1
64
1. APROKSIMACIJA
Algoritem 1.5:
sn sn =
n
X
hsn sn , si i si ,
i=1
torej
(1.42)
sn = sn
n1
X
h
sn , si i si + hsn sn , sn i sn ,
i=1
1 = k
sn k2 = h
sn , sn i = hsn sn + sn , sn sn + sn i
= ksn k2 2 hsn sn , sn i + ksn sn k2
= 1 2 hsn sn , sn i + ksn sn k2
in Fourierov koecient
hsn sn , sn i = O ksn sn k2
65
sn
n1
X
h
sn , si i si ,
i=1
h
sn , si i = h
sn sn , si i = O (ksn sn k) .
Vsako funkcijo si , ko jo priblino izraunamo, nato sprotipopravimo.
Popravek
hQi , Q6 i
0
2.62 10-15
1 2.38 10-15
2
2.21 10-15
3 1.41 10-15
4
6.80 10-16
5 3.46 10-16
6
1.
hQi , Q6 i
5.33 10-16
2.75 10-17
6.91 10-16
6.74 10-17
3.00 10-16
2.31 10-17
1.
vedati o konvergennih lastnostih aproksimacije po metodi najmanjih kvadratov? Zgled 1.18 kae, da si zvezni in diskretni primer nista dale, e so le toke
xi [a, b] razporejene dovolj enakomerno. Pokaimo to formalno. Oznaimo
Z b
p
hf, gi =
f (x)g(x)(x)dx, k . k2 = h . , . i, > 0 ute,
a
xi = a + i h, i = 0, 1, . . . , N,
hf, gih = h
N
X
ba
,
N
q
= h . , . ih .
h=
i=0
66
1. APROKSIMACIJA
Izrek 1.17. Naj bosta (Qi )i0 in (Qi,h )i0 , Qi , Qi,h Pi , ortonormirani druini polinomov, ki ju generira trilenska rekurzivna formula (1.40) s skalarnima
produktoma h . , . i in h . , . ih . Tedaj
kQi,h Qi k 0, ko h 0.
Dokaz. Skalarni produkt hf, gih je ena od Riemannovih vsot za integral hf, gi,
e le odmislimo zadnji sumand i = N , ki je velikosti O (h). Torej velja
(1.43)
Torej
1
1
= Q0 , ko h 0.
k1k2,h
k1k2
= 0 = Q1 , za prva dva polinoma ugotovimo
Q0,h =
Qi,h Qi ,
i = 1, 0.
Denimo, da smo konvergenco dokazali e za vse stopnje j i. V trilenski fore i+1,h koecient i,h := hxQi,h , Qi,h i .
muli(1.39) potrebujemo za konstrukcijo Q
h
Pokaimo, da konvergira
i,h hxQi , Qi i = i , ko h 0.
Najprej je
e i,h k2,h i = kQ
e i k2 , ko h 0.
i,h = kQ
Od tod
e i+1,h (x) Q
e i+1 (x) = (x i ) Qi (x) i Qi1 (x), ko h 0.
Q
e i+1,h (x), velja tudi po normiranju in indukcija je
Kar velja za nenormirani Q
prepeljana na indeks i + 1. Trditev izreka je preverjena.
67
Izrek 1.18. Naj bo f C ([a, b]) in ph , p Pn pripadajoa polinoma najbolje aproksimacije po metodi najmanjih kvadratov,
n
n
X
X
ph =
hf, Qi,h ih Qi,h , p =
hf, Qi i Qi .
i=0
Tedaj
i=0
kph p k 0, ko h 0.
Dokaz. Iz
| hf, Qi,h ih hf, Qi i | | hf, Qi,h ih hf, Qi ih | + | hf, Qi ih hf, Qi i |
in
Dejstvo 1.1. V separabilnem Hilbertovem prostoru Fourierova vrsta, ki temelji na ortonormiranem sistemu (si ), konvergira v normi k . k2 natanko tedaj,
ko je sistem (si ) poln.
i Qi 0, ko n , kjer je i := hf, Qi i .
f
i=0
Dokaz. Naj bo
[a, b]. Tedaj
pn
i Qi kf pn k2 .
f
i=0
Toda
kf
Z
pn k22
(f (x)
a
pn (x))2 (x)dx
kf
pn k2
(x)dx 0,
a
68
1. APROKSIMACIJA
Izrek 1.19 pove, da je neskonna druina polinomov (Qi )i0 poln sistem v
C ([a, b]) L2 ([a, b]). Pokaimo, da to velja tudi za celotni L2 ([a, b]).
Izrek 1.20. Naj bo (Qi )i0 , Qi Pi , neskonna ortonormirana druina polinomov v L2 ([a, b]). Druina (Qi )i0 je poln sistem.
Dokaz. Naj bo f L2 ([a, b]), takna, da je
Z b
hf, Qi i =
f (x)Qi (x)(x)dx = 0, i = 0, 1, . . .
a
Z
n
0 = hf, x i =
a
Z b
b
t f (t)(t)dt = t F (t) n
tn1 F (t)dt,
| {z }
a
a
n
dF (t)
F xn
kar pomeni
za vse n. Toda F je zvezna funkcija, torej mora po izreku 1.19 veljati F = 0. Od tod sledi, da je produkt f enak 0 skoraj povsod.
A je ute, torej f = 0 s.p.
Dejstvo 1.1 in izrek 1.20 nam tako zagotavljata, da polinomske Fourierove
vrste za f L2 ([a, b]) konvergirajo v drugi normi.
Zgled 1.20. Za obutek numerino analizirajmo hitrost konvergence aproksimacije po metodi najmanjih kvadratov v drugi in neskonni normi na intervalu
[1, 1], za funkciji
x + 1,
x0
f1 (x) :=
in f2 (x) := 1 |x|.
x 1,
x>0
Funkcija f1 ni zvezna. Neskonna norma napake je vseskozi 1, saj v toki 0
zvezna funkcija ne more
biti
hkrati blie vrednostma 1 in 1. Ocena v normi
1
k . k2 kae hitrost O n (tabela 1.5). Po drugi strani numerini preizkus
kae za f2 tudi enakomerno konvergenco O n1 (tabela 1.6). Red ocenimo
po izpeljani formuli (1.15, str. 21).
Za enakomerno konvergenco polinomske Fourierove vrste je treba zoiti izbiro f . Povejmo enega od izrekov, ki nam zagotavlja enakomerno konvergenco.
Interval naj bo kar [1, 1], ute = 1, tako da bodo ortonormirani polinomi
n
2
4
6
8
10
12
14
16
18
20
norma k . k2
norma k . k
napaka
napaka
-0.42
-0.45
-0.46
-0.47
-0.48
-0.48
-0.48
-0.49
-0.49
1.
1.
1.
1.
1.
1.
1.
1.
1.
1.
0.
0.
0.
0.
0.
0.
0.
0.
0.
0.707142
0.530357
0.441964
0.386718
0.348047
0.319043
0.296254
0.277738
0.262309
0.249193
k . k za f1
norma k . k2
napaka
69
. k2 in
norma k . k
napaka
2
0.102077
0.1875
4 0.0510387 -1.00 0.117187
6 0.0318992 -1.16 0.0854492
8 0.0223295 -1.24 0.0672913
10 0.0167471 -1.29 0.0555153
12 0.0131584 -1.32 0.0472541
14 0.0106912 -1.35 0.0411364
16 0.00890938 -1.37 0.0364228
18 0.00757298 -1.38 0.0326794
20 0.00654031 -1.39 0.0296342
-0.68
-0.78
-0.83
-0.86
-0.88
-0.90
-0.91
-0.92
-0.93
k . k za f2
. k2 in
n
X
i=0
Z
i Qi ,
i =
f (x)Qi (x)dx.
70
1. APROKSIMACIJA
kf pn k .
n
Dokaz. Legendrove polinome poznamo kot
Pi (x) =
i
1 di 2
x
1
,
i! 2i dxi
torej je
0
i+1
di+2 2
x 1
=
i+2
dx
i+1
d2 2
di
= i
x 1
=
dx dx2
i
di
d 2
= 2(i + 1) i
=
x 1 x
dx dx
i
i1 2
di
2 x 1 + 1 + x2 1
=
= 2(i + 1) i i x2 1
dx
i1
di
= 2(i + 1) i (2i + 1) x2 1 + 2i x2 1
=
dx
1
2
2i + 1
0
Qi1 (x) = q
Qi (x).
i + 21
0
i1 =
f (x)Qi1 (x)dx = f (x)Qi1 (x)
1
f (x)Qi1 (x)dx.
71
Pi
P0
1.0
P2
P1
0.5
P3
P4
-1.0
P5
0.5
-0.5
1.0
-0.5
-1.0
Slika 1.18. Nekaj Legendrovih polinomov Pn
in od tod
0
(1.46)
i = i+1
i
1
+O
2
0
i1 1
1
1
+
+O
.
i
i
2
i
|Pi (x)| 1,
torej
x [1, 1],
1
i + , x [1, 1].
2
Izberimo sedaj > 0. Po (1.47) lahko vedno najdemo taken n, da za vsak
i n velja i2 |i | < 2 2 . Naj bo m n. Za x [1, 1] razliko |pm (x) pn (x)|
(1.48)
|Qi (x)|
72
1. APROKSIMACIJA
ocenimo z
(1.49)
m
n
X
i=0
i=0
m
m
X
1 2
=
i Qi (x)
i |i | |Qi (x)|
2
i
i=n+1
i=n+1
r
m
m
X 1
1
X 1
i+
3
2
2
2 2 i=n+1 i2
2
i=n+1 i
Z
3
x 2 dx = .
2 n
n
p := lim pi .
i
Toda
(pi )
0 = lim kf pi k2 = kf lim pi k2 = kf p k2 .
i
Ampak f in
sta zvezni funkciji, torej mora veljati f = p . V (1.49) naj
sedaj m in dobimo oceno iz izreka.
V primerjavi z numerino evidenco v zgledu 1.20 je trditev dokazanega
izreka ibkeja, kot bi priakovali.
4.6. Naloge.
4.1. Dane so toke v ravnini: (x1 , y1 ), (x2 , y2 ), . . . , (xm , ym ). Poii premico
p (x) = x + , ki po metodi najmanjih kvadratov najbolje aproksimira te
toke. Preveri splono formulo na primeru tok (1, 2), (2, 3), (3, 5), (4, 8).
4.2. Dokai, da ima normalni sistem vedno reitev, na dva naina. Najprej iz
hf, gi =
f (t)g(t)dt.
a
73
Naj bo f Pn polinom najbolje aproksimacije po metodi najmanjih kvadratov za dano f C ([a, b]), f 6= 0. Dokai, da ima razlika f f vsaj n + 1
niel na intervalu [a, b].
4.8. Dane so toke (1, 12), (0, 7), (1, 6), (2, 9). Aproksimiraj jih s parabolo
4.10. Primerjaj Gram-Schmidtov postopek ortogonalizacije linearno neodvisnih funkcij (si )ni=1 , si C ([a, b]) in razcep Choleskega Gramove matrike
(hsj , si i)ni,j=1 . Je kaj sorodnosti?
POGLAVJE 2
Interpolacija
75
76
2. INTERPOLACIJA
1. Splono o interpolaciji
1.1. Interpolacijski problem. V razdelku 1 prvega poglavja smo pove-
[a, b] R.
i = 0, 1, . . . , n.
j6=i
Za funkcionale i vzemimo izraun vrednosti v tokah xi , i f := f (xi ). Interpolacijski problem je korekten, saj je i `j = i,j in kolokacijska matrika
identiteta.
zgleda 2.1. Linearna kombinacija ni=0 i `i (x) je ravninska polinomska krivulja stopnje n v parametru x, vrednost xi pa vrednost parametra, pri katerem
krivulja interpolira dano toko r i . Interpolacijski problem ostane korekten, saj
le izbira i = r i izpolnjuje interpolacijske zahteve pri izbranih xi . Slika 2.1
kae, da izbira parametrov xi zelo vpliva na obliko interpolacijske krivulje. Za
primerjavo smo uporabili tri pogosto uporabljane parametrizacije:
enakomerna : x0 = 0, xi = xi1 + 1, i = 0, 1, . . . , n,
r i r i1 k2 , i = 1, 2, . . . , n,
tetivna :
x0 := 0, xi = xi1 + kr
p
centripetalna : x0 := 0, xi = xi1 + krr i r i1 k2 , i = 1, 2, . . . , n.
77
r5
r6
r4
r7
r3
r2
r8
r9
r1
r0
trino krivuljo, kjer interpolacijske parametre xi izberemo enakomerno (rdea), tetivno (zelena) in centripetalno (modra)
2i f = f (xi ) = ri ,
0
2i+1 f = f (xi ) =
ri0 ,
i = 0, 1, . . . , n,
i = 0, 1, . . . , n.
78
2. INTERPOLACIJA
n
Y
(xi xj ) = 0 .
j=0
j6=i
(2.1)
p(x) = q(x)
Pm
m
Y
(x xi )i .
i=0
79
x1 0 0 x0
0
H0 (0 ) H1 (0 )
x0
0
det
= det x1x
=
x
1
1
0
H0 (1 ) H1 (1 )
x0
x0
x0
pozitivna in kolokacijska matrika (Hj (i ))1i,j=0 neizrojena. e je n > 1, zagotovo obstaja indeks `, 0 < ` < n, taken, da za interpolacijsko toko ` velja
x`1 < ` x` ali x` < ` < x`+1 . V prvem primeru je
Hj (i ) = 0, i = 0, 1, . . . , `, j = ` + 1, ` + 2, . . . , n.
Korektnost problema doloata dva manja, neodvisna problema enake narave,
ki jima pripadata bloka
(Hj (i ))`i,j=0 ,
(Hj (i ))ni,j=`+1
prvotne matrike kot novi kolokacijski matriki. Podobno velja za drugi primer.
Po indukciji to potrjuje korektnost v celoti.
x2
x1
x2
x1
x2
x1
80
2. INTERPOLACIJA
Dokaz. Ker je u notranja toka, lahko v njeni okolici izberemo razlini toki
x1 in x2 . Poveemo ju lahko s krivuljo, ki ima ost, a na njej ne lei nobena
druga toka (slika 2.2). Peljemo x2 na konec osti, nato pa x1 po tej krivulji na
mesto, kjer je bila prej x2 . Zakljuimo s tem, da x2 zapeljemo na mesto, kjer
je bila prvotno x1 . Ker so funkcije si zvezne, je tudi determinanta det (sj (xi ))
zvezna. A ker sta se v njej dva stolpca zamenjala, je morala nekje spremeniti
predznak, eprav so bile vse toke vseskozi razline.
81
2. Polinomska interpolacija
2.1. Interpolacijski polinom v Lagrangeevi obliki. Polinomska in-
p=
n
X
f (xi )`i ,
i=0
n
Y
x xj
`i (x) =
,
xi xj
j=0
j6=i
In : C ([a, b]) Pn : f 7 In f :=
n
X
f (xi )`i
i=0
n
Y
j=0
j6=i
1
xi xj
82
2. INTERPOLACIJA
j6=i
Od tod
`i (x) =
(x)
.
(x xi ) 0 (xi )
p(x) =
n
X
i=0
f (xi )
X
(x)
1
= (x)
f (xi )
.
0
(x xi ) (xi )
(x xi ) 0 (xi )
i=0
1 = In 1 = (x)
n
X
i=0
1
.
(x xi ) 0 (xi )
p(x) =
n
X
i=0
kjer je
1
(x xi ) 0 (xi )
wi (x) := n
X
1
j=0
(x xj ) 0 (xj )
nini.
2.2. Deljene diference in Newtonova oblika polinoma. Tudi baricentrina oblika odpove, ko f v doloeni toki poznamo vekratno. Vzemimo
sedaj za osnovo Newtonovo bazo (1.4), zaenkrat med seboj razline interpolacijske toke xi , in gradimo interpolacijski polinom korakoma: pk Pk naj se
z f ujema v tokah x0 , x1 , . . . , xk . Denimo, da pk1 e poznamo. Ko dodamo
83
j = 0, 1, . . . , k 1,
12
12
x1
x2
x3
x4
x5
x1
x2
x3
x4
x5
(x x0 )(x x1 ) (x
xi1 ) [x0 , . . . , xi ]f in polinomi p0 , p1 , . . . , p5 za funkcijo f (x) =
sin 5x sin x + 12 na intervalu [0, 3] za ekvidistantne toke
Tu moramo biti pazljivi pri pomenu oznake vodilni koecient. Ker je p polinom stopnje k , je njegov vodilni koecient skalar pri najviji moni potenci,
torej k -ti. Vodilni koecient je zato enak 0, e je p stopnje < k . Denicija deljene diference je smiselna zaenkrat le za med seboj paroma razline toke xj ,
a jo bomo za dovolj gladke funkcije uspeli raziriti tudi na sovpadajoe toke.
p(x) = f (xi ) +
f (xi+1 ) f (xi )
(x xi ).
xi+1 xi
[xi , xi+1 ]f =
f (xi+1 ) f (xi )
.
xi+1 xi
84
2. INTERPOLACIJA
Zgled 2.6 nam pojasni, od kod ime deljena diferenca. Ta je v tem primeru kar kvocient razlike funkcijskih vrednosti in razlike argumentov. Splona
deljena diferenca pa je rekurzivna posploitev tega izraza.
[xi , . . . , xi+k ]f =
0, 0 r < k,
1, r = k.
To preverimo takole. Ker je interpolacija Ik projektor, ohranja polinome stopenj r k , torej tudi njihove koeciente. Vodilni koecient je le eden od
njih.
Zgled 2.8. Naj bodo vse toke xi , xi+1 , . . . , xi+k med seboj razline. Deljena
diferenca v zakljueni obliki je
(2.5)
[xi , . . . , xi+k ]f =
i+k
X
j=i
i+k
X
j=i
f (xj )
i+k
Q
r=i
r6=j
(xj xr )
Ker so toke xj med seboj razline, ima Lagrangeeva oblika (2.2) smisel. Vsi
bazni polinomi `j so stopnje k , iz (2.2) preberemo vodilni koecient polinoma
`j kot
1
i+k
Q
(xj xr )
r=i
r6=j
a xi xi+1 xi+k b,
je dano z
fj := f (r) (xj ) ,
r := max{m | j m i, xjm = xj }.
85
Zgled 2.9. Naj bo f C k ([a, b]) in xi+j = xi [a, b], j = 1, 2, . . . , k. Polinom, ki se z f v xi ujema (k + 1)-kratno, je kar Taylorjev polinom,
p(x) =
k
X
f (j) (xi )
j=0
j!
(x xi )j ,
1
[ xi , xi , . . . , xi ]f := f (j) (xi ),
|
{z
}
j!
j = 0, 1, . . . , k.
j+1
Iz izbire Newtonove baze in denicije 2.1 sledi takoj nova izraava interpolacijskega polinoma,
(2.6)
p(x) =
n
X
(x x0 )(x x1 ) (x xi1 )[x0 , . . . , xi ]f.
i=0
Tej obliki reemo Newtonova. Smisel ima zagotovo vsaj takrat, ko so interpolacijske toke xi vse med seboj razline, torej takrat, ko obstaja tudi Lagrangeeva
oblika. Oitno ima smisel tudi za vekratne toke, e le denicija 2.1 velja tudi
za ta primer. Poglejmo nekaj lastnosti funkcionala
Izrek 2.3. Deljena diferenca [xi , . . . , xi+k ] je simetrina funkcija argumentov xj , j = i, i + 1, . . . , i + k , torej vrstni red tok v oklepaju [. . . ] ni pomemben.
Dokaz. Interpolacijski polinom stopnje k , ki se s funkcijo f ujema v teh
tokah, je doloen enolino in ni odvisen od vrstnega reda tok. Torej od
vrstnega reda ni odvisen tudi njegov vodilni koecient.
[xi , . . . , xi+k ]f =
i+k
X
`=i
Dokaz. Polinom
p1 (x) :=
i+k
X
(x xi )(x xi+1 ) (x xr1 )[xi , . . . , xr ]g
r=i
86
2. INTERPOLACIJA
p2 (x) :=
i+k
X
(x xi+k )(x xi+k1 ) (x x`+1 )[x` , . . . , xi+k ]h
`=i
i+k X
i+k
X
r=i `=i
r,` (x) := (x xi )(x xi+1 ) (x xr1 )(x x`+1 )(x x`+2 ) (x xi+k ) ,
ki je polinom stopnje k + r ` v spremenljivki x. Naj bo ` < r. Tedaj je
r,` (xj ) = 0 za j = i, i + 1, . . . , i + k . Del sumandov z indeksi ` < r v vsoti
(2.8) je torej v xi , xi+1 , . . . , xi+k enak ni. Ker se p ujema v danih tokah z f ,
se mora tudi polinom q , drugi del sumandov
(2.9)
q(x) :=
i+k X
i+k
X
r=i `=r
`=i
To potrjuje (2.7).
87
Zgled 2.2 pove, za kakne funkcije f je k -ta deljena diferenca na k+1 enakih
tokah zagotovo dobro denirana. Po drugi stranise hitro prepriamo, da je
pogoj f C k tudi potreben. Vzemimo f (x) := x. Po zgledu 2.6 deljeno
diferenco na dveh tokah {0, }, > 0, izraunamo takole
1
0
[0, ]f =
= .
0
j = i, i + 1, . . . , i + k .
Tedaj je
1 (k)
f (xi ) , xi = xi+1 = . . . = xi+k ,
k!
v primeru, ko so vse toke v deljeni diferenci [xi , . . . , xi+k ] enake, in
(2.11)
[xi , . . . , xi+k ]f =
(2.12)
[xi , . . . , xi+k ]f =
k2
.
[xi , . . . , xi+k1 ]( . t)k2
+ [xi+1 , . . . , xi+k ]( t)+
xi xi+k
88
2. INTERPOLACIJA
xi xi+1 xi+k ,
i+k1
X
[xi+1 , . . . , xi+k ]f =
d0j fj
i+k
X
j=i
j=i
i+k
X
i+k
X
d00j fj =
j=i+1
d0j fj ,
d0i+k := 0,
d00j fj ,
d00i := 0.
j=i
j = i, i + 1, . . . , i + k .
Z1
=
dt1
0
tZk1
Zt1
dt2
0
89
Z1
f (k) (xi )
tZk1
Zt1
dt1
dt2
0
dtk =
0
f (k) (xi )
.
k!
Zato izrek 2.6 potrdi trditev v tem primeru. In zdaj k dokazu za druge primere,
z uporabo indukcije. Preverimo najprej trditev za k = 1. Za xi = xi+1 smo to
e opravili, za xi 6= xi+1 ugotovimo
Z1
[xi , xi+1 ]f =
0
1
f 0 (t1 xi + xi )dt1 =
xi
x
Zi+1
f 0 (u)du =
xi
f (xi+1 ) f (xi )
.
xi+1 xi
d = xi+k1 dtk .
0 = tk1 xi+k2 + + t1 xi + xi ,
zgornja pa
xi+k1
1
xi+k1
d
=
xi+k1
tZk2
Z1
f (k) ()
dt2
dt1
Z1
Zt1
Z1
dt1
0
0
tZk2
Z1
dt1
0
1
xi+k1
0
tZk2
Z1
dt1
0
90
2. INTERPOLACIJA
Tedaj:
[xi , . . . , xi+k ]f =
1 (k)
f () .
k!
Izrek 2.9. Naj bo f C n+1 ([a, b]) in naj bodo x = (xi )ni=0 , xi [a, b],
kjer je
pn (x) =
n
X
i=0
f (x) f (x0 )
,
x x0
f 0 (x0 )
= f (x0 ).
1!
91
Polinom q v spremenljivki y ,
j = 0, 1, . . . , k + 1,
(2.17)
[xi , . . . , xi+k ] [yj , . . . , yj+r , . ]f = [yj , . . . , yj+r , xi , . . . , xi+k ]f.
Dokaz. Za k = 0 trditev oitno dri. Sklep sledi po indukciji na k , z uporabo
(2.12) in (2.11).
Da interpolacijski polinom v Newtonovi obliki lahko uporabimo, moramo vnaprej izraunati potrebne koeciente, deljene diference. Algoritem temelji na
izreku 2.6, rekurzivnem izraunu deljenih diferenc.
asovna zahtevnost izra
2
una celotne tabele deljenih diferenc je O n , prostorska z nekoliko spretnosti
le O (n). e se pokae potrebno dodati nov interpolacijski podatek, je treba
tabelo deljenih diferenc obrobiti le z eno diagonalo, kar je zahtevnosti O (n).
92
2. INTERPOLACIJA
Nove podatke torej preprosto dodajamo. Poglejmo si shemo izrauna v tabeli 2.1. V kaknem vrstnem redu smo indeksirali toke, ni pomembno, le da
pravilno izberemo tudi pripadajoe bazne polinome. e funkcijo poznamo v
doloenih tokah vekratno, so podatki tudi v drugih stolpcih, ne le v prvem.
Toke z vekratnimi podatki tvorijo celoto. Puice v shemi kaejo, kako dobimo nov stolpec. Na primer [x0 , x1 ]f izraunamo iz f (x0 ) in f (x1 ), e sta x0
in x1 razlina. Sicer je podatek, vrednost odvoda v x0 .
[ . ]f
[ . , . ]f
x0
x1
f (x0 ) &
f (x1 ) %
&
[x0 , x1 ]f &
x2
f (x2 ) %
&
%
[x1 , x2 ]f &
%
[x2 , x3 ]f &
f (x3 ) %
x3
..
.. &
..
.
.
.
%
xn1 f (xn1 ) &
[xn1 , xn ]f %
xn
f (xn ) %
[ . , . , . ]f
[ . , . , . , . ]f
[x0 , x1 , x2 ]f &
%
[x1 , x2 , x3 ]f &
[x0 , x1 , x2 , x3 ]f &
..
.
..
.
[ . , . ]f
[ . , . , . ]f
[ . , . , . , . ]f
0.306853
0.193147
0.113706
1
1
0
0.693147
2 0.693147
0.5
2 0.693147
93
Algoritem 2.1:
i = 0, 1, . . . , n.
n
P
V toki x izaunamo vrednost p(x) =
(x x0 )(x x1 ) (x xi1 ) ai
i=0
bn (x) := an ;
za i := n 1, n 2, . . . , 0 ponavljaj
bi (x) := ai + (x xi )bi+1 (x);
do sem;
p(x) := b0 (x);
Koecienti bi (x) imajo svoj pomen in jih lahko uporabimo v nadaljnjem raunanju. Iz b0 (x) = [x]p = p(x) in ai = [x0 , . . . , xi ]f = [x0 , . . . , xi ]p ter koraka
algoritma
bi+1 (x) =
[ . ]f
[ . , . ]f
1.5
1.5
0.409074
0.409074
0.664721
1.5
0.409074
1
1
2
2
0
0
0.693147
0.693147
0.664721
0.818147
1
0.693147
0.5
[ . , . , . ]f
0.25
0.306853
0.363706
0.306853
0.193147
[ . , . , . , . ]f
0.113706
0.113706
0.113706
0.113706
Tabela 2.3 kae, kako numerino tee prevedba. Rezultat je polinom p, zapisan
94
2. INTERPOLACIJA
v Taylorjevi obliki,
(2.18)
pi0 ,i1 ,...,ik1 ,ik (x) =
,
x xik
xik1 xik pi0 ,i1 ,...,ik2 ,ik (x)
e le poznamo
pi0 ,i1 ,...,ik2 ,ik1 (x) in pi0 ,i1 ,...,ik2 ,ik (x) ,
ki se z f ujemata v eni toki manj. Na enabi (2.18) temelji iterativna interpolacija. e izberemo stopnjo k in poznamo polinome
(2.19)
pi0 (x), pi0 ,i1 (x), . . . , pi0 ,i1 ,...,ik1 ,ik (x),
teva O k 2 .
Nevilleov postopek vseskozi izbira zadnjih k + 1 tok kot pomembnih tok,
ki doloajo interpolacijski polinom. Novo privzeta toka izpodrine prvo med
prejnjimi k + 1 tokami (tabela 2.4). Uokvirjena diagonala nadomesti podrtano.
Aitkenov algoritem (tabela 2.5) vseskozi ohranja prvih k tok in (k + 1)-vo
nadomea z novo dodano toko. Hraniti je treba le podrtano diagonalo, ki
se med raunom ne spreminja.
x0
f (x0 )
x1
f (x1 )
x2
f (x2 )
x3
f (x3 )
x4
f (x4 )
p01 (x)
p12 (x)
p23 (x)
p34 (x)
p012 (x)
p123 (x)
p234 (x)
95
p0123 (x)
p1234 (x)
x0
f (x0 )
x1
f (x1 )
x2
f (x2 )
x3
f (x3 )
x4
f (x4 )
p01 (x)
p02 (x)
p03 (x)
p04 (x)
p012 (x)
p013 (x)
p014 (x)
p0123 (x)
p0124 (x)
Newtonov interpolacijski polinom lahko e preprosteje zapiemo za ekvidistantno izbrane toke. Izpeljimo obe najbolj uporabljani obliki. V prvi predpostavimo, da so toke podane z xi = x0 + i h, i = 0, 1, . . . , n. Spremenljivko x
x x0
. Newtonovi bazni polinomi
nadomestimo s t, x = x0 + h t in od tod t =
h
so produkti razlik
t
i
(2.20)
= h i!
.
i
Toke xj so med seboj razline, zato lahko uporabimo deljeno diferenco, izraeno v zakljueni obliki (2.5). V [x0 , . . . , xi ]f je pri j -tem sumandu v imenovalcu produkt
i
Y
r=0
r6=j
(xj xr ) =
i
Y
r=0
r6=j
(j h r h) = hi (1)ij j! (i j)!.
96
2. INTERPOLACIJA
Od tod
[x0 , . . . , xi ]f =
i
i
1 X
1
1 X
ij
ij i
f
(x
)
=
(1)
(1)
f (xj ) .
j
hi
j!(i j)!
hi i!
j
j=0
j=0
p(x) = p(x0 + h t) =
n X
i
X
t
i=0
ij
(1)
n
X
i
t
fj =
i f0 .
j
i
i=0
j=0
i
X
ij i
fr :=
(1)
fr+j .
j
i
j=0
0
X
0j 0
fr =
(1)
fr+j = fr .
j
0
j=0
i1
i1
(i 1)!
1
1
i
+
=
+
=
j1
j
(i 1 j)!(j 1)! i j
j
j
sledi premislek
(2.22)
i fr =
i
X
i1
i1
(1)ij
+
fr+j =
j1
j
j=0
i
i1
X
X
i1
i1
(1)ij
fr+j +
(1)ij
fr+j =
j1
j
j=1
j=0
i1
X
i1
i1
(1)i1j
fr+j+1
(1)i1j
fr+j =
j
j
i1
X
j=0
i1
j=0
i1
fr+1
fr .
Ta rekurzivna formula nam omogoa, da konne diference raunamo e preprosteje kot deljene diference v (2.12). Deljenje ni potrebno, saj izkoristimo ekvidistantnost tok xj . Shemo rauna kae tabela 2.6. Izpeljimo e drugo Newtonovo obliko interpolacijskega polinoma na ekvidistantnih tokah, indeksiranih
v obratnem vrstnem redu od indeksa 0 nazaj, xi = x0 i h, i = 0, 1, 2, . . . , n.
xi
x0
x1
x2
x3
97
fi
1 fi
2 fi
3 fi
f0
f f0
f1 1
f1 f0
f f1
2 f1 2 f0
f2 2
f2 f1
f f2
f3 3
(x x0 )(x x1 ) (x x(i1) ) =
= hi (t + 0)(t + 1) (t + (i 1)) =
= (1)i hi (t 0)(t 1) (t (i 1)) =
t
i i
= (1) h i!
.
i
Imenovalec sumandov deljene diference poenostavimo v
i
Y
(xj xr ) =
r=0
r6=j
i
Y
r=0
r6=j
i
i
1 X
1
1 X
j
j i
[x0 , . . . , xi ]f = i
(1)
f (xj ) = i
(1)
fj .
h
j!(i j)!
h i!
j
j=0
j=0
Podobno kot za premo diferenco brez teav preverimo, da tabelo diferenc doloimo s pomojo rekurzije
0 fr = fr ,
i fr = i1 fr i1 fr1 .
Shemo rauna kae tabela 2.7.
98
2. INTERPOLACIJA
xi
fi
1 fi
2 fi
3 fi
x0
f0
f0 f1
x1 f1
f0 f1
f f2
2 f0 2 f1
x2 f2 1
f1 f2
f f3
x3 f3 2
Tabela 2.7. Shema izrauna obratnih konnih diferenc
2.5. Konvergenca in divergenca polinomske interpolacije. Poenostavimo si razmislek v tem razdelku in predpostavimo, da so interpolacijske
toke vseskozi razline. e izberemo funkcijo f C ([a, b]) in veamo tevilo
interpolacijskih tok n + 1, dobimo zaporedje interpolacijskih polinomov. Na
prvi pogled bi priakovali konvergenco kf pn k 0, ko n , vsaj za
dovoljkrat zvezno odvedljive f . Da temu ni vedno tako, nas prepriata sledea
zgleda.
Zgled 2.14. Vzemimo funkcijo f (x) = ex na intervalu [1, 1] in izbirajmo
interpolacijske toke ekvidistantno, xi = 1 + n2 i, i = 0, 1, . . . , n. Prvi stolpec v tabeli 2.8 kae eksponentno konvergenco. Eksponent je ocenjen po
predpostavki, da se glavni del napake obnaa kot O (e n ).
napaka
1 5.5760310-1
3 9.9848110-3
5 1.1216210-4
7 7.9889410-7
9 3.8500810-9
11 1.3288010-11
13 4.1022710-14
-2.01
-2.24
-2.47
-2.67
-2.83
-2.89
1
3
5
7
9
11
13
napaka
0.961538
0.707014 -0.28
0.432692 -0.96
0.247359 -1.66
0.300298 0.77
0.556775 3.08
1.070105 3.91
Rungejevem primeru
99
n
In : C ([a, b]) Pn : f 7 In f := In f (xi ) = f (xi )
,
i=0
Izrek 2.11. Naj bo In : C ([a, b]) Pn interpolacijski projektor, kjer so interpolacijske toke razline, a x0 < x1 < < xn b.
kIn k = kn k , kjer je
n
X
n (x) :=
|`i (x)|
Tedaj je
i=0
Lebesgueova funkcija.
j=0
j6=i
n
X
X
|In f (x)| =
f (xi )`i (x)
|f (xi )||`i (x)|
i=0
kf k
i=0
n
X
i=0
|`i (x)| kf k kn k .
100
2. INTERPOLACIJA
kIn f k
kIn f k
kn k = sup
= kIn k kn k .
kf k
f 6=0 kf k
Pokazati je treba e obratno neenakost. Ker je norma zvezna in n C ([a, b]),
obstaja toka x
[a, b], kjer n svojo normo dosee,
kn k = |n (
x)| = n (
x) =
n
X
|`i (
x)|.
i=0
kn k = n (
x) =
n
X
|`i (
x)| =
i=0
n
X
g(xi )`i (
x) =
i=0
= In g(
x) kIn gk kIn k kgk = kIn k .
To dokazuje neenakost tudi v obratni smeri, s tem pa izrek v celoti.
Norma kn k , ki je hkrati tudi norma interpolacijskega projektorja, je
torej odvisna od interpolacijskih tok. Preprosto se vidi, da je ta norma tudi
obutljivost Lagrangeeve baze. Nanizajmo nekaj dejstev, katerih dokazovanje
presega okvir te knjige.
2n+1
, ko n .
e n log n
2.6. Naloge.
2.1. Naj bodo xi , i = 0, 1, . . . , n, razline toke, torej xi 6= xj , e je i 6= j .
Dokai, da velja
n
X
`i (x) 1,
i=0
n
Y
x xj
x
j=0 i
j6=i
xj
101
2.3. Naj bo
(a, x, y) = a0 + a1 x + a2 y + a3 x2 + a4 xy + a5 y 2 ,
a = (ai )5i=0 .
p2n+1 =
n
X
f (xi )Ai +
n
X
i=0
f 0 (xi )Bi
i=0
i = 0, 1, . . . , n.
4
. Poii interpolacijski polinom p P5 , za
1+x
p(0) = f (0),
p0 (0) = f 0 (0),
p(1) = f (1),
p0 (1) = f 0 (1),
1
2
x[0,1]
i 6= j .
x
, kjer so toke v diferenci paroma razline, xi 6= xj , e je
1+x
102
2. INTERPOLACIJA
kjer je (x) :=
n
Y
(x xi ) in 0 =
i=0
d
.
dx
1
2 i
f (z)
dz ,
(z)
2.10. Naj bo f C 1 ([a, b]) in naj bo v okolici toke x1 [a, b] dvakrat zvezno
odvedljiva. Dokai, da je
d
([x1 , x]f ) C ([a, b]) .
dx
,
. Oceni na12 6
h := max|xi+1 xi |
i
kf pk,I
kf (n+1) k n+1
h
.
4(n + 1)
103
m
X
t + i 1 2i1
t + i 1 2i
p(x0 + t h) = f0 +
f0 .
f1 +
2
2i 1
2i
i=1
104
2. INTERPOLACIJA
Tokam xi reemo stine toke, saj se v njih stikajo nosilci polinomskih delov f|
Pk . Velikost posameznega podintervala obiajno oznaimo z
(xi ,xi+1 )
max
0in1
xi .
n
Pk,xx, = f | f|
Pk , i = 0, 1, . . . , n 1;
(xi ,xi+1 )
o
f (`) (xi 0) = f (`) (xi + 0), ` = 0, 1, . . . , i 1, 1 i n 1 .
n1
X
i=1
i = n(k + 1)
n1
X
i=1
i .
105
f (x) :=
9 x3 ,
x3 + 12 ,
0 x < 23 ,
3
2
12 x3 + x2 + 17
2 ,
2x3 18x2 + 93
2 x
x < 2,
2 x < 3,
55
2 ,
3 x 5.
3
x = 0, , 2, 3, 5 .
2
Ker je
3
3
f ( 0) 6= f ( + 0),
2
2
f (2 0) = f (2 + 0), f 0 (2 0) 6= f 0 (2 + 0),
f (3 0) = f (3 + 0), f 0 (3 0) = f 0 (3 + 0), f 00 (3 0) 6= f 00 (3 + 0),
je f P3,xx, , kjer odvedljivost v notranjih stinih tokah doloa vektor
= (0, 1, 2) .
Z zaporedjem vozlov to vozlov to povemo takole
3 3 3 3
(0, , , , , 2, 2, 2, 3, 3, 5).
2 2 2 2
f
8
6
4
2
1
106
2. INTERPOLACIJA
i = k,
i = 1, 2, . . . , n 1,
3.2. Odsekoma linearni zlepki. Najpreprosteji zlepki so odsekoma linearne zvezne funkcije, kjer odseke doloa delitev oblike (2.25). Tvorijo prostor
S1,xx dimenzije n+1. Tudi numerino dobro pogojeno bazo (Hi )ni=0 e poznamo
iz (1.6, str. 16). eprav jih v praktinem raunanju ne uporabljamo, jih je vredno predstaviti kot modelni zgled splonih zlepkov.
Ker je dimenzija prostora S1,xx enaka tevilu tok v delitvi intervala, je interpolacija s predpisanimi vrednostmi v tokah xi zelo naravna naloga. Strnjeno
jo opiemo z
n
I1 : C ([a, b]) S1,xx , f 7 I1 f := I1 f (xi ) = f (xi )
.
i=0
Interpolacijska naloga je oitno korektna. Interpolacijsko funkcijo I1 f na podintervalu xi x xi+1 zapiemo kot premico skozi dve razlini toki,
I1 f (x) = f (xi )
xi+1 x
x xi
+ f (xi+1 )
,
xi+1 xi
xi+1 xi
xi x xi+1 .
107
|f (2) (i )|
xi + xi+1
xi + xi+1 kf (2) k
xi
xi+1
=
2
2
2
1
1
= x2i kf (2) k x2 kf (2) k .
8
8
Tu smo upotevali, da parabola (x xi )(xi+1 x) dosee na [xi , xi+1 ] najvejo
vrednost ravno na sredini, to je v 12 (xi + xi+1 ).
|f (x) I1 f (x)| |(x xi )(x xi+1 )|
xi+1 x
x xi
xi+1 xi
xi+1 xi
xi+1 x
x xi
|f (xi )|
+ |f (xi+1 )|
kf k .
xi+1 xi
xi+1 xi
Od tod za f 6= 0 sledi
kI1 f k kf k
kI1 f k
kI1 f k
1 kI1 k = sup
1.
kf k
f 6=0 kf k
Zb
f (x)g(x)dx in kf k2 =
hf, gi :=
hf, f i.
Naj L1 oznai pripadajoi projektor, aproksimacijo po metodi najmanjih kvadratov. Izrek 1.15 (str. 55) nam pomaga k zgoenemu opisu
108
2. INTERPOLACIJA
Za bazo prostora S1,xx vzemimo funkcije (Hi )ni=0 (1.6, str. 16). Torej je
L1 f =
n
X
i Hi ,
i=0
= b.
kjer je = (i )ni=0 reitev normalnega sistema (1.33, str. 55), v znakih G
n
Izraunajmo elemente Gramove matrike G = (hHi , Hj i)i,j=0 . Nosilec funkcij
Hi je interval (xi1 , xi+1 ), zato je za |i j| > 1 skalarni produkt enak ni,
hHi , Hj i = 0. Matrika G je tridiagonalna. Je tudi simetrina, zato je treba
doloiti le dve diagonali. Na glavni diagonali dobimo
x
Zi+1
Hi2 (x)dx =
hHi , Hi i =
xi1
Zxi
x
Zi+1
Zxi
Hi2 (x)dx +
xi1
=
xi1
x xi1
xi xi1
xi
x
Zi+1
2
dx +
xi
Z1
Z1
2
= xi1
t2 dt =
t dt + xi
0
Hi2 (x)dx =
xi+1 x
xi+1 xi
2
dx =
1
(xi1 + xi ) ,
3
hHi , Hi+1 i =
x
Zi+1
Hi (x)Hi+1 (x) dx =
xi
xi
Z1
t(1 t)dt = xi
= xi
0
Sledi
3 x0
1 x0
6
G=
..
1
6 xi1
1 1
2 3
1
= xi .
6
1
6 x0
1
3 (x0 + x1 )
..
xi+1 x x xi
dx =
xi+1 xi xi+1 xi
1
6 x1
..
1
3
.
(xi1 + xi )
..
.
1
6 xi
..
.
1
6 xn1
..
1
3 xn1
109
Dokaz. Ocene ne moremo dobiti tako neposredno kot v izreku 2.12. Velikost
slike L1 f ocenimo z
n
kL1 f k =
i Hi
|i |Hi max |i |
Hi = max |i |.
0in
0in
i=0
i=0
|i=0{z }
=1
Izkoristimo strogo diagonalno dominantnost matrike G. Naj bo ` taken indeks, da je |` | = max |i |. Enaba, ki povezuje neznanke `1 , ` in `+1 ,
0in
se glasi
x`1
x`1 + x`
x`
`1 +
` +
`+1 =
6
3
6
xZ`+1
f (x)H` (x) dx .
x`1
Od tod
xZ`+1
x`
3
x`1
`1
`+1 +
f (x)H` (x) dx
|` | =
x`1 + x`
6
6
x`1
xZ`+1
x`
3
x`1
|`1 | +
|`+1 | + kf k
H` (x) dx .
x`1 + x`
6
6
x`1
Integral
xZ`+1
H` (x) dx =
x`1
x`1 + x`
2
0in
110
2. INTERPOLACIJA
pi (xi+1 ) = f (xi+1 ) .
S tema pogojema je zagotovljena zveznost zlepka. Polinom pi ima e dva svobodna parametra. e naj bo interpolacijski zlepek vsaj enkrat zvezno odvedljiv,
mora veljati p0i1 (xi ) = p0i (xi ) neodvisno od same vrednosti odvoda. Zvezno
odvedljivost zato doseemo z izbiro
p0i (xi ) = si ,
[xi , xi+1 ]f si
+
xi
si+1 + si 2[xi , xi+1 ]f
+ (x xi )2 (x xi+1 )
.
x2i
[ . ]f
xi
f (xi )
xi
f (xi )
[ . , . ]f
si
[xi , xi+1 ]f
xi+1 f (xi+1 )
xi+1 f (xi+1 )
si+1
[ . , . , . ]f
[xi , xi+1 ]f si
xi
si+1 [xi , xi+1 ]f
xi
[ . , . , . , . ]f
si = f 0 (xi ),
i = 0, 1, . . . , n.
111
Tej interpolacijski shemi reemo spet Hermiteova. Dobljeni interpolacijski zlepek je v splonem globalno le enkrat zvezno odvedljiv. V polinom (2.28) vstavimo znana odvoda interpolirane funkcije
|f (x) pi (x)|
x4i kf (4) k
1
1
=
x4i kf (4) k
x4 kf (4) k .
16
4!
384
384
Desna stran ni odvisna od x ali i, torej velja ocena za celotni interval [a, b].
e f v vozlih ni podana dvojno, je najprimerneje zahtevati, da naj bo interpolacijski zlepek pravi kubini zlepek, torej dvakrat zvezno odvedljiv. Pogoje
zveznosti drugega odvoda lahko predpiemo le v notranjih stinih tokah
i = 1, 2, . . . , n 1.
1 00
[xi , xi+1 ]f si
si+1 + si 2[xi , xi+1 ]f
p (xi ) =
xi
2 i
xi
x2i
[xi , xi+1 ]f
2si + si+1
=3
.
xi
xi
Podobno za drugi polinom izraunamo
1 00
[xi1 , xi ]f si1
si + si1 2[xi1 , xi ]f
pi1 (xi ) =
+ 2xi1
2
xi1
x2i1
= 3
[xi1 , xi ]f
2si + si1
+
.
xi1
xi1
1
1
1
1
si1 +2
+
si +
si+1 =
xi1
xi1 xi
xi
[xi1 , xi ]f
[xi , xi+1 ]f
(2.29)
+
, i = 1, 2, . . . , n 1.
=3
xi
xi1
Dva parametra sta e svobodna in dodamo e dve enabi. Nekaj monosti je
oitnih:
112
2. INTERPOLACIJA
sn = f 0 (xn ) .
