Numericna Analiza

Numerina analiza
Jernej Kozak
Kazalo
Predgovor
Del I. Aproksimacija in interpolacija
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
2.3. Iterativna interpolacija

2.4. Newtonov interpolacijski polinom in ekvidistantne toke
2.5. Konvergenca in divergenca polinomske interpolacije
2.6. Naloge
3. Odsekoma polinomske funkcije
3.1. Prostor odsekoma polinomskih funkcij
3.2. Odsekoma linearni zlepki
3.3. Kubini zlepki
3.4. B-zlepki
3.5. Naloge
94
95
98
100
104
104
106
110
114
124
Del II. Odvajanje in integriranje
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
Del III. Navadne diferencialne enabe
187
KAZALO
Poglavje 5. Osnovno o numerinem reevanju

1. Diferencialne enabe na kratko
1.1. Zaetni in robni problemi
1.2. Eksistenca in enolinost
2. K numerinim metodam
2.1. Eksplicitna in implicitna Eulerjeva metoda
2.2. Izpeljava numerinih metod
2.3. Enolenske, velenske metode
2.4. Eksplicitne in implicitne metode
2.5. Lokalna, globalna napaka, konvergenca
2.6. e nekaj preprostih metod
2.7. V svarilo
2.8. Naloge
189
190
190
191
195
195
199
200
200
201
202
205
208
Poglavje 6. Zaetni problemi

1. Enolenske metode
1.1. Runge-Kutta metode, uvod
1.2. Izpeljava Runge-Kutta metod
1.3. Stabilnost in konvergenca enolenskih metod
1.4. Kontrola koraka in ugnezdene metode
1.5. Naloge
2. Velenske metode
2.1. Uvod
2.2. Adamsove metode
2.3. Splone linearne velenske metode
2.4. Milneove metode
2.5. Implicitne BDF metode
2.6. Stabilnost in konvergenca linearnih velenskih metod
2.7. Enabe vijih redov
2.8. Toge diferencialne enabe
2.9. Naloge
211
212
212
219
221
225
231
234
234
234
240
245
246
248
260
261
265
Poglavje 7. Robni problemi

1. Uvod
1.1. Nekaj zgledov
2. Prevedba robnega na zaetni problem
3. Robni problemi kot diskretni sistemi enab
3.1. Diferenna metoda
3.2. Kolokacija
3.3. Reevanje variacijskega problema
3.4. Sturm-Liouvilleovi problemi lastnih vrednosti
3.5. Naloge
267
268
268
270
276
276
280
282
283
285
Del IV. Parcialne diferencialne enabe
289
Poglavje 8. Parcialne diferencialne enabe
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
1.5. 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
3.3. 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
Pri nastanku tega besedila mi je pomagalo ve kolegov. Naj izkoristim te

vrstice, da to poudarim. Zahvaljujem se Zvonimirju Bohtetu za skrbni strokovni pregled in vrsto nasvetov, ki sem jih s pridom uporabil. Marjeti Krajnc
sem dolnik za veji del nalog. Za izredno pozorno branje in odpravljanje spodrsljajev v besedilu sem zelo hvaleen Gaperju Jakliu ter Vitu Vitrihu in
Emilu agarju.
V Ljubljani, 8. novembra 2008
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
ki bo normo opredelila doloneje. Znak . bomo uporabili povsod kot oznako

argumenta, ki ga dana preslikava uporabi, na katerega prime. V seznamu
(1.1) znak . oznauje poljubno funkcijo f X , katere normo raunamo.
e bo iz konteksta oitno, za katero normo gre, bomo oznako norme opuali.
Najstroja med normami je
kf k := kf k,[a,b] := sup |f (x)|

axb
ali njena diskretna izpeljanka, ki meri velikost funkcije le v doloenih tokah,
kf k := kf k,xx := max |f (xi )|,

1iN
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
f (xi )g(xi )(xi ), (xi ) > 0,
i=1
v diskretnem primeru. Ker smo se omejili na realne prostore, ni treba biti

pozoren na vrstni red argumentov v skalarnem produktu. Tako lahko poenostavimo
hf, gi + hg, f i = 2 hf, gi = 2 hg, f i
in za skalar R
hf, gi = hf, gi = hf, gi .

Druga ali evklidska norma je za gornji zgled
s
Z b
p
kf k := kf k2 := hf, f i =
f (x)2 (x)dx,
a
v zveznem primeru in
kf k := kf k2,xx
v
uN
uX
p
:= hf, f i = t
f (xi )2 (xi )
i=1
za diskretni zgled. In sedaj k aproksimaciji f f X . Ker smo privzeli, da je

X vektorski prostor, je aproksimacijo f smiselno iskati v podprostoru S X ,
saj tako lahko izkoristimo linearno strukturo S . e na primer za X izberemo
C ([a, b]), je kandidatov za S je kar nekaj,
14
1. APROKSIMACIJA
Pn
Tn
Rn,m
S1,xx
Sk,xx
Pk,xx,
:= { prostor polinomov stopnje n },

:= { prostor trigonometrinih polinomov
stopnje n },
:= { prostor racionalnih funkcij stopenj n v tevcu
in m v imenovalcu },
:= { prostor odsekoma linearnih zveznih funkcij
s stinimi tokami x = (xi ) },
:= { prostor odsekoma polinomskih funkcij stopnje k ,
s stinimi tokami x = (xi ),
ki so (k 1)-krat zvezno odvedljive }
:= { prostor odsekoma polinomskih funkcij stopnje k ,
s stinimi tokami x = (xi ),
kjer vektor = (i ) predpisuje stopnjo gladkosti
v stinih tokah } .
Kako doloamo f S , je odvisno od tega, kaj o dani f vemo in od asovne

zahtevnosti, ki je dopustna za konstrukcijo. Najve, kar se da, je za f X
poiskati najboljo aproksimacijo, z zahtevo
kf fk = inf kf sk =: dist (f, S) .

sS
Tedaj govorimo o optimalni aproksimaciji funkcije f v S , velikost razlike f f

pa imenujemo razdalja f od S . Razdalja je seveda odvisna od norme, v kateri jo
merimo. e je potrebno, to poudarimo posebej z dodatno oznako. Na primer,
dist (f, S) oznauje razdaljo v enakomerni normi. Konstrukcija optimalne
aproksimacije f je vasih lahko prezahtevna. Prav tako se lahko zgodi, da o
f X ne vemo vsega. Tedaj skuamo aproksimacijo konstruirati le na nekaj
podatkih, ki jih o f X poznamo. Najpogosteje so to vrednosti, ki jih vrnejo
izbrani linearni funkcionali i : X R, uporabljeni na f . Poznamo lahko na
primer
vrednost f v toki xi , i f := f (xi ),

r-kratno vrednost f v toki xi ,
ì f := f (`) (xi ), ` = 0, 1, . . . , r 1,
Z i
1
povpreje f , i f :=
f (x)dx,
i i i
Rb
projekcijo f , i f := a f (x)si (x)dx, kjer so si dane funkcije,
N
P
projekcijo v diskretnem, i f :=
f (xj )si (xj ).
j=1
Ker je f S in je S vektorski podprostor, se tu konstrukcija aproksimacije

ponuja kar sama. Doloimo f S tako, da se za vse dane funkcionale i
element f ujema z f ,
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.
1.2. Izbira in obutljivost baze. Aproksimacijo f S je seveda treba

na nek nain izraziti. Zato potrebujemo bazo prostora S . Oznaimo z L( . ) li-
nearno lupino, vse linearne kombinacije natetih funkcij. V prostoru polinomov

stopnje n bomo sreali kar nekaj pomembnih baz, na primer potenno

n
Pn = L xi i=0 ,
Lagrangeevo
(1.3)
Pn =
L({ì }ni=0 ),
n
Y
x xj
,
ì (x) :=
x
i xj
j=0
x0 < x1 < < xn ,
j6=i
s pomembno lastnostjo ì (xj ) = i,j , in Newtonovo kot posploitev potenne

(slika 1.1),
Pn = L({(x x0 )(x x1 ) (x xi1 )}ni=0 ),
(1.4)
x0 x1 xn .
x0
x1
x2
x3
x4
x0
x1
x2
x3
Slika 1.1. Lagrangeeva in Newtonova baza za n = 4
x4
16
1. APROKSIMACIJA
Z i,j smo oznaili Kroneckerjev simbol, ki je enak 1, e sta i in j enaka, sicer

0. Trigonometrini polinomi v prostoru Tn bodo najpogosteje izraeni takole
a0 +
n
X
(ak cos kx + bk sin kx) .
k=1
V prostoru odsekoma linearnih zveznih funkcij S1,xx s stinimi tokami
x0 < x1 < < xn

poznamo bazo linearnih odrezanih potenc
1, (x xi )+ ,
i = 0, 1, . . . , n 1.
Povejmo sploneje, kaj odrezana potenca je. Odrezana potenca stopnje n N

je denirana z
n
z+
:= max (z, 0)n .
(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
, xi1 < x < xi , 0 < i,
x
i
i1
1,
x = xi ,
, i = 0, 1, . . . , n,
(1.6) Hi (x) :=
xi+1 x
, xi < x < xi+1 , i < n,
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
Slika 1.2. Baza linearnih odrezanih potenc in linearnih B-zlepkov
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
in iemo obutljivost, konstanto c = c(ss), za katero je
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
Za obutljivost baze velja oitno c(ss) 1. im blie je 1, tem bolj je baza

neobutljiva.
Zgled 1.1. Vzemimo bazo (1.6) in normo k . k = k . k . Ugotovimo

M=
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
Obutljivost baze (Hi ) je kar 1, najbolje, kar je mogoe.

e v prostorih polinomov postane stvar precej drugana. Med potennimi
bazami za Pn X = C ([a, b]) se najbolje odree lokalna potenna baza,
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.
1.3. Primerni aproksimativni podprostori. Ob izbiri podprostora

S X , ali bolje druine podprostorov (Sn ) , Sn X , priakujemo, da bo
z veanjem tevila svobodnih parametrov Sn postal gost v X . Da so polinomi
takna druina, sledi iz Weierstrassovega izreka.
Izrek 1.1 (Weierstrass). Naj bo f C ([a, b]) poljubna zvezna funkcija.
Tedaj
dist (f, Pn ) 0,
ko n .
Dokaz. Dokaimo izrek konstruktivno, po poti, ki temelji na Bernsteinovih

polinomih. Linearna transformacija
xa
x t :=
ba
ohranja stopnjo polinoma pri prehodu x t in prevede bijektivno interval [a, b]
na [0, 1]. Zato dokaz lahko omejimo kar na C ([0, 1]). Vpeljimo Bernsteinov
operator, ki f priredi Bernsteinov polinom

n
X
n i
i
ni
Bn : C ([0, 1]) Pn : f (x) 7 Bn f (x) :=
x (1 x) f
.
i
n
i=0
xi .
Zaradi prironosti oznaimo pi (x) :=

Operator Bn je linearen in ima tri
posebne lastnosti: ohranja konstante,
n
X
n i
(1.7)
Bn p0 (x) =
x (1 x)ni = (x + 1 x)n = 1,
i
i=0
ohranja tudi linearne polinome,

n
n
X
X
i n i
i n i
ni
Bn p1 (x) =
x (1 x)
=
x (1 x)ni =
n i
n i
(1.8)
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
Za veje n skoraj ohranja parabole,

(1.9)
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
Pokaimo, da pride Bernsteinov polinom Bn f poljubno blizu f . Izberimo

x [0, 1]. Ker je f (x) = 1 f (x) in konstanto 1 lahko zapiemo kot Bn p0 v
(1.7), dobimo
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
Vsoto (1.10) razdelimo v tiste indekse i, za katere je ni blizu x ter izkoristimo

zveznost f , in druge. Naj bo
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
Tu (f ; h) oznauje modul zveznosti, ki je na splonem intervalu [a, b] deniran

z
(1.12)
(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
Slika 1.3. Moduli zveznosti ( x; h), (ex ; h) in (x; h) na
intervalu [0, 1] za majhne h
ki za zvezne funkcije s h 0 konvergira proti ni (slika 1.3). Za indekse i I2

velja
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)
Konna ocena je tako

(1.14)
kf Bn f k
in dokaz je zakljuen.
1
1
f;
+ kf k
4
n
2 n
1.1. UVOD
21
Zgled 1.2. Preverimo, kako dobro aproksimacijo v resnici dobimo z Bernstei-
novim polinomom. Za razline n ga primerjajmo z aproksimiranima funkcijama

f (x) = sin 5x in f (x) = |4x 2| 1. Slika 1.4 kae, da je pri drugi funkciji
aproksimacija slaba. To se da nazorno podkrepiti tudi numerino. Ocenimo
neskonno normo z njeno diskretno aproksimacijo na veliko tokah, razporejenih ekvidistantno po celem intervalu [0, 1]. Predpostavimo, da se vodilni len
te ocene napake obnaa kot c n , kjer skuamo eksponent priblino uganiti,
kf Bn f k max |f (xi ) Bn f (xi )| =: en = c n + O (n ) .

0iN
e zanemarimo lene vijega reda, lahko red ocenimo iz dveh zaporednih

vrednosti n, m = n + 2 z

n
ln eem
n .
(1.15)
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
Slika 1.4. Bernsteinova aproksimacija funkcij f (x) = sin 5x
in f (x) = |4x 2| 1. Graf obeh osnovnih funkcij je rn
Ocena (1.14) za uporabo v numerinem raunanju ni obetavna. Tudi

zgled 1.2 ne kae drugae. Kaj najve lahko doseemo? Za dovolj gladke
funkcije f C 2 ([a, b]) lahko uspe

1
kf Bn f k = O
.
n2
Bolje se v splonem ne da. Weierstrassov izrek sicer zagotavlja konvergenco,
a poasno.
Skuajmo poiskati e kak drug, priroen prostor, ki je tudi gost v prostoru
zveznih funkcij. Prva posploitev Weierstrassovega izreka je na dlani. Z uvedbo
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
Tabela 1.1. Tabeli ocenjenih redov aproksimacije za zgleda s slike 1.4
nove spremenljivke x = cos prenesemo trditev izreka 1.1 tudi na prostor

trigonometrinih polinomov
(
)
n
X
Tn = a0 +
(ak cos k + bk sin k) .
k=1
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.
Izrek 1.2 (Korovkin). Naj bo (Ln ) zaporedje pozitivnih linearnih operatorjev,
Ln : C ([a, b]) C ([a, b]). Naj velja
kf Ln f k 0, ko n ,
za f = p0 , p1 in p2 , kjer je pi (x) := xi . Tedaj to velja za vse f C ([a, b]).

Dokaz. Vzemimo pozitiven linearen operator Ln . Iz f g sledi f g 0 in
Ln (f g) 0. Od tod Ln f Ln g . Torej velja tudi
(1.16)
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)
|x y| < = |f (x) f (y)| < , za vse x, y [a, b].
Naj bo za dani > 0 vrednost tako izbrana. Oznaimo
c := 2
kf k
.
2
Za x, y [a, b], |x y| , ugotovimo

(1.18)
|f (x) f (y)| 2kf k 2kf k
xy
= c (x y)2 .
Iz (1.17) in (1.18) sledi ocena, ki velja enotno za vse x, y [a, b]
|f (x) f (y)| + c(x y)2 .

e v tej oceni izberemo ksen y , e vedno velja za vse x [a, b]. Torej je to
relacija med funkcijami f in pi , ki jo lahko strnjeno zapiemo
|f f (y)p0 | p0 + c p2 2yp1 + y 2 p0 .
Od tod, z upotevanjem (1.16) in monotonosti ter linearnosti, sledi
|Ln f f (y)Ln p0 | Ln |f f (y)p0 |

Ln p0 + c(Ln p2 2yLn p1 + y 2 Ln p0 ).
Ta relacija med funkcijami velja za vsak x [a, b], torej tudi za x = y . Od tod
=
=
|Ln f (y) f (y)Ln p0 (y)|
Ln p0 (y) + c Ln p2 (y) 2yLn p1 (y) + y 2 Ln p0 (y) =

(1 + n p0 (y)) +
+ c n p2 (y) + y 2 2y (y + n p1 (y)) + y 2 (1 + n p0 (y) =
(1 + n p0 (y)) + c n p2 (y) 2yn p1 (y) + y 2 n p0 (y)

(1 + kn p0 k ) + c (kn p2 k + 2kp1 k kn p1 k + kp2 k kn p0 k ) .
Ker kn pi k 0 in so drugi leni omejeni, za dovolj velike n zagotovo velja
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
a := x0 < x1 < < xn =: b.
24
1. APROKSIMACIJA
Denirajmo razmik med stinimi tokami

(1.19)
xi := xi+1 xi > 0
in najveji razmik
(1.20)
x :=
max xi .
0in1
Parameter n tu ne bo pomenil vianja stopnje polinoma, ampak veanje tevila

stinih tok. Za zaporedje operatorjev izberimo kar
I1,xx : C ([0, 1]) S1,xx : f
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
|I1,xx p2 (x) p2 (x)| = x2i Hi (x) + x2i+1 Hi+1 (x) x2 =
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
= x2 + x(xi + xi+1 ) xi xi+1 =
= (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
1.2. Naj bo bn,i Bernsteinov bazni polinom. Numerino oceni obutljivost

baze (bn,i )ni=0 kot baze prostora Pn na intervalu [0, 1].
1.3. Zapii formulo za k-ti odvod Bernsteinovega polinoma Bn f za poljubno

funkcijo f v zakljueni obliki.
1.4. Naj bo funkcija f na intervalu [0, 1] Lipschitzova s konstanto c > 0, to je

|f (x) f (y)| c|x y|,
x, y [0, 1].
Pokai, da velja neenakost
c
|f (x) Bn f (x)| ,
2 n
x [0, 1],
kjer je Bn f Bernsteinov polinom stopnje n.
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 .
1.6. Numerino preveri obnaanje norme razlike

kf Bn f k
za funkcije f (x) = x, x x, x2 x. Kaj od tod sklepa?
1.7. Poii funkcijo f , za katero numerina evidenca kae im blije
kf Bn f k = O
1
n2
1.8. Dokai naslednje ocene in lastnosti modula zveznosti. Za f C ([a, b])

velja:
(a) f je Lipschitzova s konstanto c = (f ; h) c h,

(b) f je zvezno odvedljiva = (f ; h) kf 0 k h,
(c) lim (f ; h) = 0,
h0
(d) modul zveznosti je monoton v drugem argumentu,

h < k = (f ; h) (f ; k),
(e) modul zveznosti je subaditiven v drugem argumentu,
(f ; h + k) (f ; h) + (f ; k),
(f) iz pogoja (f, h) = O (h) sledi, da je f konstanta.
1.9. Naj bo f (x) := x , 0 1, f C ([0, 1]). Doloi asimptotino

obnaanje modula zveznosti (f ; h) za majhne, a pozitivne h.
1.10. Naj bo f konveksna funkcija na intervalu [0, 1]. Dokai, da na tem

intervalu velja
Bn f Bn+1 f.
26
1. APROKSIMACIJA
1.11. Dokai, da je tevilo niel Bernsteinovega polinoma Bn f na intervalu

(0, 1) manje ali enako tevilu menjav predznaka funkcije
Pn f na k(0, 1). Pomagaj si z Descartovim pravilom : za polinom P (u) =
k=0 bk u tevilo niel
na intervalu (0, ), tetih z vekratnostjo, ne presega tevila strogih menjav
predznaka v zaporedju (bk )nk=0 .
1.12. Naj bo f C ([0, 1]) dana funkcija, n N in I1 f odsekoma linearna
zvezna funkcija, ki povezuje vrednosti

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
1.2. EKSISTENCA IN ENOLINOST
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.
Zgled 1.3. X = R3 , S = R2 , norma k . k naj bo evklidska,

q
k(f1 , f2 , f3 )k2 = f12 + f22 + f32 .
Najboljo aproksimacijo f dobimo z ortogonalno projekcijo aproksimiranega

vektorja f na podprostor R2 (slika 1.5). Vektor f f je oitno ortogonalen
na R2 .
R3
f-f*
f*
R2
Slika 1.5. Aproksimacija vektorjev iz R3 z vektorji v R2
Zgled 1.4. Naj bo X evklidski prostor funkcij, deniranihPna zaporedju tok

N
x = (xi )N
i=1 , z diskretnim skalarnim produktom hf, gi =
i=1 f (xi )g(xi ), ki
porodi normo k . k2 . e za S izberemo P1 , govorimo o regresijski premici
f P1 (slika 1.6), ki za dano f X minimizira normo napake, torej tudi
njen kvadrat
N
X
2
kf f k2 =
(f (xi ) f (xi ))2 .
i=1
Reemo, da f najbolje aproksimira f po metodi najmanjih kvadratov.
28
1. APROKSIMACIJA
x0
x1
x2
x3
x4
x5
x6
x7
Slika 1.6. Regresijska premica
Zgled 1.5. Prenesimo predhodni zgled v zvezno okolje. Naj bo X = L2 ([a, b])
in S = Pn . Polinomu p , za katerega velja

Z b
Z b
2
(f (x) p (x)) dx
(f (x) p(x))2 dx,
a
za vsak p Pn ,
reemo polinom najbolje aproksimacije za f po metodi najmanjih kvadratov.
Zgled 1.6. Naj bo X = C ([a, b]) prostor zveznih funkcij, z normo k . k .

Polinomu p , za katerega je
max |f (x) p (x)| max |f (x) p(x)|,
axb
axb
za vsak p Pn ,
reemo polinom najbolje enakomerne aproksimacije za f .

Izberimo n = 5 in predpostavimo, da e vemo, kako poiemo polinoma
najbolje aproksimacije v zgledih 1.5 in 1.6 ter ju primerjajmo. Za funkcijo
izberimo f (x) = ex na intervalu [1, 1] . Za polinom najbolje aproksimacije
po metodi najmanjih kvadratov (zgled 1.5) ugotovimo
kf p k2 = 0.0000391087,
kf p k = 0.000107613,
za polinom najbolje enakomerne aproksimacije (zgled 1.6) pa
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
ex na [1, 1] v zgledih 1.5 (zelena) in 1.6 (rdea)
2.2. Eksistenca elementa najbolje aproksimacije. Z eksistenco v
primeru, ko je S konno razseen, ni teav.
Izrek 1.3. Naj bo X normiran vektorski prostor. Naj bo S X konno
razseen podprostor. Za vsak f X obstaja element najbolje aproksimacije

f S .
Dokaz. Izberimo f X . Naj K := K(f ; kf k) oznai zaprto kroglo s srediem

f in radijem kf k. Ker je
inf kf sk kf 0k = kf k,
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
|g(s + h) g(s)| = |kf (s + h)k kf sk| khk.

Torej g na kompaktu E dosee minimum. Ta je tudi minimum na celotnem S
in obstaja element najbolje aproksimacije f S ,
kf f k = inf kf sk = dist(f, S).

s S
Za neskonno razsene prostore izrek v splonem ne velja. Potrebujemo

dodatno lastnost, ki je povsem geometrijske narave, konveksnost.
30
1. APROKSIMACIJA
Denicija 1.1. Naj bo X vektorski prostor. Mnoica K X je konveksna,

e za vsak par u, v K velja, da je tudi daljica
u + (1 )v ,
[0, 1],
v K . Mnoica K je strogo konveksna, e ta daljica, z izjemo kraji, lei v

strogi notranjosti K .
Potrebujemo e podobno, a enakomerno karakterizacijo prostora samega.
Denicija 1.2. Normiran vektorski prostor X je enakomerno konveksen, e

za vsak > 0 obstaja > 0, da za vsak par vektorjev na enotski sferi, f, g X ,
kf k = kgk = 1, velja
(f + g) > 1 = kf gk < .
2
Za velik razred prostorov lahko potrdimo to lastnost vnaprej.
Izrek 1.4. Unitaren prostor X je enakomerno konveksen.

Dokaz. V unitarnem prostoru velja pravokotniko pravilo,
kf + gk2 + kf gk2 = 2(kf k2 + kgk2 ),
f, g X.
Torej za vektorja na enotski sferi f, g, kf k = kgk = 1, ki za nek > 0 zadoata

pogoju k 12 (f + g) k > 1 , velja
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
Dokaz. Izberimo f X . Pokazati moramo, da f S , ki zadoa (1.21), res

obstaja. Vzemimo mnoico S 0 := S f , ki je translacija S za ksni f X .
Tudi ta je zaprta in konveksna. V njej je namesto f treba poiskati vektor, ki
je najbliji izhodiu. Naj bo
d := inf 0 ksk.
sS
e je d = 0, v
je
S0
obstaja minimizirajoe zaporedje (sn ) , sn S 0 , za katerega
0 = lim ksn k = k lim sn k,

n
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
Torej obstaja minimizirajoe zaporedje
(sn ) , sn S 00 , lim ksn k = 1.

n
Izberimo > 0 in naj bo taken, da pogoj enakomerne konveksnosti velja.

Vpeljimo novo, normirano zaporedje
1
sn :=
sn .
ksn k
Ker
ksn sn k =
sn

1
1
sn = 1
ksn k 0, ko n ,
ksn k
ksn k
obstaja n0 , da za vse n n0 velja ksn sn k < . Izberimo m, n n0 . Ker je

S 00 konveksna, je 21 (sm + sn ) S 00 , torej k 12 (sm + sn )k 1. Ocenimo
1
(
2 sm + sn ) = 2 k (sm + sn ) (sm sm ) (sn sn ) k

1
1
1
ksm + sn k ksm sm k ksn sn k

2
2
2
1
1
> 1 = 1 .
2
2
Iz enakomerne konveksnosti sledi k
sm sn k < in zaporedje (
sn ) je Cauchyjevo. Ker je X poln prostor, ima to zaporedje limito,
s = lim sn ,
n
s X.
Toda
ksn sk ksn sn k + k
sn sk 0,
ko n .
Torej je s tudi limita zaporedja (sn ). A S 00 je zaprta in s S 00 . Izrek je

dokazan.
Posledica 1.1. Naj bo S zaprt podprostor Hilbertovega prostora X . Za vsak

f X obstaja element najbolje aproksimacije f S .
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
2.3. Enolinost elementa najbolje aproksimacije. Tudi enolinost

elementa najbolje aproksimacije sodi med geometrijske lastnosti. V nekaterih
prostorih jo zagotovimo s preprostim zadostnim pogojem, strogo normiranostjo. Najprej preprosta ugotovitev.
Izrek 1.6. Mnoica elementov najbolje aproksimacije je konveksna.
Dokaz. Naj bo S X in naj bosta f S ter f S oba elementa najbolje
aproksimacije za dani f X , torej
kf f k = kf f k ks f k, s S.
Izberimo skalar , 0 1. Za element f + (1 )f na daljici med f in
f ugotovimo
k(f + (1 )f) f k = k(f f ) + (1 )(f f )k
kf f k + (1 )kf f k = kf f k.
Torej je tudi f + (1 )f element najbolje aproksimacije za f in izrek je
dokazan.
Denicija 1.3. Normiran vektorski prostor X je strogo normiran, e za vsak
par vektorjev f, g X, g 6= 0, za katera velja v trikotniki neenakosti enakost,
kf + gk = kf k + kgk,
sledi f = g za nek skalar .
Izrek 1.7. Naj bo X strogo normiran vektorski prostor in S X podprostor.

V S obstaja kvejemu en element najbolje aproksimacije za f X .
Dokaz. Naj bosta f S in f S elementa najbolje aproksimacije za f S ,

kf f k = kf fk kf sk, s S.
Za f S je f tudi element najbolje aproksimacije, torej
0 = kf f k = kf f k = kf fk
in prva lastnost norme potrdi izrek,
saj mora biti f = f = f. Naj bo sedaj
f
/ S . Po izreku 1.6 je 12 f + f tudi element najbolje aproksimacije.
Torej mora v trikotniki neenakosti za elementa 12 (f f ) in 12 f f veljati

enakost, saj je

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
Monost = 1 takoj potrdi trditev izreka, za 6= 1 pa lahko izrazimo
1

f
f S.
1
1
A to je v nasprotju s predpostavko f
/ S in izrek je dokazan.
f=
Geometrijski pomen stroge normiranosti povejmo brez dokaza: v taknem

prostoru je vsaka zaprta krogla strogo konveksna. Na sliki 1.8 so strogo
konveksne krogle, ki jih porodijo skalarni produkti hx, yi = x1 y1 + x2 y2 ,
hx, yi = 0.8x1 y1 + 1.3x2 y2 in hx, yi = 1.2x1 y1 + 0.9x2 y2 ter krogli kxk 1
in kxk1 1. Enakomerna konveksnost je stroja zahteva. Vsak enakomerno
konveksen vektorski prostor je strogo normiran. e je konno razseen, velja
tudi obratna trditev, sicer v splonem ne.
1
1
-1
-1
-1
-1
Slika 1.8. Strogo konveksne (levo) in le konveksne krogle (de-
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,
ter g(x) := f (1 x). Oitno je
kf + gk = max |f (x) + g(x)| = max |f (x) + g(x)| = 1 = kf k + kgk ,

0x1
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
podprostora S . Mora biti taken, da loi vektorje na enotski sferi. To je spet

geometrijska lastnost, kot nas poui tale zgled.
2
.
Zgled 1.8. Naj bo X = R
, z normo k k . Poiimo element najbolje
1
aproksimacije za f =
za podprostor
v dveh razlinih podprostorih. Izberimo najprej
2, 1
S = { (1, 0) | R}.
Tedaj je
min kf sk = min max , |1 0|

s S
R
2

= min
max , 1
=1
2
| 21 |1
S
1
1
f
f*
S
1
-1
-1
f*
-1
-1
Slika 1.9. Neenolina (levo) in enolina (desno) najbolja
aproksimacija { 12 , 1}
Torej je dist(f, S) = 1 in so vsi vektorji (1, 0), za katere je 12 1,

elementi najbolje aproksimacije za f . Naj bo sedaj podprostor
S = { (1, 1) | R}.
Tedaj je
min kf sk = min max , |1 |

s S
R
2
3
1
1
= min
+
=
R
4
4
4
in je
3
4
(1, 1) enolino doloen element najbolje aproksimacije za f .
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,
imenujemo minimizirajoe zaporedje za f X , e velja
lim kf sk k = inf kf sk.
sS
Naj bo (sk )kN minimizirajoe zaporedje za f X , s S pa stekalie

tega zaporedja. Dokai, da je s element najbolje aproksimacije za f X v
podprostoru S .
2.2. Naj bo X normiran vektorski prostor in S X kompakten podprostor.

Pokai, da za vsak f X obstaja element najbolje aproksimacije f S .
2.3. Naj bo S X kompakten strogo konveksen podprostor normiranega
vektorskega prostora X . Pokai, da za vsak f X obstaja natanko en element
najbolje aproksimacije f S .
2.4. Dokai, da prostor Rn z `1 normo ni enakomerno konveksen.

2.5. Naj bo X = R3 opremljen z neskonno normo.
(a) Ali je prostor strogo normiran?
(b) Pokai, da za f = (1, 3, 2) X ne obstaja enolien element najbolje
aproksimacije v podprostoru L({(1, 0, 0), (0, 1, 0)}).
2.6. Dokai, da je prostor X strogo normiran natanko takrat, ko je zaprta

enotska krogla strogo konveksna.
2.7. Naj bo X prostor konvergentnih zaporedij z limito 0 in naj bo opremljen

z neskonno normo:
n
o
xk = max |xn |.
X = x = (x1 , x2 , . . . ) | lim xn = 0 , kx
n
nN
(
)
X
Naj bo A = x X |
2n xn = 0 zaprt podprostor v X . Pokai, da za
n=1
vsak x X \ A velja, da ne obstaja element najbolje aproksimacije za x A.
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.
3.2. Polinom najbolje enakomerne aproksimacije. Naj bo prostor
X = C ([a, b]) in podprostor S = Pn . Za dano f C ([a, b]) iemo polinom

najbolje enakomerne aproksimacije p Pn . Na cilj je dokazati, da je p doloen enolino. In seveda poiskati algoritem, s katerim ga poiemo. Problem
bomo najprej reili na doloenih podmnoicah E [a, b], nato pa reitev razirili na celotni interval. Merilo za to, kaj elimo na dani E dosei, bo razdalja,
ki ji obiajno reemo minimaks.
Denicija 1.4. Naj bo mnoica E [a, b], funkcija f denirana na E in

norma dana z kf k,E = max |f (x)|. Denirajmo minimaks za funkcijo f na
xE
E in Pn kot
Mn (E; f ) := min kf pk,E = min max |f (x) p(x)| =: dist,E (f, Pn ) .

pPn
pPn xE
Denicija 1.5. Naj bo p Pn polinom najbolje enakomerne aproksimacije
za f v izbrani normi. Napaki aproksimacije
r := f p
reemo residual. Najprej poiimo polinom najbolje enakomerne aproksimacije na mnoici n + 1 razlinih tok
E = {xi | a x0 < x1 < . . . < xn b}.

Reitev takoj uganemo,
p =
n
X
f (xi )ì ,
i=0
kjer je (ì )ni=0 Lagrangeeva baza za Pn (1.3, str. 15). Velja
p (xj ) =
n
X
i=0
f (xi )ì (xj ) =
n
X
i=0
f (xi )i,j = f (xj ),
j = 0, 1, . . . , n.
1.3. ENAKOMERNA APROKSIMACIJA
37
Torej je p element najbolje aproksimacije za f na E , saj je Mn (E; f ) = 0.

Kako je z enolinostjo? Recimo, da imamo dva takna polinoma p , p Pn ,
ki se z f ujemata v xi : p(xi ) = f (xi ) = p (xi ) za i = 0, 1, . . . , n. Torej je
p(xi ) p (xi ) = 0 za i = 0, 1, . . . , n. Razlika p p je polinom stopnje najve
n, ki ima n + 1 niel. Sledi p = p . Polinom p je kar interpolacijski polinom.
Poveajmo mnoico E za eno toko,
E = {xi | a x0 < x1 < . . . < xn < xn+1 b},

in si poglejmo najprej, kaj uganemo na preprostem zgledu.
Zgled 1.9. Vzemimo funkcijo f (x) = ex , n = 1, mnoico

1
E = {a = x0 = 0, x1 = , b = x2 = 1}
2
in doloimo vrednosti ter , s katerima doseemo optimalno razdaljo
M1 (E; f ). Funkcija r(x) = f (x) (x + ) je oitno konveksna. Pri iz-
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],
[1, e] in [e, ) v rdei, modri ter zeleni
biri 1 ali e je tudi monotona. Ker sta v tem primeru ekstrema na

robu, je optimalna izbira dana z
1
r(0) = r(1), = ( + e + 1).
2
Privzemimo to izbiro . Za 1 funkcija r monotono raste. Zato je
1
1
r(0) = (1 + e) 1 e < 0
2
2
38
1. APROKSIMACIJA
in optimalna aproksimacija dana z (, ) = 1, 12 e . Podobno je za

e funkcija r monotono padajoa, kar da optimalno izbiro (, ) = e, 21 in diskretno
normo razlike r(0) = 12 . Naj bo sedaj 1 < < e. Vrednost r(0) ni odvisna
od , zato za vsak o izbiri odloa funkcija max |r( 12 )|, |r(1)| . Ta je odsekoma linearna zvezna funkcija spremenljivke , z globalnim minimumom v
stini toki, doloeni z

2
1
= r(1), =
2 + e + e .
r
2
3
Pri taknem je max (|r(0)|, |r(1)|), z |r( 21 )| = |r(1)|, odsekoma linearna funkcija spremenljivke , z globalnim minimumom
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
m := max |f (x) p(x)| =

xE
max |f (xi ) p(xi )| .
0in+1
Zgled (1.9) kae, da je vrednosti r v tokah xi smiselno izraziti z
r(xi ) = f (xi ) p(xi ) = (1)i ui m.
(1.22)
Tu ui , |ui | 1, oznaujejo delee, ki jih skuamo uganiti. Iemo torej taken

polinom p, da bo zanj m im manji. Zapiimo ga v potenni bazi kot
p(x) =
n
X
ai xi .
i=0
Vstavimo ta nastavek v (1.22) in dobimo sistem linearnih enab
u0 m
u1 m
..
.
+ a0 +
+ a0 +
..
.
a1 x0
a1 x1
..
.
+
+
(1)n+1 un+1 m + a0 + a1 xn+1 +
an xn0
an xn1
..
.
+
+
=
=
f (x0 )
f (x1 )
.
..
.
+ an xnn+1 = f (xn+1 )
Prepiimo ga v matrino obliko in zamiimo pri tem, da delei ui e niso znani

u0
1 x0
. . . xn0
m
f (x0 )

u1
1 x1
. . . xn1
a0 f (x1 )
(1.23)
.
..
..
..
.. .. =
..
.
.
.
. .
.
(1)n+1 un+1 1 xn+1
xnn+1
an
f (xn+1 )
39
()
Oznaimo matriko sistema (1.23) z A Rn+2,n+2 in z Ai,j podmatriko A, ki

jo dobimo s rtanjem i-te vrstice in j -tega stolpca. Vpeljimo
(1.24)
()
Di := det Ai+1,1 ,
i = 0, 1, . . . , n + 1.
Determinante Di so Vandermondove,
Di = V (x0 , x1 , . . . , xi1 , xi+1 , xi+2 , . . . , xn+1 ) .

Ker je
(1.25)
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
in so toke xj E naraajoe urejene, je Di > 0 za vse i. Uporabimo

Cramerjevo pravilo in izrazimo m iz sistema (1.23). Dobimo
D0 f (x0 ) D1 f (x1 ) + + (1)n+1 Dn+1 f (xn+1 )
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
natanko doloen polinom najbolje aproksimacije za f na E , ki ga doloa sistem

enab (1.23) pri izbiri ui = = 1. Predznak , ki je neodvisen od i, lahko
vedno izberemo tako, da za pripadajoi m velja m = |m| = Mn (E; f ) in
residual na E oscilirajoe dosee vrednost minimaksa,
(1.26)
f (xi ) p (xi ) = (1)i Mn (E; f ),
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].
Naj bo q Pn polinom, za katerega razlika r = f q alternirajoe spreminja
40
1. APROKSIMACIJA
predznak na mnoici E . e niso vse vrednosti |r(xi )| enake, velja

min |r(xi )| < Mn (E; f ) <
0in+1
max |r(xi )| .
0in+1
Dokaz. Najprej ugotovimo

Mn (E; f ) = min max |f (x) p(x)| =
pPn xE
= min max | (f (x) q(x)) (p(x) q(x)) | =

|
{z
}
pPn xE
p(x)
= min max |(f (x) q(x)) p(x)| = Mn (E; f q).

pPn xE
Ocenimo sedaj Mn (E; f q),

n+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
max |r(xi )|.
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
Razirimo sedaj razmislek z mnoic E moi |E| = n + 2 na mnoice, ki

vsebujejo poljubno konno tevilo tok.
Izrek 1.10. Naj bo f C ([a, b]) izbrana funkcija in Pn podprostor, v katerem

iemo njeno aproksimacijo. Naj mnoica G [a, b] vsebuje
|G| = m n + 2,
m < ,
med seboj razlinih tok. Naj za podmnoico E G moi |E| = n + 2 velja

Mn (E; f ) Mn (E 0 ; f )
za vsako E 0 G, |E 0 | = n + 2.
Tedaj je polinom najbolje enakomerne aproksimacije za f na G kar polinom

najbolje enakomerne aproksimacije za f na E . Doloen je enolino.
Dokaz. Ker G vsebuje konno mnogo tok, mnoica E , kot jo predpostavlja
izrek, zagotovo obstaja. Dokaimo
(1.27)
Mn (E; f ) = Mn (G; f ).
Ker je E G, imamo
max |f (x) p(x)| max |f (x) p(x)|,

xE
xG
za vsak p Pn .
Neenakost velja za vsak p, torej tudi za tistega, na katerem je doseen minimaks

na G. Od tod Mn (E; f ) Mn (G; f ). Drugo smer te neenakosti dokaemo s
41
protislovjem. Naj bo p polinom najbolje enakomerne aproksimacije za f na

E in r pripadajoi residual. e levi neenaaj v
Mn (E; f ) = max |f (x) p (x)| max |f (x) p (x)| ( Mn (G; f )!)

xE
xG
ne velja, obstaja y G, y
/ E , za katerega je
|f (y) p (y)| = |r(y)| > Mn (E; f ) = |r(xi )|.
(1.28)
Imamo tri monosti,

(1) obstaja i, 0 i n, taken, da je xi < y < xi+1 ,
(2) a y < x0 , toka y lei levo od vseh xi ,
(3) xn+1 < y b, toka y lei desno od vseh xi .
rHxi L
xi
rHyL
y
xi+1
rHxi+1 L
rHxi L
xi
xi+1
y
rHyL
rHxi+1 L
Slika 1.11. Primer xi < y < xi+1 , izbira j = i (levo) in
j = i + 1 (desno)
y
rHyL
y
rHx0 L
x0
x1
rHx1 L
rHyL
rHx0 L
x0
x1
rHx1 L
Slika 1.12. Primer a y < x0 , izbira j = 0 (levo) in j = n + 1 (desno)
V vseh treh primerih lahko izberemo indeks j tako, da residual r alternirajoe

spreminja predznak tudi na novi mnoici E 0 , E 0 = E \ {xj } {y}. V prvem
primeru izbiramo indeks med monostma j {i, i + 1}, v drugih dveh pa
j {0, n + 1} (sliki 1.11 in 1.12). Za mnoico E 0 sedaj iz (1.28) in izreka 1.9
zakljuimo
Mn (E; f ) = |r(xi )| = min0 |r(x)| < Mn (E 0 ; f ),
xE
kar pomeni, da E ne more biti takna, kot je predpostavil izrek. To protislovje

dokazuje enakost (1.27). Dokaimo e, da je polinom najbolje enakomerne
42
1. APROKSIMACIJA
aproksimacije na G kar p . Naj bo p tudi polinom najbolje enakomerne aproksimacije za f na G, torej
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].
Izrek 1.11. Naj bo f C ([a, b]). V Pn obstaja enolino doloen polinom

najbolje enakomerne aproksimacije za f na [a, b]. Ujema se s polinomom najbolje enakomerne aproksimacije za f na E [a, b], kjer je E moi |E| = n + 2
in zanjo velja
Mn (E; f ) Mn (E 0 ; f )
za poljubno mnoico E 0 [a, b], |E 0 | = n + 2. Velja tudi
Mn ([a, b]; f ) = Mn (E; f ) .
Dokaz. e takna, najslaba E , kot jo predpostavlja izrek, res obstaja, je

treba ponoviti le dokaz izreka 1.10 in trditev je potrjena. V dokazu tega izreka
smo uporabili dejstvo, da je mo G konna, le pri eksistenci najslabe E . Zato
je tu treba zagotoviti samo njen obstoj. Naj bo
E = {xi | a x0 < x1 < . . . < xn+1 b}
poljubna mnoica moi n + 2. e elemente uredimo po velikosti v vektor tok
xi , dobimo preslikavo : E (E) = x = (xi )n+1
i=0 , ki je v strogi notranjosti
stoca
n+2
K = {(xi )n+1
i=0 | a x0 x1 . . . xn+1 b} R
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
kjer so Di Vandermondove determinante, ki smo jih vpeljali v (1.24). Stoec

K je zaprta in omejena mnoica v Rn+2 , torej kompaktna. Razirimo denicijo
m na celotni K z dogovorom za robne toke,
x) := 0,
m(x
e je xi = xi+1 za vsaj en i, 0 i n.
Pokaimo, da je tako razirjena funkcija m zvezna na kompaktu K. Ker je v

strogi notranjosti K funkcija m oitno zvezna, saj so toke xi razline in zato
imenovalec
n+1
P
i=0
43
Di pozitiven, je treba preveriti le, da m zvezno preide v 0, ko
se dotaknemo roba. Naj bo x = (xi )n+1

i=0 K notranja toka in
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.
Izrek 1.12 (De la Vall - Poussin). Naj bo f C ([a, b]). e je polinom p Pn
taken, da razlika r = f p dosee ekstremno vrednost krk alternirajoe v

vsaj n + 2 tokah xi [a, b], x0 < x1 < . . . < xn+1 , je p kar polinom najbolje
enakomerne aproksimacije za f na [a, b].
Dokaz. Naj bo p polinom najbolje enakomerne aproksimacije za f na [a, b].
Pokazati moramo, da je p = p. Naj bo
(1.29)
m := kf pk Mn ([a, b]; f ) = kf p k .
e v (1.29) velja enakost, se oitno oba polinoma ujemata, saj je polinom p ,

na katerem se dosee minimaks, doloen enolino. Naj bo torej
kf p k < m = kf pk =
max |f (xi ) p(xi )|.
0in+1
44
1. APROKSIMACIJA
Piimo p (xi ) p(xi ) = (f (xi ) p(xi )) (f (xi ) p (xi )). Od tod (slika 1.13)
sgn(f (xi )p(xi ))(p (xi ) p(xi )) =

= |f (xi ) p(xi )| sgn(f (xi ) p(xi ))(f (xi ) p (xi ))
m kf p k > 0
in
sgn(f (xi )p(xi ))(p (xi+1 ) p(xi+1 )) =

= sgn(f (xi ) p(xi ))(f (xi+1 ) p(xi+1 ))
sgn(f (xi ) p(xi ))(f (xi+1 ) p (xi+1 ))
m + kf p k < 0 .
p* - p
f -p
f -p
*
p -p
xi+1
xi+1
xi
xi
f -p
f - p*
Slika 1.13. Razliki f p in f p za oba mona primera
Razlika polinomov p p stopnje n je strogo nasprotnega predznaka v vseh

sosednjih tokah xi in xi+1 (slika 1.13). Torej ima p p Pn nilo na vsakem
od intervalov (xi , xi+1 ), i = 0, 1, . . . , n, in je zato p p 0.
Zgled 1.10. Za f (x) = xn izrek 1.12 presenetljivo doloi p Pn1 na inter-
valu [1, 1] v zakljueni obliki. Naj bo x = cos , kjer je [0, ]. Tedaj je

= arccos x (preslikava [0, ] [1, 1] je bijektivna). Denirajmo polinom
ebieva prve vrste Tn kot
Tn (x) := cos(n) = cos(n arccos x) .