-0.2
Slika 2.5. Nekaj Lagrangeevih baznih polnih kubinih zlepkov
Kaken red aproksimacije doseemo z interpolacijskim zlepkom, ki ga doloajo pogoji (2.29). Odgovor je enak za vse natete izbire dodatnih dveh
pogojev. Skrimo razlago na polno kubino interpolacijo,
113
Zb
= g(a) + g 0 (a)(x a) +
(x t)+ g 00 (t) dt .
a
Zb
(2.30)
[xi1 , xi , xi+1 ]g = 0 +
[xi1 , xi , xi+1 ]e = 0,
i = 0, 1, . . . , n, z x1 := x0 , xn+1 := xn .
(2.31)
|e(x)|
e00 (i )
,
2!
x2i |e00 (i )|
1
x2 ke00 k ,
4
2!
8
114
2. INTERPOLACIJA
torej
1
kek x2 ke00 k .
8
S pomojo posledic 2.6 in 2.5 ugotovimo
ke00 k = k(f I3 f )00 k = kf 00 (I3 f )00 k =
(2.32)
= kf 00 L1 (f 00 )k 4 dist (f 00 , S1,xx ) 4 kf 00 k .
1
ke00 k 4 dist (f 00 , S1,xx ) 4 kf 00 I1 (f 00 )k x2 kf (4) k .
2
S tem smo dokazali tale konvergenni izrek.
1
x4 kf (4) k .
16
Konstante v izreku niso najbolje mone. Zanimivo je tudi, da je red aproksimacije polnega interpolacijskega zlepka enak kot v primeru lokalne Hermiteove
kubine interpolacije, ki zahteva e enkrat ve podatkov.
ima ve omejitev. Takna izraava je neuporabna povsod tam, kjer potrebujemo bazo prostora zlepkov v zakljueni obliki, na primer v aproksimaciji po
metodi najmanjih kvadratov. Poiimo zato bazo prostora odsekoma polinomskih funkcij stopnje k ,
Sk,xx = {f | f|
Pk } C k1 ([a, b]) ,
(xi ,xi+1 )
ki bo imela podobno dobre numerine lastnosti kot baza (Hi )ni=0 (1.6, str. 16)
v prostoru S1,xx kar se da kratek nosilec in pozitivnost v notranjosti nosilca.
Linearni zvezni Hi po (2.31) izrazimo tudi takole
(2.33)
115
napaka
napaka
1
3
5
7
9
11
13
15
17
19
4.47360102
1.19266103
1.66658104
4.45912105
1.65510105
7.48048106
3.85631106
2.18389106
1.32769106
8.52670107
-3.30
-3.85
-3.92
-3.94
-3.96
-3.97
-3.97
-3.98
-3.98
1
3
5
7
9
11
13
15
17
19
9.24556101
6.82842101
4.21705101
2.45909101
1.42871101
8.41281102
5.04639102
3.08907102
1.93118102
1.23356102
-0.28
-0.94
-1.60
-2.16
-2.64
-3.06
-3.43
-3.75
-4.03
. . . ti ti+1 ti+k+1 . . . ,
ti < ti+k+1 ,
e so vsi vozli med seboj razlini, lahko uporabimo izraavo deljene diference
(2.5, str. 84) in B-zlepek (2.34) zapiemo v zakljueni obliki
(2.35)
i+k+1
X
`=i
(t` x)k+
.
i+k+1
Q
(t` tj )
j=i
j6=`
116
2. INTERPOLACIJA
Bi,k
Bi,0
Bi,1
Bi,2
ti
ti+1
Bi,3
Bi,4
ti+2
ti+3
ti+4
ti+5
Bi,k ,
Dokaz. Naj bo x < ti . Tedaj je (tj x)k+ = (tj x)k Pk za vse j i, torej
to velja tudi za linearno kombinacijo teh odrezanih potenc
Bi,k (x) = (ti+k+1 ti )[ti , . . . , ti+k+1 ]( . x)k+ =
= (ti+k+1 ti )[ti , . . . , ti+k+1 ]( . x)k = 0 ,
saj je Pk vsebovan v jedru deljenih diferenc na vsaj k +2 tokah. Za x > ti+k+1
je (tj x)k+ = 0, za vse j i+k +1. Torej to velja tudi za linearno kombinacijo
(izrek 2.7 (str. 88)) in trditev je v celoti dokazana.
Oblike (2.35) skoraj nikoli ne uporabljamo za numerini izraun vrednosti B-zlepkov. Prava odlika B-zlepkov je skrita v rekurzivni formuli, ki omogoi izraunati vrednost B-zlepka numerino absolutno stabilno. Osveimo
117
+
Bi,k (x) = (ti+k+1 ti ) ([ti ]( . x)) [ti , . . . , ti+k+1 ]( . x)k1
+
+
= (ti+k+1 ti ) (ti x)[ti , . . . , ti+k+1 ]( . x)k1
+
.
+ [ti+1 , . . . , ti+k+1 ]( . x)k1
+
Ker je
Bi,k1 (x)
Bi+1,k1 (x)
1
=
,
ti ti+k+1 ti+k ti
ti+k+1 ti+1
(2.36)
dobimo
Bi,k1 (x)
Bi+1,k1 (x)
ti x
Bi,k (x) = (ti+k+1 ti )
+
ti ti+k+1 ti+k ti
ti+k+1 ti+1
Bi+1,k1 (x)
+
.
ti+k+1 ti+1
Bi,0 (x) =
k 1,
Ker je supp Bi,k po izreku 2.16 vsebovan v [ti , ti+k+1 ], sta za takne x obe
utei v rekurzivni formuli (2.37) nenegativni, za x (ti , ti+k+1 ) pa pozitivni.
Naj bo sedaj x [a, b] = [t0 , tn ] vrednost, v kateri raunamo Bi,k (x). Obstaja
natanko en i, 0 i < n, taken, da je ti x < ti+1 ali ti x ti+1 v primeru
i = n 1. Med vsemi B-zlepki stopnje 0 je natanko Bi,0 (x) = 1, vsi drugi so
ni. To je tudi izhodie za uporabo rekurzivne formule (2.37). V shemi, ki
118
2. INTERPOLACIJA
Bi1,1 (x)
Bi,0 (x) = 1
0
..
.
Bi,1 (x)
0
..
.
Bik,k (x)
..
.
Bi2,2 (x)
.
Bi1,2 (x) ..
Bik+1,k (x)
..
.
Bi,2 (x)
.
..
.
..
.
..
..
.
Bi,k (x)
..
.
t = x0 , x0 , . . . , x0 , x1 , x2 , . . . , xn1 , xn , xn , . . . , xn .
|
{z
}
|
{z
}
k+1
k+1
Ker tejemo vozle od ena naprej, tejemo tako tudi B-zlepke. B-zlepki z razlinimi indeksi so
Bi,k Sk,xx .
119
n + 1 = 6,
1.0
0.8
0.6
0.4
0.2
2
10
s=
n+k
X
i Bi,k
i=1
s(x) =
=
n+k
X
i=1
n+k
X
i=1
i Bi,k (x) =
n+k
X
ti+k+1 x
x ti
Bi,k1 (x) +
i
Bi+1,k1 (x) .
i
ti+k ti
ti+k+1 ti+1
i=1
A nosilec B1,k1 se kona v tk+1 = x0 = a, torej prvega lena v levi vsoti ni,
prav tako tudi zadnjega v desni. Sumacijski indeks v drugi vsoti zamenjajmo
120
2. INTERPOLACIJA
z i i 1 in dobimo
s(x) =
x ti
ti+k x
i
+ i1
Bi,k1 (x) .
ti+k ti
ti+k ti
|
{z
}
n+k1
X
i=1
[1]
=: i
s(x) =
n+k1
X
[1]
i (x)Bi,k1 (x) = . . . =
n
X
i=1
Polinome
(2.39)
[k]
i (x)Bi,0 (x) .
i=1
[r]
i
Pr , r = 0, 1, . . . , k , raunamo rekurzivno z
r = 0,
i ,
[r]
[r1]
[r1]
i (x) :=
(x ti ) i
(x) + (ti+k+1r x) i1 (x)
, r > 0.
ti+k+1r ti
s(x) =
n+k
X
i Bi,k (x) =
i=1
j
X
i Bi,k (x) =
j
X
[k]
[k]
i=j
i=jk
[k]
jk (x)
..
..
.
[k1]
j1 (x)
[k1]
j
(x)
[k]
j (x)
..
.
..
.
[0]
j (x)
[r]
(2.40)
Bi,k (x) = 1.
i=1
Podobno zlepek s =
jamo B-zlepke. Iz
n+k
P
i=1
d .
( x)k+ = k ( . x)k1
+ ,
dx
k 1,
121
in (2.36) dobimo
0
Bi,k
(x) = k (ti+k+1 ti )[ti , . . . , ti+k+1 ]( . x)k1
=
+
Bi,k1 (x)
Bi+1,k1 (x)
=k
.
ti+k ti
ti+k+1 ti+1
s (x) =
=
=
n+k
X
i=1
n+k
X
0
i Bi,k
(x) =
Bi,k1 (x)
Bi+1,k1 (x)
i k
=
ti+k ti
ti+k+1 ti+1
i=1
n+k1
X
i=1
k
(i i1 )
Bi,k1 (x) .
t
ti
|
{z i+k
}
(1)
=: i
Od tod
(2.41)
s(r) (x) =
n+k
X
(r)
i Bi,k (x) =
i=1
n+kr
X
(r)
i Bi,kr (x),
1 r k.
i=1
(r)
r = 0,
i ,
(r)
(r1)
(r1)
(2.42)
i :=
i
i1
, r > 0.
(k + 1 r)
ti+k+1r ti
Zakljuimo razdelek o zlepkih s Schoenberg-Whitneyjinim izrekom, ki v splonem opredeli korektnost interpolacijskih nalog v Sk,xx .
goji
s(i ) = fi ,
i = 1, 2, . . . , n + k,
kjer so interpolacijske toke i urejene z 1 < 2 < . . . < n+k , enolino doloen
natanko tedaj, ko je i (ti , ti+k+1 ) za vse i ( Schoenberg-Whitneyjin pogoj).
Dokaz. Naj Schoenberg-Whitneyjin pogoj ne bo izpolnjen. Torej obstaja
i, 1 i n + k , taken, da je i ti ali i ti+k+1 . Pokazati je treba,
da interpolacijski problem ni korekten, ker je matrika (Bj,k (i ))n+k
i,j=1 izrojena.
Poglejmo monost i ti . Torej je Bi,k v i enak ni, a tudi vsi B-zlepki, ki
imajo nosilec bolj v desno kot je supp Bi,k . Vsi ti B-zlepki so enaki ni tudi v
vseh interpolacijskih tokah, ki so bolj levo, kot je i . To pomeni
Bj,k (` ) = 0,
j = i, i + 1, . . . , n + k, ` = 1, 2, . . . , i,
122
2. INTERPOLACIJA
Bi,k
0
..
.
0
0
Bn+k,k
0
0
...
n+ki
n+k
|
{z
n+ki+1
ti+1 i ti+k ,
ti < i < ti+k+1 :
Bj,k (` ) = 0,
j = i + 1, i + 2, . . . , n + k, ` = 1, 2, . . . , i,
Bi,k
Bn+k,k
1
0
i
...
n+ki
n+k
i
{z
n+ki
123
n+k
ugotavljanje neizrojenosti prenesli na matriki (Bj,k (` ))i1
`,j=1 in (Bj,k (` ))`,j=i .
Delitev na manje probleme opravimo tolikokrat, kot se le da. Torej je dovolj
pokazati neizrojenost matrike, ki pripada problemu, ki se ga ne da ve deliti.
Naj bo to kar prvotni, torej mora zanj veljati
(2.43)
ti+1 i ti+k ,
i = 1, 2, . . . , n + k.
j Bj,k (i ) = 0,
i = 1, 2, . . . , n + k.
j=
s :=
n+k
X
j Bj,k Sk,xx ,
s(i ) = 0, i = 1, 2, . . . , n + k.
j=1
Vsi koecienti
ne morejo biti 0, saj bi to po (2.42) in (2.40) pomenilo, da
je s = konst 6= 0, torej protislovje. To pomeni, da mora biti matrika
(Bj,k1 (i ))n+k1
i,j=1
izrojena. A nile i zadoajo po (2.43) Schoenberg-Whitneyjinim pogojem za
stopnjo k 1,
i = 1, 2, . . . , n + k 1.
124
2. INTERPOLACIJA
3.5. Naloge.
3.1. Naj bo f C ([a, b]) monotona funkcija. Dokai, da je I1 f tudi monotona.
xi1 + xi
, i = 1, 2, . . . , n,
2
ter 0 = a, n+1 = b. Naj bo pi skritev parabolinega zlepka na interval
[i , i+1 ]. Upotevaj pi (xi ) = f (xi ) in izrazi pi z vrednostma
i =
vi = pi (i ), vi+1 = pi (i+1 ).
Zakaj takna izraava pi zagotavlja p C ([a, b])? Izpelji pogoje za vrednosti
vi , ki zagotavljajo, da je p tudi zvezno odvedljiv. Poenostavi jih za primer, e
so toke xi ekvidistantne.
3.5. Funkcijo f (x) = sin x interpoliramo na intervalu 0, 4 z odsekoma linearno funkcijo I1 f na ekvidistantno izbranih tokah. Na koliko delov moramo
vsaj razdeliti interval, da bo za napako veljala ocena kf I1 f k 5 106 ?
Kaj pa, e interpoliramo z odsekoma kubino funkcijo (Hermiteova interpolacija)?
p00i (xi ) = mi ,
3.7. Naj bodo vozli ti ekvidistantni in i+1/2 := (xi + xi+1 )/2. Izraunaj
f C k ([a, b]),
r=0
kjer je i poljubna toka v (ti , ti+k+1 ), torej tam, kjer zagotovo velja
x (ti , ti+k+1 ),
in je
1
((ti+1 x)(ti+2 x) (ti+k x)) .
k
Pokai, da funkcionali dobro denirani tudi nad B-zlepki in da velja
(x) :=
i Bj,k = i,j .
125
Del II
Odvajanje in integriranje
POGLAVJE 3
Odvajanje
129
130
3. ODVAJANJE
1.3. Aproksimacija odvodov v zakljueni obliki. Tu hoemo izpeljati formule za aproksimacijo odvodov, v katerih nastopajo le znane konstante
in dana funkcija f v predpisanih tokah. Spet ni veliko izbire. Treba je posei
po polinomih in odvode funkcije aproksimirati z odvodi interpolacijskih polinomov. Za dovoljkrat zvezno odvedljivo f izrek 2.9 (str. 90) razdeli funkcijo v
interpolacijski polinom in ostanek v zakljueni obliki. To formulo vzamemo za
izhodie izpeljave pravil za odvajanje v zakljueni obliki.
131
napaka
napaka
1
20
1
40
1
80
1
160
1
320
1
640
0.9999999479105
5.210-8
0.9997916145796
2.110-4
0.9999999981404
1.910-9
0.9999479199229
5.210-5
0.9999999998658
1.310-10
0.9999869792526
1.310-5
0.9999999999915
8.510-12
0.9999967448049
3.310-6
0.9999999999994
5.610-13
0.9999991861720
8.110-7
1.0000000000000
9.310-15
0.9999997965630
2.010-7
4
8
16
32
64
Izrek 3.1. Naj bo f C n+r+1 ([a, b]) in naj bodo x = (xi )ni=0 , xi [a, b],
interpolacijske toke. Tedaj je
(3.1)
r
X
r! (k)
f (r) (x) = p(r) (x) +
(x) [x0 , x1 , . . . , xn , x, x, . . . , x ]f,
| {z }
k!
k=0
kjer je
p(x) =
n
X
x [a, b],
rk+1
i=0
dr
( (x) [x0 , x1 , . . . , xn , x]f )
dxr
zakljui dokaz.
Uporabimo izrek in izpeljimo nekaj pravil za numerino odvajanje. Za
sploni x in toke xi je treba to opraviti problemu primerno. Zato predpostavimo, da so interpolacijske toke dane ekvidistantno,
xi = x0 + i h,
i = 1, 2, . . . , n ,
in fi := f (xi ). Poenostavimo izpeljavo e z dodatno zahtevo, da odvode aproksimiramo v toki x, ki je na nek nain v sorodu z interpolacijskimi tokami.
Stopnjo uporabljenega interpolacijskega polinoma pove n, za vmesno toko
velja mini (xi ) < < maxi (xi ). Za funkcijo f predpostavimo, da je tolikokrat
zvezno odvedljiva, kot je potrebno v izraavi napake.
132
3. ODVAJANJE
f1 f0
.
h
Produkt je tu (x) = (x x0 )(x x1 ). Iz (3.1) izrazimo napako
p0 (x0 ) = [x0 , x1 ]f =
f 0 (x0 ) =
f (2) ()
.
2!
f1 f0 1
h f (2) ().
h
2
f2 f0
2h
in za produkt (x) = (x x0 )(x x2 ) izraunamo
p0 (x1 ) = [x0 , x2 ]f =
(x1 ) = h2 ,
0 (x1 ) = 0.
Od tod
f 0 (x1 ) =
f2 f0 1 2 (3)
h f () .
2h
6
Simetrina diferenca v zgledu 3.3 da pri isti stopnji polinoma za red boljo
aproksimacijo odvoda v srednji toki kot enostranska v zgledu 3.2, eprav obe
uporabita dve funkcijski vrednosti.
Zgled 3.4 (Simetrina deljena diferenca ). e enkrat aproksimirajmo prvi odvod f 0 (x1 ), le da interpoliramo s parabolo, n = 2. Interpolacijski polinom p
dobimo kot
p(x) = f (x0 ) + (x x0 )[x0 , x1 ]f + (x x0 )(x x1 )[x0 , x1 , x2 ]f .
Odvajajmo p in vstavimo x = x1 ,
[x0 , x1 ]f [x1 , x2 ]f
=
2h
1
= ([x0 , x1 ]f + [x1 , x2 ]f ) =
2
133
f 0 (x1 ) =
f2 f0 1 2 (3)
h f () .
2h
6
Povzetek teh treh zgledov in drugih aproksimacij odvodov najdemo v tabelah 3.2, 3.3 in 3.4. Za zakljuek dodajmo e numerien zgled, ki nas podui,
n
1
f 0 (x0 )
f 0 (x1 )
f 0 (x1 )
f 0 (x0 )
3 f 0 x1 + 12 h =
f1 f0 1 00
hf ()
h
2
f2 f0 1 2 (3)
h f ()
2h
6
f2 f0 1 2 (3)
h f ()
2h
6
3f0 + 4f1 f2 1 2 (3)
+ h f ()
2h
3
f0 27f1 + 27f2 f3
3 4 (5)
+
h f ()
24h
640
n
f0 2f1 + f2
1
h2 f (4) ()
h2
12
f0 2f1 + f2
2
f 00 (x0 )
=
hf (3) () + O h2
2
h
f
+
3f1 3f2 + f3 1 2 (5)
0
3 f (3) x1 + 21 h =
h f () + O h4
3
h
8
f
+
16f
30f
+
16f
1
0
1
2
3 f4
4
f 00 (x2 )
=
+ h4 f (6) ()
2
12h
90
2
f 00 (x1 )
f 00 (0) s simetrinima deljenima diferencama. Tabela 3.5 kae numerine rezultate, ki po kakovosti niso primerljivi s tabelo 3.1. Resda je asovna zahtevnost
tu precej manja, a kaj je bolje: hitro do malo vrednih rezultatov ali poasneje
do sprejemljivih vrednosti.
134
3. ODVAJANJE
n
2
f0 4f1 + 6f2 4f3 + f4
(5)
2hf
()
+
O
h
h4
f0 4f1 + 6f2 4f3 + f4
4 f (4) (x1 ) =
hf (5) (1 ) + O h2
4
h
f
4f
+
6f
1
0
1
2 4f3 + f4
4 f (4) (x2 ) =
h2 f (6) () + O h4
4
h
6
4 f (4) (x0 ) =
napaka
102
103
104
105
106
107
108
109
1.0000166667500
1.0000001666667
1.0000000016669
1.0000000000121
0.9999999999732
0.9999999994736
0.9999999939225
1.0000000272292
1.710-5
1.710-7
1.710-9
1.210-11
2.710-11
5.310-10
6.110-9
2.710-8
8.310-6
8.410-8
6.110-9
8.310-8
8.910-5
2.310-2
1.0
1.0
f (h) + , f (h) + + ,
kjer sta in + neodstranljivi napaki. Nikakor ni za priakovati, da bi bili
lahko v splonem enaki in bi se med seboj uniili. Torej imamo
2h }
izraunano
+
{z }
| 2h
neodstranljiva napaka
f (3) () 2
h
| 6{z }
okrnitvena napaka
Neodstranljiva napaka torej raste kot O h1 , okrnitvena napaka pada kot
2
O h , ko h 0. Predpostavimo, da f (3) () 1, 12 1016 in ocenimo optimalni h (slika 3.1). Funkcija
g(h) =
1 16 1 2 + f (3) () 2
10
+ h
+
h
h
6
2h
6
135
napaka
4. 10-11
3. 10-11
2. 10-11
1. 10-11
hopt
1.4. Naloge.
1.1. Naj bodo dane toke x0 < x1 < x2 . Uporabi parabolo, ki se v teh tokah
ujema z dano funkcijo f in izpelji formule za aproksimacijo f 0 (xi ), i = 0, 1, 2.
1.3. Naj velja fi := f (xi ), kjer so delilne toke xi ekvidistantne. Izpelji formulo za numerino odvajanje
f 0 (x1 ) = Af0 + Bf1 + Cf2 + Df3 + Ef (4) ()
z odvajanjem interpolacijskega polinoma stopnje 3 v prvi Newtonovi obliki.
1.4. Izpelji simetrino pravilo za n-ti odvod, tako da funkcijo interpolira v ekvidistantnih tokah xi , i = 0, 1, . . . , n, in izrauna odvod v toki xn/2 . Doloi
red napake.
1.5. Naj bodo toke xi = x0 + i h, i = 0, 1, . . . , n izbrane ekvidistantno. Poe-
136
3. ODVAJANJE
1.8. Rei nalogo 1.6 e enkrat, a pri predpostavki, da se napaka izraa tako,
kot sledi iz naloge 1.7.
POGLAVJE 4
Integriranje
137
138
4. INTEGRIRANJE
Sf =
f (x) dx
a
oznai integral, katerega vrednost je treba dovolj natanno izraunati. Numerini postopek potrebujemo na primer zato, ker je f takna, da nedoloenega
integrala v zakljueni obliki ne poznamo ali, ker e funkcijo f poznamo le v doloenih tokah ipd. Veina osnovnih metod v numerinem integriranju temelji
na formulah v zakljueni obliki: numerini pribliek dobimo kot linearno kombinacijo podatkov o integrirani funkciji. Koecienti v tej linearni kombinaciji,
ki jim bomo rekli utei, bodo znani vnaprej in neodvisni od integrirane funkcije. Privzeli bomo, da je funkcija f v (4.1) dovolj pohlevna, vsaj Riemannovo
integrabilna. Pogosto bomo zahtevali e ve, na primer napako metode bomo
najpogosteje povedali le za vekrat zvezno odvedljive funkcije.
Vrednost integrala (4.1) je enaka ploini lika, ki ga na intervalu [a, b] doloata funkcija f in abscisna os. V integriranju funkcij dveh ali ve spremenljivk
interval zamenja obmoje v Rd , d 2, in raunamo prostornino v treh ali ve
razsenostih. Zato pogosto sreamo ime kvadraturna za prvi in kubaturna pravila za drugi razred problemov. Tu bomo uporabljali enotno ime (numerina)
integracijska pravila.
Za izraun integrala (4.1) je vasih treba uporabiti posebne prijeme. Vsekakor takrat, ko integrirana funkcija ni dovolj lepa, za zgled
Z1
Sf =
0
dx
,
x
a je iskana vrednost integrala povsem dobro denirana. Tudi raziritev numerinega integriranja na neomejen interval
Z
Sf =
Zb
f (x) dx := lim
f (x) dx
Z
Zb
sledi
|Sf |
b a,
kf k
|Sf |
b a.
f C ([a,b]) kf k
kSk = max
f 6=0
139
Zgled 4.1. Naj bo x = (xi )ni=0 , a = x0 < x1 < < xn = b delitev intervala.
kjer je
(`i )ni=0
F f = Sp =
n
X
i=0
Zb
f (xi )
`i (x) dx =
a
n
X
i=0
i f (xi ) ,
140
4. INTEGRIRANJE
Zb
(4.2)
i := i,xx :=
`i (x) dx
a
Sf = F f + Rf =
n
X
i f (xi ) + Rf .
i=0
Ff =
n X
i 1
X
i,j f (xi ).
i=0 j=0
kFn k konst.
141
Ker je bil p poljuben, lahko izberemo tistega, ki minimizira desno stran. Tako
smo izpeljali oceno
|Rn f | konst1 dist(f, Pm ) ,
kjer je konst1 pozitivna konstanta. Ko n raste, raste po predpostavki tudi
m = m(n), torej konvergira po Weierstrassovem izreku 1.1 (str. 18) desna stran
proti 0, zato tudi leva.
Izrek 4.1 ima pomembno posledico.
n
n
X
X
X
|Fn f | =
i,n f (xi,n )
|i,n | |f (xi,n )| kf k
|i,n | =
i=0
i=0
= kf k
n
X
i=0
i,n = kf k Fn 1 = kf k S 1 = kf k (b a).
i=0
Ker je tudi
kFn k
kFn 1k
= kFn 1k = kS 1k = b a,
k1k
1.3. Ostanek in Peanov izrek. Poglejmo si podrobneje izraavo ostanka R. Naj integracijsko pravilo temelji na integriranju interpolacijskega polinoma stopnje n. Izrek 2.9 (str. 90) pove, da lahko ostanek pravila za dovolj
pohlevno funkcijo zapiemo v obliki
Zb
(4.4)
Rf =
Z
Zb
Zb
= |[x0 , . . . , xn , ]f |
a
|f (n+1) ()|
|(x)| dx =
(n + 1)!
Zb
|(x)| dx ,
a
142
4. INTEGRIRANJE
kjer sta , (a, b). e ne spremeni predznaka v [a, b], je izraava napake
precizneja,
Zb
(4.5) Rf = [x0 , . . . , xn , ]f
a
f (n+1) ()
(x) dx =
(n + 1)!
Zb
(x) dx ,
, (a, b).
Zb
Zb
(x)[x0 , . . . , xn , xn+1 ]f dx = [x0 , . . . , xn , xn+1 ]f
(x) 1 dx = 0,
a
Zb
(4.6)
Rf =
a
Produktu smo dodali e en faktor, kar lahko razumemo kot povianje reda
aproksimacije, hkrati se je povealo tudi tevilo tok v deljeni diferenci. Oba
koraka lahko v izpeljavi najprimerneje izraave napake zdruimo, kot kae
tale primer.
x(x 1) 1 dx =
= 0.
4
2
1
1
f (4) ()
=
4!
x5 x3
5
3
1
1
= f (4) (),
90
1
1 < < 1.
143
Rf =
a
1 .
R ( s)m
+ .
m!
Dokaz. Ker je f C m+1 ([a, b]), jo lahko razvijemo v Taylorjev polinom okoli
toke a, z ostankom v zakljueni obliki,
f (x) = f (a) + f 0 (a)(x a) + +
1
+
m!
Zx
f (m) (a)
(x a)m +
m!
1
+
m!
f (m) (a)
(x a)m +
m!
Zb
f (m+1) (s)(x s)m
+ ds.
a
Zb
f
Rf = 0 +
(m+1)
(s)
Zb
1 .
m
R ( s)+ ds = f (m+1) (s)K(s)ds.
m!
a
Izrek je dokazan.
Iz Peanovega izreka izpeljemo oceni ostanka integracije Rf .
Zb
|f
(m+1)
(s)||K(s)| ds kf
(m+1)
|K(s)| ds.
a
f (m+1) () m+1
R x
,
(m + 1)!
(a, b).
144
4. INTEGRIRANJE
Dokaz. Prva trditev je oitna. Za drugo uporabimo izrek 4.2, kjer vstavimo
f (x) = xm+1 . Dobimo
Zb
K(s) ds =
a
1
R xm+1 .
(m + 1)!
Zb
Rf =
Zb
f
(m+1)
(s)K(s) ds = f
(m+1)
()
f (m+1) ()
K(s) ds =
(m + 1)!
R xm+1 ,
(a, b).
1.4. Naloge.
1.1. Vzemi ekvidistantne toke in izpelji integracijsko pravilo
Z
x1
x0
x1
f (x)dx =
x0
x0
(f (x0 ) + f (x1 )) + Rf.
2
Izraunaj ali oceni napako pri raunanju integrala enkrat in dvakrat zvezno
odvedljive funkcije.
x3
f (x)dx =
x0
3h
(f (x1 ) + f (x2 )) + Rf,
2
kjer so toke izbrane ekvidistantno. Izraunaj ali oceni napako pri raunanju
integrala f C r ([x0 , x3 ]), r = 1, 2.
x1
f (x)dx =
x0
h
h2 0
(f (x0 ) + f (x1 )) +
f (x0 ) f 0 (x1 ) + Rf,
2
12
Pomagaj si s
Ra
145
146
4. INTEGRIRANJE
ba
,
n
a =: x0 , h =
xi = x0 + i h, i = 1, 2, . . . , n.
odprtega pa
i=0
xn
f (x) dx =
x0
n1
X
i fi + Rf.
i=1
n
n X
i
X
X
t
t
i
ij i
p(x) = p(x0 + h t) =
f0 =
(1)
fj =
i
i
j
i=0
i=0
j=0
n
n
X X
t
(1)ij i
fj .
=
j
i
j=0
i=j
V splonem za utei velja izraava (4.2, str. 140). Z novo integracijsko spremenljivko t, vpeljano z x = x0 + h t, dx = h dt, jo za zaprti tip pravil poenostavimo
v
Z n
n
X
t
ij i
(1)
dt , j = 0, 1, . . . , n,
j = j,n = h
j
i
0
i=j
Z n
n1
X
t1
ij i 1
j = j,n = h
(1)
dt ,
j1 0 i1
147
j = 1, 2, . . . , n 1.
i=j
t
n+1
(x) = (x0 + h t) = (n + 1)! h
= hn+1 t (t 1) (t n)
n+1
in napaka metode za pravila zaprtega tipa je
Z n
n+2
Rf = h
t(t 1) (t n) [x0 , . . ., xn , x0 + h t]f dt.
0
t dt
1
= h,
2
Z
1 = h
1
t dt = h.
2
h2 t(t 1)
1
1
1
00
(4.8)
Sf = h
f0 + f1 h3 f (), x0 < < x1 .
2
2
12
utemi
1
1
1
1 dt
t dt +
0 = h
t(t 1) dt = h 2 2 +
= h,
3
3
0
0
0 2
Z 2
Z 2
2
4
1 = h
t dt
t(t 1) dt = h 2
= h,
3
3
0
0
Z 2
1
1
2 = h
t(t 1) dt = h.
3
0 2
2
148
4. INTEGRIRANJE
Sf = h
4
1
1
f0 + f1 + f2
3
3
3
1 5 (4)
h f (), x0 < < x2 .
90
x1
1
h
(f0 + f1 ) h3 f (2) () , (trapezno pravilo),
2
12
x
Z 0x2
1
h
f (x) dx = (f0 + 4f1 + f2 ) h5 f (4) () , (Simpsonovo pravilo),
3
90
x
Z 0x3
3
3
3h
(f0 + 3f1 + 3f2 + f3 ) h5 f (4) () , ( -pravilo),
f (x) dx =
8
80
8
x
Z 0x4
2h
8 7 (6)
f (x) dx =
(7f0 + 32f1 + 12f2 + 32f3 + 7f4 )
h f () .
45
945
x0
f (x) dx =
1
f (x) dx = 2hf1 + h3 f (2) () , (sredinsko pravilo),
3
x
Z 0x3
3
3h
(f1 + f2 ) + h3 f (2) () ,
f (x) dx =
2
4
x
Z 0x4
14
4h
(2f1 f2 + 2f3 ) + h5 f (4) () , (Milneovo pravilo),
f (x) dx =
3
45
x
Z 0x5
95 5 (4)
5h
(11f1 + f2 + f3 + 11f4 ) +
h f () .
f (x) dx =
24
144
x0
x8
f (x) dx =
x0
(4.11)
4h
989f0 + 5888f1 928f2 + 10496f3
14175
4540f4 + 10496f5 928f6 + 5888f7 +
2368 11 (10)
+ 989f8
h f
().
467775
149
Zx2
h
R( . x1 ) = (s x1 )r ds ((h)r + 40r + hr ) =
3
x0
1
1
r+1
r+1
r+1
r
=h
(1
(1) ) (1 + (1) ) =
r+1
3
r
(1 + (1) ) (r 2) r+1
=
h .
3(r + 1)
r
R( . s)m
m = 0, 1, 2,
+,
Km (s) = m!
s [x0 , x2 ].
1 R( . s)3 , m = 3, 4, . . .
+
3!
150
4. INTEGRIRANJE
Raunajmo
S( .
s)m
+
Zx2
= (u s)m
+ du =
x0
x2
1
(u s)m+1
=
+
m+1
x0
1
1
1
(x2 s)m+1
(x0 s)m+1
=
(x2 s)m+1 ,
+
+
m+1
m+1
m+1
h
m
m
m
F ( . s)m
+ = ((x0 s)+ + 4(x1 s)+ + (x2 s)+ ) =
3
h
m
= (4(x1 s)m
(4.13)
+ + (x2 s) ) .
3
Za x1 s x2 od tod jedro takoj preberemo, m!Km (s) = g(x2 s), kjer je
s
h
m
g(s) := s
.
m+1 3
=
Ker je
z = z+ (z)+ ,
je
z+ (z)+ = 0,
m
X
m i
m
=
z (1)mi (z)mi
= z+
+ (1)m (z)m
+.
+
i +
i=0
dr (r)
m+1 (r)
g (x2 s) (1)
g (s x0 )
=
dsr
s=x1
2 (m r)
m!
hm+1r
1 + (1)mr
= (1)r
(m + 1 r)!
3
151
K2
K0
K1
x0
x1
x2
x0
x1
x2
K3
4
Z
.
x1
1
R( . )4 = h4 R
= h5 t4 dt
(1)4 + 4 04 + 14 =
h
3
1
2 2
4
= ( ) h5 = h5 .
5 3
15
Od tod sledi okrnitvena napaka za f C 4 ([x0 , x2 ]),
f (4) ()
4
1
Rf =
5 2 8 3 1 4
|Km (s)|ds
=
h ,
h ,
h ,
9
81
36
x0
m=0
torej
5
|Rf | h2 kf (1) k , f C 1 ([x0 , x2 ]) ,
9
8
|Rf | h3 kf (2) k , f C 2 ([x0 , x2 ]) ,
81
1
|Rf | h4 kf (3) k , f C 3 ([x0 , x2 ]) .
36
Obiajno interval [a, b] ni majhen, zato tudi h ne, vsaj pri NewtonCotesovih pravilih z majhnim tevilom vozlov. Kako izboljati natannost
numerinega priblika integrala? Uporaba pravil z vse vejim n ne bo prava
pot. Tabela 4.1 v levem stolpcu zgovorno kae, kako norma pravil
n
X
|Fn f |
kFn k = max
= max |Fn f | =
|i,n |
f C ([a,b]) kf k
f C ([a,b])
f 6=0
kf k =1
i=0
raste eksponentno z n. To ne pomeni le, da Newton-Cotesova pravila ne konvergirajo za vse zvezne funkcije, kot potrjuje tabela 4.1 v srednjem stolpcu, ampak
152
4. INTEGRIRANJE
tudi, da utei ne morejo biti ve vse pozitivne, kot smo v (4.11) ali (4.12) e
ugotovili. Pri numerinem izraunu Fn lahko izgubljamo natannost na raun
neodstranljivih napak v izraunu funkcijskih vrednosti. V tabeli 4.1 to demonstrira desni stolpec. Numerine vrednosti aproksimacije integrala eksponentne
funkcije sprva kaejo eksponentno konvergenco, nato se zane aproksimacija
slabati. Neodstranjive napake v izraunu f (x) = ex se mnoijo z utemi,
ki po absolutni vrednosti rastejo. Hitro se prepriamo, da se lahko napaka,
ki tako nastane, od norme pravila v najslabem primeru loi le za faktor,
osnovno zaokroitveno napako. Kvocienti ocen napake v zadnjem stolpcu tabele 4.1 in ocen norme v prvem stolpcu v vrsticah n = 14, 16, . . . , se obnaajo
kot konst 1017 . Torej tudi pri integraciji eksponentne funkcije vidimo podobno napako kot v najslabem primeru. Zato v iskanju boljih aproksimacij
integralov uberemo drugo pot, podobno kot pri vpeljavi odsekoma polinomskih
funkcij.
norma
6
8
10
12
14
16
18
20
22
24
26
1.00100
1.45100
3.06100
7.53100
2.03101
58.5101
1.75102
5.44102
1.73103
5.63103
1.86104
0.19
0.37
0.45
0.50
0.53
0.55
0.57
0.58
0.59
0.60
6
8
10
12
14
16
18
20
22
24
26
napaka
7.62102
6.74102 -0.06
1.39101 0.36
2.59101 0.31
5.85101 0.41
1.39100
0.43
3.54100
0.47
9.42100
0.49
1
2.6110
0.51
7.47101
0.53
2.20102
0.54
napaka
6
8
10
12
14
16
18
20
22
24
26
3.35107
1.23109
3.431012
8.881015
8.881016
1.331015
1.781014
2.491014
7.151014
1.901013
1.601012
-2.80
-2.94
-2.98
-1.15
0.20
1.30
0.17
0.53
0.49
1.07
j=1
j1
153
i=0
i=0
j=1
j=1
h := j1 =
ba
,
m
Th := F1m ,
1
2.
Rh := R1m
ter
m
X
h
j=1
(f (xj1 ) + f (xj )) =
j = 0, 1, . . . , m .
m1
m
hX
hX
f (xj ) +
f (xj ) =
2
2
j=0
j=1
h
(f0 + 2f1 + + 2fm1 + fm ) .
2
V zgledu 4.3 (str. 147) je izpeljan ostanek za osnovno trapezno pravilo. Predpostavimo tudi tu f C 2 ([a, b]). Ostanek za sestavljeno pravilo je
m
m
X
1 3 (2)
h3 X (2)
Rh f =
h f (j ) =
f (j ) , xj1 < j < xj .
12
12
=
j=1
j=1
j=1
x0 xxm
(2)
(x) = m
max
x0 xxm
(2)
min
x0 xxm
f (2) (x)
m
1 X (2)
f (i ) max f (2) (x).
x0 xxm
m
i=1
(x)
154
4. INTEGRIRANJE
Po predpostavki je f (2) C ([x0 , xm ]), zato zavzame vse vrednosti med minimumom in maksimumom. Torej obstaja (x0 , xm ), da velja
m
1 X (2)
f (2) () =
f (i ) .
m
i=1
m1
X
h
T h f = Th f + h
f xj +
.
2
2
j=0
Ker imajo dodane vrednosti vse ute 1, si je dovolj zapomniti le njihovo vsoto
in h lahko ponovno razpolovimo.
Zgled 4.7 (Sestavljeno Simpsonovo pravilo ). Ravnamo podobno kot v izpeljavi sestavljenega trapeznega pravila. Osnovno pravilo ima dva podintervala.
Zato izberemo
1
ba
h := j1 =
,
2
2m
in vozle tejemo po vrsti
xj = a + j h,
j = 0, 1, . . . , 2 m.
drugi podinterval
h
(f (x0 ) + 4f (x1 ) + 2f (x2 ) + + 2f (x2m2 ) + 4f (x2m1 ) + f (x2m ))
3
1
(b a)h4 f (4) (), a = x0 < < x2m = b.
90
podintervalu
n+3
n+2
[j1 , j ] velja, da je reda O j1 za sode in O j1 za lihe n. Ker
155
3
je n 1, napaka pada vsaj kot O j1
, ko j1 0. Podobno lahko
ugotovimo za sestavljena pravila odprtega tipa. Uporabimo to.
Izrek 4.3. Naj bo (Fnm )m1 zaporedje sestavljenih integracijskih pravil, ki temeljijo na osnovnem pravilu s ksnim n N. Naj za osnovno pravilo Fn = Fn1
in dovoljkrat zvezno odvedljivo funkcijo g na intervalu doline h velja
Rn g = O (hr ) ,
r 2.
f C ([a, b]) ,
ko maxj j1 0.
Dokaz. Preverimo najprej, da je zaporedje integracijskih pravil enakomerno
omejeno,
|Fnm f |
=|
m
X
j1
j=1
||f ||
n
X
i f (xj,i ) |
i=0
n
X
i=0
|i |
m
X
j1
j=1
m
X
n
X
j1 = (b a) ||f ||
j=1
|i ||f (xj,i ) |
i=0
n
X
|i |.
i=0
|Fnm f |
konstn <
||f ||
omejen neodvisno od m, kar smo eleli pokazati. Sestavljena pravila konvergirajo za gladke funkcije g , saj velja
r1 !
m
m
X
X
r
m
Rn g =
R[j1 ,j ] g =
O ((j1 ) ) = O
max j1
.
j=1
j=1
Naj bo f C ([a, b]) poljubna izbrana funkcija. Po Weierstrassovem izreku 1.1 (str. 18) jo lahko poljubno natanno aproksimiramo s polinomom p,
torej velja
156
4. INTEGRIRANJE
jo sreamo tudi v drugih numerinih problemih. V praktini uporabi je pomembno, da Rombergova metoda omogoi izboljanje natannosti brez dodatnih izraunov funkcijskih vrednosti. Metodo izpeljemo kot nadgradnjo
sestavljenega trapeznega pravila. Kljuna je Euler-McLaurinova sumacijska
formula, s pomojo katere doloimo asimptotino vrsto za okrnitveno napako v zakljueni obliki. Temelji na Bernoullijevih polinomih Bn (slika 4.2).
Bernoullijevi polinomi nas bodo zanimali le na intervalu [0, 1]. Imajo ve la-
Bi
0.4
B1
0.3
0.2
B2
0.1
B3
0.2
B4
B5
0.4
0.6
0.8
1.0
-0.1
-0.2
-0.3
X
zk
z et z
Bk (t) .
G(z; t) := z
=
e 1
k!
k=0
n
X
n+1
Bk (t) = (n + 1)tn .
(4.16)
k
k=0
B0 (t) = 1,
B1 (t) = t 21 ,
B2 (t) = t2 t + 16 ,
B3 (t) = t3 32 t2 + 21 t,
B4 (t) = t4 2t3 + t2
1
30 ,
B5 (t) = t5 52 t4 + 35 t3 16 t.
157
n
n1
X
X n
n+1
0
n1
Bk (t) = (n + 1)n t
= (n + 1)
Bk (t).
k
k
k=1
k=0
n1
n1
X n + 1
X n
n+1
0
Bn (t) +
kBk1 (t) = (n + 1)
Bk (t) .
n
k
k
k=1
k=0
1
n+1
k
n+1
n
= 1,
=
.
n+1
n
n+1
k
k1
Sledi
n
Bn0 (t) =
Bn1 (t) = nBn1 (t)
n1
in trditev (1) je potrjena. Z vekratno uporabo lastnosti (1) ugotovimo
(k1)
k=0
k=0
Vstavimo s = 0 in lastnost (3) je preverjena. Zamenjajmo sedaj vlogo spremenljivk s in t v (4.18) ter vstavimo s = 1. Upotevajmo e (4.16) in ugotovimo
n1
X n
Bk (t) + Bn (t) = n tn1 + Bn (t),
Bn (t + 1) =
k
k=0
158
4. INTEGRIRANJE
1
1
1
b0 = 1, b1 = , b2 = , b3 = 0, b4 = , . . .
2
6
30
bk := Bk (0),
Bn (1) = bn = (1)n bn ,
n 2.
b2k+1 = 0,
k 1.
m1
X b2k
1
(f (2k1) (1) f (2k1) (0)) + Rf ,
f (t) dt = (f (0) + f (1))
2
(2k)!
k=1
Rf =
b2m (2m)
f
(),
(2m)!
0 < < 1.
Z1
f (t) dt =
1 Z1
1
1
= (f (0) + f (1))
2
1!
Z1
B1 (t)f 0 (t) dt.
0
159
1
(2r 1)!
Z1
Z1
B2r1 (t)f
(2r1)
(t) dt =
0
1
B2r (t) f (2r1) (t) dt =
(2r)!
Z1
1
1
1
(2r1)
B2r (t) f
(t)
B2r (t)f (2r) (t) dt =
(2r)!
(2r)!
0
0
Z1
1
b2r (2r1)
(2r1)
f
(1) f
(0)
B2r (t)f (2r) (t) dt .
=
(2r)!
(2r)!
0
1
(2r)!
Z1
B2r (t)f
(2r)
1
(t) dt =
(2r + 1)!
Z1
B2r+1 (t)f (2r+1) (t) dt,
0
saj so liha Bernoullijeva tevila enaka ni. Uporaba zadnjih dveh relacij za
r = 1, 2, . . . , m dokazuje (4.19), z ostankom
Z1
b2m (2m1)
1
(2m1)
Rf =
f
(1) f
(0) +
B2m (t)f (2m) (t) dt =
(2m)!
(2m)!
0
1
(2m)!
Z1
(B2m (t) b2m ) f (2m) (t) dt =
0
1
f (2m) ()
=
(2m)!
Z1
(B2m (t) b2m ) dt =
0
b2m (2m)
f
().
(2m)!
Z1
0
1
1
B2m+1 (t) = 0.
B2m (t) dt =
2m + 1
0
Izrek je dokazan.
Posledica
4.3 (Euler-McLaurinova
f C 2m ([a, b]) dana funkcija. Tedaj velja
Zb
(4.21)
f (t) dt = Th f
a
m1
X
k=1
sumacijska
formula ). Naj
b2k 2k (2k1)
h
f
(b) f (2k1) (a) + Rf ,
(2k)!
bo
160
4. INTEGRIRANJE
Ostanek je oblike
(4.22)
Rf =
b2m
(b a)h2m f (2m) (),
(2m)!
0 < < 1.