Preverimo najprej, da je Tn res polinom stopnje n v spremenljivki x. Iz
1
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
1 + (1)nj = 0 za lihe indekse n j , sicer pa je 1, od tod sledi

n
X
nj
n j 2
cos(n) =
x (x 1) 2 Pn .
j
j=0
nj sod
Vodilni koecient Tn je enak

n
n
1X n
1X n
1
+
(1)nj = ((1 + 1)n + (1 1)n ) = 2n1 6= 0.
2
j
2
j
2
j=0
j=0
Tako smo pokazali, da je Tn polinom stopnje n. V tokah
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
Tn (xk ) = cos(n arccos xk ) = cos(k) = (1)k ,
k = 0, 1, . . . , n.
Ker je oitno |Tn | 1, polinom Tn C ([1, 1]) dosee alternirajoe svojo

normo kTn k = 1 v n + 1 tokah xk . Te toke so projekcije po loni dolini ekvidistantne delitve enotske kronice na realno os. e razumemo torej
2n+1 Tn (x) = xn . . . kot residual za potenco f (x) = xn v prostoru Pn1 , ve
izrek 1.9 povedati, da je p = f 2n+1 Tn Pn1 polinom najbolje aproksimacije za f . Od vseh polinomov stopnje n, ki imajo vodilni koecient 1, je
prav 2n+1 Tn tisti, ki dosee minimalno normo na intervalu [1, 1]. To pomeni tudi dist (xn , Pn1 ) = 2n+1 , pomembno svarilo pri uporabi potenc kot
baze Pn v numerinem raunanju. Odgovorimo lahko tudi na vpraanje, ki bo
pomembno pri polinomski interpolaciji: kako je treba izbrati toke yi [1, 1]
v produktu (x) = (x y1 ) (x yn ), da bo norma kk na [1, 1] kar se
da majhna. Ker je optimalna izbira doloena z = 2n+1 Tn , so optimalne
toke kar nile polinoma Tn ,

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.
Posledica 1.2. Naj bo f C ([a, b]) in p Pn taken, da razlika r = f p

alternirajoe spreminja predznak na neki mnoici E = {xi | a x0 < x1 <
. . . < xn+1 b}. Tedaj je
min |r(xi )| Mn ([a, b]; f ) krk .
0in+1
Dokaz. Naj bo p polinom najbolje enakomerne aproksimacije za f na [a, b].

Desna neenakost je oitno izpolnjena. e leva ni, velja
|r(xi )| min |r(xi )| = m > Mn ([a, b]; f ).
i
Torej za razliko p = (f p) (f p ) velja enak razmislek kot v dokazu

izreka 1.12 in trditev sledi.
3.3. Prvi Remesov postopek. Izrek 1.11 pove, da polinom najbolje
aproksimacije na [a, b] enolino opredeli mnoica tok E [a, b], za katero je

minimaks najveji. Sistem enab (1.23) ob izbiri ui = = 1 doloi polinom
najbolje aproksimacije na n+2 tokah za dano E . Izrek (1.9, str. 39) namigne,
kako je treba E spreminjati, da bo Mn (E; f ) rastel. To so kljuni deli prvega
Remesovega postopka - konstrukcije z enojno premenjavo toke.
47
Algoritem 1.1:
Doloi polinom najbolje enakomerne aproksimacije p Pn za dano

f C ([a, b]) in zahtevano natannost ujemanja minimaksa > 0.
E0 := {xi | a x0 < x1 < . . . < xn+1 b};
k := 0;
ponavljaj
doloi pk kot polinom najbolje enakomerne
aproksimacije za f na Ek ;
poii y [a, b], tak, da je |f (y) pk (y)| = kf pk k ;
e je |f (y) pk (y)| Mn (Ek ; f ) < , konaj;
naredi premenjavo (zamenjaj toko xj Ek z y ,
tako da ohrani alternacijo predznaka razlike rk ),
Ek+1 := Ek \ {xj } {y}, kjer j izbere kot v dokazu
izreka 1.10;
k ++;
do sem;
e se algoritem 1.1 kona, posledica 1.2 zagotavlja, da poznamo minimaks
vsaj na natanno. Dokaimo e konvergenco.
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 .
Dokaz. Pokaimo najprej, da minimaksi Mn (Ek ; f ) ne padajo. Oznaimo

Ek+1 = {yi | y0 < y1 < . . . < yn+1 } := Ek \ {xj } {y} in rk := f pk .
Tedaj je
n+1
P
Mn (Ek+1 ; f ) = Mn (Ek+1 ; rk ) =
i=0
Di |rk (yi )|
n+1
P
i=0
(1.30)
kjer smo oznaili
min |rk (yi )|
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
min |rk (yi )| = Mn (Ek ; f ) ,
0in+1
in so Di Vandermondove determinante (1.24),
j=0
ki pripadajo mnoici Ek+1 . Oitno je
n+1
P
i=0
(k)
(k)
= 1 in 0 < i
< 1. Minimaksi
torej ne padajo. Pokaimo, da v resnici monotono rastejo. Predpostavimo, da
48
1. APROKSIMACIJA
(k)
obstaja konstanta , 0 < < 1, ki enakomerno razmeji konstante i in 0,

(k)
i > 1 > 0 za vse i in k . Njen obstoj bomo dokazali pozneje. Oglejmo si
razliko
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)
(|rk (yi )| Mn (Ek ; f ))
i=0
(1.31)
(1 ) (|rk (y)| Mn (Ek ; f ))

(1 ) (Mn ([a, b]; f ) Mn (Ek ; f )) 0.
Od tod in iz (1.30) ugotovimo
0 Mn ([a, b]; f ) Mn (Ek+1 ; f ) =

= (Mn ([a, b]; f ) Mn (Ek ; f )) (Mn (Ek+1 ; f ) Mn (Ek ; f ))
(Mn ([a, b]; f ) Mn (Ek ; f )) (1 (1 )) =
= (Mn ([a, b]; f ) Mn (Ek ; f )) .
To oceno iteriramo in po k korakih dobimo
0 Mn ([a, b]; f ) Mn (Ek ; f ) k (Mn ([a, b]; f ) Mn (E0 ; f )) .

Od tod sledi Mn (Ek ; f ) Mn ([a, b]; f ), ko k in zato tudi pk p , ko
k . S pomojo (1.31) dobimo tudi oceno
|rk (y)| Mn ([a, b]; f ) |rk (y)| Mn (Ek ; f )

1
(Mn (Ek+1 ; f ) Mn (Ek ; f ))

1
1
(Mn ([a, b]; f ) Mn (Ek ; f ))

1
k
(Mn ([a, b]; f ) Mn (E0 ; f )) .

1
Konstanta c je kar
1
c=
(Mn ([a, b]; f ) Mn (E0 ; f )) > 0.
1
Preveriti moramo e obstoj konstante . Denimo, da takna konstanta , kot
(k)
smo jo predpostavili, ne obstaja. Potem je i za vsaj en i poljubno blizu 0,
torej tudi Di poljubno blizu 0. A Di je Vandermondova determinanta (1.25),
zato je to mogoe le, e sta vsaj za en i toki xi , xi+1 Ek poljubno blizu.
Torej ima zaporedje (Ek ) stekalie
E 0 = {x0i | x00 x01 . . . x0` = x0`+1 . . . x0n+1 },
ki vsebuje vsaj dve enaki toki. Oznaimo s p0 interpolacijski polinom za f na
E 0 , ki je tudi polinom najbolje enakomerne aproksimacije za f na E 0 . Naj bo
49
r0 := f p0 . Razlika r0 je enakomerno zvezna funkcija na [a, b], za vsak > 0

obstaja > 0, tako da je |r0 (x) r0 (y)| < , im je
|x y| < ,
x, y [a, b].
Izberimo tako, da velja 0 < < Mn (E0 ; f ) in naj bo taken, da velja

pogoj enakomerne zveznosti za ta . Ker je E 0 stekalie zaporedja (Ek ),
obstaja indeks k , taken, da velja za Ek = {xi | x0 < x1 < . . . < xn+1 }
neenakost |xi x0i | < za vse i. Torej za ta Ek velja |r0 (xi ) r0 (x0i )| < in
|r0 (xi )| < + |r0 (x0i )|. Ker je p0 interpolacijski polinom, je f (x0i ) = p0 (x0i ) in
r0 (x0i ) = 0. Sledi |r0 (xi )| < < Mn (E0 ; f ) za vsak i, torej tudi za maksimum,
Mn (E0 ; f ) > > max |r0 (xi )| = max |f 0 (xi ) p0 (xi )|

i
min max |f 0 (xi ) p0 (xi )| = Mn (Ek ; f ) .

pPn
Toda to je v protislovju z (1.30) in izrek je v celoti dokazan.
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
p P4 za e2x na intervalu [0, 2], od rdee k modri
Slika 1.15 kae residual rk za nekaj korakov Remesovega algoritma z enojno

premenjavo pri iskanju polinoma najbolje enakomerne aproksimacije p P4
za e2x na intervalu [0, 2], tabela 1.2 pa pripadajoo numerino evidenco. Izrek 1.13 zagotavlja linearno konvergenco iteracijskega postopka. Slika 1.15 to
potrjuje z zgledom. Opravljena premenjava na vsakem koraku povea trenutni
Mn (Ek ; f ), a v splonem le malo, saj v Ek+1 dodamo le eno novo toko, v
kateri je absolutna vrednost |rk (y)| veja kot Mn (Ek ; f ).
3.4. Drugi Remesov postopek. Premislek ob zakljuku algoritma z
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.
Tabela 1.2. Ocena razlike |f (y) pk (y)| Mn (Ek ; f ) in mno-
ice Ek .
oznauje zamenjano toko
Algoritem 1.2:
Doloi polinom najbolje enakomerne aproksimacije p Pn za dano

f C ([a, b]) in zahtevano natannost ujemanja minimaksa > 0.
E0 := {xi | a x0 < x1 < . . . < xn b};
k := 0;
ponavljaj
doloi pk kot polinom najbolje enakomerne
aproksimacije za f na Ek ;
poii y [a, b], tak, da je |rk (y)| = krk k ;
e je |rk (y)| Mn (Ek ; f ) < , konaj;
z0 := a, zn+2 := b;
poii nile rk (zi ) = 0, zi (xi1 , xi ), i = 1, 2, . . . , n + 1;
doloi ekstreme yi (zi , zi+1 ), za katere je
sgn(rk (xi )) rk (yi ) = maksimum, i = 0, 1, . . . , n + 1
(slika 1.16);
Ek+1 := {yi | y0 < y1 < . . . < yn+1 };
k ++;
do sem;
Algoritem s hkratno premenjavo zahteva izraun n + 1 lokalnih ekstremov.
e je f C 1 ([a, b]), te ekstreme najpreprosteje doloimo tako, da poiemo
nile odvoda rk0 na (zi , zi+1 ) in izberemo zahtevani ekstrem. Ker je iskanje
niel rk in rk0 glavni del opravila na posameznem koraku, je asovna zahtevnost postopka za faktor O (n) veja kot v postopku 1.1. Po drugi strani pa
se da videti, da algoritem 1.2 konvergira lokalno kvadratino, torej je hkratna premenjava v resnici Newtonova metoda za reevanje nelinearnega iskanja
polinoma najbolje aproksimacije.
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
reemo posploeni polinom, f := (f0 , f1 , . . . , fn ) pa je ebiev sistem. e

moni izbor tok skrimo na podintervale, xj Ij [a, b], dobimo ibki ebiev
sistem.
Zgled 1.11. Funkcije f = (1, x, x2 ) so ebiev sistem na poljubnem kompak-
tnem intervalu [a, b], saj je
1 1 1
V (x0 , x1 , x2 ; f ) = x0 x1 x2 = (x2 x1 )(x2 x0 )(x1 x0 ) 6= 0

x20 x21 x22
za med seboj razline toke xi . A e odvzamemo x, funkciji f = (1, x2 ) nista

ve ebiev sistem na primer na intervalu [1, 1], ker je
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
Kako si s Haarovim pogojem pomagamo pri iskanju posploenega polinoma

najbolje enakomerne aproksimacije? Prvi korak, z |E| = n+1, je oiten, saj je
matrika (fi (xj ))ni,j=0 neizrojena. Za vse druge korake, vkljuno s konstrukcijo,
pa zadoa tale lastnost.
Izrek 1.14. Naj bo f := (f0 , f1 , . . . , fn ) ebiev sistem na [a, b] R. Za

poljuben nabor x := (xi )ni=0 , x0 < x1 < . . . < xn+1 , xi [a, b], je posploena
x; f ) enakega predznaka.
Vandermondova determinanta V (x
Dokaz. Denimo, da trditev izreka ne velja. Tedaj obstajata takna nabora nax; f )V (yy ; f ) < 0.
raajoe urejenih tok x = (xi )ni=0 in y = (yi )ni=0 , da je V (x
Ker so funkcije fi na [a, b] zvezne, je zvezna tudi posploena Vandermondova
determinanta kot funkcija toke na premici, ki povezuje x in y . Torej obstaja
x + (1 )yy ; f ) = 0. Ker fi zadoajo Haataken skalar (0, 1), da je V (x
x + (1 )yy enaki,
rovem pogoju, morata biti vsaj dve komponenti vektorja x
saj drugae V ne more biti enaka 0. Naj bosta to komponenti z indeksoma
i in j . Privzamemo lahko i > j : xi + (1 )yi = xj + (1 )yj . Sledi
(xi xj ) = (1 )(yj yi ). Leva stran te enakosti je pozitivna, saj je > 0
in xi xj > 0, medtem ko je desna stran enakosti negativna, saj je (1 ) > 0
in yj yi < 0. To je protislovje, ki dokazuje izrek.
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)
0 < 1 < < 2n < .
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.
3.2. Naj bo f C 1 ([a, b]) konveksna funkcija. Najbolje jo enakomerno aprok-
simiraj s premico. Uporabi konstrukcijo z enojno premenjavo, ki jo zane v

tokah E0 = {a, a+b
2 , b}. Dokai, da se algoritem ustavi po dveh korakih. Ali
to velja tudi za drugi 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.
3.5. Na intervalu [1, 1] poii parabolo, ki najbolje aproksimira funkcijo |x|.

Za reevanje uporabi drugi Remesov postopek. Zani s tokami
2 1 1 2
E0 = { , , , }.
3 3 3 3
3.6. Sestavi numerini poizkus, ki podkrepi ugotovitev
dist (xn , Pn1 ) = 2n+1 ,
na [1, 1] .
3.7. Funkcijo f (x)

x= x2xna intervalu [0, 2] aproksimiramo z elementi iz pod-
prostora S = L {e , e } po metodi najbolje enakomerne aproksimacije.

Pokai, da lahko uporabimo prvi Remesov postopek in naredi dva koraka tega
algoritma.
3.8. Pokai, da vsaka od mnoic funkcij
1, x2 , x3
,
1, xx , e2 x ,
1
1
1
,
,
,
2+x 3+x 4+x
zadoa Haarovem pogoju na intervalu [0, 1].
3.9. Preveri, da nobena od mnoic funkcij
1, x2 , x3 ,
{|x|, |1 x|},
{x + 1, ex },
ne zadoa Haarovem pogoju na intervalu [1, 1].
3.10. Naj bo dana mnoica racionalnih funkcij
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].
3.11. Dokai, da mnoica funkcij {f0 , f1 , . . . , fn }, ki so zvezne na kompaktni
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
3.12. Dokai, da so funkcije

{e1 x , e2 x , . . . , en x } ,
0 < 1 < 2 < < n ,
ebiev sistem funkcij na poljubnem intervalu [a, b].
3.13. Dana sta trigonometrina polinoma

f (x) = a0 +
g(x) = c0 +
n
X
(ak cos kx + bk sin kx) ,
k=1
n
X
(ck cos kx + dk sin kx) ,
k=1
kjer so ak , bk , ck , dk R. Dokai: e velja f (xi ) = g(xi ) za 2n + 1 razlinih

tok na intervalu [0, 2), je f g .
3.14. Dokai, da ima med vsemi polinomi p stopnje n, za katere velja

max |p(x)| 1,
1x1
prav ebiev polinom prve vrste Tn najveji vodilni koecient, namre 2n1 .
3.15. Pokai, da odsekoma linearne zvezne funkcije {H0 , H1 , . . . , Hn }, de-
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 .
1.4. APROKSIMACIJA PO METODI NAJMANJIH KVADRATOV
55
4. Aproksimacija po metodi najmanjih kvadratov

4.1. Splono o metodi najmanjih kvadratov. Aproksimacija po me-
todi najmanjih kvadratov sodi med optimalne aproksimacije. Sreali smo jo

e v zgledih 1.3 (str. 27), 1.4 in 1.5. Za samo ime govori najpreprosteji zgled
uporabe, minimizacija kvadratov odstopov od meritev pri iskanju regresijske
premice (zgled 1.4). Prostor funkcij X , ki jih elimo aproksimirati, je tu evklidski vektorski prostor, s skalarnim produktom h . , .. i, ki inducira normo. e
privzamemo e, da je podprostor S X konno razseen ali zaprt podprostor
Hilbertovega prostora X , je eksistenca f za vsak f X po izreku 1.3 (str. 29)
ali posledici 1.1 (str. 31) zagotovljena. Izrek 1.7 (str. 32) zatrdi enolinost tega
elementa in zgled 1.3 nam namigne konstrukcijo.
Izrek 1.15. Naj bo S X . Element f S je element najbolje aproksimacije
za f X natanko tedaj, ko je f f S .
Dokaz. Naj bo f S in f f S . Za vsak s S je f s S , torej

ortogonalen na f f , kar da
kf sk2 = kf f + f sk2 = kf f k2 + kf sk2 kf f k2 .
Element f mora biti zato element najbolje aproksimacije. Obratno, naj bo
f S element najbolje aproksimacije za f X . Za poljuben s S in skalar
> 0 bo f s kvejemu slabe aproksimiral f , torej
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 .
Element najbolje aproksimacije f iemo z nastavkom f =

j j sj . Po
P
izreku 1.15 mora veljati f j j sj S . Ker (si ) razpenjajo S , je to ekvivalentno
*
+
X
f
j sj , si = 0, za vsak i.
j
Torej so neznani koecienti := (j ) reitev sistema linearnih enab

(1.33)
= 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
lahko zelo obutljiv. V primeru
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
Hilbertova matrika, katere obutljivost raste eksponentno z n. Po drugi strani

pa lahko poznamo v S ortonormirano bazo (si ). Tedaj je hsj , si i = i,j , matrika
G = I in element najbolje aproksimacije f je dan s Fourierovo vsoto (vrsto)
X
hf, sj i sj .
f =
j
Koeciente hf, sj i imenujemo Fourierove koeciente. Izrek 1.15 nam za ta

primer preskrbi tudi izraunljivo vrednost napake, saj velja
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,
ki jo poznamo kot Besselovo neenakost.

Pri iskanju elementa najbolje aproksimacije po metodi najmanjih kvadratov se tako ponujata dve oitni poti. Prva je direktno reevanje sistema (1.33)
z neko izbrano bazo, druga pa konstrukcija ortonormirane baze, za katero je reevanje normalnega sistema trivialno. Vasih je bolja prva, vasih druga pot.
Na primer v prostorih polinomov je iskanje ortonormirane baze zelo obiajno.
Po drugi strani v prostorih odsekoma polinomskih funkcij, kjer poznamo malo
obutljive baze in je Gramova matrika praviloma pasovna, vedno direktno reujemo sistem (1.33). Dodajmo nekaj zgledov, najprej za primer, ko poznamo
ortonormirano bazo vnaprej.
Zgled 1.13. Trigonometrine funkcije na [0, 2]. Tu je X = L2 ([0, 2]), ute
je enaka 1 in S podprostor trigonometrinih polinomov Tn . Funkcije
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
cos kx cos jx dx = k,j ,
j > 0 ali k > 0,
0
Z 2
sin kx sin jx dx = k,j ,

cos kx sin jx dx = 0.
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
cos k cos j d = k,j , k > 0 ali j > 0

2
0
R
in 0 d = , z zamenjavo spremenljivk
p
x = cos , dx = sin d = 1 x2 d
dobimo, za k 6= 0 ali j 6= 0,
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
Torej je tu X = L2 ([1, 1]), z utejo

(1.34)
in
(x) :=
(1.35)
1
2
1 x2
1
T0 , T1 , T2 , . . . ,
2
pripadajoa ortonormirana druina polinomov.
Zgled 1.15. Polinomi ebieva prve vrste so le poseben primer Jacobijevih

polinomov, ortogonalnih na [1, 1] z utejo
(x) = (1 x)p (1 + x)q ,
p > 1, q > 1.
Za p = q dobimo ultrasferine polinome, najpreprosteji izbor p = 0, q = 0 pa

da Legendrove polinome Pn .
In sedaj e zgled, kjer ortonormirane baze ne poznamo vnaprej.
Zgled 1.16. Reevanje predoloenih sistemov linearnih enab. Naj bo

A Rm,n ,
m > n,
58
1. APROKSIMACIJA
dana matrika in b Rm dani vektor. Poii x Rn , za katerega je
x bk2 kAx
x bk2 ,
kAx
za vse x Rn .
Norma k . k2 je tu evklidska vektorska norma, ki jo porodi skalarni produkt
x, y i =
hx
m
X
xk yk ,
m
x = (xk )m
k=1 , y = (yk )k=1 .
k=1
Ker je svobodnih parametrov na voljo le n, vektor na desni strani pa je doline

m > n, govorimo o reevanju predoloenega sistema linearnih enab. Brez
teav prepoznamo, da gre za aproksimacijo po metodi najmanjih kvadratov.
Podprostor, v katerem iemo najboljo aproksimacijo, je
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
Normalni sistem se v tem primeru glasi
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
4.2. Konstrukcija ortonormiranih druin polinomov. Preprosta,
znana relacija
cos(n + 1) = 2 cos cos n cos(n 1),

se v novi spremenljivki x := cos prebere kot
(1.36)
Tn+1 (x) = 2xTn (x) Tn1 (x),
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)
(Q0 , Q1 , . . . , Qn ) , kQi k = 1, hQi , Qj i = i,j ,
ortonormirana druina polinomov, kjer je Qi stopnje i. Konstruirajmo Qn+1 ,

polinom stopnje n + 1, ki je ortogonalen na vse prejnje lane druine in nore n+1 polinom stopnje n + 1, ortogonalen na L({Qi }n ), z
miran. Naj bo Q
i=0
vodilnim koecientom, ki je enak vodilnemu koecientu Qn . Taken polinom
e n+1 xQn je po konstrukciji le stopnje n
zagotovo obstaja. Toda polinom Q
n
in se ga da zapisati v bazi (Qi )i=0 , na primer kot
(1.38)
e n+1 (x) x Qn (x) = n Qn (x) n Qn1 (x) +

Q
n2
X
n,i Qi (x).
i=0
e pomnoimo (1.38) skalarno s h . , Qj i, dobimo
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)
e n+1 (x) = (x n ) Qn (x) n Qn1 (x), n = 0, 1, . . . ,

Q
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
e n xQn1 stopnje < n. Za koecient n takne stabilne forsaj je polinom Q

mule ni. Konstrukcija sistema n ortonormiranih polinomov zahteva izraun 2n
skalarnih produktov,karje v primerjavi s konstrukcijo polne Gramove matrike,
kjer potrebujemo O n2 skalarnih produktov, za cel red asovne zahtevnosti
bolje. Trilensko relacijo (1.39), ki jo pri praktini uporabi najpogosteje prepiemo v
x n
n
(1.40)
Qn+1 (x) =
Qn (x)
Qn1 (x), n = 0, 1, . . . ,
n+1
n+1
uporabljamo nato v nadaljnih izraunih. Sistema ortogonalnih polinomov
(1.37) ne prepeljemo v kakno drugo bazo zaradi dodatnih numerinih napak, e je to le mogoe. Treba si je zapomniti le 2n + 2 koecientov i , i in
Q0 .
Zgled 1.17. Izberimo dva skalarna produkta, zveznega z

Z
hf, gi =
f (x)g(x)dx
1
in njegov diskretni pribliek kot

m
2 X
hf, gi =
f (xi )g(xi ),
m+1
i=0
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
1.00929 10-17 1.000000

0 0.632456
1.21115 10-16 0.558570
8.07435 10-17 0.536656
1.81673 10-16 0.516398
8.07435 10-16 0.492366
6.35855 10-16 0.462586
Tabela 1.3. Tabela koecientov trilenske rekurzivne formule
za dva blinja skalarna produkta. Levo je zvezni zgled, desno

diskretni za m = 10.
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);
Trilenska rekurzivna formula je mono oroje pri uporabi ortogonalnih

polinomov. Zanimivo je, da se jo da posploiti tudi na polinome ve spremenljivk.
Zgled 1.18. Nadaljujmo z zgledom 1.17 in uporabimo koeciente (i , i ) iz
tabele 1.3 ter doloimo polinome najbolje aproksimacije po metodi najmanjih

kvadratov za funkcijo f (x) = ex sin 4x na [1, 1]. Stopnje polinomov naj bodo
n = 2, 3, . . . , 6. Primerjava napak za zvezni in diskretni primer na sliki 1.17 ne
kae velikih razlik.
Za ortonormirane druine polinomov je znanih mnogo uporabnih lastnosti.
Ena od njih je Christoel-Darbouxova formula.
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
Slika 1.17. Napake aproksimacije po metodi najmanjih kva-
dratov, od n = 2 (rumena) do n = 6 (rdea)
Izrek 1.16. Naj bo (Qn )n0 zaporedje ortonormiranih polinomov, kjer je Qn
stopnje n,
Qn (x) = cn xn + . . . ,
cn 6= 0 .
Tedaj velja
(1.41)
n
X
Qi (x)Qi (t) =
i=0
cn Qn+1 (x)Qn (t) Qn+1 (t)Qn (x)

.
cn+1
xt
Dokaz. Prepiimo trilensko formulo (1.40), kjer indeks n zamenjamo z i in

upotevamo, da je ci vodilni koecient polinoma Qi . Dobimo
ci+1 xi+1 + =
x i i
i
ci x + . . .
ci1 xi1 + . . . .
i+1
i+1
Iz primerjave koecientov pri najviji potenci xi+1 sledi
ci
, i = 0, 1, . . . ,
ci+1
i+1 =
c1 = 0 c0 = 0.
Upotevajmo to v (1.40) in izrazimo len x Qi (x),
x Qi (x) =
ci
ci1
Qi+1 (x) + i Qi (x) +
Qi1 (x).
ci+1
ci
e to identiteto pomnoimo s Qi (t), dobimo
xQi (x)Qi (t) =
ci
ci1
Qi+1 (x)Qi (t) + i Qi (x)Qi (t) +
Qi1 (x)Qi (t) ,
ci+1
ci
ki velja tudi, e x in t zamenjamo,
t Qi (t)Qi (x) =
ci
ci+1
Qi+1 (t)Qi (x) + i Qi (t)Qi (x) +
ci1
Qi1 (t)Qi (x) .
ci
63
Odtejmo obe enabi in dobljeno razliko setejmo po vseh indeksih i,
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.
4.3. Konstrukcija ortonormiranih sistemov v splonem. Naj bo

S X n-razseni podprostor evklidskega vektorskega prostora X . GramSchmidtov algoritem je preprost postopek, s katerim lahko konstruiramo ortonormirano bazo, e le poznamo neko bazo S .
Algoritem 1.4:
Konstrukcija ortonormirane baze (si )ni=1 iz baze (ui )ni=1 prostora S

z Gram-Schmidtovim postopkom.
k1
P
v := uk
huk , si i si ;
sk :=
do sem;
1
kvk
i=1
v;
Z indukcijo preverimo, da res vrne ortonormirano bazo. Naj bo (si )k1

i=1 e
ortonormiran sistem, kar za k = 1 zagotovo dri. Iz izrauna v sledi
hv, sj i = huk , sj i
k1
X
huk , si i i,j = 0, j = 1, 2, . . . , k 1,
i=1
torej je v sj , j = 1, 2, . . . , k 1. Po normiranju je tudi (si )ki=1 ortonormiran

sistem
2 in pravilnost algoritma je potrjena. Gram-Schmidtov postopek zahteva
O n izraunov skalarnih produktov, kar je za cel red slabe kot trilenska
rekurzivna formula (1.39), a bolje ne gre. Izkae se tudi, da je lahko numerino
nestabilen. Zato uporabljamo eno od modikacij postopka, ki se numerino odree precej bolje, najpogosteje kar algoritem, ki sledi. Reemo mu modicirani
Gram-Schmidtov algoritem.
64
1. APROKSIMACIJA
Algoritem 1.5:
Konstrukcija ortonormirane baze (si )ni=1 iz baze (ui )ni=1 prostora S .

sk := ku1k k uk ;
za j = k + 1, k + 2, . . . , n ponavljaj
uj := uj huj , sk i sk ;
do sem;
do sem;
V toni aritmetiki se bazi, ki ju konstruirata oba Gram-Schmidtova postopka, seveda ne bi razlikovali. A v drugem dodatno sproti popravljamo le
priblino ortogonalnost konstruirane baze, ki je posledica zaokroitvenih napak. To je razlog za vejo stabilnost. Podobnemu premisleku sledi tudi razdelek o reortogonalizaciji.
4.4. Reortogonalizacija. Izraun skalarnih produktov lahko povzroi,
da konstruirana baza ni povsem ortogonalna, saj se lahko na raun sumandov

razlinega predznaka tevilo pravilnih tevk zmanja. Tu je preprosto zdravilo, kako se da priblino ortogonalnost malo izboljati. Uporabi se dejstvo,
da pri izraunu norme natannosti ne izgubljamo, saj setevamo ali integriramo le vrednosti, ki so nenegativne. Izgube natannosti na raun odtevanja
priblino enako velikih tevil tu ne more biti. Naj bo S X n-razseni podprostor evklidskega vektorskega prostora X . Iemo ortonormirano bazo (si )ni=1
podprostora S . Denimo, da poznamo e si , i < n, za sn pa le izraunano
aproksimacijo sn , k
sn k = 1. Ker je sn sn S, lahko to razliko, ki naj bi bila
v naelu majhna, zapiemo kot Fourierovo vsoto
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
saj je si sn , i < n. Zadnjega sumanda na desni strani ne poznamo. A norma

sn je stabilno izraunana, torej je
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
je drugega reda v napaki sn sn . e v (1.42) zanemarimo neizraunljivi len

vijega reda O ksn sn k2 , dobimo izraunljivi izboljani pribliek za sn ,
sn
n1
X
h
sn , si i si ,
i=1
saj so drugi Fourierovi koecienti reda
h
sn , si i = h
sn sn , si i = O (ksn sn k) .
Vsako funkcijo si , ko jo priblino izraunamo, nato sprotipopravimo.
Popravek
za si stane O (i) izraunov skalarnih produktov, torej O n2 za ortonormirano

bazo v S v celoti. Torej je istega reda kot sama ortogonalizacija.
Zgled 1.19. Vzemimo diskretni del zgleda 1.17, a z m = 1000, in primerjajmo

zadnji stolpec Gramove matrike (hQi , Qj i)6i,j=0 pred in po uporabi reortogonalizacije. Po reortogonalizaciji so koti med ortogonalnimi polinomi nekoliko
bliji (tabela 1.4).

2
i
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.
Tabela 1.4. Brez reortogonalizacije in z reortogonalizacijo
4.5. Konvergenne lastnosti pri uporabi polinomov. Kaj se da po-
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=
f (xi )g(xi )(xi ), k . k2,h
i=0
Prva trditev povee ortonormirana sistema v zveznem in diskretnem primeru.
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)
| hf, gih hf, gi | 0, kf k2,h kf k2 , ko h 0, f, g C ([a, b]) .
Torej
1
1
= Q0 , ko h 0.
k1k2,h
k1k2
= 0 = Q1 , za prva dva polinoma ugotovimo
Q0,h =
Ker je tudi Q1,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
| hxQi,h , Qi,h ih hxQi , Qi i |

| hxQi,h , Qi,h ih hxQi , Qi ih | + | hxQi , Qi ih hxQi , Qi i |.
Drugi len v desni strani te ocene konvergira po (1.43). Ocenimo e prvega, z
uporabo trikotnike in Cauchy-Schwarzove neenakosti,
| hxQi,h , Qi,h ih hxQi , Qi ih | | hxQi,h , Qi,h Qi ih | + | hQi,h Qi , xQi ih |

kQi,h Qi k2,h (kxQi,h k2,h + kxQi k2,h )
kQi,h Qi k k1k2,h (kxQi,h k2,h + kxQi k2,h ) .
Zadnja dva faktorja v desni strani ocene sta omejena, prvi oitno, ker
k1k2,h k1k2 < , drugi podobno iz
kxQi,h k2,h kxQi,h xQi k2,h + kxQi k2,h

kQi,h Qi k kxk2,h + kxQi k2,h .
Ker prvi faktor konvergira proti 0 po induktivni predpostavki, torej tudi skupni
produkt. e preprosteje preverimo
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
| hf, Qi,h Qi ih | kf k kQi,h Qi k k1k22,h ,

po izreku 1.17 sklepamo, da Fourierovi koecienti hf, Qi,h ih konvergirajo k
hf, Qi i. Torej
k hf, Qi,h ih Qi,h hf, Qi i Qi k

k hf, Qi,h ih Qi,h hf, Qi,h ih Qi k + k hf, Qi,h ih Qi hf, Qi i Qi k
| hf, Qi,h ih | kQi,h Qi k + | hf, Qi,h ih hf, Qi i | kQi k 0, ko h 0,
kar dokazuje izrek.
Poglejmo si sedaj, kaj lahko povemo o kakovosti aproksimacije po metodi
najmanjih kvadratov v Pn , ko n raste.
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.
Izrek 1.19. Naj bo (Qi )i0 , Qi Pi , neskonna ortonormirana druina poliqR

b
2
nomov v L2 ([a, b]), z evklidsko normo kf k2 =
a f (x) (x)dx. Za poljubno
funkcijo f C ([a, b]) velja
i Qi 0, ko n , kjer je i := hf, Qi i .
f
i=0
Dokaz. Naj bo
[a, b]. Tedaj
pn
Pn polinom najbolje enakomerne aproksimacije za f na
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
ko n raste, po Weierstrassovem izreku 1.1, in dokaz je zakljuen.
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
Pokazati moramo, da je f = 0 s.p. (skoraj povsod). Naj bo

Z x
F (x) :=
f (t)(t)dt.
a
Oitno je F C ([a, b]) in F (a) = 0. Tudi

Z b
1
hf, Q0 i = 0.
F (b) =
f (t)(t)dt =
Q
0 (a)
a
Torej
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
Tabela 1.5. Ocena napake aproksimacije v normah k
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
Tabela 1.6. Ocena napake aproksimacije v normah k
k . k za f2
. k2 in
Qi proporcionalni Legendrovim polinomom Pi (slika 1.18),

q
r
i + 12 di
i
1
(1.44)
Qi (x) = i + Pi (x) =
x2 1 , i = 0, 1, . . .
i
i
2
i! 2 dx
Izrek 1.21. Naj bo f C 2 ([1, 1]) in pn Pn polinom najbolje aproksimacije za f v normi k . k2 ,

pn
n
X
i=0
Z
i Qi ,
i =
f (x)Qi (x)dx.
70
1. APROKSIMACIJA
Za vsak > 0 lahko najdemo dovolj velik n, da je
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
2i+1 (i + 1)!Pi+1 (x) =
= 2i+1 (i + 1)! (2i + 1)Pi (x) + Pi1 (x)
in, zapisano s polinomi Qi ,

1
1
0
q
(1.45)
Qi+1 (x) q
i + 23
i
1
2
2i + 1
0
Qi1 (x) = q
Qi (x).
i + 21
Ker je f C 2 ([1, 1]), Fourierovi vrsti za f 0 in f 00 tudi konvergirata v evklidski

normi. To pomeni, da morajo Fourierovi koecienti
Z 1
Z 1
00
0
0
f 00 (x)Qi (x)dx
f (x)Qi (x)dx, i :=
i :=
1
za dovolj velike i padati. Integrirajmo i1 per partes

Z 1
Z
1
0
0
i1 =
f (x)Qi1 (x)dx = f (x)Qi1 (x)
1
f (x)Qi1 (x)dx.
Brez izgube splonosti lahko privzamemo f (1) = f 0 (1) = 0. e to ne bi

veljalo, bi funkcijo razdelili v p3 P3 , ki se z f v 1 in 1 ujema dvojno, in
novo f , f := f p3 , za katero bi izrek dokazovali. Torej velja
Z 1
Z 1
0
0
00
0
i1 =
f (x)Qi1 (x)dx, i1 =
f 0 (x)Qi1 (x)dx.
1
e pomnoimo enabo (1.45) z f (x) in jo integriramo na [1, 1], dobimo

1
1
2i + 1
0
0
q
i+1 + q
i1 = q
i
i + 32
i 12
i + 21
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
Relacija (1.46) je kljuna za dokaz izreka. Argument lahko uporabimo na enak

0
00
nain tudi za izpeljavo povezave med i in i , le da namesto z f mnoimo
(1.45) s funkcijo f 0 . e obe relaciji povzamemo, ugotovimo
0!
00 !

i
i
1
(1.47)
i = O
=O
=O 2 .
2
i
i
i
Za Legendrove polinome se da preveriti
|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
|pm (x) pn (x)| =

i Qi (x)
i Qi (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
Zaporedje pi je torej Cauchyjevo. Ker je prostor poln, ima limito
p := lim pi .
i
Toda
(pi )
konvergira k f v drugi normi, zato je
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
lastnosti metode najmanjih kvadratov. Nato le s prijemi linearne algebre.
4.3. Dan je interval [1, 1] in funkcija f (x) = ex . Poii premico p P1 , ki
f najbolje aproksimira po zvezni metodi

R 1 najmanjih kvadratov, torej v normi,
ki jo porodi skalarni produkt hg, hi = 1 g(x)h(x)dx.
4.4. Predpostavi, da so pari (xi , yi ), i = 1, 2, . . . , n, meritve procesa, ki se

obnaa kot funkcija iz prostora L({1, ex }). Uporabi metodo najmanjih kvadratov in izpelji formulo, ki oceni oba parametra.
4.5. Dokai, da so funkcije f1 , f2 , . . . , fn linearno odvisne natanko takrat, ko
je det G = 0, kjer je G = (hfi , fj i)ni,j=1 Gramova matrika.
4.6. Na intervalu [a, b] naj bo skalarni produkt dan z
Z
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].
4.7. Izberimo skalarni produkt z

hf, gi = f (1)g(1) + 2f (2)g(2) + 2f (3)g(3) + 2f (4)g(4) + f (5)g(5).
Poii prve tri ortonormirane polinome. Aproksimiraj funkcijo
x
f (x) = 2 cos2 ( )
4
po metodi najmanjih kvadratov s parabolo.
4.8. Dane so toke (1, 12), (0, 7), (1, 6), (2, 9). Aproksimiraj jih s parabolo
po diskretni metodi najmanjih kvadratov. Uporabi trilensko rekurzivno formulo.

R1
4.9. Skalarni produkt naj bo deniran z hf, gi = 1
f (t)g(t)dt. Ortogonai
liziraj potence x na intervalu [1, 1] po obiajnem in modiciranem GramSchmidtovem postopku. Se rezultata ujemata?
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-
dali, da se k interpolaciji zateemo, ko o funkciji f , ki jo elimo aproksimirati,

poznamo ali hoemo uporabiti le posamezne podatke, na primer vrednosti
f (xi ) v danih tokah xi . Interpolacijo se da zastaviti sploneje. Naj bodo
elementi s1 , s2 ,P
. . . , sn osnova n-parametrine linearne druine, torej elementov oblike s = ni=1 i si , kjer i oznaujejo skalarje primernega razreda. Naj
bodo 1 , 2 , . . . , n dani linearni funkcionali, denirani nad L({s1 , s2 , . . . , sn }).
Interpolacijski problem je za dani vektor znanih vrednosti r = (ri )ni=1 doloiti skalarje i , takne, da za pripadajoi s velja i s = ri za vse i. e so
skalarji i za vsak nabor podatkov r doloeni enolino, reemo, da je interpolacijski problem korekten. Seveda ni nujno, da reitev interpolacijskega problema
vedno obstaja. Linearna algebra ve o korektnosti povedati tole.
Izrek 2.1. Prva dva od pogojev

(1) elementi s1 , s2 , . . . , sn so linearno neodvisni,
(2) funkcionali 1 , 2 , . . . , n so linearno neodvisni,
(3) kolokacijska matrika (i sj )ni,j=1 je neizrojena,
sta izpolnjena natanko takrat, ko je izpolnjen tudi tretji.
Zgled 2.1. Naj bodo dane toke

a = x0 < x1 < x2 < . . . < xn = b,
[a, b] R.
Izberimo elemente si kot Lagrangeeve bazne polinome (1.3, str. 15),

n
Y
x xj
,
si (x) = ì (x) =
xi xj
j=0
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.
Zgled 2.2. Naj bodo r i in i toke

P v ravnini ter obdrimo funkcije si = ì iz
zgleda 2.1. Linearna kombinacija ni=0 i ì (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.
e privzamemo, da so elementi si linearno neodvisni, so baza prostora

S = L({s1 , s2 , . . . , sn }). Korektnost interpolacijskega problema ni odvisna
2.1. SPLONO O INTERPOLACIJI
77
r5
r6
r4
r7
r3
r2
r8
r9
r1
r0
Slika 2.1. Interpolacija tok v ravnini s polinomsko parame-
trino krivuljo, kjer interpolacijske parametre xi izberemo enakomerno (rdea), tetivno (zelena) in centripetalno (modra)
od izbire konkretne baze. Eno bazo lahko prepeljemo z neizrojeno matrino

transformacijo v drugo, neodvisno od interpolacijskega problema. Zato lahko
govorimo tudi o korektnosti interpolacijskega problema v danem prostoru, neodvisno od izbrane baze.
Zgled 2.3. Primer Hermiteove (dvojne) interpolacije v isti toki. Vzemimo
prostor S = P2n+1 in toke a = x0 < x1 < x2 < . . . < xn = b. Predpostavimo,

da v tokah xi poznamo vrednost funkcije in njenega odvoda,
2i f = f (xi ) = ri ,
0
2i+1 f = f (xi ) =
ri0 ,
i = 0, 1, . . . , n,
i = 0, 1, . . . , n.
78
2. INTERPOLACIJA
Preverimo, da je ta interpolacijski problem v P2n+1 korekten. e je kolokacijska

matrika izrojena, obstaja netrivialen polinom p P2n+1 , za katerega je i p = 0
za vse i. Pokaimo, da to ni mogoe. Iz 2i p = p(xi ) = 0 za nek polinom q
sledi
n
Y
p(x) = q(x)
(x xj ) ,
j=0
iz 2i+1 p = p0 (xi ) = 0 pa ugotovimo
p0 (xi ) = q 0 (xi ) 0 + q(xi )
n
Y
(xi xj ) = 0 .
j=0
j6=i
Od tod sledi q(xi ) = 0, i = 0, 1, . . . , n. Ker je q lahko stopnje najve n, mora

biti identino enak ni. To potrjuje korektnost problema.
Zgled 2.4. Posploimo zgled 2.3 na primer splone Hermiteove interpolacije.
Naj bo S = Pn in toke a = x0 < x1 < x2 < . . . < xm = b delitev intervala

[a, b]. Predpostavimo, da v tokah xi poznamo vrednost funkcije i -kratno,
i,j f = f (j) (xi ) = ri,j , i = 0, 1, . . . , m; j = 0, 1, . . . , i 1,

P
kjer je i N in m
i=0 i = n + 1. Tudi ta problem interpolacije je korekten.
Polinom p Pn , p 6 0, ki zadoa homogenim pogojem (2.1), mora biti oblike
(2.1)
p(x) = q(x)
Pm
m
Y
(x xi )i .
i=0
Ker je drugi faktor stopnje i=0 i = n + 1, je p Pn lahko le, e je q 0,

torej p 0. To je v protislovju s predpostavko, da je kolokacijska matrika
izrojena in potrjuje korektnost problema.
1.2. Korektnost v splonem. Vasih lahko vnaprej zagotovimo
tudi korektnost cele druine interpolacijskih problemov za dani prostor

S.
Spomnimo se le druin funkcij, ki zadoajo Haarovem pogoju v
deniciji 1.6 (str. 51).
e se omejimo na interpolacijske pogoje oblike
i f = f (xi ), je tu interpolacijski problem korekten, br ko so toke xi paroma razline. Tudi za ibke ebieve sisteme, torej druine, ki zadoajo
Haarovem pogoju ob dodatnih omejitvah na poloaje tok, se da vnaprej kaj
ugotoviti.
Zgled 2.5. Naj bo x = (xi )ni=0 delitev intervala [a, b],

a = x0 < x1 < x2 < < xn = b.
Interpolacijski problem, ki predpie vrednosti v tokah
0 < 1 < < n ,

pri pogojih
x0 0 < x1 , xi1 < i < xi+1 , i = 1, 2, . . . , n 1, xn1 < n xn ,
2.1. SPLONO O INTERPOLACIJI
79
in i f = f (i ), je v S1,xx korekten. Res, za n = 1 je determinanta
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 ))ì,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
Slika 2.2. Zamenjava interpolacijskih tok x1 in x2
al je (ibke) ebieve sisteme funkcij mo priakovati le v interpolaciji

funkcij ene spremenljivke. V to nas prepria tale izrek.
Izrek 2.2. Naj bo E Rm in m 2. Naj E vsebuje vsaj eno notranjo
toko u. Naj bodo s1 , s2 , . . . , sn , n 2, funkcije denirane na E in zvezne
80
2. INTERPOLACIJA
v okolici u. Tedaj obstaja nabor n razlinih tok xi Rm , na katerih si ne

izpolnjujejo Haarovega pogoja, torej je
det (sj (xi ))ni,j=1 = 0.
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.
2.2. POLINOMSKA INTERPOLACIJA
81
2. Polinomska interpolacija
2.1. Interpolacijski polinom v Lagrangeevi obliki. Polinomska in-
terpolacija ima zelo pomembno vlogo v numerini analizi. Deloma je to zato,

ker interpolacijski polinom zelo pogosto uporabljamo kot orodje pri numerini
aproksimaciji. A tu imamo na voljo tudi bolje reitve, na primer odsekoma
polinomske funkcije. Te so sicer okorneje za uporabo, a imajo bolje aproksimativne in numerine lastnosti. Prava prednost polinomske interpolacije je
v tem, da interpolacijski polinom lahko zapiemo v zakljueni obliki. To izkoristimo za to, da izpeljemo aproksimativne formule za reevanje drugih numerinih problemov, kot so integracija, reevanje diferencialnih enab itd. v
zakljueni obliki.
Vzemimo prostor Pn in toke a = x0 < x1 < x2 < . . . < xn = b. Poenostavimo razlago in brez izgube splonosti predpostavimo, da so vrednosti ri , ki jih
v teh tokah interpoliramo, kar vrednosti neke funkcije f C ([a, b]) v tokah
xi . Zgled 2.1 pove, da je interpolacijski problem korekten. e ve, poznamo e
zakljueno, Lagrangeevo obliko interpolacijskega polinoma
(2.2)
p=
n
X
f (xi )ì ,
i=0
n
Y
x xj
ì (x) =
,
xi xj
j=0
j6=i
kjer so ì Lagrangeevi bazni polinomi (1.3, str. 15). Polinomska interpolacija
In : C ([a, b]) Pn : f 7 In f :=
n
X
f (xi )ì
i=0
je linearna preslikava. Ker je korektna za vsak polinom q stopnje n, ki ga

interpoliramo, dobimo In q = q . Interpolacija In je torej projektor. Na prvi pogled je problem interpolacije s polinomi reen v celoti. eprav je Lagrangeeva
oblika zelo pomembna pri izpeljavi aproksimativnih formul v zakljueni obliki,
je v numerini uporabi kar nekaj pomanjkljivosti.