Dokaz. Izberimo i in interval [xi1 , xi ] ter vpeljimo g(t) := f (xi1 + h t), kjer
je h = xi xi1 . Za funkcijo g izrek 4.5 zagotavlja
Z1
0
m1
X b2k
1
g(t) dt = (g(0) + g(1))
(g (2k1) (1) g (2k1) (0)) + Rg ,
2
(2k)!
k=1
m1
X
k=1
b2k 2k (2k1)
h
f
(xi ) f (2k1) (xi1 )
(2k)!
2.4. Rombergova integracija. In sedaj k Rombergovi metodi. EulerMcLaurinova sumacijska formula (4.21) pove, da se ostanek sestavljenega trapeznega pravila za dovoljkrat zvezno odvedljive funkcije f izraa kot asimptotina vrsta v potencah h2 ,
Zb
f (x) dx = Th f + c2 h2 + c4 h4 + .
Sf =
a
161
izloimo vodilni len napake O h2 : drugo enabo pomnoimo z 22 in odtejemo prvo enabo
j
Th/2
r f, j = 1, 2, . . . ,
0
Th/2
r f := Th/2r f,
r N0
2j
j1
j1
pribliek, ki ga dobimo iz Th/2
. Iz
r f in Th/2r1 f ob izloanju lena O h
2j
h
j1
Sf = Th/2r1 f + c2j
+ ,
2r1
2j
h
j1
Sf = Th/2r f + c2j
+
2r
preberemo splono formulo za izraun stolpcev v Rombergovi metodi
(4.23)
j
Th/2
rf
j1
j1
22j Th/2
r f Th/2r1 f
22j 1
j = 1, 2, . . .
2j+2
j
Ekstrapolirani pribliek Th/2
, dobimo ga iz priblikov ser f je reda O h
stavljenega trapeznega pravila
Th/2r f, Th/2r1 f, . . . , Th/2rj f,
kar je shematino prikazano v tabeli 4.2. Pri praktinem raunanju
uporab 8
ljamo le nekaj korakov ekstrapolacije, na primer do reda O h . Prvi ekstra1
polirani stolpec, vrednosti Th/2
r f , ni ni drugega kot sestavljeno Simpsonovo
pravilo. Preverimo to:
1
Th1 f = (4Th f T2h f )
3
1
h
=
4 (f (x0 ) + 2f (x1 ) + 2f (x2 ) + + 2f (xn1 ) + f (xn ))
3 2
162
4. INTEGRIRANJE
Red napake
2
korak O h
O h4 O h6 O h8
h
Th0 f
1 f
Th/2
h
0
2 f
Th/4
Th/2 f
2
1 f
3 f
Th/4
Th/8
h
0
2
Th/4 f
Th/8 f
4
..
1 f
Th/8
.
..
h
0
Th/8 f
.
8
..
.
..
..
.
.
Tabela 4.2. Shema Rombergove metode
Sf =
0
|Sf Th0 f |
1.40859101
1
2
1
4
1
8
1
16
1
32
1
64
3.56493102
|Sf Th1 f |
5.79323104
3.70135105
8.94008103
2.32624106
2.23676103
1.45593107
5.59300104
9.10272109
1.39832104
5.689681010
3.49584105
|Sf Th2 f |
8.59466107
1.37594108
2.163111010
3.382851012
5.084821014
|Sf Th3 f |
3.354831010
1.341151012
2.886581015
1.998401015
unanju Sf =
R1
0
ex dx
163
Zgled 4.9. e zahteve posledice 4.3 niso izpolnjene, Rombergova ekstrapolacija v splonem ne prinese ni. Prepriajmo se na primeru
Z1
Sf =
0
2
x dx = .
3
|Sf Th0 f |
|Sf Th1 f |
1.66667101
1
2
1
4
1
8
1
16
1
32
1
64
6.31133102
2.85955102
1.01404102
2.33836102
3.58739103
8.53645103
1.26848103
3.08547103
4.48484104
1.19773103
1.58564104
3.95855104
|Sf Th2 f |
8.91006103
3.15052103
1.11388103
3.93818104
1.39236104
|Sf Th3 f |
3.05910103
1.08156103
3.82388104
1.35195104
unanju Sf =
R1
x dx
0
Ponovimo izraun e za
Z1 s
x
Sf =
1
2
3
+
2
6 .
dx
=
3
27
2.5. Naloge.
2.1. Obrazloi, zakaj je norma zaprtega Newton-Cotesovega pravila v levem
delu tabele 4.1 pri n = 6 enaka ena. Za katere n to e velja?
164
4. INTEGRIRANJE
|Sf Th0 f |
|Sf Th1 f |
2.05736101
1
2
1
4
1
8
1
16
1
32
1
64
6.13984102
1.86486102
5.80576103
1.85396103
6.05683104
2.01685104
1.32859102
4.39864103
1.52481103
5.36701104
1.89589104
6.70192105
|Sf Th2 f |
3.80616103
1.33322103
4.70827104
1.66448104
5.88479105
|Sf Th3 f |
1.29397103
4.57138104
1.61616104
5.71400105
unanju Sf =
R1
0
x 1 dx
3
x3
x0
3
3
f (x) dx = h (f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )) h5 f (4) ().
8
80
Najprej to pravilo poii z metodo nedoloenih koecientov, nato pa e s pomojo Lagrangeevega interpolacijskega polinoma.
2.3. Najpreprosteje pravilo odprtega tipa uporablja eno samo funkcijsko vrednost f1 = f (x1 ). Izpelji ga. Kaj ugotovi za (x) = x x1 ? Kaken je
ostanek? Izpelji e sestavljeno pravilo.
2.4. Izpelji Peanovo jedro za Milneovo pravilo. Preveri, da je ostanek res
5
oblike 1445h f (4) () za f C 4 ([a, b]).
2.5. Izpelji sestavljeno pravilo, ki temelji na osnovnem 38 -pravilu. Kaken je
ostanek pravila?
Rb
a f (x)dx, ki
temelji na Hermiteovi interpolaciji. Funkcija f naj bo v vozlih xi = a + i h
podana dvojno, fi = f (xi ), fi0 = f 0 (xi ). Predpostavi, da je f dovoljkrat zvezno
odvedljiva in ugotovi e ostanek pravila.
R
2
2.7. Integral 01 ex dx raunamo s sestavljenim trapeznim pravilom. Na koliko delov moramo razdeliti interval, da bo napaka manja od 106 ?
165
n
X
ir ,
r N.
i=1
2.10. Z uporabo sestavljenega trapeznega pravila in Peanovega jedra K0 dokai, da obstaja Eulerjeva konstanta
!
n
X1
lim
log n .
n
k
k=1
x [x] 12
dx.
(1 + x)2
/2
sin x dx.
0
.
4
x(1 x). Za numerini izraun integrala Sf = 0 f (x)dx s sestavljenim trapeznim pravilom je mogoe ugotoviti
asimptotino obliko napake
R1
Sf = Th f + c0 h2 ln h + c1 h2 + c2 h4 + c3 h6 + . . . .
Kako bi uporabil Rombergovo ekstrapolacijo za izraun integrala Sf ?
2.14. Kako bi s prijemi, ki jih poznamo za izraun enojnih integralov, numerino izraunali integrale
Z Z
f (x, y) dxdy,
R
166
4. INTEGRIRANJE
Z Z
z0 +h
f (z)dz =
z0 h
167
Zb
(4.24)
Sf =
f (x) dx =
n
X
i f (xi ) + Rf ,
i=0
Zb
Rf =
(4.25)
i=0
polinom stopnje i
[x0 , . . . , xn , x]f .
(x)
| {z }
polinom stopnje n + 1
{z
polinom stopnje n + r
Zb
(4.26)
Rf =
a
Zb
(4.27)
hg, hi =
g(x)h(x) dx,
a
168
4. INTEGRIRANJE
i=1
n
X
i f (xi ).
i=0
Q
Produkt faktorjev i (x xi ) v izraavi napake se povea za dva lena, x a
in x b. Ker sta znana, ju izloimo iz in ostanek pravila (4.26) zapiemo v
obliki
Zb
Rf = (x)[x0 , . . . , xn , x]f (x a)(x b) dx .
|
{z
}
a
(x)
Zb
g(x)h(x) (x) dx
hg, hi =
a
Sf =
f (x) (x) dx =
n
X
i f (xi ) + Rf
i=0
`i (x)(x) dx ,
a
169
Rf =
n
X
i=0
r
=x 1+0=x .
Iz Rf = 0 in (4.29) sledi Pr , r = 0, 1, . . . , n, in izrek je dokazan.
n
P
i=0
Zb
i =
`i (x) (x) dx ,
i = 0, 1, . . . , n,
so pozitivne.
Dokaz. Ker je Lagrangeev bazni polinom `j stopnje n in torej `2j polinom sto
pnje 2n, je R `2j = 0. Od tod sledi
Zb
`2j (x) (x) dx
0<
a
n
X
i `2j (xi ) + R `2j = j .
i=0
Ker so utei pozitivne, posledica 4.1 (str. 141) zagotavlja, da zaporedje pravil (Fn ) Gaussovega tipa konvergira po tokah f C ([a, b]) k S . Izpeljimo e
prirono obliko napake za dovoljkrat zvezno odvedljive funkcije.
170
4. INTEGRIRANJE
Izrek 4.8. Naj bo f C 2n+2 ([a, b]) in F integracijsko pravilo Gaussovega tipa
f (2n+2) ()
Rf =
(2n + 2)!
Zb
2 (x) (x) dx,
a < < b.
Dokaz. Uporabimo izrek 2.9 (str. 90) za funkcijo g(x) = [x0 , . . . , xn , x]f . Po
predpostavki je g C n+1 ([a, b]), torej velja
g(x) = p(x) + (x)[x0 , . . . , xn , x]g ,
kjer je p Pn interpolacijski polinom, ki se z g ujema v vseh xi . e zadnji
faktor izrazimo s funkcijo f , dobimo iz relacije (2.17, str. 91)
Zb
Rf =
Zb
2 (x) [x0 , x0 , . . . , xn , xn , x]f (x) dx .
=
a
[x0 , x0 , . . . , xn , xn , ]f =
f (2n+2) ()
,
(2n + 2)!
a < , < b .
Produkt (x) = xx0 mora biti na tem intervalu ortogonalen na vse polinome
stopnje < 1, torej na konstante. Iz
Z1
0=
(x x0 ) dx =
1
x2
1
x0 x = 2x0
2
1
Z1
0 =
Z1
`0 (x) dx =
1 dx = 2 .
1
171
Pravilo, ki ga dobimo, je
Z1
f (x) dx = 2f (0) + Rf ,
1
f (2) ()
Rf =
2
Z1
1
x2 dx = f (2) () .
3
Napaka je enaka ni za vse linearne funkcije. Sredinsko pravilo je najpreprosteje pravilo Gaussovega tipa, a tudi najpreprosteje Newton-Cotesovo pravilo
odprtega tipa.
Z1
f (x) dx = 0 f (x0 ) + 1 f (x1 ) + Rf .
1
Z1
0=
(x x0 )(x x1 ) dx =
1
x3 x0 + x1 2
x + x0 x1 x =
3
2
1
2
+ 2x0 x1 ,
3
4
1
Z1
x
x0 + x1 3 x0 x1 2
0 = (x x0 )(x x1 )x dx =
x +
x =
4
3
2
=
2
= (x0 + x1 ) .
3
Od tod dobimo
in
1
x1 = x0 =
3
x x1
1
= x 31 ,
x0 x1
2
1
x x0
=
x 3+1 ,
`1 (x) =
x x0
2
1
1
1
1
(x) = x +
x
= x2 .
3
3
3
`0 (x) =
172
4. INTEGRIRANJE
Utei sta
Z1
0 =
1
1
`0 (x) dx =
2
Z1
1 =
`1 (x) dx =
1
1
2
Z1
(x 3 1) dx = 1 ,
Z1
(x 3 + 1) dx = 1 .
f (4) ()
Rf =
24
=
f (4) ()
24
Z1
f (4) ()
(x) dx =
24
2
2 4 2
+
5 9 9
Z1
2
1
x4 x2 +
dx =
3
9
f (4) ()
,
135
Z1
1
1
1
f (4) ()
f (x) dx = f
+f
+
.
135
3
3
Qn (x) = cn xn + . . . ,
cn 6= 0,
Qn Pn1 .
f P2n+1 ,
in
i = i,n =
cn+2
1
,
cn+1 Qn+2 (xi ) Q0n+1 (xi )
Zb
2 (x) (x) dx =
a
1
c2n+1
i = 0, 1, . . . , n,
173
Qi (x)Qi (xj ) =
i=0
Uporabimo funkcional
(4.31)
n
X
Zb
Qi (xj )
i=0
Rb
a
cn+1
Qi (x)(x) dx =
Qn+2 (xj )
cn+2
Zb
a
Qn+1 (x)
(x) dx .
x xj
len pri i = 0,
Zb
Q0 (xj )
Zb
Q20 (x)(x) dx = kQ0 k22 = 1 .
Q0 (x)(x) dx =
a
Zb
a
Qn+1 (x)
cn+2
1
(x) dx =
.
x xj
cn+1 Qn+2 (xj )
`j (x) =
n
Y
k=0
k6=j
x xk
=
xj xk
(x xk )
k=0
n
Q
(x xj )
=
(xj xk )
(x)
,
(x xj ) 0 (xj )
k=0
k6=j
je
Zb
j =
a
Zb
=
a
(x)
(x) dx =
(x xj ) 0 (xj )
Zb
a
cn+1 (x)
(x) dx =
(x xj ) cn+1 0 (xj )
Qn+1 (x)
cn+2
1
(x) dx =
.
0
(x xj )Qn+1 (xj )
cn+1 Qn+2 (xj )Q0n+1 (xj )
174
4. INTEGRIRANJE
Tn (x) = cos(n) ,
x = cos ,
[0, ] .
Ute je za faktor
drugana kot v zgledu 1.14 (str. 57). Zato ortonormiran
sistem polinomov dobimo kot
r
r
2
2
1
T0 ,
T1 ,
T2 , . . .
in, za n > 0,
r
r
r
2
2 n1 n
2 n1
Tn (x) =
2
x + leni nije stopnje, cn =
2
.
xi = cos i := cos
1
+i ,
n+1 2
i = 0, 1, . . . , n.
0
Izraunajmo Tn+1
(xi ) in Tn+2 (xi ). Najprej je
0
Tn+1
(x) = (cos((n + 1)))0 = sin((n + 1)) (n + 1) 0 .
0 =
d
1
=
,
dx
sin
0
Tn+1
(x) = (n + 1)
sin((n + 1))
.
sin
Od tod
sin 2 + i
sin((n + 1)i )
= (n + 1)
=
= (n + 1)
sin i
sin i
1
= (1)i (n + 1)
.
sin i
A cos ((n + 1)i ) = 0, zato podobno
0
Tn+1
(xi )
175
i = q
=
2n+1
2
2n
1
2
(1)i+1 sin i
sin i
2
(n + 1)(1)i
.
n+1
Ker je
1
c2n+1
22n+1
Z1
1
f (x)
X
dx =
f (cos i ) + 2n+1
f (2n+2) () ,
2
n
+
1
2
(2n
+
2)!
1x
i=0
1 < < 1,
Podobno izraavo integracijskih pravil poznamo tudi za druge znane druine ortogonalnih polinomov. A nobena zakljuena oblika ni tako preprosta
kot ta, ki smo jo izpeljali.
Med znanimi pravili Gaussovega tipa sta tudi dve, pri katerih zahtevamo
ksno izbiro vozla. V Gauss-Lobattovih pravilih sta predpisani obe krajii
intervala, x0 = 1 in xn = 1. Pri Gauss-Radaujevih pravilih je ksno le levo
krajie, x0 = 1.
A z j = xj,n z j ,
j = 0, 1, . . . , n,
176
4. INTEGRIRANJE
a0
b1
(4.33)
A=
b1
a1
..
.
b2
..
.
..
.
bn1 an1
bn
bn
an
j = 0, 1, . . . , n,
Qi (x) Qi (t) =
i=0
in izraunajmo limito t x.
L'Hospitalovo pravilo in dobimo
n+1
X
Q2i (x) =
i=0
cn+1 0
Qn+2 (x)Qn+1 (x) Q0n+1 (x)Qn+2 (x) .
cn+2
Vstavimo sedaj nilo xj,n , Qn+1 (xj,n ) = 0, in upotevajmo izrek 4.9. Dobimo
novo izraavo utei Gaussovih integracijskih pravil,
1
(4.34)
j,n = n
, j = 0, 1, . . . , n.
P 2
Qi (xj,n )
i=0
(4.35)
Uporabimo funkcional
konstanta, je
Rb
Zb
Q20 (xj,n )
i=0
Zb
Zb
Q20 (xj,n )(x)dx
(x)dx =
a
Q20 (xj,n )
= j,n Q20 (xj,n ).
n
P
Q2i (xj,n )
=
a
j = 0, 1, . . . , n.
177
Zgled 4.13. Vrnimo se k zgledu 4.12, to pot po numerini poti. Ker je ute
1
(x) =
(za razliko z (1.34, str. 57)), normirani ebievi polinomi Qi
1 x2
zadoajo nekoliko drugani trilenski rekurzivni formuli, kot je zapisana v
(1.36, str. 59),
1
Q1 (x) = x Q0 (x),
2
1
1
Q0 (x) + Q2 (x) = x Q1 (x),
2
2
1
1
Qi1 (x) + Qi+1 (x) = x Qi (x), i = 2, 3, . . .
2
2
(4.37)
0
0 0
2
1
0
0
2
,
2
1
1
0
2
2
1
0
0
0
2
ima lastne vrednosti
q
q
q
q
1
1
1
1
(4.38)
2 + 2,
2 2,
2 2,
2+ 2
2
2
2
2
in normirane lastne vektorje
1
12
2
q
q
1 1 + 1 1 1 +
2
2
2
1
1
2
2
q
q
1
1
1
1 2 2 1
2
1
2
1
2
1
2
21
q
1
12
q
1
1+
2
1
2
1
2
12
q
12 1
1
2
1
2
1
2
1+
1
2
Vozli integracijskega pravila so torej (4.38), kar se ujema z zgledom 4.12, kjer
dobimo
7
5
3
3,j
Z1
1 2
1 2
=
(x) dx =
= ,
2
2
4
1
j = 0, 1, 2, 3.
178
4. INTEGRIRANJE
3.4. Naloge.
3.1. Doloi vozla x1 , x2 ter utei A, B v Gauss-Legendrovi formuli
Z
sko pravilo
Upotevaj zvezo
R
0
ex xn dx = n!.
Gaussovega tipa
f (x)(x) dx =
0
n
X
i f (xi ) + Rf.
i=0
f (x)ex dx =
n
X
i f (xi ) + Rf
i=0
f (x, y)dxdy
x2 +y 2 h2
f (x, y)dxdy
x2 +y 2 h2
179
f (x, y)dxdy
x2 +y 2 h2
dx
h
f (x, y)dy
h
180
4. INTEGRIRANJE
f (x) =
g(x)
, g(a) 6= 0, 0 < p < 1,
(x a)p
Izraunati je treba
g gladka funkcija.
g(x)
p dx.
a (x a)
4.2.1. Motei del integriramo analitino. Tu lahko razdelimo interval integracije v motei in preostali del, ali pa tako razdelimo integrirano funkcijo. V
prvem primeru izberemo dovolj majhen > 0 in razstavimo
Z a+
Z b
g(x)
g(x)
Sf = S1 f + S2 f, S1 f =
dx,
S
f
=
dx.
2
p
(x
a)
(x
a)p
a
a+
Sf =
2
S1 f = 1p
g(a) +
g 0 (a) +
g 00 (a) + . . . ,
1p
1!(2 p)
2!(3 p)
drugega z obiajnimi integracijskimi pravili. Na dejstvo, da se da
Tm (g, a)
(x a)p
analitino integrirati, lahko opremo tudi delitev Sf = S1 f + S2 f ,
Z b
Z b
Tm (g, a)(x)
g(x) Tm (g, a)(x)
S1 f =
S2 f =
dx.
p dx,
(x a)
(x a)p
a
a
S1 f = (b a)1p
1
(b a) 0
(b a)2 00
g(a) +
g (a) +
g (a) + . . .
1p
1!(2 p)
2!(3 p)
181
!
,
1
dx
=
du.
p
(x a)
1p
u = (x a)1p ,
1
Sf =
1p
1p
(ba)
Z
g u 1p + a du
1
je oblike
(x a)p
utei v Gauss-Jacobijevih integracijskih pravilih ali njihovih poenostavitvah.
Z linearno zamenjavo spremenljivke
4.2.3. Motei del vkljuimo v ute. Singularnost tipa
u=
1
(2x (b + a))
ba
prevedemo najprej interval [a, b] na interval [1, 1], nato izberemo primerno
pravilo Gaussovega tipa.
4.3. Neomejen interval integracije. Privzemimo, da izlimitirani integral Sf na neomejenem intervalu obstaja. Vsa osnovna pravila, ki smo jih
izpeljali, temeljijo na integraciji interpolacijskih polinomov, ki na neomejenem
intervalu niso omejeni. e elimo uporabiti to, kar smo izpeljali, je treba
integral preoblikovati.
4.3.1. Motei del integriramo analitino. Integral na primer razdelimo v
(4.40)
Z
Z b
Z
Sf =
f (x)dx = S1 f + S2 f, S1 f =
f (x) dx, S2 f =
f (x) dx.
a
182
4. INTEGRIRANJE
0
2
dn n x
(x e ) .
dxn
Z
f (x)e
dx =
n
X
i f (xi ) +
i=0
(0, ) ,
i =
1
(n +
4.4. Integracija hitro oscilirajoih funkcij. Tu funkcija f , ki jo integriramo, hitro spreminja predznak in obiajna osnovna ali sestavljena pravila
postanejo praktino neuporabna. Tudi tu je zdravilo motei del integrirati
analitino. Na primer Fourierovi koecienti
Z
Z
1
1
f (x) sin mx dx,
f (x) cos mx dx
2
2
183
1
zvezno odvedljive funkcije celo hitreje kot O
, je previdnost e toliko
m2
bolj na mestu. Rezultat je majhno tevilo, a izraunati ga je treba kot integral
funkcije, ki v splonem ni majhna, a hitro spreminja predznak. Za numerino
raunanje teh koecientov so primerna Filonova integracijska pravila. So sestavljena pravila z ekvidistantno izbranimi vozli xi = x0 + i h, ki temeljijo na
dveh osnovnih pravilih. Povejmo idejo izpeljave enega od osnovnih pravil,
Zx2
Sf =
x0
Zx2
h(a0 f0 + a1 f1 + a2 f2 ) =
3z + z cos 2z 2 sin 2z
,
2z 3
2z 2 + z sin 2z + 2 cos 2z 2
(z) =
,
2z 3
sin z z cos z
(z) =
.
z3
(z) =
4.5. Adaptivna integracijska pravila. Adaptivna pravila so sestavljena pravila, pri katerih se velikost podintervalov prilagaja integrirani funkciji.
Algoritem vzame za osnovo katero koli od znanih pravil, na primer sestavljeno
184
4. INTEGRIRANJE
Algoritem 4.1:
n
n
h
sL = f a + h2 i i=0 in sD = f a+b
+
i
,
2
2
i=0
n1
R1
0
185
f (x)dx, kjer je
1
f (x) =
.
x + 106
Funkcija f je na intervalu [0, 1] gladka, a za asovno zahtevnost je pomembno,
kako hitro se na posameznih delih intervala spreminja. Tabela 4.6 kae primerjavo uinkovitosti adaptivnega pravila iz algoritma 4.1 in sestavljenega trapeznega pravila pri enakem tevilu izraunanih funkcijskih vrednosti. Velikost
napake zgovorno govori v prid adaptivnega postopka.
zahtevana
tevilo
adaptivno
natannost funkcijskih
pravilo
vrednosti
1
10
1
100
1
1000
1
10000
napaka
adaptiv.
pravila
sestavljeno
trapezno
pravilo
napaka
sestav.
pravila
100
1.9988491 8.4810-4
6.8539483 4.86100
304
1.9980345 3.3510-5
3.5609575 1.56100
942
1.9980016 5.6910-7
2.4831655 4.8510-1
2974
1.9980010 7.8210-9
2.1412750 1.4310-1
4.6. Naloge.
4.1. Kako bi numerino izraunali integrala
Z
3/2
x
1
in
1
sin
dx
x
1
dx?
1 + x4
x 4 sin xdx .
186
4. INTEGRIRANJE
3
1
8
3/4
1
1 + (1)
2
4
!
3
3
3/4
(1)
, i +
,i
= 0.528408 . . . ,
4
4
kjer je (z) Eulerjeva gama funkcija in (a, z) nepopolna gama funkcija.
cos x
dx = 0.0181176 . . .
x3
1
Izbor podkrepi z numerino primerjavo vsaj treh pristopov.
a+2h
r Z
2
xex cos n xdx
0
za n = 1, . . . , 20. Primerjaj jih s tono vrednostjo
r
2 n2 + (1)n e (1 + )n2 + 1 + 1
.
(n2 + 1)2
Del III
POGLAVJE 5
189
190
enabe, v katerih poleg neodvisne spremenljivke in neznane funkcije nastopajo tudi njeni odvodi. Red najvijega odvoda doloa red diferencialne enabe.
Preprost zgled diferencialne enabe je enaba prvega reda
(5.1)
y 0 = f (x, y),
x [a, b],
y (`) (a) ,
` = 0, 1, . . . , r 1.
y1 (x)
y2 (x)
yd (x)
y 0 = f (x, y ),
y (a) = y a .
yi := y (i1) ,
i = 1, 2, . . . , r.
To da r 1 preprostih enab
0
yi0 = y (i1) = y (i) = yi+1 ,
191
i = 1, 2, . . . , r 1,
yr0 = f (x, y1 , y2 , . . . , yr ),
in zaetne pogoje
yi (a) = yi,a , i = 1, 2, . . . , r.
Sistem je spet oblike (5.4), pri posebni desni strani f . V tej knjigi ne bomo
loevali med sistemi diferencialnih enab, ko je iskana reitev diferencialne
enabe vektorska funkcija, in primerom, ko je reitev funkcija ene spremenljivke
y : [a, b] R. Razliko bomo naredili le v zapisu, saj v drugem primeru y ne
piemo odebeljeno.
Do sedaj smo govorili le o zaetnih problemih. Dopolnimo to z zgledom robnega problema drugega reda, ki ga pogosto sreamo (Sturm-Liouvilleov robni
problem ). Iemo funkcijo y : [a, b] R, za katero velja
d
dy
p(x)
+ q(x) y = f, x (a, b),
dx
dx
in zadoa robnima pogojema
y(a) = ya , y(b) = yb .
eprav je razlika z zaetnim problemom navidez neznatna, robni pogoji lahko
bistveno spremenijo naravo problema.
1.2. Eksistenca in enolinost. O eksistenci in enolinosti reitve zaetnega problema govori ve izrekov. Kot zgled povejmo enega od njih brez
dokaza.
Izrek 5.1. Naj bo f : [a, b] Rd Rd zvezna funkcija prvega argumenta in
Lipschitzova v y na obmoju
D = {(x, y ) | a x b, kyy y a k c} .
c
ima na intervalu a, min b,
enolino, zvezno odvedljivo reitev y .
kff k,D
Preprost zadosten pogoj za to, da f zadoa Lipschitzovemu pogoju, pove
tale izrek. Povejmo ga tudi brez dokaza.
192
sledi ocena
kff (x, y ) f (x, y)k Lkyy yk,
(x, y ), (x, y) D.
L > 0,
y(0) = 0.
|y 3 |
1
1
|y 3 |
|y 0|
c
min b,
kff k
1 3
27 x .
Tudi meje
y(0) = 0.
|y 2 y2 |
= 2 c.
0y, yc |y y
|
L = max
c
c
1
=
.
kf k,D
1 + c2
2
193
y 00 + 2 y = 0,
na [0, 1],
z robnima pogojema
y(0) = 0 , y(1) = d .
Splona reitev je y(x) = A cos x + B sin x. Iz robnega pogoja y(0) = 0
ugotovimo A = 0, od tod sledi y(1) = d = B sin = 0. e je d 6= 0, torej ni
reitve. e pa je d = 0, imamo neskonno mnogo reitev y(x) = B sin(x), saj
konstanta B ni doloena. Spremenimo interval, na katerem iemo reitev, v
[0, 12 ], in robne pogoje v
1
= d.
y(0) = 0 , y
2
Sedaj reitev y(x) = d sin(x) obstaja in je enolina.
Poglejmo si dva pristopa, ki zagotovita eksistenco in enolinost reitve za
razreda sorodnih robnih problemov. Prvi od izrekov nam da tudi namig za
izpeljavo ene od numerinih metod.
y(a) = ya ,
y(b) = yb ,
e velja e
reitev.
f
y (x, y)
y(a; v) = ya ,
y 0 (a; v) = v .
yv (x) := yv (x; v) :=
y(x; v).
v
Trdimo
(5.6)
yv (x) x a,
x [a, b].
194
yv00 (x1 )
0, kar je protislovje.
y(0) = 0 , y(1) = 0 .
Torej je
Z
y(x) =
g(s)(1 s) ds.
x [0, 1] .
To pomeni
195
Z1
y(x) =
x [0, 1].
0
Z1
Z1
L
Ker je
Z1
Zx
|G(x, s)| ds =
Z1
s(1 x) ds +
1
1
x(1 s) ds = x(1 x) ,
2
8
c
kGy G yk ky yk .
8
To pomeni, da G kri slike, torej ima y = Gy natanko eno reitev. Izrek je
dokazan.
Velikost Greenove funkcije kljuno vpliva na to, ali ima robni problem
enolino reitev. In e jo ima, kako obutljiva je. Zato jo lahko vzamemo tudi
kot merilo obutljivosti robnega problema.
2. K numerinim metodam
2.1. Eksplicitna in implicitna Eulerjeva metoda. Numerino reevanje diferencialnih enab je iskanje numerine aproksimacije funkciji, ki je
podana implicitno, z diferencialno enabo in dodatnimi, zaetnimi ali robnimi
pogoji. A funkcija, ki jo hoemo aproksimirati, mora imeti vsaj nekaj lepih
lastnosti, na katere numerino metodo lahko opremo. Zato bomo pri izpeljavi
numerinih metod vseskozi predpostavljali, da ima diferencialna enaba reda r
enolino r-krat zvezno odveljivo reitev, ki zadoa zaetnim ali robnim pogojem. e ve, za tono reitev bomo, posebej pri ocenjevanju napake, zahtevali
tudi, da je tolikokrat zvezno odvedljiva, kot potrebujemo. Najvejo pozornost
196
(5.7)
y 00 + y 2 1 y 0 + y = 0, x [0, b], y(0) = y0 , y 0 (0) = y00 .
Enaba je avtonomna, kar pomeni, da neodvisna spremenljivka, as x, v njej
eksplicitno ne nastopa. Za pozitivne vrednosti se v tem modelu duijo velike
in spodbujajo male oscilacije y . Prepiimo jo v obliko (5.4), torej v sistem dveh
diferencialnih enab,
0
y2
y1
y0
0
(5.8) y =
= f (x, y ) =
, y (0) = y 0 =
.
y20
y00
y1 + 1 y12 y2
Sliki 5.1 kaeta reitev, ki jo dobimo pri izbiri
(5.9)
= 1,
y0 = 0, y00 = 1.
b = 15,
y, y
1
2
1
y2 =y
-1
2
4
y1 =y
-2
10
12
14
x
-2
-1
-1
-2
Slika 5.1. Reitev Van der Polove enabe pri izbiri parametrov
prvi pogled razkrivata periodino naravo reitve. Slika desno je fazni diagram.
Reitev je prikazana kot parametrina krivulja v prostoru R2 . Parameter je
as x, toka na krivulji pri danem x pa par (y(x), y 0 (x)). Reitev kot krivulja
je dana z
y(x)
2
y : [0, b] R , x 7 y (x) =
.
y 0 (x)
197
y 0 (xn1 )
y (xn ) y (xn1 )
,
xn xn1
obratna v xn pa
y (xn ) y (xn1 )
.
xn xn1
Oznaimo korak h := xn xn1 in naj bo y i numerini pribliek vrednosti
tone reitve y (xi ). Ko vstavimo diferenco v enabo (5.8), opravimo zamenjavo
y (xi ) y i in enabo pomnoimo s h, dobimo eksplicitno Eulerjevo metodo
y 0 (xn )
(5.10)
y n = y n1 + h f (xn1 , y n1 ) ,
n = 1, 2, . . .
y n = y n1 + h f (xn , y n ) ,
n = 1, 2, . . .
za drugi primer aproksimacije. Ko y n1 poznamo, iz (5.10) ali (5.11) lahko izraunamo y n . Pri eksplicitni metodi (5.10) je numerini pribliek y n e izraen
samostojno. Pri implicitni metodi ga je treba e doloiti kot reitev nelinearne
enabe (5.11), na primer z direktno iteracijo ali z Newtonovo metodo. Zaetni
pribliek da lahko kar eksplicitna metoda.
1
Kako se pri pogojih (5.9) in h = 20
odreeta obe Eulerjevi metodi,
razberemo s slik 5.2 in 5.3. Obe metodi dasta numerine priblike, ki vsaj
po obliki spremljajo pravo reitev. Za velikost globalne napake
kyy (xn ) y n k,
n = 1, 2, . . .
je nedvomno kriva okrnitvena napaka, ki smo jo storili pri diskretni aproksimaciji odvoda. A vpliv te okrnitvene napake na globalno napako ni povsem
razviden, saj aproksimacijo odvoda na vsakem koraku metode izbiramo enako.
Vendar se globalna napaka na slikah 5.2 in 5.3 precej spreminja. V zaetku je
majhna, nato se vse bolj vea. S seboj nosi tudi napake, storjene na predhodnih korakih. Da bi globalno napako lahko ocenili glede na okrnitveno napako
diskretizacije, bo treba vpeljati dodatni pojem, lokalno napako.
Kako asovno zahtevna je uporaba eksplicitne in implicitne Eulerjeve metode? Dogovorimo se, da pri reevanju navadnih diferencialnih enab tejemo
v asovno zahtevnost obiajno najpomembneji prispevek, tevilo izraunov
funkcije f . Korak eksplicitne metode zahteva le en izraun funkcije, za korak
implicitne metode jih lahko opravimo obutno ve. Za prvi vtis, predhodni
zgled zahteva 300 izraunov vrednosti f v eksplicitnem in 1188 v implicitnem
primeru.
198
2
y, y
1
2
1
y2 =y
-1
2
4
y1 =y
10
12
14
x
-2
-1
-2
-1
-2
2
y, y
1
2
1
y2 =y
-1
2
4
y1 =y
-2
10
12
14
x
-2
-1
-1
-2
Do sedaj smo pri razmiljanju ob Van der Polovi enabi tiho zanemarjali
dejstvo, da ves izraun tee v raunalniku, s predstavljivimi tevili. Tu trimo
199
na stabilnost, ki je ena od osnovnih zahtev v numerinem raunanju: majhne napake v opravljenem izraunu ne smejo zavesti numerine reitve povsem
drugam, kot je tona reitev. Za zgled Van der Polove enabe s parametri
(5.9) sklepamo, da zaokroitvene napake, ki nastajajo med raunanjem, ne
vplivajo opazno na numerino reitev. Preverimo to e enkrat, vendar tako,
da pokvarimo e zaetni pogoj
-2
-1
y
-2
-1
-1
-1
-2
-2
reitvi ne pustita odgnati (slika 5.4). Teav z numerino stabilnostjo tu ni, saj
privlanost limitnega cikla sproti pospravi nastale napake.
2.2. Izpeljava numerinih metod. Zastavimo sedaj izpeljavo numerinih metod za reevanje navadnih diferencialnih enab sploneje. Numerine
metode najprej delimo na diskretne in zvezne. V prvem primeru interval [a, b],
na katerem iemo reitev diferencialne enabe, razdelimo s tokami
a = x0 < x1 < < xm = b
in priblike reitve zveznega problema y raunamo le v teh tokah, kot
y n y (xn ),
n = 0, 1, . . . , m.
200
Odvode aproksimiramo z odvodi interpolacijskega polinoma, ki se lokalno ujema z iskano numerino reitvijo, na primer
y 0 (xn1 )
1
(yy (xn ) y (xn1 )) .
h
Zxn
Zxn
0
f (x, y (x)) dx .
xn1
201
nelinearnih enab, ki doloa vrednost y n , reujemo na primer z direktno iteracijo ali Newtonovo metodo. Implicitne metode se pogosto izkaejo kot bolj
stabilne.
y (r+1)
= y n1 + hff (xn , y (r)
n
n ),
r = 0, 1, . . .
y (0)
f (xn1 , y n1 ) .
n = y n1 + hf
Direktna iteracija konvergira, e preslikava
202
y 0 = f (x, y ),
(5.13)
0nm
ko h := x =
max
0im1
xi 0.
e to velja za vsako dovolj pohlevno diferencialno enabo, ki zadoa zahtevam eksistennega izreka, reemo, da je numerina metoda konvergentna. Za
uinkovito numerino raunanje zahtevamo ve. Reemo, da je metoda reda
r N, e za najvejo globalno napako velja
0nm
y 0 = f (x, y ),
y (a) = y a .
Naj bo
203
h2 00
y (xn1 ) +
2
= y n1 + hff (xn1 , y n1 ) +
h2
(ff x (xn1 , y n1 ) + f y (xn1 , y n1 )ff (xn1 , y n1 )) +
2
Numerino reitev da korak metode y n = y n1 + hff (xn1 , y n1 ). Za razliko
tako ugotovimo
+
h2
(ff x (xn1 , y n1 ) + f y (xn1 , y n1 )ff (xn1 , y n1 )) + =
2
= O h2 .
y (xn ) y n =
Ker len pri potenci h2 v splonem ostane, je lokalna napaka drugega reda.
Prav tako se da ugotoviti, da je drugega reda tudi lokalna napaka implicitne
Eulerjeve metode (5.11).
2.6.2. Izboljana Eulerjeva metoda. Tako eksplicitna kot implicitna Eulerjeva metoda imata lokalno napako drugega reda. Uporabljata vrednost desne
strani f v zaetni ali konni toki. Kako bi dobili lokalno napako vijega reda?
Morda z bolj simetrino izbiro smeri ali ve uporabljenimi odvodi? Preverimo
le prvi del zamisli. Po izkunjah s simetrinimi diferencami je diferenna aproksimacija odvoda v sredini intervala natanneja kot na robu. Zato izberimo
h
h
in y n 1 = y n1 + f (xn1 , y n1 ) .
2
2
2
To da izboljano Eulerjevo metodo,
xn 1 := xn1 +
2
(5.15)
y n = y n1 + hff (xn 1 , y n 1 ) .
2
h
h
y n = y n1 + hff xn1 + , y n1 + f (xn1 , y n1 ) =
2
2
h
= y n1 + h f (xn1 , y n1 ) + f x (xn1 , y n1 )+
2
h
+ f y (xn1 , y n1 )ff (xn1 , y n1 ) + O h3 .
2
Za tono reitev uporabimo spet (5.13) in za lokalno napako ugotovimo, da je
tretjega reda,
y (xn ) y n = O h3 .
2.6.3. Uporaba razvoja v Taylorjevo vrsto. Odvodi, ki smo jih izrazili v
(5.13), ponujajo e eno preprosto metodo, ki uporabi razvoj v Taylorjevo vrsto.
V razvoju
h3 000
h2 00
y n1 (xn1 ) +
y
(xn1 ) + . . .
2!
3! n1
204
xn1
h2
(ff x (xn1 , y n1 ) + f y (xn1 , y n1 )ff (xn1 , y n1 )) + O h3 .
2
Been pogled na (5.14) nas prepria, da je lokalna napaka za trapezno pravilo
reda 3.
+
lokalna napaka
globalna napaka
imp.E
imp.E.
0.15
1.5
eks.E.
eks.E.
1.0
0.10
0.05
0.5
0.5
1.0
1.5
trap.p. x
2.0
0.5
1.0
1.5
trap.p x
2.0
plicitno (modra) in implicitno Eulerjevo metodo (rdea) ter trapezno pravilo (be)
h
1
8
1
16
1
32
1
64
1
128
1
256
eksplicitna Eulerjeva
napaka
implicitna Eulerjeva
napaka
0.805806
0.108070101
205
trapezno pravilo
napaka
0.193123101
0.430390
0.90 0.498076
0.222780
0.95 0.239638
0.113387
0.97 0.117596
globalne napake) za vse tri metode. Tabela 5.1 zgovorno kae, da sta Eulerjevi
metodi prvega, trapezno pravilo pa drugega reda.
y(0) = e + c2 ,
y 0 (0) = karkoli,
206
yHxL = c1 x , c1 > 0
2.728
2.726
3
yHxL =
2.724
yHxL = c2 -x , c2 > 0
2.722
x
5
0.2
0.4
0.6
0.8
1.0
10
15
20
2.718
y 00
5.6. Zgledi
207
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0.0
0.2
0.4
0.6
0.8
1.0
1
30
(be), h =
2
19
1
2
h = 10
niha okoli prave vrednosti, za h = 19
pa zane tudi rasti po absolutni
vrednosti. Oitno res majhen h da sprejemljivo numerino aproksimacijo, veji
pa povsem neuporabno.
Ker modeli te narave pogosto opisujejo probleme, katerih reitev je mono
vpeta v okolje, takne diferencialne enabe imenujemo toge. Za reevanje togih
problemov uporabljamo posebne, implicitne metode, ki za obiajno rabo niso
dovolj uinkovite.
q =p,
p = sin q,
Pospeek je po velikosti enak odmiku od ravnovesne lege, po predznaku nasproten predznaku odmika. Hamiltonovo funkcijo, setevek kinetine in potencialne
energije za nihalo dobimo kot
1
H(p, q) = p2 + (1 cos q) .
2
Za dovolj majhne zaetne odmike in hitrosti se masna toka giblje po kronici.
Izberimo e zaetni vrednosti z
3
, p(0) = 0,
q(0) =
2
208
in nariimo reitev kot krivuljo v faznem prostoru (q, p) (slika 5.8). Reitev
je periodina, po obliki blizu kronice za tako izbran zaetni pogoj. Vzdol
reitve je skupna energija konstantna. Hamiltonova funkcija je torej invarianta
sistema, ali kot se tudi ree, prvi integral sistema. Lastnost, da se vzdol
p
q
1.0
0.5
{
cos q
-1.5 -1.0 -0.5
0.5
1.0
1.5
-0.5
sin q
m
-1.0
-1.5
2.8. Naloge.
2.1. Izpelji metodo ki vrednost y n na novem koraku doloi kot povpreje priblika eksplicitne in implicitne metode.
y(0) = 1.
Uporabi razvoj v Taylorjevo vrsto (do reda O h4 ) in poii numerino aproksimacijo za y(0.1).
209
2.5. Primerjaj obe Eulerjevi metodi ter trapezno pravilo pri numerinem re-
y(x0 ) = y0 .
h
(f (xn1 , yn1 ) + f (xn , yn ))
2
za ta primer. Uporabi to in izraunaj pribliek y1 , e je y(0) = 0 in h = 0.1.
yn = yn1 +
2.8. Primerjaj izboljano Eulerjevo metodo in trapezno pravilo pri numerinem reevanju linearne diferencialne enabe
1
4
na intervalu [0, 10]. Katera od metod se izkae kot uporabna?
y 00 y + 1 = 0, y(0) = 1, y 0 (0) =
2.9. Analiziraj zgled 5.5 in razloi rezultate, ki so prikazani na sliki 5.7. Kaj se
1
dogaja pri koraku h = 10
. Namig: izraunaj korak Eulerjeve metode za dano
enabo eksplicitno in analiziraj numerini raun v odvisnosti od produkta h.
POGLAVJE 6
Zaetni problemi
211
212
6. ZAETNI PROBLEMI
1. Enolenske metode
1.1. Runge-Kutta metode, uvod. Enolenske metode veljajo trenu-
k 1 = f (xn1 , y n1 ) = f (xn1 + 0 h, y n1 + 0 h k 1 ) ,
pri drugi v konni toki,
k 1 = f (xn , y n ) = f (xn1 + 1 h, y n1 + 1 h k 1 ) .
Pri obeh metodah je novi pribliek izraunan enako, y n = y n1 + 1 h k 1 .
Metodo tega tipa doloajo tri konstante, 1 , 1 in 1 ,
k 1 = f (xn1 + 1 h, y n1 + 1 h k 1 ) ,
y n = y n1 + 1 h k 1 .
Vpeljane konstante imajo vsebinsko razline vloge. Prva na primer pove, pri
kateri vmesni vrednosti xn1 xn1 + 1 h xn je treba vzeti prvi argument
funkcije f ipd. Zapiimo jih v shemo
1 1
,
1
kjer s rtami
njihove vloge v metodi. Lokalna napaka Eulerjevih metod
2loimo
1
2
1
2
0
in
1
1
2
1
2
1
2
1
2
Tu sprejmimo tihi dogovor, da so nevpisani koecienti i,j enaki ni. To tabelo lahko vzamemo kot izhodie za izpeljavo splonejih metod, deniranih
s shemo takne oblike. Preizkusimo to na razredu metod, ki uporablja dva
213
1 11 12
2 21 22 .
1 2
(6.1)
y n = y n1 + h (1k 1 + 2k 2 ) .
Ker metoda uporablja dva odvoda, dve vmesni stopnji, ji bomo rekli dvostopenjska. Kako izbrati konstante, da bo ta numerina metoda uporabna?
Izberimo merilo: naj bodo konstante takne, da je red lokalne napake im veji. Primerjati je torej treba tono in numerino reitev v xn , ob predpostavki,
da se obe reitvi v xn1 ujemata. To naredimo tako, da obe vrednosti v xn
izrazimo kot vrsto v koraku h = xn xn1 okoli h = 0 in primerjamo lene v
tem razvoju. Za tono reitev upotevamo razvoj
h2 00
h3
y (xn1 ) + y 000 (xn1 ) + . . .
2!
3!