Izraun vrednosti p(x) pri danem x je asovne zahtevnosti O n2 .
Za primerjavo vemo, da se da izraunati vrednost polinoma v potenni bazi po Hornerju v asovni zahtevnosti O (n). Temu se deloma
ognemo s tem, da si vrednosti
(2.3)
n
Y
j=0
j6=i
1
xi xj
izraunamo vnaprej. Za dani x se da nato vse tevce polinomov ì

izraunati v linearnem asu.
e uporabimo predpripravo (2.3), postane dodajanje nove toke zapleteno.
Teave nastopijo tudi, ko se toke pribliujejo druga drugi. Oblika
(2.2) e zlasti ne dovoljuje, da v toki xi hkrati interpoliramo vrednost
funkcije in njenih odvodov.
82
2. INTERPOLACIJA
Mogoe smo izbrali napano bazo? V zadnjem asu se namesto Lagrangeeve

oblike uporablja baricentrina, ki je numerino stabilneja. Odpravlja prvi dve
teavi oblike (2.2), ne pa tudi tretje. Izpeljimo jo. V (2.2) vidimo, da so v ì
zastopani vsi faktorji x xj , razen tistega, za katerega je indeks enak j = i.
e torej oznaimo z produkt (x) := (x x0 )(x x1 ) (x xn ), tevec
ì dobimo tako, da delimo z x xi . A e odvajamo in vstavimo x = xi ,
dobimo
n
Y
0
(xi ) =
(xi xj ) .
j=0
j6=i
Od tod
ì (x) =
(x)
.
(x xi ) 0 (xi )
Interpolacijski polinom v novi izraavi je
p(x) =
n
X
i=0
f (xi )
X
(x)
1
= (x)
f (xi )
.
0
(x xi ) (xi )
(x xi ) 0 (xi )
i=0
A konstanta 1 je tudi polinom stopnje n. Ker je interpolacija projektor, jo

znamo zapisati kot vsoto
1 = In 1 = (x)
n
X
i=0
1
.
(x xi ) 0 (xi )
e delimo torej polinom p z 1 = In 1, dobimo

(2.4)
p(x) =
n
X
f (xi )wi (x) ,
i=0
kjer je
1
(x xi ) 0 (xi )
wi (x) := n
X
1
j=0
(x xj ) 0 (xj )
Obliki (2.4) reemo baricentrina zato, ker se utei wi setejejo v 1,

n
P
wi (x) 1, podobno kot baricentrine (ploskovne) koordinate toke v ravi=0
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
bazno funkcijo stopnje k , (x x0 )(x x1 ) (x xk1 ), je prost parameter le

njen vodilni koecient. Izbira dodane bazne funkcije zagotavlja
pk (xj ) = pk1 (xj ) = f (xj ),
j = 0, 1, . . . , k 1,
zato ga enolino doloimo iz pk (xk ) = f (xk ) (slika 2.3). Oznaimo ga tako,

da se vidi, od esa je odvisen, od tok x0 , x1 , . . . , xk in funkcije f , zato
[x0 , . . . , xk ]f . Koecienti [x0 , . . . , xk ]f si zasluijo svoje ime. Povejmo ga za
sploneji nabor indeksov.
12
12
x1
x2
x3
x4
x5
x1
x2
x3
x4
x5
Slika 2.3. Dodajani popravki
(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
Denicija 2.1. Naj bo p Pk interpolacijski polinom stopnje k, ki se s

funkcijo f ujema v tokah xi , xi+1 , . . . , xi+k . Vodilni koecient polinoma p
oznaimo kot [xi , . . . , xi+k ]f in mu reemo k -ta deljena diferenca funkcije f
(na tokah xi , xi+1 , . . . , xi+k ).
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.
Zgled 2.6. Naj bo f C ([a, b]) dana funkcija in p P1 premica, ki se z f

ujema v dveh razlinih tokah xi , xi+1 [a, b],
p(x) = f (xi ) +
f (xi+1 ) f (xi )
(x xi ).
xi+1 xi
Njen vodilni koecient, prva deljena diferenca, je
[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.
Zgled 2.7. Naj bo f (x) = xr , r k, r N0 . Tedaj je
[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
f (xj ) [xi , . . . , xi+k ]`j =
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
To potrjuje obliko (2.5).

V deniciji 2.1 nismo zahtevali, da so toke xj med seboj razline. Vkljuili smo tudi monost, da se interpolacijski polinom p in f ujemata v tokah
vekratno. Zgleda 2.3 in 2.4 kaeta, da ima takna raziritev verjetno smisel.
Zato je na mestu, da natanno povemo, kaj razumemo kot vekratno ujemanje
v danih tokah.
Denicija 2.2. Naj bo

x := (xj )i+k
j=i ,
a xi xi+1 xi+k b,
nepadajoe zaporedje tok in f dovoljkrat zvezno odvedljiva funkcija. Skritev

f na to zaporedje
f| := (fj )i+k
j=i
x
je dano z
fj := f (r) (xj ) ,
r := max{m | j m i, xjm = xj }.
Dve dovoljkrat zvezno odvedljivi funkciji f in g se ujemata v tokah x , e se

ujemata njuni skritvi
f| = g| .
x
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 ,
torej za ta primer razirimo denicijo deljene diference z
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
[xi , . . . , xi+k ] : f [xi , . . . , xi+k ]f ,

zaenkrat strogo gledano le za med seboj razline toke xj .
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.
Izrek 2.4. Deljena diferenca [xi , . . . , xi+k ] je linearen funkcional,

[xi , . . . , xi+k ](f + g) = [xi , . . . , xi+k ]f + [xi , . . . , xi+k ]g .
Dokaz. Naj bo p Pk polinom, ki se v tokah xi , xi+1 , . . . , xi+k ujema z f in

q Pk polinom, ki se v istih tokah ujema z g . Polinom p + q se v teh
tokah ujema z f + g .
Izrek 2.5 (Leibnizevo pravilo). Naj bo f produkt dveh funkcij, f = g h. Velja

(2.7)
[xi , . . . , xi+k ]f =
i+k
X
[xi , . . . , x` ]g [x` , . . . , xi+k ]h .
`=i
Dokaz. Polinom
p1 (x) :=
i+k
X
(x xi )(x xi+1 ) (x xr1 )[xi , . . . , xr ]g
r=i
86
2. INTERPOLACIJA
se v tokah xi , xi+1 , . . . , xi+k ujema z g , polinom
p2 (x) :=
i+k
X
(x xi+k )(x xi+k1 ) (x x`+1 )[x` , . . . , xi+k ]h
`=i
se v tokah xi+k , xi+k1 , . . . , xi ujema s h. Njun produkt, polinom p := p1 p2 ,

se torej v tokah xi , xi+1 , . . . , xi+k ujema z f . Zanj ugotovimo
(2.8)
p(x) = p1 (x) p2 (x) =
i+k X
i+k
X
r,` (x) [xi , . . . , xr ]g [x` , . . . , xi+k ]h.
r=i `=i
Z r,` smo oznaili polinom
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,` (x) [xi , . . . , xr ]g [x` , . . . , xi+k ]h,
r=i `=r
v tokah xi , xi+1 , . . . , xi+k ujemati z f . Polinom q je oitno stopnje k in je

zato njegov vodilni koecient po deniciji deljene diference dan kot
[xi , . . . , xi+k ]f.

Po drugi strani vodilni koecient lahko izraunamo tudi iz (2.9). A v vsoti
(2.9) so le leni pri indeksih ` = r stopnje k , vsi drugi sumandi so nije. Ker
ima r,r vodilni koecient 1, je vodilni koecient q kar
i+k
X
[xi , . . . , x` ]g [x` , . . . , xi+k ]h .
`=i
To potrjuje (2.7).
Zgled 2.10. Naj bo f odrezana potenca (1.5, str. 16) oblike

f (x) = (x t)k1
+
in k 2. Ker je (x t)k1
= (x t)(x t)k2
+
+ , si lahko pri izraunu
[xi , . . . , xi+k ]f nekoliko pomagamo z Leibnizevim pravilom. Ker je
[xi ]( . t) = xi t, [xi , xi+1 ]( . t) = 1

in so vse deljene diference linearne funkcije ( . t) na ve tokah enake ni, je
[xi , . . . , xi+k ]( . t)k1

=(xi t)[xi , . . . , xi+k ]( . t)k2
+
+ +
(2.10)
+ [xi+1 , . . . , xi+k ]( . t)k2

+ .
Ne izgleda obetavno, a eksponent v odrezani potenci smo uspeli zmanjati.
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
Deljena diferenca oitno ni omejena, ko 0. Ker f ni zvezno odveljiva v

0, prva deljena diferenca ni dobro denirana, e toki 0 in sovpadata. To
razloi omejitev funkciji f v sledei lastnosti deljenih diferenc, ki je kljuna pri
praktinem raunanju.
Izrek 2.6 (Rekurzivna formula). Naj bo f C k ([a, b]) in

xj [a, b],
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 =
[xi , . . . , xs1 , xs+1 , . . . , xi+k ]f [xi , . . . , xr1 , xr+1 , . . . , xi+k ]f

, xr 6= xs ,
xr xs
ko sta vsaj dve toki razlini.
=
Dokaz. Trditev za (k + 1) enakih tok sledi iz zgleda 2.9. Rekurzivno formulo

(2.12) bomo dokazali v dokazu izreka 2.9.
Zgled 2.11. Nadaljujmo z zgledom (2.10). Naj bo xi 6= xi+k . e uporabimo
rekurzivno formulo (2.12) v (2.10) za prvi sumand na desni strani enakosti,

dobimo
[xi , . . . , xi+k ]( . t)k2

=
+
=
k2
.
[xi , . . . , xi+k1 ]( . t)k2
+ [xi+1 , . . . , xi+k ]( t)+
xi xi+k
in od tod iz (2.10) eno znamenitejih rekurzij v numerini analizi, imenovano

po avtorjih Coxu in de Booru,
(xi+k xi )[xi , . . . , xi+k ]( . t)k1

=
+
(2.13)
= (t xi )[xi , . . . , xi+k1 ]( . t)k2

+ +
+ (xi+k t)[xi+1 , . . . , xi+k ]( . t)k2
+ .
K vsebini te rekurzije se bomo e vrnili. Sledi e ena lastnost deljenih

diferenc.
88
2. INTERPOLACIJA
Izrek 2.7. Naj bo dano nepadajoe zaporedje tok

x := (xj )i+k
j=i ,
xi xi+1 xi+k ,
in naj bo f dovoljkrat zvezno odvedljiva funkcija, da je skritev f| = (fj )i+k

j=i
x
denirana. Deljena diferenca [xi , . . . , xi+k ]f je linearna funkcija vektorja f| .
x
Obstajajo torej skalarji dj , j = i, i + 1, . . . , i + k , odvisni le od tok x , a ne od
funkcije f , da velja
i+k
X
[xi , . . . , xi+k ]f =
dj fj .
j=i
Dokaz. Dokaimo z indukcijo na velikost vektorja x . Za k = 0 trditev oitno

dri. Pravzaprav dri za poljuben k , e le velja xi = xi+1 = = xi+k . Naj
velja trditev za k 1 in naj bosta vsaj dve toki razlini, xi < xi+k . Po
induktivni predpostavki je za neke konstante d0j , d00j , neodvisne od f ,
[xi , . . . , xi+k1 ]f =
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
Uporabimo rekurzivno enabo (2.12) ter induktivni predpostavki,

i+k
X
d0j d00j
fj ,
[xi , . . . , xi+k ]f =
xi xi+k
j=i
in s tem potrdimo trditev izreka.

Sledi integralska reprezentacija deljene diference.
Izrek 2.8 (Hermite-Genocci). Naj bo f C k ([a, b]) in

xj [a, b],
j = i, i + 1, . . . , i + k .
Deljeno diferenco [xi , . . . , xi+k ]f zapiemo v integralski obliki kot

(2.14)
[xi , . . . , xi+k ]f =
Z1
=
dt1
0
tZk1
Zt1
f (k) (tk xi+k1 + tk1 xi+k2 + + t1 xi + xi )dtk .
dt2
0
Dokaz. e so vse toke enake, xj = xi , j = i + 1, i + 2, . . . , i + k , je

xi = xi+1 = = xi+k1 = 0
89
in se desna stran (2.14) poenostavi v
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
Novo integracijsko spremeljivko u smo uvedli z u := t1 xi + xi . Po zgledu 2.6

je tako trditev za k = 1 v celoti preverjena. Naj trditev izreka sedaj velja za
vse deljene diference na kvejemu k tokah in pokaimo, da velja tudi na k + 1
tokah. e je vseh k + 1 tok enakih, to e vemo. Naj bosta vsaj dve razlini.
Po izreku 2.3 lahko privzamemo, da sta to xi+k1 in xi+k in preoblikujmo
desno stran enabe (2.14). Zamenjajmo integracijsko spremenljivko tk s ,
= tk xi+k1 + tk1 xi+k2 + + t1 xi + xi ,
d = xi+k1 dtk .
Nova spodnja meja integracije je
0 = tk1 xi+k2 + + t1 xi + xi ,
zgornja pa
1 = tk1 (xi+k1 + xi+k2 ) + tk2 xi+k3 + + t1 xi + xi .

Torej
xi+k1
1
xi+k1
d
=
xi+k1
tZk2
Z1
f (k) ()
dt2
dt1
Z1
Zt1
Z1
f (k1) (1 ) f (k1) (0 ) dtk1 =
dt1
0
0
tZk2
Z1
f (k1) (tk1 (xi+k xi+k2 ) + + xi )dtk1
dt1
0
1
xi+k1
0
tZk2
Z1
f (k1) (tk1 xi+k2 + + t1 xi + xi )dtk1 =
dt1
0
[xi , . . . , xi+k2 , xi+k ]f [xi , . . . , xi+k2 , xi+k1 ]f

=
,
xi+k xi+k1
zadnje po induktivni predpostavki. Po rekurzivni formuli (2.12) je ta razlika
enaka [xi , . . . , xi+k ]f in dokaz je zakljuen.
90
2. INTERPOLACIJA
Nanizajmo oitne posledice Hermite-Genoccijeve formule.
Posledica 2.1. Naj bo f C k ([a, b]) in xj [a, b], j = i, i + 1, . . . , i + k.
Tedaj:
deljena diferenca [xi , . . . , xi+k ]f je zvezna funkcija argumentov xj .

veljata oceni
1
1
min f (k) (x) [xi , . . . , xi+k ]f
max f (k) (x) .
k! x[a,b]
k! x[a,b]
obstaja min xi , max xi , da velja

i
[xi , . . . , xi+k ]f =
1 (k)
f () .
k!
Sledi izrek, ki poda razvoj dovolj gladke funkcije v interpolacijski polinom

in ostanek. Rezultat lahko razumemo kot posploitev razvoja v Taylorjevo
vrsto z ostankom v zakljueni obliki.
Izrek 2.9. Naj bo f C n+1 ([a, b]) in naj bodo x = (xi )ni=0 , xi [a, b],
interpolacijske toke, ne nujno med seboj razline. Tedaj je
f (x) = pn (x) + (x x0 )(x x1 ) (x xn )[x0 , . . . , xn , x]f , x [a, b],
kjer je
pn (x) =
n
X
(x x0 )(x x1 ) (x xi1 )[x0 , . . . , xi ]f
i=0
interpolacijski polinom, ki se z f ujema v tokah x .

Dokaz. Pokaimo to z indukcijo. Za n = 0 ugotovimo, ob predpostavki x 6= x0 ,
f (x) = f (x0 ) + (x x0 )
f (x) f (x0 )
,
x x0
in trditev velja. Velja tudi v primeru x = x0 , saj je f C 1 ([a, b]), torej je

xx
f (x) = f (x0 ) + (x x0 ) [x0 , x]f 0 f (x0 ) + (x0 x0 )
f 0 (x0 )
= f (x0 ).
1!
Naj sedaj trditev izreka velja za k < n,
f (x) = pk (x) + (x x0 )(x x1 ) (x xk )[x0 , . . . , xk , x]f .

Denirajmo funkcijo g , g(x) := [x0 , . . . , xk , x]f . Ker je n k 1, je po
Hermite-Genoccijevi formuli, izreku 2.8, funkcija g vsaj zvezno odvedljiva. Torej za g velja potrjena zaetna formula, pri n = 0. Zamenjajmo v njej oznako
toke x0 xk+1 in dobimo
g(x) = g(xk+1 ) + (x xk+1 )[xk+1 , x]g =

(2.15)
= [x0 , . . . , xk+1 ]f + (x xk+1 )[xk+1 , x] [x0 , . . . , xk , . ]f .
91
Tu deljena diferenca [xk+1 , x] deluje kot diferenca na argumentu . v izrazu,

ki ji sledi. e vstavimo izraz za g iz (2.15) v izraavo f , dobimo
(2.16)
f (x) = pk (x) + (x x0 )(x x1 ) (x xk ) [x0 , . . . , xk+1 ]f +
+ (x xk+1 )[xk+1 , x] [x0 , . . . , xk , . ]f =
= pk+1 (x) + (x x0 )(x x1 ) (x xk+1 )[xk+1 , x] [x0 , . . . , xk , . ]f .
Polinom q v spremenljivki y ,
q(y) := pk+1 (y) + (y x0 )(y x1 ) (y xk+1 )[xk+1 , x] [x0 , . . . , xk , . ]f
je stopnje k + 2 v y . Toda q se v k + 2 tokah xj ujema z f ,
q(xj ) = pk+1 (xj ) + 0 = f (xj ),
j = 0, 1, . . . , k + 1,
a po konstrukciji f v (2.16), ki izhaja iz induktivne predpostavke, tudi v y = x.

Torej je vodilni koecient q enak [x0 , . . . , xk+1 , x]f in
q(y) = pk+1 (y) + (y x0 )(y x1 ) (y xk+1 )[x0 , . . . , xk+1 , x]f.

Zato dejstvo f (x) = q(x) potrdi veljavnost izreka tudi pri k + 1 in po indukciji
trditev izreka. Hkrati iz oblike f v (2.16) ugotovimo identiteto
[xk+1 , x] [x0 , . . . , xk , . ]f = [x0 , . . . , xk+1 , x]f,

ki ob izbiri x 6= xk+1 dokazuje tudi rekurzivno formulo (2.12) za izraun deljenih diferenc.
Posledica 2.2. Naj bo f C n+1 ([a, b]) in pn interpolacijski polinom, ki se v

n + 1 tokah xi [a, b] ujema z f . Za vsak x [a, b] obstaja taken x [a, b],
da razliko f (x) pn (x) lahko izrazimo kot
1
f (x) pn (x) = (x x0 )(x x1 ) (x xn )
f (n+1) (x ).
(n + 1)!
Rekurzivno enabo za izraun deljenih diferenc lahko zapiemo tudi sploneje.
Posledica 2.3. Naj bo f dovoljkrat zvezno odvedljiva. Velja
(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 &
..
.
..
.
Tabela 2.1. Shema tabele deljenih diferenc
Zgled 2.12. Vzemimo funkcijo f (x) = ln(x) in jo na [1, 2] aproksimirajmo s

kubinim interpolacijskim polinomom, ki se z f dvojno ujema v obeh krajiih.
Torej je zaporedje interpolacijskih tok dano z x = (x0 , x1 , x2 , x3 ) = (1, 1, 2, 2).
Tabela 2.2 kae izraunane deljene diference. Pripadajoe bazne funkcije so
[ . ]f
1
[ . , . ]f
[ . , . , . ]f
[ . , . , . , . ]f
0.306853
0.193147
0.113706
1
1
0
0.693147
2 0.693147
0.5
2 0.693147
Tabela 2.2. Tabela deljenih diferenc pri interpolaciji ln(x)
1, x 1, (x 1)2 , (x 1)2 (x 2).

Interpolacijski polinom v prvi Newtonovi obliki je dan kot
p(x) = 1 0 + (x 1) (1 + (x 1) (0.306853 + (x 2) 0.113706)).

e obrnemo vrstni red tok, (2, 2, 1, 1), dobimo drugo Newtonovo obliko
p(x) = 1 0.693147 + (x 2) (0.5 + (x 2) (0.193147 + (x 1) 0.113706)).

Na primer v x = 32 izraunamo p( 32 ) = 0.409074 ln 32 = 0.405465. S kubinim polinomom smo doloili pravo vrednost na dve mesti natanno (na 1 %
natanno).
93
Ko so deljene diference izraunane, vrednost interpolacijskega polinoma v

Newtonovi obliki dobimo po Hornerjevemu postopku v linearnem asu.
Algoritem 2.1:
Podatki so toke x0 , x1 , . . . , xn in deljene diference

ai = [x0 , . . . , xi ]f,
i = 0, 1, . . . , n.
n
P
V toki x izaunamo vrednost p(x) =
(x x0 )(x x1 ) (x xi1 ) ai
i=0
kot p(x) = b0 (x).
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) =
[x, x0 , . . . , xi1 ]p [x0 , . . . , xi ]p

bi (x) ai
=
= [x, x0 , . . . , xi ]p
x xi
x xi
indukcija potrdi, da velja bi (x) = [x, x0 , . . . , xi1 ]p za vse i. To pomeni, da

koecienti bi (x) doloajo razvoj istega interpolacijskega polinoma p, a v drugi
bazi. To uporabimo, e elimo prevesti polinom p iz ene v drugo bazo.
Zgled 2.13. Nadaljujmo prejnji zgled in razvijmo interpolacijski polinom p
v Taylorjev polinom okoli toke 23 = 1.5 . Ko jo dodamo prvi, dobimo v

stolpcu [ . ]f vrednost p (1.5). Ko toko dodamo drugi, se prvi stolpec ne
spremeni ve, v drugem pa dobimo [1.5, 1.5]p = 1!1 p0 (1.5) itd. Toko 1.5 je
treba dodati le trikrat, saj se vodilni koecient polinoma p ne spreminja.
[ . ]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. Prevedba interpolacijskega polinoma v novo bazo
Tabela 2.3 kae, kako numerino tee prevedba. Rezultat je polinom p, zapisan
94
2. INTERPOLACIJA
v Taylorjevi obliki,
p(x) = 0.409074 + (x 1.5) (0.664721+

+ (x 1.5) (0.25 + (x 1.5) 0.113706)) .
V praktini uporabi se izogibamo polinomom visokih stopenj. Razlog je
tudi v tem, da interpolacijski polinomi na ve tokah ne dajo nujno tudi bolje
aproksimacije, kot bomo videli v razdelku, ki sledi. Zato je tevilo podatkov
n + 1 lahko tudi zelo veliko, a se omejimo na primer na interpolacijo s kubinimi polinomi. Podatki, ki jih upotevamo, temeljijo na tokah, ki so najblije
argumentu x, pri katerem raunamo vrednost. e uporabljamo polinome stopnje k , v tabeli deljenih diferenc potrebujemo le k + 1 stolpcev. Toke
pred pripravo tabele uredimo, na primer x0 x1 xn . Za dani x z
bisekcijo asovne zahtevnosti O (log n) doloimo k + 1 argumentu x najblijih
tok, torej indeks i, ki pove, da naj interpolacijski polinom temelji na tokah
xj , j = i, i+1, . . . , i+k . Nato uporabimo tem podatkom prirejen algoritem 2.1.
2.3. Iterativna interpolacija. V numerinem raunanju sreamo tudi

iterativno interpolacijo, ki temelji na podobnem preudarku, omejitvi na polinome nizkih stopenj. Konstrukcija sloni na zaporedju linearnih interpolacij.
Naj bo f C ([a, b]) in toke xij [a, b], j = 0, 1, . . . , vse med seboj razline
ter oznaimo s pi0 ,i1 ,...,ik1 ,ik interpolacijski polinom, ki se z f ujema v tokah
xi0 , xi1 , . . . , xik1 , xik . Vrednost tega polinoma lahko izraunamo iz
pi0 ,i1 ,...,i ,i (x) x xi

1
k1
k2 k1
(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),
lahko, z upotevanjem novega podatka xik+1 , f xik+1 , prepiemo (2.19) v

novo zaporedje polinomov, ki bo temeljilo na tokah
xi0 , xi1 , . . . , xir1 , xir+1 , . . . , xik , xik+1 , 0 r k + 1.
asovna
posameznega koraka je O (k), zaetna predpriprava zah zahtevnost
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)
Tabela 2.4. Shema Nevilleovega koraka za k = 3
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)
Tabela 2.5. Shema Aitkenovega koraka za k = 3
2.4. Newtonov interpolacijski polinom in ekvidistantne toke.
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
x xj = (x0 + h t) (x0 + j h) = h(t j),

torej
(x x0 )(x x1 ) (x xi1 ) = hi (t 0)(t 1) (t (i 1)) =
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
Oznaimo z fj := f (xj ) = f (x0 + j h) in izpeljali smo prvo Newtonovo obliko

interpolacijskega polinoma za ekvidistantne toke,
(2.21)
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
Z i smo oznaili premo konno diferenco na i + 1 tokah (ali indeksih), pri

splonem indeksu r prve upotevane funkcijske vrednosti fr denirano kot

i
X
ij i
fr :=
(1)
fr+j .
j
i
j=0
Da je ime konna diferenca upravieno, se preprosto prepriamo. Oitno je

0
X
0j 0
fr =
(1)
fr+j = fr .
j
0
j=0
Naj bo i 1. Iz lastnosti binomskih simbolov

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
Tabela 2.6. Shema izrauna premih konnih diferenc
Podobno kot v (2.20) ugotovimo
(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
((j)h (r)h) = hi (1)j j! (i j)!
r=0
r6=j
in deljeno diferenco zapiemo kot

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
Interpolacijski polinom v drugi Newtonovi obliki za ekvidistantne toke je

X

n
i
X
i t
j i
p(x) = p(x0 + h t) =
(1)
(1)
fj =
i
j
i=0
j=0
(2.23)

n
X
i t
=
(1)
i f0 .
i
i=0
Diferenci pravimo obratna konna diferenca. Za sploni zaetni indeks r je

denirana z

i
X
i
j i
(2.24)
fr :=
(1)
frj .
j
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
Tabela 2.8. Eksponentna konvergenca za ex in divergenca v
Rungejevem primeru
Zgled 2.15 (Runge). Vzemimo funkcijo f (x) = (1 + 25x2 )1 na intervalu
[1, 1] in interpolacijske toke kot v prejnjem zgledu. Numerini rezultati

kaejo, da kf pn k verjetno neomejeno raste, ko n . In to kljub temu,
da je f v okolici [1, 1] C analitina. Dokaz divergence, ki je kar dolg,
najdemo v mnogih knjigah s tega podroja in ga bomo preskoili.
Vpogled v ozadje obeh zgledov nam da preprosta neenakost.
Izrek 2.10 (Lebesgueova neenakost). Naj bo X normiran vektorski prostor z

normo k . k, S X njegov podprostor in P : X S linearni projektor. Tedaj
99
za vsak f X velja ocena

kf P f k (1 + kP k) inf kf sk = (1 + kP k) dist(f, S) .
sS
Dokaz. Ker je P linearni projektor, je P s = s za vsak s S . Torej je

kf P f k = k(f s) P (f s)k = k(I P )(f s)k (1 + kP k)kf sk.
Leva stran neenakosti ni odvisna od s, zato lahko na desni vzamemo inmum
po vseh s S .
e v uvodnem delu, razmisleku o Lagrangeevi obliki interpolacijskega polinoma (2.2, str. 81), smo ugotovili, da je polinomska interpolacija
n
In : C ([a, b]) Pn : f 7 In f := In f (xi ) = f (xi )
,
i=0
linearni projektor. Torej zanj velja Lebesgueova neenakost, izrek 2.10,
kf In f k (1 + kIn k ) dist (f, Pn ) .

Ocena napake interpolacije je sestavljena iz dveh faktorjev.
Drugi,
dist (f, Pn ), po Weierstrassovem izreku 1.1 (str. 18) konvergira proti 0, ko
n raste. A Rungejev zgled kae, da mora norma kIn k z n rasti hitreje. Ker
je
kIn f k
kIn k = sup
= sup kIn f k ,
f 6=0 kf k
kf k =1
morajo na enotski sferi obstajati funkcije, za katere norma interpolacijskega
polinoma z n raste. Rungejev zgled funkcije je e taken.
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) :=
|ì (x)|
Tedaj je
i=0
Lebesgueova funkcija.
Dokaz. Izberimo f C ([a, b]). Ker so interpolacijske toke razline, lahko

interpolacijski polinom zapiemo v Lagrangeevi obliki
n
n
X
Y
x xj
In f =
f (xi )ì , ì (x) =
.
xi xj
i=0
j=0
j6=i
Torej za x [a, b] dobimo
n
X
X
|In f (x)| =
f (xi )ì (x)
|f (xi )||ì (x)|
i=0
kf k
i=0
n
X
i=0
|ì (x)| kf k kn k .
100
2. INTERPOLACIJA
Desna stran ni odvisna od x, zato na levi lahko vzamemo maksimum po vseh

x [a, b]. To da oceno kIn f k kf k kn k . Od tod za f 6= 0 sledi
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
|ì (
x)|.
i=0
Seveda v C ([a, b]) vedno lahko najdemo funkcijo g, kgk = 1, takno, da je

g(xi ) = sgn (ì (
x)) , i = 0, 1, . . . , n. Torej je |ì (
x)| = g(xi )ì (
x) in
kn k = n (
x) =
n
X
|ì (
x)| =
i=0
n
X
g(xi )ì (
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.
e so toke ekvidistantne, kn k raste kot

kn k
2n+1
, ko n .
e n log n
e so toke ebieve, torej nile ebievih polinomov Tn , preslikanih

na [a, b], za kn k velja ocena
2
2
log(n + 1) + 0.9625 < kn k < log(n + 1) + 1.
Ne obstaja zaporedje naborov interpolacijskih tok, za katero bi bilo

zaporedje (kn k )n0 enakomerno omejeno.
Naj bo f C ([a, b]) absolutno zvezna. Zaporedje interpolacijskih
polinomov, konstruiranih na ebievih tokah, konvergira k f enakomerno.
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
ì (x) 1,
i=0
kjer so ì (x) := `n,i (x) :=
n
Y
x xj
x
j=0 i
j6=i
xj
101
Lagrangeevi bazni polinomi.
2.2. Dana je mnoica tok

A = {x0 , x1 , . . . , xn }
in njena podmnoica B = {w0 , w1 , w2 } A. Naj bo f funkcija in pi Pn2
interpolacijski polinom za f na mnoici (A \ B) {wi }. S pomojo polinomov
pi poii polinom p Pn , ki bo interpolacijski za f na vsej mnoici A.
2.3. Naj bo
(a, x, y) = a0 + a1 x + a2 y + a3 x2 + a4 xy + a5 y 2 ,
a = (ai )5i=0 .
Poii mnoico estih tok (xi , yi ) R2 , za katere interpolacijski problem

(a, xi , yi ) = zi , i = 1, 2, . . . , 6, ni korekten. Tu so zi R poljubne vrednosti.
2.4. Dana je funkcija f C 1 ([x0 , xn ]) in toke x0 < x1 < < xn . Poii

polinome Ai , Bi P2n+1 , da bo
p2n+1 =
n
X
f (xi )Ai +
n
X
i=0
f 0 (xi )Bi
i=0
Hermiteov interpolacijski polinom, torej polinom, ki se z dano funkcijo ujema

dvojno,
p02n+1 (xi ) = f 0 (xi ),
p2n+1 (xi ) = f (xi ),
i = 0, 1, . . . , n.
Pomagaj si z Lagrangeevimi baznimi polinomi.
2.5. Dana je funkcija f (x) =

katerega velja
4
. Poii interpolacijski polinom p P5 , za
1+x
p(0) = f (0),
p0 (0) = f 0 (0),
p00 (0) = f 00 (0),
p(1) = f (1),
p0 (1) = f 0 (1),
p00 (1) = f 00 (1).
Izraunaj njegovo vrednost v toki x =
1
2
in im bolje oceni napako
max |f (x) p(x)|.
x[0,1]
2.6. Poii polinom im nije stopnje, za katerega velja

p(0) = 1, p0 (0) = 2, p00 (0) = 3, p(1) = 1, p0 (1) = 3, p(2) = 4.
2.7. Poii splono formulo za vrednost deljene diference [x0 , x1 , . . . , xn ]f za

funkcijo f (x) =
i 6= j .
x
, kjer so toke v diferenci paroma razline, xi 6= xj , e je
1+x
102
2. INTERPOLACIJA
2.8. Naj bodo xi , i = 0, 1, . . . , n, paroma razline toke. Dokai, da velja

n
X
f (xi )
[x0 , x1 , . . . , xn ]f =
,
0 (xi )
i=0
kjer je (x) :=
n
Y
(x xi ) in 0 =
i=0
d
.
dx
2.9. Naj bodo xi , i = 0, 1, . . . , n, paroma razline toke. Dokai, da velja

[x0 , x1 , . . . , xn ]f =
1
2 i
f (z)
dz ,
(z)
kjer je sklenjena krivulja, ki enkrat obkroi toke xi v pozitivnem smislu in

je funkcija f na tem obmoju analitina.
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
2.11. Funkcijo f (x) = sin(x) interpoliramo v tokah 0,

pako pri Lagrangeevi in Hermiteovi interpolaciji.

,
. Oceni na12 6
2.12. Gladko funkcijo f interpoliramo s polinomom p v tokah x0 , x1 , . . . , xn ,
ki so paroma razline in niso nujno urejene po velikosti. Naj bo
h := max|xi+1 xi |
i
in I najmanji interval, ki vsebuje vse toke. Dokai oceno
kf pk,I
kf (n+1) k n+1
h
.
4(n + 1)
2.13. Podane so naslednje vrednosti gladke funkcije f :

x:
f (x) :
0 0.2 0.4 0.6 0.8 1

1 3
S pomojo interpolacijskega polinoma izraunaj pribliek za vrednost f (0.5).
2.14. Naj bodo xi = x0 + i h, i = 0, 1, . . . , n, ekvidistantne toke. Dokai, da

velja:
(a) n f (x0 ) = n f (xn ),
n
X
n
n
(b) f (x` ) =
(1)j f (x`j ).
j
j=0
2.15. Naj bodo xi = x0 + i h, i = 0, 1, . . . , n, ekvidistantne toke. Poenostavi

Lagrangeev bazni polinom ì v zakljueni obliki za ta primer.
103
2.16. Naj bo p P2m interpolacijski polinom na 2m+1 ekvidistantnih tokah
xi = x0 + i h, i = m, m + 1, . . . , 1, 0, 1, . . . , m. Izpelji prvo Gaussovo

formulo
m
X
t + i 1 2i1
t + i 1 2i
p(x0 + t h) = f0 +
f0 .
f1 +
2
2i 1
2i
i=1
Operator je deniran kot fk := fk+ 1 fk 1 in fk := f (xk ).

2
2.17. Dana je pravokotna mrea

T = {(xi , yj ) | 0 i n, 0 j m},
kjer velja x0 < x1 < < xn in y0 < y1 < < ym . Poii interpolacijski
polinom p(x, y), ki se z dano funkcijo f ujema na T . Zapii ga v Lagrangeevi
in Newtonovi obliki. Dokai, da je enolien.
104
2. INTERPOLACIJA
3. Odsekoma polinomske funkcije

3.1. Prostor odsekoma polinomskih funkcij. Odsekoma polinomske
funkcije so danes najpogosteje uporabljano orodje v aproksimaciji funkcij, a

tudi krivulj, ploskev ipd., e le odstopimo od zahteve, da mora biti aproksimativna funkcija dana v zakljueni obliki glede na parametre, ki jo doloajo. Za
razliko od polinomov pri odsekoma polinomskih funkcijah doseemo potrebno
kakovost aproksimacije z veanjem tevila odsekov, ne pa z vianjem stopnje
polinoma, ki ga uporabimo. Najpogosteje poseemo po nizki stopnji polinoma,
na primer 3, 4, . . . Naj bo [a, b] R dan interval in x := (xi )ni=0 njegova delitev,
(2.25)
a =: x0 < x1 < . . . < xn := b.
Tokam xi reemo stine toke, saj se v njih stikajo nosilci polinomskih delov f|
Pk . Velikost posameznega podintervala obiajno oznaimo z
(xi ,xi+1 )
xi = xi+1 xi , najveji podinterval doloa velikost delitve

x :=
max
0in1
xi .
Sosednje polinomske odseke poveemo s pogoji zveznosti v notranjih stinih

tokah. Na primer zahtevamo, da ima odsekoma polinomska funkcija v xi zveznih prvih i 1 odvodov. Za tevilo pogojev, i N0 , velja 0 i k +1. e
je i = 0, polinomska dela, katerih nosilca se v xi stikata, nimata ni skupnega,
za i = 1 je odsekoma polinomska funkcija v xi zvezna. Najveji i = k + 1
pove, da se oba polinomska dela povsem ujemata in xi je odpravljiva stina
toka. Vasih je treba odsekoma polinomsko funkcijo spremljati tudi kot funkcijo delitve x in postanejo stine toke premalo prona delitev polinomskih
odsekov. Kaj se zgodi, e na primer xi 0, torej en polinomski odsek izgine? Zato vpeljemo e pojem vozla. Vozel je stina toka, teta s kratnostjo, ki
jo naveemo na tevilo pogojev med sosednjima polinomskima deloma. Vozel
je r-kraten natanko takrat, ko ima odsekoma polinomska funkcija v pripadajoi stini toki k r zveznih odvodov. e v stini toki ne zahtevamo niti
zveznosti, je pripadajoi vozel (k + 1)-kraten. Po tem dogovoru je vozel lahko
tudi 0-kraten in to tedaj, ko ga v resnici ni, ker sta oba polinomska dela enaka.
Naj bo = (i )n1
i=1 vektor tevil pogojev v notranjih stinih tokah in poveimo polinomske dele. Prostor, ki ga dobimo, je prostor odsekoma polinomskih
funkcij stopnje k . Oznaimo ga s Pk,xx, ,
(2.26)
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 .
Njegovo dimenzijo doloimo preprosto,

(2.27)
dim Pk,xx, = n dim Pk
n1
X
i=1
i = n(k + 1)
n1
X
i=1
i .
2.3. ODSEKOMA POLINOMSKE FUNKCIJE
105
Zgled 2.16. Vzemimo za primer funkcijo
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.
Funkcija f je odsekoma kubini polinom (k = 3), s tirimi odseki. Stine toke

so
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
Slika 2.4. Primer odsekoma kubine funkcije
106
2. INTERPOLACIJA
Odsekoma polinomskim funkcijam, za katere velja
i = k,
i = 1, 2, . . . , n 1,
reemo zlepki (beseda zlepek se uporablja tudi v irem pomenu in oznauje

vse zvezne odsekoma polinomske krivulje). Kratnost vozlov v vseh notranjih
stinih tokah je k + 1 i = 1. Ker krajii intervala nista pravi stini
toki, saj le povesta, da se nosilni interval odsekoma polinomske funkcije tam
kona, lahko pri zlepkih uporabljamo oznaki stina toka in vozel enakovredno.
Prostor zlepkov oznaimo s Sk := Sk,xx , dimenzijo pa izraunamo iz (2.27) kot
dim Sk,xx = n(k + 1) (n 1)k = n + k.

Za izraavo odsekoma polinomskih funkcij sta na dlani dva naravna pristopa:
odsekoma (po podintervalih) in z uporabo baze prostora. V prvem pristopu
odsekoma polinomsko funkcijo na intervalu (xi , xi+1 ) zapiemo kot polinom
pi Pk , v drugem moramo poiskati e primerno bazo.
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 .
Red aproksimacije je preprosto doloiti. Spomnimo le na deniciji razmikov:

xi = xi+1 xi in x = max xi .
0in1
Izrek 2.12. Naj bo f C 2 ([a, b]). Tedaj velja ocena

1
kf I1 f k x2 kf (2) k .
8
Dokaz. Funkcijo f po izreku 2.9 (str. 90) lahko zapiemo kot

f (x) = I1 f (x) + (x xi )(x xi+1 )[xi , xi+1 , x]f .
107
Od tod za x [xi , xi+1 ] izpeljemo
|f (2) (i )|
(xi < i < xi+1 )

2!
kf (2) k
(x xi )(xi+1 x)
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 )|
Interpolacija I1 je linearni projektor, saj je oitno linearna preslikava, ki na

vsakem od podintervalov (xi , xi+1 ) ohranja premice. Normo kI1 k doloimo
preprosto. Predpostavimo ponovno xi x xi+1 in ocenimo
xi+1 x
x xi
|I1 f (x)| = f (xi )

+ f (xi+1 )
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
Po drugi strani je kI1 k kIkf1 fkk za vsako funkcijo f 6= 0, torej tudi za

f = 1, za katero je kI1 f k = kf k = 1. Tako smo izpeljali kI1 k = 1. Po
Lebesgueovi neenakosti, izrek 2.10 (str. 98), od tod sledi
Posledica 2.4. Za f C ([a, b]) velja

kf I1 f k 2 dist (f, S1,xx ) .
Torej I1 f aproksimira f kvejemu dvakrat slabe kot je najbolje mogoe.
Interpolacija I1 je optimalnega reda, saj velja (1.2, str. 15).
Poglejmo si e zgled aproksimacije po metodi najmanjih kvadratov v S1,xx .
Aproksimiramo funkcije iz C ([a, b]), s skalarnim produktom
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
L1 : C ([a, b]) S1,xx , f 7 L1 f := f L1 f S1,xx .
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
kjer smo privzeli x1 := 0 in xn := 0. Za obdiagonalne elemente ugotoxi+1 x

vimo, z zamenjavo integracijske spremenljivke x t =
,
xi+1 xi
x
Zi+1
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
Opazimo, da so vse od ni razline vrednosti matrike G pozitivne ter da so

elementi na glavni diagonali dvakrat veji kot oba izvendiagonalna skupaj.
Matrika je zato strogo diagonalno dominantna. Brez dokaza povejmo e, da je
tudi totalno pozitivna, kar pomeni, da so vsi minorji nenegativni. Pri reevanju sistemov s taknimi matrikami vedno uporabljamo Gaussovo eliminacijo
109
brez pivotiranja. Desna stran normalnega sistema je dana z b = (hHi , f i)ni=0 .