Ker je y reitev diferencialne enabe y 0 = f (x, y ), uporabimo (5.13, str. 202),
da izraunamo vije odvode. Za numerino reitev velja (6.3) in po dogovoru
y n1 = y (xn1 ). Odvoda k i sta implicitno doloena s pogojema (6.2). Torej je
k 1 (h), k 2 (h)) := (kk 1 , k 2 ) ksna toka
za dovolj majhen korak h par odvodov (k
konvergentne iteracije
(r+1)
(r)
(r)
ki
(h) =ff xn1 + i h, y n1 + i1 h k 1 (h) + i2 h k 2 (h) ,
y (xn1 + h) = y (xn1 ) + h y 0 (xn1 ) +
i = 1, 2;
r = 0, 1, . . .
z zaetnima priblikoma
(0)
k i (h) = f (xn1 , y n1 ),
i = 1, 2.
(r)
k i (h) = k i (h) + O hr+1 .
e torej v razliki
(6.4)
y (xn1 + h) y n = h
c i hi1
i=1
(r1)
214
6. ZAETNI PROBLEMI
1 2
1
+
1f x x + (11 + 12 ) 2 (ff y y f ) f + (1 11 + 2 12 ) f y f x +
2
2
2
+ 11 + 12 11 + 12 (21 + 22 ) f y f y f +
+ 1 (11 + 12 ) f x,yy f h2 + . . .
Podobno ugotovimo za k 2 . Skuajmo sedaj z izborom konstant (6.1) uniiti
im ve lenov c i v (6.4). Tu je treba biti pazljiv. Koecient c i pri potenci
hi sestavlja obiajno ve neodvisnih lenov, elementarnih diferencialov. Za
vsakega od njih je treba poskrbeti loeno, torej je treba konstante izbrati tako,
da je prispevek vsakega od njih enak ni. Za i = 1 v (6.4) dobimo
c 1 = (1 (1 + 2 )) f .
Ker mora biti c 1 = 0 za vsako f , sledi na primer
1 = 1 2 .
V lenu c2 sta dva sumanda,
1
(21 (2 1) 22 2 + 1) f x
2
in
1
(2 (2 1) 11 + 2 (2 1) 12 22 21 22 22 + 1) f y f .
2
A elementarna diferenciala f x in f y f sta v splonem neodvisni funkciji (f y je
Jacobijeva matrika parcialnih odvodov). Ker naj red lokalne napake dri za
vsako diferencialno enabo, mora biti vsak od neodvisnih sumandov zase enak
ni. e izrazimo 2 iz prvega in 2 iz drugega pogoja, dobimo
2 =
11 + 12 21 22 + 1 (221 + 222 1)
211 + 212 1
in
211 + 212 1
.
2 (11 + 12 21 22 )
Verini odvodi v (5.13) in razvoj (6.5) povedo, da je za c 3 = 0 potrebno izpolniti
pet pogojev. Koecienti pri elementarnih diferencialih,
2 =
f x x , (ff y y f ) f , f y f x , f y f y f , f x,yy f ,
ki v tem lenu nastopajo, morajo biti vsak zase enaki ni. Izkae se, da ti
pogoji niso neodvisni in so izpolnjeni natanko takrat, ko velja
211 + 12 1
(6.6)
21 =
,
3 (211 + 212 1) 2
(6.7)
1 = 11 + 12
in
(6.8)
22
1
=
6
215
211 1
+3 .
(211 + 212 1) 2
V enabah (6.6), (6.7) in (6.8) sta parametra 11 ter 12 e svobodna, z omejitvijo 11 + 12 6= 12 . Kakor koli ju izberemo, lahko iz izpeljanihenab
doloimo
druge konstante tako, da dobimo metodo z lokalno napako O h4 .
Razvejimo sedaj izpeljavo. e zahtevamo, da je metoda eksplicitna, mora
veljati
11 = 0, 12 = 0, 22 = 0.
Ko vstavimo to v enabo (6.8), pridemo do protislovja. Konstanta 22 mora biti
hkrati 0 in 13 . To pomeni, da c 3 = 0 tu ne moremo zagotoviti. Dvostopenjska
eksplicitna Runge-Kutta metoda ima lokalno napako le tretjega reda. Dana je
s tabelo kot enoparametrina druina
0
21
21
.
1
1
1
221 221
Med najbolj pogostimi izbirami 21 sreamo 12 , 23 in 1, torej metode
0
2
3
0
2
1
1 1
,
,
.
3
2
1 1
1 3
0 1
2 2
4 4
Zadnja od njih je Heunova. Opustimo sedaj zahtevo po eksplicitnosti. e
dovolimo, da v enabi, ki doloa k i , nastopa le ta odvod implicitno, dobimo
diagonalno implicitno metodo. Za dvostopenjsko metodo to pomeni le dodatno
zahtevo 12 = 0. Lokalna napaka v diagonalno implicitni metodi je O h4 .
Doloa jo enoparametrina shema. e se odloimo za eno od pogostih izbir
11 , dobimo metodo
0
1
2
11
3 3
=
,
6
11
11
1 11 1 211 11
.
1
1
2
2
Prednost diagonalno implicitne metode je v tem, da reimo najprej sistem
d = dim k1 = dim k2 nelinearnih enab, da dobimo k 1 , nato e en podoben
sistem za k2 .
Izkoristimo sedaj oba svobodna parametra, 11 in 12 , kar se da. Na prvi
pogled je kaj malo upanja, e elimo red lokalne napake dvigniti na pet. A
izkae se, da pri naslednji potenci h dobimo est pogojev, ki jih je mogoe
216
6. ZAETNI PROBLEMI
1
3
2 6
1
3
+
2
6
1
4
1
3
+
4
6
1
3
4
6
1
4
1
2
1
2
1 11 12
2 21 22
..
..
..
.
.
.
s s1 s2
1 2
..
.
1s
2s
..
.
ss
s
s
X
k i = f xn1 + i h, y n1 + h
(6.9)
ij k j , i = 1, 2, . . . , s,
j=1
in numerini pribliek v xn
y n = y n1 + h
s
X
ik i .
i=1
217
0
1
2
1
2
1
2
1
2
0
0
1
6
2
6
2
6
1
6
k 1 = h f (xn1 , y n1 ),
1
1
k 2 = h f xn1 + h, y n1 + k 1 ,
2
2
1
1
k 3 = h f xn1 + h, y n1 + k 2 ,
2
2
k 4 = h f (xn1 + h, y n1 + k 3 ) ,
1
y n = y n1 + (kk 1 + 2kk 2 + 2kk 3 + k 4 ) .
6
218
6. ZAETNI PROBLEMI
!
!
!
1
3
h (r)
1
3
(r+1)
(r)
k1
= f xn1 +
h, y n1 + k 1 +
h k2
,
2
6
4
4
6
!
!
!
1
1
3
3
h (r)
(r)
(r+1)
k2
= f xn1 +
+
h, y n1 +
+
h k1 + k2
,
2
6
4
6
4
r = 0, 1, . . .
Od tod, ko smo z natannostjo obeh priblikov zadovoljni, izraunamo
h (r+1)
(r+1)
y n = y n1 +
k1
+ k2
.
2
al se pokae, da je v problemih, kjer moramo posei po implicitnih metodah,
Lipschitzova konstanta lahko zelo velika. Med takne diferencialne enabe sodijo na primer togi problemi. Direktna iteracija ni ve primerna, zato uporabljamo Newtonovo metodo. Tu se nazorno vidi asovna zahtevnost diagonalno
in polno implicitne metode. Pri polno implicitni metodi e doloitev Jacobijeve matrike zahteva izraun d2 s2 parcialnih odvodov, pri diagonalno implicitni
metodi pa le d2 s.
Ali res potrebujemo enolenske metode visokega reda, torej nujno tudi
z vejim tevilom stopenj? Oprimo mnenje na numerini zgled. Ponovimo
numerino reevanje Van der Polove enabe (5.8, str. 196) s tremi eksplicitnimi
metodami, Eulerjevo, Heunovo in RK4 (zgled 6.1). Na sliki 6.1 je prikazana
napaka numerine aproksimacije v odvisnosti od tevila opravljenih izraunov
f . Rezultati nazorno govore v prid metodi najvijega reda.
napaka
1
0.1
0.01
0.001
10-4
10-5
300
500
700
1000
219
Za konec razdelka povejmo e, da smo koeciente i v tabeli 6.1 v resnici e sreali. Spomnimo se na integracijska pravila Gaussovega tipa, na
zgled 4.11 (str. 171). Gauss-Legendrovo pravilo z utejo (x) = 1 na [1, 1]
stopnje 3 ima vozla 13 in 13 . e interval integracije preslikamo z x x+1
2
na [0, 1], se vozla preslikata v 1 , 2 metode Hammer & Hollingsworth etrtega
reda. Ni udnega, saj je reevanje diferencialne enabe pri desnih straneh, ki
niso odvisne od y , le numerina integracija. Implicitne Runge-Kutta metode
zato sreamo tudi v navezavi z Gauss-Lobattovimi in Gauss-Radaujevimi integracijskimi pravili.
i =
s
X
ij .
j=1
xn1 + i h = xn1 + h
s
X
(ij 1) .
j=1
0
f 0 (y 0 , y 1 , . . . , y d ) := y 0 = 1.
220
6. ZAETNI PROBLEMI
1
f (y , y , . . . , y d )
y
y 1
f 1 (y 0 , y 1 , . . . , y d ) f 1 (y 0 , y 1 , . . . , y d )
.. =
=
.
..
..
.
.
.
ys
f d (y 0 , y 1 , . . . , y d )
f d (y 0 , y 1 , . . . , y d )
In zdaj k odvajanju. Ilustrirajmo ga na preprostem zgledu, razvoju tone reitve do etrtega odvoda. Numerina reitev je tri zalogaj, a se je lotimo
podobno. Poglejmo si, kako do odvodov y j . Spet se dogovorimo, da so vse
vrednosti f raunane v numerini vrednosti predhodnega koraka y n1 in argumenta zaradi preglednosti ne piemo. Dobimo
yj
00
d
d
X j
0 X
f j y i X f j i
fi f i .
f =:
= fj =
=
i
i
y x
y
i=0
i=0
f j
X j
X j
X j
fi fki f k ,
fi f i =
fik f k f i +
(y j )000 =
(y j )(4)
i,k
i,k
i,k
i,k
X j
X j
fi fki f k =
fik f k f i +
=
=
j
fik`
f `f k f i +
fi`j f ` fki f k +
i,k,`
j
fik`
f `f k f i
+3
X
i,k,`
j k i `
fik
f f` f +
i,k,`
i ` k
fij fk`
f f +
i,k,`
i,k,`
i,`,k
j k ` i
fik
f` f f +
i,k,`
i,k,`
j k ` i
fik
f` f f
X
i,k,`
i ` k
fij fk`
f f +
i,k,`
221
k
i
j
{
{
i
k
j
k
k
k i
j
i
j
i
j
i
j
kaj pomeni numerina stabilnost in kaj konvergenca na splono. Pri stabilnosti gre za skrb, da nas zaokroitvene napake ne zapeljejo pro od iskane
reitve, pri konvergenci pa z manjanjem okrnitvene napake zagotovimo, da
numerina reitev konvergira k pravi. Povejmo to podrobneje za enolenske
metode. Denimo, da iemo numerino reitev zaetnega problema
y 0 = f (x, y ),
y (a) = y a
na intervalu [a, b]. Ker je pri enolenskih metodah nova numerina vrednost
y n odvisna le od prejnje y n1 , lahko splono enolensko metodo, kamor sodijo
tudi Runge-Kutta metode, zapiemo enotno
y n = y n1 + h (xn1 , y n1 , h), n = 1, 2, . . . ,
|
{z
}
y 0 = y a.
numerini odvod
xn = a + n h,
n = 0, 1, . . . ,
ba
=: m =: m(h) N.
h
222
6. ZAETNI PROBLEMI
kyy n yn k ckyy 0 y0 k
za vsak h, 0 < h h0 in vse n, n = 1, 2, . . . , m(h).
223
(6.11)
z (a) = y a = y (a) .
y n = y n1 + h (xn1 , y n1 , h),
y 0 = y a,
e n := y n z (xn ) .
Pokazati elimo, da napaka za vsak n pada proti ni, ko korak h manjamo.
Za komponento napake ugotovimo
Oceno iteriramo
Od tod
(1 + hL)n 1
(1 + hL) 1
224
6. ZAETNI PROBLEMI
in torej
O (h)
e(ba)L 1 .
hL
Tu je e 0 zaetna napaka, ki naj bi bila velikostnega reda osnovne zaokroitvene
napake, saj smo zahtevali, da numerina reitev uporabi isti zaetni pogoj kot
tona. Drugi izraz s h konvergira proti ni, saj O (h) oznauje koliino, ki
pada proti ni hitreje kot h. Torej je (x, y , 0) = f (x, y ) zadosten pogoj za
konvergenco.
Preverimo e, da je potreben pogoj. e je (x, y , 0) 6= f (x, y ), konvergence
ne more biti. Naj bo y reitev diferencialne enabe y 0 = f (x, y ) z zaetnim
pogojem y (a) = y a = z (a). Reitvi y in z se morata za x = a + 0 razlikovati,
saj se odvoda f in g loita. A numerina reitev konvergira k z in torej ne
more tudi k y .
jo sreali v zgledu 6.1. Preverimo, da so zahteve izreka 6.2 izpolnjene. Poenostavimo izpeljavo s predpostavko, da je diferencialna enaba avtonomna,
torej f odvisna le od y , ne pa tudi od x. Naj L oznai Lipschitzovo konstanto
funkcije f . Tedaj
k 1 (yy n1 ) = f (yy n1 ),
kkk 1 (yy n1 ) k1 (
y n1 )k Lkyy n1 yn1 k
h
k 2 (yy n1 ) = f y n1 + k 1 (yy n1 ) ,
2
kkk 2 (yy n1 ) k2 (
y n1 )k L(1 + 21
hL)kyy n1 yn1 k
h
k 3 (yy n1 ) = f y n1 + k 2 (yy n1 ) ,
2
1
1
kkk 3 (yy n1 ) k 3 (
y n1 )k L(1 + hL + (hL)2 )kyy n1 yn1 k
2
4
k 4 (yy n1 ) = f (yy n1 + k 3 (yy n1 )),
1
1
kkk 4 (yy n1 ) kk 4 (
y n1 )k L(1 + hL + (hL)2 + (hL)3 )kyy n1 yn1 k
2
4
Ker je
1
(xn1 , y n1 , h) = (kk 1 (yy n1 ) + 2kk 2 (yy n1 ) + 2kk 3 (yy n1 ) + k 4 (yy n1 )),
6
je (xn1 , y n1 , 0) = f (xn1 , y n1 ). Metoda je konsistentna. Funkcija je
zvezna v prvem in tretjem argumentu, je pa tudi Lipschitzova v drugem, saj
je
1
1
1
2
3
L 1 + hL + (hL) + (hL) kyy n1
y n1 k Le(ba)L kyy n1
y n1 k.
2
6
24
Iz izreka 6.2 torej sledi, da je ta Runge-Kutta metoda konvergentna. Podobno
bi lahko ugotovili tudi za druge predstavnike tega razreda metod.
225
n (h) = y n y (xn ) =
= y n1 + h (xn1 , y n1 , h) y (xn ) =
= y (xn1 ) + h (xn1 , y (xn1 ), h) y (xn ) .
Izrek 6.3. Naj bo takna, kot jo zahteva izrek 6.2. Naj za lokalno napako
velja, da obstajata konstanti h0 > 0 in C > 0, da za vse h, 0 < h h0 in n
velja ocena
k n (h)k Chr+1 .
Tedaj za globalno napako velja
1
kyy n y (xn )k Chr e(ba)L 1
+ e(ba)L kyy 0 y (x0 )k .
L
Dokaz. Naj bo e n := y n y (xn ) globalna napaka. Na n-tem koraku imamo
e n = y n y (xn ) = y n1 + h (xn , y n1 , h) y (xn ) =
= y n1 + h (xn , y n1 , h) (yy (xn1 ) + h (xn1 , y (xn1 ), h)) + n (h) =
(xn1 , y n1 , h) (xn1 , y (xn1 ), h)) + n (h) .
= e n1 + h(
To ocenimo po trikotniki neenakosti
e(ba)L 1
.
L
Izrek lepo povezuje red lokalne in globalne napake pri reevanju zaetnih
problemov. Globalna napaka je za red slaba kot lokalna. To smo numerino
opazili e v zgledu 5.3. Ocena velikosti globalne napake ni odvisna od n.
Velja torej tudi za celotno napako. To pomeni, da je red metode pri reevanju
zaetnih metod enak redu globalne napake.
226
6. ZAETNI PROBLEMI
To je res seveda le, e je c res konstanten vektor. A tudi e se malo spreminja, dobimo uporabno oceno. Potrebujemo dva neodvisna numerina priblika
iste vrednosti y (xn ). Denimo, da smo drugi, dodatni pribliek yn dobili s poh
lovinim korakom . e zanemarimo vije lene napake, dobimo po (6.12)
2
primerjavo napake po dveh korakih osnovne metode z drugo kot
y n y (xn ) = e n c hr+1 ,
r+1
h
1
yn y (xn ) 2cc
r en.
2
2
Oceni odtejemo in dobimo izraunljivi pribliek napake kot
(6.13)
en
2r
(yy n yn ) .
2r 1
Tega uporabimo za izbiro velikosti koraka (naloga 1.11). eprav je pot preprosta, dodatno raunanje za oceno koraka precej povea asovno zahtevnost.
Zato je razumljivo, da potrebujemo bolje reitve.
Prvi korak v pravo smer je Mersonova metoda. Osveimo jo iz zgodovinskih
razlogov. Je eksplicitna petstopenjska Runge-Kutta metoda etrtega reda.
Dana je z Butcherjevo shemo
0 0
1
1
3
3 0
1
1
1
0
3
6
6
1
3
1
0
2
8 0
8
1
3
1 2 0 2 2 0
1
6
0 0 46 61
Metoda je bila v praktini uporabi dolgo asa zelo priljubljena. Zahteva izraun
ene dodatne vrednosti
f ve kot metoda v zgledu 6.1, a je istega reda. Lokalna
h
(kk 1 + 4kk 4 + k 5 ) y (xn ) =
6
1 5 (5)
=
h y (xn1 ) +O h6 .
| 720 {z
}
y n y (xn ) = y n1 +
Merson je ugotovil, da za linearne diferencialne enabe s konstatnimi koecienti velja podobna oblika ocene napake za tudi drugano linearno kombinacijo
odvodov k i ,
h
(kk 1 3kk 3 + 4kk 4 ) y (xn ) =
2
1 5 (5)
=
h y (xn1 ) +O h6 .
| 120 {z
}
yn y (xn ) = y n1 +
227
Torej je v tem primeru ekstrapolirana lokalna napaka za red vija kot osnovna,
6 y n yn
y (xn ) = O h6 ,
5
kar lahko uporabimo za izbiro koraka h. Izpeljava seveda velja le za diferencialne enabe,
ki so linearne v x in y . V splonem je ekstrapolirani pribliek
le reda O h4 . Mersonovo zamisel razirimo in vpeljimo cenilko yn . Ta mora
biti neodvisna od osnovnega priblika y n . Iz razlike y n yn ocenimo lokalno
napako, od tod pa velikost koraka. Cena, ki jo je tu treba plaati, je dodatni
izraun ene ali ve vrednosti f na vsakem koraku. Metodam, ki jih dobimo z
uvedbo cenilke, reemo ugnezdene Runge-Kutta metode. Butcherjevo shemo
ugnezdene metode dopolnimo z dodatno vrstico v
1 11
2 21
..
..
.
.
s s1
1
..
.
1s
2s
..
.
ss
s
y n = y n1 + h
s
X
i k i ,
i=1
yn = y n1 + h
s
X
ik i .
i=1
Izraun odvodov k i opravimo enako kot pri prvotnih metodah. Naj bo osnovna
metoda reda r, metoda, ki doloa cenilko, pa reda r. Tu je r obiajno enak r
ali r 1. S r in r je okarakterizirana ugnezdena Runge-Kutta metoda, zato to
obiajno poudarimo s parom (r, r) pred imenom metode. Mersonovo metodo
okarakterizira par (4, 5 ). Z narekovajema poudarimo, da je cenilka petega
reda le za posebne tipe diferencialnih enab.
Receptov, ki izbirajo velikost koraka, je ve, eprav so si vsi precej podobni. Sledimo enemu od njih. Radi bi dosegli, da se numerini pribliek in
cenilka ujemata do predpisane natannosti > 0. Morda je smiselno spremljati
natannost vsake od komponent reitve posebej. Na primer pri reevanju diferencialnih enab vijih redov, prevedenih na sisteme prvega reda. Takrat
so komponente reitve odvodi razlinih stopenj in lahko tudi razlinih velikostnih razredov. Uporabimo zapis po komponentah, y n = (yn,i ), yn = (
yn,i ) in
228
6. ZAETNI PROBLEMI
|yn,i yn,i |
, i = 1, 2, . . . , d.
i
V utei i-te komponente i si pustimo e svobodno tehtanje med absolutno in
relativno natannostjo,
i := i + (1 i ) |yn,i |,
i [0, 1].
Kot skupno merilo izraunane ocene napake vzamemo eno od norm, na primer
uteeno drugo ali enakomerno normo,
v
u d
u 1 X yn,i yn,i 2
yn,i yn,i
t
.
n =
, n = max
1id
d
i
i
i=1
hn
hn
2
n C1 hr+1
C2 hrn+1 Chp+1
p := min (r, r) .
n
n ,
e velja to tudi za nov korak, z isto neznano konstanto, izloimo C in dobimo
n
n+1 p+1 hp+1
n+1 .
hn
Absolutni kriterij zahteva n+1 , relativni n+1 hn+1 . To da kandidata
za nov korak kot
r
r
hn
qn hn , kjer je qn = p+1
ali qn = p
.
n
n
Tej izbiri dodamo nekaj previdnosti. Dodamo faktor varnosti, na primer
9
= 10
. Ne dovolimo prevelike spremembe koraka. Zato predpiemo faktorja
najmanjega in najvejega dovoljenega poveanja koraka, na primer
1 2
3
qmin
,
, qmax
,5 .
5 3
2
Nov korak hn+1 tako izberemo z
229
1
4
3
8
12
13
1
4
3
32
1932
2197
439
216
8
27
1
2
9
32
7200
2197
7296
2197
3680
513
3544
2565
8
2
845
4104
1859
4104
11
40
25
216
1408
2565
2197
4104
16
135
6656
12825
28561
56430
1
5
9
50
2
55
Zgled 6.4. V zadnjem asu postajajo vse pomembneje Dormand & Prince
metode. Butcherjeva shema metode Dormand & Prince (5, 4) je
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
35
384
5179
57600
1
1
32
9
64448
6561
46732
5247
500
1113
212
729
49
176
125
192
500
1113
125
192
7571
16695
393
640
5103
18656
2187
6784
11
84
2187
6784
11
84
92097
339200
187
2100
1
40
230
6. ZAETNI PROBLEMI
Preizkusimo obe metodi na Van der Polovi enabi (5.8, str. 196), na intervalu [a, b] = [0, 20] in z zaetnim korakom h = 51 . Tabeli 6.3 in 6.4 kaeta, da
#f
napaka
1.000 10-3
504
666
942
1230
1536
1974
2508
3312
7.593 10-3
1.141 10-3
1.994 10-4
9.203 10-5
4.860 10-5
1.479 10-5
3.861 10-6
9.972 10-7
2.500 10-4
6.250 10-5
1.563 10-5
3.906 10-6
9.766 10-7
2.441 10-7
6.104 10-8
(4, 5) metodo
#f
napaka
1.000 10-3
2.500 10-4
6.250 10-5
1.563 10-5
3.906 10-6
9.766 10-7
2.441 10-7
6.104 10-8
602
735
980
1379
1701
2149
2765
3493
3.208 10-3
4.760 10-3
5.246 10-4
6.993 10-5
8.757 10-6
1.523 10-6
2.752 10-7
7.491 10-8
231
napaka
0.001
0.001
10-4
10-4
10-5
10-5
10-6
10-6
10-7
10-7
1000
1500 2000
#f
3000
1000
1500 2000
3000
5000
#f
1.5. Naloge.
1.1. Runge-Kutta metoda naj bo dana z Butcherjevo shemo
0
1
2
1
0
1
2
1
1
6
4
6
1
6
1
2
1
Preizkusi jo na problemu matematinega nihala. Kaj ugotovi?
0
2
3
0
1
3
1
3
1
4
3
4
232
6. ZAETNI PROBLEMI
1.4. Doloi manjkajoe konstante A, B, C, D tako, da bo tristopenjska RungeKutta metoda maksimalnega reda
k 1 = f (xn1 , y n1 )
k 2 = f (xn1 + h/3, y n1 + hkk 1 /3)
k 3 = f (xn1 + Ah, y n1 + h (Bkk 1 + 5/4 k 2 ))
y n = y n1 + h (Ckk 1 + 1/2 k 2 + Dkk 3 ) .
y(0) = 1,
h<
L maxi
in
ci :=
1
Ps
j=1 |aij |
s
X
|aij |,
j=1
s
X
aj`k ` ,
k j = f x0 + cj h, y 0 + h
j = 1, 2, . . . , s,
`=1
x = y,
na intervalu [0, 1] z zaetnim pogojem
x(0) = 1,
y = x
y(0) = 0.
Poii tono reitev tega sistema. Numerino rei sistem s trapeznim pravilom
in narii globalno napako.
233
y(0) = 1, y 0 (0) = 0.
h2
f (yn , yn0 ),
2
h2
3
k2 =
f (yn + 1 hyn0 + 2 k1 , yn0 +
k1 ),
2
h
yn = yn + hyn0 + 1 k1 + 2 k2 ,
1
yn0 = yn0 + (1 k1 + 2 k2 ) ,
h
doloi konstante 1 , 2 , 3 , 1 , 2 , 1 , 2 tako, da bo metoda im vijega reda.
k1 =
1.11. Sestavi postopek, ki na osnovi ocene (6.13) vodi izbiranje koraka enolenske metode. Red metode r 2 naj bo parameter.
234
6. ZAETNI PROBLEMI
2. Velenske metode
2.1. Uvod. Velenska metoda doloi numerino vrednost y n y (xn )
y nk , y nk+1 , . . . , y n1
doloi
y n y (xn ).
Pri metodah te vrste obiajno ne spreminjamo koraka. Zato se omejimo na
ekvidistantno izbiro koraka h in xni = xn i h, i = 0, 1, . . . , k .
Velenske metode so lahko precej hitreje od enolenskih metod, saj
na vsakem koraku ni treba izraunati s vrednosti desne strani f kot pri
s-stopenjski Runge-Kutta metodi, ampak le eno. Imajo tudi svoje ibke strani.
Po numerini strani je to lahko vasih numerina stabilnost. Druga slabost je
bolj programerske narave. Vrednosti
y 1 , y 2 , . . . , y k1
je treba izraunati s kakno drugo metodo, saj zaetni pogoj predpisuje le y 0 ,
a k -lenska metoda potrebuje k e izraunanih vrednosti (6.14). Te metode
niso prilagodljive, spreminjanje koraka h ni zelo preprosto.
Izpeljali bomo tri razrede velenskih metod. Dva bosta dobljena z integracijo diferencialne enabe (Adamsove metode, metode Milneovega tipa), tretji
pa z diferenno aproksimacijo odvoda (BDF metode).
2.2. Adamsove metode. Izpeljimo najprej eksplicitne Adamsove metode, ki jih imenujemo Adams-Bashforthove metode. Dobimo jih tako, da
diferencialno enabo integriramo vzdol reitve y (x) po zadnjem podintervalu
[xn1 , xn ],
Zxn
Zxn
0
f (x, y (x)) dx
y (x) dx =
xn1
xn1
in od tod
Zxn
(6.15)
y (xn ) = y (xn1 ) +
f (x, y (x)) dx .
xn1
f ni := f (xni , y ni ) ,
i = 1, 2, . . . , k.
Uporabimo jih in po komponentah aproksimirajmo f z interpolacijskim polinomom v drugi Newtonovi obliki (2.23, str. 97), kjer indeks 0 zamenjamo z
235
k1
X
p (x) = p (xn1 + h t) =
i=0
x xn1
, kar da
h
t
(1)
if n1
i
i
Zxn
xn1
Z1 X
k1
i t
f (x, y (x)) dx = h
(1)
if n1 dt + Rff .
i
0
i=0
Tako dobimo
(6.17)
y n = y n1 + h
k1
X
i if n1 ,
i=0
kjer je
Z1
t
i := (1)i
dt .
i
(6.18)
Uporabimo e zakljueno obliko obratne konne diference (2.24, str. 97) in izpeljemo
k1
k1
i
X
X
X
i
j i
i f n1 =
i
(1)
f n1j =
j
i=0
i=0
(6.19)
k1
X
j=0
j=0
k1
k1
X
X
i
(1) f n1j
i
=
k,j+1f n1j ,
j
k,j+1
i=j
j=0
k1
X
i
:= (1)
i
.
j
j
i=j
Poglejmo si e ostanek Rff , ki ga lahko piemo tudi kot R (yy 0 ), saj je y tona
reitev, po eksistennem izreku vsaj zvezno odvedljiva. Ker produkt
236
6. ZAETNI PROBLEMI
y n = y n1 + h
k
X
kj f nj ,
k = 1, 2, . . . .
j=1
Zgled 6.5. Doloimo koeciente Adams-Bashforthovih metod za k 3 neposredno iz (6.17). Izraunajmo najprej i ,
Z1
Z1
t
t
1
1
dt = 1 , 1 = (1)
0 = (1)
dt = ,
0
1!
2
0
Z1
2 = (1)2
0
(t)(t 1)
5
dt =
.
2!
12
y n = y n1 + hff n1 .
Pri k = 2 je metoda
1
y n = y n1 + h f n1 + (ff n1 f n2 ) =
2
1
3
f n1 f n2
= y n1 + h
2
2
in pri k = 3
1
5
3
f n1 f n2 + (ff n1 2ff n2 + f n3 ) =
2
2
12
23
4
5
= y n1 + h
f n1 f n2 + f n3 .
12
3
12
y n = y n1 + h
m = 1
1
1
1
m1 m2
0 ,
2
3
m+1
m = 1, 2, . . .
Z1
X
X
t
(1)i
G(z) :=
i z i =
dt z i .
i
i=0
i=0
Ker je
Z1
Z1 Z1
t t (i 1)
t
t
i
dt =
dt 1 ,
dt
|i | = (1)
1
i
i
i
237
!
Z1 X
Z1
1
i t
i
G(z) =
(1)
z dt =
dt =
i
(1 z)t
i=0
0
0
1
1
1
1
1
z
=
1
=
.
=
t
ln(1 z)(1 z)
ln(1 z)
1z
ln(1 z) 1 z
0
Od tod
ln(1 z)
1
G(z) =
.
z
1z
ln(1 z)
1
in
razvijemo v konvergentno vrsto, torej
z
1z
1
1
1 + z + z 2 + (0 + 1 z + 2 z 2 + ) = 1 + z + z 2 + .
2
3
1
1
1
m + m1 + m2 + +
0 = 1 ,
2
3
m+1
kar potrjuje izrek.
ki
\i
1i
2 2i
12 3i
24 4i
720 5i
1440 6i
1
3
1
23
16
5
55
59
37
9
1901 2774 2616 1274 251
4277 7923 9982 7298 2877 -475
na Van der Polovi enabi (5.8, str. 196), v primerjavi z RK4. Interval naj bo
1
[a, b] = [0, 10], zaetni korak h = 10
in zaetne tiri vrednosti tone. Drugi
podatki naj ostanejo nespremenjeni. Kot razberemo iz tabel 6.5, je bolj uinkovita Adamsova metoda, eprav je nekoliko manj natanna.
Izpeljimo e implicitne Adamsove metode, ki jim reemo Adams -Moultonove metode. Ravnamo tako kot v izpeljavi Adams-Bashforthovih metod.
Diferencialno enabo y 0 = f (x, y ) integriramo po zadnjem podintervalu. Razlika nastane pri izbiri interpolacijskega polinoma p. Tokrat za konstrukcijo
238
6. ZAETNI PROBLEMI
#f
napaka
0.100000
400 2.63 10-4
0.050000
800 1.74 10-5
0.025000 1600 1.11 10-6
0.012500 3200 6.97 10-8
0.006250 6404 4.37 10-9
0.003125 12800 2.72 10-10
0.001563 25600 2.06 10-11
0.000781 51204 6.60 10-12
#f
0.100000
100
0.050000
200
0.025000
400
0.012500
800
0.006250 1601
0.003125 3200
0.001563 6400
0.000781 12801
napaka
1.71 10-2
1.37 10-3
9.23 10-5
5.94 10-6
3.76 10-7
2.36 10-8
1.48 10-9
9.81 10-11
bela) in tirilenske Adams-Bashforthove (desna tabela) pri reevanju Van der Polove enabe za razline korake h
k
X
i t
p (x) = p (xn + h t) =
(1)
if n + Rff .
i
i=0
Z0 X
k
i t
y (xn ) = y (xn1 ) + h
(1)
if n dt + Rff .
i
1 i=0
To da metodo
(6.20)
y n = y n1 + h
k
X
i if n ,
i=0
kjer je
Z0
Z1
t
t + 1
i
= (1)
dt = (1)
dt .
i
i
i
239
Z0
t
= (1)
dt = 1 ,
0
Z0
= (1)
Z0
2
= (1)
(t)(t 1)
1
dt =
2!
2
1 1
3 2
t
1
dt = ,
1!
2
1
.
12
Metodo (6.20) prepiemo v obliko, v kateri so vrednosti f nj eksplicitno izraene, spet z upotevanjem zakljuene oblike obratne konne diference
(2.24, str. 97),
y n = y n1 + h
k
X
kj
f nj .
j=0
Tu je
kj
k
X
i
= (1)
,
j i
j
i=j
Obliko ostanka Rff ugotovimo podobno kot pri eksplicitni metodi. Produkt
prav tako kot pri eksplicitni metodi na intervalu [xn1 , xn ] ne spremeni
predznaka,
t
k+1 k+1
= (xn + h t) = (1) h (k + 1)!
.
k+1
Ostanek zato lahko poenostavimo v
Rff = k+1
hk+2y (k+2) () .
za k 5:
Zgled 6.9. Tabela koecientov Adams-Moultonove metode ki
\i
ki
0i
21i
122i
243i
7204i
14405i
19
251
646
264 106
19
240
6. ZAETNI PROBLEMI
#f
napaka
0.100000
400 2.63 10-4
0.050000
800 1.74 10-5
0.025000 1600 1.11 10-6
0.012500 3200 6.97 10-8
0.006250 6404 4.37 10-9
0.003125 12800 2.72 10-10
0.001563 25600 2.06 10-11
0.000781 51204 6.60 10-12
#f
napaka
0.100000
206 3.34 10-3
0.050000
406 1.32 10-4
0.025000
806 7.11 10-6
0.012500 1606 4.54 10-7
0.006250 3208 2.86 10-8
0.003125 6406 1.80 10-9
0.001563 12806 1.10 10-10
0.000781 25608 7.66 10-12
bela) in tirilenske Adamsove prediktor-korektor metode (desna tabela) pri reevanju Van der Polove enabe za razline
korake h
2.3. Splone linearne velenske metode. Vzemimo Adamsove metode prejnjega razdelka kot izhodie za formulacijo splone linearne k -lenske
metode. Adamsova metoda doloi y n iz y n1 in linearne kombinacije odvodov
f . Razirimo to v splono linearno k -lensko metodo :
(6.21)
k
X
i y ni + h
i=0
k
X
i f ni = 0 .
i=0
() :=
k
X
i ki
i=0
in
(6.23)
() :=
k
X
i ki ,
i=0
241
y ni = y (xni ),
i = 1, 2, . . . , k.
Lh (yy )(x) :=
k
X
iy (x i h) + h
i=0
k
X
iy 0 (x i h) .
i=0
Dobro je deniran za odvedljive vektorske funkcije. Naj bo y reitev diferencialne enabe y 0 = f (x, y ). Slika Lh (yy ) tedaj pove, kaj ostane, e y vstavimo
v levo stran linearne k -lenske metode (6.21). e naj bo y n dober pribliek za
y (xn ), mora ta ostanek biti majhen in iti s h proti ni. Vzemimo to za osnovo
tele denicije: red diferencialnega operatorja Lh je najveji r N, za katerega
velja za vse dovoljkrat zvezno odvedljive vektorske funkcije y ocena
(6.24)
Lh (yy ) = O hr+1 .
k
X
i=1
k
X
i=0
iy ni + h
k
X
if ni y (xn ) =
i=0
iy (xni ) + h
k
X
if (xni , y (xni )) +
i=0
ff
I h0 (xn , i ) (yy n y (xn )) = Lh (yy )(xn ) .
yy
ff
y n y (xn ) = I h0 (xn , i )
Lh (yy )(xn ) = Lh (yy )(xn ) + O hr+2 ,
yy
kar dokazuje izrek.
242
6. ZAETNI PROBLEMI
Lh (yy )(x) =
k
X
iy (x i h) + h
i=0
k
X
r+1 (j)
X
y (x)
j=0
k
X
i=0
(6.26)
=:
iy 0 (x i h) =
i=0
i=0
+h
k
X
r+1
X
j!
(i h)j +
r
X
y (j+1) (x)
j=0
j!
(i h)j + O hr+2 =
j=0
i ,
j = 0,
i=0
cj =
k
P
(i)j1
(i)j
i +
i , j = 1, 2, . . . , r + 1.
j!
(j 1)!
i=0
Operator Lh je reda r natanko tedaj, ko je cj = 0 za j = 0, 1, . . . , r in cr+1 6= 0.
To nalaga koecientom i in i pogoje, ki se dajo zapisati v zakljueni obliki.
Vzemimo y (x) = y(x) = ex in izraunajmo Lh (y). e uporabimo izraavo
(6.26) s koecienti cj , ugotovimo
r+1
X
Lh (y)(x) =
k
X
i=0
k
X
i=0
i e(xih) + h
k
X
i e(xih) =
i=0
(i + hi )e(xkh) eh(ki) =
243
Izrek 6.6. Linearna k-lenska metoda (6.21) je reda r natanko tedaj, ko velja
relacija
(6.27)
kjer je cr+1 6= 0.
Ta izrek poenostavi ugotavljanje reda lokalne napake, kot tudi omogoi
izpeljavo novih metod.
Zgled 6.11. Naj bo k-lenska metoda vsaj reda 0. V relacijo (6.27) vstavimo
z = 0 in ugotovimo (1) = 0. e je red r vsaj 1, lahko enabo odvajamo in
ponovno vstavimo z = 0. To da 0 (1) + (1) = 0 . e je torej metoda vsaj
prvega reda, reemo, da je konsistentna, podobno kot v izreku 6.2. Linearna
velenska metoda je konsistentna, e velja
(1) = 0,
0 (1) + (1) = 0.
ln(1 + z) = z
in za z 6= 0
z2 z3 z4
+
+ ,
2
3
4
1 < z 1,
1
1 1
z
z2
19z 3
= +
+
+
ln(1 + z)
z 2 12 24
720
(1 + z)2 (1 + z)
(1 + z)
+ O z2 =
+ O z2 =
ln(1 + z)
ln(1 + z)
1 1
z
z
= (1 + z)z
+
+ O z 2 = (1 + z) 1 +
+ O z2 =
z 2 12
2
3
1
= (1 + z) + O z 2 .
2
2
Tako smo dobili
3
1
() =
2
2
(1 + z) =
244
6. ZAETNI PROBLEMI
in
y n = y n1 + h
3
1
f n1 f n2 .
2
2
(1 + z)2 (1 + z)
(1 + z)
+ O z3 =
+ O z3 =
ln(1 + z)
ln(1 + z)
1 1
z
= (1 + z)z
+
+ O z3 =
z 2 12
z
z2
= (1 + z) 1 +
+ O z3 =
2 12
5
10
5
3
= (1 + z)2 z
+ z + 1 + O z3 =
12
12
12 2
5
2
1
= (1 + z)2 + (1 + z)
.
12
3
12
(1 + z) =
Sledi
() =
metoda je
y n = y n1 + h
5 2 2
1
+
,
12
3
12
5
2
1
f n + f n1 f n2 .
12
3
12
() = 2 + 1 + 2 ,
() = 1 + 2 .
1 + 1 + 2
2 + 1 + 1 + 2
1
1
1 + 1 2
2
2
1
1
1 + 2
6
3
z reitvijo 1 = 4, 2 = 5, 1 = 4 in 2 = 2.
2
=0
=0
=0
=0
Sledi
() = 4 + 5 = ( 1)( + 5),
() = 4 + 2
in metoda je
245
Neodvisno od zaetnega pogoja se lahko v numerino reitev vtihotapi eksponentno rastoi del (5)n , eprav je tona reitev konstantna. Izpeljana metoda
ne more biti numerino stabilna!
ton-Cotesovih integracijskih pravilih, poimenujmo po najbolj znanem predstavniku, po Milneovi metodi. Ta je etrtega reda. Te metode najpogosteje
uporabljamo kot prediktor-korektor metode. Eksplicitni del koraka da zaetni
pribliek, implicitni korektor vrednost popravi. Pri tem izbiramo prediktor in
korektor tako, da sta istega reda. Formalno te metode izpeljemo z integracijo
diferencialne enabe po vseh zadnjih k podintervalih, [xnk , xn ]. Tako dobimo
Zxn
Zxn
0
f (x, y (x)) dx .
xnk
() = k + 1
za vse metode Milneovega tipa. Za aproksimacijo integrala f uporabimo
Newton-Cotesove metode, kjer za vrednosti funkcije v tokah xni ponovno
privzamemo f ni := f (xni , y ni ). Za prediktor uporabimo pravilo odprtega
(4.10, str. 148), za korektor pa zaprtega tipa (4.9). Da doseemo enak red lokalne napake za prediktor in korektor, moramo za prediktor izbrati za dva veji
k . Metoda se glasi
y (p)
n
= y nk2 + h
y (k)
n = y nk +
k+1
X
(p)
i f ni ,
i=1
k
X (k)
h
i f ni ,
i=0
z f n = f xn , y (p)
.
n
(1 + z)
+ O z4 =
ln(1 + z)
1 1
z
z2
4
= ((1 + z) 1)
+
+
+ O z4 =
z 2 12 24
8 3 20 2
= z + z + 8z + 4 + O z 4 =
3
3
4
8
8
= (1 + z)3 + (1 + z)2 + (1 + z) + O z 4 .
3
3
3
(1 + z) =
246
6. ZAETNI PROBLEMI
Dobili smo
y (p)
n = y n4 +
h
(8ff n1 4ff n2 + 8ff n3 ) .
3
e korektor, () = 2 + 1,
(1 + z)
+ O z4 =
ln(1 + z)
z
z2
z3
= (z + 2) 1 +
+
+ O z4 =
2 12 24
1 1
1
1
2
3
= 2 + 2z + z +
+z
+ O z4 =
6 2
12 12
1
4
1
= (1 + z)2 (1 + z) + + O z 4 .
3
3
3
Vidimo, da je korektor v Milneovi metodi
h (p)
y (k)
f n + 4ff n1 + f n2
n = y n2 +
3
Simpsonovo pravilo.
(1 + z) =
2.5. Implicitne BDF metode. Kratica BDF oznauje metode, ki temeljijo na obratnih konnih diferencah. Izpeljemo jih tako, da v diferencialni
enabi aproksimiramo odvod. Stabilne so le v implicitni obliki. Veliko se uporabljajo tudi v reevanju togih problemov. Aproksimacijo odvoda poiemo
tako, da y aproksimiramo z interpolacijskim polinomom p (po komponentah),
kjer interpolirane vrednosti y (xni ) nadomestimo z y ni . Nato zapiemo diferencialno enabo v zadnji toki xn , kjer y zamenjamo z aproksimacijo p . e
uporabimo drugo Newtonovo obliko interpolacijskega polinoma (2.23, str. 97),
kjer x0 zamenjamo z xn , dobimo aproksimacijo
k
X
i t
y (x) p(x) = p(xn + t h) =
(1)
iy n .
i
i=0
Sledi
dpp
dx
x=xn
pp d t
=
t d x
t=0
1 d
=
h dt
k
X
i=0
(1)i
iy n
d
dt
in
(t)(t 1) (t (i 1))
i!
t=0
dpp
dx
x=xn
t=0
0,
i = 0,
=
(1)i
, i > 0,
i
1X1 i
=
yn .
h
i
i=0
247
(6.28)
i=1
iy n = hff (xn , y n ),
k = 1, 2, . . .
1 X1 i
1
1
yn =
y n y n + hff (xn , y n ), k = 1, 2, . . . , k :=
.
k
i
k
j
i=1
j=1
Sestavimo tabelo metod za prvih est vrednosti k (tabela 6.7). Drugi rodovni
metoda
k
1 y n = y n1 + hff (xn , y n )
2 yn =
3 yn =
4 yn =
5 yn =
6 yn =
4
1
2
y n1 y n2 + hff (xn , y n )
3
3
3
9
2
6
18
y n1 y n2 + y n3 + hff (xn , y n )
11
11
11
11
48
36
16
3
12
y n1 y n2 + y n3 y n4 + hff (xn , y n )
25
25
25
25
25
300
300
200
75
y n1
y n2 +
y n3
y n4 +
137
137
137
137
12
60
+
y n5 +
hff (xn , y n )
137
137
120
150
400
75
y n1
y n2 +
y n3 y n4 +
49
49
147
49
10
20
24
y n5
y n6 + hff (xn , y n )
49
147
49
Tabela 6.7. BDF metode za k = 1, 2, . . . , 6
k k1 k 2 k1 + k2
=
1
2
k
k
X
X
1 ki
1 ki
=
( 1)i = (1 )
( 1)i1 ,
i
i
k () =
i=1
i=1
248
6. ZAETNI PROBLEMI
kar doloa prvi rodovni polinom. Za lokalno napako k -lenske metode lahko
od tod ugotovimo
1
(1 + z) + ln(1 + z)(1 + z) =
z k+1 + O z k+2 ,
k (k + 1)
torej je red metode k , kar vemo e iz ocene napake v polinomski interpolaciji.
i=0
yn =
k
X
i yni ,
n = k, k + 1, . . .
i=1
ni
i=0
nk
k
X
i ki = nk () = 0 .
i=0
249
Zgled 6.18. Implicitne BDF metode so nielno stabilne za k 6. Prvi rodovni polinom je tu
() =
X1
1
(1 )
ki ( 1)i1 .
k
i
i=1
Lego niel preverimo numerino, tevilo niel pretejmo z znanim izrekom kompleksne analize. Izberimo za obmoje krog |z| r z radijem r := 1+103 , tako
da zajamemo v notranjost tudi nilo z = 1, in rob obmoja parametrizirajmo
z z = rei t . tevilo niel v obmoju preteje integral
1
2 i
1
0 (z)
dz =
(z)
2 i
Z2
0
0 (rei t )
i r ei t dt .
(rei t )
Izrek 6.7 (Prva Dahlquistova meja). Red r nielno stabilne k-lenske metode
zadoa:
(1) e je k sod, je r k + 2,
(2) e je k lih, je r k + 1,
(3) e je 0 0, je r k .
250
6. ZAETNI PROBLEMI
transformacijo
z+1
+1
, in =
.
1
z1
Ta transformacija je bijektivna konformna preslikava med razirjenima kompleksnima ravninama. Krog || < 1 preslika na polravnino <(z) < 0, kronico
|| = 1 na imaginarno os <(z) = 0, toko = 1 v toko z = in toko = 1
v toko z = 0. Prenesti je treba tudi rodovna polinoma,
k
k
X
z1 k
1 X
ki
i
(6.33)
() = k
i (z + 1) (z 1) =: R(z) =:
ai z i
2
2
(6.32)
z=
i=0
in
(6.34)
z1
2
k
() =
i=0
k
k
X
1 X
ki
i
(z
+
1)
(z
1)
=:
S(z)
=:
bi z i .
i
2k
i=0
i=0
!
k
1
1
+
1
1
1
2
k
z
R(z) = 2 ak + O
=
= (1) + O
=O
,
1
z1
z
z
z
1 z
saj je metoda vsaj reda 0, torej je (1) = 0. Podobno je
!
k
k
k1
1
X
1
+
z
1
z
1
z
+
1
z
=
=
R(z) =
aj z j =
1
2
z1
2
1
z
j=0
z1 k
2
1
=
(1) + 0 (1) + O
=
2
z
z2
2 z1 k 0
(1) + O z k2 .
=
z
2
Ker je
R(z)
lim k1 = ak1
z z
in hkrati
!
1
2 z1 k 0
lim
(1) + O z k2
= 2k1 0 (1),
z z k1
z
2
dobimo ak1 = 21k 0 (1). To je razlino od 0, ker je metoda nielno stabilna
in nima dvojnih niel na enotski kronici.
251
Pokaimo e drugi del trditve. Ker ima R nile v levi polravnini, morajo
biti oblike zj = uj + i vj , z uj 0. A R je polinom z realnimi koecienti in
kompleksne nile nastopajo v konjugiranih parih. Od tod
Y
Y
=
R(z) = ak1
(z
u
)
(z
(u
+
i
v
))(z
(u
i
v
))
j
j
j
j
j
j,
j,
vj =0
vj 6=0
Y
Y
2
2
= ak1
(z
+
|u
|)
((z
+
|u
|)
+
v
)
j
j
j
.
j,
j,
vj =0
vj 6=0
(6.35)
+O
z
z
ln z+1
z1
in je cr+1 6= 0.
Dokaz. Osveimo (6.27), kjer spremenljivko v relaciji piemo kot w,
z+1
z1 .
Od tod dobimo z =
+1
1
in w =
2
z1 .
Sledi
(1 + w)
+ (1 + w) = cr+1 wr + O wr+1
ln(1 + w)
oziroma
ln
z+1
z1
z+1
z1
z+1
z1
Ta izraz pomnoimo z
= cr+1
z1
2
2
z1
r
+O
2
z1
r+1 !
.
k
in dobimo (6.35).
ln
1
z+1
z1
z
1
1
1 3 3
2
z
z
252
6. ZAETNI PROBLEMI
ln = ln z+1
z1 je torej v ravnini z brez tega intervala analitina in jo lahko
razvijemo v vrsto
z+1
1
1
ln
= ln 1 +
ln 1
=
z1
z
z
1
1
1
1
1
1
=
+
2 3 =
z 2z 2 3z 3
z 2z
3z
2
1
1
=
1 + 2 + 4 + .
z
3z
5z
1
res oblike (6.36). Treba je preOd tod sklepamo, da mora biti ln z+1
z1
veriti e pozitivnost koecientov 2j+1 . Razvijmo funkcijo v Laurentovo vrsto
okrog toke z = 0. Koeciente izraunamo po Cauchyjevi formuli,
1
z+1
I
I
ln
z1
1
1
z 2j
dz .
2j+1 =
dz
=
2 i
2 i
(z 0)(2j+1)+1
ln z+1
z1
z + 1
z+1
0,
y0
, y 0
arg(z + 1) =
, arg(z 1) =
.
2, y 0
, y 0
V limiti y = 0 integral po krivulji da
2j+1
1
=
2 i
1
=
2 i
Z1
1
Z1
1
Z1
x2j dx
1
x2j dx
=
1+x
2 i
ln 1+x
+
(0
i
)
ln
+
(2
i
i
)
1x
1x
1
Z1
x2j 2 i
x2j
dx =
dx > 0 .
2
2
1+x
2
2
ln 1+x
+
ln
+
1
1x
1x
d1 d2
z
2j+1
+ S(z) = polinom(z) +
+ 2 + ,
R(z)
2j+1
2
z
z
z
j=0
253
kjer je
(6.37)
d1 = 1 a0 3 a2 ,
d2 = 3 a1 5 a3 .
X
2j+1
z
(6.38)
S(z) = p.d. R(z)
.
2
z 2j+1
j=0
k1
k1
k1
k1
X
X
X
X
z
1
j
aj z j
s asj .
2
zj
zj
j=0
j=0
s=j
j=1
k1
k1
k1 X
X
X
1
(6.39)
S(1) = R(1)
s ajs .
j
2
j=0
j=1 s=j
|
{z
}
popravek
R(1) =
k1
X
ai = 0 = 1
i=0
k1
k1 k1
j=0
j=1 s=j
1 X
1 XX
j +
s ajs > 0 ,
0 =
2
R(1)
1 XX
s ajs 0,
R(1)
j=1 s=j
254
6. ZAETNI PROBLEMI
k1
j=0
j=0
1 X
1 X
=0=
lim
j <
j .
z1
2
2
ln z+1
1
z1
j = kj ,
j = 0, 1, . . . , k.
z + 1
z+1 k
z1
z1 k
z+1
z 1 k
2
z 1
2
z+1
2
z1
ter
1
k
() =
.
i = 0, 1, . . . , k 1.
i = 0, 1, . . . , k 1.
255
Dokaz. Pokaimo najprej, da iz konvergence sledi nielna stabilnost in konsistentnost. e je metoda konvergentna, je konvergentna tudi za vsako enabo, ki
zadoa deniciji konvergence 6.4. Vzemimo skalarno enabo y 0 = 0, y(0) = 0,
s tono reitvijo y = 0. e metoda ni nielno stabilna, ima polinom nilo 1 ,
za katero velja |1 | 1. Izloimo najprej monost |1 | > 1. Zaporedje
xn
yn := h 1h
da numerino reitev v zakljueni obliki. Ko h 0, za zaetnih k vrednosti
xi
yi = h 1h = h 1i , i = 0, 1, . . . , k 1,
velja yi y(xi ) = 0, i = 0, 1, . . . , k 1. Ker je metoda konvergentna, bi
moralo slediti yn 0 za vse n. Vendar
xn h0
yn = h1h ,
za vse dovolj velike n, na primer n h1 , saj je |1 | > 1. To je seveda protislovje.
Naj bo sedaj |1 | = 1 vsaj dvojna nila polinoma . Vzemimo zaporedje
1
yn = xn 1n , ki je sedaj numerina reitev v zakljueni obliki. Zaetne
h
vrednosti
xi
1
yi = xi 1h = h i 1i , i = 0, 1, . . . , k 1,
h
konvergirajo s h 0 proti ni, torej bi moralo celotno zaporedje. Vendar
xn
xn
1
h0
yn = xn 1h = h n 1h
h
za vse dovolj velike n. To protislovje dokazuje, da iz kovergence sledi nielna
stabilnost. Pokaimo, da iz konvergence sledi tudi konsistentnost. Vzemimo
enabo y 0 = 0, y(0) = 1 s tono reitvijo y = 1 in predpostavimo yn y(xn ).
k
P
Numerina reitev zadoa
i yni = 0. Torej
i=0
0=
k
X
h0
i yni
i=0
k
X
i 1 = (1)
i=0
in konvergentna metoda mora biti vsaj reda 0. Naj bo (1) = 0. Vzemimo sedaj
diferencialno enabo y 0 = 1, y(0) = 0, s tono reitvijo y(x) = x. Numerina
reitev zadoa
k
X
i=0
i yni + h
k
X
i=0
i 1 =
k
X
i=0
i yni + h (1) = 0,
256
6. ZAETNI PROBLEMI
kjer z izborom yi = i h, i = 0, 1, . . . , k 1 izpolnimo predpogoj za konvergenco. Diferenna enaba je sedaj nehomogena. Uganimo partikularno reitev
z nastavkom yn = h n K . Dobimo
0 = hK
k
X
i (n i) + h(1) =
i=0
= hK
k
X
!
i (k i) + (n k)(1)
i=0
yn
y n1
Y n := .. ,
.
y nk+1
iy ni + h
i=0
k
X
if (xni , y ni ) = 0
i=0
preoblikujmo v
yn =
(6.41)
k
X
i
i=1
k1
X
y ni h
i0 y nk+i + h
i=0
k
X
i
i=0
k
X
f (xni , y ni ) =
i=0
kjer je
ki
ki
= ki , i0 :=
= ki .
0
0
e je v (6.41) koecient k0 6= 0, vrednost y n nastopa implicitno. A e je le h
dovolj majhen, se jo da po izreku o implicitni funkciji tudi eksplicitno izraziti
v obliki
i0 :=
(6.42)
yn =
k1
X
i=0
(xn1 , Y n1 , h) .
i0 y nk+i + h
257
!
k1
k1
X
X
(6.43)
=
i0f (xnk+i , y nk+i ) + k0 f xn , h
i0 y nk+i .
i=0
i=0
0
0
k1 I k2
I k3
I . . . 00 I
yn
y n1
I
0
y n1
y n2
I
0
.. =
.. +
.
.
..
..
.
.
y nk+1
y nk
I
0
(xn1 , Y n1 , h)
+ h
.
..
Tu I Rd,d oznauje enotsko matriko. Naj A B pomeni Kroneckerjev (tenzorski) produkt matrik. Za A = (aij )p,q
i,j=1 je to blona matrika,
p,q
A B = (aij B)i,j=1 . Linearno k -lensko metodo strnjeno zapiemo v obliki
(6.44)
(xn1 , Y n1 , h) ,
Y n = (A I) Y n1 + h
kjer je
(6.45)
in
0
0
0
k1
k2
k3
. . . 00
1
1
0
A :=
,
..
..
.
.
1
0
Za zakljuek dokaza potrebujemo pomona izreka.
1
0
e 1 := .. .
.
0
Trditev 6.4. Naj bo linearna k-lenska metoda nielno stabilna. Tedaj obstaja
takna vektorska norma k . k : Rd k [0, ), da za matriko A I v inducirani
matrini normi velja
kA Ik 1 .
258
6. ZAETNI PROBLEMI
|i | = 1, i = 1, 2, . . . , r,
|i | < 1, i = r + 1, r + 2, . . . , k .
Torej je Jordanova forma J matrike A oblike
1
..
r+1 r+1
T 1 AT =: J =
r+2 r+2
..
..
.
.
k1 k1
k
|i | < 1 |i |, i = r + 1, r + 2, . . . , k
k (A I) z k = T 1 I (A I) z = (J I) T 1 I z
k (J I) k T 1 I z kzz k,
torej kA Ik 1.
Od tu naprej do konca dokaza privzemimo, da uporabljamo vektorsko in
pripadajoo matrino normo, katere obstoj zagotavlja trditev 6.4.
k1
X
i=0
k1
X
i=0
259
Tako dobimo
L X 0
0
Y n1 Ye n1 k ,
max kyy nk+i yenk+i k L00 kY
0ik1
y (xn )
y (xn )
y (xn1 )
y (xn h)
Y (xn ) =
.
=
..
..
.
.
y (xn (k 1)h)
y (xnk+1 )
Y n Y (xn )k = k (A I) Y n1 + h
(xn1 , Y n1 , h) Y (xn )k =
kY
Y n1 Y (xn1 )) +
= k (A I) (Y
(xn1 , Y n1 , h) (xn1 , Y (xn1 ), h)) +
+ h(
(xn1 , Y (xn1 ), h) Y (xn )) k
+ ((A I) Y (xn1 ) + h
{z
}
|
lokalna napaka
Y n1 Y (xn1 )k +
kA IkkY
Y n1 Y (xn1 )k + O hr+1 .
+ hL00 kY
00
e(ba)L in
Y n Y (xn )k (1 + hL00 )n kY
Y 0 Y (x0 )k +
kY
r+1
+O h
1 + (1 + hL00 ) + + (1 + hL00 )n1
1
00
00
Y 0 Y (x0 )k + 00 O (hr ) e(ba)L 1 .
e(ba)L kY
L
S tem je izrek 6.9 v celoti dokazan, dokazana pa je tudi sledea posledica.
i = 0, 1, . . . , k 1,
260
6. ZAETNI PROBLEMI
2.7. Enabe vijih redov. Za najprimerneji nain reevanja velja prevedba na sistem enab prvega reda. Poznamo tudi metode, razvite posebej za
dani viji red diferencialne enabe. Vzemimo na primer Runge-Kutta metodo
RK4,
0
1
2
1
2
1
2
0
0
1
2
0
1
1
6
2
6
2
6
1
6
y 00 = f (x, y, y 0 ),
je
0
k1 = f (xn1 , yn1 , yn1
),
1
h 0
h2
h
0
k2 = f xn1 + h, yn1 + yn1 + k1 , yn1 + k1 ,
2
2
8
2
2
1
h 0
h
h
0
k3 = f xn1 + h, yn1 + yn1 + k2 , yn1 + k2 ,
2
2
8
2
2
h
0
0
k4 = f xn1 + h, yn1 + hyn1 + k3 , yn1 + hk3 ,
2
h
0
yn0 = yn1
+ (k1 + 2k2 + 2k3 + k4 ),
6
h
0
yn = yn1 + h yn1 + (k1 + k2 + k3 ) .
6
5
Lokalna napaka te metode je O h , zato je metoda etrtega reda.
Posebne metode so prirone, ko imamo enabe z desno stranjo posebne
oblike. Kot primer poglejmo posploitev Milneove metode za reevanje enab
drugega reda, v katerih prvi odvod eksplicitno ne nastopa,
y 00 = f (x, y),
Za prediktor vzamemo
h2
00
00
00
(5yn1
+ 2yn2
+ 5yn3
) + O h6 ,
4
korektor pa si sposodimo pri Numerovu,
yn(p) = yn1 + yn3 + yn4 +
(6.46)
yn = 2yn1 yn2 +
h2 00(p)
00
00
(yn + 10yn1
+ yn2
) + O h6 .
12
261
ugotovimo priblino
(6.47)
y 0 = Jyy ,
y n = y n1 + h J y n1 = R(h J) y n1 ,
R(z) := 1 + z.
Funkciji R reemo faktor rasti metode. V togih problemih reitev enabe (6.47)
hitro zamre. e je J dovolj dobra aproksimacija Jacobijeve matrike, to pomeni,
da je spekter J krepko v levi polovici kompleksne ravnine. Za mnogo metod
velja, da numerina metoda temu ne uspe slediti, kar pomeni, da za takne
vrste problemov ni stabilna. Faktor rasti brez teav doloimo v zakljueni
obliki za vse eksplicitne metode. Pokaimo to za metodo RK4.
1
k 2 = J 1 + hJ y n1 ,
2
1
1
2
k 3 = J 1 + hJ + (hJ) y n1 ,
2
4
1
1
k 4 = J 1 + hJ + (hJ)2 + (hJ)3 y n1 ,
2
4
h
y n = y n1 + (kk 1 + 2kk 2 + 2kk 3 + k 4 ) =
6
1
1
1
2
3
= y n1 + hJ 1 + hJ + (hJ) + (hJ) y n1 =
2
6
24
= R (hJ) y n1 ,
262
6. ZAETNI PROBLEMI
1
1
1
R(z) = 1 + z + z 2 + z 3 + z 4 .
2
6
24
Faktor rasti ni takne oblike le po nakljuju, o emer nas prepria tale
izrek.
1
1
R(z) = 1 + z + z 2 + + z r + O z r+1 .
2
r!
Dokaz. Iz zgleda 6.19 povzamemo, da je R za s-stopenjsko Runge-Kutta metodo polinom stopnje s. Tona reitev diferencialne enabe y 0 = y, y(0) =
1, je ex . e zanemo z numerino vrednostjo y0 = 1, bo razlika
y1 y(h) = R(h) eh = R(z) ez ,
z := h,
1
1
R(z) = 1 + z + z 2 + + z r .
2
r!
e reujemo togo diferencialno enabo in razlika med dvema tonima reitvama
zelo hitro zamre, zahtevamo, da se tako zgodi tudi za pripadajoi numerini
reitvi. Torej bi moral biti faktor rasti na negativnem delu kompleksne ravnine
po absolutni vrednosti manji od 1. To za mnogo metod ne velja.
0
1
2
1
2
263
3
-2
-3
-3
-2
-1
k 1 = f (xn1 , y n1 ),
h
k 2 = f xn , y n1 + (kk 1 + k 2 ) ,
2
h
y n = y n1 + (kk 1 + k 2 ) .
2
1
h
1
1
k2 = yn1 + hyn1 + k2 = hk2 + 1 + h yn1 .
2
2
2
2
264
6. ZAETNI PROBLEMI
Od tod dobimo
1
1
k2 =
1 + h yn1
2
1 12 h
in
1
1 1 + 12 h
yn = yn1 + hyn1 + h
yn1 =
2
2 1 12 h
=
Od tod
1 + 12 h
yn1 = R(h)yn1 .
1 12 h
1 +
|R(z)| =
1
2
z 2
2
z
2
1 + <(z) + | z2 |2
< 1 za <(z) < 0 .
1 <(z) + | z2 |2
i yni + h
k
X
i=0
i yni =
k
X
(i + hi ) yni = 0 .
i=0
265
15
k=6
10
k=5
k=4
k=3
k=2
k=1
0
-5
-10
-15
-5
10
15
RK4
5.80 10-6
1.08 10-4
2.40 10-3
6.85 10-2
1.50 10262
3.21 101617
5.31 102926
6.04 104191
BDF, k = 4 BDF, k = 5
8.28 10-5
9.70 10-4
7.16 10-3
2.67 10-2
3.79 10-2
2.92 10-2
1.68 10-2
9.03 10-3
1.22 10-5
2.77 10-4
3.41 10-3
1.89 10-2
2.81 10-2
2.28 10-2
1.33 10-2
7.17 10-3
2.9. Naloge.
2.1. Imamo metodo
ayn+1 + byn + cyn1 + dyn2 = hf (xn , yn ).
Reujemo diferencialno enabo y 0 = f (x, y). Doloi koeciente a, b, c, d tako,
da bo formula tona za polinome im vijih stopenj (metoda nedoloenih koecientov). Ali je izpeljana metoda nielno stabilna?
266
6. ZAETNI PROBLEMI
k
X
i yni + h
k
X
i=1
i=1
<
()
()
0 za || > 1.
i 1.
POGLAVJE 7
Robni problemi
267
268
7. ROBNI PROBLEMI
1. Uvod
1.1. Nekaj zgledov. V robnih problemih reitev diferencialne enabe za-
doa dodatnim pogojem, ki niso vsi predpisani v isti toki. Kot smo videli
v uvodu v numerino reevanje diferencialnih enab, e osnovna zahteva, kot
je na primer eksistenca tone reitve, ni vedno izpolnjena. Eksistenne izreke,
na primer izreka 5.3 (str. 193) in 5.4 (str. 194), je treba poiskati za precej bolj
ozko opredeljene razrede problemov, kot nam je uspelo v reevanju zaetnih
nalog. A vendar ozadje problema pogosto pomaga do matematine presoje, ali
reitev obstaja in tudiju pogojev, pri katerih se da reitev vnaprej zagotoviti.
Vzemimo zgled.
Zgled 7.1. Kako se upogne tanka, vodoravno postavljena palica, ki jo obteimo s funkcijo q in togo vpnemo v enem krajiu ter naslonimo na drugem?
Diferencialna enaba, ki ji oblika y zadoa, je
y (4) + k y = q,
torej etrtega reda. e palico togo vpnemo v izhodiu a, dobimo robna pogoja
y(a) = 0, y 0 (a) = 0.
V drugem krajiu je viina enaka, in ker je palica le naslonjena, je navor ni,
torej
y(b) = 0, y 00 (b) = 0.
Izkunja nas ui, da reitev tega robnega problema obstaja, e obteba ni
prevelika. In reitev je v tem primeru enolina. Malo drugae sklepamo pri
sledeem zgledu.
Zgled 7.2. Kako s topom zadeti doloen cilj, e top stoji v toki (0, 0) ravnine
R2 , cilj pa je (a, 0) R2 . Naj par (x(t), y(t)) oznai poloaj krogle v asu t in
v := (vx (t), vy (t)) njeno hitrost. Povzemimo preprost model, ki opisuje gibanje
topovskega izstrelka z diferencialnimi enabami. Te prepiemo v sistem enab
prvega reda,
x0 = vx ,
y 0 = vy ,
7.1. UVOD
269
15 000
10 000
5000
0
0
5000
10 000
15 000
20 000
25 000
30 000
x
35 000
270
7. ROBNI PROBLEMI
y 0 = f (x, y ),
(7.1)
x (a, b)
in robnim pogojem
(7.2)
x (a, b) ,
0 y(a) + 1 y 0 (a) = 2 ,
0 y(b) + 1 y 0 (b) = 2 .
0
1
0
0
(7.5)
y = A(x)yy + q (x), A(x) :=
, q (x) :=
,
q(x) p(x)
r(x)
z
h(0 , 1 ) , u i 2
u, z ) :=
.
(7.6)
g (u
h(0 , 1 ) , z i 2
y 0 = f (x, y ),
x (a, b) ,
y (a) = s .
Za f , ki zadoa zahtevam eksistennega izreka 5.1 (str. 191), bo zaetni problem imel reitev za vsak s Rd . Ker reujemo robni problem, iemo s , za
katerega so izpolnjeni robni pogoji
(7.8)
g (ss, y (b; s )) = 0.
271
Zgled 7.4. Reitev robnega problema (7.5) in (7.6) iimo kot linearno kombinacijo y = s u + v . Iskani u naj bo reitev homogene, v pa nehomogene
enabe,
u, v 0 = A(x)vv + q (x).
u 0 = A(x)u
Zahtevajmo, da y za vsak skalar s zadoa robnemu pogoju v zaetni toki a.
Iz (7.6) sledita pogoja, ki jim morata iskani reitvi u in v zadoati na zaetku.
h(0 , 1 ) , u (a)i = 0,
h(0 , 1 ) , v (a)i 2 = 0.
Nekaj svobode je e na voljo pri izbiri u (a) in v (a). Izberemo ju in reimo oba
zaetna problema. To da drugi robni pogoj s
(7.9)
e je
h(0 , 1 ) , u (b)i = 0,
reitev homogenega problema zadoa obema homogenima robnima pogojema,
konstanta s je poljubna in jo lahko vzamemo kar 0. Sicer pa (7.9) vrednost s
doloa kot
h(0 , 1 ) , v (b)i + 2
.
s =
h(0 , 1 ) , u (b)i
V obeh primerih dobimo iskano reitev y = s u + v . Resda smo tu odmislili
mone numerine teave pri izraunu u in v .
V nelinearnih primerih je treba uporabiti eno od znanih metod za reevanje sistema (7.2). Pri robnih problemih drugega reda reujemo eno samo
nelinearno enabo in najpogosteje poseemo po metodah:
regula falsi,
sekantna metoda,
tangentna metoda.
Pri prvi izbiri je teava, da izberemo zaetni vrednosti parametrov tako, da
zadetka ujameta vrednost, ki jo ciljamo. Pri sekantni metodi prav tako potrebujemo dva zaetna priblika, a nas tudi lahko neomejeno odnese pri vsakem
novem pribliku. Tangentno metodo dodajmo kot zgled.
y(a) = , y(b) = ,
y(a; s) = , y 0 (a; s) = s.
g(s) := y(b; s) = 0.
272
7. ROBNI PROBLEMI
g(s) =
y(b; s).
ds
s
To izraunamo tako, da doloimo vrednost odvodu
ys (x) :=
y(x; s)
s
na celotnem intervalu [a, b]. Odvod ys smo sreali e v (5.5, str. 193). Z odvajanjem prvotne diferencialne enabe dobimo
(7.10)
y1
y2
, x (0, 1), y1 (0) = 1 , y1 (1) = 2.
y0 =
=
0
y2
2
y1
2
V zaetni obliki dodamo pogoj y2 (0) = s in reujemo enabo
g(s) := y1 (1; s) 2 = 0
s sekantno metodo. Ta zahteva dva prejnja priblika, na primer sr2 in sr1
in doloi nov pribliek iskanega parametra z
(7.11)
sr =
r = 2, 3, . . .
1
Izberimo h = 20
in zaetne probleme reujmo z Runge-Kutta metodo RK4.
Kaj dobimo, e za zaetek izberemo s0 = 1 in s1 = 25 , kae slika 7.2. Streljanje
v desetih korakih dosee napako
273
y1
2.5
2.0
1.5
1.0
0.2
0.4
0.6
0.8
1.0
y1
2.0
1.5
1.0
0.2
0.4
0.6
0.8
1.0
274
7. ROBNI PROBLEMI
si
0
1
2
3
4
5
..
.
1.000000
0.380000
0.796378
0.674732
0.224851
0.674732
..
.
g(si )
8.888889 101
4.272062
1.062239
1.261836
2.668902 1015
1.261836
..
.
gentni primer
0
y1
y =
= A(x)yy + q (x), x (0, 1),
y20
0
A(x) =
0
0
0
y1 (0) = y1 (1) = 0,
q(x) =
2 2 cos 2x .
cos2 x +
Tona reitev je
e(x1) + ex
2
cos x
1 + e
(7.12)
e(x1) ex 2 cos 2x .
+
1 + e
Izberimo ponovno y2 (0) = s in podobno nelinearno enabo, ki jo reujemo,
kot g(s) := y1 (1; s) = 0. Uporabimo streljanje s sekantno metodo. Zaetna
1
priblika naj bosta s0 = 12 in s1 = 1 ter h = 20
. Izberimo tudi parameter
= 20. Ker je diferencialna enaba linearna, naj bi prvi korak sekantne metode
iz dveh zaetnih vrednosti doloil pravo vrednost s. Tako smo ugotovili tudi
v zgledu 7.4. Slika 7.4 in tabela 7.2 to potrjujeta.
Toda izbira = 50
vrne neuporaben rezultat (slika 7.5). V tabeli priblikov 7.3 razberemo, da
iteracija obtii pri |g(s4 )| 104 . Ker sta lastni vrednosti matrike A enaki ,
pripadajoa lastna vektorja pa (1, 1) in (1, 1), splono reitev homogenega
problema dobimo kot linearno kombinacijo
x 1
x 1
C1 e
+ C2 e
.
1
1
0.0
0.2
0.4
0.6
0.8
275
x
1.0
-0.2
-0.4
-0.6
-0.8
Slika 7.4. Tona (rna) in numerina reitev zgleda 7.7 pri
= 20
si
g(si )
0 -0.500000
1.126537 108
1 -1.000000 6.147336 104
2 -0.999727
2.725272 109
Tabela 7.2. Zaporedje priblikov sekantne metode v zgledu
7.7 pri = 20
0.0
0.2
0.4
0.6
0.8
x
1.0
-0.2
-0.4
-0.6
-0.8
Slika 7.5. Tona (rna) in numerina reitev zgleda 7.7 pri
= 50
276
7. ROBNI PROBLEMI
i
0
1
2
3
si
g(si )
-0.500000
1.291975 1020
-1.000000 2.081990 1017
-0.999196
2.699267 104
-0.999196 1.140608 104
7.7 pri = 50
(7.13)
y (m) = f x, y, y 0 , . . . , y (m1) , x [a, b],
z robnimi pogoji
(7.14)
gi y(a), y 0 (a), . . . , y (m1) (a); y(b), y 0 (b), . . . , y (m1) (b) = 0,
i = 1, 2, . . . , m.
Interval vnaprej razdelimo na n podintervalov, najpogosteje ekvidistantno,
ba
xi = a + i h, i = 0, 1, . . . , n , h :=
,
n
in iemo diskretno aproksimacijo
yi y(xi ),
i = 0, 1, . . . , n,
277
Denicija 7.1. Lokalna napaka pri reevanju robnih problemov v dani toki
i = i (y) =
y 00 (xi ) + p(xi )y 0 (xi ) + q(xi )y(xi ) r(xi )
+ p(xi )
h2
2h
!
+ q(xi )y(xi ) r(xi ) = O h2 .
(7.15)
0 y(a) + 1 y 0 (a) = 2 ,
0 y(b) + 1 y 0 (b) = 2
278
7. ROBNI PROBLEMI
diskretiziramo tako, da je tudi tu lokalna napaka reda O h2 . Izberemo aproksimacijo iz tabele 3.2 (str. 133),
3y0 + 4y1 y2
= 2 ,
2h
3yn 4yn1 + yn2
0 yn + 1
= 2 .
2h
(7.16)
0 y0 + 1
(7.17)
.. .. ..
Rn+1,n+1 ,
.
.
.
ki je skoraj tridiagonalna. Gaussova eliminacija linearne sisteme enab s takno
obliko matrike rei v linearnem asu O (n).
y(0) = y(1) = 0,
1 2 2
+ + 4 2 cos 2x .
2
Slika 7.6 zgovorno kae, da diferenna metoda deluje na tem primeru brezhibno,
pa eprav temelji na lokalni napaki drugega reda.
f (x, y) := 2 y +
0.004
0.2
0.4
0.6
0.8
1.0
0.003
-0.2
-0.4
0.002
-0.6
0.001
-0.8
0.000
0.0
0.2
0.4
0.6
0.8
1.0
Robni problem, ki smo ga sreali v zgledu 7.9, je posebne oblike, saj funkcija
f ni odvisna od odvoda. Za reevanje taknih enab pogosto poseemo po
279
0.4
0.6
0.8
1.0
-0.2
-0.00001
-0.4
-0.00002
0.2
0.4
0.6
0.8
1.0
-0.00003
-0.6
-0.00004
-0.8
-0.00005
y(a) = , y(b) = ,
280
7. ROBNI PROBLEMI
pi 1 + 1 + pi 1 = 1 pi 1 + 1 + pi 1 = 2 .
h2
2h h2
2h h2
2h h2
2h
h2
Matrika sistema enab, ki doloajo globalno napako, je za vse dovolj majhne
h h0 strogo diagonalno dominantna neodvisno od razmika h. Torej, kot v
dokazu izreka 2.13 (str. 109), za neko konstanto konst > 0,
max |ei | konst max |i | = O h2 ,
1in1
1in1
(7.19)
y (m) = f x, y, y 0 , . . . , y (m1) , x [a, b],
z robnimi pogoji
(7.20)
gi y(a), y 0 (a), . . . , y (m1) (a); y(b), y 0 (b), . . . , y (m1) (b) = 0,
i = 1, 2, . . . , m.
Izberimo prostor, v katerem iemo aproksimativno odsekoma polinomsko
funkcijo. Razdelimo interval [a, b] s stinimi tokami x := (xi )ni=0 ,
i = m,
i = 1, 2, . . . , n 1,
kar pomeni, da mora imeti odsekoma polinomska funkcija v stinih tokah zvezne vse odvode do vkljuno (m 1)-vega. Numerina aproksimacija
281
+k+m
= x0 , x0 , . . . , x0 , . . . , xi , xi , . . . , xi , . . . , xn , xn , . . . , xn .
t = (tj )N
j=1
|
{z
}
|
{z
}
|
{z
}
k+m
k+m
, j = 1, 2, . . . , N,
Bj,k+m1 (x) = (tj+k+m tj )[tj , . . . , tj+k+m ]( . x)k+m1
+
tvorijo bazo prostora Pk+m1,xx , . e zahtevamo, da priblina reitev rei diferencialno enabo v k tokah na vsakem od podintervalov, ter upotevamo e
m robnih pogojev, dobimo toliko zahtev, kot je svobodnih parametrov. Kolokacijske toke najpreprosteje generiramo po enotnem kljuu. Izberemo toke
(7.21)
[xi , xi+1 ],
z
i k+j :=
Nastavek
i = 0, 1, . . . , n 1,
xi + xi+1
xi
+ j
,
2
2
ye =
N
X
j = 1, 2, . . . , k.
i Bi,k+m1 ,
i=1
` = 1, 2, . . . , n(k + 1)
gi ye(a), ye0 (a), . . . , ye(m1) (a); ye(b), ye0 (b), . . . , ye(m1) (b) = 0,
i = 1, 2, . . . , m.
282
7. ROBNI PROBLEMI
Izrek 7.2. Naj bodo desna stran diferencialne enabe f in robni pogoji gi
dovolj gladki. e izberemo osnovne toke (7.21) tako, da velja
Z 1
k
Y
p(x)
(x j ) dx = 0
1
j=1
ke
y (i) y (i) k = O xk+min(s,mi) , i = 0, 1, . . . , m.
Aproksimacijo ye konstruiramo kot funkcijo, ne le kot zaporedje diskretnih priblikov. Ne le, da je ye dobra aproksimacija za y , ampak velja to
tudi za odvode. Najveji moni s je k . V tem primeru so toke j kar nile Legendrovega polinoma Pk . Ozadje dokaza se oitno povsem navezuje na
integracijska pravila Gaussovega tipa in izbiro vozlov, kot smo jih opravili v izreku 4.6 (str. 168). Ne nazadnje, tudi pri modelni izpeljavi Runge-Kutta metod
smo v tabeli 6.1 (str. 216) naleteli na enako izbiro vozlov. e nekoliko ohlapno
povzamemo, takna izbira svobodnih parametrov vodi k numerinim pravilom,
ki so tona za polinome vijih stopenj in s tem vijega reda.
3.3. Reevanje variacijskega problema. Omenimo e en pristop k reevanju robnih problemov, Rayleigh-Ritzovo metodo. Svoj nesluten razmah je
metoda doivela ele s sistematino uporabo odsekoma polinomskih funkcij,
zlepkov. Z uporabo teh posebnih testnih funkcij je metoda dobila tudi drugo
ime, metoda konnih elementov. V reevanju robnih problemov pri navadnih
diferencialnih enabah ne more tekmovati z na primer uinkovitejo kolokacijo.
Svojo pravo vrednost pokae pri reevanju parcialnih diferencialnih enab eliptinega tipa. Vseeno razloimo osnovno misel Rayleigh-Ritzove metode kar tu.
Vzemimo Sturm-Liouvilleov robni problem
d
dy
(7.24)
p(x)
+ q(x) y = r(x), x [a, b] , y(a) = 0, y(b) = 0.
dx
dx
Diferencialni operator je simetrien. Zahtevajmo e
(7.25)
p p > 0, q 0,
x [a, b],
tako, da postane operator tudi pozitivno deniten. Enabo (7.24) lahko razumemo tudi kot Eulerjevo enabo, ki pove potreben pogoj, da ima funkcional
Z b
Z
1 b
(7.26)
F (y) :=
f (x, y, y 0 )dx :=
p(x)y 02 + q(x)y 2 2r(x)y dx
2 a
a
ekstrem. Res, oznaimo parcialne odvode kot indekse. Iz
fy fx y0 fy y0 y 0 fy0 y0 y 00 = 0
283
ravno diferencialno enabo (7.24). Ideja Rayleigh-Ritzove metode je, da namesto reevanja Eulerjeve enabe direktno minimiziramo vrednost funkcionala (7.26) nad primerno izbranim vektorskim prostorom S0 . Indeks 0 tu
oznauje, da morajo funkcije g S0 zadoati homogenim robnim pogojem
g(a) = g(b) = 0, zahtevamo pa tudi, da so funkcije g vsaj odsekoma zvezno
odvedljive. Zahteva (7.25) je kot nala za uporabo metode najmanjih kvadratov pri minimizaciji funkcionala (7.26). Naj bo (si )ni=1 baza prostora S0 .
Element najbolje aproksimacije iimo z nastavkom
y =
n
X
i si .
i=1
F
i si = 0, j = 1, 2, . . . , n.
j
i=1
in desno stranjo
(7.28)
Z
a
si (x) r(x)dx,
i = 1, 2, . . . , n.
0
(7.29)
Ly := p(x) y 0 + q(x)y = y, x [a, b] .
Diferencialni operator L je simetrien, obiajno tudi pozitivno deniten, saj
za koecienta p C 1 ([a, b]), q C ([a, b]) velja
p(x) > 0,
q(x) 0,
x [a, b].
284
7. ROBNI PROBLEMI
Lastne funkcije y morajo zadoati robnima pogojema, v poenostavljeni homogeni obliki kar
(7.30)
y(a) = y(b) = 0.
0 q q(x) q,
x [a, b].
Problem lastnih vrednosti (7.29) ob robnih pogojih (7.30) ima neskonno lastnih
parov (i , yi ) kot reitev. Lastne vrednosti lahko razvrstimo strogo naraajoe,
1 < 2 < 3 <
Velja ocena
q+p
i2 2
i2 2
,
q
+
p
i
(b a)2
(b a)2
i = 1, 2, 3, . . .
0
py 0
(xi ) = p (xi ) y 00 (xi ) + p0 (xi ) y 0 (xi )
in
y(xi1 ) + 2y(xi ) y(xi+1 )
+ O h2 ,
2
h
p
p
y(x
i+1
i1
i+1 ) y(xi1 )
p0 (xi ) y 0 (xi ) =
+ O h2 ,
2h
2h
p (xi ) y 00 (xi ) = pi
285
p xi h2 (yi yi1 ) + p xi + h2 (yi yi+1 )
0 0
(7.31)
py
(xi )
,
h2
Ayy = yy .
Matrika A je simetrina tridiagonalna matrika, ki je tudi pozitivno denitna,
e je le prvotni operator L pozitivno deniten.
n
10
20
30
40
50
60
70
80
90
100
1
2.11260
2.11976
2.12121
2.12174
2.12199
2.12213
2.12221
2.12226
2.12230
2.12233
2
3.53633
3.58845
3.59894
3.60274
3.60454
3.60552
3.60612
3.60651
3.60678
3.60698
3
5.66229
5.90778
5.95862
5.97705
5.98574
5.99052
5.99342
5.99532
5.99663
5.99757
4
8.18841
9.08285
9.24245
9.30024
9.32750
9.34249
9.35160
9.35755
9.36165
9.36459
3.5. Naloge.
3.1. Reevanje robnega problema
Ly := a(x)y 00 + b(x)y 0 + c(x)y r(x) = 0,
prevedi na reevanje dveh zaetnih problemov.
y(a) = ya , y(b) = yb
286
7. ROBNI PROBLEMI
1.0
0.5
0.5
1.0
1.5
2.0
2.5
3.0
-0.5
3.2. Diskretiziraj ponovno robni problem v zgledu 7.8, to pot z uporabo simetrinih diferennih aproksimacij v diskretizaciji robnih pogojev (7.16) in
(7.16). Namig. Raziri delitev s tokama x1 := x0 h in xn+1 := xn + h,
uvedi dodatni neznanki y1 ter yn+1 . Dodatni enabi da diskretna aproksimacija diferencialne enabe (7.15) v x0 in xn .
3.3. Reevanje robnega problema Ly := y 00 + p(x)y 0 + q(x)y = r(x) z robnima
pogojema
3.5. Zapii sistem linearnih enab, ki ga dobi pri reevanju robnega problema:
(1 + x2 )y 00 2xy 0 + x2 y = 1,
y(1) = y(1) = 0.
2
aproksimacij O h . Dokai, da ima sistem vedno reitev in ga rei v primeru
h = 1/2. Reuj na dva naina: najprej brez upotevanja simetrinosti in
pozitivnosti operatorja, nato pa z upotevanjem tega.
1
(py ) (xi ) 2 pi 1 yi1 (pi 1 + pi+ 1 ) yi + pi+ 1 yi+1 .
2
2
2
2
h
Doloi red lokalne napake.
0 0
287
3.7. S kombinacijo strelske in tangentne metode rei tale nelinearni robni problem:
y 00 = y 02 + y sin x,
y(a) = 1, y(b) = 2.
y(a) = ya , y(b) = yb ,
0
Ly := p(x)y 0 + q(x)y = y, y(a) = 0, y(b) = 0.
Privzemi
y(a; ) = 0, y 0 (a; ) = 1.
y(b; ) = 0.
Del IV
POGLAVJE 8
291
292
1. Uvod
1.1. Kaj opisujejo parcialne diferencialne enabe. Parcialne dife-
sploneje,
Lu = 0,
Ru = 0,
x D,
x D.
Lu = u,
Ru = 0,
x D,
x D.
Lu = 0,
(t, x ) (0, T ) D,
8.1. UVOD
293
u
= Lu,
t
(t, x ) (0, T ) D,
ali
2u
= Lu, (t, x ) (0, T ) D.
t2
Tu je treba dodati e robne
Ru = 0,
(t, x ) (0, T ) D,
Zu = 0,
t = 0, x D.
Tri osnovne tipe enab se da lepo opredeliti za enabe drugega reda, ki so linearne v najvijih odvodih.
Olajajmo
si delo in privzemimo d = 2. Diferencialni
2
2
2
operator L : C R C R in enabo lahko zapiemo v obliki
(8.1)
Lu := a
2u
2u
2u
+ c 2 + e = 0.
+b
2
x
xy
y
p :=
u
,
x
q :=
u
,
y
r :=
2u
,
x2
s :=
2u
,
xy
dp =
p
p
dx +
dy = rdx + sdy
x
y
dq =
q
q
dx +
dy = sdx + tdy.
x
y
in
t :=
2u
.
y 2
294
Od tod izrazimo r in t,
r=
2u
dp
2 u dy
dp sdy
=
=
2
x
dx
dx xy dx
t=
2u
dq sdx
dq
2 u dx
=
=
.
y 2
dy
dy xy dy
in
2u
dy
dx
dp
dq
a
+bc
+ a
+ c + e = 0.
xy
dx
dy
dx
dy
dy
Pomnoimo to enakost e z dx
. Diferencialno enabo (8.1) smo pretvorili v
obliko
!
2u
dy 2
dp dy
dq
dy
dy
(8.2)
a
b
+c a
+c
+e
= 0.
xy
dx
dx
dx dx
dx
dx
Najviji odvodi v diferencialni enabi najve povedo o reitvi. Zato se tam, kjer
se njihov vpliv zgubi, ker jih mnoi 0, znaaj diferencialne enabe spreminja.
To se tu zgodi, e velja karakteristina enaba
2
dy
dy
+ c = 0.
(8.3)
a
b
dx
dx
Kvadratna enaba
a 2 b + c = 0
(8.4)
doloa smer krivulje, vzdol katere reitev parcialne diferencialne enabe (8.2)
u
zadoa navadni diferencialni enabi za parcialna odvoda p = u
x in q = y ,
dq
dy
dp dy
+c
+e
= 0.
dx dx
dx
dx
Tem krivuljam reemo karakteristike in tip enabe opremo na znaaj karakteristik. Kvadratna enaba (8.4) ima v doloeni toki (x, y) konjugirano kompleksni par reitev, dve razlini realni reitvi ali eno realno, a dvojno. Te tri
monosti opredelijo znaaj diferencialne enabe.
(8.5)
8.1. UVOD
295
2u 2u
+ 2 = f (x, y),
x2
y
a = 1, b = 0, c = 1,
b2 4ac = 4 < 0.
V enabah parabolinega in hiperbolinega tipa je ena od neodvisnih spremenljivk as t. Prilagodimo temu enabo (8.1) in dodajmo e dva zgleda.
plotna enaba ali difuzijska enaba. V eni prostorski dimenziji jo lahko zapiemo tudi kot
u
2u
= 2 2 ,
t
x
kjer je > 0 znana konstanta. Ker sta a in b enaka ni, je tudi diskriminanta
b2 4ac = 0.
2
2u
2 u
=
.
t2
x2
Tu je a = 1, b = 0 in c = 2 . Torej je b2 4ac = 4 2 > 0.
2u
= 2 u.
t2
To velja tudi za druge parcialne diferencialne enabe. Prehod v ve dimenzij
zahteva primeren zapis, ki olaja razumljivost zastavljenega problema. Uporaba multiindeksne notacije postane nepogreljiva. Za zgled, splono linearno
enabo eliptinega tipa reda 2m na primer zapiemo
(8.6)
Lu = f,
kjer je
(8.7)
L :=
na D Rd ,
x) D .
(1)|| D a , (x
|+|
|2m
|
Tu sta
(8.8)
:= (1 , 2 , . . . , d ) Nd ,
:= (1 , 2 , . . . , d ) Nd
multiindeksa in
| := 1 + 2 + + d ,
|
D :=
||
.
xd d
x1 1 x2 2
296
kjer je za multiindeks := (1 , 2 , . . . , d ) Nd potenciranje vektorja denirano kot y := y11 y22 ydd . Nehomogeni len f smo tu eksplicitno izloili iz
osnovnega dela diferencialnega operatorja, kot je obiajno navada pri linearnih
diferencialnih enabah. Funkcija f ni odvisna od u in pove, kaj ostane od
diferencialne enabe, e vstavimo u 0.
Podobno splono linearno enabo parabolinega tipa zapiemo
u
= Lu + f,
t
in je prostorski del reda m,
(8.10)
L=
na (0, T ) D, D Rd ,
x) D .
a (x
|m
|
diferenna metoda,
metoda konnih elementov,
kolokacija in posploitve, predvsem Galerkinove metode,
metoda robnih elementov.
1.4. Diferenna metoda. Spregovorimo nekaj besed o diferenni metodi, ki jo sreamo pri reevanju vseh treh tipov parcialnih diferencialnih enab.
Vzemimo diferencialno enabo
Lu = 0 ,
x D,
Ru = 0,
x D.
z robnimi pogoji
8.1. UVOD
297
u j,k+1
yk+1
u j-1,k
yk
u j+1,k
ujk
y
u j,k-1
yk-1
x
x j-1
xj
x j+1
Pri diferenni metodi obmoje D najprej diskretiziramo. To storimo najpogosteje tako, da ga ekvidistantno razdelimo v vsaki od koordinatnih smeri s
koordinatnimi premicami,
xj = x0 + j x,
yk = y0 + k y, . . .