Ocenimo sedaj e velikost projektorja L1 .
Izrek 2.13. Naj bo L1 : C ([a, b]) S1,xx projektor aproksimacije po metodi

najmanjih kvadratov. Tedaj je kL1 k 3 .
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
je setevek ploin dveh trikotnikov. Uporabimo e |`1 | |` |, saj je |` | po

predpostavki najveji, in dobimo oceno
3
1
|` | |` | + kf k .
2
2
Torej je |` | 3kf k . Sledi kL1 f k max |i | 3kf k in zato kL1 k 3.
Izrek je dokazan.
0in
Posledica 2.5. Naj bo f C ([a, b]). Tedaj je

kf L1 f k 4 dist (f, S1,xx ) .
Izreka 2.12 in 2.13 ter posledici 2.4 in 2.5 kaeta, da so zvezne odsekoma
linearne funkcije po aproksimativni moi vsaj tako dobre kot polinomi.
110
2. INTERPOLACIJA
3.3. Kubini zlepki. Kubini zlepki so odsekoma polinomske funkcije,

ki jih v praktini uporabi sreamo morda najpogosteje. Naj [a, b] spet oznai
interval in (xi )ni=0 , a = x0 < x1 < . . . < xn = b njegovo delitev. Kubini
zlepek f S3,xx je dvakrat zvezno odvedljiva funkcija, ki je na vsakem od
podintervalov (xi , xi+1 ) polinom stopnje 3.
Interpolacija je prva naloga, ki si jo bomo ogledali. Iemo kubini zlepek,
ki se v tokah xi ujema z dano funcijo f . Izrazimo ga odsekoma. Naj bo
[xi , xi+1 ] dani podinterval in polinom pi P3 skritev zlepka na ta interval.
Ker se pi v krajiih podintervala ujema z f , velja
pi (xi ) = f (xi ) ,
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 ,
p0i (xi+1 ) = si+1 ,
kjer so si , i = 0, 1, . . . , n, e svobodni parametri. Izraunajmo tabelo deljenih

diferenc za simboline podatke, ki doloajo pi (tabela 2.9). Polinom pi , izraen
v prvi Newtonovi obliki, je
[xi , xi+1 ]f si
+
xi
si+1 + si 2[xi , xi+1 ]f
+ (x xi )2 (x xi+1 )
.
x2i
pi (x) = f (xi ) + (x xi )si + (x xi )2

(2.28)
Dorei je treba izbiro odvodov si . e je f v tokah xi podana dvojno, je
[ . ]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+1 + si 2[xi , xi+1 ]f

x2i
Tabela 2.9. Tabela deljenih diferenc podatkov za polinom pi
najprimerneje, da pri konstrukciji uporabimo tudi vrednost odvoda in izberemo
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
[xi , xi+1 ]f f 0 (xi )

+
xi
f 0 (xi+1 ) + f 0 (xi ) 2[xi , xi+1 ]f
+ (x xi )2 (x xi+1 )
x2i
pi (x) = f (xi ) + (x xi )f 0 (xi ) + (x xi )2
in dobimo povsem lokalno izraavo interpolanta.

Napako nam pove
izrek 2.9 (str. 90). Za f C 4 ([a, b]) in xi x xi+1 je
f (x) = pi (x) + (x xi )2 (x xi+1 )2 [xi , xi , xi+1 , xi+1 , x]f .

Tako dobimo oceno napake
|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
p00i1 (xi ) = p00i (xi ),
i = 1, 2, . . . , n 1.
Uporabimo izraavo (2.28) in dobimo
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
To nam da sistem linearnih enab oblike
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
Funkcijo f v robnih tokah poznamo dvojno, zato izberemo

s0 = f 0 (x0 ) ,
sn = f 0 (xn ) .
Zlepku, ki ga dobimo, reemo polni kubini interpolacijski zlepek.

Predpiemo, da sta v stinih tokah x1 in xn1 levi in desni polinomski
del enaka,
000
000
000
p000
0 (x1 ) = p1 (x1 ), pn2 (xn1 ) = pn1 (xn1 ) .
Predpiemo odvode na robu, na primer interpolacijski zlepek iemo

kot naravni ,
p000 (x0 ) = p00n1 (xn ) = 0 .
Glavni del sistema linearnih enab (2.29) ima strogo diagonalno dominantno matriko. Zato sistem reujemo z Gaussovo eliminacijo brez pivotiranja.
Zgled 2.17. Izberimo [a, b] = [0, 5] in ga ekvidistantno razdelimo na n = 3

podintervale doline xi = 53 . Konstruirajmo Lagrangeevo bazo za S3,xx . Prva
bazna funkcija naj ima odvoda s0 = 1 in sn = 0 ter vse vrednosti v stinih
tokah enake 0, druga naj ima oba robna odvoda enaka ni, vrednost v a = 0
enako 1 in vse druge vrednosti enake 0 itd. Slika 2.5 nazorno kae, da Lagrangeevi bazni zlepki padajo eksponentno stran od toke, v kateri doseejo
vrednost 1. Vpliv neodstranljivih napak v funkcijskih vrednostih torej zamre
eksponentno, lokalna nenatannost se pozna le lokalno. To je numerino zelo
zaelena lastnost, ki je pri polinomih ni.
1.0
0.8
0.6
0.4
0.2
1
-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,
I3 : C ([a, b]) S3,xx , f 7 I3 f := polni kubini interpolacijski zlepek.

V pomo nam bo naslednji izrek.
113
Izrek 2.14. Naj bo f C 2 ([a, b]). Tedaj je (f I3 f )00 S1,xx .

Dokaz. Naj bo funkcija g poljubna dvakrat zvezno odvedljiva funkcija. Razvijmo jo v Taylorjevo vrsto z ostankom v integralski obliki
Zx
g(x) = g(a) + g 0 (a)(x a) + (x t)g 00 (t) dt =
a
Zb
= g(a) + g 0 (a)(x a) +
(x t)+ g 00 (t) dt .
a
Deljena diferenca [xi1 , xi , xi+1 ] je linearen funkcional, z linearnimi funkcijami

v jedru. Tu tudi oitno komutira z integralom in dobimo
Zb
(2.30)
[xi1 , xi , xi+1 ]g = 0 +
[xi1 , xi , xi+1 ]( . t)+ g 00 (t) dt .
Naj bo sedaj g napaka interpolacije, g = e := f I3 f . Vsi funkcionali, ki

doloajo interpolacijske pogoje, preslikajo e v 0,
e0 (x0 ) = [x0 , x0 ]e = 0, e(xi ) = 0, i = 0, 1, . . . , n, e0 (xn ) = [xn , xn ]e = 0,

torej je po izreku 2.7 (str. 88) tudi
[xi1 , xi , xi+1 ]e = 0,
i = 0, 1, . . . , n, z x1 := x0 , xn+1 := xn .
Uporabimo to v (2.30) in dobimo

n
e00 L [xi1 , xi , xi+1 ]( . t)+ i=0 = e00 S1,xx ,
saj so funkcije [xi1 , xi , xi+1 ]( . t)+ proporcionalne funkcijam Hi (glej

(1.6, str. 16) in preveri),
Hi (x) = (xi+1 xi1 ) [xi1 , xi , xi+1 ]( . x)+ .
(2.31)
Posledica 2.6. Naj bo f C 2 ([a, b]). Tedaj je (I3 f )00 = L1 (f 00 ).

Dokaz. Naj bo g C ([a, b]). Po izreku 1.15 L1 g S1,xx enolino doloa relacija
g L1 g S1,xx . Izberimo g = f 00 in dokaz sledi iz izreka 2.14.
Uporabimo to za oceno napake interpolacije. Naj bo f C 2 ([a, b]) in
e := f I3 f . Na intervalu xi x xi+1 je
e(x) = e(xi ) + (x xi )[xi , xi+1 ]e + (x xi )(x xi+1 )[xi , xi+1 , x]e =

= 0 + 0 + (x xi )(x xi+1 )
Od tod dobimo
|e(x)|
e00 (i )
,
2!
xi < i < xi+1 .
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 .
Zadnja neenakost sledi iz 0 S1,xx . Naj za interpolirano funkcijo velja e

f C 4 ([a, b]). Ocena (2.32) se z uporabo izreka 2.12 izbolja v
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.
Izrek 2.15. Naj bo f C 2 ([a, b]). Napaka je reda O x2 , ko x 0,

1
kf I3 f k x2 kf 00 k .
2
Naj bo e f C 4 ([a, b]). Za napako velja ocena

kf I3 f k
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.
Zgled 2.18. Ponovimo zgleda (2.14) in (2.15), interpolacijo ex in Rungejeve
funkcije na [1, 1] z ekvidistantno izbranimi podatki. To pot uporabimo polni

kubini interpolacijski zlepek. Tabela 2.10 potrjuje priakovani red konvergence. Na eksponentni funkciji se kubini zlepki odreejo slabe kot polinomi,
a v Rungejevem primeru divergenco zamenja konvergenca etrtega reda. Ve
kot aproksimacijo etrtega reda kubini polinomi, torej tudi kubini zlepki, ne
morejo dosei.
3.4. B-zlepki. Izraava odsekoma polinomskih funkcij po podintervalih
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)
Hi (x) = (xi+1 xi1 )[xi1 , xi , xi+1 ]( . x)+ .
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
Tabela 2.10. Konvergenca polnega kubinega zlepka na pri-
meru eksponentne in Rungejeve funkcije
Otevilenje baznih funkcij z indeksom srednje stine toke v nosilcu za splono

stopnjo k morda ni primerno, saj lahko srednja stina toka sploh ne obstaja.
Zato bomo posloitev funkcij Hi indeksirali s prvo toko. Spomnimo se e
dokazov izreka 2.13 in izreka 2.14. Robni bazni funkciji H0 in Hn smo skrili
na interval [a, b] preprosto s tem, da smo stini toki x1 in xn+1 privzeli
kot krajii intervala a in b, torej razmika izven intervala kot x1 = 0 ter
xn = 0. V izrazu (2.33) to pomeni, da smo eno od tok xi teli dvojno, torej
kot dvojni vozel v robni stini toki. Ta izjema pri sploni stopnji lahko nastopi
vekrat, ne le na robu, ampak tudi v notranjih stinih tokah. Zato je bolje
posploitev funkcij Hi na splono stopnjo denirati nad zaporedjem vozlov
. . . ti ti+1 ti+k+1 . . . ,
ti < ti+k+1 ,
ne stinih tok. Po analogiji z (2.33), kjer k = 1 nadomestimo s splonim k ,

dobimo
(2.34)
Bi,k (x) = (ti+k+1 ti )[ti , . . . , ti+k+1 ]( . x)k+ .
B stoji za bazni zlepek, in zato zlepkom (2.34) reemo B-zlepki. S k smo

oznaili stopnjo B-zlepka, indeks i pa pove, s katerim vozlom se zane nosilec
[ti , ti+k+1 ]. Ker bo B-zlepkov ve, privzemimo, da so vsi vozli urejeni nepadajoe in vsak od B-zlepkov stopnje k vsebuje vsaj dva razlina vozla,
tj tj+1 tj+k+1 ,
tj < tj+k+1 , za vse j.
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)
Bi,k (x) = (ti+k+1 ti )
i+k+1
X
`=i
(t` x)k+
.
i+k+1
Q
(t` tj )
j=i
j6=`
116
2. INTERPOLACIJA
B-zlepek (2.35) je oitno odsekoma polinomska funkcija stopnje k in

(k 1)-krat zvezno odvedljiva (slika 2.6). Brez dokaza povejmo tole trditev,
Bi,k
Bi,0
Bi,1
Bi,2
ti
ti+1
Bi,3
Bi,4
ti+2
ti+3
ti+4
ti+5
Slika 2.6. B-zlepki Bi,k za k = 0, 1, . . . , 4
ki opredeli zveznost odvodov tudi v primeru vekratnih vozlov.
Trditev 2.1. Naj bo stina toka xq , ti xq ti+k+1 vozel kratnosti r,

tj1 < xq = tj = tj+1 = = tj+r1 < tj+r ,
kjer je 1 r k + 1. V toki xq ima B-zlepek Bi,k zvezne odvode

(`)
Bi,k ,
` = 0, 1, . . . , k (min (j + r 1, i + k + 1) max (j, i) + 1) .
Nosilec B-zlepka opredeli tale izrek.
Izrek 2.16. Za nosilec B-zlepka Bi,k velja

supp Bi,k [ti , ti+k+1 ].
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
zgled 2.11 (str. 87) in jo izpeljimo. Za k 1 velja
( . x)k+ = ( . x)+ ( . x)k1

= ( . x)( . x)k1
+
+ .
Za k > 1 je to oitno, za k = 1 pa je neodvisno od tega, ali je ( . x)0+
zvezna z desne ali leve v edini vpraljivi toki . = x, vrednost produkta
( . x)( . x)0+ enaka 0. Relacija velja tudi za k = 0. Torej
Bi,k (x) = (ti+k+1 ti )[ti , . . . , ti+k+1 ] ( . x)( . x)k1

.
+
Upotevajmo Leibnizovo pravilo za izraun deljene diference produkta funkcij,
izrek 2.5 (str. 85),
+
Bi,k (x) = (ti+k+1 ti ) ([ti ]( . x)) [ti , . . . , ti+k+1 ]( . x)k1
+
+ ([ti , ti+1 ]( . x)) [ti+1 , . . . , ti+k+1 ]( . x)k1

+0 =
+
+
= (ti+k+1 ti ) (ti x)[ti , . . . , ti+k+1 ]( . x)k1
+
.
+ [ti+1 , . . . , ti+k+1 ]( . x)k1
+
Ker je
[ti , . . . , ti+k ]( . x)k1

+
ti ti+k+1
[ti+1 , . . . , ti+k+1 ]( . x)k1

=
+
Bi,k1 (x)
Bi+1,k1 (x)
1
=
,
ti ti+k+1 ti+k ti
ti+k+1 ti+1
[ti , . . . , ti+k+1 ]( . x)k1

=
+
(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
Rekurzivna formula v konni obliki je tako

x ti
ti+k+1 x
(2.37) Bi,k (x) =
Bi,k1 (x) +
Bi+1,k1 (x) ,
ti+k ti
ti+k+1 ti+1
in
(2.38)
Bi,0 (x) =
k 1,
1 , ti x < ti+1 ali x = ti+1 = tn ,

0 , sicer.
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
sledi, je nakazan izraun vseh B-zlepkov, ki so za dani x od ni razlini:
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)
..
.
e je v formuli (2.37) kateri od B-zlepkov nije stopnje enak ni, ta sumand

preskoimo, tudi e je imenovalec enak ni. Z rekurzivno formulo lahko preprosto dokaemo tudi tale izrek.
Izrek 2.17. B-zlepek Bi,k je strogo pozitiven na (ti , ti+k+1 ).

Dokaz. Za k = 0 trditev sledi iz (2.38). Naj trditev po induktivni predpostavki
velja za k 1 0 in naj bo x (ti , ti+k+1 ). Torej mora x biti vsaj v enem od
intervalov (ti , ti+k ) ali (ti+1 , ti+k+1 ). Vsaj eden od sumandov na desni strani
(2.37) je zato pozitiven, od tod tudi Bi,k in trditev je dokazana.
Izrek 2.17 in rekurzivna formula potrjujeta, da je izraun Bi,k stabilen kar
se da. Zato so B-zlepki neobutljiva baza Sk,xx . Sestavimo potrebno zaporedje
vozlov. Delitvi intervala
a =: x0 < x1 < < xn := b,

ki jo doloajo stine toke, dodamo krajii intervala k -kratno. Dobimo vektor
vozlov t := (ti )n+2k+1
, sestavljen z
i=1
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
B1,k , B2,k , . . . , Bn+k,k ,
Bi,k Sk,xx .
Skupaj jih je n + k = dim Sk,xx . Treba je le preveriti, da so linearno neodvisni.

To bomo ugotovili spotoma v dokazu izreka 2.18 (str. 121). Z vekratnostjo
vozlov x0 in xn sicer pada stopnja odvedljivosti v krajiih intervala, a B-zlepke
119
vzamemo kot zvezne iz notranjosti intervala in nas morebitni skoki odvodov v

robnih stinih tokah ne zanimajo.
Zgled 2.19. Vzemimo interval [0, 10], s stinimi tokami

x = (0, 2, 4, 6, 8, 10),
n + 1 = 6,
in nariimo vse pripadajoe kubine B-zlepke. Najprej ugotovimo zaporedje

vozlov
t = (0, 0, 0, 0, 2, 4, 6, 8, 10, 10, 10, 10), n + 2k + 1 = 12.
Na sliki 2.7 je prikazanih vseh n + k = 8 kubinih B-zlepkov. Vidimo, da
na primer B1,3 v levem krajiu ni niti zvezen, a na intervalu [0, 2], kjer nas
zanima, je kubini polinom.
Poglejmo e, kako raunamo z zlepki, izraenimi z B-zlepki. Naj bo
1.0
0.8
0.6
0.4
0.2
2
10
Slika 2.7. Kubini B-zlepki, baza prostora S3,x

x
s=
n+k
X
i Bi,k
i=1
zlepek, katerega vrednost v toki x [a, b] elimo izraunati. Z uporabo (2.37)

ugotovimo
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
Zlepek po k korakih izrazimo v bazi B-zlepkov stopnje 0, a s polinomskimi

koecienti,
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
Naj bo j taken, da je tj x tj+1 . Potem vrednost s(x) dobimo takole:
s(x) =
n+k
X
i Bi,k (x) =
i=1
j
X
i Bi,k (x) =
j
X
[k]
[k]
i (x)Bi,0 (x) = j (x) .
i=j
i=jk
[k]
Vidimo, da za izraun j (x) potrebujemo le trikotno shemo, ki jo po (2.39)

zanemo s koecienti jk , jk+1 , . . . , j in nadaljujemo
[0]
jk (x)
..
..
.
[k1]
j1 (x)
[k1]
j
(x)
[k]
j (x)
..
.
..
.
[0]
j (x)
[r]
e vstavimo v (2.39) i = 1, vidimo, da so vsi i (x) = 1. B-zlepki so torej

razlenitev enote, v Sk,xx , saj sestavljajo bazo, so nenegativni in velja
n+k
X
(2.40)
Bi,k (x) = 1.
i=1
Podobno zlepek s =
jamo B-zlepke. Iz
n+k
P
i=1
i Bi,k tudi odvajamo. Poglejmo najprej, kako odva-
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
Odvod linearne kombinacije B-zlepkov je torej

0
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)
Koeciente i , r = 0, 1, . . . , k , tu raunamo rekurzivno z
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 .
Izrek 2.18 (Schoenberg-Whitney). Zlepek s Sk,xx je z interpolacijskimi po-
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
e posebej nazorno je v matrini obliki

B1,k
1
Bi,k
0
..
.
0
0
Bn+k,k
0
0
...
n+ki
n+k
|
{z
n+ki+1
Zadnjih n + k i + 1 stolpcev ima od ni razlinih kvejemu zadnjih n + k i

komponent, torej pripadajo (n + k i)-razsenem prostoru in morajo biti linearno odvisni. Zato je tudi matrika izrojena. Podobno ugotovimo tudi za
primer i ti+k+1 in ena smer dokaza je konana.
Naj bo sedaj Schoenberg-Whitneyjin pogoj izpolnjen: velja ti < i < ti+k+1
za vse i. Prepriati se moramo, da je matrika (Bj,k (i ))n+k
i,j=1 neizrojena. Za
k = 0 to takoj sledi. Primer k = 1 je dokazan v zgledu 2.5 (str. 78). Naj bo
k > 1. Izberimo ksen i {1, 2, . . . , n + k}. Poloaj i (ti , ti+k+1 ) razdelimo
v tri loene monosti
ti < i < ti+1 ,
ti+1 i ti+k ,
ti < i < ti+k+1 :
ti+k < i < ti+k+1 .

Iz prve monosti ti < i < ti+1 sledi Bi,k (i ) > 0 in
Bj,k (` ) = 0,
j = i + 1, i + 2, . . . , n + k, ` = 1, 2, . . . , i,
ali v matrini obliki

B1,k
Bi,k
Bn+k,k
1
0
i
...
n+ki
n+k
i
{z
n+ki
Matrika (Bj,k (` ))n+k

`,j=1 je neizrojena natanko takrat, ko sta neizrojeni matriki
i
(Bj,k (` ))`,j=1 in (Bj,k (` ))n+k
`,j=i+1 . Podobno bi v primeru ti+k < i < ti+k+1
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.
Predpostavimo, da je (Bj,k (` ))n+k

`,j=1 izrojena (kar nas mora pripeljati do protislovja). Torej obstaja vektor skalarjev = (j )n+k
j=1 6= 0, taken, da je pripadajoa linearna kombinacija stolpcev enaka ni,
n+k
X
j Bj,k (i ) = 0,
i = 1, 2, . . . , n + k.
j=
To pomeni, da obstaja netrivialni zlepek s stopnje k , ki je enak ni v vseh

interpolacijskih tokah,
s :=
n+k
X
j Bj,k Sk,xx ,
s(i ) = 0, i = 1, 2, . . . , n + k.
j=1
Zlepek s je (k 1)-krat zvezno odvedljiv. Torej ima po Rollovem izreku odvod

s0 Sk1,xx med zaporednima nilama i in i+1 zlepka s vsaj eno nilo i . Iz
(2.41) sledi
n+k1
X (1)
0
s (x) =
i Bi,k1 (x) .
i=1
(1)
i
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,
ti+1 i < i < i+1 ti+k+1 ,
i = 1, 2, . . . , n + k 1.
Zaporedje vozlov t = (ti )n+2k+1

se pri prehodu k k1 skri v (ti )n+2k
i=1
i=2 . Torej
smo obe predpostavki, izrojenost matrike in Schoenberg-Whitneyjine pogoje
prepeljali s k na k1. Indukcija nas tako pripelje do k = 1, torej do protislovja,
saj tam matrika ni izrojena.
Izrek 2.18 dokazuje linearno neodvisnost B-zlepkov za enkratne vozle v
notranjosti [a, b], torej to, da so baza prostora Sk,xx . Tudi za vekratne vozle se
da sklep posploiti na osnovi zveznosti deljenih diferenc (posledica 2.1 (str. 90)).
Zato B-zlepke uporabimo tudi za bazo splonejega prostora Pk,xx, . Predpisano
odvedljivost v stinih tokah doseemo z izbiro vekratnih vozlov (trditev 2.1).
e tevilo i 1 N0 oznauje zahtevano tevilo zveznih odvodov v stini
toki xi , to toko v zaporedje vozlov uvrstimo (k + 1 i )-kratno. Izjema sta
krajii intervala, ki ju vzamemo (k + 1)-kratno.
124
2. INTERPOLACIJA
3.5. Naloge.
3.1. Naj bo f C ([a, b]) monotona funkcija. Dokai, da je I1 f tudi monotona.
3.2. Naj bo x = (ti )ni=0 ,
a = x0 < x1 < < xn = b, delitev intervala in

I1 f S1,xx odsekoma linearna zvezna funkcija, ki interpolira dano funkcijo f v
tokah xi . Dokai oceni:
(a) f C 1 ([a, b]) = kf I1 f k (f ; x),
(b) f C ([a, b]) = kf I1 f k 2 dist (f, S1,xx ).
Z 2
3.3. Naj bo skalarni produkt deniran kot hf, gi =
f (x)g(x)dx. Poii zve0
zno odsekoma linearno funkcijo, ki po metodi najmanjih kvadratov najbolje

aproksimira funkcijo f (x) = 3x2 2x 2. Stine toke so (0, 1, 2).
3.4. Funkcija f je na intervalu [a, b] dana v tokah

a = x0 < x1 < < xn = b.
Interpoliramo jo s parabolinim zlepkom p C 1 ([a, b]), kjer stine toke
n+1
(i )i=0
izberemo z
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)?
3.6. V tokah x = (xi )ni=0 , x0 < x1 < < xn interpoliramo funkcijo f s
kubinim zlepkom s S3,xx . Naj bo pi kubini zlepek s, skren na interval

[xi , xi+1 ]. Oznaimo druge odvode
p00i (xi ) = mi ,
p00i (xi+1 ) = mi+1 .
Doloi linearni sistem enab za druge odvode mi , i = 1, 2, . . . , n 1, tako da

bo zlepek s dvakrat zvezno odvedljiv. Kaj predlaga za izbiro m0 , mn ?
3.7. Naj bodo vozli ti ekvidistantni in i+1/2 := (xi + xi+1 )/2. Izraunaj
vrednosti Bi,k (i+j/2 ) za k = 0, 1, 2, 3 in j = 0, 1, . . . , 2k + 2.
3.8. Naj delitev intervala ne vsebuje nobene notranje stine toke,

a = x0 < x1 = b .
Poenostavi bazo kubinih B-zlepkov (Bi,3 )4i=1 za ta primer. Kaj ugotovi?
3.9. Naj bodo linearni funkcionali i denirani s predpisom

k
X
i f :=
(1)kr kr (i )f (r) (i ),
f C k ([a, b]),
r=0
kjer je i poljubna toka v (ti , ti+k+1 ), torej tam, kjer zagotovo velja
Bi,k (x) > 0,
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 .
3.10. Naj bo t zaporedje vozlov, doloenih iz delitve intervala

a = x0 < x1 < < xn = b
in toke i izraunane kot povpreja
ti+1 + ti+2 + + ti+k
, i = 1, 2, . . . , n + k .
i =
k
Pokai, da je zlepek
n+k
X
s :=
f (j )Bj,k Sk,xx
j=1
aproksimacija reda O x2 za f C 2 ([a, b]).
125
Del II
Odvajanje in integriranje
POGLAVJE 3
Odvajanje
129
130
3. ODVAJANJE
1. Numerina in zakljuena oblika

1.1. Naloge numerinega odvajanja. Numerino odvajanje zdruuje
dva razreda problemov, ki se po cilju precej razlikujeta:
Poiskati je treba dobre numerine priblike odvodov funkcije v danih

tokah na osnovi podatkov o funkciji sami. Tu najpogosteje poseemo
po zlepkih in njihovih odvodih.
Izpeljati je treba formule za odvode v zakljueni obliki glede na podatke, ki aproksimacijo odvoda doloajo. Te niso namenjene le neposrednemu numerinemu izraunu, ampak predvsem uporabi v reevanju drugih numerinih problemov, na primer v reevanju diferencialnih enab. Tu smo omejeni predvsem na odvajanje interpolacijskih
polinomov, saj na primer interpolacijskih zlepkov ne poznamo v zakljueni obliki.
e uporabljamo formule za numerino odvajanje v zakljueni obliki za
numerini izraun, smo pri doseganju natannosti precej omejeni.
1.2. Numerina aproksimacija odvodov. e potrebujemo numerine
aproksimativne vrednosti odvodov dane funkcije f , so najprimerneje orodje

kar interpolacijski zlepki. Iz izreka 2.15 se da na primer razbrati, da za polni
kubini zlepek I3 f velja
f 0 (x) = (I3 f )0 (x) + O x3 ,
f 00 (x) = (I3 f )00 (x) + O x2 ,
e je le funkcija f dovoljkrat zvezno odvedljiva. Doseeni red napake je za

prva dva odvoda e sprejemljiv. Za numerino aproksimacijo vijih odvodov
uporabimo interpolacijske zlepke vijih, obiajno lihih stopenj.
Zgled 3.1. Vzemimo funkcijo f (x) := ex in z odvodoma polnega kubinega
interpolacijskega zlepka I3 f aproksimirajmo f 0 (0), f 00 (0). Za osnovni interval

1 1
izberimo [a, b] = [ 20
, 20 ], n naj teje, na koliko podintervalov je osnovni
interval razdeljen. Dolina posameznega podintervala je h = ba
n , stine toke
so xi = a + i h, i = 0, 1, . . . , n. Rezultati v tabeli 3.1 kaejo, da na taken
nain lahko dobimo na primer v aproksimaciji f 0 (0) pravilne skoraj vse tevke.
Aproksimacija drugega odvoda je razumljivo za red slaba, a z manjanjem h
lepo napreduje.
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.
3.1. NUMERINA IN ZAKLJUENA OBLIKA
131
(I3 f )0 (0) f 0 (0)
napaka
(I3 f )00 (0) f 00 (0)
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
Tabela 3.1. Numerina aproksimacija odvodov z uporabo zlepkov
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
(x x0 )(x x1 ) (x xi1 )[x0 , . . . , xi ]f
i=0
interpolacijski polinom, ki se z f ujema v tokah x .

Dokaz. Posledica 2.17 (str. 91) pove
dk
[x0 , x1 , . . . , xn , x]f = k! [x0 , x1 , . . . , xn , x, x, . . . , x ]f
| {z }
dxk
k+1
in uporaba Leibnizevega pravila za odvajanje produkta funkcij za izraun
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
Zgled 3.2 (Enostranska deljena diferenca ). Izberimo n = 1 in aproksimirajmo

f 0 (x0 ). Interpolacijski polinom p je premica
p(x) = f (x0 ) + (x x0 )[x0 , x1 ]f ,
njegov odvod v toki x0 pa
f1 f0
.
h
Produkt je tu (x) = (x x0 )(x x1 ). Iz (3.1) izrazimo napako
p0 (x0 ) = [x0 , x1 ]f =
(x0 )[x0 , x0 , x0 , x1 ]f + 0 (x0 )[x0 , x0 , x1 ]f = h [x0 , x0 , x1 ]f = h

e povzamemo,
f 0 (x0 ) =
f (2) ()
.
2!
f1 f0 1
h f (2) ().
h
2
Zgled 3.3 (Simetrina deljena diferenca ). Aproksimirajmo ponovno prvi od-
vod f 0 (x1 ), izberimo n = 1, a interpolacijski toki naj bosta x0 in x2 . Podobno

kot v zgledu 3.2 ugotovimo
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 ,
p0 (x1 ) = [x0 , x1 ]f + h[x0 , x1 , x2 ]f =

= [x0 , x1 ]f h
[x0 , x1 ]f [x1 , x2 ]f
=
2h
1
= ([x0 , x1 ]f + [x1 , x2 ]f ) =
2
1 f (x1 ) f (x0 ) f (x2 ) f (x1 )

f2 f0
=
+
=
.
2
h
h
2h
133
Torej konni rezultat ni ni bolji, kot ga dobimo s premico v zgledu 3.3,
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
Tabela 3.2. Aproksimacija prvega odvoda
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 )
Tabela 3.3. Aproksimacija drugega odvoda
da lahko s formulami za numerino odvajanje v zakljueni obliki izboljujemo

natannost z manjanjem koraka h le do doloene mere.
Zgled 3.5. Poglejmo si e enkrat zgled 3.1 in to pot aproksimirajmo f 0 (0),
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 ) =
Tabela 3.4. Aproksimacija etrtega odvoda
[h, h]f f 0 (0)
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
2! [h, 0, h]f f 00 (0) napaka

1.0000083333583
1.0000000836285
0.9999999939225
1.0000000827404
1.0000889005823
0.9769962616701
0.0
0.0
8.310-6
8.410-8
6.110-9
8.310-8
8.910-5
2.310-2
1.0
1.0
Tabela 3.5. Numerini zgled uporabe aproksimacije odvodov
v zakljueni obliki za f (x) = ex
Zgled nazorno kae, da se natannost aproksimacije z vse manjim h nekaj

asa izboljuje, nato se zane spet slabati. In to kljub temu, da so tevila
predstavljena na priblino 16 desetikih mest. Razloimo to, na primer za
[h, h]f . Vrednosti eksponentne funkcije f (h) = e(h) in f (h) = e(h) je pri
izraunu treba zaokroiti na najblije predstavljivo tevilo. Torej sploneje, za
poljubno funkcijo f , v resnici izraunamo
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
f 0 (0) = [h, h]f +

{z
|
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
Slika 3.1. Ocenjeno obnaanje neodstranljive napake (rdea),
okrnitvene napake (zelena) in skupne napake (modra) pri aproksimaciji f 0 (0)

dosee minimum v h = 6.69433 106 , kar je priblino optimalni h, ki ga
namiguje tabela 3.5.
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.
1.2. Naj bodo toke xi = x0 + i h, i = 0, 1, . . . , 4, izbrane ekvidistantno in naj

velja fi := f (xi ). Izpelji formulo za numerino odvajanje oblike
f 0 (x2 ) Af0 + Bf1 + Cf2 + Df3 + Ef4

z zahtevo, da je formula eksaktna za polinome im vijih stopenj. Kaj lahko
pove o napaki za dovoljkrat zvezno odvedljive funkcije?
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-
nostavi izrek 3.1 za ta primer. Pokai, da je ostanek diferenne aproksimacije

odvoda polinom v spremenljivki h, s prostim lenom enakim ni.
136
3. ODVAJANJE
1.6. Uporabi rezultat predhodne naloge in pokai, kako iz dveh diferennih

aproksimacij, izraunanih pri korakih h in 12 h lahko dobi toneji numerini
pribliek tako, da izloi vodilni len napake, torej len z najnijo potenco h.
1.7. Rei nalogo 1.5 e enkrat, ob predpostavki, da je diferenna aproksima-
cija simetrina, torej tevilo tok xi liho in aproksimiramo vrednost odvoda v

srednji toki. Kako se sedaj izraa ostanek?
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
1. Osnove numerinega integriranja

1.1. Interpolacijska integracijska pravila. Naj
Zb
(4.1)
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
zahteva posebno pozornost.

Nad prostorom Riemannovo integrabilnih funkcij je S linearen omejen
funkcional. Prav ti dve lastnosti sta izhodie za izpeljavo numerinih metod. Naj bo integrirana funkcija tudi zvezna, f C ([a, b]). Iz ocene
b
Z
Zb
|Sf | = f (x) dx |f (x)| dx kf k (b a) .
sledi
|Sf |
b a,
kf k
|Sf |
b a.
f C ([a,b]) kf k
kSk = max
f 6=0
4.1. OSNOVE NUMERINEGA INTEGRIRANJA
139
Po drugi strani za zvezno funkcijo f 1 velja ocena

|S 1|
kSk
= b a,
k1k
kar dokazuje kSk = b a. e funkcijo g izberemo kot osnovo za izpeljavo
aproksimacije Sf ,
Sf F f := Sg,
za napako ugotovimo
|S(f g)| kSk kf gk = (b a)kf gk .

Torej je treba g izbrati kot dovolj dobro aproksimacijo f , a med funkcijami,
ki jih znamo analitino integrirati. To zadnje zahtevamo zato, ker hoemo izpeljati integracijska pravila v zakljueni obliki. Naravna izbira je zato g Pn
ali g Pn,xx, . Prav tako je treba vnaprej predpisati, kako je aproksimacija g
s funkcijo f doloena. Najnaravneje je zahtevati, da se g z f ujema v vrednostih, ki jih doloajo izbrani linearni funkcionali i . e ti doloajo g enolino,
dobimo interpolacijsko integracijsko pravilo. Vrednost integrala za izbrano f
razstavimo v
Sf = F f + Rf , Sf F f = Sg,
kjer je F integracijsko pravilo in R ostanek pravila. Oba, F in R, sta linearna funkcionala. Veina metod numerinega integriranja je interpolacijskih:
funkcija g je polinom ali odsekoma polinomska funkcija, ki jo enolino doloa korekten interpolacijski problem. Najpogosteje se g ujema z f v izbranih
tokah, sreamo tudi predpisane odvode.
Integracijska pravila se v veliki meri navezujejo na polinome in so tona
za polinome do doloene stopnje. To kot merilo natannosti izbere sledea
denicija.
Denicija 4.1. Integracijsko pravilo je stopnje n, e je R f = 0 za vse polinome f Pn in R ( . )n+1 6= 0.

Ostanek integracijskega pravila R : C ([a, b]) R stopnje n je torej linearni
funkcional, ki ima v jedru
K (R) := {f | f C ([a, b]) , Rf = 0}

polinome do vkljuno stopnje n, a ne polinoma stopnje n + 1.
Zgled 4.1. Naj bo x = (xi )ni=0 , a = x0 < x1 < < xn = b delitev intervala.
Funkcijo f aproksimiramo z interpolacijskim polinomom,

n
X
f p=
f (xi )ì ,
i=0
kjer je
(ì )ni=0
Lagrangeeva baza. Aproksimacija za integral je
F f = Sp =
n
X
i=0
Zb
f (xi )
ì (x) dx =
a
n
X
i=0
i f (xi ) ,
140
4. INTEGRIRANJE
kjer toke xi imenujemo vozli, koeciente
Zb
(4.2)
i := i,xx :=
ì (x) dx
a
pa utei integracijskega pravila. Tako smo dobili konno formulo

(4.3)
Sf = F f + Rf =
n
X
i f (xi ) + Rf .
i=0
Ker je integracijsko pravilo interpolacijsko, so utei i znane, ko izberemo vozle

x.
Zgled preprosto razirimo na primer, ko f v xi poznamo i -kratno,
Ff =
n X
i 1
X
i,j f (xi ).
i=0 j=0
Utei i,j dobimo z integracijo Lagrangeeve baze, prirejene za vekratne vozle

xi .
1.2. Konvergenca integracijskih pravil. Integracijsko pravilo (4.3)

doloa n + 1 vozlov, svobodnih parametrov, kar tu poudarimo z indeksom,
F piemo kot Fn . Ko govorimo o konvergenci pravil, gledamo druino pravil
(Fn )n0 . Zanima nas, kdaj in kako konvergira Fn proti S , ko tevilo svobodnih
parametrov raste prek vseh meja. Povejmo enega od splonih konvergennih
izrekov.
Izrek 4.1. Naj bo (Fn )n0 enakomerno omejeno zaporedje integracijskih pravil
Fn : C ([a, b]) R,
kFn k konst.
Naj obstaja n0 N, taken, da so pravila Fn za vse n n0 vsaj stopnje

m := m(n), kjer velja m(n) c n > 0 za neko konstanto c > 0. Tedaj
zaporedje (Fn )n0 konvergira po tokah,
lim Fn f = Sf
za vsako f C ([a, b]) .
Dokaz. Izberimo f C ([a, b]). Naj bo n n0 . Za dani n je

Sf = Fn f + Rn f
in ostanek Rn = S Fn . Naj bo p Pm , m = m(n) poljubni polinom. Tedaj
Rn f = Sf Fn f = (Sf Sp) + (Sp Fn f ) =

= (Sf Sp) + (Fn p Fn f ) = S(f p) + Fn (p f )
in od tod
|Rn f | |S(f p)| + |Fn (p f )|
(b a)kf pk + konst kf pk = konst1 kf pk .
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.
Posledica 4.1. Naj bo (F

Pn )n0 zaporedje integracijskih pravil nad C ([a, b]).
Naj bo Fn oblike Fn f = ni=0 i,n f (xi,n ) in stopnje vsaj m(n) c n > 0 za
vse dovolj velike n. e so utei pravil nenegativne, i,n 0, zaporedje (Fn )n0
konvergira po tokah.
Dokaz. Treba je le preveriti, da so pravila Fn enakomerno omejena, saj potem
trditev sledi po izreku 4.1. Res, za dovolj velike n,
n
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
iz obeh ocen skupaj sledi kFn k = b a in trditev je potrjena.
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 =
(x)[x0 , . . . , xn , x]f dx,
f C n+1 ([a, b]) ,
pri emer je (x) = (x x0 ) (x xn ). Od tod ocenimo

b
Z
Zb
|Rf | = (x)[x0 , . . . , xn , x]f dx |(x)| |[x0 , . . . , xn , x]f | dx =
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).
Kdaj ne spremeni predznaka? Vsekakor vozli xi

/ (a, b) ne vplivajo na
spremembo predznaka. Vsak od vozlov xi (a, b) pa mora biti sode kratnosti.
e eno posebno monost pri izraavi Rf velja omeniti: naj bo ortogonalna
na konstanto, 1. Po izreku 2.9 (str. 90) lahko za poljubno dodatno toko
xn+1 razvijemo
[x0 , . . . , xn , x]f = [x0 , . . . , xn , xn+1 ]f + (x xn+1 )[x0 , . . . , xn+1 , x]f .

Ker je
Zb
Zb
(x)[x0 , . . . , xn , xn+1 ]f dx = [x0 , . . . , xn , xn+1 ]f
(x) 1 dx = 0,
a
in je R linearen funkcional, se napaka izraa kot
Zb
(4.6)
Rf =
a
(x) (x xn+1 )[x0 , . . . , xn+1 , x]f dx .

|
{z
}
n+2 faktorjev
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.
Zgled 4.2. Naj bodo a = 1 < 0 < 1 = b vozli integracijskega pravila, ki ga

bomo podrobno razlenili v zgledu 4.4. Produkt
(x) = (x + 1)x(x 1) = x(x2 1)

oitno spremeni predznak na [1, 1]. A 1,
1
4
Z 1
x2
x
2
x(x 1) 1 dx =
= 0.
4
2
1
1
Izberimo dodatno toko x3 = 0. Iz izraav (4.5) in (4.6) sledi

Z 1
Rf =
x2 (x2 1)[1, 0, 0, 1, x]f dx =
1
f (4) ()
=
4!
x5 x3
5
3
1
1
= f (4) (),
90
1
1 < < 1.
Izpeljimo sedaj obliko ostanka, ki temelji le na poznavanju jedra K (R)

in gladkosti integrirane funkcije. Izraava temelji na Peanovem izreku, ki je
uporaben sploneje kot le v numerini integraciji.
143
Izrek 4.2 (Peano). Naj bo R : C ([a, b]) R linearni funkcional, za katerega

je K (R) Pm . Naj bo f C m+1 ([a, b]). Tedaj je
Zb
f (m+1) (s)K(s)ds,
Rf =
a
kjer je K Peanovo jedro, dano z

K(s) := Km (s) :=
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!
f (m+1) (s)(x s)m ds.

a
Ta razvoj prepiemo v obliko
f (x) = f (a) + f 0 (a)(x a) + +

(4.7)
1
+
m!
f (m) (a)
(x a)m +
m!
Zb
f (m+1) (s)(x s)m
+ ds.
a
Uporabimo R kot funkcional, ki deluje na spremenljivko x, na obeh straneh

(4.7). Funkcional R je linearen in dobimo
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 .
Posledica 4.2. Naj veljajo predpostavke izreka 4.2. Tedaj je

Zb
|Rf |
Zb
|f
(m+1)
(s)||K(s)| ds kf
(m+1)
|K(s)| ds.
a
e K ne menja predznaka na [a, b], Rf lahko izrazimo kot

Rf =
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)!
Ker K ne spremeni predznaka, izrek o povpreni vrednosti in ugotovljena enakost povesta
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
f (x)dx = h (Af (x0 ) + Bf (x1 )) + h2 Cf 0 (x0 ) + Df 0 (x1 ) + Ef (m) ()
na dva naina. Najprej z metodo nedoloenih koecientov : konstante A, B, . . .

izberi tako, da bo pravilo im vije stopnje. Nato z integracijo Hermiteovega
interpolacijskega polinoma.
1.2. Izraunaj Peanovi jedri K0 in K1 za pravilo

Z
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.
1.3. Izraunaj Peanovo jedro K1 za integracijsko pravilo

Z
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.
1.4. Izraunaj ali oceni napako integracijskega pravila

Z
x1
f (x)dx =
x0
h
h2 0
(f (x0 ) + f (x1 )) +
f (x0 ) f 0 (x1 ) + Rf,
2
12
pri raunanju integrala trikrat zvezno odvedljive funkcije.