Toke, ki so preseia teh premic in leijo v D, vzamemo kot diskretno aproksimacijo obmoja. Oznaimo jo z D . Kjer premice sekajo rob D, dobimo
toke diskretnega roba D . Za vsako od tok D vpeljemo neznanko, numerini pribliek pravi reitvi diferencialne enabe v tej toki. Vsaki od tok
mree pridruimo tudi po eno enabo. Dobimo jo tako, da odvode v diferencialni enabi zamenjamo z deljenimi diferencami. Pri tem upotevamo robne
pogoje in dobimo sistem enab, ki jih je toliko, kot je neznank, torej na primer
|D |. Slika 8.1 kae primer takne diskretizacije za d = 2. rne toke tvorijo
del diskretne notranjosti D , rdee pa del diskretnega roba D . Neznanke so
ujk u (xj , yk ) ,
kjer je u = u(x, y) in D R2 . V operatorju L nastopajo parcialni odvodi.
Vendar se pri izpeljavi diferennih aproksimacij e vedno lahko v veliki meri
naslonimo na izrek 3.1 (str. 130). Za parcialne odvode na posamezno spremenljivko je to povsem oitno. Na primer, prve parcialne odvode aproksimiramo
298
u (xj+1 , yk ) u (xj1 , yk )
u
(xj , yk ) =
+ O x2 ,
x
2x
u (xj , yk+1 ) u (xj , yk1 )
u
(xj , yk ) =
+ O y 2 .
y
2y
Podobno iz diferennih aproksimacij drugih parcialnih odvodov
(8.11)
u (xj1 , yk ) 2u (xj , yk ) + u (xj+1 , yk )
2u
(xj , yk ) =
+ O x2
2
2
x
x
in
u (xj , yk1 ) 2u (xj , yk ) + u (xj , yk+1 )
2u
(xj , yk ) =
+ O y 2
2
2
y
y
dobimo tudi diskretno aproksimacijo Laplaceovega operatorja
(8.12)
u (xj , yk ) =
4u (xj , yk ) + O h2 .
Pri meanih odvodih interpolacija v eni spremenljivki, na kateri sloni izrek 3.1 (str. 130), ne zadoa ve. e vedno lahko, vsaj do neke mere, uporabimo, kar smo spoznali v eni dimenziji. Naj bo
xj , xj1 , . . . ,
in podobno
p(x, y) :=
r,s
8.1. UVOD
299
p(x, y) =
1
1
X
X
r=1 s=1
xy
4x y
+ O x2 + y 2 .
4x y
O okrnitveni napaki se prepriamo takole. Vstavimo
xj1 = xj x,
yk1 = yk y
2u
1
u
4u
2
2
(xj , yk ) +
(xj , yk ) x +
(xj , yk ) y + O x2 y 2 ,
3
3
xy
6 x y
xy
kar potrjuje okrnitveno napako.
Zgled 8.5. Diskretizirajmo e biharmonini operator 2 u, glavni del biharmonine enabe, ki jo sreamo pri modelih debelih plo,
4u
4u
4u
+
2
+
= 0.
x4
x2 y 2
y 4
Ker nastopata etrta parcialna odvoda v obeh smereh, potrebujemo pet tok
delitve na obeh oseh, na primer
2 u =
300
j2
j1
k1
h
2h
j+1
j+2
k2
k+1
-8
-8
20
-8
-8
k+2
Za lokalno napako ugotovimo
2
u (xj , yk )
2h u (xj , yk )
3
4
h2 X
6u
=
(x
,
y
)
+
O
h .
j
k
6
x2i y 62i
i=0
u (xj , yk + 2 y) = gj,k+2
dani z robnimi pogoji. Pri pettokovni aproksimaciji moramo uporabiti nesimetrini diferenci, ki temeljita na tokah xj x, xj , xj + 1 x v smeri x in
yk y, yk , yk + 2 y v smeri y . To da
2
+ O x + y .
u (xj , yk ) =2
8.1. UVOD
301
u j,k+2
D
2 y
u j-1,k
ujk
u j+1 ,k
1 x
u j,k-1
x) := Lu(x
x) L u(x
x),
(x
x D,
302
Zgled 8.7. Za kolobar je najprimerneji zapis Laplaceovega operatorja v polarnih koordinatah (r, ). Poissonova enaba v tej obliki je
1
u
1 2u
r
2 2 = f (r, ), 0 < 0 < r < 1 , 0 < 2.
r r
r
r
Predpostavimo, da je vrednost u na robovih r = 0 in r = 1 dana. Da
obdrimo lastnosti operatorja, simetrijo in druge pomembne lastnosti, uporabimo podoben prijem kot v (7.31, str. 285), diskretizacijo v zamaknjeni mrei
(slika 8.3). Izberimo
1 0
,
J +1
2
:=
.
K +1
rj = 0 + j r, j = 0, 1, . . . , J + 1,
k = k , j = 0, 1, . . . , K + 1,
r :=
1
r
(u
+
u
)
+
r
(u
u
)
+
j+1,k
j,k
j,k
j1,k
j+1/2
j1/2
rj r2
1
+ 2 2 (uj,k1 + 2uj,k uj,k+1 ) = fj,k .
rj
1.5. Naloge.
1.1. Izpelji sedemtokovno diferenno aproksimacijo meanega odvoda
v toki (xj , tk ), ki uporabi vrednosti
2u
xt
8.1. UVOD
303
k+1
r
k
u j,k+1
u j+1,k
r j+ 1
2
u j,k
r j- 1
k-1
u j-1,k
u j,k-1
r j-1
rj
r j+1
Lu :=
x
kjer naj velja
u
a(x, y)
a(x, y)
+ q(x, y) u ,
x
y
y
a a 0, q 0, na D R2 ,
za neko konstanto a 0. Poii kar se da simetrino pettokovno aproksimacijo
drugega reda. Izrazi okrnitveno napako. Namig: zgleduj se po (7.31, str. 285).
x) + (x
x)
u(x
Tu
u
x) = g(x
x),
* (x
n
x D.
*
n
oznauje odvod v smeri zunanje normale. Izpelji diferenne aproksimacije za
vse tiri dele roba.
304
stojno, operatorji tega tipa so lahko tudi sestavni del enab drugih, asovno
odvisnih tipov. Reitev eliptine diferencialne enabe
Lu = 0,
Ru = 0,
x D,
x D,
x) = g(x
x),
u(x
x D.
a > 0, b > 0.
2
(8.15)
u :=
+
u = f (x, y), (x, y) D.
x2 y 2
Izognimo se tudi razmisleku pri aproksimaciji robnega odvoda in predpostavimo, da za iskano reitev velja Dirichletov robni pogoj,
(8.16)
(x, y) D.
p1 (x, y)
p2 (x, y)
+ q(x, y) u ,
(8.17)
Lu :=
x
x
y
y
305
q(x, y) 0, (x, y) D .
Tu sta spodnji meji p1 in p2 pozitivni konstanti. Numerine prijeme s Poissonove enabe brez sprememb prenesemo tudi na takne diferencialne enabe
(za primerno diskretizacijo glej nalogo 1.4).
Za diskretizacijo Poissonove enabe uporabimo diferenno metodo. Pravokotno obmoje D razdelimo s premicami
xj = j x ,
j = 0, 1, . . . , J + 1
in
yk = k y , k = 0, 1, . . . , K + 1 .
Tu je J + 1 tevilo podintervalov v [0, a], K + 1 pa tevilo podintervalov v [0, b].
Od tod koraka v obeh koordinatnih smereh,
a
b
(8.18)
x =
, y =
.
J +1
K +1
Preseia koordinatnih premic dajo diskretno notranjost
(8.19)
D = {(xj , yk ) | j = 1, 2, . . . , J; k = 1, 2, . . . , K}
in diskretni rob
D = {(xj , yk ) | k = 0, K + 1; j = 1, 2, . . . , J;
j = 0, J + 1; k = 1, 2, . . . , K} .
Uporabimo pettokovno diskretizacijo Laplaceovega operatorja (8.12), ki da
okrnitveno napako drugega reda. Vstavimo e ujk u (xj , yk ) za pribliek
tone reitve in dobimo diskretno aproksimacijo Laplaceovega operatorja v
toki (xj , yk ) kot
(8.20)
u (xj , yk ) ujk ,
uj1,k + 2ujk uj+1,k
uj,k1 + 2ujk uj,k+1
ujk :=
+
.
x2
y 2
Utei te sheme vidimo tudi na sliki 8.4. Enabo (8.20) zapiemo za vsako
toko diskretne notranjosti D . Povsod tam, kjer se petorek dotakne roba,
upotevamo robne pogoje. Povzemimo. Poissonova enaba se v diskretni obliki
glasi
(8.21)
uj,k = fj,k ,
uj,k = gj,k ,
(xj , yk ) D ,
(xj , yk ) D .
306
1
-
y2
2
2
+
x2 y2
1
2
1
-
h2
h2
h2
1
-
h2
1
-
y2
h2
na D D , velja
Tedaj je
v(x, y) 0,
max v (x, y)
(x,y)D
Podobno iz
(x, y) D .
max
(x,y)D
v(x, y) 0,
sledi
min v (x, y)
(x,y)D
v (x, y) .
(x, y) D ,
min
(x,y)D
v (x, y) .
(8.22)
1
1
1
+
x2 y 2
x2 y 2
2(x2 + y 2 )
in
(8.23)
x :=
2
y 2
,
=
x2
2(x2 + y 2 )
y :=
2
x2
.
=
y 2
2(x2 + y 2 )
307
vjk >
max
(x,y)D
v (x, y) ,
(x,y)D
max
(x,y)D
|v (x, y)| +
1
min a2 , b2 max | v (x, y)| .
2
(x,y)D
1
2
a2 .
Dodajmo e funkcijo
v := v + N ,
s konstanto N , ki je enaka
v (x, y) = v(x, y) + N 0 .
Funkcija v izpolnjuje predpostavke izreka 8.1. Torej dosee maksimum na
robu D . Za poljubno toko (x, y) D velja
(x,y)D
(x,y)D
1
1
max (v(x, y)) + a2 N max |v(x, y)| + a2 N .
2
2
(x,y)D
(x,y)D
Ker ta neenakost velja za v , dri tudi za |v|. Toda toka (x, y) je bila poljubna
in ocena velja tudi za maksimum po vseh tokah,
1
max |v(x, y)| max |v(x, y)| + a2 N .
2
(x,y)D
(x,y)D
308
(x, y) D D .
e(x, y) = 0,
(x, y) D .
= + u(x, y) = O x2 + y 2 , (x, y) D .
Za globalno napako e ugotovimo
(x, y) D .
Izrek 8.3. Naj bo tona reitev Poissonove enabe tirikrat zvezno odvedljiva.
Za globalno napako e = u u velja ocena
napaka na robu
309
18
19
20
19
10
20
4 13
14
15
16
4 17
18
10
11
12
15
16
2 13
14
11
12
K
u = (uj,k )Jj=1
RJ K ,
prav tako desno stran,
k=1
K
f = (fj,k )Jj=1
k=1
Matrika sistema
A11
A21
A=
RJ K .
A12
A22
A23
..
..
..
.
.
.
Ak,k1 Akk
Ak,k+1
.
..
..
..
.
.
.
1
x
x
1
x
..
..
..
Akk =
RJ,J ,
.
.
.
x
1
x
x
1
310
..
Ak,k1 = Ak1,k =
.
RJ,J .
y gj,0 ,
j = 1, 2, . . . , J,
v zadnji
y gj,K+1 ,
j = 1, 2, . . . , J,
x g0,k ,
x gJ+1,k .
u = 2f + g =: b .
Au
i = (k 1)J + j.
Ker se bomo reevanja sistema enab lotili iterativno, bomo matriko A razstavili, na primer v
(8.26)
A=I H V ,
H = F + FT .
V = B + BT
Izrek 8.4. Sistem enab (8.25) je reljiv za poljubna pozitivna koraka mree
x in y .
311
Dokaz. Matrika A je ireducibilna. e ne bi bila, bi jo bilo mogoe s podobnostno permutacijsko transformacijo pretvoriti na blono zgornjo trikotno obliko.
Torej bi obstajala permutacijska matrika P , da bi veljalo
e11 A
e12
A
T
P AP =
e22 ,
0 A
e11 in A
e22 kvadratni matriki. Toda A je simekjer sta oba diagonalna bloka A
e12 = 0. e
trina matrika, torej mora takna biti tudi P T AP . Od tod sledi A
bi bila A reducibilna, bi torej lahko enabe in neznanke pretevilili istoleno
tako, da bi dobili dve skupini med seboj nepovezanih enab in neznank. To
oitno ni mogoe. Neizrojenost sledi sedaj iz Gerschgorinovega izreka. Ta
pravi, da mora spekter (A) leati v notranjosti unije Gerschgorinovih krogov
n
n
[
X
Ki , Ki := z C |z aii |
|aij | , n := J K.
j=1
i=1
j6=i
|aii | = aii
n
X
|aij |,
j=1
j6=i
Pn
j=1
j6=i
312
max ||
kAk2 kA
k2 = (A)(A
)=
(A)
min ||
(A)
odloata dominantni lastni vrednosti A in A1 . Pri iterativnih postopkih postane pomemben tudi drugi del spektra (A). Zato poiimo vse lastne pare
(, w ),
(8.30)
w = w
w,
Aw
za ta posebni primer. Iz prvotnega diskretnega problema (8.21) in (8.25) ugotovimo, da je reevanje problema lastnih vrednosti (8.30) ekvivalentno iskanju
lastnih parov diskretnega Laplaceovega operatorja
w(x, y) = 0, (x, y) D .
Poiimo w s Fourierovo separacijo spremenljivk, z nastavkom
w(x, y) = (x)(y) ,
(x, y) D .
Tako dobimo
(8.31)
(x)(y) =
(x)(y)
2
in robne pogoje
(8.32)
(0) = 0 ,
(a) = (xJ+1 ) = 0 ,
(0) = 0 ,
(b) = (yK+1 ) = 0 .
(x x) + 2(x) (x + x)
+
x2 (x)
(y y) + 2(y) (y + y)
+
= 2,
y 2 (y)
(x, y) D .
(x x) + 2(x) (x + x)
= 2 = konst1 ,
x2 (x)
(y y) + 2(y) (y + y)
= 2 = konst2 .
2
y (y)
= 2 (xj ) ,
2
x
j = 1, 2, . . . , J,
313
(xj x) + 2
(xj ) (xj + x) = 0 , j = 1, 2, . . . , J.
x
To je sistem linearnih diferennih enab s konstantnimi koecienti za neznane
(xj ). Reitev iemo z Lagrangeevim nastavkom. Privzemimo nastavek
j
(xj ) = xj = x =: j .
Potem je
x
x
= 0.
+2
x
Torej mora = x zadoati enabi
1
(8.33)
=2 .
x
1
e ta enaba dri za , dri tudi za . Splona reitev sistema diferennih
(xj ) = C( j j ) ,
(8.34)
C 6= 0 .
2(J+1) 1 = 0 .
Reitve leijo na enotski kronici, p-ta reitev je enaka
i
p = e
2
p
2(J+1)
= e J+1 p ,
p = 1, 2, . . . , 2(J + 1) .
1
= 0,
(1)j
314
tako v (8.34) doda le trivialno reitev. Vse neodvisne reitve torej dobimo e
za indekse p = 1, 2, . . . , J . Konstanta C je e poljubna. Izberimo jo tako, da
so komponente lastnega vektorja realne,
pj
pj
j
J+1
J+1
(8.36) p (xj ) = C p p = C e
e
= sin
pj ,
J +1
j = 1, 2, . . . , J.
Vzemimo sedaj p in iz (8.33) izraunajmo pripadajoo lastno vrednost.
i
1
p = x 2 p
= x 2 e J+1 p + e J+1 p
=
p
p
p
2
= 2x 1 cos
= 4x sin
.
J +1
2J +1
Podobno naredimo e v y smeri:
q = 4y sin
q
2K +1
pq = p + q ,
p = 1, 2, . . . , J , q = 1, 2, . . . , K ,
w pq = q p ,
Lastna vrednost pq je
(8.39)
pq = 4x sin
p = 1, 2, . . . , J , q = 1, 2, . . . , K .
p
2J +1
+ 4y sin
q
2K +1
11 .
2
2
11 = 4 x sin
(8.40)
+ y sin
=
2(J + 1)
2(K + 1)
2 y
2 x
+ y sin
=
= 4 x sin
2a
2b
2 x2
2 y 2
4
= 4 x
+
+
O
x
+
y
=
y
4a2
4b2
1
1
(8.41)
= 22
+ 2 + O x4 + y 4 .
2
a
b
Najvejo lastno vrednost ocenimo z
pq < 4(x + y ) = 2 ,
torej spekter matrike A lei med 11 in 2. S tem smo dokazali tudi tale izrek.
315
kAk2 kA
k2 = O
1
2
u=b
Au
v splonem opiemo z razcepom matrike A v par matrik
(8.42)
A=M N
u(r+1) = Nu
u(r) + b ,
Mu
r = 0, 1, . . .
Matrika M mora biti obrnljiva in takna, da je mogoe dovolj preprosto reiti sistem linearnih enab (8.43) na vsakem koraku iteracije. Iteracija (8.43)
konvergira natanko takrat, ko je spektralni radij (T ) iteracijske matrike
T := M 1 N
manji kot 1, ali reeno drugae, ko je T konvergentna matrika. Kot merilo za
hitrost konvergence vpeljemo
R(T ) := log (T ).
Hitrost konvergence pove, da v najslabem primeru potrebujemo vsaj
m
r
R(T )
iteracij, da je norma napake u (r) u za faktor 10m manja kot na zaetku.
Glede na to, kako razcepimo A = M N , dobimo razline metode. Nas bodo
zanimale le metode, ki so zlasti primerne za reevanje sistema (8.25).
2.4.2. Jacobijeva iteracijska metoda. Jacobijevo iteracijsko metodo pri
praktinem reevanju eliptinih problemov sreamo le kot uteeno metodo pri
vemrenih metodah. Vendar so lastnosti iteracijske matrike pomembne za
razumevanje boljih metod. Pri Jacobijevi iteraciji razdelimo A v
A = M N = diag A (diag A A) .
V posebnem primeru (8.26) je to
(8.44)
M = I,
N = H + V =: TJ .
Iteracija se glasi
u(r) + b = TJ u (r) + b
u (r+1) = (H + V )u
in Gerschgorinov izrek zagotavlja (TJ ) < 1, torej konvergenco. Ker je pomembna dejanska hitrost konvergence, bodimo natanneji. Iz
w = (I TJ )w
w = w
w
Aw
316
p
q
= 2 4 (x + y ) + 2x cos
+ 2y cos
+
J +1
K +1
(J + 1 p)
(K + 1 q)
+ 2x cos
+ 2y cos
=
J +1
K +1
= 2 4 (x + y ) = 0.
Pomembni sta tudi oceni
pq = 1 pq 1 11 = 11 < 1
in
11 = 1 2 2
1
1
+
a2 b2
+ 2 O x2 + y 2 .
1
1
2 2
2
2
(8.45)
(TJ ) = 11 = 1
+
+
O
x
+
y
.
a2 b2
2.4.3. Gauss-Seidlova iteracija. Tu razdelimo matriko A tako, da v M privzamemo spodnji trikotnik matrike A,
M = I L = I (F + B) ,
N = U = F T + BT .
(8.46)
r = 0, 1, . . .
Po komponentah to poenostavimo v
(r+1)
ujk
(r+1)
(r+1)
(r)
(r)
Ni oitno, kako bi poiskali njene lastne vrednosti. Kljuna pri tem je struktura
matrike A, torej ozadje problema, ki ga reujemo. Osvetlimo to sploneje, da
bomo lahko uporabljali tudi pri reevanju zahtevnejih diferencialnih enab,
kot je Poissonova enaba na pravokotniku.
Naj bo B := (bij )ni,j=1 Rn,n dana matrika, razdeljena v B = D L U .
Tu spet L oznauje strogo spodnji trikotni del z nenielnimi elementi
bij ,
j = 1, 2, . . . , i 1; i = 1, 2, . . . , n,
317
D diagonalno matriko diag (bii )ni=1 in U strogo zgornji trikotni del z nenielnimi
elementi
bij , j = i + 1, i + 2, . . . , n; i = 1, 2, . . . , n .
Indekse {1, 2, . . . , n} naravno razdelimo v skupine, e za vsakega od njih povemo, v katero od skupin sodi,
i `i {1, 2, . . . , n},
i = 1, 2, . . . , n.
i < j, bij 6= 0 = `i `j = 1
in
i > j, bij 6= 0 = `i `j = 1.
Zgled 8.8. Raziimo, kako lahko enabe in spremenljivke, dobljene pri pet-
5 17
18
19
20
4 13
14
15
16
10
11
12
318
5
19
10
20
4 17
18
15
16
2 13
14
11
12
D1 M1
1
,
P BP =
M2 D2
kjer sta D1 in D2 diagonalni matriki. Z drugimi besedami, za matriko B lahko
najdemo ureditev `, ki jo sestavljata dve skupini, takno, da je pripadajoi graf,
z izjemo zank, dvodelen. Za tudij konvergennih metod, ki so tu uporabne, je
kljuen tale izrek.
1
,
:= cD L + U
c R, R\{0},
ni odvisna od .
Dokaz. Naj bo 6= 0. Ker ima matrika V (c, ) enak poloaj nenielnih elementov kot B , je prav tako konsistentno urejena. Determinanta matrike V (c, ) je
po deniciji enaka
(8.48)
det V (c, ) =
X
n
(1)||
n
Y
vj,(j) (c, ).
j=1
Tu oznauje permutacijo
j = 1, 2, . . . , n.
319
nL () := mo {j | j > (j)},
nU () := mo {j | j < (j)}.
j=1
n
Y
bj,(j) .
j=1
bj,(j) 6= 0,
j=1
nL () =
1=
`j `(j)
in
j=1
j=1
j>(j)
j>(j)
n
X
nU () =
n
X
`j `(j) .
1=
j=1
j=1
j<(j)
j<(j)
Torej je
nL () nU () =
n
n
X
X
`j `(j) =
`j `(j) =
j=1
j=1
j6=(j)
n
X
j=1
`j
n
X
`(j) = 0,
j=1
det (I F B) F T + B T = 0
320
1 T
1 T
det
I
F + F
B + B
= 0.
det I F + F T B + B T = det ( I (H + V )) = 0.
Od tod ugotovimo, da so netrivialne lastne vrednosti Jacobijeve in GaussSeidlove iteracijske matrike povezane z
(8.49)
(TJ ) = 2 (TGS ).
1
1
2 2
= 1 2
+ 2 + 2 O x2 + y 2 .
2
a
b
To dokazuje sledei izrek.
ujk
(r+1)
=
ujk
(r)
+ (1 )ujk .
(r+1)
(r+1)
(r)
(r+1)
(r)
ujk
= x uj1,k + uj+1,k + y uj,k1 + uj,k+1 + bjk +
(r)
+ (1 )ujk ,
j = 1, 2, . . . , J; k = 1, 2, . . . , K; r = 0, 1, . . .
V matrini obliki je to
r = 0, 1, . . . ,
T = (I (F + B))1 (1 )I + F T + B T .
321
det (I (F + B)) (1 )I + F T + B T
= 0.
+ 1
1
1
T
T
I
B
= 0.
det
F
+
B
+
+ 1
T
T
= 0.
I F +F B+B
det
Izpeljali smo povezavo med netrivialnimi lastnimi vrednostmi Jacobijeve in
SOR iteracijske matrike
+ 1
(TJ ) (T ).
=
Od tod izrazimo
(8.52)
2
+1
2
!2
.
!2
r
||
2
(T ) | | =
+
+1
1.
2
2
Naj bo > 0. Poglejmo izraz, ki je v (8.52) pod korenom,
2
p() :=
+ 1 , (TJ ).
2
Iz izreka 8.6 sledi
p(2) = 2 1 < 0,
neodvisno od . Ker je p(1) 0, ima parabola p na [1, 2) natanko eno nilo.
Naj < 2 lei desno od te nile, tako da je p() 0. Tedaj je
!
!
r
r
||
2
||
2
| | =
+i
i
1+
1+ =
2
2
2
2
(8.53)
||
2
2
+
+ 1 = 1.
2
322
1.0
= 1,1
0.8
= 5,1
0.6
0.4
0.2
= 9,1
0.5
1.0
1.5
2.0
2
p
2 2 4 + 4
p
=
> 0,
2 2 2 4 + 4
p
2 4) + 4 2
p
=
< 0, [0, 2], p() > 0.
(2 4) + 4
Zadnja neenakost sledi iz
p
+ (2 4) + 4 2 2( 1) < 0.
Optimalni parameter torej dobimo, ko se najveja lastna vrednost , z
= (TJ ), spusti do premice 1. Doloa ga kvadratna enaba
(TJ ) 2
p( ) =
+ 1 = 0 .
2
Ker je p(2) < 0, lei v intervalu (0, 2) natanko ena reitev
(8.54)
1+
2
1 2 (TJ )
Od tod
(8.55)
(T ) = =
(TJ )
2
= 1=
323
1 2 (TJ )
p
< 1.
1 + 1 2 (TJ )
Izrek 8.10. SOR metoda pri reevanju diskretne Poissonove enabe za pravokotno obmoje z optimalno izbiro parametra (8.54) konvergira za red hitreje
kot Jacobijeva in Gauss-Seidlova metoda.
Dokaz. Izrek 8.6 z razvojem (8.45) priskrbi oceno spektralnega radija (TJ )
za dovolj majhna koraka x in y . Vstavimo jo v (8.54) in iz (8.55) in dobimo
s
1
1
+ 2 + O 2 .
(T ) = 1 = 1 2 2
2
a
b
Zgled 8.9. Teoretino izpeljavo podkrepimo z numerinim zgledom in priblino reimo Poissonovo enabo
u = x ey ,
324
#iter.
2000
1000
500
200
100
50
n
20
100
200
300
400
500
u(r) = T u
u(r1) ,
u
r = 1, 2, . . .
1 T
TJ () := (F + B) +
F + B T , 6= 0.
Iz (8.44) ugotovimo
TJ (1) = (F + B) + F T + B T = H + V = TJ .
Po izreku 8.7 sklepamo, da lastne vrednosti matrike TJ () niso odvisne od
6= 0. Torej obstaja neizrojena matrika G(), takna, da velja
(8.57)
G()1 TJ ()G() = TJ .
325
(1 )I + F T + B T v = (I (F + B)) v
ter
p
p
TJ ( ) v = ( + 1) v .
Od tod s pomojo (8.57) dobimo tudi povezavo med lastnimi vektorji Jacobijeve in SOR iteracijske matrike za pozitivni, realni del spektra
p
1
1
+ 1
TJ G
v =
G
v .
Toda TJ je simetrina matrika in iz priblika za dominantni lastni vektor
matrike
p 1
(8.58)
vJ = G
v
lahko z Rayleighovim kvocientom tako od spodaj, kot tudi dobro ocenimo dominantno lastno vrednost. To vstavimo v (8.54) in dobimo novi pribliek za .
Seveda ugotovitev, da matrika G() v (8.57) obstaja, ni dovolj. Potrebujemo
jo v zakljueni obliki. Pokae se, da je G() kar diagonalna matrika, odvisna
od tega, v kaknem konsistentnem vrstnem redu smo sistem enab zapisali. e
je A blono tridiagonalna, je G() blono diagonalna, kjer so diagonalni bloki
dani z
J
(8.59)
diag j+k2
, k = 1, 2, . . . , K (naloga 2.6).
j=1
Algoritem 8.1:
u
hTJ v , v i
:=
;
kvv k22
2
p
;
=
1 + 1 2
326
Zgled 8.10. Ponovimo reevanje enabe iz zgleda 8.9, to pot tako, da primerjamo uinkovitost dveh SOR iteracij. Pri prvi doloamo numerino po
algoritmu 8.1, pri drugi ga izberemo optimalno. Za zaetek pri prvi izberemo
= 1 in numerini pribliek popravljamo vsakih deset iteracij. tevilo
opravljenih iteracij na sliki 8.10 je le za konstanten faktor, ne dosti veji od
ena, veje od optimalnega primera. To pomeni, da numerina izbira da dovolj
hitro dobro aproksimacijo . Res, na sliki 8.11 je prikazano zaporedje priblikov za parameter pri izbiri J = 23, K = 22 in n = 506. Numerine
vrednosti hitro konvergirajo k , in to od spodaj, kot smo zahtevali.
#iter.
100
70
50
n
100
200
300
400
500
20
Slika 8.10. Primerjava tevila potrebnih iteracij SOR metode
1.76
1.74
1.72
1.70
1.68
n
20
40
60
80
100
v zgledu 8.10
327
2.5. Vemrene metode. Numerino reitev diferencialne enabe lahko iemo hkrati na ugnezdenih diskretnih mreah razlino velikih korakov.
Sorodnost mre se morda da uporabiti za izboljanje natannosti numerine
reitve. Najpreprosteji recept je uporaba Richardsonove ekstrapolacije in izloanje vodilnega lena napake. Ta pristop smo uporabili v Rombergovi integraciji (razdelek 2.3 (str. 155)) in omenili pri enolenskih metodah (6.13, str. 226).
Toda v naravi parcialnih diferencialnih enab eliptinega tipa se skriva pomembna lastnost, ki jo lahko dosti bolj uinkovito izkoristimo in izboljevanje
reitve vgradimo v samo iteracijsko reevanje pripadajoega sistema algebrainih enab. Iteracijske metode te vrste uporabijo ve ugnezdenih mre, zato
jim reemo vemrene metode. Podrobneje jih bomo pojasnili v vrsticah, ki
sledijo. Danes veljajo kot najuinkoviteji razred metod za reevanje sistemov
linearnih enab, ki izvirajo iz diskretnih aproksimacij parcialnih diferencialnih
enab eliptinega tipa. Izpeljank teh metod je veliko. V zaetku so bile namenjene predvsem numserinemu reevanju Poissonove enabe, s trdno podlago
v naravi problema, ki so ga reevale. Njihova uporaba se je zaradi uinkovitosti mono razirila tudi na druge vrste nalog. Danes razvramo vemrene
metode s prvotnim, geometrijskim ozadjem v skupino geometrijskih, druge v
skupino algebrainih vemrenih metod. Na preprostejih, geometrijskih zgledih znamo dokazati njihovo izjemno uinkovitost. Sistem linearnih enab reijo
v linearnem asu. e to primerjamo z direktnimi metodami, vidimo, da se odreejo veliko bolje.
Vemrene metode se oslanjajo na nekatere iteracijske metode, ki smo jih
e sreali. Vse iteracijske metode niso primerne kot gradnik vemrene metode.
Zadoati morajo dodatnemu kriteriju: naglo morajo duiti doloeni del napake
priblika.
Uporabimo ponovno zgled 8.9 in izraunajmo nekaj prvih iteracij za dva
nabora parametrov J, K . Slika 8.12 kae padanje evklidske norme ostanka
u(r) b za tri osnovne metode, ki smo jih sreali v predhodnem razdelku.
Au
Gra so po svoje presenetljivi. Nazorno kaejo, da sta na prvih nekaj korakih
Gauss-Seidlova in Jacobijeva metoda uspeneji. Kot tudi to, da se pri obeh
metodah norma ostanka na zaetnih korakih iteracije naglo zmanja, nato pa
je pojemek vse manji in manji. Po drugi strani pa SOR metoda, ki zane s
poasnejim zmanjevanjem norme ostanka, prej ali slej po uinkovitosti za cel
red prehiti obe.
Razloimo to. Vzemimo splono konvergentno iteracijsko metodo oblike
u(r) + b ,
u (r+1) = Tu
(T ) < 1,
e(r+1) = Tee(r) .
328
2.5
2.0
3
1.5
1.0
0.5
1
5
10
15
20
# iter.
10
15
20
# iter.
u(r) b v
Slika 8.12. Padanje evklidske norme ostanka Au
X
X
X i r
r
r
(r)
r (0)
r
i iw i = (T )
iw i .
e =T e =T
iw i =
(T )
i
i
1
i 1
(T ) 2
za veliko tevilo lastnih vrednosti. To razloi grafe na sliki 8.12. A je tudi
izhodie vemrenih metod. Za bistveno zmanjanje dela napake, ki ga iteracija hitro dui, je dovolj le par iteracijskih korakov. Te opravimo in ostanek
napake prepustimo iteracijski metodi, ki ta del napake vidi drugae, torej razvije po drugih lastnih vektorjih in napako zmanja v drugih smereh. Naravo
i
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
10
20
30
40
50
329
100
150
200
0.1
0.10
0.05
0.8
0.00
0.4
0.5
1.0
x
0.2
1.5
0.6
y
0.0
0.8
-0.1
0.4
0.5
1.0
x
0.6
y
0.2
1.5
330
1.0
0.10
0.05
0.8
0.00
0.4
0.5
1.0
x
0.6
y
0.5
0.8
0.0
0.4
0.5
1.0
x
0.2
1.5
0.6
y
0.2
1.5
(I L)ee(r+1) = Uee(r) .
Na robu D je
e (r) = 0,
saj smo privzeli Dirichletove robne pogoje. Naj
(r)
ejk ,
j = 0, 1, . . . , J + 1; k = 0, 1, . . . , K + 1,
331
j1 =1 k1 =1 j2 =1 k2 =1
J X
K
X
j=1 k=1
(r+1)
ej,k1 ei(j+k) = ei
K
J X
X
(r+1) i(j+k)
ej,k
j=1 k=1
j=1 k=1
J
X
(r+1)
ej,K ei(j+(K+1)) =
j=1
= ei F e (r+1) (, )
J
X
(r+1)
ej,K ei(j+(K+1))
j=1
i
e Fe
(r+1)
(, ) .
1 i 1 i
1 i 1 i
(r+1)
(, )
e
+ e
F e (r) (, ) .
e e + 1 Fe
4
4
4
4
332
Od tod
F e (r+1) (, )
e
+ e i
q(, ) := i
F e (r) (, )
e ei + 4
(8.63)
4
1
, arccos
= .
q
2
5
2
e odmislimo del napake, ki niha poasi, se napaka na vsakem koraku po
velikosti vsaj razpolavlja. Reemo, da takna iteracija gladi signal, saj zadui
tisti del napake, ki pripada hitro oscilirajoim lastnim vektorjem. S tem smo
1.0
0.4
0.5
0.2
0.0
0.0
0
-2
-2
2
0
-2
0
-2
2
333
(slika 8.17). S tem opravimo V-cikel vemrene metode (slika 8.18). Za izpeljavo postopka moramo oitno analizirati dva koraka: kako s neje mree na
bolj grobo in obratno.
334
enab
A[f ]x [f ] = b [f ] ,
e[f ] b [f ] = A[f ] x
e[f ] x [f ] + A[f ]x [f ] b [f ] =
r [f ] := A[f ]x
(8.64)
e[f ] x [f ] =: A[f ]e [f ] .
= A[f ] x
Tega skrimo na bolj grobo mreo z linearno preslikavo, ki jo lahko formalno
zapiemo kot mnoenje z matriko S ,
r [g] := S r [f ] ,
in na bolj grobi mrei iemo popravek priblika e
x [f ] kot reitev sistema enab
(8.65)
Ugotovili smo, da Gauss-Seidlova iteracija unii visoki del frekvenc (neizraunljive) napake e [f ] . Toda iz (8.64) oitno lahko sklepamo, da to velja tudi za
ostanek r [f ] . Ta vsebuje le nizke frekvence napake. Priblino reitev na bolj
e[g] vloimo v nejo mreo z matriko V ,
grobi mrei x
e[g] .
e
x [f ] = V x
Od tod dobimo nov pribliek reitve na neji mrei kot
[f ]
[f ]
enovi
estari
x
:= x
e
x [f ] .
[f ]
]
]
[f ]
e[f
e[f
r novi := A[f ]x
= A[f ] x
x [f ] b [f ] =
novi b
stari e
1
[f ]
[f ]
S r stari .
= r stari A[f ] e
x [f ] = I A[f ] V A[g]
[f ]
[f ]
335
[g]
1 [f ]
1 [f ]
[f ]
[f ]
[f ]
[g]
zjk = z2j,2k +
z2j,2k1 + z2j1,2k + z2j+1,2k + z2j,2k+1 +
4
8
1 [f ]
[f ]
[f ]
[f ]
z2j1,2k1 + z2j1,2k+1 + z2j+1,2k1 + z2j+1,2k+1 .
+
16
[g]
[g]
z2j,2k = zjk ,
1 [g]
[g]
[f ]
zj1,k + zjk ,
z2j1,2k =
2
1 [g]
[f ]
[g]
z2j,2k1 =
zj,k1 + zjk ,
2
1 [g]
[f ]
[g]
[g]
[g]
z2j1,2k1 =
zj1,k1 + zj1,k + zj,k1 + zjk .
4
Pri vloitvi upotevamo, da vlagamo ostanek, ki je na robu enak ni. Sedaj
lahko simbolino zapiemo algoritem, ki opravi V-cikel. Sodi v pomemben razred algoritmov, razvitih po strategiji deli in vladaj. Ker vsebuje ve kot dve
mrei, naj sedaj [`] oznauje vrednosti, ki pripadajo `-ti zaporedni mrei. Po
dogovoru naj (` 1)-va mrea temelji na podvojenem koraku `-te. Upotevajmo tudi pomembno znailnost algoritmov deli in vladaj: majhne probleme
se splaa reiti po drugi poti. Tu to pomeni, da uporabimo eno od direktnih
metod, na primer razcep Choleskega za pasovne matrike.
Algoritem 8.2:
[`]
e
x := V [`] V-cikel(` 1, 4 S [`]r [`] ) ;
x[`] := x
e[`] e
x[`] ;
336
X
X
2
O 22` Jg Kg = 2 4r Jg Kg
O 4` = O (4r Jg Kg ) = O (J K) .
`=r
`=0
eprav je vemrena metoda zelo nazorna, so dokazi konvergence posameznih izpeljav metode lahko dolgi. Opustimo jih v zameno za numerini
zgled.
J = K = 2r 1,
r = 6, 5, . . . , 1.
Problem je majhen in ga reimo direktno, ko je J = K = 1. Za duenje uporabimo dvajset iteracij Gauss-Seidlove metode. Normo ostanka merimo v normi
k . k . Tabela 8.1 kae globino rekurzije, normo ostanka pred in po opravljenih zaetnih korakih Gauss-Seidlove iteracije. Ta del iteracije opravimo pred
rekurzivnim klicem v globino. Zadnja dva stolpca kaeta napako ostanka po
povratku iz globine, pred in po zakljuenem popravku na danem nivoju. Celotna asovna zahtevnost je recimo reda 50 Gauss-Sedlovih iteracij na najneji
mrei. A napaka se zmanja za ve kot faktor 104 .
2.6.1. Metoda ADI. ADI (Alternating Direction Implicit, PeacemanRachford) je iteracijska metoda, ki jo uporabljamo v reevanju sistemov linearnih
enab, ki izvirajo iz eliptinih kot tudi parabolinih problemov. Zasnovana je
na ugotovitvi, da lahko uinkovito hkrati doloimo novo vrednost vsem neznankam vzdol posamezne linije diskretne mree. Ta korak zahteva reevanje
nivo
pred zaetno po zaetni
rekurzije J = K
iteracijo
iteraciji
1
2
3
4
5
5
4
3
2
1
63
31
15
7
3
3
7
15
31
63
1.11 101
1.06 100
5.92 101
3.49 101
2.88 102
337
5.43 101
3.03 101
1.79 101
1.59 102
4.06 108
2.50 108
3.88 103
2.57 102
3.25 102
4.73 102
5.60 1015
1.79 105
4.19 104
5.70 104
8.06 104
((2x + 2y ) I H V ) u = b ,
ali, e uvedemo dodatni parameter ,
u =b.
((2x + 2y + )I H V )u
Iteracijsko metodo dobimo, e matriko razcepimo najprej v eni smeri aproksimacije diferencialnega operatorja, nato v drugi. To da vmesni korak
1
u(r+ 2 ) = (( 2y )I + V )u
u(r) + b
(( + 2x )I H)u
in nato
1
u(r+1) = (( 2x )I + H)u
u(r+ 2 ) + b .
(( + 2y )I V )u
Q = (( + 2y )I V )1 (( 2x )I + H)
(( + 2x )I H)1 (( 2y )I + V )
in b z deli iteracijske matrike pomnoena prvotna desna stran b . Parameter
je e na voljo in pomembne so lastne vrednosti matrike Q . Kljuna zahteva,
338
A = I H V = (2x I H) + (2y I V )
ugotovimo, da je p,q lastni vektor matrik 2x I H in 2y I V , s pripadajoo
lastno vrednostjo p v prvem in q v drugem primeru. Torej je p,q tudi lastni
vektor vsem tirim matrikam, ki sestavljajo Q . Od tod
p q
1
1
( p )
p,q =
p,q .
Q p,q = ( q )
+ p
+ q
+ p + q
Ker je p > 0 in q > 0, ADI iteracija konvergira za vsak > 0. Prava
mo ADI metode se pokae, e opravimo m 1 korakov naenkrat. Za vsak
korak imamo na izbiro svoj parameter i , i = 1, 2, . . . , m. Ker za vsako od
iteracijskih matrik Qi sklepamo enako kot na osnovnem koraku, so lastne
vrednosti produkta iteracijskih matrik enake
m
Y
i p i q
pq (1 , 2 , . . . , m ) =
, p = 1, 2, . . . , J , q = 1, 2, . . . , K .
i + p i + q
i=1
Qi = max |pq (1 , . . . , m )| ,
p,q
i=1
p,q
in
:= min(1 , 1 ) ,
:= max(J , K ) .
Tedaj je
max |pq (1 , . . . , m )|
p,q
1 xJ
1 yK
Namesto prvotnega spektralnega radija produkta iteracijskih matrik minimizirajmo oceno kF k . V jeziku prvega dela knjige to pomeni, da iemo racionalno funkcijo F predpisane oblike, ki enakomerno najbolje aproksimira
339
funkcijo 0. eprav je mogoe reitev, ki se navezuje na eliptine funkcije, poiskati v zakljueni obliki, si e enkrat privoimo preprosto blinjico. Za m = 1
reitev ni teko poiskati. V tem primeru je
z
F (z) =
, 0 z , > 0,
+z
in odvod
2
F 0 (z) =
<0
( + z)2
negativen. Funkcija F monotono pada in zato dosee ekstrema na robovih.
Toda F je monotona v , saj je
F (z)
2z
0.
=
( + z)2
Zato optimalni dobimo, ko je F () = F (), torej
p
= .
Za optimalni pri m = 1 tako dobimo normo
kF k
r .
=
=
+
1+
kF k
Y z
i
= max
= max
z
i + z 1jm
i=1
j z
.
max
max
1jm j1 zj j + z
m
Y z
i
max
j1 zj
i + z
i=1
j = j1 j .
To da
j1
j
r
max
.
j1
1jm
1+
j
1
kF k
340
Od tod izbira
j
m
,
j =
j = 0, 1, . . . , m.
kF k
1+
1
2m
1
2m
1
Iz ocen = O 2 in = O (1) torej izpeljemo kF k 1 O m . Za
m = 1 dobimo enak red konvergence kot pri metodi SOR.
2.6.2. Metode podprostorov Krylova. Metode podprostorov Krylova so iterativne metode, ki jih sreamo v numerini linearni algebri kot pomemben
x = b in pri reevanju
razred metod pri reevanju sistemov linearnih enab Ax
problemov lastnih vrednosti. V knjigah s tega podroja so opisane podrobno,
zato se jih bomo tu le beno dotaknili.
Temu razredu metod je skupno to, da za svoje delo ne potrebujejo matrike
A v zakljueni obliki, ampak le postopek, ki vrne produkt matrike z danim
x. To je kot nala za razprene matrike, ki smo jih dobili
vektorjem, x Ax
pri reevanju eliptinih problemov. Za dano matriko A in vektor b je podprostor
Krylova deniran kot
341
D
D
Ti
i Ti
obmoja D R2
imata dva trikotnika lahko le oglie ali pa celotno stranico skupno. Pojem
regularnosti podobno deniramo za pravokotne elemente in tudi razirimo v
ve razsenosti. Oblika elementov vpliva na izbiro prostora polinomov. Za
trikotne elemente na primer je naravna izbira doloiti najvijo skupno stopnjo.
V multiindeksni notaciji, ki smo jo sreali v (8.8), taken prostor polinomov
skupne stopnje n zapiemo strnjeno s pomojo potenne baze kot
x }||n , x Rd .
Pnd := L {x
Brez teav preverimo, da velja
(8.66)
dim Pnd
n+d
=
.
d
1, x1 , x2 , x21 , x1 x2 , x22 ,
(x1 , x2 ) R2 .
Za pravokotne elemente so primerneji kartezini produkti polinomov ene spremenljivke. Za zgled, za n = 2, d = 2 bi bila tu naravna izbira prostora, ki ga
342
razpenjajo potence
(x1 , x2 ) R2 .
Polinomske dele, denirane nad posameznimi elementi, lepimo v skupno, odsekoma polinomsko funkcijo, element prostora
n
o
d
Pn,
:= p | p| Pnd , T .
T
Pokae se, da je za primeren red aproksimacije treba zagotoviti zveznost funkcije in morda tudi vijih odvodov preko skupnih robov sosednjih elementov.
Res se pogosto zahteva le, da naj bo odsekoma polinomska funkcija preko
skupnega roba zvezna, a to ne zadoa za enabe vijih redov kot tudi ne za
bolji red aproksimacije.
d
Za metodo konnih elementov je neobhodno, da v Pn,
poznamo bazo
v zakljueni obliki. Za praktino uinkovitost pa je neizogibno, da je baza
lokalna. Nosilec baznih funkcij mora biti omejen na kar se da malo sosednjih
elementov. e pri izbiri baznih funkcij ravnamo v tem duhu, a nespretno,
lahko mono zagrenimo delo programerjem. Na prvi pogled so najprimerneja
izbira bazne funkcije Lagrangeevega tipa. A to ni povsem tako. Prepriajmo
se na preprostem zgledu.
2
zahtevajmo zveznost. Hitro pretejemo, da ima prostor P1,
C (D) dimenzijo
enako tevilu vozli triangulacije. Naj bo T ena od tok triangulacije in
funkcija bazna funkcija, ki je v tej toki razlina od ni. Zahtevajmo, naj
ima kar se da majhen nosilec. Kaken dobimo, kae slika 8.20. eprav ima
takna bazna funkcija zahtevane lastnosti, je odvisna od tevila trikotnikov,
ki sestavljajo nosilec, torej od geometrije. To se kaj hitro lahko pokae kot
velika ovira pri praktini uporabi. e skupno stopnjo n veamo, se teave le
poveujejo. Toda bazno funkcijo lahko razumemo tudi kot setevek funkcij,
od katerih ima vsaka nosilec vsebovan v le v enem trikotniku (slika 8.21). e
2 pri
le zagotovimo, da bodo koecienti pri izraavi katere koli funkcije iz P1,
vsakem od sestavnih delov enaki, implicitno vseskozi rokujemo s prvotno .
343
D
D
D
D
344
elementi seveda opredelijo izbiro lokalne baze Pnd za izbrani primer. V celoto
jih povezujemo le z zahtevo, da se posamezni parametri sosednjih elementov
ujemajo.
T3
T1
T3
T2
T1
T3
T1
T2
T3
T2
T1
T2
xi
,
Ti =
yi
i = 1, 2, 3 .
345
Linearne funkcije
x3 (y y2 ) + x (y2 y3 ) + x2 (y3 y)
,
x3 (y1 y2 ) + x1 (y2 y3 ) + x2 (y3 y1 )
x3 (y1 y) + x1 (y y3 ) + x (y3 y1 )
,
2 (x, y) =
x3 (y1 y2 ) + x1 (y2 y3 ) + x2 (y3 y1 )
x2 (y y1 ) + x (y1 y2 ) + x1 (y2 y)
3 (x, y) =
x3 (y1 y2 ) + x1 (y2 y3 ) + x2 (y3 y1 )
1 (x, y) =
i (xj , yj ) = i,j ,
i, j = 1, 2, 3 .
hzz , i =
3
X
zi i (x, y) ,
i=1
na D Rd ,
Lu = f,
kjer je
L :=
x) D .
(1)|| D b , (x
|+|
|2m
|
Ru = g,
na D ,
ki lahko vsebujejo odvode neznane funkcije skupnega reda kvejemu m. Oznaimo s H0m (D) prostor funkcij, ki so na D denirane, imajo m 1 zveznih
odvodov, m-ti odvod pa je v L2 (D) in zadoajo homogenim robnim pogojem
(8.71). S H m (D) oznaimo mnoico funkcij enake narave kot so v H0m (D),
le da zadoajo robnim pogojem (8.71). H m (D) je ani premik podprostora
H0m (D). V L2 (D) si sposodimo skalarni produkt
Z
x)w(x
x)dx
x
hv, wi :=
v(x
D
hLv, wi ,
v, w H0m (D) .
Na prvi pogled skalarni produkt ne obstaja za vse v, w H0m (D), saj v operatorju L nastopajo odvodi do vkljuno (2m)-tega. Vendar funkcije iz H0m (D)
zadoajo homogenim robnim pogojem. To lahko izkoristimo in se z uporabo
posploitev integracije per partes v ve dimenzij (Stokesov izrek, divergenni
346
izrek, Greenove formule) vijih odvodov znebimo. V zameno za iskanje reitve prvotne diferencialne enabe iimo reitev u H m (D) v ibkem smislu,
takno, da zanjo velja
(8.72)
hLu f, vi = 0,
ibka reitev reemo zato, ker jo kot reitev diferencialne enabe vidi le mnoica
funkcionalov. Relacija (8.72) seveda mono spominja na metodo najmanjih
kvadratov in izrek 1.15 (str. 55). Vpeljimo dve pomembni lastnosti operatorja
L. Operator L je
sebi adjungiran, e je hLv, wi = hv, Lwi , za vse v, w H0m (D) ,
eliptien (ali pozitiven ), e je hLv, vi > 0, za vse v H0m (D), v 6= 0.
Pomemben zgled eliptinega sebi adjungiranega operatorja je operator drugega
reda (m = 1)
(8.73)
L=
d
d
X
X
x)
bij (x
,
xi
xj
i=1
kjer je matrika
j=1
x) := (bbij (x
x))di,j=1
B := B (x
d
X
d
div :=
, grad :=
.
xi
xi i=1
i=1
x) grad v(x
x) w(x
x)dx
x=
(8.74)
div B (x
D
Z
Z
v(ss)
x) B(x
x) *
x) grad v(x
x)) grad w(x
x)dx
x.
=
dss
w(x
(B (x
n
D
D
Tu * oznauje odvod v smeri zunanje normale.
Naj bosta sedaj
n
1
v, w H0 (D), torej na robu D enaki ni. Divergenni izrek (8.74) pove
Z
x) grad v(x
x)) grad w(x
x)dx
x=
hLv, wi =
(8.75)
(B (x
D
Z X
d X
d
D i=1 j=1
x)
bij (x
x) w(x
x)
v(x
x.
dx
xi xj
hLv, vi > 0,
v, w H01 (D)
v H01 (D) , v 6= 0,
347
(8.76)
v H m (D) .
2 hLu f, vi + 2 hLv, vi 0
in skalarje z := (zi )m
i=1 doloimo tako, da ima variacijski funkcional minimalno
vrednost. Potreben pogoj za minimum je
!
m
X
zi i = 0, k = 1, 2, . . . , m.
J 0 +
zk
i=1
348
k = 1, 2, . . . , m.
i=1
b := (hL0 + f, i i)m
i=1 .
Enabam (8.78) reemo pogosto Rayleigh-Ritz-Galerkinove, saj nas do njih pripelje neposredno tudi Galerkinova metoda, a brez zahtev operatorju L, torej
brez zagotovila izreka 8.12. Metoda konnih elementov izbira bazne funkcije
kot odsekoma polinomske funkcije z majhnim nosilcem. Matrika A ima zato
malo od ni razlinih elementov. Elemente lahko vasih izraunamo v zakljueni obliki, najpogosteje pa je treba posei po numerini integraciji. Enako
velja za desno stran.
Brez dokaza povejmo e en pomemben izrek, ki nekaj pove o napaki aproksimacije ibke reitve. Vpeljimo
p
||v||H := ||v||2 + hLv, vi, v H m (D) .
Da se pokazati, da je ||v||H res norma, poseben primer Soboljeve norme. Na
to normo naveemo dve novi lastnosti operatorja L. Reemo, da je linearni
operator L
deniten. Naj bo V linearni podprostor H0m (D). Tedaj obstaja enolino doloen
u
e V , taken, da je
hLe
u f, vi = 0,
vV
in velja ocena
(8.79)
||e
u u||H
349
ke
u ukH konst hk+1m ||u(k+1) ||,
(8.80)
konst > 0.
u = f,
na D R2 .
T` , ` = 1, 2, . . . , n,
:=
T` .
Uporabimo linearne elemente, ki smo jih sreali v zgledu 8.14. Ocena (8.80)
zagotavlja aproksimacijo reda O (h). Diameter h je tu kar radij ortanega kroga
danemu trikotniku. Matriko A, ki ji reemo togostna, sestavljajo elementi
aij = hLi , j i = hi , j i .
V bolj simetrino obliko jih prepiemo z integracijo per partes, ki smo jo opravili
v (8.75). To da
aij =
i (x, y) j (x, y) +
i (x, y) j (x, y) dxdy =
x
x
y
y
Z
Z
n
X
=
i (x, y) j (x, y) +
i (x, y) j (x, y) dxdy .
x
x
y
y
T`
Z Z
`=1
ZZ
(8.81)
T`
(x, y)
(x, y) +
(x, y)
(x, y) dx dy =
x
x
y
y
2 + 3
3
2
1 + 3
1 ,
= 3
2
1
1 + 2
350
kjer je
3
2
z1
2 + 3
z1 z2 z3 3
1 + 3
1 z2 .
z3
2
1
1 + 2
1 :=
2.7. Naloge.
2.1.
u = 2
z robnimi pogoji u|D = 0. Druge odvode nadomesti s simetrinimi deljenimi
diferencami, zapii sistem in izraunaj manjkajoe vrednosti v mrei. Upotevaj simetrijo. Za korak vzemi:
(a) h = x = y = 1,
(b) h = x = y = 12 .
(c) Upotevaj, da se napaka izraa kot u(xi , yj ) = uij + Ch2 + O(h4 ).
Ali lahko iz izraunanih priblikov dobi bolji pribliek za vrednost
u(0, 0)?
351
1
1
1
7
y = x + 1, y = x + , y = x + .
2
2
2
2
Uporabi diferenno metodo in poiipriblike za u(1, 1), u(2, 1) in u(2, 2), e
0,
y = 0,
na robu obmoja D velja u(x, y) =
1,
sicer.
x = 0,
x = 3,
y = 0,
0,
y = 0,
u(x, y) =
100,
sicer.
Z diferenno metodo poii priblike za vrednosti u(1, 1), u(0, 1) in u(1, 1).
2.6. Poii matriko G(), denirano v (8.57), za rno-rdei vrstni red enab.
Preveri trditev (8.59) za sistem enab, zapisan v blono tridiagonalni obliki.
2.7. Doloi kvocient (8.63, str. 332) za Jacobijevo iteracijsko metodo in preveri, da za visoke frekvence pride poljubno blizu 1.
e izbiramo parameter sploneje, (0, 1], dobimo uteeno Jacobijevo iteracijsko metodo. Pokai, kako je treba izbrati , da bo uteena Jacobijeva iteracijska metoda za modelno Poissonovo enabo duila visoke frekvence ostanka.
Namig: analiziraj spekter uteene iteracijske metode v odvisnosti od parametra .
2.9. Pokai prvi del dokaza izreka 8.12: eliptinost L zagotavlja, da ima variacijski funkcional J omejen minimum v H m (D). Namig: pokai, da sta
tevili
c1 := min
hLv, vi , c2 := min
hf, vi
m
m
vH0 (D)
||v||=1
vH0 (D)
||v||=1
w H m (D)
352
in
hLw, wi 2 hf, wi
c22
,
c1
w H m (D) .
2.10. Doloi primerno dualno bazo za oba kubina elementa v zgledu 8.13.
2.11. Posploi sestavo dela togostne matrike (8.81) na kvadratine elemente,
opisane v zgledu 8.13.
353
2u
u
= c2 2 , (t, x) (0, T ) (0, a).
t
x
V zaetnem asu je porazdelitev temperature v palici znana,
(8.82)
(8.83)
u(0, x) = f (x),
x [0, a].
t > 0.
u
2
=
c (x)
, (t, x) (0, T ) (0, a).
t
x
x
Palica se lahko greje z nehomogenim delom, na desno stran dodano funkcijo
v enabi (8.82). Eliptini del v (8.82) je enorazseen. V ve prostorskih spremenljivkah se enaba prelevi na primer v
u
= u , (t, x ) (0, T ) D
t
in v numerino reevanje lahko vstopijo tudi problemi, ki smo jih sreali pri
reevanju eliptinih diferencialnih enab.
354
t
.
x2
J
e zloimo neznanke na n-tem asovnem sloju v vektor, u n := unj
, doun+1
= 2(unj1 2unj + unj+1 ) + un1
,
j
j
:= c2
j=1
un + u n1 . Prepiemo ga
bimo sistem linearnih diferennih enab u n+1 = Au
lahko v obliko, ki povezuje le dva vektorja, a dvojne doline,
n
n+1
u
A I
u
=
.
(8.86)
n1
un
u
I 0
Kakor koli e zanemo, je numerino raunanje le nenormirana potenna metoda za matriko
A I
.
I 0
Determinanta te matrike, produkt vseh lastnih vrednosti, je 1, kar pomeni,
da je
A I
> 1,
I 0
saj niso vse lastne vrednosti na enotski sferi. V diferenno shemo smo umetno
vnesli nestabilnost. Zato simetrino diferenno aproksimacijo asovnega odvoda zamenjamo z enostransko deljeno diferenco
u (tn+1 , xj ) u (tn , xj )
u
(tn , xj ) =
+ O (t) .
t
t
Odvisno od tega, ali uporabimo premo ali obratno diferenco glede na aproksimacijo odvoda, dobimo eksplicitno Eulerjevo ali implicitno Eulerjevo metodo.
un+1
unj
j
t
in po mnoenju z t dobimo
(8.88)
= c2
un+1
= unj1 + (1 2) unj + unj+1 ,
j
Koecient je razmerje
t
,
x2
:= c2
t
.
x2
n+1
355
1+2
j-1
-
2-1
j-1
j+1
j+1
-1
n+1
sno) v reevanju difuzijske enabe. Vse spremenljivke so privzete na isti strani enab
pomnoeno s konstanto c2 . Temu razmerju reemo Courantovo tevilo in igra
pomembno vlogo pri tudiju stabilnosti metod. Courantovo tevilo odseva red
asovnega v primerjavi z redom prostorskih odvodov, saj t nastopa v prvi,
x pa v drugi potenci. Pri tudiju lastnosti numerinih shem bomo vseskozi
predpostavljali, da ostaja razmerje konstantno, tudi e gresta koraka v asovni
in prostorski smeri proti ni. Zaetni pogoji (8.83) so v diskretni obliki
u0j = fj ,
j = 1, 2, . . . , J,
robni (8.84) pa
un0 = gn ,
unJ+1
= hn ,
n = 1, 2, . . . , N,
n = 1, 2, . . . , N.
Eksplicitna shema je preprosta, tudi prirona za programiranje, a neekonomina. To bomo zakljuili iz pogojev, ki so potrebni za konvergenco metode.
Poglejmo si najprej lokalno napako, kot smo jo vpeljali za dovolj gladko funkcijo u v (8.14, str. 301). Sestavljata jo dva dela, asovni in prostorski,
u (tn+1 , xj ) u (tn , xj )
u
n
(8.89) j =
(tn , xj )
t
t
2
u
2 u (tn , xj1 ) 2u (tn , xj ) + u (tn , xj+1 )
(t
,
x
)
c
=
n j
x2
x2
t 2 u
=
(tn , xj ) + O t2 + x2 = O t + x2 .
2
2 t
Naj bo sedaj u tona reitev diferencialne enabe in oznaimo globalno napako
v toki (tn , xj ) z enj := unj u(tn , xj ). Vstavimo unj = enj + u(tn , xj ) v enabo
(8.88) in poenostavimo tako, da vse lene s tono reitvijo prenesemo na desno
stran. Ugotovimo, da tona reitev v enabo doda nehomogeni len
(u (tn+1 , xj ) u (tn , xj )) +
+ (u (tn , xj1 ) 2u (tn , xj ) + u (tn , xj+1 )) = t jn ,
356
en+1
= (enj1 + enj+1 ) + (1 2)enj + t jn ,
j
j = 1, 2, . . . , J; n = 0, 1, . . . , N 1 .
1
2
max |enj | = O x2 .
j,n
|en+1
| (|enj1 | + |enj+1 |) + (1 2)|enj | + t|jn |
j
2keen k + (1 2)keen k + t O x2 = keen k + t O x2 .
Desna stran je neodvisna od j , torej velja neenakost za vsak j , zato tudi za
tistega, pri katerem se dosee maksimum. Torej
keen+1 k keen k + t O x2 .
Oceno iteriramo in dobimo
keen k kee0 k + n t O x2 kee0 k + T O x2 = O x2 ,
tna.
1
2
Dokaz. Vzemimo modelno enabo z c = 1 na polravnini t > 0, x R. Poiimo tono reitev sistema linearnih diferennih enab s Fourierovo separacijo
spremenljivk. Opogumljeni z obnaanjem tone reitve v posebnih primerih
poizkusimo z nastavkom
(8.92)
(t, x) := < e t ei x .
Oznaka < pomeni realni del. Nastavek vstavimo v enabo (8.88) v toki mree
t = tn , x = xj . Ko poenostavimo tako, da delimo s (tn , xj ), dobimo enabo
t
2 x
=: ().
e
= 1 4 sin
2
357
n
2 x
1 4 sin
cos xj = ()n cos xj .
2
Ta reitev raste neomejeno za kakne nabore , x , e je > 12 , saj je faktor
(), ki ga potenciramo, po absolutni vrednosti veji od 1. V resnici smo s
to konstrukcijo le na drug nain povedali, da za taken eksplicitna metoda
ni stabilna. Sedaj je treba poiskati le takne zaetne pogoje in tono reitev,
da bo ta v asu zamrla, v numerini pa bodo ostale komponente (t, x), ki
eksponentno rastejo.
Izberimo = ` := 2` in zaenkrat poljubne koeciente ` > 0 ter vpeljimo
X
X
t
v(t, x) :=
` ` (t, x) =
` (2` ) t cos 2` x
`=0
`=0
in v zaetnem asu
f (x) := v(0, x) =
` cos 2` x .
`=0
x = 2m ,
t = 22m .
v(t, 0) =
` (2` ) t =
`=0
m1
X
` (2` ) t + m (2m ) t +
`=0
` ,
`=m+1
sin2 2`m
= sin2 m+1` sin2 = .
2
4
2
2
Uporabimo to in ocenimo v(t, 0) navzdol. Iz (8.93) dobimo
(8.94)
|v(t, 0)|
` + m (4 1) 4 = f (0) + m (4 1) 4
`=0
`
e2 ,
Izberimo e ` =
tako da je f zagotovo analitina funkcija. Za zadnji
sumand v (8.94) ugotovimo
m (4 1) 4 = e
2m
2m
t
ln (4 1) 1
358
u(t, x) =
e 4t f ()d .
4t
Izrek je dokazan.
Izrek 8.14 predpisuje
t
1
1
, t 2 x2 .
2
x
2
2c
To je stroga omejitev na velikost koraka v asovni smeri, velika slabost eksplicitnih metod v splonem.
= c2
un+1
unj
j
un+1
2 j1
=c
t
kar po mnoenju z t in preureditvi da
(8.96)
2un+1
+ un+1
j
j+1
x2
n+1
n
un+1
un+1
j1 + (1 + 2)uj
j+1 = uj .
Za vsak asovni sloj je treba reiti sistem linearnih enab. S pomojo matrike
2 1
1 2 1
.
.
.
..
..
..
(8.97)
B :=
RJ,J
1 2 1
1 2
ga zapiemo v obliki
un+1
u1
gn+1
1
un+1 un 0
2 2
u
uJ1 0
J1
hn+1
unJ
uJn+1
| {z }
robni pogoji
Izrek 8.16. Naj enj := unj u(tn , xj ) oznai globalno napako. Implicitna me-
max |enj | = O t + x2 .
j,n
359
Dokaz. Dokaimo kar po poti dokaza izreka 8.14. Za globalno napako velja
n+1
n+1
n
en+1
en+1
.
j1 + (1 + 2)ej
j+1 = ej + t j
n+1
n
2kee
k + kee k + t O t + x2 .
Od tod sledi
keen k kee0 k + T O t + x2 = O t + x2 ,
1+2
n+1
-H1-L
-1+2H1-L
-H1-L
j-1
j+1
360
J
Bolj nazoren je matrini zapis po asovnih slojih u n := unj
,
j=1
(8.98)
u
(I + B)u
n+1
n+1
u + (bb
= (I (1 )B)u
|
+ (1 )bbn ) ,
{z
}
robni pogoji
u (tn+1 , xj ) u (tn , xj )
u
t 2 u
(tn+1 , xj )
=
(tn+1 , xj ) + O t2 .
2
t
t
2 t
Prostorski del lokalne napake sestavlja sedem lenov, a se poenostavi v
2
2 u
c
(tn+1 , xj )
x2
x2
3u
= (1 ) t c2
(tn+1 , xj ) + O t2 + x2 .
2
tx
Naj bo u tona reitev diferencialne enabe, torej
(8.99)
u
2u
= c2 2 ,
t
x
2u
3u
= c2
.
2
t
tx2
Iz
3
2
t 2 u
2 u
2
(t
,
x
)
(1
)t
c
(t
,
x
)
+
O
t
+
x
,
n+1
j
n+1
j
2 t2
tx2
z upotevanjem (8.99), dobimo
1 2u
n+1
2
(t
,
x
)
+
O
t
+
x
.
j
= t
n+1
j
2 t2
jn+1 =
Izrek 8.17. Za
razmerja .
1
2
361
Dokaz. Naj enj := unj u(tn , xj ) tudi tu oznai globalno napako ter
J
J
e n := enj j=1 , n := jn j=1 .
Podobno kot v dokazu izreka 8.16 iz matrinega zapisa metode (8.98) ugotovimo, da za globalno napako velja
C := (I + B)1 (I (1 )B),
Od tod
(8.100)
e n = C n e 0 + t
n
X
C 1 .
=1
Za stabilnost zadoa, da je matrika C konvergentna. Analizirajmo njen spekter. S pomojo (8.30, str. 312) se spomnimo lastnih parov matrike B ,
J !
p
pj
, sin
, p = 1, 2, . . . , J .
(p , u p ) = 4 sin2
2J +1
J + 1 j=1
Od tod sledi preprost raun
up = (I + B)1 (I (1 )B) u p =
Cu
1 (1 )p
up.
1 + p
p
,
1 + p
p = 1, 2, . . . , J.
1 < 1
p
< 1.
1 + p
(1 2)p < 2,
p = 1, 2, . . . , J ,
362
n
X
kCk1 k k
=1
n
n
X
kCk1
=1
0
1n
k k k(1 + B)
1
2
2
kk k = O t
+ t + x
2
1
.
2(1 2)
veliko prednost pred eksplicitno, a tudi implicitno metodo. Izberimo diferencialno enabo, ki smo jo sreali e v dokazu izreka 8.15,
u
2u
1
=
(0, 1),
, (t, x) 0,
t
x2
2
z zaetnim pogojem
u(0, x) = sin x,
x [0, 1]
in robnima pogojema
u(t, 0) = u(t, 1) = 0,
2
t > 0.
xj
tona reitev
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.00222241
0.00422728
0.00581836
0.00683989
0.00719188
0.00683989
0.00581836
0.00422728
0.00222241
1
2
363
=1
0.00204463
0.00388912
0.00535291
0.00629273
0.00661656
0.00629273
0.00535291
0.00388912
0.00204463
0.767824 106
1.467114 106
2.033517 106
2.411587 106
2.560220 106
2.458240 106
2.109003 106
1.542601 106
0.814477 106
1
2
in = 1 v asu T =
napaka
5 10
1
2
napaka
0.005
-4
0.001
5 10-4
2 10-4
1 10-4
1 10-4
5 10-5
5 10-5
1 10-5
500
1000
1500
2000
N
2500
40
60
80
100
1
od tevila asovnih slojev N, t = 2N
. Eksplicitna shema je
levo ter implicitna shema (modra) in Crank-Nicolsonova shema
(temnordea) desno.
u(t, x ) = h(t, x ),
t > 0, x D,
v zaetnem asu pa
x),
u(0, x ) = g(x
x D.
Diskretizirajmo jo z diferenno metodo, kjer privzamemo x = (x, y). Za prostorski del uporabimo kar recept (8.18, str. 305) in (8.19), ki smo ga uporabili
364
un+1
j,k
unj,k+1
unj-1,k
unj,k
unj+1,k
unj,k-1
(8.102)
n
n
n
n
n
n
u
2u
+
u
,
+
un+1
=
u
+
2u
+
u
y
x
j,k1
jk
j,k+1
jk
j1,k
jk
j+1,k
jk
j = 1, 2, . . . , J; k = 1, 2, . . . , K; n = 0, 1, . . .
Vpeljani konstanti sta denirani z
t
t
x := c2 2 , y := c2 2 .
x
y
Izkunje z eksplicitno metodo v eni prostorski razsenosti kaejo na to, da tudi
v dveh ne more biti stabilna neodvisno od x in y . Uporabimo idejo dokaza
izreka 8.15 in splono numerino reitev iimo z nastavkom
n ei(x x+y y) .
365
2 1
2 1
= 1 4 x sin
x x + y sin
y y
,
2
2
enabo, ki pove, kdaj je nastavek numerina reitev. Podobno kot v eni prostorski razsenosti se izkae, da mora za stabilnost biti izpolnjen pogoj
1
(8.103)
x + y .
2
Res, oba produkta x x in y y sta lahko enaka lihemu mnogokratniku tevila
, kar pomeni || > 1, e pogoj (8.103) ni izpolnjen. Omejitev koraka pri
eksplicitni metodi torej s prostorsko dimenzijo postaja vse stroja.
Kot smo ugotovili, sta v eni prostorski dimenziji od eksplicitne bistveno
uinkoviteji metodi implicitna Eulerjeva metoda, e zlasti pa Crank-Nicolsonova. A implicitna metoda tu pomeni na vsakem asovnem koraku reevanje
eliptinega problema, modelne Poissonove enabe. Taken algoritem seveda ni
nemogo, a bi si eleli bolj uinkovite poti. Uporabimo metodo ADI, ki smo
jo sreali v razdelku 2.6.1 (str. 336), kot metodo, ki naredi posamezni korak v
asu. Ker gre le za posamezni korak, razmislek o pospeevanju konvergence in
izbiri parametrov p ni potreben. Povedali bomo le osnovno, prvotno metodo
(Peaceman, Rachford), saj ima ADI celo vrsto izpeljank, ki se uporabljajo
v praktinih raunih. Osnovno vodilo te metode je dejstvo, da lahko zelo
uinkovito reimo sisteme linearnih enab s tridiagonalno strogo diagonalno
dominantno matriko. Zato asovni korak izrauna opravimo v dveh delih: s
polovinim korakom implicitno v eni smeri, nato e v drugi. Ta da pribliek
na vmesnem asovnem sloju tn+ 1 = (n + 12 )t z
2
n+1/2
n+1/2
n+1/2
n+1/2 1
+ uj+1,k =
ujk
x uj1,k 2ujk
2
1
(8.104)
= unjk + y unj,k1 2unjk + unj,k+1 ,
2
j = 1, 2, . . . , J; k = 1, 2, . . . , K ,
in konni korak na asovnem sloju tn+1 kot
1 n+1
n+1
n+1
un+1
jk 2 y uj,k1 2ujk + uj,k+1 =
1 n+1/2
n+1/2
n+1/2
n+1/2
(8.105)
+ uj+1,k ,
= ujk
+ x uj1,k 2ujk
2
k = 1, 2, . . . , K; j = 1, 2, . . . , J .
V zaetnem asu neznanke u0jk doloajo zaetni pogoji. Na robu j = 0, j =
J + 1 in k = 0, k = K + 1 so vrednosti neznank doloene z robnimi pogoji.
Povezavo spremenljivk na obeh ADI korakih vidimo tudi na sliki 8.27. Na
koraku (8.104) moramo reiti K tridiagonalnih strogo diagonalno dominantnih
sistemov velikosti J , na koraku (8.105) pa J taknih sistemov velikosti K .
asovni korak ADI je torej linearne zahtevnosti v tevilu prostorskih neznank.
366
un+1
j,k+1
un+12
j-1,k
un+12
j,k
un+1
j,k
un+12
j+1,k
un+1
j,k-1
unj,k-1
un+12
j-1,k
un+12
j,k
unj,k
un+12
j+1,k
unj,k+1
n ei(x x+y y)
za iskanje splone reitve numerinega sistema linearnih diferennih enab. Ko
vstavimo to v prvi korak (8.104), po poenostavitvi ugotovimo, da mora med
, x in y veljati relacija
1 2y sin2 12 y y
,
1 + 2x sin2 12 x x
p
1 2x sin2 12 x x
.
=
1 + 2y sin2 21 y y
Ker morata veljati obe, ju zmnoimo in dobimo
1 2x sin2 12 x x 1 2y sin2 12 y y
.
1 + 2x sin2 12 x x 1 + 2y sin2 12 y y
Ker je x > 0 in y > 0, oitno velja 0 < < 1. To dokazuje tale izrek.
Izrek 8.18. ADI metoda pri reevanju enabe (8.101) je stabilna neodvisno
od korakov v asovni in prostorskih smereh.
Y1 , X1 , Y2 , X2 RJ K .
367
Matrika Y1 pripada levi strani in matrika X2 desni strani enab (8.105). Podobno X1 izvira z leve in Y2 z desne strani (8.104). Matriki X1 in Y1 sta strogo
diagonalno dominantni, torej obrnljivi. Ker smo enabe zloili po vrsticah, sta
X1 in X2 blono diagonalni matriki. Diagonalni bloki so tridiagonalne matrike. Matriki Y1 in Y2 sta permutacijsko podobni taknima. Podobno kot v
dejstvu 8.1 (str. 338) lahko ugotovimo, da matrike komutirajo. To izkoristimo
za poenostavitev izpeljave lokalne napake. Enabo preoblikujemo v
u
1
u
X1 Y1u n+1 X2 Y2u n ,
t
t
razvito okoli toke (tn , xj , yk ) za gladko funkcijo u. Razvoj ni povsem preprost,
saj numerina reitev vsebuje vrednosti u v devetih tokah sloja n in devetih
sloja n + 1. Prispevek X2 Y2u n k razvoju pri ksnem j in k dobimo iz
1
1
1
x y unj1,k1 (x 1) y unj,k1 + x y unj+1,k1
4
2
4
1
1
n
x (y 1) uj1,k + (x 1) (y 1) unj,k x (y 1) unj+1,k +
2
2
1
1
1
+ x y unj1,k+1 (x 1) y unj,k+1 + x y unj+1,k+1 ,
4
2
4
n+1
prispevek X1 Y1u
pa iz
1
1
1
x y un+1
(x + 1) y un+1
+ x y un+1
j1,k1
j,k1
j+1,k1
4
2
4
1
1
x (y + 1) un+1
+ (x + 1) (y + 1) un+1
x (y + 1) un+1
j1,k
j+1,k +
j,k
2
2
1
1
1
+ x y un+1
(x + 1) y un+1
+ x y un+1
j1,k+1
j,k+1
j+1,k+1 .
4
2
4
Izraun razvojev prepustimo programu za simbolino raunanje, ki pa ne da
dokonnega odgovora. Upotevati moramo e, da je u reitev enabe (8.101).
Podobno kot pri Crank-Nicolsonovi metodi lahko zato v razvoju izrabimo dejstvo
2u
=
(u) ,
2
t
t
ki zagotovi poenostavitev. S tem dobimo lokalno napako oblike
O t2 + x2 + y 2 .
Lokalna napaka je primerljiva s Crank-Nicolsonovo metodo v eni prostorski
razsenosti. Dodajmo e numerini zgled.
(t, x ) (0, T ) D .
368
1.0
1.0
1.0
0.5
1.0
0.5
0.0
0.0
0.0
0.0
0.5
0.5
0.5
0.5
1.0 0.0
1.0 0.0
1.0
1.0
1.0
0.5
1.0
0.5
0.0
0.0
0.5
0.0
0.0
0.5
0.5
0.5
1.0 0.0
1.0 0.0
sovni koraki t =
1
2
3
100 , 100 , 100
v zgledu 8.16
3.6. Stabilnost, konsistentnost in konvergenca. V predhodnih razdelkih smo razvili ve uporabnih metod za reevanje parcialnih diferencialnih
enab parabolinega tipa. Ob vsaki od metod sta nas poleg izpeljave diferenne
sheme in pripadajoe okrnitvene napake zanimali dve pomembni lastnosti: stabilnost in konvergenca. Razumljivo, saj je brez zagotovljene konvergence numerina metoda brez vrednosti. Nestabilnost pa je nekaj, kar lahko z neprimerno
metodo zagreimo sami, in spet so rezultati neuporabni. Pri tudiju stabilnosti
smo uporabili dva razlina pristopa: analizo spektralnega radija prehodne matrike, ki povezuje neznanke na dveh zaporednih slojih in Fourierovo separacijo
369
spremenljivk v iskanju komponent numerine reitve v zakljueni obliki. Konvergenca je potem sledila iz obnaanja lokalne napake in stabilnosti. Podobno
smo opazili e pri navadnih diferencialnih enabah, pri zaetnih nalogah. Iz stabilnosti in konsistentnosti je sledila konvergenca in obratno (izrek 6.2 (str. 222)
in izrek 6.9 (str. 255)). Tudi tu velja podobna ugotovitev. Obravnavajmo jo
zato, da zajamemo tudi metode, ki jih nismo predstavili in analizirali, kot tudi
iri razred diferencialnih enab.
Vzemimo splono linearno parcialno diferencialno enabo reda m, ki smo
jo zapisali e v (8.10, str. 296),
u
(8.107)
= Lu + f, na (0, T ) D, D Rd ,
t
z
X
x) D .
L=
a (x
|m
|
Zaetni pogoj je
x), x D
u(0, x ) = g(x
in u naj zadoa tudi predpisanim robnim pogojem. Vseskozi bomo predpostavili, da je diferencialna enaba zastavljena korektno: ima reitev u, ki je
zvezno odvisna od zaetnih in robnih pogojev in enakomerno omejena na vsakem zaprtem omejenem intervalu
[0, T ] [0, ).
Kjer je potrebno, tej zahtevi dodamo zveznost odvodov itd. Denimo, da uporabljamo diferenno metodo, ki povezuje dva diskretna asovna sloja. Korak v
asu naj bo t, za korake v prostorskem delu diskretizacije pa predpostavimo,
da so enaki
xi = i x, i = 1, 2, . . . , d, i > 0 ,
kjer so i dane, vnaprej doloene konstante. Courantovo tevilo zato lahko
napiemo kot
t
(8.108)
(= konst!) ,
xm
kjer je m red diferencialne enabe. Oznaimo z u n vektor neznank na sloju
tn = nt. Koecienti a diferencialnega operatorja L niso odvisni od asa t.
Zato lahko diferenno aproksimacijo po mnoenju z t zapiemo kot sistem
diferennih enab v obliki
(8.109)
un + b n ,
u n+1 = Au
n = 0, 1, . . . .
u0 = g .
370
lokalne napake v (8.14, str. 301) in denicijo reda numerine metode. Naj bo u
en vektor vrednosti u, doloen v
tona reitev diferencialne enabe (8.107) in u
istih tokah mree in v enakem vrstnem redu, kot je sestavljen vektor neznank
u n . Reemo, da je diferenna metoda (8.109) reda r, e za vse zaetne pogoje
velja
en+1 (Ae
(8.111)
u
u n + b n ) = O xr+m , x 0,
za vse n 0 in obstaja zaetni pogoj g , za katerega desna stran ni hkrati
tudi reda O (xr+m ) (mali O ( . )!). Denirajmo e, kdaj je diferenna metoda
en ,
(8.109) konvergentna. Vektorsko normo, v kateri bomo merili razliko u n u
je treba smiselno izbrati. Ko se razmik x manja, tevilo komponent
obeh
vektorjev naraa. Zato za vektorsko normo izberimo evklidsko z utejo x,
s X
(8.112)
kvv k2, := xkvv k2 = x
|vj |2 , v := (vj ) .
j
vj := v(j x), j = 1, 2, . . . , J,
(J + 1)x = 1.
x0
j=1
|v(x)|2 dx = kvk2,[0,1] .
Uteena norma ima torej smisel tudi, ko tevilo komponent vektorja raste prek
vseh meja, e le merimo zaporedja, katerih leni padajo dovolj hitro. Komponente vektorja u doloa ve indeksov in tona reitev je funkcija, denirana
nad D Rd , a opraviilo je povsem enako. Vpeljana norma omogoa zvezen
prehod iz diskretne v zvezno normo. Uporabimo to. Reemo, da je metoda
(8.109) konvergentna, e za vse zaetne pogoje in vse T > 0 velja
n
n
u u
e k2, = 0.
lim
max ku
x0
0nbT /tc
n = 0, 1, . . . , bT /tc,
371
n = 0, 1, . . . , bT /tc 1.
Od tod
n = 0, 1, . . . , bT /tc 1.
r+m
T
konst xr+m = konst T xr
t
xm
t
= O (xr ) .
un k2, konst,
ku
n = 0, 1, . . . , bT /tc,
x 0.
e povzamemo stabilnost: numerina reitev, ki jo iemo na poljubnem kompaktnem intervalu [0, T ], T > 0, je v normi k . k2, omejena neodvisno od
korakov mree, ko se poljubno manjajo. Naj bodo e robne vrednosti enake
ni. Tedaj za reitev u n velja relacija u n = Anu 0 in za stabilnost zadoa e
pogoj
(8.114)
lim
max kAn k2, konst.
x0
0nbT /tc
x 0 ,
372
n
(An )T An = AT A .
Naj bo w 6= 0 in naj h . , . i oznai evklidski skalarni produkt. Tedaj ugotovimo, z uporabo Cauchyjeve neenakosti,
D
n E
kAnw k22 = hAnw , Anw i = w , AT A w
n
w k22 kAT Akn2 kw
w k22
k AT A k2 kw
w k22 = (A)2n kw
w k22 ,
kAk2n
2 kw
saj za normalne matrike velja kAT k2 = kAk2 = (A). Od tod sledi
kAnw k2,
kAnw k2
=
(A)n ekonst nt ekonst T .
w k2,
w k2
kw
kw
Kvocient na levi strani neenakosti je torej omejen s konstanto neodvisno od w ,
torej velja to tudi za normo
X
(8.115) F : `2 [Z] L2 ([0, 2]) : v = (vj )
7
F
v
()
:=
v j e i j ,
j=
j=
`2 [Z]
kjer
oznauje evklidski prostor bineskonnih kompleksnih zaporedij. Seveda ima nekoliko drugana Fourierova transformacija podobne lastnosti, kot
smo jih ugotovili za (8.62).
1
vb j =
2
vb() ei j d,
373
j Z, vb L2 ([0, 2]) .
Preslikava F je izometrija,
s
kvv k2 = kF v k2,[0,2] ,
kjer je kwk2,[0,2] :=
1
2
|w()|2 d .
0
mi
X
k ()un+1
k+`
k= mi
me
X
k ()unk+` ,
mi , mi , me , me 0 ,
k= me
:=
t
xm
mi = mi = 0 .
Shemi (8.116) pridruimo racionalno funkcijo, kvocient rodovnih polinomov
koecientov na sosednjih asovnih slojih, s
me
P
(8.117)
(z, ) :=
k= me
mi
P
k= mi
k ()z k
,
k
z C, > 0.
()z k
(8.118)
ei , 1, [0, 2] .
374
mi
X
i`
k ()un+1
k+` e
`= k= mi
mi
X
k ()e
ik
k= mi
un+1
e i ` =
`
`=
= F u n+1 ()
mi
X
k
k () ei
k= mi
F u n+1 () = ei , F u n ().
e jo iteriramo, dobimo eksplicitno izraavo
n
n
F u n () = ei ,
F u 0 () = ei ,
F g () ,
kjer smo upotevali zaetni pogoj (8.110). Od tod in iz trditve 8.2 sledi
(8.119)
Z 2
2n
1
2
n 2
n 2
u k2 = kF u k2,[0,2] =
ku
ei , |F g ()| d, n = 0, 1, . . .
2 0
e je pogoj (8.118) izpolnjen, velja torej
un k2 ku
u0 k2 = kgg k2
ku
in od tod
(8.120)
ko x 0 ,
ei , > 1 + , [ , ], < .
Izberimo zaetne pogoje tako, da je F g karakteristina funkcija intervala
[ , ],
1, ,
F g () :=
L2 ([0, 2]) .
0, sicer,
Za takno F g je
Z 2
2n
1
2
n 2
n 2
u k2 = kF u k2,[0,2] =
ku
(1 + )2n
ei , |F g ()| d >
2 0
2
375
1
implicitna metoda: ei , =
,
2
2
1 + 4c sin
2
2
2
i 1 2c sin 2
Crank-Nicolsonova metoda: e , =
.
1 + 2c2 sin2
2
Grafe za nekaj vrednosti Courantovega tevila in c = 1 vidimo na sliki 8.29.
1
Vse metode so stabilne, z izjemo eksplicitne za > 2 .
2c
H ,L
H ,L
-1
-1
-2
-2
-3
-3
H ,L
0
-1
-2
-3
376
3.7. Naloge.
u
2u
=
reujemo z eksplicitno difet
x2
un+1
unj = unj1 2unj + unj+1 ,
j
u(0, x) =
u
2u
z zaetnimi pogoji
=
t
x2
2x,
2(1 x),
0 x 1/2,
1/2 < x 1,
n+1
n+1
n+1
n
un+1
u
=
2u
+
u
j
j
j1
j
j+1 ,
pri emer naj bo x = 1/10 in t = 1/100.
2u
u
=
na D = (0, ) (0, 1). Zaetni in
t
x2
u(0, x) = 1, 0 x 1,
u
u
(t, 0) = u(t, 0),
(t, 1) = u(t, 1), t > 0 .
x
x
Zapii enabe, ki jih dobi na n-tem asovnem sloju. Uporabi eksplicitno shemo
in parametra x = 1/10, t = 1/400.
=
t
x
u
p(t, x)
,
x
v
1 2v
1
=
+
t
2 x2 1 + u2
377
lim u(t, x) = 0,
u(0, x) =
(1
t > 0.
cos2 ( x
10 ), |x| 5,
0,
|x| > 5.
f
f
1
2f
+ rS
+ 2 S 2 2 = rf,
t
S 2
S
kjer je
t > 0,
in konni pogoj
f (T, S) = max (N S) , S 0.
Uporabi diferenno metodo in zasnuj reitev. Po kateri metodi bo treba posei?
V kateri smeri naj napreduje v asu?
378
3.9. Prilagodi izrek 8.22 diferencialnim enabam v dveh prostorskih razsenostih. Poii funkcijo (zx , zy , ) za ADI metodo (8.104) in (8.105). Preveri
stabilnost.
379
bolinega tipa smo v uvodu omenili valovno enabo v eni prostorski razsenosti.
Zanima nas oblika strune u = u(t, x) doline L, za katero velja
2
2u
2 u
=
c
, (t, x) (0, T ) D,
t2
x2
kjer je c znana konstanta. Zaetni pogoji so
(8.121)
(8.122)
u(0, x) = f (x) ,
u
(0, x) = g(x),
t
D := (0, L),
x [0, L],
robni pogoji pa
(8.123)
t > 0.
dx
dx
dx
2
c =
c
+ c = 0.
dt
dt
dt
Ta doloa enoparametrini druini karakteristik
x + ct = konst1 ,
x ct = konst2 .
2
2u
2
2
+
=c
2
,
t2
2
2
2
2
2
2u
+
=
+
2
.
x2
2
Od tod sledi
(8.124)
0=
2
2
2u
2 u
2
c
=
4c
.
t2
x2
Doloimo P in Q! Najprej je
(8.126)
380
P 0 (x) Q0 (x) =
g(x)
.
c
To integriramo
1
P (x) Q(x) =
c
Zx
g() d + P (0) Q(0)
0
x [L, 0) ,
1
1
u(t, 0) = (f (ct) + f (ct)) +
2
2c
Zct
g() d = 0 ,
ct
f (L + ct) + f (L ct) = 0
in podobno za g . Konni sklep sledi iz naina raziritve obeh funkcij na R.
Izraava tone reitve hiperboline diferencialne enabe v posebnem primeru (8.127) v resnici poudari lastnost, ki jo sreamo kot znailnost celotnega
razreda diferencialnih enab tega tipa. Reitev v dani toki (t, x) je odvisna le
od doloene podmnoice zaetnih pogojev. Od tod ugotovimo prvo potrebno
lastnost numerinih metod za reevanje diferencialnih enab tega tipa. Najnazorneje jo pojasni slika 8.30. Vrednost reitve v dani toki (t, x) je odvisna od
zaetnih vrednosti na intervalu [xct, x+ct]. Obmoju, od katerega je vrednost
u(t, x) odvisna, reemo obmoje odvisnosti. Rob tega obmoja doloata karakteristiki, ki gresta skozi toko (t, x) in interval odvisnosti [x ct, x + ct] R, ki
lei na abscisni osi. e numerina metoda ne upoteva vseh zaetnih vrednosti
z intervala odvisnosti [x ct, x + ct], v splonem ne more dobro aproksimirati
vrednosti reitve u(t, x). Numerina metoda pri izraunu zgradi svoje obmoje
381
odvisnosti, ki mu reemo numerino obmoje odvisnosti. e je to strogo vsebovano v obmoju odvisnosti tone reitve, v splonem ne moremo priakovati
konvergence. Na sliki 8.30 (levo) vidimo, da zaetna pogoja
f (x) = 0, g(x) = 0,
x [x , x+ ] ,
zavedeta numerino metodo. Ta dobi vse zaetne vrednosti enake ni, torej
je zaradi linearne narave diferencialne enabe tudi numerini pribliek u(t, x)
enak ni. Toda f in g sta lahko na intervalih (x ct, x ) ali (x+ , x + ct)
povsem drugana in u(t, x) 6= 0. A teh vrednosti numerina metoda ne more
upotevati. To je razmislek, ki opraviuje tale izrek.
t
Ht,xL
x-ct
x-
Ht,xL
x+
x+ct
x-
x-ct
x+ct
x+
e numerino podroje odvisnosti vsebuje podroje odvisnosti tone reitve, reemo, da je izpolnjen Courantov pogoj. Sreamo tudi druga imena, na
primer CFL-pogoj itd. Je potreben, a v splonem ne zagotavlja konvergence
numerine reitve (glej trditev 8.3 (str. 385), ki sledi). Pomen Courantovega
pogoja je v tem, da ga je zelo preprosto preveriti. Omogoa nam, da vnaprej
na prvi pogled izloimo neobetavne diferenne sheme.
Valovna enaba (8.121) je enaba drugega reda. Pri reevanju navadnih
diferencialnih enab se je zelo obnesla pretvorba enab vijega reda na sisteme
enab prvega reda. Poizkusimo tudi tu. Pretvorimo valovno enabo na ekvivalenten sistem enab prvega reda. Iemo e vedno odmik strune u, a dodamo
novo neznano funkcijo v = v(t, x). Sistem enab prvega reda, ki je ekvivalenten
prvotni valovni enabi za neskonno dolgo struno, je
u
v v
u
(8.129)
=c ,
= c , (t, x) (0, T ) R .
t
x t
x
Zaetna pogoja izraunamo kot
Zx
1
g() d + konst, x R .
u(0, x) = f (x), v(0, x) =
c
0
382
u
0 c u
0
(8.130)
+
=
.
c 0 x v
0
t v
Matrika, ki tu nastopa, ima pomembno lastnost: mogoe jo je diagonalizirati
in obe lastni vrednosti sta realni. To vzamemo kot izhodie za denicijo
splonega sistema hiperbolinih parcialnih enab prvega reda. Naj bo u vektor
neznanih funkcij ui = ui (t, x), A = A(t, x) dana matrika in b desna stran.