Peanovim jedrom K2 .
1.5. Pokai: e je integracijsko pravilo za raunanje integrala
Pomagaj si s
Ra
a f (x)dx stopnje n in tono za lihe funkcije, je Peanovo jedro Kn soda funkcija.
145
1.6. Uporabi Peanov izrek in z njegovo pomojo izrazi napako v numerinem

odvajanju. Se izraava ujema s trditvijo v izreku 3.1 (str. 130).
146
4. INTEGRIRANJE
2. Newton-Cotesova integracijska pravila

2.1. Osnovna Newton-Cotesova pravila. Newton-Cotesova integra-
cijska pravila so interpolacijska integracijska pravila. Vozle izberemo ekvidistantno,
ba
,
n
a =: x0 , h =
xi = x0 + i h, i = 1, 2, . . . , n.
Okrajano zapiimo tudi fi := f (xi ) = f (x0 + i h). Newton-Cotesova pravila

delimo v
pravila odprtega tipa, ki uporabijo le vrednosti fi , i = 1, 2, . . . , n 1,

ne pa tudi vrednosti f v krajiih intervala,
pravila zaprtega tipa, ki uporabijo vse vrednosti fi , i = 0, 1, . . . , n.
V veini primerov poseemo po pravilih zaprtega tipa. Izjeme najdemo v
izraunu integralov, kjer funkcija na robu ni omejena ali je celo ne poznamo,
in v numerinem reevanju diferencialnih enab. Pravila zaprtega tipa so oblike
Z xn
n
X
f (x) dx =
i fi + Rf,
x0
odprtega pa
i=0
xn
f (x) dx =
x0
n1
X
i fi + Rf.
i=1
Osveimo izraavo interpolacijskega polinoma za ekvidistantne toke, izpeljano

v (2.21, str. 96),

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
Izraz v zunanjem oklepaju je torej Lagrangeev bazni polinom, poenostavljen

za ekvidistantne toke,

n
X
t
ij i
`j (x) = `j (x0 + h t) =
(1)
, j = 0, 1, . . . , n.
j
i
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
4.2. NEWTON-COTESOVA INTEGRACIJSKA PRAVILA
in podobno za pravila odprtega tipa
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
S pomojo (2.20, str. 95) izrazimo produkt
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
Podobno izpeljemo za pravila odprtega tipa

Z n
n
Rf = h
(t 1)(t 2) (t n + 1) [x1 , . . ., xn1 , x0 + h t]f dt.
0
Zgled 4.3 (Trapezno pravilo ). Izberimo najmanji moni n za pravila zaprtega

tipa, to je n = 1. Utei so
Z 1
Z
0 = h
1 dt
0
t dt
1
= h,
2
Z
1 = h
1
t dt = h.
2
h2 t(t 1)
Ker (x) = (x0 + h t) =

ne spremeni predznaka na [0, 1], ostanek
za dovolj pohlevno f izraunamo z
Z 1
00
1
00
3 f ()
Rf = h
t(t 1) dt = h3 f (), x0 < < x1 .
2!
12
0
Trapezno pravilo je tako
1
1
1
00
(4.8)
Sf = h
f0 + f1 h3 f (), x0 < < x1 .
2
2
12
Zgled 4.4 (Simpsonovo pravilo ). Za n = 2 dobimo pravilo zaprtega tipa z
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
Funkcija (x0 + h t) = h3 t(t 1)(t 2) je ortogonalna na konstanto, saj je

antisimetrina glede na sredino intervala integriranja. Uporabimo zgled 4.2,
dodamo novo toko x3 = x1 in dobimo ostanek
(4) () Z 2
1
5 f
t(t 1)2 (t 2) dt = h5 f (4) (), x0 < < x2 .
Rf = h
4!
90
0
148
4. INTEGRIRANJE
Simpsonovo pravilo je torej
Sf = h
4
1
1
f0 + f1 + f2
3
3
3
1 5 (4)
h f (), x0 < < x2 .
90
Predpostavimo, da je integrirana funkcija vsaj tolikokrat zvezno odvedljiva,

kot zahteva izraava ostanka in natejmo brez dodatne izpeljave nekaj pravil.
Skrajajmo si tudi zapis in povejmo, da je pri vseh pravilih vmesna toka v
intervalu integriranja. Prva tiri pravila zaprtega tipa so
(4.9)
Z
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 =
Prva tiri pravila odprtega tipa pa so

(4.10)
Z x2
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
Nateti zgledi lahko zavedejo na misel, da za Newton-Cotesova pravila obeh

tipov velja i,n 0, torej bi po posledici 4.1 (str. 141) lahko sklepali na konvergenco po tokah f C ([a, b]) z rastoim n. A temu ni tako, saj med zaprtimi
pravili pri n = 8 dobimo pravilo, kjer utei niso vse istega predznaka,
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
Pri odprtih pravilih takno formulo najdemo e pri n = 6,

Z x6
3h
f (x) dx =
(11f1 14f2 + 26f3 14f4 + 11f5 ) +
10
x0
(4.12)
41 7 (6)
+
h f ().
140
Da se preveriti, da nobeno od kasnejih pravil nima utei istega predznaka.
Pravila, ki imajo n sod, so oitno za red h bolj natanna, kot bi priakovali
glede na tevilo uporabljenih funkcijskih vrednosti. Povzemimo to precizno.
Osnovo za manjkajoi dokaz v splonem najdemo v zgledu 4.2: produkt je za
sode n pravokoten na konstanto. Za n = 1 smo trditev preverili v zgledu 4.3,
za n = 2 pa v 4.4.
Trditev 4.1. Newton-Cotesova pravila zaprtega tipa so stopnje n za lihe n N
in stopnje n + 1 za sode n. Pri pravilih odprtega tipa za sode n 2 dobimo

stopnjo n 1, za lihe n 3 pa n 2.
Osnovna Newton-Cotesova pravila osvetlimo e z zgledom uporabe Peanovega izreka 4.2 pri izpeljavi ostanka Simpsonovega pravila.
Zgled 4.5. Naj bo f C m+1 ([x0 , x2 ]), m 0, dana funkcija. Izraunajmo
ali ocenimo napako metode Rf za Simpsonovo pravilo, neodvisno od izraave

ostanka, ki smo jo e izpeljali. Najprej ugotovimo stopnjo pravila. Za bazo
izberimo (x x1 )r , r = 0, 1, . . . Oitno je pravilo tono za konstante,
Z x2
h
R1 =
1 dx (1 + 4 + 1) = (x2 x0 ) 2h = 0.
3
x0
Naj bo bazni polinom stopnje r > 0. Dobimo
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
e je r lih, je (1 + (1)r ) = 0. Za r = 2 je ostanek ni, za r = 4 razlien

od ni. Simpsonovo pravilo je stopnje 3. Iz izreka 4.2 sledijo Peanova jedra,
odvisna od m,
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
Vstavimo v to identiteto z = ( . s) in na obeh straneh uporabimo funkcional

R, ki naj deluje na . . A za 0 m 3 je Simpsonovo pravilo vsaj stopnje m,
zato
m
. m
R( . s)m = 0 = R( . s)m
+ + (1) R(s )+ .
Ponovimo izraun (4.13) za (s . )m
+ in ugotovimo
(
(1)m+1 g(s x0 ) , x0 s < x1 ,
(4.14)
m! Km (s) :=
g(x2 s) ,
x1 s x2 .
Iz

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
vidimo, da je skok r-tega odvoda jedra v s = x1 enak ni za mr = 1, 2, 3, skok

m-tega odvoda pa razlien od ni. Ker je m 3, je Peanovo jedro odsekoma
(m 1)-krat zvezno odvedljiva polinomska funkcija stopnje m + 1, za lihe m
simentrina in za sode antisimetrina glede na sredino intervala x1 (slika 4.1).
Ali Peanovo jedro (4.14) menja predznak na intervalu [x0 , x2 ]? To razberemo
iz lena
x2 s h
2m
h

h.

3
m+1
3
3(m + 1)
151
K2
K0
K1
x0
x1
x2
x0
x1
x2
K3
Slika 4.1. Peanova jedra Simpsonovega pravila, levo K0
(rdee) in K1 (rumeno), desno K2 (zeleno) ter K3 (modro)
Torej je K3 (s) < 0, s [x0 , x2 ], a jedra Km , 0 m < 3 spremenijo predznak.

Uporabimo posledico 4.2. Najprej izraunajmo
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 =
h5 = h5 f (4) (), x0 < < x2 .

24
15
90
Za funkcije manje stopnje gladkosti izraunamo, z malo muje,
Z x2
2
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
Tabela 4.1. Eksponentna rast (kot O (e n )) norme zaprtih
Newton-Cotesovih pravil (levo), eksponentna rast napake pri

R1
uporabi teh formul v izraunu 1 |x|dx (v sredini) in ekspoR1
nentna konvergenca v izraunu 1 ex dx (desno)
2.2. Sestavljena Newton-Cotesova pravila. Sestavljena integracijska

pravila dobimo tako, da interval integriranja razdelimo na primer na m podintervalov
a = 0 < 1 < < m = b.
Tu zaradi preglednosti poenostavimo zapis delilnih tok s j := m,j . Izkoristimo aditivnost integrala
Z b
m Z j
X
Sf =
f (x)dx =
f (x)dx
a
j=1
j1
153
in vsakega od delov integrala na podintervalu [j1 , j ] aproksimirajmo z osnovnim pravilom. Naj bo

Z 1
n
X
f (x)dx =
i f (xi ) + Rf, R =: R[0,1] ,
0
i=0
osnovno integracijsko pravilo na intervalu [0, 1]. Prenesimo ga na [j1 , j ].

Vozli so
xj,i := j1 + j1 xi , i = 0, 1, . . . , n,
pravilo samo pa
Z j
n
X
i f (xj,i ) + R[j1 ,j ] f .
f (x)dx = j1
j1
i=0
Sestavljeno pravilo v celoti je tako

n
m
m
X
X
X
i f (xj,i ) +
R[j1 ,j ] f .
(4.15)
Sf = Fnm f + Rnm f :=
j1
i=0
j=1
j=1
Zgled 4.6 (Sestavljeno trapezno pravilo ). Tu je n = 1 in 0 = 1 =

Privzemimo, da je j1 neodvisen od j in vpeljimo oznake
h := j1 =
ba
,
m
Th := F1m ,
1
2.
Rh := R1m
ter
xj = xj,1 = xj+1,0 = a + j h, fj := f (xj ),

Sestavljeno trapezno pravilo se poenostavi v
Sf = Th f + Rh f,
Th f =
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
Vsoto ocenimo navzgor,

m
m
X
X
(2)
f (j )
max
j=1
j=1
x0 xxm
(2)
(x) = m
max
x0 xxm
(2)
in podobno navzdol. To da oceni
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
Ker je m h = b a, je konna oblika ostanka kar

1
Rh f = (b a)h2 f (2) (), a < < b .
12
Pri numerini integraciji s sestavljenim trapeznim pravilom zelo preprosto
h
poveujemo natannost. Korak h , torej m 2m, zahteva le m dodatnih
2
izraunov funkcijskih vrednosti f v novih, vmesnih vozlih,
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.
Sestavljeno Simpsonovo pravilo je oblike

Sf = F2m f + R2m f =
h
= (f (x0 ) + 4f (x1 ) + f (x2 ) + f (x2 ) + 4f (x3 ) + f (x4 ) + ) + R2m f =
{z
} |
{z
}
3 |
prvi podinterval
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
Sestavljena integracijska pravila mono spominjajo na Riemannovo vsoto.

Zato priakujemo, da sestavljena pravila konvergirajo k vrednosti integrala
vsaj za vse zvezne funkcije. Vendar sestavljena pravila temeljijo na ksnem
osnovnem pravilu in ne morejo biti poljubno visokih stopenj. Zato ena od
zahtev v izreku 4.1 (str. 140) ni izpolnjena in moramo konvergenco sestavljenih
pravil ugotoviti posebej. Uporabimo dejstvo, da sestavljena pravila konvergirajo za gladke funkcije. Res, naj bo f C n+2 ([a, b]). Za ostanek sestavljenega Newton-Cotesovega pravila
zaprtega
tipa na posameznem
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.
Tedaj zaporedje sestavljenih pravil konvergira po tokah,

lim Fnm f = Sf,
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
A n je ksen in iz dobljene ocene za f 6= 0 sledi, da je kvocient
|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
|Sf Fnm f | =| (Sf Sp) + (Sp Fnm p) + (Fnm p Fnm f ) |

| Sf Sp | + | Sp Fnm p | + | Fnm p Fnm f |
(b a) ||f p|| + |Rnm p | + konstn ||p f || .
Vsak od treh lenov na desni strani zadnje vrstice je poljubno majhen, ko
m . Izrek je dokazan.
2.3. Euler-McLaurinova sumacijska formula. Rombergova metoda

integriranja je pomembna nadgradnja sestavljenih pravil. Temelji na sistematinem izloanju vodilnih lenov v asimptotini vrsti, ki izraa okrnitveno
napako. Samo idejo algoritma poznamo kot Richardsonovo ekstrapolacijo in
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
Slika 4.2. Bernoullijevi polinomi B1 , B2 , . . . , B5
stnosti, ki pomagajo pri izpeljavi asimptotine vrste ostanka. Mnoge lastnosti

te druine polinomov obiajno najlaje razberemo iz rodovne funkcije
X
zk
z et z
Bk (t) .
G(z; t) := z
=
e 1
k!
k=0
Za na namen je e primerneja rekurzivna formula
n
X
n+1
Bk (t) = (n + 1)tn .
(4.16)
k
k=0
Ta nam takoj da polinome stopenj 0, 1, . . . v zakljueni obliki

(4.17)
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.
Izrek 4.4. Za Bernoullijeve polinome velja:

(1) Bn0 = nBn1 za n 1,
(2) Bn (t + 1) = Bn (t) + n tn1 za n 2,
n
P
n
nk ,
(3) Bn (t) =
k Bk (0)t
k=0
157
(4) Bn (1 t) = (1)n Bn (t),

(5) funkcija g(t) := B2n (t) B2n (0) nima nile v (0, 1).
Dokaz. Dokaimo (1), z indukcijo. Za n = 1 iz (4.17) dobimo

d
1
B10 (t) = (t ) = 1 B0 (t)
dt
2
in trditev dri. Naj velja za vse r < n. Odvajajmo rodovno funkcijo (4.16) in
izrazimo n tn1 prav tako z rodovno funkcijo,
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
V vsoti na levi strani te identitete za sumande indeksa k < n uporabimo

induktivno predpostavko,
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
Enabo delimo z (n + 1) in upotevamo
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)
Bn(k) = nBn1 = n(n 1) (n k + 1)Bnk ,

kar da Taylorjev razvoj
(4.18)
n
n
n
X
X
X
n
1 (k)
n
k
k
Bk (s) tnk .
Bnk (s) t =
Bn (t + s) =
Bn (s) t =
k
k
k!
k=0
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
kar potrjuje (2). Zapiimo relacijo (2) s t t. Dobimo
Bn (1 t) Bn (t) = (1)n1 (n tn1 ) = (1)n1 (Bn (1 + t) Bn (t))

in preuredimo v
(1)n Bn (1 + t) Bn (t) = (1)n Bn (t) Bn (1 t) =: (t) .

Za funkcijo velja (t + 1) = (t) za vsak t. Je periodina s periodo 1 in
hkrati polinom. Torej je lahko le konstanta. Od tod
0 (t) = (1)n Bn0 (t) + Bn0 (1 t) = (1)n nBn1 (t) nBn1 (1 t) = 0 ,
158
4. INTEGRIRANJE
kar dokazuje lastnost (4).

Dokaimo e (5). Po lastnosti (2) je g(0) = 0 = g(1). Naj bo e g() = 0
za nek (0, 1). Po Rolleovem izreku ima zato g 0 vsaj dve nili v (0, 1). Ker
0 = 2nB
je g 0 = B2n
2n1 , jih ima tudi B2n1 . A B2n1 (0) = B2n1 (1) = 0,
torej jih ima B2n2 tudi. To pomeni, da ima B2n3 vsaj dve nili v (0, 1).
Po indukciji mora imeti kubini polinom B3 , ki je enak ni v obeh krajiih
intervala, v notranjosti e dve nili, kar je protislovje. Izrek je dokazan v
celoti.
tevilom
1
1
1
b0 = 1, b1 = , b2 = , b3 = 0, b4 = , . . .
2
6
30
bk := Bk (0),
reemo Bernoullijeva tevila. e zdruimo lastnosti (2) in (4) v izreku 4.4 in

vstavimo t = 0, dobimo
Bn (1) = bn = (1)n bn ,
n 2.
Torej so Bernoullijeva tevila lihih indeksov, razen b1 , vsa enaka ni,
b2k+1 = 0,
k 1.
Izrek 4.5 (Euler-McLaurinova formula ). Za funkcijo f C 2m ([0, 1]) velja

Z1
(4.19)
0
m1
X b2k
1
(f (2k1) (1) f (2k1) (0)) + Rf ,
f (t) dt = (f (0) + f (1))
2
(2k)!
k=1
kjer je ostanek oblike

(4.20)
Rf =
b2m (2m)
f
(),
(2m)!
0 < < 1.
Dokaz. Z integracijo per partes dobimo po izreku 4.4

Z1
Z1
f (t) dt =
1 Z1
f (t)B0 (t) dt = B1 (t)f (t) B1 (t)f 0 (t) dt =

0
1
1
= (f (0) + f (1))
2
1!
Z1
B1 (t)f 0 (t) dt.
0
159
Poenostavimo integral v zadnji vrstici, a sploneje, tako da 2r 1 zamenja 1,
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
Podobno z integracijo per partes izraunamo
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)!
Tu smo uporabili lastnost (5) izreka 4.4 in
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)!
kjer je Th f sestavljeno trapezno pravilo za funkcijo f ,

h
Th f = (f0 + 2f1 + + 2fn1 + fn ) .
2
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
ali, e izrazimo s prvotno f in upotevamo, kako je bil izpeljan ostanek v

izreku 4.5,
Zxi
h
f (x) dx = (f (xi1 ) + f (xi ))
2
xi1
m1
X
k=1
b2k 2k (2k1)
h
f
(xi ) f (2k1) (xi1 )
(2k)!
b2m 2m+1 (2m)

h
f
(i ),
(2m)!
xi1 < i < xi .
Te enabe setejemo za i = 1, 2, . . . , m. Odvodi f (2k1) v notranjosti intervala

se medsebojno uniijo. Za ostanek uporabimo enak razmislek kot v zgledu 4.6
in posledica je dokazana.
Formuli (4.21) reemo sumacijska zato, ker jo lahko uporabimo tudi za
raunanje vsot. e poznamo Sf in odvode funkcije na robu intervala [a, b],
je cilj lahko tudi Th f . Iz formule tudi razberemo, da je sestavljeno trapezno
pravilo, kadar integriramo periodine funkcije po periodi, bistveno natanneje
kot v splonem.
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
Koecienti c2r so odvisni od integrirane funkcije, ne pa od koraka h. Iz izrauna

h
Sf pri h in ,
2
Sf = Th f + c2 h2 + c4 h4 + ,
h
h
Sf = Th/2 f + c2 ( )2 + c4 ( )4 + ,
2
2
161

izloimo vodilni len napake O h2 : drugo enabo pomnoimo z 22 in odtejemo prvo enabo
(22 1)Sf = 22 Th/2 f Th f + 224 1 c4 h4 + 226 1 c6 h6 + .

Dobimo pribliek Sf , ki je reda O h4 ,
22 Th/2 f Th f
224 1
226 1
4
+
c
h
+
c6 h6 +
4
22 1
22 1
22 1
22 Th/2 f Th f
=
+ c4 h4 + c6 h6 + .
22 1
Tudi novi koecienti c2r niso odvisni h in postopek lahko ponovimo. Temu
sistematinemu izloanju vodilnih lenov napake reemo Rombergova metoda.
Oznaimo s
Sf =
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
(f (x0 ) + 2f (x2 ) + + 2f (xn2 ) + f (xn )) =

2
h
= (f (x0 ) + 4f (x1 ) + 2f (x2 ) + + 4f (xn1 ) + f (xn )) .
3
Zato v Rombergovi integraciji sestavljenega Simpsonovega pravila kot osnovnega pravila ne uporabljamo. Dodajmo e dva numerina zgleda.
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
Zgled 4.8. Izraunajmo

Z1
ex dx = e 1.
Sf =
0
Funkcija f (x) = ex je gladka in zahteve posledice 4.3 so izpolnjene. V tabeli 4.3

se jasno vidi, da prvi stolpec konvergira najpoasneje, vsak nadaljni pa hitreje.
|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
Tabela 4.3. Napaka priblikov po Rombergovi shemi pri ra-
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
Vsak od stolpcev v tabeli 4.4 seveda konvergira k pravi vrednosti integrala.

Izrek 4.3 zagotovi, da konvergira prvi stolpec, po formuli (4.23) torej tudi
drugi. A numerini pribliki kaejo, da se je teko odloiti, kateri stolpec da
bistveno natanneje vrednosti. Razlog je v tem, da odvodi funkcije f v 0
niso omejeni in Euler-McLaurinova sumacijska formula ne velja. Vsi stolpci
konvergirajo podobno hitro.
|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
Tabela 4.4. Napaka priblikov po Rombergovi shemi pri ra-
unanju Sf =
R1
x dx
0
Ponovimo izraun e za
Z1 s
x
Sf =

1
2
3
+
2
6 .
dx
=
3
27
Funkcija je podobna, a na robu intervala nima neomejenih odvodov. Zato je

uporaba formule (4.21) kot osnove za Rombergovo metodo na videz povsem v
redu. A numerini rezultati v tabeli 4.5 kaejo, da ni kaj bistveno bolje kot
v tabeli 4.4. Razlog tii v tem, da tudi pri neomejenih odvodih v notranjosti
intervala izpeljava formule ni korektna.
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
Tabela 4.5. Napaka

q priblikov po Rombergovi shemi pri ra-
unanju Sf =
R1
0
x 1 dx
3
2.2. Izberi ekvidistantne toke xi = a + i h in izpelji 38 -pravilo za raunanje

integrala
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?
2.6. Izpelji sestavljeno pravilo za numerino raunanje integrala
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 ?
2.8. Uporabi rodovno funkcijo Bernoullijevih polinomov in dokai rekurzivno

formulo (4.16).
165
2.9. Uporabi Euler-MacLaurinovo sumacijsko formulo (4.21) in poii formulo,

ki v zakljueni obliki doloa vsoto
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
Preveri tudi, da je enaka
x [x] 12
dx.
(1 + x)2
2.11. Z Rombergovo metodo izraunaj pribliek vrednosti integrala

Z
/2
sin x dx.
0
Naredi dva koraka, pri emer za zaetni korak izberi h =
2.12. Naj bo dana funkcija f (x) :=
.
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 + c3/2 h3/2 + c5/2 h5/2 + c7/2 h7/2 + . . . .

Kako bi prilagodil Rombergovo ekstrapolacijo za izraun integrala Sf ? Pri
raunanju dobimo naslednje vrednosti
Th f = 0.5, Th/2 f = 0.433012, Th/4 f = 0.407420.

Uporabi jih in izraunaj bolj tono vrednost integrala.
R
2.13. Pri raunanju integrala Sf := 01 x ln x dx s sestavljenim trapeznim pravilom velja
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
kjer je R = {(x, y) | a x b, c y d}. Posploi trapezno in Simpsonovo

pravilo na dvojne integrale.
166
4. INTEGRIRANJE
2.15. Naj bo obmoje R = {(x, y) | 0 x, 0 y, x + y a} enakokrak

trikotnik. Izpelji posploitev trapeznega in Simpsonovega pravila za izraun
Z Z
f (x, y) dxdy.
R
2.16. Raunamo integral po krogu K(0, h) s pravilom
Z Z
f (x, y)dxdy = af (0, 0) + bf (h, 0) + cf (h, 0) + df (0, h) + ef (0, h).

K(0,h)
Doloi koeciente tako, da bo integral toen za polinome 1, x, y, x2 , y 2 .
2.17. Izpelji integracijsko pravilo oblike

Z
z0 +h
f (z)dz =
z0 h
= h (0,0 f (z0 ) + 1,0 f (z0 h)+

+ 1,0 f (z0 + h) + 0,1 f (z0 i h) + 0,1 f (z0 + i h)) + Rf .
Funkcija f naj bo analitina v okolici toke z0 C. Kaknega reda je ostanek
Rf ?
4.3. GAUSSOVA INTEGRACIJSKA PRAVILA
167
3. Gaussova integracijska pravila

3.1. Vianje stopnje pravil. Newton-Cotesova integracijska pravila,
tako osnovna kot sestavljena, vnaprej predpiejo izbiro vozlov. Enaba

(4.6, str. 142) in zgled 4.2 (str. 142) kaeta, da bi lahko s primerno izbiro integracijskih vozlov xi dosegli vijo stopnjo pravila. Torej to, da bi bilo pravilo
tono za polinome vijih stopenj kot so Newton-Cotesova pravila. Ker vozli
niso dani vnaprej, bodo takna pravila smiselna predvsem pri integraciji funkcij, ki jih poznamo v zakljueni obliki. Saj e je funkcija, ki jo numerino
integriramo, podana kot tabela, vozlov ne moremo ve izbirati.
Vztrajajmo pri interpolacijskem pravilu oblike
Zb
(4.24)
Sf =
f (x) dx =
n
X
i f (xi ) + Rf ,
i=0
vendar vozli xi naj ne bodo predpisani vnaprej. Zahtevajmo pa, da so vozli

med seboj razlini. Kakor koli jih e izberemo, so utei kar i = Sì , kjer so
ì Lagrangeevi bazni polinomi. Ostanek pravila je
Zb
Rf =
(x)[x0 , . . . , xn , x]f dx.

a
Vozle xi najdemo v produktu (x) = (x x0 )(x x1 ) (x xn ), a tudi v

drugem integriranem faktorju [x0 , . . . , xn , x]f . Poenostavimo ga v primeru, ko
je f polinom stopnje n + r. S pomojo izreka 2.9 (str. 90) ugotovimo
n
X
f (x)
=
(x x0 )(x x1 ) (x xi1 )[x0 , . . . , xi ]f +
| {z }
|
{z
}
polinom stopnje n + r
(4.25)
i=0
polinom stopnje i
[x0 , . . . , xn , x]f .
(x)
| {z }
polinom stopnje n + 1
{z
polinom stopnje n + r
Sklepali smo takole: e je polinom f na levi strani identitete stopnje n + r,

mora biti polinom na desni strani tudi. Ker je prvi del, interpolacijski polinom,
stopnje n, mora biti ostanek (x)[x0 , . . . , xn , x]f stopnje n + r. Ostanek
integracijskega pravila za polinom f Pn+r je tako
Zb
(4.26)
Rf =
a
(x) [x0 , . . . , xn , x]f dx .

|
{z
}
polinom stopnje r 1
To narekuje izbiro vozlov xi . e izberemo tako, da je Pk , kjer skalarni

produkt izberemo kot
Zb
(4.27)
hg, hi =
g(x)h(x) dx,
a
168
4. INTEGRIRANJE
bo ostanek Rf enak ni za vse polinome f , stopnje

stopnja f = n + r n + k + 1 2n + 1,
saj je polinom stopnje n + 1 in je lahko ortogonalen le na polinome strogo
manjih stopenj.
V ta razmislek lahko vkljuimo tudi vozle, ki jih ne elimo izbirati in jih
predpiemo vnaprej. Na primer naj bosta vozla tudi krajii intervala a = x1
in b = xn+1 . Numerini pribliek vrednosti integrala je oblike
n+1
X
i f (xi ) = 1 f (a) + n+1 f (b) +
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)
Produkt (x) = (x a)(x b) je na intervalu (a, b) vseskozi istega znaka in

ga vzamemo kot ute. Svobodnim vozlom xi ponovno naloimo zahtevo, da
naj bo ostanek enak ni za polinome im vijih stopenj. Kot bomo videli,
ute vpeljemo tudi v primeru, ko integrirana funkcija ni dovolj pohlevna ali
interval integracije ni omejen. V razdelku, ki sledi, bomo izpeljavo tega razreda
integracijskih pravil, pravil Gaussovega tipa, podrobneje razlenili.
3.2. Izpeljava in lastnosti integracijskih pravil Gaussovega tipa.
Zanimo z izrekom, ki opredeli integracijska pravila Gaussovega tipa. Skalarni

produkt (4.27) razirimo z utejo v
Zb
g(x)h(x) (x) dx
hg, hi =
a
ter uporabimo oznako za ortogonalnost v tem skalarnem produktu.
Izrek 4.6. Naj bo

Zb
(4.28)
Sf =
f (x) (x) dx =
n
X
i f (xi ) + Rf
i=0
interpolacijsko integracijsko pravilo,

Zb
i = i,n =
ì (x)(x) dx ,
a
169
z vozli xi = xi,n in ostankom

Zb
(4.29)
Rf =
(x)[x0 , . . . , xn , x]f (x) dx .

a
Pravilo je stopnje 2n + 1 (torej Gaussovega tipa) natanko takrat, ko je Pn .
Dokaz. e je Pn , je po (4.25) in (4.29) ostanek enak ni za f Pr , r
2n + 1. Za polinom f stopnje 2n + 2 je [x0 , . . . , xn , x]f polinom stopnje n + 1 in

Rf 6= 0, saj polinom ne more biti ortogonalen tudi na Pn+1 . Torej je pravilo
res stopnje 2n + 1 in izrek je v eno smer dokazan. Po drugi strani mora biti
ostanek integracijskega pravila stopnje 2n + 1 enak ni za polinom
f (x) = xr (x) Pn+1+r ,
za poljuben r, 0 r n. Ker je [xi , . . . , xn ] = 0, i = 0, 1, . . . , n, po Leibnizevi
formuli (2.7, str. 85) izraunamo
[x0 , . . . , xn , x]f = xr [x0 , . . . , xn , x] +
n
X
([x0 , . . . , xi , x]( . )r ) ([xi , . . . , xn ])
i=0
r
=x 1+0=x .
Iz Rf = 0 in (4.29) sledi Pr , r = 0, 1, . . . , n, in izrek je dokazan.
Iz izreka 4.6 sledi trditev o pozitivnosti utei.
Izrek 4.7. Naj bo F , F f =
n
P
i=0
i f (xi ), Gaussovo integracijsko pravilo. Utei
Zb
i =
ì (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
z n + 1 vozli. Ostanek je oblike
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)
[x0 , . . . , xn , x]g = [x0 , . . . , xn , x]([x0 , . . . , xn , . ]f ) = [x0 , x0 , . . . , xn , xn , x]f .

Vstavimo to v Rf . Ker je Pn , sledi
Zb
Rf =
(x) (p(x) + (x)[x0 , x0 , . . . , xn , xn , x]f ) (x) dx =

a
Zb
2 (x) [x0 , x0 , . . . , xn , xn , x]f (x) dx .
=
a
Izrek je dokazan, saj 2 ne spremeni predznaka na [a, b] in
[x0 , x0 , . . . , xn , xn , ]f =
f (2n+2) ()
,
(2n + 2)!
a < , < b .
Izpeljimo za zgled dve preprosti pravili Gaussovega tipa. Za interval [a, b]

izberimo kar [1, 1], za ute = 1.
Zgled 4.10 (Sredinsko pravilo ). Naj bo n = 0. Doloiti je treba le vozel x0 .
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
sledi x0 = 0 in (x) = x. Izraunati moramo e 0 :
Z1
0 =
Z1
`0 (x) dx =
1 dx = 2 .
1
171
Pravilo, ki ga dobimo, je
Z1
f (x) dx = 2f (0) + Rf ,
1
kjer je ostanek enak
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.
Zgled 4.11. V predhodnem zgledu poveajmo n za 1 in izpeljimo pravilo

oblike
Z1
f (x) dx = 0 f (x0 ) + 1 f (x1 ) + Rf .
1
Tu je (x) = (x x0 )(x x1 ). Iz P1 = L({1, x}) sledita enabi
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 .
Ostanek integracijskega pravila za f C 4 ([a, b]) je
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
celotno integracijsko pravilo pa
Z1
1
1
1
f (4) ()
f (x) dx = f
+f
+
.
135
3
3
Nile polinoma so vozli integracijskega pravila Gaussovega tipa. e torej

poznamo ortogonalno druino polinomov, ortogonalnih na [a, b] z utejo ,
poznamo tudi pripadajoa Gaussova integracijska pravila. V obeh predhodnih
zgledih je ute = 1, interval [1, 1], druina polinomov pa Legendrova. Zato
sta v zgledih izpeljani najpreprosteji Gauss-Legendrovi integracijski pravili.
Tudi druga Gaussova pravila poimenujemo po druini ortogonalnih polinomov,
e le ima druina privzeto ime.
Izrek 4.9. Naj bo (Qn )n0 zaporedje ortonormiranih polinomov na [a, b] z

utejo ,
Qn (x) = cn xn + . . . ,
cn 6= 0,
Qn Pn1 .
Integracijsko pravilo oblike (4.28) je Gaussovega tipa,

Rf = Rn f = 0,
f P2n+1 ,
natanko tedaj, ko so xi := xi,n , i = 0, 1, . . . , n, nile Qn+1 . Utei pravila so

(4.30)
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
Dokaz. Najprej spomnimo na dve lastnosti druin ortogonalnih polinomov.

Izraava (4.30) ima smisel, saj Q0n+1 (xi ) v imenovalcu ne more biti ni, ker
so nile ortogonalnih polinomov enostavne. Prav tako tudi Qn+2 (xi ) 6= 0, ker
vemo, da nile Qn+1 strogo separirajo nile Qn+2 . In sedaj k dokazu. Prvi
del izreka sledi iz izreka 4.6 in ugotovitve Qn (x) = cn (x). Za dokaz (4.30)
uporabimo Christoel-Darbouxovo formulo (1.41, str. 62). Naj bo xj = xj,n
ena od niel polinoma Qn+1 . V formulo (1.41), kjer n zamenjamo z n + 1,
vstavimo t = xj . Ker je Qn+1 (xj ) = 0, dobimo
n
X
Qi (x)Qi (xj ) =
i=0
Uporabimo funkcional
(4.31)
n
X
Zb
Qi (xj )
i=0
Rb
a
cn+1 Qn+2 (xj )Qn+1 (x)

.
cn+2
x xj
. (x) dx na obeh straneh enabe in dobimo
cn+1
Qi (x)(x) dx =
Qn+2 (xj )
cn+2
Zb
a
Qn+1 (x)
(x) dx .
x xj
A za i > 0 je Qi 1 in od vseh sumandov na levi strani enabe ostane samo
len pri i = 0,
Zb
Q0 (xj )
Zb
Q20 (x)(x) dx = kQ0 k22 = 1 .
Q0 (x)(x) dx =
a
Enaba (4.31) se tako poenostavi v
Zb
a
Qn+1 (x)
cn+2
1
(x) dx =
.
x xj
cn+1 Qn+2 (xj )
Upotevajmo Qn+1 = cn+1 in izraunajmo utei j . Ker velja

n
Q
`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
Zadnja trditev sledi iz
1 = kQn+1 k22 = c2n+1 kk22

in dokaz je konan.
Poglejmo si zgled uporabe izreka 4.9.
Zgled 4.12. Vzemimo interval [1, 1] in ute

1
(x) =
.
1 x2
Ortogonalno druino tvorijo ebievi polinomi prve vrste, ki smo jih vpeljali
v zgledu 1.10 (str. 44) ter ponovno sreali v zgledu 1.14 (str. 57),
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
.
Vozle Gauss-ebievega integracijskega pravila doloajo nile Tn+1 . Iz
Tn+1 (x) = cos((n + 1)) = cos((n + 1) arccos x)

jih razberemo kot
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 .
Ker je cos = x in sin d = dx, je
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 )
Tn+2 (xi ) = cos ((n + 2)i ) = sin ((n + 1)i ) sin i

= (1)i+1 sin i .
175
e to vstavimo v (4.30), dobimo
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
ima Gauss-ebievo integracijsko pravilo obliko
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,
f C 2n+2 ([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.
3.3. Numerino raunanje vozlov in utei. Razen za nekatere dru-
ine ortogonalnih polinomov v splonem ne znamo doloiti vozlov in utei

integracijskih pravil Gaussovega tipa v zakljueni obliki. Zato jih je treba izraunati numerino. Izrek 4.9 ne ponuja najprimerneje poti, bolje se je spet
opreti na trilensko rekurzivno formulo. Da se oznaki utei integracijskega
pravila in koecienti v trilenski formuli ne bi prepletali, zamenjajmo v razdelku 4.2 (str. 59) uporabljene oznake a, b in prepiimo trilensko
formulo (1.40, str. 60) v obliko
(4.32)
bi Qi1 (x) + ai Qi (x) + bi+1 Qi+1 (x) = x Qi (x), i = 0, 1, . . . , n,
kjer je b0 = 0, Q1 = 0. e v (4.32) vstavimo x = xj,n , eno od n + 1

enostavnih niel Qn+1 , vidimo, da je ta nila (nujno algebraino enostavna)
lastna vrednost problema
A z j = xj,n z j ,
j = 0, 1, . . . , n,
176
4. INTEGRIRANJE
kjer je matrika A tridiagonalna,
a0
b1
(4.33)
A=
b1
a1
..
.
b2
..
.
..
.
bn1 an1
bn
bn
an
Pripadajoi normiran lastni vektor,
z j = (zj,i )ni=0 , kzz j k2 = 1,
j = 0, 1, . . . , n,
je proporcionalen vektorju vrednosti ortogonalnih polinomov v xj,n ,
(Qi (xj,n ))ni=0 .

Izraun utei j,n izpeljemo iz Christoel-Darbouxove formule (1.41, str. 62).
Zapiimo jo v obliki
n+1
X
cn+1 Qn+2 (x)Qn+1 (t) Qn+1 (x)Qn+2 (t)

cn+2
xt
Qi (x) Qi (t) =
i=0
in izraunajmo limito t x.
L'Hospitalovo pravilo in dobimo
n+1
X
Q2i (x) =
i=0
Na desni strani identitete uporabimo
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
Lastni vektor z j je normiran, torej

2
zj,0
=
(4.35)
Uporabimo funkcional
konstanta, je
Rb
Zb
Q20 (xj,n )
i=0
. (x) dx na obeh straneh (4.35). Ker je Q0 (xj,n )
Zb
Zb
Q20 (xj,n )(x)dx
(x)dx =
a
Q20 (xj,n )
= j,n Q20 (xj,n ).
n
P
Q2i (xj,n )
Q20 (x)(x)dx = kQ0 k22 = 1.
=
a
Od tod konna formula za izraun utei

Zb
2
(4.36)
j,n = zj,0 (x)dx,
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)
Vzemimo n = 3. Matrika A, opisana v (4.33), je
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
cos , cos , cos , cos

.
8
8
8
8
Ujemajo se tudi utei, saj so
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
f (x)dx = Af (x1 ) + Bf (x2 ) + Rf.
Izraunaj tudi napako Rf .
3.2. S pomojo ortogonalnih polinomov izpelji Gauss-Legendrovo integracij-
sko pravilo
f (x)dx = Af (x0 ) + Bf (x1 ) + Cf (x2 ) + Rf.
Prestavi pravilo e na sploneji interval [a, b].
3.3. Izpelji integracijsko pravilo Gaussovega tipa

Z
e|x| f (x)dx = A0 f (x0 ) + A1 f (x1 ) + A2 f (x2 ) + Rf.
Upotevaj zvezo
R
0
ex xn dx = n!.
3.4. Naj bo ute (x) = ex . Za n = 0, 1, 2 doloi vozle in utei pravila
Gaussovega tipa
f (x)(x) dx =
0
n
X
i f (xi ) + Rf.
i=0
3.5. V integracijskem pravilu

Z
f (x)ex dx =
n
X
i f (xi ) + Rf
i=0
doloi vozle in utei tako, da bo im vije stopnje. Za n vzemi 0 in 1.
3.6. Izpelji integracijsko pravilo, ki vrednost integrala

Z
f (x, y)dxdy
x2 +y 2 h2
priblino doloi s pomojo funkcijskih vrednosti v tokah
(0, 0), (h, 0), (h, 0), (0, h), (0, h) .

Pravilo naj bo im vijega reda.

Z
f (x, y)dxdy
x2 +y 2 h2
priblino doloi s pomojo funkcijskih vrednosti v n tokah. Te naj bodo

ekvidistantno razporejene na kronici x2 + y 2 = h2 . Prva od tok naj bo (1, 0)
in pravilo naj bo im vijega reda.
179

Z
f (x, y)dxdy
x2 +y 2 h2
priblino doloi s pomojo funkcijskih vrednosti v tirih tokah. Pravilo naj

bo im vijega reda.

Z
dx
h
f (x, y)dy
h
priblino doloi s pomojo funkcijskih vrednosti v tirih tokah. Pravilo naj

bo im vijega reda.
180
4. INTEGRIRANJE
4. Posebni postopki v numerini integraciji

4.1. Kdaj obiajna pravila ne zadoajo. Posebni ali prilagojeni po-
stopki v numerini integraciji so potrebni tam, kjer obiajnih pravil ne moremo

neposredno uporabiti ali pa njihova uporaba ni dovolj ekonomina. Najpogosteja vzroka za to sta:
interval integracije ni omejen,
integrirana funkcija f ni dovolj pohlevna, na primer je integrabilna, a
neomejena, je hitro oscilirajoa, se na enem delu intervala integracije
obnaa drugae kot na drugem ipd.
Morda najpomembneji sploni nasveti, kako ravnati v teh primerih, so:
motei del integriramo analitino ali numerino s posebnim poudarkom na znaaj moteega dela,
uporabimo primerno substitucijo,
motei del vkljuimo v ute.
e elimo obiti singularnost integranda, moramo naravo teave poznati,
Rb
da jo lahko odpravimo. Predpostavimo, da integral Sf = a f (x)dx, ki ga
numerino raunamo, obstaja, in si poglejmo nekaj preprostih zgledov.
4.2. Funkcija, neomejena na robu intervala. Naj bo f integrabilna,
a neomejena v krajiu a. Naj bo kar oblike

(4.39)
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 =
Aproksimirajmo g s Taylorjevim polinomom Tm (g, a) Pm okoli a in pribliek

za prvi integral izraunamo analitino,
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
4.4. POSEBNI POSTOPKI V NUMERINI INTEGRACIJI
Analitini del je sedaj
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
!
,
za integral S2 f spet uporabimo obiajna pravila.

4.2.2. Uporabimo primerno substitucijo. Eno od naravnih substitucij predx
skupaj vzamemo kot diferencial neke mere
beremo kar iz (4.39), e
(x a)p
in to mero vpeljemo kot novo spremenljivko. Toneje, izberimo
1
dx
=
du.
p
(x a)
1p
u = (x a)1p ,
Integral v novi integracijski spremenljivki je
1
Sf =
1p
1p
(ba)
Z
g u 1p + a du
in ga lahko numerino izraunamo z obiajnimi pravili, saj smo odpravili pol

integranda.
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
Za analitini izraun integrala S2 f moramo poznati asimptotino obnaanje

f , ko argument x raste. e f pada dovolj hitro, bo za primerno izbrani b
vrednost S2 f zanemarljivo majhna.
182
4. INTEGRIRANJE
4.3.2. Uporabimo primerno substitucijo. Izberemo primerno substitucijo,

ki integracijo po neomejenem intervalu preslika v integracijo po omejenem
intervalu. Vzemimo za primer delitev (4.40). V integralu S2 f uvedemo substitucijo

Z 1
b
1
1
1
1
t = , dx = 2 dt, g(t) := 2 f
, S2 f =
g(t) dt.
x
t
t
t
0

1
e pada f za velike x vsaj tako hitro kot O
, lahko za izraun integrala
x2
v tej obliki uporabimo obiajna integracijska pravila.
4.3.3. Izluimo primerno ute. e f (x) z x pada hitreje, kot raste
kateri koli polinom, lahko to padanje izluimo v ute in uporabimo ali izpeljemo integracijsko pravilo po receptu Gaussovih formul. Na primer, e pada
f vsaj eksponentno, lahko za izraun
Z
Z
Sf =
f (x) dx =
g(x) ex dx, g(x) := f (x) ex ,
0
0
2
uporabimo Gauss-Laguerreeva integracijska pravila. e pada f vsaj kot ex ,

Z
Z
2
2
Sf =
f (x) dx =
g(x) ex dx, g(x) := f (x) ex ,
pa so na voljo Gauss-Hermiteova integracijska pravila.
Zgled 4.14 (Gauss-Laguerreevo pravilo ). Ta pravila temeljijo na Laguerreevih

polinomih Ln , ortogonalnih na [0, ) z utejo (x) = ex ,
Ln (x) = ex
dn n x
(x e ) .
dxn
Integracijsko pravilo je oblike
Z
f (x)e
dx =
n
X
i f (xi ) +
i=0
((n + 1)!)2 (2n+2)

f
() ,
(2n + 2)!
(0, ) ,
kjer so utei enake
i =
1
(n +
2) L0n+1 (xi )Ln+2 (xi )
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
so za veje m e integrali takne narave. Ker vemo,

da padajo z m, za dvakrat
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 =
f (x) cos mx dx = h(a0 f0 + a1 f1 + a2 f2 ) + Rf.

x0
Funkcijo f aproksimiramo z interpolacijsko parabolo p,

(4.41)
p(x) = f (x0 ) + (x x0 )[x0 , x1 ]f + (x x0 )(x x1 )[x0 , x1 , x2 ]f.
Okrajajmo fi := f (xi ). Z dvakratno integracijo per partes se da integral

Rx2
p(x) cos mx dx izraunati analitino. Dobimo
x0
Zx2
h(a0 f0 + a1 f1 + a2 f2 ) =
p(x) cos mx dx,

x0
kjer je desna stran enaka

sin mx x2
cos mx x2 4(sin mx2 sin mx0 ) (f0 2f1 + f2 )
p(x)
.
+ p0 (x)

m
m2 x 0
m3
x0
Ko vstavimo (4.41) za p in poenostavimo, dobimo izraavo utei
a0 = (mh) cos mx0 (mh) sin mx0 ,

a1 = 4 (mh) sin mx1 ,
a2 = (mh) cos mx2 + (mh) sin mx2 .
Pomone funkcije so dane z
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
trapezno pravilo ali eno od pravil Gaussovega tipa. Naj bo [

a, b] trenutni in
terval doline h. Adaptivno pravilo doloi pribliek
Z b
f (x) dx F[a,b] f
a
in oceno natanosti tega priblika. e ocena ni dovolj dobra, podinterval

razdeli na primer v
a
+ b
a
+ b
[
a, b] [
a,
], [
, b]
2
2
in postopek ponovi na vsakem od delov. Poglejmo si preprost adaptivni algoritem, ki natannost oceni iz razlike med numerino vrednostjo integrala,
dobljeno z osnovnim pravilom pri dani in razpolovljeni irini podintervala.
Algoritem 4.1:
Shema rekurzivnega adaptivnega integracijskega pravila ASTP,

AST P (f, a, b, , s)
ki temelji na sestavljenem trapeznem pravilu ST P (a, b, s). Podatki

so: f , funkcija, ki jo integriramo na intervalu [a, b], zahtevana
natanost in seznam s = (f (a + h i))ni=0 e izraunanih funkcijskih
vrednosti, z h := ba
n . Rezultat je priblina vrednost integrala
F in ocenjena doseena natannost D .
FC = ST P (a, b, s);
Raziri
sna seznama
seznamfunkcijskih
vrednosti
n
n
h
sL = f a + h2 i i=0 in sD = f a+b
+
i
,
2
2
i=0
n1
kjer dodatno izrauna vrednosti f a + h i + 21 i=0 ;

a+b
FL = ST P (a,
, sL );
2
a+b
FD = ST P (
, b, sD );
2
D = |FC (FL + FD ) |;
e je D ,
4 (FL + FD ) FC
F =
;
3
sicer pa
a+b
(FL , L ) = AST P (f, a,
, , sL );
2
2
a+b
(FD , D ) = AST P (f,
, b, L , sD );
2
F = FL + FD ;
D = L + D ;
do sem;
Zgled 4.15. Numerino integrirajmo
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
Tabela 4.6. Primerjava rezultatov adaptivnega in (osnov-
nega) sestavljenega trapeznega pravila
4.6. Naloge.
4.1. Kako bi numerino izraunali integrala
Z
3/2
x
1
in

1
sin
dx
x
1
dx?
1 + x4
4.2. Izberi numerino metodo za izraun integrala

Z
0
x 4 sin xdx .
186
4. INTEGRIRANJE
Za primerjavo mathematica vrne tono vrednost kot
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.
4.3. Predlagaj najprimernejo metodo za izraun integrala

Z
cos x
dx = 0.0181176 . . .
x3
1
Izbor podkrepi z numerino primerjavo vsaj treh pristopov.
4.4. Doloi koeciente c1 , c2 in c3 v pravilu

Z
a+2h
(x a) f (x)dx = c1 f (a) + c2 f (a + h) + c3 f (a + 2h) + Rf
za raunanje izlimitiranega integrala, kjer je > 1. Doloi tudi napako, e

je f dovolj gladka funkcija.
4.5. Numerino izraunaj Fourierove koeciente
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
Navadne diferencialne enabe
POGLAVJE 5
Osnovno o numerinem reevanju
189
190
5. OSNOVNO O NUMERINEM REEVANJU
1. Diferencialne enabe na kratko

1.1. Zaetni in robni problemi. Navadne diferencialne enabe so
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],
ki implicitno doloa funkcijo y : [a, b] R. Zanjo naj velja
y 0 (x) = f (x, y(x))

za vsak x [a, b]. Funkcija f : [a, b] R R2 je tu skalarno polje dveh
spremenljivk. Enaba (5.1) doloa reitev kot enoparametrino druino funkcij,
enolinost dobimo, e dodamo e dodatni pogoj, na primer y(a) = ya . Nekaj
smeri posploitev zgleda (5.1) je oitnih. Diferencialna enaba (5.1) pove, kako
se odvod y 0 izraa z neodvisno spremenljivko x in iskano funkcijo y . Odvod
narekuje, kam naj se reitev y v dani toki x obrne, torej vodi reitev in je
s tem najpomembneji del predpisa, ki funkcijo y doloa. Zato je naravna
posploitev (5.1) na diferencialno enabo reda r,
(5.2)
y (r) = f (x, y, y 0 , . . . , y (r1) ).
Tu je za enolinost potrebnih r dodatnih pogojev. e so vsi ti pogoji zbrani

v eni (zaetni) toki, govorimo o zaetnem (ali Cachyjevem ), sicer o robnem
problemu. Za zaetni problem predpiemo
(5.3)
y (`) (a) ,
` = 0, 1, . . . , r 1.
To, da lahko najviji odvod v diferencialni enabi izrazimo samostojno, ni samo

po sebi umevno in ne uspe vedno. A je olajava pri izpeljavi metod, ki jo bomo
privzeli. V splonem bi bilo treba diferencialno enabo reda r zapisati v obliki
f (x, y, y 0 , . . . , y (r1) , y (r) ) = 0.

Zelo pogosto sreamo probleme, v katerih ima iskana funkcija y ve komponent. Zato jo razumemo vektorsko,
y1 (x)
y2 (x)
y (x) = .. , x [a, b],

.
yd (x)
in diferencialna enaba (5.1) se prelevi v sistem diferencialnih enab za neznane

komponente, funkcije yi , torej vektor y := (yi )di=1 ,
(5.4)
y 0 = f (x, y ),
y (a) = y a .
Tudi skalarne diferencialne enabe reda r > 1 preprosto pretvorimo v sistem

enab prvega reda z vpeljavo odvodov kot novih neznanih funkcij
yi := y (i1) ,
i = 1, 2, . . . , r.
5.1. DIFERENCIALNE ENABE NA KRATKO
To da r 1 preprostih enab
0
yi0 = y (i1) = y (i) = yi+1 ,
191
i = 1, 2, . . . , r 1,
ki jim dodamo prvotno enabo v novih spremenljivkah
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} .
Konstanta c > 0 tu ocenjuje oddaljenost dovoljenih y od zaetnega pogoja.

Diferencialna enaba
y 0 = f (x, y ), y (a) = y a Rd ,
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.
Izrek 5.2. Naj bo funkcija f : [a, b] Rd Rd zvezno odvedljiva na y na

odprtem konveksnem obmoju D. e za normo Jacobijeve matrike velja
ff
k (x, y )k L, (x, y ) D,
yy
192
sledi ocena
kff (x, y ) f (x, y)k Lkyy yk,
(x, y ), (x, y) D.
Ker lahko diferencialno enabo vijega reda prevedemo na sistem enab

prvega reda, lahko izrek 5.1 neposredno uporabimo tudi za ta primer. To, da
f zadoa Lipschitzovemu pogoju
kff (x, y ) f (x, y) k L kyy yk,
L > 0,
na D, je pomemben pogoj. Samo zveznost f ne zadoa, kar se prepriamo na

preprostem zgledu skalarne enabe
2
y 0 = f (x, y) := y 3 , na [0, 1],
y(0) = 0.
Funkcija f je zvezna, ni pa Lipschitzova, saj je
|f (x, y) f (x, 0)| =

in faktorja
|y 3 |
1
1
|y 3 |
|y 0|
ne moremo omejiti s konstanto za majhne y . Reitev sicer
obstaja, a ni enolina. Dobimo dve, y(x) = 0 in y(x) =
c
min b,
kff k
1 3
27 x .
Tudi meje
ne gre prezreti. V poduk vzemimo enabo
y 0 = f (x, y) := 1 + y 2 , na [0, b], b > 0,
y(0) = 0.
Tu Lipschitzov pogoj zahteva
|f (x, y) f (x, y)| = |y 2 y2 | L|y y|,

torej lahko izberemo konstanto L kot
|y 2 y2 |
= 2 c.
0y, yc |y y
|
L = max
Funkcija f = f (x, y) je Lipschitzova v y na vsakem kompaktnem obmoju v

D R. Vendar je
kf k,D = 1 + c2
in
c
c
1
=
.
kf k,D
1 + c2
2
Eksistenni izrek 5.1 zagotavlja obstoj enoline zvezno odvedljive reitve le

na intervalu [0, 12 ]. Malo pesimistino sicer, a vendar je reitev te enabe v
zakljueni obliki y(x) = tan x. Ta obstaja le na intervalu [0, 2 ). Velikost
intervala, ki jo zagotavlja izrek, je le manj kot za faktor slaba kot je v
resnici.
5.1. DIFERENCIALNE ENABE NA KRATKO
193
tudij eksistence in enolinosti pri robnih problemih ni tako preprost in

je odvisen od narave diferencialne enabe. Teorija v splonem nima tako elegantnega odgovora kot je na primer eksistenni izrek 5.1. Da za to obstaja
utemeljen vzrok, se prepriajmo na sledeem zgledu. Vzemimo enabo
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.
Izrek 5.3 (Keller). Naj bo dan robni problem

y 00 = f (x, y),
y(a) = ya ,
y(b) = yb ,
kjer je funkcija f zvezna v x in zvezno odvedljiva v spremenljivki y na obmoju

D = {(x, y) | a x b , < y < }.
e velja e
reitev.
f
y (x, y)
0, ima robni problem enolino, dvakrat zvezno odvedljivo
Dokaz. Osnovno idejo dokaza lahko pestro poimenujemo streljanje. Robni

problem reujemo kot zaetni, ki je odvisen od parametra, odvoda v levem
krajiu a. Odvod spreminjamo tako, da zadenemo tudi desni robni pogoj.
Naj bo y = y( . ; v) reitev zaetnega problema
y 00 = f (x, y),
y(a; v) = ya ,
y 0 (a; v) = v .
Po eksistennem izreku 5.1 reitev tega zaetnega problema obstaja za vsak

v R. Oitno je zvezno odvisna od v . Pokazati elimo, da obstaja natanko en
v , s katerim zadenemo toko (b, yb ). Oznaimo
(5.5)
yv (x) := yv (x; v) :=
y(x; v).
v
Trdimo
(5.6)
yv (x) x a,
x [a, b].
e uspemo to preveriti, je y(b; v) strogo monotona zvezna funkcija parametra

v , ki se z v spreminja vsaj tako hitro kot premica z naklonom b a > 0. Torej
194
za vsak yb obstaja natanko en v , taken, da je y(b; v) = yb in izrek je dokazan.

e (5.6) ne dri, obstaja x [a, b], za katerega je yv (x) < x a. Ker je
yv (a) = 0 in yv0 (a) = 1, je yv (x) x a v bliini x a. Torej obstaja x0 ,
a < x0 b, taken, da je
yv (x0 ) < x0 a in yv (x) > 0, x (a, x0 ].

Torej po Lagrangeevem izreku najdemo tudi x1 , a < x1 < x0 , da velja
(x0 a) yv0 (x1 ) = yv (x0 ) yv (a) = yv (x0 ) 0 < x0 a.

Torej mora veljati yv0 (x1 ) < 1. Uporabimo Lagrangeev izrek e enkrat in
ugotovimo, da za nek x2 , a < x2 < x1 velja
(x1 a)yv00 (x2 ) = yv0 (x1 ) yv0 (a) < 0,

torej yv00 (x2 ) < 0. e pa odvajamo diferencialno enabo na v in upotevamo
predpostavko izreka, je
yv00 = fy (x, y) yv .
| {z }
0
Ker je yv (x2 ) > 0, od tod sledi
yv00 (x1 )
0, kar je protislovje.
Drugi eksistenni izrek za robni problem drugega reda temelji na manj

konstruktivnem, a tudi pounem dokazu.
Izrek 5.4. Vzemimo robni problem s homogenimi pogoji,

y 00 = f (x, y),
y(0) = 0 , y(1) = 0 .
Naj bo f zvezna v x in Lipschitzova v y na obmoju

D = {(x, y) | 0 x 1, < y < },
z Lipschitzovo konstanto L c < 8. Robni problem ima enolino reitev.

Dokaz. Naj bo y funkcija, za katero velja y(0) = y(1) = 0 in y 00 = g . Tu je g
zaenkrat poljubna zvezna funkcija. Integrirajmo y 00 dvakrat. Dobimo
Z x
Z 1
y(x) =
g(s)(x s) ds+ c1 x+ c2 =
g(s)(x s)+ ds+ c1 x + c2 , x [0, 1].
0
Ker je y(0) = 0, sledi c2 = 0 in iz y(1) = 0 e

Z 1
Z
c1 =
g(s)(1 s)+ ds =
0
Torej je
Z
y(x) =
g(s)(1 s) ds.
G(x, s)g(s) ds,

0
G(x, s) := (x s)+ x(1 s).
e zahtevamo e, da y zadoa tudi diferencialni enabi, mora veljati
y 00 (x) = f (x, y(x)) =: g(x),
x [0, 1] .
5.2. K NUMERINIM METODAM
To pomeni
195
Z1
y(x) =
G(x, s)f (s, y(s)) ds ,
x [0, 1].
Funkciji G reemo Greenova funkcija in dobljeno relacijo na kratko zapiemo

kot
y = Gy.
Vpraanje obstoja reitve robnega problema smo prevedli na problem obstoja
ksne toke operatorja G : C ([0, 1]) C ([0, 1]). Ocenimo
1
|Gy(x) G y(x)| = G(x, s)(f (s, y(s)) f (s, y(s))) ds
0
Z1
|G(x, s)| |f (s, y(s)) f (s, y(s))| ds

0
Z1
L
|G(x, s)| |y(s) y(s)| ds .

0
Ker je
Z1
Zx
|G(x, s)| ds =
Z1
s(1 x) ds +
1
1
x(1 s) ds = x(1 x) ,
2
8
smo izpeljali oceno
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
bomo namenili reevanju zaetnih problemov prvega reda. Kot e vemo, te

metode lahko uporabimo tudi pri reevanju enab vijega reda.
Zanimo z ne prezahtevno diferencialno enabo, ki je hkrati dovolj pouna,
in izpeljimo kar se da preprosti metodi. Zgled si sposodimo iz del Van der Pola
o nelinearnem nihanju. Modelna, Van der Polova enaba, je drugega reda,
(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,
Na levi sta grafa y1 = y in y2 = y 0 , prikazana v odvisnosti od asa x. Na

y
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
(5.9), funkcija y in njen odvod (levo) ter reitev kot krivulja v

faznem prostoru (desno)
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
V faznem diagramu je lepo razviden privlaen limitni cikel, ki se mu reitev

vse bolj pribliuje in s tem postaja periodina.
In zdaj k numerinem izraunu. Prvotno enabo (5.8) je treba na nek nain
diskretizirati, torej odvod y 0 zamenjati z izraunljivim priblikom. Poseimo
po najpreprosteji diferenni aproksimaciji, ki jo najdemo v tabeli 3.2 (str. 133).
Prema enostranska deljena diferenca na dveh tokah xn1 ter xn da aproksimacijo odvoda v xn1 kot
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, . . .
za prvi in implicitno Eulerjevo metodo

(5.11)
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

y
2
y, y
1
2
1
y2 =y
-1
2
4
y1 =y
10
12
14
x
-2
-1
-2
-1
-2
Slika 5.2. Reitev Van der Polove enabe in numerina reitev
po eksplicitni Eulerjevi metodi (z zaporedjem tok)

y
2
y, y
1
2
1
y2 =y
-1
2
4
y1 =y
-2
10
12
14
x
-2
-1
-1
-2
Slika 5.3. Reitev Van der Polove enabe in numerina reitev
po implicitni Eulerjevi metodi (z zaporedjem tok)
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
y0 y0 + 102 = 102 , y00 y00 + 101 = 1.1

in asovni interval poveamo stokrat, b = 1500. Kam dale se numerini
y
-2
-1
y
-2
-1
-1
-1
-2
-2
Slika 5.4. Fazna diagrama numerine reitve Van der Polove
enabe po 10.000 korakih, ob napaki v zaetnih pogojih
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.
Veina metod bo te narave. V drugem primeru ravnamo podobno kot pri

iskanju aproksimacije funkcij v prvem poglavju. Pribliek reitve y iemo kot
vektorsko funkcijo, katere komponente so v danem prostoru S . Med metode,
200
ki jih tako izpeljemo, sodijo kolokacija, metoda konnih elementov ipd. Za

prostor S izberemo najpogosteje prostor odsekoma polinomskih funkcij Pk,xx, .
Enabe, ki doloajo diskretne priblike y n ali y S , dobimo iz diferencialne enabe in zaetnih ali robnih pogojev. V diferencialni enabi nastopajo
odvodi iskane funkcije. Te moramo, vsaj v diskretnih metodah, na nek nain
aproksimirati. Ker smo se dogovorili, da so neznanke le pribliki y n y (xn ),
je treba pribline vrednosti odvodov izraziti le z vrednostmi reitve y v delilnih tokah. Dva splona prijema sta na voljo (enega od njiju smo sreali e v
predhodnem razdelku):
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
Ker odvode iskane funkcije nadomestijo deljene diference, metodam

te vrste reemo diferenne metode.
Diferencialno enabo integriramo vzdol neznane reitve y (x), da se
odvodov znebimo, na primer
Zxn
Zxn
0
y (x) dx = y (xn ) y (xn1 ) =

xn1
f (x, y (x)) dx .
xn1
Tu nam preostane izbrati primerno aproksimacijo integrala na desni

strani. Ta lahko temelji le na izraunljivih vrednostih f . Kot drugi
argument lahko zato uporabimo le numerine priblike iskane reitve.
2.3. Enolenske, velenske metode. Metode za reevanje zaetnih

problemov loimo po tem, koliko predhodno e izraunanih vrednosti uporabijo. Denimo, da na danem koraku raunamo pribliek y n . e za raun
uporabimo le y n1 , govorimo o enolenski metodi. Eulerjevi metodi (5.10)
in (5.11) sta na primer enolenski. Velenska metoda uporabi vrednosti
y n1 , y n2 , . . . , y nk , k > 1. e elimo poudariti tevilo uporabljenih lenov, ji
reemo tudi k -lenska metoda. Enolenske metode so bolj prone, laje sproti
spreminjamo korak h = xn1 . Po drugi strani posamezni korak enolenske
metode zahteva ve izraunov funkcijskih vrednosti f kot pri velenski metodi, kot bomo videli pozneje. V kolikni meri se to nadomesti s prilagajanjem
koraka h, je odvisno tudi od problema, ki ga reujemo. Tudi velenske metode
imajo slabosti: teko spreminjamo korak in zaetnih k vrednosti je treba doloiti z drugo metodo. V sedanjem asu je dan precej veji poudarek uporabi
enolenskih metod.
2.4. Eksplicitne in implicitne metode. Numerine metode delimo
tudi po tem, kako izraunamo vrednost y n . Pri eksplicitnih metodah lahko
y n izrazimo v zakljueni obliki, v implicitnih metodah tega ne moremo. Sistem
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.
Zgled 5.1. Eulerjeva implicitna metoda (5.11) z direktno iteracijo. Iskani y n

nastopa na levi in desni strani enabe in ga je treba poiskati iterativno,
(5.12)
y (r+1)
= y n1 + hff (xn , y (r)
n
n ),
r = 0, 1, . . .
Zaetni pribliek izberemo s korakom eksplicitne Eulerjeve metode
y (0)
f (xn1 , y n1 ) .
n = y n1 + hf
Direktna iteracija konvergira, e preslikava
T : Rd Rd : y 7 Tyy := y n1 + hff (xn , y )

kri slike. A funkcija f zadoa Lipschitzovem pogoju, na primer s konstanto
L > 0. Torej
u Tzz k = kh (ff (xn , z ) f (xn , u )) k hL kzz u k.

kTu
Direktna iteracija konvergira za vse dovolj majhne korake h, 0 < h h0 , kjer
je h0 taken, da velja 0 < h0 L < 1. Na velikost koraka h moramo biti zaradi
konvergence direktne iteracije ali kakne druge iteracijske metode pozorni pri
vseh implicitnih metodah.
2.5. Lokalna, globalna napaka, konvergenca. Koliko se numerini

pribliek in prava vrednost razlikujeta v dani toki xn , pove norma razlike
kyy (xn ) y n k.
Reemo ji globalna napaka. Pri reevanju zaetnih problemov globalno napako
teko ocenimo neposredno, saj se zane nabirati e v zaetni toki (kot neodstranljiva napaka pri zaetnem pogoju) in lahko raste z vsakim numerinim
korakom. To smo spoznali e na zgledu obeh Eulerjevih metod. Zato vpeljemo
lokalno napako. Lokalna napaka je razlika med tono in diskretno reitvijo
na trenutnem koraku, pri predpostavki, da se reitvi ujemata v vseh drugih
tokah, ki jih numerini korak zajame. Ta zahteva v splonem seveda ni izpolnjena. Zato je lokalna napaka predvsem prijem, ki razdeli ocenjevanje dejanske
napake v dva dela, v oceno, kaj se bi zgodilo na posameznem koraku, in del, ki
upoteva prispevek lokalnih ocen na celotnem intervalu. Osnovni motiv tako
vpeljane lokalne napake je v tem, da jo lahko razvijemo v Taylorjevo vrsto
okoli toke, kjer se obe reitvi ujemata in dobimo uporabno oceno velikosti.
Kar seveda pomeni, da je treba poznati tudi vije odvode funkcije y .
Zgled 5.2. Poii

y 0 = f (x, y ), kjer
spremenljivko x, z
vije odvode funkcije y , ki zadoa diferencialni enabi

je f gladka funkcija. Oznaimo z f x (x, y ) odvod f na
f y (x, y ) odvod na y , torej Jacobijevo matriko parcialnih
202
odvodov na komponente vektorja y in podobno vije odvode. Dobimo
y 0 = f (x, y ),
(5.13)
y 00 = f x (x, y ) + f y (x, y )ff (x, y ),

y 000 = f xx (x, y ) + f xyy (x, y )ff (x, y ) +
+ (ff xyy (x, y ) + (ff yy (x, y )ff (x, y ))) f (x, y )+
+ f y (x, y ) (ff x (x, y ) + f y (x, y )ff (x, y )) =
= f xx (x, y ) + (2ff xyy (x, y ) + f yy (x, y )ff (x, y )) f (x, y )+
+ f y (x, y ) (ff x (x, y ) + f y (x, y )ff (x, y )) ,
itd.
Pojem lokalne napake uporabimo s pridom tudi v robnih problemih, le da

jo tam deniramo nekoliko drugae.
Numerina metoda je kaj malo uporabna, e numerini pribliki ne konvergirajo k pravim vrednostim, ko poveujemo tevilo svobodnih parametrov.
V reevanju diferencialnih enab da tevilo parametrov kar delitev intervala
[a, b]. Priakujemo torej, da velja
max kyy (xn ) y n k 0,
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
max kyy (xn ) y n k = O (hr ) .
0nm
Za obiajne zaetne probleme izbiramo r 4. Pri robnih problemih smo vasih

zadovoljni tudi z r 2. Pri zaetnih problemih bomo pokazali, da je metoda
reda r br, ko je lokalna napaka reda r + 1.
2.6. e nekaj preprostih metod. Omejimo se na reevanje sistema di-
ferencialnih enab prvega reda
y 0 = f (x, y ),
y (a) = y a .
Naj bo
a = x0 < x1 < < xm = b

delitev intervala, kjer iemo diskretno numerino aproksimacijo in je
y n y (xn ) vrednost, ki jo raunamo. Naj bo e korak h konstanten,
h := xn1 .
2.6.1. Eksplicitna Eulerjeva metoda. Metodo smo izpeljali e v (5.10). Dodajmo e izraavo lokalne napake. Po deniciji je lokalna napaka razlika
y (xn ) y n , pri pogoju, da se tona in numerina reitev na prejnjem koraku
ujemata, y n1 = y (xn1 ). Razvijmo obe reitvi okoli h = 0 in ju primerjajmo. Za tono uporabimo dejstvo, da rei diferencialno enabo in s pomojo
203
izraunanih odvodov (5.13) dobimo
y (xn ) = y (xn1 + h) = y (xn1 ) + hyy 0 (xn1 ) +

(5.14)
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
Za numerino reitev izpeljemo
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
y (xn ) = y (xn1 ) + h y 0n1 (xn1 ) +
h3 000
h2 00
y n1 (xn1 ) +
y
(xn1 ) + . . .
2!
3! n1
204
upotevajmo, da je y reitev diferencialne enabe. Zato lahko uporabimo v

(5.13) izraunane odvode, pri argumentih x = xn1 , y = y n1 . Dobimo metodo, ki je nazorna, a ne preve ekonomina. Brez zadrkov jo uporabimo tam,
kjer asovna zahtevnost ni ovira, na primer pri doloanju zaetnih vrednosti
za k -lensko metodo.
2.6.4. Trapezno pravilo. Trapezno pravilo e poznamo kot najpreprosteje
Newton-Cotesovo integracijsko pravilo zaprtega tipa (zgled 4.3, str. 147). Uporabimo ga v reevanju diferencialnih enab. Integrirajmo diferencialno enabo
in integrirano funkcijo f
Zxn
Zxn
0
y (x) dx = y (xn ) y (xn1 ) =
f (x, y (x)) dx
xn1
xn1
aproksimirajmo s premico. Dobimo (implicitno) trapezno pravilo

h
(5.16)
y n = y n1 + (ff (xn1 , y n1 ) + f (xn , y n )) .
2
Numerini korak, torej desno stran (5.16), razvijemo okoli toke (xn1 , y n1 )
y n = y n1 + h f (xn1 , y n1 )+

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
Slika 5.5. Globalna (levo) in lokalna napaka (desno) za eks-
plicitno (modra) in implicitno Eulerjevo metodo (rdea) ter trapezno pravilo (be)
Zgled 5.3. Vzemimo diferencialno enabo y 0 = x + y 1, interval [0, 2] in
y(0) = 1, s tono reitvijo y(x) = ex x. Opravimo dva numerina poizkusa.

Izberimo najprej korak h = 15 in prikaimo globalno ter lokalno napako za
eksplicitno in implicitno Eulerjevo ter trapezno metodo (slika 5.5). Oitno je
trapezno pravilo pri obeh napakah za red bolje, kar smo za lokalno napako
e teoretino potrdili. Tudi lokalna napaka za vse metode se zdi za red bolja
kot globalna. Podprimo to z numerinim ugotavljanjem reda (torej najveje
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
1.10 0.481455102 2.00
0.222780
0.95 0.239638
1.10 0.120250102 2.00
0.113387
0.97 0.117596
1.00 0.300256103 2.00
0.572059101 0.99 0.582575101 1.00 0.747443104 2.00

0.287330101 0.99 0.289952101 1.00 0.183693104 2.00
Tabela 5.1. Numerino ugotavljanje reda eskplicitne, impli-
citne in trapezne metode
globalne napake) za vse tri metode. Tabela 5.1 zgovorno kae, da sta Eulerjevi
metodi prvega, trapezno pravilo pa drugega reda.
2.7. V svarilo. Tudi e ima diferencialna enaba enolino, gladko reitev,

numerino reevanje zahteva vasih posebno pozornost. Lahko tudi zahteva
izpeljavo posebnih metod, namenjenih reevanju problemov doloenega tipa.
Namen te knjige je le pregled in razlaga splono uporabnih metod, a se je
treba zavedati, da te lahko odpovedo. Takrat je treba posei po prilagojenih
metodah. Natejmo nekaj zgledov problemov, kakrne lahko sreamo.
2.7.1. Stabilnost. Stabilnost je ena od osnovnih zahtev v numerinem raunanju: majhna napaka v opravljenem raunu nas ne sme zavesti v povsem
drugo numerino reitev. Pri reevanju diferencialnih enab trimo ob pojem
stabilnosti e ob diferencialni enabi, e preden se je lotimo raunsko. Funkcija,
ki zadoa sami diferencialni enabi, ni doloena enolino, ampak je eno- ali
veparametrina druina funkcij. Katerega od kandidatov iz te druine elimo
numerino doloiti, povedo ele dodatni, zaetni ali robni pogoji. Funkcije v
tej druini so lahko kaj razline narave, na primer ene hitro rastejo, druge
padajo ipd. Pri numerinem raunanju iemo natanno doloenega predstavnika te druine. A e pri upotevanju zaetnih ali robnih pogojev se lahko
pojavi neodstranljiva napaka. Tudi pri samem raunu se ne moremo izogniti
zaokroitveni napaki. To pomeni, da se zaradi priblinega raunanja v numerini reitvi pojavijo tudi parazitski predstavniki splone reitve, pa eprav na
zaetku povsem neopazno. A e rastejo hitreje kot prava reitev, jo po dovolj numerinih korakih lahko povsem prekrijejo. Poglejmo si preprost zgled
nestabilne diferencialne enabe.
Zgled 5.4. Vzemimo diferencialno enabo y 00 = y e. Dvoparametrina dru-
ina reitev je dana z y(x) = e + c1 ex + c2 ex (slika 5.6, levo). e iemo

reitev za x > 0, ki zadoa zaetnemu pogoju
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
splone reitve diferencialne enabe

= y e (levo). Desno je numerina reitev (modra) za dani
zaetni pogoj, dobljena z eksplicitno Eulerjevo metodo.
Slika
y 00
5.6. Zgledi
bo konstanta c1 , sicer teoretino enaka ni, lahko na raun zaokroitvenih

napak postala od ni razlina. V numerino reitev se bo vtihotapila funkcija
ex , ki bo po dovolj korakih metode povsem prekrila reitev, ki jo iemo. Kot
primer izberimo zaetni pogoj
1
1
y(0) = e +
, y 0 (0) =
,
100
100
1
ki izbere tono reitev s parametroma c1 = 0, c2 =
. Numerino reitev
100
naj da eksplicitna Eulerjeva metoda. Kaj dobimo, e na primer zmotimo y(0)
za 1 na desetem desetikem mestu, kae slika 5.6 (desno). Za veje x numerina
reitev podivja, namesto da bi se ustalila pri vrednosti e.
Nestabilnost v zgledu izvira iz same diferencialne enabe, ne iz numerine
metode in se ji zato teko ognemo. Reemo, da diferencialna enaba ni stabilna
po Ljapunovu. Nestabilnost je lahko tudi plod numerine metode. A pri izpeljavi metod bomo vseskozi pazili, da je s samo metodo ne vnesemo umetno, e
je le v prvotnem problemu ni.
2.7.2. Okrnitvena napaka. Veina najpogosteje uporabljanih numerinih
metod za reevanje diferencialnih enab je izpeljanih podobno, kot smo ravnali
v numerinem integriranju. Lokalno napako razvijemo v vrsto po koraku h in
zahtevamo, da je vodilni del razvoja enak ni. Taken pristop povsem zadoa, ko se tona reitev lokalno spreminja polinomsko. Za doloene tipe enab
takna izpeljava ni vedno primerna. Poglejmo dva takna primera.
Zgled 5.5 (Tog problem). Vzemimo preprosto linearno diferencialno enabo

(5.17)
y 0 = (y 2) , na [0, 10], y(0) = 3,
s tono reitvijo y(x) = 2 + ex . Predpostavimo e = 20 0, tako da

reitev zelo hitro zamre v konstanto 2. Numerine metode, ki dajo dobre
rezultate pri diferencialnih enabah z reitvijo polinomske narave, se tu lahko
zelo slabo odreejo. e zlasti to velja za eksplicitne metode. Slika 5.7 nazorno
demonstrira delovanje eksplicitne Eulerjeve metode za razline h. Za dovolj
1
, numerina reitev dovolj dobro aproksimira pravo, za
majhen korak, h = 30
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
Slika 5.7. Tona reitev enabe (5.17) (rna) in numerine
reitve po eksplicitni Eulerjevi metodi za h =

1
(modra) in h = 10
(rdea)
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.
Zgled 5.6 (Hamiltonski sistemi ). Kako niha nihalo? Poenostavimo si problem
kar se da in vzemimo za zgled matematino nihalo v brezdimenzijski obliki.

Dolina idealnega nihala naj bo 1, prav tako tea masne toke in gravitacijska
konstanta (slika 5.8 (levo)). S q oznaimo kot odmika od navpine lege, s p pa
kotno hitrost. Kot naj bo enak 0 v navpini legi nihala in pozitiven v smeri,
nasprotni smeri urinega kazalca. Enabi gibanja sta dani z
(5.18)
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
Slika 5.8. Matematino nihalo (levo), reitev enab gibanja,
tona (rna) in numerina (zelena) z eksplicitno Eulerjevo metodo (desno)

reitve (5.18) ohranja invarianta, kar pomeni, da je reitev prikovana na neko
mnogoterost, je posebna lastnost. Ko se problema lotimo numerino, moramo
zagotoviti, da numerina reitev to lastnost vsaj priblino ohranja. Vse metode
tega ne zagotavljajo. Na sliki 5.8 lepo vidimo, da eksplicitna Eulerjeva metoda
1
ne uspe slediti toni reitvi, pa eprav je korak le h = 25
. Vedno dlje od
prave reitve je in bolj spominja na spiralo kot na kronico. Numerino so
amplitude nihanja vse veje in veje. Potreben je torej poseben razred metod,
ki jim reemo simplektine metode, namenjen reevanju problemov te narave.
Ker ta razred ohranja geometrijsko osnovo problema, govorimo o geometrijski
integraciji diferencialnih enab.
2.8. Naloge.
2.1. Izpelji metodo ki vrednost y n na novem koraku doloi kot povpreje priblika eksplicitne in implicitne metode.
2.2. Izpelji lokalno napako implicitne Eulerjeve metode.

2.3. Funkcija y naj bo reitev diferencialne enabe
y 0 = x2 + y 2 ,
y(0) = 1.

Uporabi razvoj v Taylorjevo vrsto (do reda O h4 ) in poii numerino aproksimacijo za y(0.1).
209
2.4. Sprogramiraj raun v zgledu 5.3 in ga ponovi za h = h0 , h20 , h40 , . . . . Na
osnovi numerinih rezultatov oceni, kako najveja lokalna in globalna napaka

pri vsaki od treh metod padata s h. Kaj torej sklepa o povezavi reda lokalne
napake in reda metode?
2.5. Primerjaj obe Eulerjevi metodi ter trapezno pravilo pri numerinem re-
evanju sistema enab, ki doloa gibanje matematinega nihala. Podatka sta

zaetni poloaj in zaetna hitrost. Gibanje nihala numerino zasleduj ve period. Kako se izkaejo posamezne metode?
2.6. Dana je diferencialna enaba

y 0 = x2 y 2 ,
y(x0 ) = y0 .
Izpelji trapezno pravilo
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 +
2.7. Diferencialno enabo y 0 = 50y + 100, y(0) = y0 , ki ima tono reitev
y(x) = (y0 2) e50x + 2 reujemo z

(a) eksplicitno Eulerjevo metodo: yn = yn1 + hf (xn1 , yn1 ),
(b) implicitno Eulerjevo metodo: yn = yn1 + hf (xn , yn ).
V obeh primerih izpelji splono formulo za yn in doloi vrednosti za h, pri
katerih yn konvergira proti toni reitvi, ko gre x .
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.
2.10. Diferencialno enabo y 0 = y, y(0) = y0 6= 0 reujemo

(a) z Eulerjevo metodo: yn = yn1 + hf (xn1 , yn1 ),
(b) s sredinskim pravilom: yn = yn2 + 2hf (xn1 , yn1 ).
Doloi splono formulo za yn pri obeh metodah in obravnavaj obnaanje reitve,
ko gre n (glede na in h).
POGLAVJE 6
Zaetni problemi
211
212
6. ZAETNI PROBLEMI
1. Enolenske metode
1.1. Runge-Kutta metode, uvod. Enolenske metode veljajo trenu-
tno za najprimerneje metode v numerinem reevanju zaetnih problemov.

Skoraj vse sodijo v skupino Runge-Kutta metod. Ime Runge-Kutta metode
je skovanka priimkov avtorjev, ki sta najve prispevala k zaetku razvoja teh
metod. Izpeljimo shemo, ki doloa Runge-Kutta metodo v splonem. Spomnimo se Eulerjevih metod (5.10) in (5.11). Na vsakem koraku uporabita e
izraunano vrednost y n1 in doloita y n kot numerino reitev v novi toki xn .
Pri tem uporabita le eno novo vrednost odvoda, torej desne strani f . Pri prvi
potrebujemo odvod v zaetni toki posameznega koraka,
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
je reda O h , zato ne sodita med posebno uinkovite. Poiimo bolje. Ker

vztrajamo pri enolenski metodi, lahko red lokalne napake viamo le tako, da
uporabimo izraunane vrednosti odvoda pri ve razlinih vrednostih argumentov. Izboljana Eulerjeva metoda (5.15) in trapezno pravilo (5.16) sta prvi
korak v to smer. Uporabljata dva odvoda. Del sheme, ki doloa argumente pri
izraunu f , je treba raziriti v dve vrstici. Prav tako je treba poveati tevilo
stolpcev, saj sta pri izraunu y n uporabljena dva odvoda. Konstanti 1 in 1
postaneta vektorja, 1 pa matrika. e povzamemo metodi, dobimo shemi
0
0
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
6.1. ENOLENSKE METODE
213
odvoda in zanimo s shemo
1 11 12
2 21 22 .
1 2
(6.1)
Konstante i , ij in j so svobodni parametri. Doloajo metodo, ki najprej

izrauna odvoda k 1 in k 2 , ki zadoata enabama
k 1 = f (xn1 + 1 h, y n1 + h (11 k 1 + 12 k 2 )) ,
(6.2)
k 2 = f (xn1 + 2 h, y n1 + h (21 k 1 + 22 k 2 )) .
Nato sledi numerini pribliek v novi toki xn kot
(6.3)
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.
Od tod sklepamo, da velja
(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)
upotevamo le lene do potence hr , r N, moramo poznati razvoj k i

(h).
Okrajajmo si zapis z dogovorom, da argumente pri funkciji f in njenih odvodih
opustimo, saj so vsi enaki (xn1 , y n1 ). Torej
f := f (xn1 , y n1 ) , f x := f x (xn1 , y n1 ) , f y := f y (xn1 , y n1 ) , . . .
214
6. ZAETNI PROBLEMI
Verino pravilo nam tako da razvoj k 1 kot

(6.5)
k 1 = f + (1f x + (11 + 12 ) f y f ) h+
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
izpolniti s primerno izbiro preostalih dveh svobodnih parametrov. Rezultat

izpeljave
vidimo v tabeli 6.1. Metoda je etrtega reda (lokalna napaka je
O h5 ). Nosi imeni Hammer & Hollingsworth (tudi Gauss-Legendre etrtega
reda).
1
3
2 6
1
3
+
2
6
1
4
1
3
+
4
6
1
3
4
6
1
4
1
2
1
2
Tabela 6.1. Metoda Hammer & Hollingsworth, etrtega reda
Opravljeno izpeljavo vzemimo kot izhodie za denicijo splone s-stopenjske

Runge-Kutta metode. Posploimo najprej tabelo 6.1. Reemo ji Butcherjeva
shema (tabela 6.2.)
1 11 12
2 21 22
..
..
..
.
.
.
s s1 s2
1 2
..
.
1s
2s
..
.
ss
s
Tabela 6.2. Butcherjeva shema splone Runge-Kutta metode
Na osnovi koecientov Butcherjeve sheme pripadajoa Runge-Kutta metoda

doloi odvode
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
Zgled 6.1 (Metoda RK4 ). Med najbolj pogosto uporabljanimi eksplicitnimi
Runge-Kutta metodami najdemo tole.
217
0
1
2
1
2
1
2
1
2
0
0
1
6
2
6
2
6
1
6
Razlogov za njeno priljubljenost je ve, ne le zgodovinskih. Je etrtega reda,

torej dovolj natanna. Koeciente metode si je zelo lahko zapomniti in metodo
sprogramirati. Tudi raunanje pe, brez uporabe programov, je preprosto, kar
se le da. V nekaterih knjigah ali prironikih jo najdemo zapisano tudi takole
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
V tej obliki ima k i vlogo popravka vrednosti, ne odvoda, saj je mnoen s

korakom h.
Zgled izpeljave Runge-Kutta metode in sama formulacija zahtevajo nekaj
pojasnil in ugotovitev. Najprej opazimo:
e je ij = 0 za j i, je metoda eksplicitna (kratko ERK),

e je ij = 0 za j > i in ii 6= 0 za vsaj en i, je metoda diagonalno
implicitna (kratko DIRK),
v drugih primerih je metoda polno implicitna (kratko IRK).
Kot je obiajmo, imajo implicitne metode bolje lastnosti kar zadeva stabilnost,
a so okorneje in asovno zahtevneje. Pri diagonalno implicitni s-stopenjski
metodi je treba reiti s nelinearnih sistemov z d neznankami. Polno implicitna shema zahteva reevanje skupnega sistema s d nelinearnih enab z s d
neznankami. e sama metoda iskanja reitve nelinearnih sistemov zaslui pozornost. Po privzetku je funkcija f Lipschitzova v drugem argumentu in direktna iteracija konvergira za dovolj majhen h. Na primer v izpeljani metodi
Hammer & Hollingsworth (tabela 6.1) bi direktno iteracijo na posameznem
218
6. ZAETNI PROBLEMI
koraku opravili takole

(0)
(0)
k 1 = f (xn1 , y n1 ), k 2 = f (xn1 , y n1 ),
!
!
!
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
Slika 6.1. Doseena natannost numerine reitve po ekspli-
citni Eulerjevi (modra), Heunovi (temnordea) in RK4 (be) v

odvisnosti od opravljenih izraunov f
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.
1.2. Izpeljava Runge-Kutta metod. Izpeljava Runge-Kutta metod je
v naelu preprosta, saj je potrebno le primerjati razvoja numerine in tone

reitve po potencah h. Pri posamezni potenci hi , i = 0, 1, . . . , moramo najprej
ugotoviti neodvisne lene, elementarne diferenciale. Nato poizkusimo izbrati
parametre v Butcherjevi shemi tako, da so konstante, ki mnoijo elementarne
diferenciale, enake ni. V ozadju izpeljave je le verino pravilo odvajanja,
sploneje Fa di Brunove formule. A e zgled izpeljave dvostopenjskih RungeKutta metod v predhodnem razdelku nas prepria, da postane razvoj novih
metod z ve stopnjami hitro nepregleden in skoraj neobvladljiv. Zato je bilo
vloenega veliko truda, da se ti razvoji poenostavijo in deloma avtomatizirajo. Povejmo nekaj osnovnih poenostavitev. Najprej opazimo, da v izpeljavi
dvostopenjskih metod, torej pri s = 2, velja relacija
(6.10)
i =
s
X
ij .
j=1
Ta privzetek je uporaben tudi pri sploni stopnji s, poznal ga je e sam Runge.

Naj velja (6.10). V sploni formuli za izraun odvodov k i v (6.9) ugotovimo,
da prvi argument funkcije f lahko zapiemo tudi v obliki
xn1 + i h = xn1 + h
s
X
(ij 1) .
j=1
Spremembo v neodvisni spremenljivki raunamo na enak nain kot pri iskani

d
funkciji y , saj bi bili pripadajoi k i zaradi dx
x = 1 vsi enaki ena. e uspemo
to vkljuiti v diferencialno enabo v celoti, se v razvojih (na primer v (6.5))
znebimo lenov f x , f xx , . . . Zato diferencialno enabo y 0 = f (x, y ) pretvorimo
v avtonomno obliko. To dobimo, e tudi x razumemo kot spremenljivko, katero
raunamo. Naj bo ta kar prva od spremenljivk, y 0 . Tu smo preli e na bolj
priroen tenzorski nain indeksiranja komponent, z indeksi zgoraj. Ta dogovor
naj velja tu, da s tem sprostimo spodnje indekse za oznake parcialnih odvodov.
Vektor y tako razirimo s komponento y 0 := x, desno stran pa s komponento
0
f 0 (y 0 , y 1 , . . . , y d ) := y 0 = 1.
220
6. ZAETNI PROBLEMI
Diferencialna enaba v novi obliki y 0 = f (yy ) se po komponentah glasi

0 0 0 0 1

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
Tu smo okrajali fij :=
i=0
f j
. Dogovorimo se e, da vsak sumacijski indeks tee

y i
od 0 do d. Z uporabo Leibnizevega pravila na lenih vsote sedaj nadaljujemo
!0
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 +
fij fki f`k 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 +
fij fki f`k f ` .
i,k,`
Tri od vsot oznaujejo enak elementarni diferencial, saj sumacijske indekse

lahko poimenujemo poljubno, faktorji v produktih pa komutirajo. e primerjamo opravljeno izpeljavo z (5.13, str. 202), vidimo, da je bistveno pregledneja.
Elementarne diferenciale preprosto predstavimo s splonimi drevesi, ki jim
reemo tudi B-drevesa. Raunanje odvodov doloa, kako drevesa rastejo. Pri
vsakem od odvajanj se drevo preslika v ve novih. Nova drevesa dobimo tako,
da prvotnemu dodajamo po eno novo vejo, iz vsakega od vozli posebej. Vsako
od dreves dobi na trenutnem koraku toliko sinov, kot je vozli v njem. Pono (r)
0
vimo izpeljavo izrauna y j
z B-drevesi. Zanemo z y j = f j in korenom
drevesa, oznaenim z j . Rast dreves kae slika 6.2. Ekvivalentna so drevesa,
ki so enake oblike in sodijo v isti ekvivalenni razred. Njihovo tevilo oznauje
mo ekvivalennega razreda. Tu je treba biti pazljiv na to, katera drevesa so
ekvivalentna. Gre namre za splona, ne pa urejena drevesa. Vrstni red sinov
221
k
i
j
{
{
i
k
j
k
k
k i
j
i
j
i
j
i
j
Slika 6.2. Rast B-dreves
torej ni pomemben. Razvoj numerine in tone reitve je treba sedaj primerjati

le na ekvivalennih razredih B-dreves, kjer se morata ujemati, vkljuno s tevilom pripadnikov v ekvivalennem razredu. Reemo, da primerjamo B-vrsti.
To precej poenostavi izpeljavo Runge-Kutta metod.
1.3. Stabilnost in konvergenca enolenskih metod. Spomnimo se,
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
Tu je funkcija numerini odvod, pribliek pravega odvoda f . Spreminjanje

koraka h > 0 in tehnine podrobnosti, ki bi bile v tem primeru neobhodne, kar
prezrimo in diskretno mreo izberimo z
xn = a + n h,
n = 0, 1, . . . ,
ba
=: m =: m(h) N.
h
222
6. ZAETNI PROBLEMI
O stabilnosti ali konvergenci je smiselno govoriti le, e je reitev diferencialne

enabe dovolj pohlevna. Zato zahtevajmo, da prvotni problem zadoa zahtevam eksistennega izreka in opredelimo stabilnost in konvergenco numerine
metode za vse takne diferencialne enabe enotno.
Denicija 6.1. Enolenska metoda je stabilna, e za vsako diferencialno

enabo, ki zadoa zahtevam eksistennega izreka, obstajata konstanti h0 > 0
in c > 0, takni, da za dve numerini reitvi (yy n )n>0 in (
y n )n>0 , z zaetnima
vrednostma y 0 in y0 , velja
kyy n yn k ckyy 0 y0 k
za vsak h, 0 < h h0 in vse n, n = 1, 2, . . . , m(h).
Izrek 6.1. e je Lipschitzova v y , je enolenska metoda stabilna.