Reemo, da je u reitev sistema hiperbolinih enab prvega reda, e velja s
u + A(t, x) u = b (t, x) .
t
x
(8.131)
P (t, x)
= b (t, x)
P (t, x) v A(t, x)
P (t, x) v
t
x
1
I + P (t, x)A(t, x)P (t, x)
v=
t
x
1
= P (t, x) b (t, x)
P (t, x) v A(t, x)
P (t, x) v .
t
x
Odvodi iskanih funkcij v nastopajo le na levi strani enabe. Ker je matrika
P 1 (t, x)A(t, x)P (t, x) kar matrika lastnih vrednosti, torej diagonalna in realna, leva stran razpade v loene vrstice in celotni sistem lahko zapiemo v
obliki
(8.132)
vi
vi
+ i (t, x)
= qi (t, x, v ),
t
x
i = 1, 2, . . . .
1
(v + u, v u) .
2
Poenostavitev (8.132) je eden od vzrokov, da si numerino reevanje hiperbolinih parcialnih enab te oblike pogledamo najprej.
383
u
u
+c
= 0, (t, x) (0, T ) (0, a) , c = konst > 0 .
t
x
Z advekcijsko enabo modeliramo, kako se neka snov ali lastnost prenaata v gibajoi se tekoini. Neznani u najpogosteje oznauje gostoto te snovi. Dodajmo
e zaetni in robni pogoj. V zaetnem asu naj reitev u zadoa pogoju
(8.133)
(8.134)
u(0, x) = f (x),
x [0, a] ,
u(t, 0) = g(t),
t > 0,
f (x ct), t x,
u(t, x) =
g(ct x), x < t.
Kot modelni zgled je zato advekcijska enaba kot nala. Tudi zahtevneji
problemi, raziritve te enabe, se hitro najdejo. Na primer, koecient c ni
nujno konstanten in dobimo enabo
u
u
+ c(x)
= 0, (t, x) (0, T ) (0, a).
t
x
V dveh prostorskih razsenostih se ta prelevi v
u
u u
+ c(x, y)
+
= 0, (t, x, y) (0, T ) (0, a) (0, b).
t
x y
Sistem (8.130) lahko sploneje zapiemo kot vektorsko advekcijsko enabo,
u
u
u
u
+A
= 0, (t, x) (0, T ) (0, a)
t
x
in iemo neznane komponente ui (t, x) vektorja u . Praktino zelo pomembne
raziritve vodijo v reevanje nelinearnih enab. Kot zgled omenimo Burgerjevo
enabo, primer kontinuitetne enabe,
u 1 2 u
u
+
u =
+u
= 0.
t
2 x
t
x
z danimi robnimi in zaetnimi pogoji.
Najpreprosteja numerina metoda za reevanje advekcijske enabe je eksplicitna Eulerjeva. Odvode nadomestimo s prvimi deljenimi diferencami. Diskretno mreo vpeljemo na obiajen nain,
a
T
.
tn := n t, xj = j x, t := , x :=
N
J +1
384
Pri izbiri prostorske diference moramo biti zaradi Courantovega pogoja previdni. Ker smo privzeli c > 0, je treba izbrati premo deljeno diferenco v asovni
smeri in obratno v prostorski (slika 8.31). To da numerino enabo v sploni
t
t
Htn ,x j L
x j -ctn
Htn ,x j L
x j+n x
xj
x j-n x j -ctn
xj
un+1
unj
j
(8.136)
+c
unj unj1
= 0.
x
un+1
unj
j
unj+1 unj
= 0.
t
x
Enabo (8.136) poenostavimo v izraun (n + 1)-vega asovnega sloja
(8.137)
(8.138)
un+1
= unj1 + (1 )unj , j = 1, 2, . . . , J,
j
zaetni pogoji so
robni pa
+c
u0j = f (xj ),
j = 1, 2, . . . , J,
un0 = g(tn ),
n = 0, 1, . . . , N.
:= c
t
,
x
f (x) := 0,
x
/ [0, a],
postane advekcijska enaba povsem le zaetni (ali Cauchyjev) problem. Uporabimo lahko izrek 8.22 (str. 373). Funkcijo , ki odloa o stabilnosti, izraunamo
kot
1
1
= 1 (1 ) .
(z, ) = (1 ) +
z
z
Pogoj stabilnosti
ei , 1,
385
[0, 2] ,
poenostavimo v
0 1 + ei , 1 ei , =
2
1
= 1 ei , = 4(1 ) sin2 .
2
Eulerjeva metoda je stabilna, e je izpolnjen Courantov pogoj (0, 1]. To
zadoa tudi za konvergenco, kot bomo dokazali v izreku 8.24. Stabilnost smo
preverili ob predpostavki c > 0. Da bi shema delovala tudi za c < 0, bi bilo
morda smiselno v enabi (8.136) uporabiti namesto enostranske simetrino
diferenco v prostorski smeri. To zamenja enabe (8.138) z diferenno shemo
n
uj1 unj+1 .
2
Za || 1 je Courantov pogoj izpolnjen. Funkcija je tu
un+1
= unj +
j
(z, ) =
+1 z
2z
2
in test stabilnosti
0 1 ei , = 2 sin2 (),
[0, ],
j = 1, 2, . . . , J ,
kjer so napake na zaetku e0j in na robu en0 velikostnega reda osnovne zaokroitvene napake. Oznaimo najvejo absolutno vrednost lokalne napake
:= max |jn | = O (t + x) .
j,k
|en+1
| (1 )|enj | + |enj1 | + t .
j
386
|en+1
| (1 )n + n + t = n + t .
j
Ker desna stran v neenakosti ni odvisna od j , lahko tudi na levi strani uporabimo maksimum,
n+1 n + t .
Iteracija te ocene da
n 0 + nt 0 + T = O (t + x)
in izrek je dokazan.
Eulerjevo metodo, ki smo jo izpeljali za advekcijsko enabo, lahko posploimo po premisleku (8.137) na primer c < 0 in na enabe, v katerih je c lahko
odvisen tudi od t in x. Dobimo diferenno shemo po vetru, saj se izbor diferenne aproksimacije prostorskega odvoda izbira v odvisnosti od predznaka
c. Naj cnj oznai vrednost koecienta c v toki (tn , xj ). Zapiimo le splono
diferenno enabo, katere del je (8.138),
( n
uj1 + (1 )unj , cnj 0,
t
n+1
n
:= cj , uj =
x
(1 + )unj unj+1 , cnj < 0.
Stabilnost preverimo enako, kot smo jo za prvi del metode. Za oba dela skupaj
je Courantov pogoj izpolnjen, e velja || 1. Tudi konvergenne lastnosti
metode po vetru so enake. Dodajmo numerini zgled.
1 + x2
.
1 + 2tx + 2x2 + x4
Funkcija u naj bo na zaetku B-zlepek stopnje 0,
1, 0.2 x 0.4,
(8.139)
u(0, x) :=
0,
sicer ,
c(t, x) :=
t
u(t, x) = u 0, x
,
1 + x2
kjer u(0, . ) preberemo v (8.139). Ker je 0 < c(t, x) 1, lahko uporabimo kar prvi del metode po vetru in enaka razmika v asovni ter prostorski
smeri. Slika 8.32 kae tiri izbrane korake pri uporabi Eulerjeve metode z
1
. Numerina reitev uspe nekako slediti toni v asu, a oblika ni
t = x = 50
kaj dosti natanna. To je za priakovati, ne le za Eulerjevo, ampak tudi za
druge metode. Zaetni pogoj ni zvezna funkcija.
t= 0.00
t= 0.34
u
1.0
u
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.2
0.4
0.6
0.8
1.0
0.2
t= 0.66
u
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.4
0.6
0.4
0.6
0.8
1.0
0.8
1.0
t= 1.00
u
1.0
0.2
387
0.8
1.0
0.2
0.4
0.6
v(t + t, x) = v(t, x) + t
v
t2 2 v
(t, x) +
(t, x) + . . .
t
2! t2
ru
ru
=
c
,
tr
xr
r = 1, 2, . . .
Tako dobimo
(8.141)
u(t + t, x) = u(t, x) ct
u
t2 2 u
(t, x) + c2
(t, x) + . . .
x
2! x2
388
sheme Lax-Wendro
1
1
t
(8.142) un+1
= (1 + ) unj1 + 1 2 unj (1 ) unj+1 , := c .
j
2
2
x
e je u dovoljkrat zvezno odvedljiva, razvoj v Taylorjevo vrsto vrne lokalno
napako
jn = O t2 + x2 .
To je za red bolje kot pri Eulerjevi metodi. e je || 1, ugotovimo tudi, da
je izpolnjen Courantov pogoj. Preverimo stabilnost, spet le za Cauchyjevo nalogo. Kot e vemo, to ugotovitev lahko uporabimo tudi za advekcijsko enabo
s homogenim robnim pogojem. V (8.117, str. 373) denirana funkcija je tu
1
( + 1)
(z, ) =
+ 1 2 z(1 ) .
2z
2
i
4
i
2
2
2
0 |(e , )| 1 = 4 1 sin
.
2
t
Neenaba je izpolnjena, e je 0 < =
1. S tem smo dokazali tale izrek.
x
2u
u
2u
c
u
u
c
c(t, x)
= (t, x)
+ c(t, x)
c(t, x)
.
= (t, x)
t2
t
x
tx
t
x
x
x
e ta dva asovna odvoda vstavimo v (8.140), dobimo
u
u(t + t, x) = u(t, x) t c(t, x)
(t, x) +
x
t2
c
u
u
+
(t, x)
+ c(t, x)
c(t, x)
+ ... .
2!
t
x
x
x
Namesto da okrnjeni razvoj slepo prepiemo v numerino metodo, ga malo
razlenimo. Po dosedanjih izkunjah velja v diferenni aproksimaciji zadnjega
389
1
x
x
(8.143)
c(t, x) =
c t, x
+ c t, x +
+ O x2
2
2
2
in aproksimiramo
u
c(t, x)
c(t, x)
=
x
x
1
x
x
=
c t, x
+ c t, x +
2x2
2
2
x
c t, x
(u(t, x x) u(t, x))+
2
!
x
+ c t,
+ x (u(t, x + x) u(t, x)) + O x2 .
2
Tako dobimo diferenno shemo Lax-Wendro v sploneji obliki
(8.144)
un un
t n
j+1
j1
n+1
n
n
uj = uj
+
cj 1 + cj+ 1
2
2
2
2x
t2
c n unj+1 unj1
+
+
2
t j
2x
1 n
n
n
n
n
n
n
n
+
cj 1 + cj+ 1
cj 1 (uj1 uj ) + cj+ 1 (uj+1 uj )
2
2
2
2
2x2
!
.
merina reitev ohranja asovno usklajenost in daje boljo aproksimacijo reitve kot metoda po vetru. Res pa se v numerini reitvi vidijo oscilacije, ki
jih v zgledu 8.18 ni zaslediti. Oba izrauna bi bolj govorila v prid metodi
Lax-Wendro, e bi izbrali gladkeje zaetne pogoje.
Podobno izpeljemo diferenno shemo, ki je primerna za reevanje kontinuitetnih enab, kot je na primer Burgerjeva. Enabe te vrste lahko pogosto
zapiemo v obliki
u f (u)
(8.145)
+
= 0,
t
x
kjer je funkcija f odvisna le od u, ne pa tudi od t ali x. Z odvajanjem jo
prepiemo v znano obliko,
u
u
f
+ c(u)
= 0 , c :=
.
t
x
u
390
t= 0.00
t= 0.34
u
1.0
u
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.2
0.4
0.6
0.8
1.0
0.2
0.4
0.6
0.8
1.0
0.8
1.0
t= 1.00
t= 0.66
u
1.2
u
1.0
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.2
0.4
0.6
0.8
1.0
0.2
0.4
0.6
-0.2
e ponovno sledimo osnovni ideji metode Lax-Wendro, moramo izraziti asovna odvoda s prostorskima. Izpeljimo to,
u
f (u)
u
=
= c(u)
,
t
x
x
2u
=
t2
t
f (u)
x
=
x
f (u)
t
=
x
f (u)
c(u)
.
x
f (u)
u(t + t, x) = u(t, x) t c(u(t, x))
(u(t, x)) +
x
t2
f (u)
+
c(u(t, x))
(u(t, x)) + . . . .
2! x
x
Ponovno uporabimo povpreje kot v (8.143) in ta razvoj s simetrinimi deljenimi diferencami spremenimo v obliki enabe (8.145) prilagojeno diferenno
metodo Lax-Wendro,
un+1
j
unj
1 t
2 x
1 cnj+1/2
t
x
391
fj+1 fjn +
t
n
+ 1 + cnj1/2
fjn fj1
.
x
cnj1/2 := c unj1/2 ,
fjn := f unj .
4.3. Reevanje valovne enabe z diferenno metodo. Vrnimo se sedaj k valovni enabi. Uporabimo diferenno metodo in jo diskretizirajmo v
prvotni obliki (8.121), kot enabo drugega reda. Zaetni pogoji so predpisani
v (8.122) in robni v (8.123). Mreo vpeljemo z izbiro
tn = nt ,
xj = jx ,
n = 0, 1, . . . , N ,
j = 0, 1, . . . , J + 1 ,
kjer je
t :=
T
,
N
x :=
L
.
J +1
unj u(tn , xj ) ,
z uporabo simetrinih deljenih diferenc na treh tokah za aproksimacijo drugih
parcialnih odvodov (8.11, str. 298) izpeljemo diskretno obliko valovne enabe
v sploni toki mree
un1
2unj + un+1
j
j
(8.146)
ujn+1 =2 1 2 unj + 2 unj1 + unj+1 ujn1 ,
= c2
j = 1, 2, . . . , J; n = 1, 2, . . . , N ,
kjer je
:= c
Robni pogoji se glasijo
(8.147)
t
.
x
n = 1, 2, . . . , N .
u0j = f (xj ),
j = 1, 2, . . . , J .
392
ugotovimo
u
u(t, xj ) = 1 2 u(0, xj ) + t
(0, xj )+
t
1
+ 2 (u(0, xj1 ) + u(0, xj+1 )) + t2 O t + x2 =
2
= 1 2 f (xj ) + t g(xj )+
1
+ 2 (f (xj1 ) + f (xj+1 )) + t2 O t + x2 .
2
Od tod doloimo aproksimacijo na drugem asovnem sloju,
(8.149)
1
u1j = 1 2 f (xj ) + 2 (f (xj1 ) + f (xj+1 )) + t g(xj ), j = 1, 2, . . . , J .
2
Kaj zahteva Courantov pogoj? Ker predpostavljamo, da je Courantovo tevilo,
t
tu razmerje x
, vseskozi konstantno, je taken tudi . Poglejmo si numerino
obmoje odvisnosti in zvezno obmoje odvisnosti (slika 8.34). Naj bo (tn , xj )
t
Htn ,x j L
x j-n x j -ctn
xj
x j +ctn x j+n x
393
1
(t, x) (0, ) (0, 1),
2
u(t, 0) = u(t, 1) = 0,
1
T = ,
2
t > 0,
7
11
0 =: 0 x < 1 := ,
x,
7
10
217
4
f (x) := 1000 3 2020 2 1347
x
x +
x
,
1 x 2 := ,
7
7
7
5
5
5x 5,
2 < x 3 := 1.
Zaetna hitrost u
t (0, x) naj bo ni. Zaetni odmik, odsekoma polinomska
1
funkcija f C ([0, 1]) s stinimi tokami i in tona reitev sta prikazani na
sliki 8.35. Opazujmo numerino reitev pri izbiri
N = 20,
t x
1
40
1
10
1
4
19
1
40
1
20
1
2
39
1
40
1
40
40
1
40
1
41
41
40
1
, = 41
J = 19 bolja, za J = 39 najbolja. A ko z x = 41
40 > 1 prekrimo
Courantov pogoj (8.150), postane numerina reitev nesmiselna (slika 8.36,
spodaj desno).
394
odmik
0.2
0.2
0
0.2
0.4
0.6
1 2
0.8
1.0
-0.2
-0.4
-0.6
-0.8
-1.0
-1.2
0.2
0.4
-0.2
-0.4
-0.6
-0.8
-1.0
-1.2
0.6
0.8
1.0
1 2
Slika 8.35. Zaetni pogoj f (levo) in tona reitev v asu t = 0, 40
, 40 , . . . , 12
odmik
odmik
0.2
0.2
0.2
0.4
-0.2
-0.4
-0.6
-0.8
-1.0
-1.2
odmik
0.6
0.8
1.0
0.4
0.6
0.8
1.0
0.6
0.8
1.0
odmik
0.2
0.2
-0.2
-0.4
-0.6
-0.8
-1.0
-1.2
0.2
-0.2
-0.4
-0.6
-0.8
-1.0
-1.2
0.4
0.6
0.8
1.0
0.5
0.2
0.4
-0.5
t
-1.0
1
Slika 8.36. Koraki numerine reitve v asu s korakom t = 40
1
za razline korake x. Zgoraj levo je x = 10
, = 14 , zgoraj
1
1
1
desno je x = 20 , = 2 , spodaj levo je x = 40 , = 1. Spodaj
1
desno je x = 41
, = 41
40 in prikazane so numerine reitve pri
t = 0 (modra), t = 14 (temnordea) in t = 12 (be).
Izrek 8.26. Naj bosta funkciji f in g , ki doloata zaetne pogoje (8.122) v valovni enabi (8.121), dovoljkrat zvezno odvedljivi. Naj bodo robni pogoji (8.123)
homogeni, h1 = h2 = 0. Diferenna metoda (8.146) za reevanje valovne
enabe (8.121), ki robne pogoje upoteva z (8.147) in zaetne pogoje prevede
na (8.148) ter (8.149) na prvih dveh asovnih slojih, je konvergentna, br ko
je izpolnjen Courantov pogoj 1.
Dokaz. Izrek bomo dokazali le za poseben primer, najveji moni korak v at
sovni smeri, ki ga dopua Courantov pogoj. Naj bo Courantovo tevilo x
395
un+1
= unj1 + unj+1 un1
.
j
j
n
e vpeljemo Djn+1 := un+1
unj1 , to kraje zapiemo kot Djn+1 = Dj+1
in z
j
iteriranjem od tod
(8.151)
n1
n
1
Dj+1
= Dj+2
= = Dj+n
= u1j+n u0j+n1 =
1
= (fj+n1 + fj+n+1 ) + t gj+n fj+n1 =
2
1
= (fj+n+1 fj+n1 ) + t gj+n .
2
f` := f (x` ) ,
g` := g (x` )
n+1
Dj
X
n+1
n
=
uj uj1 =
=0
=0
un+1
j
u0j1n ,
torej
un+1
= u0jn1 +
j
n
X
n+1
Dj
= fjn1 +
=0
un+1
= fjn1 +
j
n+1
Dj
n
X
n+1
Dj
.
=0
v vsoti. Izpeljemo
n
n
X
1X
(fj+n+12 fj+n12 ) + t
gj+n2 .
2
=0
=0
(t, x) = (tn+1 , xj ) ,
nt = t, jx = x ,
396
0 < < 2 ,
= 2xf (x (2 + )x + ct) .
Ker je
|f 0 (x 2x + ct) f 0 (x (2 + )x + ct)| f 0 ; 2x ,
! Zct
n
X
0
lim x
f (x + ct 2x) = f 0 (x + ct 2) d =
x0
(8.154)
=0
1
(f (x + ct) f (x ct)) .
2
Podobno je
xct
Ko setejemo dobljene lene (8.153), (8.154) in (8.155), ugotovimo, da numerina reitev v ksni toki konvergira k toni d'Alembertovi reitvi (8.127).
To dokazuje konvergenco za neskonno struno v primeru = 1. Ker so robni
pogoji homogeni, lahko uporabimo vloitev (8.128) in konno struno vloimo
v neskonno. Ker tona reitev v tem primeru zadoa homogenim robnim
pogojem, numerina reitev pa konvergira k toni, tudi numerina reitev v limiti izpolnjuje robne pogoje. Torej je dokazana trditev tudi za konno struno.
Dokaz izreka v primeru < 1 temelji na primerjavi tone in numerine reitve.
Obe konstruiramo s separacijo spremenljivk v obliki Fourierove vrste in vrsti
primerjamo. Ta del dokaza bomo preskoili.
naravo hiperbolinih diferencialnih enab za diskretizacijo in numerino reevanje. Uporabljamo jo tudi za reevanje enab prvega reda, a tu se bomo omejili
le na kvazilinearne enabe drugega reda. Naj spomnimo, da smo (kvazi) linearne enabe drugega reda v deniciji 8.1 (str. 294) opredelili kot hiperboline
diferencialne enabe, e imajo dve enoparametrini druini realnih karakteristik. Prav tako smo v (8.131) denirali sistem hiperbolinih parcialnih diferencialnih enab prvega reda kot sistem, ki ga je mo prevesti v karateristino
obliko, s toliko enoparametrinih druin realnih karakteristik, kot je dimenzija
sistema. Metoda karakteristik temelji na dveh ugotovitvah:
397
+ = 0.
t2
tx
x2
Tu so , , in funkcije, v splonem odvisne od koliin
u u
(8.156)
t, x, u,
,
,
t x
tako da smo si skrajali zapis, saj bi morali pisati na primer
u u
t, x, u,
,
,
t x
Lu :=
2 + = 0 ,
v splonem prav tako odvisna od koliin (8.156). e izberemo za smer krivulje,
vzdol katere iemo reitev, smer karakteristine krivulje
dx
(8.157)
= ,
dt
je treba reevati le enabo
d u
d u
+
+ = 0 .
(8.158)
dt t
dt x
To je navadna diferencialna enaba, ki pove, kakna relacija velja za asovna
u
odvoda neodvisnih koliin u
t in x . Ker to enabo lahko zapiemo za oba korena karakteristine enabe, dobimo sistem dveh navadnih diferencialnih enab
za dve neznanki,
d u
d u
+
+ + = 0,
+
dt t
dt x
d u
d u
+
+ = 0 .
dt t
dt x
Brez teav preverimo, da sta obe enabi neodvisni, torej vsaj lokalno dobro
doloata iskani neznanki,
+
det
= (+ ) 6= 0 .
398
n+1
toki tn+1
j1 , xj1 (slika 8.37). Izhodie sta toki
un+1
j-1
un+1
j
Gn+1
unj-1
unj
Gn
un-1
j
un-1
j+1
Gn-1
tj1 , xnj1 ,
n n
tj , xj .
Denimo, da smo smerna koecienta n,j1 in n+,j izbrali tako, da se pripadajoi karakteristiki sekata blizu tok (8.160). Diskretno aproksimacijo diferencialne enabe (8.157) izpeljemo tako, da jo pomnoimo z dt in integriramo, na
primer
Z tn+1
Z xn+1
j1
j1
dt.
dx =
xn
j1
tn
j1
399
1 n
n
n
xn+1
,j1 + n+1
tn+1
j1 xj1 =
,j1
j1 tj1 ,
2
(8.161)
1 n
n+1
n+1
n
n
xn+1
x
=
t
.
j
j
j1
+,j1
j1
2 +,j
V teh enabah nastopata eksplicitno dve neznanki,
tn+1
j1 ,
xn+1
j1 ,
n+1 n+1
n
n
j1
n,j1 + j1
,j1 pn+1
p
j1 +
j1
n+1
n+1
n+1
n
n
n
n
+ j1
+ j1
qj1
qj1
+ j1
+ j1
xn+1
x
j1 = 0,
j1
n+1 n+1
n
jn n+,j + j1
+,j1 pn+1
j1 pj +
n+1
n+1
n+1
n
+ jn + j1
qj1
qjn + jn + j1
xn+1
x
j = 0.
j1
Ostane e enaba (8.159). Integriramo jo vzdol ene ali druge smeri in ponovno
uporabimo trapezno pravilo. To da
n+1
n+1
n
n
uj1
unj1 = pn+1
+
p
t
t
j1
j1 +
j1
j1
(8.163)
n+1
n
n
+ qj1
+ qj1
xn+1
x
j1 ,
j1
ali
(8.164)
n+1
n+1
n
n
n
un+1
u
=
p
+
p
t
t
j
j
j +
j1
j1
j1
n+1
n
+ qj1
+ qjn xn+1
x
.
j
j1
400
un+1
0
un+1
1
Gn+1
un0
un1
Gn
D
un-1
1
un-1
2
Gn-1
1 n
n+1
n
xn+1
x
=
tn+1
tn1 ,
1
+,1
0
0
+,0
(8.165)
n+1 n 2
R t0 , x 0 = 0 .
Od enab (8.162) ostane druga
pn+1
pn1 +
1n n+,1 + 0n+1 n+1
0
+,0
(8.166)
4.5. Naloge.
4.1. Ugotovi red metode in analiziraj stabilnost Lax-Friedrichsove metode
un+1
=
j
1
1
(1 ) uj1 + (1 + ) uj+1 ,
2
2
n 0.
t
n+1
n+1
n
un+2
=
u
n 0, :=
.
j
j1
j+1 + uj ,
x
401
4.3. Ponovi izrauna v zgledih 8.19 in 8.18, kjer zaetno stopnico zamenja s
kubinim B-zlepkom, z vozli
1 1
1
1
2
1
3
2
,
+ ,
+ ,
+ ,
.
5 5 20 5 20 5 20 5
Katera od metod izstopa? Zakaj?
2u
t2
= x xu2 hiperbolina. Poii spremenljivki in , v katerih bo enaba kanonske oblike (8.124). V kanonski
obliki nastopa kot edini odvod drugega reda meani odvod
2u
,
u(t, x) :=
Preveri, da u zadoa valovni enabi na obmoju (0, T ) (0, 1), T > 0. Ugotovi zaetne in robne pogoje, ki jim u zadoa. Poii numerino reitev s
pettokovno diferenno shemo. Za test algoritma uporabi u.
t > 0,
z zaetnima pogojema
u
(0, x) = 0 .
t
1
,
10
in z metodo karakteristik izraunaj prvi asovni sloj.
xj = j h,
h :=
Literatura
[1] W. F. Ames, Numerical Methods for Partial Dierential Equations, Academic Press,
New York, 1977.
[2] R. Barrett, M. Berry, T. F. Chan, J. W. Demmel, J. Donato, J. Dongarra, V. Eijkhout,
R. Pozo, C. Romine, and H. A. van der Vorst, Templates for the Solution of Linear
Systems: Building Blocks for Iterative Methods, SIAM, Philadelphia, 1994.
[3] Z. Bohte, Numerine metode, DMFA Slovenije, Ljubljana, 1991.
[4] Z. Bohte, Numerino reevanje nelinearnih enab, DMFA Slovenije, Ljubljana, 1993.
[5] Z. Bohte, Numerino reevanje sistemov linearnih enab, DMFA Slovenije, Ljubljana,
1994.
[6] P. Brandimarte, Numerical Methods in Finance and Economics, John Willey & sons,
Hoboken, 2006.
[7] R. L. Burden, J. D. Faires, Numerical Analysis, Brooks/Cole, Pacic Grove, 1997.
[8] S. D. Conte, C. de Boor, Elementary Numerical Analysis, McGraw Hill, New York,
1980.
[9] B. N. Datta, Numerical Linear Algebra and Applications, Brooks/Cole, Pacic Grove,
1995.
[10] C. de Boor, A Practical Guide to Splines, Springer Verlag, New York, 1978.
[11] P. J. Davis, Interpolation and approximation, Academic Press, New York, 1976.
[12] P. J. Davis, P. Rabinowitz, Methods of numerical integration, Academic Press, New
York, 1975.
[13] J. W. Demmel, Applied numerical linear algebra, SIAM, Philadelphia, 1997. Slovenski
prevod: E. Zakrajek, Uporabna numerina linearna algebra, DMFA Slovenije, Ljubljana, 2000.
[14] C. W. Gear, Numerical Initial Value Problems in Ordinary Dierential Equations,
Prentice-Hall, Englewood Clis, 1971.
[15] G. H. Golub, C. F. van Loan, Matrix Computations, The Johns Hopkins University
Press, Baltimore, 1996.
[16] E. Hairer, S. P. Norsett, G. Wanner, Solving Ordinary Dierential Equations I, SpringerVerlag, Berlin, 1993.
[17] E. Hairer, G. Wanner, Solving Ordinary Dierential Equations II, Springer-Verlag, Berlin, 1991.
[18] E. Hairer, C. Lubich, G. Wanner, Geometric Numerical Integration, Springer-Verlag,
Berlin, 2000.
[19] M. T. Heath, Scientic Computing: An Introductory Survey, McGraw-Hill, 2002.
[20] N. J. Higham, Accuracy and stability of numerical algorithms, SIAM, Philadelphia, 1996.
[21] E. Isaacson, H.B. Keller, Analysis of Numerical Methods, John Wiley, New York, 1966.
[22] A. Iserles, A First Course in the Numerical Analysis of Dierential Equations, Cambridge University Press, Cambridge, 2002.
[23] C. T. Kelley, Iterative Methods for Linear and Nonlinear Equations, SIAM, Philadelphia,
1995.
[24] D. Kincaid, W. Cheney, Numerical Analysis, Brooks/Cole, Pacic Grove, 1996.
[25] J. D. Lambert, Numerical Methods for Ordinary Dierential Equations, John Wiley,
New York, 1991.
403
404
LITERATURA
Stvarno kazalo
. (oznaka mesta), 13
148
, 323
aproksimativni problem
optimalni, 27
avtonomna diferencialna enaba, 196,
219, 224
3
-pravilo,
8
B-drevo, 220
B-vrsta, 221
B-zlepek, 16, 24, 115, 117, 120, 121, 281,
283, 287, 386, 401
Banachov prostor, 30, 31
Banachovo skritveno naelo, 195, 201
baricentrina oblika interpolacijskega
polinoma, 82
baza
B-zlepkov, 118, 283
Lagrangeeva, 15, 36, 139, 298
lokalna potenna, 18
Newtonova, 15, 95, 96
ortonormirana, 56
potenna, 15
BDF metoda, 234, 246, 247, 261, 266
Bernoullijev polinom, 156
Bernoullijevo tevilo, 158
Bernsteinov
bazni polinom, 24
operator, 18, 23
polinom, 18, 26
Besselova neenakost, 56
biharmonina enaba, 299
biharmonini operator, 299
Black-Scholesova enaba, 377
Burgerjeva enaba, 383, 389
Butcherjeva shema, 216, 227, 229, 231,
262
Cauchyjev problem, 190, 372, 373, 375,
384, 388
Cauchyjevo zaporedje, 31, 72
cenilka, 227, 228
centripetalna parametrizacija, 76
405
406
STVARNO KAZALO
CFL-pogoj, 381
Christoel-Darbouxova formula, 61, 173,
176
Courant-Friedrichs-Lewyjev izrek, 381
Courantov pogoj, 381, 393
Courantovo tevilo, 355, 356, 357,
369371, 373, 375
Cramerjevo pravilo, 39
Crank-Nicolsonova metoda, 360, 362
ebiev polinom, 18, 44, 57, 59, 174, 177
ebiev sistem, 51, 52
ibki, 51, 54, 78
ebieve toke, 46, 100
De la Vall-Poussinov izrek, 43
deli in vladaj, 335
deljena diferenca, 83, 84, 85, 87, 91, 94,
95, 110, 113, 115, 116, 123, 200, 286
enostranska, 132, 197, 354, 385
simetrina, 132, 350, 353
Descartovo pravilo, 26
diagonalno implicitna Runge-Kutta
metoda, 215, 217
diferenca
deljena, 83, 84, 85, 87, 91, 94, 95, 110,
113, 115, 116, 123, 200, 286
obratna deljena, 197
obratna konna, 97, 235
prema deljena, 197, 384
prema konna, 96
diferencialna enaba
avtonomna, 196, 219, 224
linearna, 269, 274
prvega reda, 190
toga, 261
diferenna metoda, 200, 269, 276, 278,
284, 286, 296, 305, 351, 353, 376, 391
reda r, 370
diferenna shema
eksplicitna, 355
implicitna, 358
Lax-Friedrichsova, 400
Lax-Wendroova, 388, 389
po vetru, 386
v reevanju difuzijske enabe, 354
difuzijska enaba, 295, 353
direktna iteracija, 201
Dirichletov pogoj, 304
diskretna Fourierova transformacija,
331, 372
diskretni maksimalni princip, 306
divergenni izrek, 346
Dormand & Prince metoda, 229
drevo
splono, 220
urejeno, 220
druga Newtonova oblika interpolacijskega
polinoma, 92, 96
drugi Remesov algoritem, 50
drugi Remesov postopek, 49
dvodelen graf, 318
dvostopenjska metoda, 213
eksplicitna Eulerjeva metoda, 197, 202,
354, 364, 375, 383
eksplicitna metoda, 200, 391
eksplicitna Runge-Kutta metoda, 217
element najbolje aproksimacije, 27
elementarni diferencial, 214, 220
eliptina parcialna diferencialna enaba,
282, 292, 294, 296, 303, 304, 315,
327, 336, 340
enaba
advekcijska, 383, 383, 385, 389, 401
avtonomna diferencialna, 196, 224
biharmonina, 299
Black-Scholesova, 377
Burgerjeva, 383, 389
diferencialna prvega reda, 190
difuzijska, 353
Eulerjeva, 283
karakteristina, 294, 379
kontinuitetna, 383
linearna diferencialna, 269
Poissonova, 295, 301, 304, 308, 311,
315, 316, 320, 323, 332, 340, 349
stabilna po Ljapunovu, 206
toplotna, 353
valovna, 295, 379, 381, 391
Van der Polova, 196, 218, 230, 237,
240
enakomerna aproksimacija, 28, 34, 36,
37, 39, 40, 42, 46, 47, 49, 52, 53, 339
enakomerna parametrizacija, 76
enakomerno konveksen prostor, 30
enakomerno omejeno zaporedje pravil,
140
STVARNO KAZALO
evklidska norma, 13, 27, 327, 331, 345,
370
evklidski vektorski prostor, 13, 55, 63,
64, 372
Fa di Brunove formule, 219
faktor rasti, 261
fazni diagram, 196
fazni prostor, 208
Fehlbergova metoda, 229
Fourierova diskretna transformacija,
331, 372
Fourierova separacija spremenljivk, 283,
312, 356, 369, 372, 375
Fourierova vrsta, 67
Fourierova vsota, 56
Fourierovi koecienti, 56
Galerkinova metoda, 296, 348
Gauss-ebievo integracijsko pravilo,
175
182
182
175
175
109
407
Hilbertova matrika, 56
hiperbolina parcialna diferencialna
enaba, 293295, 379, 381, 382, 391,
396, 401
hitrost konvergence, 315
Hornerjev algoritem, 93
implicitna Eulerjeva metoda, 197, 354,
364, 375
implicitna metoda, 200
integracijsko pravilo
adaptivno, 183
Gauss-ebievo, 175
Gauss-Laguerreevo, 182
Gauss-Legendrovo, 172, 178, 216, 219,
283
Gauss-Lobattovo, 175
Gauss-Radaujevo, 175
Gaussovega tipa, 168, 170
interpolacijsko, 139
kubaturno, 138
kvadraturno, 138
Newton-Cotesovo, 146
odprtega tipa, 146
sestavljeno, 152, 155
zaprtega tipa, 146
integralska reprezentacija deljene
diference, 88
interpolacija, 15
interpolacijski polinom, 37, 43, 48, 103,
130, 139, 141, 181, 200
Hermiteov, 144
v baricentrini obliki, 82
v drugi Newtonovi obliki, 96, 234, 237,
246
v Lagrangeevi obliki, 81, 99, 164, 167
v Newtonovi obliki, 85, 90, 110
v prvi Newtonovi obliki, 96, 146
v Taylorjevi obliki, 85
interpolacijsko integracijsko pravilo, 139
interval odvisnosti, 380
numerini, 381
ireducibilna matrika, 311
iteracijska metoda
ADI, 336, 338
Gauss-Seidlova, 316, 319, 321, 324,
327, 329, 332, 335
Jacobijeva, 315, 320, 323, 324, 327,
351
uteena, 315, 351
SOR, 320, 321, 323, 325, 327, 340
iterativna interpolacija, 94
izboljana Eulerjeva metoda, 203, 212
408
STVARNO KAZALO
371
STVARNO KAZALO
Lagrangeeva baza, 15, 36, 139, 298
Lagrangeeva oblika interpolacijskega
polinoma, 81, 99
Lanczosev algoritem, 340
lastne vrednosti Laplaceovega operatorja,
312
293
409
340
63
410
STVARNO KAZALO
napaka
globalna, 197, 201, 202, 204, 225, 260,
279, 300, 308, 356, 358, 361, 362,
370, 385
lokalna, 197, 201, 202204, 208,
213215, 225, 228, 231, 241, 243,
244, 248, 249, 259, 262, 266,
277279, 284, 286, 300, 301, 308,
355, 356, 360, 366, 369, 376, 385, 388
neodstranljiva, 112, 134, 152, 199, 205
okrnitvena, 134, 151, 155, 197, 206,
221, 277, 299, 301, 302, 305, 369
zaokroitvena, 152, 221, 224, 275
zaokrotvena, 205
naravni kubini interpolacijski zlepek,
112
146
Newtonova
baza, 15, 95, 96
metoda, 50, 201
oblika interpolacijskega polinoma, 85,
90
nielna stabilnost, 248
normalni sistem, 55, 283
normiran vektorski prostor, 29
nosilec
B-zlepka, 115, 116, 119, 121
bazne funkcije, 342
funkcij Hi , 108, 114
lokalen, 17
numerini odvod, 221
numerino obmoje odvisnosti, 381
obutljivost, 17, 18, 25, 118, 195, 283,
312, 315
obmoje odvisnosti, 380
numerino, 381
obmoje stabilnosti, 262
obratna deljena diferenca, 197
obratna konna diferenca, 97, 235
odrezana potenca, 16, 86
odsekoma linearna funkcija, 14, 16, 23,
26, 38, 54, 106, 106, 109, 124
odsekoma polinomska funkcija, 14, 56,
81, 104, 106, 114, 123, 139, 150,
152, 200, 280, 282, 341, 348, 393
ojaitev, 357
okrnitvena napaka, 134, 151, 155, 197,
206, 221, 277, 299, 301, 302, 305, 369
154
STVARNO KAZALO
Pk,xx, , prostor odsekoma polinomskih
funkcij, 14, 104, 123, 200, 280
Pn , prostor polinomov stopnje n, 14,
28, 36, 39, 78, 81, 99, 139, 169
podprostor Krylova, 340
Poissonova enaba, 295, 301, 304, 308,
311, 315, 320, 323, 332, 340, 349
polinom
Bernoullijev, 156
Bernsteinov, 18, 26
bazni, 24
ebiev, 18, 44, 54, 57, 59, 174, 177
Jacobijev, 57
karakteristini, 319, 321
Legendrov, 57, 60, 70, 71, 172
najbolje enakomerne aproksimacije,
28
posploeni, 51
rodovni, 240, 243, 245, 247, 249, 257,
266, 373
Taylorjev, 85, 93, 143, 180
ultrasferini, 57
polna vemrena metoda, 336
polni kubini interpolacijski zlepek, 112,
130
polno implicitna Runge-Kutta metoda,
217
posploena Vandermondova
determinanta, 51, 52
posploeni Hornerjev algoritem, 60
posploeni polinom, 51
potenca
odrezana, 16, 86
potenna baza, 15
potenna metoda, 324, 328
pozitiven operator, 22
pravokotniko pravilo, 30
prediktor-korektor
korak, 399
metoda, 240, 245, 266
predoloeni sistem linearnih enab, 57
predpriprava izrauna vrednosti
polinoma, 81
prema deljena diferenca, 197, 384
prema konna diferenca, 96
problem
Cauchyjev, 190, 372, 373, 375, 384,
388
lastnih vrednosti, 283, 292
prenaanja, 292
ravnoteja, 292
robni, 190, 191, 202, 268, 283, 293
Sturm-Liouvilleov, 191
411
irjenja, 292
togi, 206, 261
variacijski, 282
zaetni, 190, 191, 193, 200, 212, 221,
254, 293, 369
projektor, 81, 82, 84, 99, 107, 109
prostor
Banachov, 30, 31
enakomerno konveksen, 30, 31
evklidski, 13, 55, 63, 64, 372
Hilbertov, 31, 55, 67
k-krat zvezno odvedljivih funkcij
C k ([a, b]), 12
k-krat zvezno odvedljivih funkcij
C k (), 12
linearen, 12
normiran vektorski, 29
odsekoma linearnih zveznih funkcij,
14, 79, 106
odsekoma polinomskih funkcij Pk,xx, ,
14, 104, 123, 200, 280
polinomov skupne stopnje n v Rd ,
341
348
412
STVARNO KAZALO
292
regresijska premica, 27
regula falsi, 271
residual, 36, 38, 39, 41, 43, 49
Richardsonova ekstrapolacija, 155, 225,
327
Riemannova vsota, 66, 370
Riemannovo integrabilna funkcija, 138
RK4, 216, 218, 237, 240, 260, 264
robni pogoj, 191, 195, 270, 271, 276, 293,
296, 301, 304, 323, 350, 365, 379,
380, 383, 384, 391, 393, 400, 401
Dirichletov, 304, 308, 330
homogeni, 345, 384, 388
linearni, 270, 345
robni problem, 190, 202, 268, 270, 271,
278, 279, 283, 293
linearni drugega reda, 270
reda m, 276
rodovna funkcija, 156, 164, 236, 266
rodovni polinom, 240, 243, 245, 247,
249, 257, 266, 373
Rombergova metoda, 156, 160, 161
Runge-Kutta metoda, 212, 212
RK4, 216, 240
ugnezdena, 227
S1,xx , prostor linearnih zlepkov, 14, 16,
79, 106, 113, 124
Schoenberg-Whitneyjin
izrek, 121
pogoj, 121, 122, 123
sebi adjungiran operator, 346, 349
sekantna metoda, 271, 272
separacija spremenljivk, 283, 312, 356,
369, 372, 375
sestavljeno integracijsko pravilo, 152,
155, 167
sestavljeno Simpsonovo pravilo, 154, 161
sestavljeno trapezno pravilo, 153, 159,
165, 185
shema
184
Aitkenovega koraka, 94
aproksimativna, optimalnega reda, 15
Butcherjeva, 216, 227, 229, 231, 262
diferenna
Lax-Friedrichsova, 400
Lax-Wendroova, 388, 389
po vetru, 386
indeksiranja enab pri aproksimaciji
Laplaceovega operatorja, 309
interpolacijska
aproksimacijska, 15
Hermiteova, 111
izrauna
obratnih konnih diferenc, 97
premih konnih diferenc, 96
vrednosti B-zlepkov, 118
konvergentna, 15
Nevilleovega koraka, 94
pettokovne aproksimacije
Laplaceovega operatorja, 305
Rombergove metoda, 161
tabele deljenih diferenc, 92
V-cikla vemrene metode, 333, 335
simetrina deljena diferenca, 132, 350,
353
simplektina metoda, 208
Simpsonovo pravilo, 147, 148, 246
sestavljeno, 154, 161
sistem
ebiev, 51, 52
diferencialnih enab, 190, 268, 381
diferencialnih enab prvega reda, 190,
202, 232
diferencialnih enab vijega reda, 260
diferennih enab, 276
Hamiltonski, 207
hiperbolinih parcialnih diferencialnih
enab prvega reda, 382, 391
linearnih diferennih enab, 313, 324,
354, 356, 366, 372
linearnih enab, 38, 111, 124, 278, 305,
312, 315, 320, 336, 340, 358
nelinearnih enab, 201, 215, 232
normalni, 55, 108, 283
ortonormiran, 57, 63
ortonormiranih polinomov, 60, 65, 174
predoloeni, 57
Rayleigh-Ritz-Galerkinov, 348
ibki ebiev, 51, 54, 78
skoraj povsod (s.p.), 68
STVARNO KAZALO
skritev funkcije na zaporedje tok, 84,
88
Sk,xx , prostor zlepkov stopnje k, 14,
106, 114, 121
Soboljev prostor H0m (D), 345, 347, 352
SOR iteracijska metoda, 320, 321, 323,
325, 327, 340
s.p. (skoraj povsod), 68
splona enolenska metoda, 221
splona linearna velenska metoda, 240
splono drevo, 220
sprejemljiv korak, 228
sredinsko pravilo, 148, 170
stabilnost, 205
enolenske metode, 221
nielna, 248, 254
numerina, 199, 205, 234
po Ljapunovu, 206
stina toka, 14, 16, 24, 38, 54, 104, 111,
115, 118, 123, 130, 280
stopnja integracijskega pravila, 139
strelska metoda, 270
strogo diagonalno dominantna matrika,
108
413
ultrasferini polinom, 57
unitaren prostor, 30
urejeno drevo, 220
ute integracijskega pravila, 138, 140
V-cikel vemrene metode, 333, 335
valovna enaba, 295, 379, 381, 391
Van der Polova enaba, 196, 218, 230,
237, 240
Vandermondova determinanta, 39, 42, 47
posploena, 51, 52
variacijski funkcional, 340, 347, 350, 351
variacijski problem, 282
velenska metoda, 200, 234
konsistentna, 255
nielno stabilna, 255
reda r, 254
vekratna interpolacijska toka, 85
vekratni vozel, 116
vekratno ujemanje, 82, 84
vemrena metoda, 327
vektorski prostor, 12, 27
velikost delitve, 104
vodilni koecient polinoma, 83
von Neumannov pogoj, 304
vozel, 104
integracijskega pravila, 140
vekratni, 116, 140
Weierstrassov izrek, 18, 21, 23, 67, 99,
141, 155
Youngov izrek, 318
zaetni pogoj, 191, 195, 199, 234, 245,
293, 301, 355, 362, 365, 379381,
383, 391, 393, 401
zaetni problem, 190, 191, 193, 200, 212,
221, 254, 293, 369
zaokroitvena napaka, 152, 199, 205, 221,
224, 275
zlepek, 106
Hermiteov interpolacijski, 111
kubini, 110
naravni kubini interpolacijski, 112
polni kubini interpolacijski, 112, 130