Dokaz. Vzemimo dve numerini reitvi, ki ju raunamo z
y n = y n1 + h (xn1 , y n1 , h) ,
yn = yn1 + h (xn1 , yn1 , h) .
Zaetni vrednosti y 0 in y0 sta dani. Ocenimo razliko na n-tem koraku z razliko
na (n 1)-vem koraku,
kyy n yn k k (yy n1 + h (xn1 , y n1 , h)) yn1 + h (xn1 , yn1 , h) k
(xn1 , y n1 , h) (xn1 , yn1 , h)k

kyy n1 yn1 k + hk
kyy n1 yn1 k + hLkyy n1 yn1 k = (1 + hL)kyy n1 yn1 k.
Tu smo uporabili trikotniko neenakost in upotevali dejstvo, da je Lipschitzova v drugem argumentu s konstanto L. Oceno iteriramo in dobimo
kyy n yn k (1 + hL)n kyy 0 y0 k .

Ker velja 1 + hL ehL , je
(1 + hL)n enhL e(ba)L .

e izberemo konstanto c = e(ba)L , je izrek dokazan.
Za konvergenco mora biti izpolnjenih ve pogojev kot za stabilnost.
Denicija 6.2. Enolenska metoda je konvergentna, e za vsako diferencialno

enabo, ki zadoa zahtevam eksistennega izreka, za vsak n velja
kyy n y (xn )k 0 ,
ko h 0.
Izrek 6.2. Naj bo Lipschitzova v y in zvezna v spremenljivkah h in x [a, b].

Potreben in zadosten pogoj za konvergenco je konsistentnost numerine metode,
(x, y , 0) = f (x, y ) .
223
Dokaz. Vzemimo diferencialno enabo

z 0 = g (x, z ) := (x, z , 0),
(6.11)
z (a) = y a = y (a) .
Po eksistennem izreku 5.1 obstaja zvezno odvedljiva reitev te diferencialne

enabe, saj je funkcija g zvezna v x in Lipschitzova v z . Pokaimo, da numerina reitev, dobljena z
y n = y n1 + h (xn1 , y n1 , h),
y 0 = y a,
konvergira k toni reitvi problema (6.11). Oznaimo komponente z = (zi ),

g = (gi ), y n = (yn,i ) ipd. Ker je z po predpostavki zvezno odvedljiva vektorska
funkcija, za njene komponente velja Lagrangeev izrek,
zi (xn ) = zi (xn1 ) + h zi0 (xn1 + i h) =

= zi (xn1 ) + hgi (xn1 + i h, z (xn1 + i h)) .
Tu je 0 < i < 1. Vpeljimo napako v toki xn kot
e n := y n z (xn ) .
Pokazati elimo, da napaka za vsak n pada proti ni, ko korak h manjamo.
Za komponento napake ugotovimo
en,i = yn,i zi (xn ) =

= (yn1,i + h i (xn1 , y n1 , h))
(zi (xn1 ) + hgi (xn1 + i h, z (xn1 + i h))) =
= en1,i + h ((i (xn1 , y n1 , h) i (xn1 , z (xn1 ), h)) +
+ (i (xn1 , z (xn1 ), h) i (xn1 , z (xn1 ), 0)) +
+ (i (xn1 , z (xn1 ), 0) i (xn1 + i h, z (xn1 ), 0)) +
+ (i (xn1 + i h, z (xn1 ), 0) i (xn1 + i h, z (xn1 + i h), 0)) .
Zadnje tri razlike lahko zaradi predpostavljene zveznosti ocenimo z
h |i (xn1 , z (xn1 ), h) i (xn1 , z (xn1 ), 0)| = O (h) ,

h |i (xn1 , z (xn1 ), 0) i (xn1 + i h, z (xn1 ), 0)| = O (h) ,
h |i (xn1 + i h, z (xn1 ), 0) i (xn1 + i h, z (xn1 + i h), 0)| = O (h) ,
kjer smo v zadnji oceni upotevali tudi dejstvo, da je Lipschitzova v drugem argumentu. Z O (h) smo oznaili lene, ki gredo s h proti ni hitreje kot
linearno. Zberimo ocene komponent v ocene za vektorje. To da
keen k keen1 k + hLkeen1 k + O (h) + O (h) + O (h) ,

oziroma
keen k (1 + hL)keen1 k + O (h) .
Oceno iteriramo
keen k (1 + hL)n kee0 k + O (h) 1 + (1 + hL)1 + + (1 + hL)n1 .
Od tod
keen k e(ba)L kee0 k + O (h)
(1 + hL)n 1
(1 + hL) 1
224
6. ZAETNI PROBLEMI
in torej
keen k e(ba)L kee0 k +
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 .
Zgled 6.2. Vzemimo eksplicitno Runge-Kutta metodo etrtega reda, ki smo
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
(xn , y n1 , h) (xn , yn1 , h)k

k
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
Za uinkovito praktino uporabo metod je pomembno predvsem to, kako

hitra je konvergenca. Da izpeljemo potrebno oceno, si pomagajmo z lokalno
napako n (h), razliko y n y (xn ) pri pogoju y n1 = y (xn1 ). To da
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
keen k keen1 k + hLkeen1 k + Chr+1 = (1 + hL)keen1 k + Chr+1 .

Oceno iteriramo in dobimo
keen k (1 + hL)n kee0 k + Chr+1 (1 + (1 + hL) + + (1 + hL)n1 )

e(ba)L kee0 k + Chr
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.
1.4. Kontrola koraka in ugnezdene metode. Runge-Kutta metode

omogoajo preprosto spreminjanje koraka h, kar je njihova prednost. S tem
deloma nadomestijo dejstvo, da je za vsak korak eksplicitne s-stopenjske metode potrebnih s izraunov funkcije f . Pri implicitnih metodah je v asovni
zahtevnosti kot faktor skrito tudi tevilo potrebnih iteracij.
Prva misel, kako ocenjevati, ali je korak h primerno izbran, se ponudi sama
po sebi kot Richardsonova ekstrapolacija. Ohrabreni z obnaanjem lokalne
napake predpostavimo, da se napaka obnaa kot
y n y (xn ) = chr+1 + O hr+2 .

(6.12)
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
napaka je O h5 in se izraa kot
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
Osnovni Runge-Kutta korak opravimo s prvo vrstico
y n = y n1 + h
s
X
i k i ,
i=1
cenilko doloimo iz druge vrstice
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
postavimo priblini cilj
|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
Z velikostjo koraka hn := xn xn1 smo zadovoljni, e je ocena lokalne napake

dovolj majhna. Tu se recept doloanja koraka malo razide. Zahtevamo lahko,
da je ocena napake absolutno dovolj majhna, n , ali relativno glede na
trenutno velikost koraka, n hn . e smo zadovoljni, korak hn sprejmemo.
Odvisno od kriterija v primeru
n > ali n > hn

korak zavremo, razpolovimo
hn
hn
2
in ponovimo izraun iz toke xn1 .

Naj bo hn sprejemljiv in izberimo hn+1 na osnovi izraunane ocene n .
Predpostavimo, da se ocena napake obnaa kot razlika lokalnih napak osnovne
metode in cenilke,
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
hn+1 = hn min (qmax , max (qmin , qn )) .
229
Za zakljuek numerinih nasvetov dodajmo e zgleda pomembnih ugnezdenih metod.
Zgled 6.3. Eksplicitna Fehlbergova eststopenjska metoda (4, 5) je dolgo asa

veljala za najboljo:
0
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
Tabela 6.3. Van der Polova enaba z ugnezdeno Fehlbergovo
(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
Tabela 6.4. Van der Polova enaba z ugnezdeno metodo Dor-
mand & Prince (5, 4)
sta si zahtevana natannost in dejanska napaka zelo blizu. Predpostavljeno

obnaanje lokalne napake se tu obnese. Metoda Dormand & Prince zahteva
nekoliko ve izraunov funkcije f , a vrne nekoliko tonejo numerino reitev.
Slika 6.3 ugotavlja uinkovitost ugnezdenih metod v primerjavi z osnovnima.
Po tevilu klicev funkcije f sta za dano natannost osnovna in ugnezdena metoda tu primerljivi. Seveda le, e za osnovno metodo vnaprej poznamo korak,
ki dano natannost zagotavlja. To najvekrat ni res. Po drugi strani v ugnezdeni metodi izberemo le, koliko naj bo lokalna napaka najve. Za pravilni
korak poskrbi metoda sama. To je velika prednost metod tega tipa.
Pri izraunih, ki zahtevajo zelo visoko natannost, kot so astronomski problemi, poseemo po metodah e vijega reda, na primer po Vernerjevi (6, 5) ali
Fehlbergovi (7, 8).

napaka
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
Slika 6.3. Primerjava uinkovitosti osnovne (modra) in ugnez-
dene metode (temnordea) pri reevanju Van der Polove enabe:

Fehlbergova metoda (levo) in Dormand & Prince metoda (desno)
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
Reujemo problem y 0 = y, y(0) = y0 R. Zapii eksplicitno formulo za yn .

Kako velik je lahko h, da se bo pri = 4 numerina reitev yn obnaala kot
tona reitev, ko gre n ?
1.2. Doloi red lokalne napake Runge-Kutta metode

1
2
1
2
1
Preizkusi jo na problemu matematinega nihala. Kaj ugotovi?
1.3. Ugotovi red lokalne napake Runge-Kutta metode za reevanje zaetnega

problema, ki je podana z
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 = y(2 + cos x),
y(0) = 1,
katere tona reitev je y(x) = e2xsin x . Reujemo jo z eksplicitno Eulerjevo

metodo.
(a) Izpelji oceno za lokalno napako.
(b) Koliken mora biti h, da bo napaka v x = 1 manja od 105 ?

2y
+ x 1, y(0) = 1,
2x + 3
ki jo reujemo z implicitno Eulerjevo metodo.
(a) Izpelji oceno za lokalno napako.
(b) Koliken mora biti h, da bo napaka v x = 1 manja od 106 ?
y0 =
1.7. Naj bo f : R Rd Rd zvezna in naj zadoa Lipschitzovemu pogoju:

|| f (x, y ) f (x, y) || L ||yy y||.
Dokai: e je
h<
L maxi
in
ci :=
1
Ps
j=1 |aij |
s
X
|aij |,
j=1
potem obstaja enolina reitev sistema

!
s
X
aj`k ` ,
k j = f x0 + cj h, y 0 + h
j = 1, 2, . . . , s,
`=1
za neznane k j , ki jo dobimo z direktno iteracijo.
1.8. Reujemo sistem
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
1.9. Dana je diferencialna enaba drugega reda:

y 00 y 0 y 2 + y = 0,
y(0) = 1, y 0 (0) = 0.
Naj bo h = 0.2. Prevedi enabo na sistem diferencialnih enab prvega

reda, uporabi Runge-Kutta metodo etrtega reda ter doloi numerino reitev y1 y(0.2).
1.10. V Runge-Kutta metodi za reevanje diferencialne enabe y 00 = f (y, y 0 )

oblike
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 )
tako, da uporabi ve e izraunanih vrednosti y n1 , y n2 , . . . Naj k N oznai

tevilo uporabljenih vrednosti; k -lenska metoda iz vrednosti
(6.14)
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
Preostane nam poiskati aproksimacijo integrala v (6.15). Ker y ne poznamo,

ne poznamo vrednosti vektorske funkcije f ( . , y ( . )). A ker po dogovoru
vrednosti y (xni ) zamenjujemo z y ni , lahko izrazimo tudi numerine priblike
odvoda v tokah xni ,
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
6.2. VELENSKE METODE
235
indeksom n 1. Novo spremenljivko t vpeljemo s t =

(6.16)
k1
X
p (x) = p (xn1 + h t) =
i=0
x xn1
, kar da
h

t
(1)
if n1
i
i
in, ob zamenjavi integracijske spremenljivke x t,
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
kjer smo oznaili
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
(x) = (x xn1 )(x xn2 ) (x xnk ) =

t
k k
= (xn1 + h t) = (1) h k!
k
za x [xn1 , xn ], torej t [0, 1], ne spremeni predznaka, za izraavo ostanka
lahko uporabimo (4.5, str. 142) in dobimo
Z xn
0
R y =
(x)[xn1 , xn2 , . . . , xnk , x]yy 0 dx = k hk+1y (k+1) () .
xn1
236
6. ZAETNI PROBLEMI
Zamenjajmo v (6.19) e indeks j + 1 j in dobimo Adams-Bashforthove

metode v obliki
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
Pri k = 1 dobimo spet eksplicitno Eulerjevo metodo
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
Kako najlaje izraunamo koeciente i ? Preprosto pot pove tale izrek.
Izrek 6.4. Koeciente i , denirane v (6.18), lahko raunamo rekurzivno,

0 = 1,
m = 1
1
1
1
m1 m2
0 ,
2
3
m+1
m = 1, 2, . . .
Dokaz. Poglejmo si rodovno funkcijo koecientov i ,
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
je G za |z| < 1 absolutno konvergentna potenna vrsta. Integracijo in sumacijo

lahko zamenjamo in dobimo
!
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
Za |z| < 1 izraza
Primerjava koecientov pri sploni potenci z m da
1
1
1
m + m1 + m2 + +
0 = 1 ,
2
3
m+1
kar potrjuje izrek.
Zgled 6.6. Izraunajmo tabelo koecientov kj Adams-Bashforthove metode

za k 6, kjer izpostavimo skupni imenovalec koecientov:
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
Zgled 6.7. Preizkusimo uinkovitost Adams-Bashforthove tirilenske metode
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
Tabela 6.5. Primerjava uinkovitosti metod RK4 (leva ta-
bela) in tirilenske Adams-Bashforthove (desna tabela) pri reevanju Van der Polove enabe za razline korake h
uporabimo e zadnjo toko xn in iskano vrednost y n , torej tudi f n ,

k
X
i t
p (x) = p (xn + h t) =
(1)
if n + Rff .
i
i=0
e primerjamo p s (6.16), vidimo, da je izraz if n zamenjal if n1 , saj

upotevamo tudi zadnjo toko. Prav tako je k zamenjal k 1. Polinomi temeljijo na eni interpolacijski toki ve kot pri eksplicitni metodi. Seveda je
pri danem k implicitna metoda e vedno k -lenska. Po integraciji diferencialne
enabe in zamenjavi integracijske spremenljivke dobimo

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
Zgled 6.8. Izraunajmo nekaj koecientov i ,

0
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,
(x) = (x xn )(x xn1 ) (x xnk ) =
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
475 1427 798 482 173 27
Vrednost k = 0 ponovno da implicitno Eulerjevo metodo (5.11, str. 197),

pri k = 1 dobimo trapezno pravilo (5.16, str. 204).
240
6. ZAETNI PROBLEMI
Zgled 6.10. Preizkusimo uinkovitost Adams-Moultonove tirilenske metode

na Van der Polovi enabi, v primerjavi z RK4. Zaetni pribliek naj da AdamsBashforthova metoda kot prediktor, Adams-Moultonov korak naredimo le enkrat, kot korektor. Vsi podatki naj bodo takni kot v zgledu 6.7. Kot vidimo,
ima Adamsova metoda tudi tu prednost.
h
#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
Tabela 6.6. Primerjava uinkovitosti metod RK4 (leva ta-
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
Ker je enaba homogena, izberimo 0 := 1, z mislijo na to, da y n sodi na

drugo stran enabe, saj ga raunamo. Ostane 2k + 1 svobodnih parametrov.
Metoda je eksplicitna, e je 0 = 0, sicer je implicitna. Dogovor 0 = 1
zagotavlja tudi, da se da y n iz (6.21) za dovolj majhne h izraunati tudi v
implicitni metodi. Da je k kar se da majhen, privzemimo tudi |k | + |k | > 0.
Linearni k -lenski metodi priredimo rodovna polinoma
(6.22)
() :=
k
X
i ki
i=0
in
(6.23)
() :=
k
X
i ki ,
i=0
ki v mnogoem olajata analizo velenskih metod.
241
Pri tudiju enolenskih metod je pomembno vlogo odigrala lokalna napaka.

Vpeljimo jo tudi za velenske metode: to je razlika y n y (xn ) pri pogoju, da
se vrednosti numerine in tone reitve na vseh predhodnih korakih ujemajo,
y ni = y (xni ),
i = 1, 2, . . . , k.
Sama denicija ni kaj prida uporabna, zato jo preoblikujmo v delovno obliko.

Vpeljimo diferencialni operator Lh z dogovorom
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 .
Izrek 6.5. Red diferencialnega operatorja Lh doloa red lokalne napake.

Dokaz. Predpostavimo y ni = y (xni ), i = 1, 2, . . . , k in izrazimo
y n y (xn ) =
=
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
+ h0 (ff (xn , y n ) f (xn , y (xn ))) =

= Lh (yy )(xn ) + h0 (ff (xn , y n ) f (xn , y (xn ))) =
ff
= Lh (yy )(xn ) + h0 (xn , i ) (yy n y (xn )) .
yy
f
Tu f
y (xn , i ) oznauje Jacobijevo matriko, katere i-ta vrstica je po Lagrangey
evem izreku izraunana v neki vmesni toki i na premici med y n in y (xn ).
Tako dobimo
ff
I h0 (xn , i ) (yy n y (xn )) = Lh (yy )(xn ) .
yy
Za dovolj majhne h je Jacobijeva matrika na levi strani zagotovo obrnljiva in

dobimo
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
Omejimo se na dovoljkrat zvezno odvedljive funkcije y . Vsakega od lenov

y (x i h) lahko razvijemo v Taylorjevo vrsto okoli toke x:
(6.25)
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 =
cj hj y (j) (x) + O hr+2 .
j=0
S cj smo oznaili koeciente

k
P
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
cj (h)j y(x) + O hr+2 .

Lh (y)(x) =
j=0
Operator Lh je reda r natanko takrat, ko je reda r na funkciji ex . Naj bo Lh

reda r. Tedaj je cr+1 6= 0 in
Lh (y)(x) = cr+1 hr+1 y (r+1) (x) + O hr+2 =
= cr+1 (h)r+1 ex + O hr+2 =
= cr+1 (h)r+1 e(xkh) + O hr+2 ,

saj je ekh = 1 + O (h). Po drugi strani iz denicije operatorja (6.25) sledi
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) =
= e(xkh) (eh ) + h(eh ) .
243
Torej mora veljati
(eh ) + h(eh ) = cr+1 (h)r+1 + O hr+2 .

Vpeljimo e z := eh 1, torej h = ln(1 + z) = z + O z 2 in smo v celoti
dokazali sledeo trditev.
Izrek 6.6. Linearna k-lenska metoda (6.21) je reda r natanko tedaj, ko velja
relacija
(6.27)
(1 + z) + ln(1 + z)(1 + z) = cr+1 z r+1 + O z r+2 ,
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.
Nanizajmo e nekaj zgledov. Najprej osveimo razvoja
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
e poznamo sedaj enega od rodovnih polinomov, drugi sledi iz (6.27), e le

zahtevamo, da naj bo lokalna napaka im vijega reda.
Zgled 6.12. Adamsove metode smo izpeljali tako, da smo diferencialno
enabo integrirali po zadnjem podintervalu. Torej je prvi rodovni polinom

nujno oblike () = k + k1 . Privzemimo k = 2 in poiimo za eksplicitno metodo. Ker je 0 = 0, je kvejemu prve stopnje. Iz (6.27) ugotovimo
(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
Zgled 6.13. Naj bo ponovno k = 2. Izpeljimo e implicitno metodo, 0 6= 0.

Polinom je stopnje 2, lokalna napaka je reda 3. Torej
(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
Zgled 6.14. Sprostimo sedaj izbiro koecientov i in i hkrati. Privzemimo

spet k = 2 in eksplicitno metodo. Na voljo imamo tiri parametre,
() = 2 + 1 + 2 ,
() = 1 + 2 .
V relaciji (6.27) lahko uniimo lene do z 3 . To da sistem enab
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
y n = 4yy n1 + 5yy n2 + h(4ff n1 + 2ff n2 ) .

Vzemimo zelo preprosto diferencialno enabo, ki ima desno stran f enako ni.
Numerino reitev lahko poiemo v zakljueni obliki
y n = C1 (+1)n + C2 (5)n = C1 + C2 (5)n .
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!
2.4. Milneove metode. Razred velenskih metod, ki temeljijo na New-
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
y (x) dx = y (xn ) y (xnk ) =

xnk
f (x, y (x)) dx .
xnk
Z izbiro intervala integracije je prvi rodovni polinom doloen,
() = 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
Tu (p) oznauje prediktor, (k) pa korektor. Za zgled izpeljimo Milneovo metodo

etrtega reda.
Zgled 6.15 (Milneova metoda). Tu je k = 4 za prediktor, torej k = 2 za

korektor. Za prediktor ugotovimo () = 4 + 1 in iz (6.27)

(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
Odvod binomskega koecienta da
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
To pomnoimo s h in dobimo BDF metode v obliki

k
X
1
(6.28)
i=1
iy n = hff (xn , y n ),
k = 1, 2, . . .
Desna stran enabe se poenostavi, ker je p (xn ) = y n . Koecient pri y n ni enak

1, zato metode lahko prepiemo tudi v obliko
(6.29)
k
k
X
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
polinom za BDF metode je preprost, () = 1k k . Tudi prvi rodovni polinom

lahko poiemo v zakljueni obliki. Leva stran (6.28) da
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.
2.6. Stabilnost in konvergenca linearnih velenskih metod. V li-
nearnih k -lenskih metodah

k
k
X
X
(6.30)
iy ni + h
if ni = 0
i=0
i=0
je en del neodvisen od desne strani diferencialne enabe f . e je ta lahko

izvor numerine nestabilnosti, se mora to pokazati na najpreprosteji skalarni
diferencialni enabi
y0 = 0 ,
katere reitev je konstanta. Numerina reitev je v tem primeru reitev linearne
homogene k -lenske diferenne enabe
(6.31)
yn =
k
X
i yni ,
n = k, k + 1, . . .
i=1
To diferenno shemo dobimo tudi, e v (6.30) vstavimo h = 0. Z Lagrangeevim

nastavkom yn = n poiemo splono reitev,
k
X
ni
i=0
nk
k
X
i ki = nk () = 0 .
i=0
Splono reitev enabe (6.31) doloajo kar nileP

prvega rodovnega polinoma.
Oznaimo kratnost nile i z mi , kjer je seveda m
i=1 mi = k . Splona reitev
diferenne enabe je
m
X
yn =
pi (n)ni , stopnja(pi ) = mi 1.
i=1
Polinome pi doloa zaetna vrednost y0 in vrednosti yi , i = 1, 2, . . . , k 1,

dobljene s kakno drugo metodo. Tudi e bi morali biti posamezni pi glede na
tono reitev enaki ni, s tem ne gre raunati. Neodstranljiva ali zaokroitvena
napaka to lahko pokvarita. e je kakna nila rodovnega polinoma po absolutni
vrednosti veja od 1 in pripadajoi pi 6= 0, numerina reitev eksponentno
podivja. Numerina reitev lahko absolutno raste tudi, e lei nila polinoma
na enotski sferi, a ni enostavna, tedaj na raun rasti polinoma pi . Velenska
metoda je zato lahko uporabna le, e prvi rodovni polinom izpolnjuje korenski
pogoj, ki mu obiajno reemo nielna stabilnost.
Denicija 6.3. Linearna velenska metoda je nielno stabilna, e velja:

(1) (z) = 0 |z| 1,
(2) (z) = 0 (z) = 0 |z| < 1 (z je vekratna nila).
249
Nielno stabilna linearna velenska metoda je krepko stabilna, e vse nile

, razen 1, lee v strogi notranjosti enotskega kroga. Vse druine linearnih
vekoranih metod, ki smo jih izpeljali, so nielno stabilne. Preverimo to.
Zgled 6.16. Adamsove metode so nielno stabilne:

() = k + k1 = k1 (1 ) ,
torej ima enostavno nilo v 1 in (k 1)-kratno v 0. Adamsove metode so
tudi krepko stabilne.
Zgled 6.17. Milneove metode so nielno stabilne:

() = k + 1 .
Nile so koreni enote, enakomerno porazdeljene toke na kronici |z| = 1. Ker
vse nile leijo na kronici, so Milneove metode ibko stabilne.
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 )
Izraunana vrednost integrala je enaka k za k 6, a je le k 2 za 7 k 10.

e ve, da se preveriti, da BDF metode niso nielno stabilne za noben k 7.
eprav nielna stabilnost na prvi pogled ni mono zavezujoa, postavi mejo
redu lokalne napake, torej temu, da bi v relaciji (6.27) izbirali svobodno vse
konstante i , i z zahtevo, da je metoda im vijega reda
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 .
Dokaz. Nielna stabilnost zagotavlja, da nile leijo v enotskem krogu |z| 1.

To lastnost teko prelevimo v relacijo med koecienti polinoma. Laje bi kaj
sklepali, e bi vse nile leale na levi polravnini. To doseemo z Mbiusovo
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
V lui Mbiusove transformacije (6.32) je metoda sedaj nielno stabilna, e vse

nile polinoma R leijo v polravnini <(z) 0. Tiste, ki leijo na imaginarni
osi <(z) = 0, morajo biti enostavne. Potrebovali bomo ve pomonih trditev.
Trditev 6.1. Naj bo metoda nielno stabilna in vsaj reda 0. Tedaj:

(1) za koecienta polinoma R velja ak = 0 in ak1 = 21k 0 (1) 6= 0,
(2) vsi nenielni koecienti polinoma R so istega predznaka.
Dokaz. Najprej preverimo ak = 0. To sledi iz
!
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
Od tod sledi, da so vsi koecienti R istega predznaka.
Trditev 6.2. Relacija (6.27) se za polinoma R in S glasi: k-lenska metoda

je reda r natanko tedaj, ko za |z| 1 velja

!
rk
2
R(z)
2 rk+1
+ S(z) = cr+1
(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,
(1 + w) + ln(1 + w)(1 + w) = cr+1 wr+1 + O wr+2 .

Vzemimo = 1 + 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).
Trditev 6.3. Koecienti Laurentove vrste

(6.36)
ln
1
z+1
z1
z
1
1
1 3 3
2
z
z
zadoajo 2j+1 > 0 za j = 0, 1, . . .

Dokaz. Vzemimo tisto vejo logaritma ln , ki je analitina v kompleksni ravnini
, prerezani po negativni realni osi [, 0], ki zadoa ln 1 = 0. Mbiusova
transformacija (6.32) preslika ta poltrak bijektivno na interval [1, 1]. Funkcija
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
Tu je poljubna krivulja, ki v pozitivnem smislu enkrat obkroi toko 0 po delu

ravnine, kjer je funkcija analitina, torej ovije tudi interval [1, 1]. Vrednost
integrala izraunajmo kot limito v primeru, ko povsem tesno ovije ta interval.
Spomnimo se relacije ln z = ln |z| + i arg(z), v naem primeru

z + 1
z+1
+ i(arg(z + 1) arg(z 1)) .

ln
=
z1
z 1
Naj bo z = x + i y toka na krivulji in 1 x 1. Ko se imaginarna
komponenta y pribliuje 0, ugotovimo
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
Vrnimo se k dokazu izreka 6.7. Iz trditev 6.2 in 6.3 povzamemo
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 .
Trditev 6.1 pove, da je ak1 6= 0 in da so vsi nenielni ai istega predznaka

kot ak1 . e jek 1 sod, je po trditvi 6.3 d1 6= 0. Razvoj ostanka se zane
1
najpozneje z O
. Sledi r k 1 in torej r k + 1. e je k 1 lih, je
z

1
. Od tod dobimo r k 2 in
d2 6= 0. Razvoj se zane najpozneje z O
z2
zato r k + 2.
Zadnji del izreka 6.7 (to je, e 0 0, potem r k ) dokaimo s protislovjem. Naj bo torej 0 0 in r > k . To pomeni, da v razvoju (6.35) na desni
strani relacije ni polinomskega dela v z . Torej se mora polinomski del uniiti
e v levi strani relacije,
X
2j+1
z
(6.38)
S(z) = p.d. R(z)
.
2
z 2j+1
j=0
Kratica p.d.( . ) izree polinomski del izraza v oklepaju. Poenostavimo si zapis

2j
in vpeljimo manjkajoe lene 2j z dogovorom 2j := 0. To za desno stran
z
(6.38) da
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
Izberimo z = 1 in vstavimo ta izraz v enabo (6.38),
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
Iz denicij polinomov R in S v (6.33) ter (6.34) razberemo
R(1) =
k1
X
ai = 0 = 1
i=0
in S(1) = 0 . Upotevajmo to in poenostavimo enabo (6.39) v

(6.40)
k1
k1 k1
j=0
j=1 s=j
1 X
1 XX
j +
s ajs > 0 ,
0 =
2
R(1)
kar je protislovje. Iz trditev 6.1 in 6.3 namre sledi

k1 k1
1 XX
s ajs 0,
R(1)
j=1 s=j
254
6. ZAETNI PROBLEMI
iz razvoja v Laurentovo vrsto v trditvi 6.3 pa tudi
k1
j=0
j=0
1 X
1 X
=0=
lim
j <
j .
z1
2
2
ln z+1
1
z1
Izrek je s tem v celoti dokazan.

Najveji red, ki ga z nielno stabilno k -lensko metodo lahko doseemo, je
k + 2. Takne metode, med katere sodi Milneova, imajo posebno strukturo.
Izrek 6.8. Nielno stabilne k-lenske metode reda r = k + 2 so simetrine:

j = kj ,
j = kj ,
j = 0, 1, . . . , k.
Dokaz. Ker je r k = 2, je k sod in vrednost d1 v (6.37) enaka ni, torej

morajo biti tudi vsi koecienti a2i enaki ni. Od tod R(z) = R(z) in

z + 1
z+1 k
z1
z1 k
z+1
z 1 k
2
z 1
2
z+1
2
z1
ter

1
k
() =
.
Trditev za koeciente polinoma je s tem dokazana. e v enabo (6.35)

vsta2
.
vimo z z in jo odtejemo prvotni, ugotovimo S(z) S(z) = O z2
A S je polinom, torej S(z) = S(z). e to prenesemo na polinom , je dokaz
izreka zakljuen.
In zdaj h konvergenci. e reujemo diferencialno enabo s k -lensko metodo, potrebujemo za zaetek vrednosti y 1 , y 2 , . . . , y k1 , ki jih izraunamo po
neki drugi metodi. Ker k -lenska metoda nanje nima vpliva, je to dejstvo treba
vkljuiti v denicijo konvergence velenskih metod.
Denicija 6.4. Linearna k-lenska metoda je konvergentna, e za vse zaetne

probleme, ki zadoajo pogojem eksistennega izreka, napaka
kyy n y (xn )k
konvergira k 0, ko gre korak h 0, br ko za zaetne vrednosti velja
kyy i y (x0 + i h)k 0,
i = 0, 1, . . . , k 1.
Linearna k -lenska metoda je reda r N, e je konvergentna in r najveje

naravno tevilo, za katerega za vse zaetne probleme z dovoljkrat odvedljivo
desno stranjo f obstajata konstanti h0 > 0, C > 0 , da velja
kyy n y (xn )k Chr ,

za vse n in 0 < h h0 , br ko za zaetne vrednosti velja
kyy i y (x0 + i h)k = O (hr ) ,
i = 0, 1, . . . , k 1.
Nielno stabilnost in konvergenco povezuje tale znameniti izrek.
255
Izrek 6.9. Linearna velenska metoda je konvergentna natanko tedaj, ko je

nielno stabilna in konsistentna.
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)
+ h(1) = h K0 (1) + (1) ,
i=0
torej mora veljati K = (1)

0 (1) . Reitev diferenne enabe je z zaetnimi pogoji
doloena enolino. A partikularna reitev yn jim zadoa natanko pri izbiri
K = 1, torej je celotna numerina reitev kar yn = nh. Od tod 0 (1)+(1) = 0,
torej iz konvergence sledi konsistentnost.
Pokaimo izrek e v drugo smer. Linearna k -lenska metoda naj bo nielno stabilna in konsistentna. Kljuni korak v dokazu konvergence je preoblikovanje k -lenske metode v enolensko. Ker pri raunanju y n potrebujemo
y n1 , y n2 , . . . , y nk , jih zloimo v bloni vektor,
yn
y n1
Y n := .. ,
.
y nk+1
in ugotovimo, kako iz Y n1 izraunamo Y n . Podrobno je treba pogledati le

prvi bloni del, ki doloa y n . Linearno k -lensko metodo
k
X
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 ) =
i0f (xnk+i , y nk+i ) ,
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
Funkcija = (xn1 , Y n1 , h) je dana implicitno z enabo
!
k1
k1
X
X
(6.43)
=
i0f (xnk+i , y nk+i ) + k0 f xn , h
i0 y nk+i .
i=0
i=0
Dodajmo (6.42) e druge blone vrstice, ki poskrbijo le za prelaganje komponent y ni ,

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
(xn1 , Y n1 , h) := (ee1 I) (xn1 , Y n1 , h)
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 .
Dokaz. Naj bo ena od reitev enabe () = 0. Vektor k1 , k2 , . . . , 1

je lastni vektor matrike A, z lastno vrednostjo . Torej so lastne vrednosti
matrike A natanko nile prvega rodovnega polinoma . Matriko A lahko s
podobnostno transformacijo pretvorimo v Jordanovo formo. Razdelimo lastne
vrednosti v dve skupini. V prvi naj bodo tiste, ki so po absolutni vrednosti enake 1, torej nujno algebraino enostavne. Brez izgube splonosti lahko
privzamemo, da je delitev takna:
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
Matrika T je pri podobnostni transformaciji doloena le do diagonalne matrike

natanno. Zato lahko T izberemo tako, da za vrednosti i velja
|i | < 1 |i |, i = r + 1, r + 2, . . . , k
in zato kJ Ik 1. Vpeljimo vektorsko normo kzz k := k T 1 I z k .

Tedaj je

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.
Trditev 6.5. e je desna stran diferencialne enabe f (x, y ) Lipschitzova v
drugem argumentu, je za dovolj majhen h tudi Lipschitzova v drugem argumentu.
Dokaz. Iz (6.45) vidimo, da je dovolj trditev preveriti za funkcijo . Naj L

oznai Lipschitzovo konstanto funkcije f . Iz (6.43) sledi
(xn1 , Y n1 , h) (xn1 , Ye n1 , h)k
k
k1
X
|i0 |kff (xnk+i , y nk+i ) f (xnk+i , yenk+i )k +
i=0
(xn1 , Y n1 , h) (xn1 , Ye n1 , h)k +

+ |k0 |L hk
+
k1
X
|i0 |kyy nk+i yenk+i k .
i=0
Denirajmo konstanto C := 1 |k0 |Lh0 > 0. Potem za vsak h h0 velja

ocena
1 |k0 |Lh C .
259
Tako dobimo
(xn1 , Y n1 , h) (xn1 , Ye n1 , h)k

k
!
k1
L X 0
0
|i | + |i | kyy nk+i yenk+i k

C
i=0
Y n1 Ye n1 k ,
max kyy nk+i yenk+i k L00 kY
0ik1
kjer sta L0 in L00 novi konstanti, razvidni iz izpeljave. Pokazali smo, da je

Lipschitzova v izbrani normi. A trditev velja za katero koli normo, saj so v
konnorazsenem prostoru vse norme ekvivalentne.
Zakljuimo sedaj dokaz izreka. Vpeljimo e blono sestavljeni vektor tone
reitve
y (xn )
y (xn )
y (xn1 )
y (xn h)
Y (xn ) =
.
=
..
..
.
.
y (xn (k 1)h)
y (xnk+1 )
Predpostavimo, da je red lokalne napake r + 1 2 in h dovolj majhen. Za

globalno napako iz (6.44) v normi trditve 6.4 ugotovimo
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
Upotevajmo e kA Ik 1 in dobimo oceno globalne napake
Y n Y (xn )k (1 + hL00 )kY

Y n1 Y (xn1 )k + O hr+1 .
kY
00
To oceno n-krat iteriramo, upotevamo (1 + hL00 )n enhL

dobimo
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.
Posledica 6.1. Naj bo linearna k-lenska metoda nielno stabilna. Naj za

zaetne priblike velja
kyy i y (xi )k = O (hr ) ,
i = 0, 1, . . . , k 1,
260
6. ZAETNI PROBLEMI
in naj bo lokalna napaka reda r + 1 2. Metoda je reda r.
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
Nadgradnja te metode za reevanje zaetnega problema drugega reda
y 00 = f (x, y, y 0 ),
y(a) = ya , y 0 (a) = ya0
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),
y(a) = ya , y 0 (a) = ya0 .
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
2.8. Toge diferencialne enabe. Toge diferencialne enabe smo beno

sreali v zgledu 5.5 (str. 206). Ugotovili smo, da se na preprosti diferencialni
enabi numerina reitev od nekega mejnega koraka h naprej obnaa povsem
drugae kot tona reitev. To obnaanje je razlog za to, da toge diferencialne
enabe najpogosteje reujemo z implicitnimi metodami, na primer z implicitnimi Runge-Kutta ali BDF metodami. Razloimo, zakaj eksplicitne metode
lahko odpovedo. Predpostavimo, da sta ye in yb dve gladki blinji reitvi diferencialne enabe z 0 = f (x, z ). Oznaimo z y = yb ye njuno razliko in poiimo,
kateri diferencialni enabi v prvem pribliku zadoa. e odtejemo enabi
ye0 = f (x, ye),
yb0 = f (x, ye) + f y (x, ye)(b

y ye) + . . .
ugotovimo priblino
(6.47)
y 0 = Jyy ,
kjer je J konstantna matrika, prvi pribliek za Jacobijevo matriko f y . Za

skalarni primer se enaba poenostavi v testno enabo, znano iz Dahlquistovih
analiz,
y 0 = y .
e uporabimo na enabi (6.47) na primer eksplicitno Eulerjevo metodo, lahko
numerini korak zapiemo v zakljueni obliki,
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.
Zgled 6.19. Doloimo faktor rasti za Runge-Kutta metodo etrtega reda:

k 1 = Jyy n1 ,
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
kjer je faktor rasti tu
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.
Izrek 6.10. Naj bo ekplicitna Runge-Kutta metoda reda r. Faktor rasti je

oblike
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,
ravno lokalna napaka. Torej se morata ez in R(z) ujemati v prvih r + 1 lenih

razvoja.
Za eksplicitne Runge-Kutta metode, za katere se red r in tevilo stopenj s
ujemata, velja torej
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.
Denicija 6.5. Obmoje kompleksne ravnine, kjer je |R(z)| < 1 imenujemo

obmoje stabilnosti enolenske metode. Metoda je A-stabilna, e obmoje stabilnosti vsebuje {z C | <(z) < 0}.
Na sliki 6.4 vidimo obmoja stabilnosti eksplicitnih Runge-Kutta metod.
e te metode uporabimo pri reevanju togih problemov, to pogojuje izbiro
dovolj majhnega koraka h, da z = h pade v obmoje stabilnosti. Brez dokaza
povejmo tudi tale izrek:
Izrek 6.11. Nobena eksplicitna Runge-Kutta metoda ni A-stabilna. Najveji

red A-stabilne velenske metode je 2.
Poiimo zgled A-stabilne metode med implicitnimi Runge-Kutta metodami. Vzemimo kar trapezno pravilo (5.16), z Butcherjevo shemo dano takole,
0 0
1 12
1
2
0
1
2
1
2
263
3
-2
-3
-3
-2
-1
Slika 6.4. Podroja stabilnosti za eksplicitne s-stopenjske
Runge-Kutta metode reda s, za s = 1, 2, 3, 4, v modri, zeleni,

rjavozeleni in temnordei
ali po korakih
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
Izrek 6.12. Trapezno pravilo je A-stabilno.

Dokaz. Vzemimo skalarno diferencialno enabo y 0 = y in uporabimo trapezno
pravilo,
k1 = yn1 ,
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
eprav je trapezno pravilo A-stabilno, je faktor rasti za h 0 e komaj

po absolutni vrednosti manji kot ena.
Za velenske metode faktor rasti ni preprosto opredeljivo merilo absolutne
stabilnosti, e malo ne razmislimo. Vzemimo enabo y 0 = y . Linearna k lenska metoda za to enabo se glasi
k
X
i=0
i yni + h
k
X
i=0
i yni =
k
X
(i + hi ) yni = 0 .
i=0
Ker nas zanima rob obmoja z := h C, kjer numerina reitev pada, je

treba poiskati le
D := {z C | () + z() = 0 = |(z)| < 1} .

Za vsak z D imamo s tem zagotovilo, da bo vsaka od komponent, ki sestavljajo splono reitev, padala. Torej bo faktor rasti po absolutni vrednosti
manji kot ena. Slika 6.5 kae podroja A-stabilnosti BDF metod. Vidimo
sicer, da metode niso A-stabilne za k 3, a podroja stabilnosti za uporabne
k 6 vsebujejo negativni del realne osi. To je najbr opraviilo za to, da se ta
razred metod veliko uporablja v reevanju togih problemov.
Zgled 6.20. Preverimo to numerino to na zgledu 5.5 (str. 206), enabi

y 0 = (y 2) , na [0, 10], y(0) = 3,
s tono reitvijo y(x) = 2 + ex . Za to enabo je eksplicitna Eulerjeva metoda
1
pri izbiri parametra = 20, ki doloa togost, za h 10
vrnila neuporabne
rezultate. Podatke izberimo enako, le spreminjajmo tako, da se produkt
h < 0 po absolutni vrednosti podvaja. Kot priakujemo, RK4 za h < 3
povsem odpove, a tiri- in petstopenjski BDF metodi nimata nobenih teav.
265
15
k=6
10
k=5
k=4
k=3
k=2
k=1
0
-5
-10
-15
-5
10
15
Slika 6.5. Podroja stabilnosti za BDF metode za k
1, 2, . . . , 6, od bele, rdee, zelenih k modrima

h
0.2
0.4
0.8
1.6
3.2
6.4
12.8
25.6
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
Tabela 6.8. Primerjava napak metod na modelnem zgledu
toge diferencialne enabe 5.5 (str. 206)
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
2.2. Dana je linearna velenska metoda

1
h
(yn + 2yn1 yn2 ) + (13fn 8fn1 + fn2 ) .
2
6
Doloi rodovna polinoma, red metode in vodilni koecient napake. Ali je
metoda nielno stabilna? Ali je konvergentna?
yn+1 =
2.3. Vzemimo velensko metodo, s prvim rodovnim polinomom

1
1
() = 3 2 + .
4
4
Doloi metodo tako, da bo eksplicitna in im vijega reda. Kaj lahko pove o
nielni stabilnosti in konvergenci metode?
2.4. Imamo metodo prediktor-korektor

yn(k) =
k
X
i yni + h
k
X
i=1
i fni + h0 f (xn , yn(p) ).
i=1
Naj bo metoda za prediktor reda

in metoda za korektor reda p. Kaj lahko
pove o lokalni napaki metode prediktor-korektor?
2.5. Dokai, da je potreben in zadosten pogoj za A-stabilnost, da je
<
()
()
0 za || > 1.
2.6. Dokai, da nobena eksplicitna velenska metoda ni A-stabilna.

2.7. Zapii rodovna polinoma za BDF metode in zapii BDF metode za
k = 1, 2, 3.
2.8. Izraunaj koeciente i , i = 0, 1, 2, 3, ter doloi 4-lensko AdamsBashforthovo metodo. Zapii e rodovna polinoma in preveri, ali je metoda
nielno stabilna.
2.9. Pokai, da med koecienti i Adams-Bashforthove metode in koecienti
i Adams-Moultonove metode velja naslednja zveza:
i = i i1 ,
i 1.
2.10. Konstruiraj rodovno funkcijo koecientov i v Adams-Moultonovi metodi.
2.11. Dokai prvo trditev izreka 6.11 (str. 262).
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 ,
vx0 = u(y) vx kvv k2 /m,

vy0 = g u(y) vy kvv k2 /m,
kjer u oznauje zrani upor, g zemeljski pospeek in m maso krogle. Za zrani
upor uporabimo aproksimacijo
1
y
u(y) = cv S0 e y0 ,
2
kjer cv oznauje koecient upora, S presek izstrelka, 0 gostoto zraka na morski
gladini in y0 viino, pri kateri se ta zmanja za faktor e. Zaetna hitrost
izstrelka naj bo v0 . e problem pogledamo kot zaetni in top postavimo pod
kotom , je
x(0) = 0, y(0) = 0, vx (0) = v0 cos , vy (0) = v0 sin .
7.1. UVOD
269
Trajektorije izstrelka pri konsistentno izbranih enotah in konstantah
cv = 0.2, 0 = 1.25, y0 = 10000, g = 9.81, m = 100, S = r2 , r = 0.1

vidimo na sliki 7.1. Vendar nas v resnici ne zanima enoparametrina druina
reitev zaetnih problemov, ampak tiste reitve, ki zadenejo cilj, na primer
toko (20000, 0). Za toke, ki so v dometu topa, vidimo, da obstajata dve reitvi, dve razlini topovski poziciji, ki zadeneta cilj. Resda ne po enakem asu,
a e smo e tu natanni in predpiemo, v katerem trenutku elimo zadetek, bo
reitev obstajala zelo redko.
y
20 000
15 000
10 000
5000
0
0
5000
10 000
15 000
20 000
25 000
30 000
x
35 000
Slika 7.1. Pot izstrelka pri razlinih nagibih
Metode za reevanje robnih problemov delimo v dve skupini:

metode, ki temeljijo na metodah, razvitih za reevanje zaetnih problemov,
metode, razvite neposredno za reevanje robnih problemov.
Prvi skupini metod je skupen razmislek, kako robni problem prevesti na reevanje zaetnih. e je problem, ki ga reujemo, linearen, je prevedba dovolj
preprosta. Problem je linearen, e je linearna diferencialna enaba in so tudi
takni robni pogoji. Tudi za nelinearne probleme poznamo preprosto metodo,
ki temelji na izreku 5.3 (str. 193). V splonem lahko trdimo, da je prevedba
na zaetne probleme uinkovita, e le deluje. Pokae pa se, da temu ni vedno
tako, kar bomo spoznali ob numerinih zgledih. Tedaj je treba posei po drugi
skupini metod. V njo med drugim sodijo:
diferenna metoda: odvode nadomestimo z deljenimi diferencami,
kolokacija, reitev iemo v danem razredu funkcij, najpogosteje v
prostorih zlepkov,
metoda konnih elementov: diferencialno enabo pretvorimo v variacijsko obliko in diskretiziramo.
270
7. ROBNI PROBLEMI
Robni problem zapiemo lahko tudi v obliki, ki smo je vajeni iz reevanja

zaetnih problemov, kot sistem diferencialnih enab prvega reda. Omejimo se
na robne pogoje v krajiih intervala a in b. Treba je poiskati zvezno odvedljivo
vektorsko funkcijo y : [a, b] Rd , ki zadoa diferencialni enabi
y 0 = f (x, y ),
(7.1)
x (a, b)
in robnim pogojem
(7.2)
g (yy (a) , y (b)) = 0.
Zgoen zapis (7.1) in (7.2) ne poenostavi zapisa numerinih metod v tolikni

meri, kot ga je pri reevanju zaetnih problemov. Za nekatere metode, kot je
na primer diferenna, pretvorba na sistem enab prvega reda ni primerna.
Zgled 7.3. Poglejmo si linearni robni problem drugega reda

(7.3)
y 00 + p(x)y 0 + q(x)y = r(x),
x (a, b) ,
z linearnima robnima pogojema

(7.4)
0 y(a) + 1 y 0 (a) = 2 ,
0 y(b) + 1 y 0 (b) = 2 .
e izberemo y := (yi )2i=1 := (y, y 0 ), dobimo zgoen zapis
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
2. Prevedba robnega na zaetni problem

Oznaimo z y ( . ; s ) reitev zaetnega problema
(7.7)
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.
To pomeni, da smo reevanje robnega problema prevedli na iskanje reitve

sistema enab, ki je v splonem nelinearen. V izraunu funkcije g je skrito
reevanje zaetnih problemov. Ker izbiramo parametre s in pri tem skuamo
zadeti robne pogoje, metodi reemo strelska metoda. Eno od opraviil metode
najdemo v eksistennem izreku 5.3 (str. 193), drugo da zgled 7.2. Za doloen
tip robnih problemov dokazuje eksistenco in enolinost reitve prav ena od
poti strelske metode. Velja pa opozorilo. Zaetni problemi, ki jih spotoma
reujemo, imajo ob izpolnjenih predpostavkah vedno reitev. To ne pomeni,
da vedno obstaja tudi reitev robnega problema. Ali da je celo zagotovljena
njena enolinost.
7.2. PREVEDBA ROBNEGA NA ZAETNI PROBLEM
271
e sta diferencialna enaba (7.7) in robni pogoji (7.8) linearna v iskanem

y , reevanje sistema (7.8) naravno poenostavimo. Treba je poiskati dovolj
veliko tevilo neodvisnih reitev, da njihovo linearno kombinacijo robni pogoji
doloajo enolino. Pokaimo to na nadaljevanju zgleda 7.3.
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)
s h(0 , 1 ) , u (b)i + h(0 , 1 ) , v (b)i 2 = 0.
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.
Zgled 7.5. Vzemimo robni problem drugega reda,

y 00 = f (x, y, y 0 ), x (a, b),
y(a) = , y(b) = ,
v zaetni obliki za y = y( . ; s) poenostavljen v
y 00 = f (x, y, y 0 ), x (a, b),
y(a; s) = , y 0 (a; s) = s.
Drugi robni pogoj se glasi
g(s) := y(b; s) = 0.
272
7. ROBNI PROBLEMI
Za tangentno metodo potrebujemo poleg vrednosti g tudi vrednost odvoda
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
ys00 = fy (x, y, y 0 )ys + fy0 (x, y, y 0 )ys0 ,
(7.10)
z odvajanjem zaetnih pogojev e
ys (a) = 0, ys0 (a) = 1.

Da doloimo g 0 (s) = ys (b), moramo dodatno reiti e en zaetni problem,
skupaj na vsakem koraku po dva.
Zgled 7.6. Dodajmo e numerini zgled streljanja z uporabo sekantne metode.

Reujemo robni problem
2
y1
0
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 =
g(sr1 )sr2 g(sr2 )sr1

,
g(sr1 ) g(sr2 )
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
|g (s10 )| 1.5 105

1
in metoda oitno konvergira. e zanemo nekoliko drugae, z s1 = 25 50
,
slika 7.3 kae, da ni konvergence. Razlago za to najdemo v izbiri zaetnih dveh
priblikov in slabostih sekantne metode. Zaporedje priblikov si in pripadajaih funkcijskih vrednosti g(si ) kae tabela 7.1. Pribliek s4 vrne funkcijsko
vrednost g(s4 ), ki je skoraj za celotno uporabljeno natannost veja od predhodne. Iz rekurzivne formule (7.11) takoj razberemo, da sekantna metoda na
naslednjih dveh korakih vrne enaka nova priblika in iteracija obtii.
7.2. PREVEDBA ROBNEGA NA ZAETNI PROBLEM
273
y1
2.5
2.0
1.5
1.0
0.2
0.4
0.6
0.8
1.0
Slika 7.2. Zaporedje prvih komponent iskane reitve v zgledu
7.6, ki jih generira sekantna metoda z zaetnima vrednostma

parametrov s0 = 1 in s1 = 25
y1
2.0
1.5
1.0
0.2
0.4
0.6
0.8
1.0
Slika 7.3. Zaporedje prvih komponent iskane reitve v zgledu
7.6, ki jih generira sekantna metoda s spremenjenim zaetnim

1
priblikom s1 = 52 50
Zgled 7.6 bi lahko dogradili in se izognili teavam v drugem primeru z
bolj avtomatino izbiro zaetnih priblikov, bolj doreeno izvedbo algoritma,
spremembo metode itd. Receptov za izboljave je e veliko. Pri streljanju lahko
zamenjamo vlogi kraji, pomagamo si lahko tudi s streljanjem po odsekih. In
e kaj bi se nalo. Za konec tega razdelka opozorimo s primerom, ki kae, da
lahko naletimo na probleme, kjer streljanje odpove, eprav ima robni problem
reitev in smo numerino e tako pazljivi.
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
..
.
Tabela 7.1. Zaporedje priblikov sekantne metode za diver-
gentni primer
Zgled 7.7. Naj bo dan linearni robni problem
0
y1
y =
= A(x)yy + q (x), x (0, 1),
y20
0
kjer je A konstantna matrika,
A(x) =
in nehomogeni len dan z
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
7.3. ROBNI PROBLEMI KOT DISKRETNI SISTEMI ENAB
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
Kakor koli zanemo, bo na raun zaokroitvenih napak C2 6= 0. Za dovolj

velik lahko numerina motnja povsem prekrije pravo reitev. Na takne
vrste nestabilnost same diferencialne enabe smo opozorili e v uvodnem
zgledu 5.4 (str. 205).
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
Tabela 7.3. Zaporedje priblikov sekantne metode v zgledu
7.7 pri = 50
3. Robni problemi kot diskretni sistemi enab

3.1. Diferenna metoda. Diferenna metoda je najpogosteje uporabljana metoda za reevanje robnih problemov. Temelji na diskretni aproksimaciji odvodov, katere izpeljavo najdemo v izreku 3.1 (str. 130) in v zgledih, ki
mu sledijo. Pri tej metodi ne uporabljamo prevedbe problema na sistem enab
prvega reda. Zato si od tu naprej poenostavimo zapis in predpostavimo, da je
iskana funkcija skalarna. Vzemimo, da reujemo robni problem reda m,
(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,
pravi reitvi y . Enabe, ki doloajo iskane yi , dobimo tako, da diferencialno

enabo (7.13) zapiemo v tokah xi . Vse odvode, ki nastopajo, zamenjamo z
diferennimi aproksimacijami, v katerih namesto y (xi ) uporabimo numerine
priblike yi . Pri tem upotevamo robne pogoje (7.14), v katerih prav tako
aproksimiramo odvode z deljenimi diferencami. Pri teh aproksimacijah poskrbimo, da imamo toliko enab kot neznank. e je prvotni problem (7.13) in
(7.14) linearen, je takna tudi diskretna aproksimacija. Numerine vrednosti
yi dobimo z reevanjem sistema linearnih enab. Sicer je treba reiti sistem
nelinearnih enab.
Diskretne enabe v tokah xi , ki so tako blizu enega od obeh kraji intervala, da je treba upotevati tudi robne pogoje, zahtevajo posebno pozornost. Neredko so prava nadloga pri pripravi programov za reevanje robnih
problemov. Prav zato najpogosteje poseemo po aproksimacijah odvodov, ki
temeljijo na kar se da malo sosednjih tokah. e je le mogoe, so diferenne
277
aproksimacije simetrine, torej za red bolje kot primerljive nesimetrine, na

primer

y (xi+1 ) y (xi1 )
+ O h2 ,
y 0 (xi ) =
2h

y (xi+1 ) 2yi + y (xi1 )
y 00 (xi ) =
+ O h2 ,
2
h

y (xi2 ) 4y (xi1 ) + 6y (xi ) 4y (xi+1 ) + y (xi+2 )
y (4) (xi ) =
+ O h2 .
4
h
Vzemimo diskretno aproksimacijo diferencialne enabe v toki xi . Ker so odvode zamenjale diference, je nastala v vsaki od tok neka okrnitvena napaka.
To vpeljemo kot denicijo lokalne napake pri reevanju robnih problemov.
Denicija 7.1. Lokalna napaka pri reevanju robnih problemov v dani toki
je razlika, ki jo v tej toki dobimo, e od diferencialnega operatorja na gladki

funkciji odtejemo diferenno aproksimacijo na tej funkciji.
V denicijo bi lahko vkljuili zahtevo, da je funkcija, ki nastopa, tudi reitev
diferencialne enabe. Temu smo se izognili, saj vemo, da so z eksistenco reitve
lahko teave, lokalna napaka pa je vseeno dobro denirana. Tam, kjer to
potrebujemo zaradi vijih redov aproksimacije, to posebej povemo.
Ob diskretizaciji skuamo paziti, da je lokalna napaka v vseh tokah istega
reda. Dobro je tudi ohranjati naravo diferencialnega operatorja: e je diferencialni operator simetrien ali pozitivno deniten, naj bo taken tudi diskretni
problem.

Zgled 7.8. Diskretizirajmo zgled 7.3, z lokalno napako O h2 . Diferencialno
enabo
y 00 + p(x)y 0 + q(x)y = r(x), x [a, b] ,
v toki xi zamenja izraz
yi1 2yi + yi+1

yi+1 yi1
+ qi yi = ri , i = 1, 2, . . . , n 1.
+ pi
2
h
2h
Tu smo okrajali pi := p(xi ), qi := q(xi ) in ri := r(xi ). Oznaimo lokalno
napako v xi z i . Za y C 4 ([a, b]) je ta drugega reda,
i = i (y) =
y 00 (xi ) + p(xi )y 0 (xi ) + q(xi )y(xi ) r(xi )
y(xi1 ) 2y(xi ) + y(xi+1 )

y(xi+1 ) y(xi1 )
+
+ p(xi )
h2
2h
!

+ q(xi )y(xi ) r(xi ) = O h2 .
(7.15)
Linearna robna pogoja
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)
e zdruimo (7.16), (7.15) in (7.17), dobimo sistem linearnih enab za neznane

yi , z matriko oblike
.. .. ..
Rn+1,n+1 ,
.
.
.

ki je skoraj tridiagonalna. Gaussova eliminacija linearne sisteme enab s takno
obliko matrike rei v linearnem asu O (n).
Zgled 7.9. Ponovimo izraun, opravljen v zgledu 7.7 za = 50 z diferenno

metodo. Diferencialna enaba kot enaba drugega reda se glasi
y 00 = f (x, y), x (0, 1),
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
Slika 7.6. Tona in numerina reitev zgleda 7.9 (levo) in
njuna razlika (desno)
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
metodi Numerova, ki smo jo beno sreali e v (6.46). Metoda Numerova

diferencialno enabo oblike y 00 = f (x, y) diskretizira takole
yi1 2yi + yi+1
1
=
(f (xi1 , yi1 ) + 10f (xi , yi ) + f (xi+1 , yi+1 )) .
2
h
12
Za lokalno napako izpeljemo, ob predpostavki, da je y tona reitev,

i (y) = O h4 .
Ponovimo izraun v zgledu 7.9. Slika 7.7 potrjuje oitno prednost metode
Numerova.
0.2
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
Slika 7.7. Tona in numerina reitev zgleda 7.9 (levo) in
njuna razlika (desno) z uporabo diskretizacije Numerova
Za zakljuek diferenne metode dodajmo e znailen konvergenni izrek, ki

potrdi konvergenco metode za diferencialne enabe oblike, opisane v zgledu 7.8.
Izrek 7.1. Naj za robni problem

y 00 + p(x)y 0 + q(x)y = r(x), x [a, b] ,
y(a) = , y(b) = ,
velja q q < 0 za neko konstanto q. Funkcije p, q in r naj bodo gladke. Naj

bo (yi )ni=0 numerina reitev, ki jo da diskretizacija v zgledu 7.8. Tedaj obstaja
h0 > 0, taken, da za vse h, 0 < h h0 velja

max |yi y(xi )| = O h2 .
0in
Dokaz. Z nekoliko razirjenim izrekom 5.3 (str. 193) se da dokazati obstoj

tone, dovolj gladke reitve y . Vpeljimo globalno napako ei := yi y(xi ).
S privzetima robnima pogojema je dokaz kraji, saj je e0 = 0 in en = 0. Vzemimo splono enabo (7.15) in vstavimo yi = ei +y(xi ). To da sistem linearnih
enab
ei1 2ei + ei+1
ei+1 ei1
(7.18)
+ qi ei = i , i = 1, 2, . . . , n 1,
+ pi
2
h
2h
za neznane globalne napake ei , i = 1, 2, . . . , n 1. Lokalna napaka na desni
strani zamenja ri : ko del, ki vsebuje y , prenesemo na desno stran, dobimo
y(xi1 ) 2y(xi ) + y(xi+1 )

y(xi+1 ) y(xi1 )
ri +
+
p
+
q
y(x
)
=
i
i
i
h2
2h
= i y 00 (xi ) + p(xi )y 0 (xi ) + q(xi )y(xi ) r(xi ) = i ,
280
7. ROBNI PROBLEMI
saj je y tona reitev diferencialne enabe. Matrika sistema enab (7.18) je

tridiagonalna. Na glavni diagonali so elementi
2
2
2
2 + qi 2 + q < 2 .
h
h
h
Izberimo h0 > 0, tako da velja
h0
|pi | 1, i = 1, 2, . . . , n 1.
2
Za vse h, 0 < h h0 , sta tedaj oba obdiagonalna elementa nenegativna in za
njuno vsoto velja
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
kar dokazuje izrek.
3.2. Kolokacija. Kolokacija je pomemben sploen recept, ki ga sreamo

na ve podrojih numerine matematike. O njej bi lahko govorili tudi pri
reevanju zaetnih problemov, a se tam pokae le kot podrazred implicitnih
Runge-Kutta metod. V reevanju robnih problemov dobi svojo samostojno
teo. Pri kolokaciji iemo numerino aproksimacijo implicitno dane funkcije
kot element vnaprej izbranega linearnega prostora funkcij, najpogosteje prostora odsekoma polinomskih funkcij. Aproksimacijo doloimo z zahtevo, da naj
ta zadoa implicitnim pogojem v doloenih tokah. Vrnimo se k robnemu
problemu reda m,
(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 ,
a = x0 < x1 < < xn = b ,

in osveimo oznako prostora odsekoma polinomskih funkcij v (2.26, str. 104).
Aproksimativno reitev iimo v prostoru Pk+m1,xx , , kjer stopnje gladkosti v
n1 . Zahtevajmo
notranjih stinih tokah doloa vektor = (i )n1
i=1 N
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
ye Pk+m1,xx , naj bo torej polinom stopnje k + m 1 na vsakem od

podintervalov (xi , xi+1 ) in ye C m1 ([a, b]). Iz (2.27, str. 104) osveimo tudi
N := dim Pk+m1,xx , = n(k + m) (n 1)m = n k + m.
Zakljuek razdelka o zlepkih da navodilo, kako konstruirati bazo prostora. Iz
stinih tok xi sestavimo zaporedje vozlov t tako, da krajii izberemo k + m
kratno, vse druge stine toke pa k kratno,
+k+m
= x0 , x0 , . . . , x0 , . . . , xi , xi , . . . , xi , . . . , xn , xn , . . . , xn .
t = (tj )N
j=1
|
{z
}
|
{z
}
|
{z
}
k+m
k+m
B-zlepki (2.34, str. 115)
, 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)
1 1 < 2 < < k 1
in jih preslikamo na vsakega od podintervalov
[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
vstavljen v (7.19) in (7.20), da

(7.22)
ye(m) (` ) = f ` , ye (` ) , ye0 (` ) , . . . , ye(m1) (` ) ,

in
(7.23)
` = 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.
Sistem enab (7.22) in (7.23) ima zaradi majhnih nosilcev
supp Bj,k+m1 [tj , tj+k+m ]

zelo posebno strukturo. Jacobijeva matrika je, ob primerni razvrstitvi robnih
pogojev (7.23), skoraj blono diagonalna, tako da je kolokacijski sistem enab
mogoe uinkovito reevati. Kako je treba izbrati toke (7.21), nas podui tale
izrek. Povejmo ga brez dokaza.
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
za vsak polinom p Ps1 , in e reitev robnega problema y obstaja, velja
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 = q(x)y r(x), fx y0 = p0 (x)y 0 , fy y0 = 0, fy0 y0 = p(x),

da Eulerjeva enaba
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
Potrebne pogoje za ekstrem funkcionala F dajo enabe

n
!
X
F
i si = 0, j = 1, 2, . . . , n.
j
i=1
Z odvajanjem dobimo normalni sistem za iskane kooeciente := (i )ni=1 z

Gramovo matriko G := (gi,j )ni,j=1 ,
Z b
(7.27)
gij =
p(x)s0i (x)s0j (x) + q(x)si (x)sj (x) dx, i, j = 1, 2, . . . , n
a
in desno stranjo
(7.28)
Z
a
si (x) r(x)dx,
i = 1, 2, . . . , n.
Gramova matrika G je simetrina in pozitivno denitna. Od izbire baznih

funkcij je odvisna njena obutljivost, od izbire prostora S0 pa, kako dober
je dobljeni pribliek y . Koeciente v (7.27) je treba obiajno raunati numerino, na primer z uporabo Gauss-Legendrovih pravil. Za S0 najpogosteje
izbiramo prostore zlepkov, za bazo pa B-zlepke. Sreamo tudi najpreprosteji
primer B-zlepkov, funkcije Hi (1.6, str. 16). Nosilci B-zlepkov zagotovijo, da je
pripadajoa Gramova matrika pasovna.
3.4. Sturm-Liouvilleovi problemi lastnih vrednosti. Za zakljuek

robnih problemov si oglejmo e pomemben razred problemov lastnih vrednosti, ki imajo svoje zikalno ozadje v prevajanju toplote in majhnih oscilacijah
elastine snovi. Separacija spremenljivk na primer preprosto parabolino parcialno diferencialno enabo prevede na iskanje lastnih vrednosti in pripadajoih
lastnih funkcij y 6= 0, ki zadoajo enabi
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.
Po prvih dveh avtorjih, ki sta se s problemi takne oblike spoprijela, imenujemo

zastavljeno nalogo Sturm-Liouvilleov problem lastnih vrednosti. Brez dokaza
povejmo izrek, ki razkrije naravo tonih reitev problema.
Izrek 7.3. Naj za funkciji p in q velja

0 < p p(x) p,
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, . . .
Lastna funkcija yi , ki pripada lastni vrednosti i , ima na [a, b] i1 niel. Nile

yi+1 separirajo nile yi .
Najbolj naravna numerina pot pri reevanju Sturm-Liouvilleovih problemov je diferenna metoda. Ker je L linearen operator, z diferenno aproksimacijo prevedemo problem na algebraini problem lastnih vrednosti. Pri
diskretizaciji moramo biti pozorni. Ker je L simetrien, mora biti takna tudi
diskretna aproksimacija. e je tudi pozitivno deniten, mora to veljati tudi za
matriko, katere lastne vrednosti je treba izraunati. Izberimo delitev intervala
z
ba
h=
, xi = a + i h, i = 0, 1, . . . , n + 1.
n+1
Naj bo
y = (yi )ni=1 (y (xi ))ni=1
diskretna aproksimacija lastne funkcije y v notranjosti [a, b]. Naj bo lokalna
napaka diferenne aproksimacije drugega reda. Slepa uporaba simetrinih deljenih diferenc (3.3, str. 132) ni povsem na mestu. e aproksimiramo

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
konna matrika ne bo v splonem simetrina, kot elimo. Zato aproksimiramo

p na zamaknjeni mrei,

p xi h2 (yi yi1 ) + p xi + h2 (yi yi+1 )
0 0
(7.31)
py
(xi )
,
h2
ki da priakovano simetrijo. Vpeljimo e oznako pi 1 := p xi h2 . Diskretna

2
oblika (7.29) je tako
pi 1 yi1 + pi 1 + pi+ 1 yi pi+ 1 yi+1

2
2
2
2
+ qi yi = yi , i = 1, 2, . . . , n,
h2
kjer upotevamo robna pogoja (7.30) z y0 = yn+1 = 0. Na kratko to zapiemo
Ayy = yy .
Matrika A je simetrina tridiagonalna matrika, ki je tudi pozitivno denitna,
e je le prvotni operator L pozitivno deniten.
Zgled 7.10. Osvetlimo reevanje Sturm-Liouvilleovega problema lastnih vred-
nosti e z numerinim zgledom. Naj bo interval [a, b] = [0, ],

4
p(x) := 1 sin2 x, q(x) := x, y(a) = y(b) = 0.
5
Aproksimacijo najmanjih tirih lastnih vrednosti, ki jo dobimo iz diskretnih
primerov za n = 10, 20, . . . , kae tabela 7.4.
Na sliki 7.8 vidimo aproksi-
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
Tabela 7.4. Pribliki prvih tirih lastnih vrednosti za razline n
macijo prvih tirih lastnih funkcij, ki jo dobimo pri n = 100. Prepletanje

niel numerinih lastnih funkcij potrjuje trditev izreka 7.3 tudi v numerini
aproksimaciji.
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
Slika 7.8. Pribliki prvih tirih lastnih funkcij pri n = 100
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
c11 y(a) + c12 y(b) + c13 y 0 (a) + c14 y 0 (b) = A,

c21 y(a) + c22 y(b) + c23 y 0 (a) + c24 y 0 (b) = B,
prevedi na reevanje zaetnih problemov.
3.4. Z diferenno metodo, kjer odvode nadomestimo s simetrinimi deljenimi

diferencami, rei tale robni problem:
y 00 + 4y 0 y = x,
3y(0) y 0 (0) = 1, y 0 (3) = 1.
Zapii sploni sistem in ga rei v primeru h = 1.
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.
Problem reuj z diferenno

metodo, pri emer naj bo lokalna napaka diferennih
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.
3.6. Reujemo robni problem (p(x)y 0 )0 + q(x)y = r(x). Uporabimo aproksimacijo
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.
3.8. Ugotovi strukturo sistema linearnih enab, ki ga dobi, e robni problem

y 00 = p(x)y 0 q(x)y + r(x),
y(a) = ya , y(b) = yb ,
reuje s kolokacijo in izbere stopnjo B-zlepkov m + k 1 = 5.
3.9. Izpelji numerino metodo, ki s kombinacijo strelske in tangentne metode

poie posamezni lastni par (, y), ki zadoa enabi
0
Ly := p(x)y 0 + q(x)y = y, y(a) = 0, y(b) = 0.
Privzemi
p(x) 0, q(x) 0, x [a, b].

Metodo preizkusi na problemu, danem v zgledu 7.10. Namig. Lastno vrednost
privzemi kot parameter. Naj bo y(x; ) reitev zaetnega problema
Ly( . ; ) := y( . ; ),
y(a; ) = 0, y 0 (a; ) = 1.
Izpelji Newtonovo metodo za reevanje nelinearne enabe
y(b; ) = 0.
Del IV
Parcialne diferencialne enabe
POGLAVJE 8
Parcialne diferencialne enabe
291
292
8. PARCIALNE DIFERENCIALNE ENABE
1. Uvod
1.1. Kaj opisujejo parcialne diferencialne enabe. Parcialne dife-
rencialne enabe so nepogreljivo orodje pri modeliranju zikalnih, tehninih,

nannih, drubenih in mnogih drugih problemov. S stalia numerinega reevanja so zelo zahtevne, tako s asovnega kot tudi prostorskega zornega kota.
Reitve moramo pogosto iskati pisane na koo konkretnim problemom ali vsaj
razredom problemov. Tu si bomo pogledali reevanje parcialnih diferencialnih
enab predvsem ob treh pomembnih modelnih enabah matematine zike.
eprav bomo njihovo naravo izkoristili kar se da, bodo razviti postopki uporabni tudi za druge naloge.
Zastavimo opis na
a se omejimo na eno diferencialno
zaetku
sploneje,
enabo. Naj L : C m Rd C Rd oznauje parcialni diferencialni operator

(skupnega) reda m (kar pomeni, da je skupni najviji red odvoda, ki nastopa,
enak m). Nalogo postavimo kar se da povrno: iemo funkcijo u, ki jo L
preslika v ni in ki zadoa dodatnim pogojem. V skupinah problemov, ki jih
lahko tako opiemo, najdemo tele:

x) C m Rd , ki
Problemi ravnoteja. Iemo skalarno polje u = u(x
zadoa diferencialni enabi
Lu = 0,
Ru = 0,
x D,
x D.
Obmoje D Rd je tu odprta, povezana mnoica, rob obmoja D je

rob zaprtja D in Ru = 0 so robni pogoji, ki zagotavljajo enolinost
reitve. Problemi te vrste sodijo med eliptine parcialne diferencialne
enabe. Tu sreamo na primer probleme, kako doloiti stacionarni viskozni tok, stacionarne porazdelitve temperature, pritiske v elastinih
strukturah, stacionarne porazdelitve napetosti itd. Eliptini problemi
so posploitev robnih problemov v reevanju navadnih diferencialnih
enab.
Problemi lastnih vrednosti. Tu iemo netrivialne pare (, u), ki na
primer zadoajo enabi
Lu = u,
Ru = 0,
x D,
x D.
To je nadgradnja eliptinega tipa enabe. Pri navadnih diferencialnih

enabah smo takne probleme sreali v razdelku 3.4. V to skupino
sodijo problemi stabilnosti struktur, resonance v elektriki, akustiki
itd.
Problemi irjenja, prenaanja, razvoja . . . Pri problemih te vrste je
ena od neodvisnih spremenljivk v x as in opazujemo, kaj se dogaja
s skalarnim poljem u v asu t (0, T ). Diferencialna enaba je tu
Lu = 0,
(t, x ) (0, T ) D,
8.1. UVOD
293
a e uspemo eksplicitno izraziti vodilni odvod v asu, jo morda lahko

sprepiemo v obliko
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,
a tudi zaetne pogoje
Zu = 0,
t = 0, x D.
Med naloge takne narave sodijo na primer problemi: doloevanje

pritiska v nestacionarnih tekoinah, irjenje toplote, nihanja, vrednotenje opcij . . . Enabe so parabolinega in hiperbolinega tipa.
e iemo vzporednico z navadnimi diferencialnimi enabami, ima
ta vrsta parcialnih diferencialnih enab lastnosti zaetnih in robnih
problemov.
Parcialna enaba je linearna, e je linearen operator L in dodatni pogoji. e
nastopajo linearno le najviji odvodi, ne pa tudi niji in funkcija, diferencialni
enabi reemo kvazilinearna.
1.2. Klasikacija parcialnih diferencialnih enab drugega reda.
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
Tu so a, b, c in e dovoljkrat zvezno odvedljive funkcije, v splonem odvisne od

koliin
u u
x, y, u,
,
,
x y
ne pa tudi od drugih odvodov. Vpeljimo oznake
p :=
u
,
x
q :=
u
,
y
r :=
2u
,
x2
s :=
2u
,
xy
Tedaj za diferenciala dp in dq ugotovimo
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
Vstavimo to v enabo (8.1) in dobimo
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)
Denicija 8.1. Tip diferencialne enabe (8.1) na obmoju D je

eliptini, e velja b2 4ac < 0,
parabolini, e velja b2 4ac = 0,
hiperbolini, e velja b2 4ac > 0.
Za karakteristike vidimo, da so kompleksne pri parcialnih diferencialnih
enabah eliptinega tipa, sicer so realne. Za eliptini in hiperbolini tip tvorijo
dvoparametrino, za parabolini pa enoparametrino druino krivulj. Natejmo
modelne zglede za vse tri tipe enab.
8.1. UVOD
295
Zgled 8.1. Poissonova enaba, na primer v obliki

u :=
2u 2u
+ 2 = f (x, y),
x2
y
je zgled za eliptini tip. Tu je
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.
Zgled 8.2. Zgled za parcialno diferencialno enabo parabolinega tipa je to-
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.
Zgled 8.3. Valovna enaba je zgled hiperboline diferencialne enabe. Opisuje

na primer nihanje strune,
2
2u
2 u
=
.
t2
x2
Tu je a = 1, b = 0 in c = 2 . Torej je b2 4ac = 4 2 > 0.
Te enabe se naravno prenesejo v ve prostorskih razsenosti. Toplotna

enaba na primer v
u
= 2 u,
t
nihanje strune pa v nihanje opne, ki ga opisuje enaba
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
Za eliptinost operatorja L moramo zahtevati e pozitivnost, torej da velja

X
x) y + > 0, za vse x D, y Rd , y 6= 0 ,
(8.9)
a , (x
|+|
|=2m
|
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
|
Zavedati pa se je treba, da z veanjem tevila prostorskih razsenosti raste

tako prostorska kot asovna zahtevnost numerinih reitev.
1.3. Numerine metode in diskretizacija. Prvi korak k numerini re-
itvi pri reevanju parcialnih diferencialnih enab je poiskati primerno diskretno

formulacijo. Nekaj metod, ki so na voljo, smo sreali e pri reevanju navadnih
diferencialnih enab. Obstajajo tudi druge. Natejmo nekaj najpogostejih:
diferenna metoda,
metoda konnih elementov,
kolokacija in posploitve, predvsem Galerkinove metode,
metoda robnih elementov.
V tej knjigi se bomo posvetili predvsem diferenni metodi, ki jo uporabljamo

pri numerinem reevanju vseh treh tipov parcialnih diferencialnih enab.
Ko smo enabo diskretizirali na ta ali oni nain, je treba diskretnim neznankam doloiti tudi vrednosti. Pri tem naletimo na specine probleme, ki
se navezujejo v veliki meri na tip diferencialne enabe, ki ga reujemo. Pri
eliptinemu tipu imamo predvsem opravka z zelo velikimi sistemi algebrainih
enab, pri parabolinemu moramo paziti na stabilnost, pri hiperbolinemu pa
na obmoje odvisnosti, kot bomo spoznali pozneje.
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
Slika 8.1. Zgled diskretizacije obmoja D v dveh dimenzijah.
rne toke so notranje, rdee robne.
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
s simetrino deljeno diferenco na dveh tokah takole

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 ) =
u (xj1 , yk ) 2u (xj , yk ) + u (xj+1 , yk )

+
x2
u (xj , yk1 ) 2u (xj , yk ) + u (xj , yk+1 )

+ O x2 + y 2 .
+
2
y
Ta se za enaka razmika v obeh smereh x = y = h poenostavi v

1
u (xj , yk ) = 2 u (xj1 , yk ) + u (xj+1 , yk ) + u (xj , yk1 ) + u (xj , yk+1 )
h

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
`j (x), `j1 (x), . . .

Lagrangeeva baza (1.3, str. 15), ki jo dobimo ob interpolaciji v tokah
xj , xj1 , . . . ,
in podobno
`k (y), `k1 (y), . . .

za drugo smer. Polinom
p(x, y) :=
ujr,ks `jr (x) `ks (y)
r,s
interpolira vrednosti ujr,ks v tokah (xjr , yks ). Odvajajmo ga, vstavimo

toko, za katero izpeljujemo diferenno aproksimacijo, in shema je tu. Okrnitveno napako dobimo nato iz razvoja aproksimacije v Taylorjevo vrsto. Osvetlimo to z zgledom.
8.1. UVOD
299
Zgled 8.4. Izpeljimo simetrino diferenno aproksimacijo meanega odvoda

2u
(xj , yk )
xy
v tokah
xj1 , xj , xj+1 , yk1 , yk , yk+1 .

Interpolacijski polinom je parabola v vsaki od spremenljivk,
(8.13)
p(x, y) =
1
1
X
X
ujr,ks `jr (x) `ks (y).
r=1 s=1
Izraunajmo meani odvod v (xj , yk ),
uj1,k1 uj1,k+1 uj+1,k1 + uj+1,k+1

2p
(xj , yk ) =
.
xy
4x y
S tem smo izpeljali diferenno aproksimacijo
u(xj1 , yk1 ) u(xj1 , yk+1 )
2u
(xj , yk ) =
xy
4x y
u(xj+1 , yk1 ) u(xj+1 , yk+1 )
+ O x2 + y 2 .
4x y
O okrnitveni napaki se prepriamo takole. Vstavimo
xj1 = xj x,
yk1 = yk y
v diferenno aproksimacijo na desni strani in jo razvijmo v Taylorjevo vrsto za

majhne x in y . Dobimo
4
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 =
uj2,k 4uj1,k + 6uj,k 4uj+1,k + uj+2,k

4u
(xj , yk )
.
4
x
x4
Za meani odvod uporabimo spet nastavek (8.13) in dobimo
uj1,k1 2uj1,k + uj1,k+1 2uj,k1 + 4uj,k
4p
(xj , yk ) =
+
2
2
x y
x2 y 2
2uj,k+1 + uj+1,k1 2uj+1,k + uj+1,k+1
+
.
x2 y 2
300
Poenostavimo sedaj z izborom x = y =: h. Dobimo shemo

2 u (xj , yk ) = 2h u (xj , yk ) + O h2 ,
kjer so koecienti diskretne aproksimacije 2h v toki (xj , yk ) dani z
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
Toke mree, ki so blizu roba, zahtevajo posebno pozornost. Najprej zato,

ker je treba pri robu upotevati tudi robne in zaetne pogoje. To smo sreali
e pri navadnih diferencialnih enabah. Drugi pa zato, ker je treba upotevati
obliko roba D. Obiajno moramo pri krivih robovih posei po zelo preprostih
diferennih aproksimacijah odvodov, kar pomeni izgubo natannosti v globalni
napaki.
Zgled 8.6. Izpeljimo diskretno aproksimacijo Laplaceovega operatorja oblike

(8.12) v toki (xj , yk ), ki ima za soseda robni toki (slika 8.2). Predpostavimo,
da sta vrednosti
u (xj + 1 x, yk ) = gj+1 ,k ,
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
1 u (xj1 , yk ) (1 + 1 ) u (xj , yk ) + u (xj + 1 x, yk )

+
1 (1 + 1 ) x2
2 u (xj , yk1 ) (1 + 2 ) u (xj , yk ) + u (xj , yk + 2 y)
+2
+
2 (1 + 2 ) y 2
3u
1
3u
1
+ (1 2 ) 3 (xj , yk ) y + (1 1 ) 3 (xj , yk ) x+
3
y
3
x
2
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
Slika 8.2. Zgled diskretizacije obmoja Laplaceovega opera-
torja v tokah ob krivem robu D
Za diskretno aproksimacijo operatorja vzamemo
1 uj1,k (1 + 1 ) uj,k + gj+1 ,k

2 uj,k1 (1 + 2 ) uj,k + gj,k+2
+2
,
2
1 (1 + 1 ) x
2 (1 + 2 ) y 2
torej je okrnitvena napaka v splonem le prvega reda.

V diferennih aproksimacijah odvodov nastane okrnitvena napaka, ki se
prenese v lokalno napako. Za tono denicijo lokalne napake si sposodimo kar
denicijo 7.1 (str. 277). Naj L oznauje diskretno aproksimacijo diferencialnega operatorja L. Lokalna napaka je razlika
(8.14)
x) := Lu(x
x) L u(x
x),
(x
x D,
za dovoljkrat zvezno odvedljivo funkcijo u. Podobno vkljuimo tudi vpliv

aproksimacije robnih in zaetnih pogojev.
Pri reevanju parcialnih diferencialnih enab sreamo tudi probleme, kjer
izraava v kartezinih koordinatah ni najprimerneja. Za zgled si poglejmo,
kako diskretiziramo, e reujemo Poissonovo enabo na kolobarju.
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 :=
Naj bo ujk u (rj , k ), rj1/2 := rj 12 r in fj,k := f (rj , k ). Diskretna

enaba se pri indeksih (j, k) dovolj dale od roba glasi
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
Lokalna napaka je reda O r2 + 2 .
1.5. Naloge.
1.1. Izpelji sedemtokovno diferenno aproksimacijo meanega odvoda
v toki (xj , tk ), ki uporabi vrednosti
2u
xt
u (xj , tk ) , u (xj1 , tk ) , u (xj , tk1 ) , u (xj1 , tk1 ) , u (xj+1 , tk+1 ) .

Korak v smeri x je x, korak v smeri t pa t. Aproksimacija naj bo kar se da
visokega reda. Doloi okrnitveno napako.
1.2. Poii diferenno aproksimacijo za Laplaceov operator v (xj , yk ), ki upo-
rabi im manj sosednjih vrednosti, a je etrtega reda. Koraka v koordinatnih

smereh naj bosta x in y . Ali najde kaken oitek izpeljani shemi?
1.3. Laplaceov operator se v d razsenostih glasi

d
X
2
=
.
x2j
j=1
Posploi pettokovno diferenno aproksimacijo na ta primer in izrazi okrnitveno napako.
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
Slika 8.3. Zgled diskretizacije Laplaceovega operatorja, zapi-
sanega v polarni obliki
1.4. Naj bo dan diferencialni operator eliptinega tipa
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).
1.5. Robni pogoj pri reevanju Poissonove enabe na pravokotniku D naj bo

oblike
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
2. Enabe eliptinega tipa

2.1. Uvod. Parcialne diferencialne enabe eliptinega tipa sreamo samo-
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,
iemo na obmoju D, z robnimi pogoji na robu D. Ti lahko vsebujejo tudi

odvode. Za enabo reda 2m je za enolinost reitve potrebnih m neodvisnih
robnih pogojev.
Za enabe drugega reda sreamo tele robne pogoje, ki jih tudi poimenujemo:
Dirichletov pogoj : vrednost u na robu D je znana,
x) = g(x
x),
u(x
x D.
von Neumannov pogoj : znana je vrednost odvoda u v smeri (zunanje)

normale na robu,
u
x) = g(x
x), x D.
* (x
n
Ta pogoj doloa reitev do konstante natanno.
Meani pogoj : je kombinacija Dirichletovega in von Neumannovega
pogoja,
u
x) + (x
x) *(x
x) = g(x
x), x D.
u(x
n
2.2. Diskretizacija Poissonove enabe na pravokotniku. Numerine metode si bomo ogledali na preprosti enabi eliptinega tipa, Poissonovi
enabi v dveh dimenzijah na pravokotnem obmoju
D := (0, a) (0, b) ,
a > 0, b > 0.
To seveda ne pomeni, da smo se odrekli zahtevnejim problemom. Metode, ki

jih bomo predstavili tu, se uporabljajo v dosti irem kontekstu. Le analiza bo
tu preprosteja. Diferencialno enabo zapiimo v obliki
2
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)
u(x, y) = g(x, y),
(x, y) D.
Za funkciji f in g predpostavimo, da sta dovolj pohlevni, tako da je eksistenca

tone reitve zagotovljena. Laplaceov operator v Poissonovi enabi je le poseben primer splonejega pozitivno denitnega operatorja
p1 (x, y)
p2 (x, y)
+ q(x, y) u ,
(8.17)
Lu :=
x
x
y
y
8.2. ENABE ELIPTINEGA TIPA
305
kjer za pozitivno denitnost zahtevamo
p1 (x, y) p1 > 0, p2 (x, y) p2 > 0,
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 .
Je sistem J K linearnih enab za prav toliko neznank ujk . Vasih je ugodneje,

da si zapis poenostavimo tako, da numerino reitev oznaimo z u . Ta je
denirana z
u (xj , yk ) := ujk , (xj , yk ) D D .
Ugotovili bomo, da ima sistem (8.21) vedno reitev. Posredno to zagotavlja
e eliptino ozadje. Vemo, da tona reitev Poissonove enabe obstaja. Od tod
306
1
-
y2
2
2
+
x2 y2
1
2
1
-
h2
h2
h2
1
-
h2
1
-
y2
h2
Slika 8.4. Shema pettokovne aproksimacije Laplaceovega
operatorja za razlina koraka x in y (levo) in za enoten korak

h = x = y (desno)
se da sklepati, da ima enolino reitev tudi diskretni Poissonov problem, vsaj

za dovolj majhne korake x in y . Izhodie za to ugotovitev je naslednji izrek.
Izrek 8.1 (Diskretni maksimalni princip ). Naj za funkcijo v , ki je denirana
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) .
Dokaz. Dokaimo le prvo trditev. Vpeljimo

2 :=
(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 )
Naj bo (xj , yk ) = (x, y) D . Okrajajmo vjk := v(xj , yk ). e predpostavljeno neenabo

vj,k1 2vjk + vj,k+1
vj1,k 2vjk + vj+1,k
+
0
2
x
y 2
307
pomnoimo s konstanto 2 , denirano v (8.22), dobimo
vjk x (vj1,k + vj+1,k ) + y (vj,k1 + vj,k+1 ) .

Naj bo (xj , yk ) D toka, v kateri v dosee maksimum. Iz neenabe sklepamo
vjk x (vj1,k + vj+1,k ) + y (vj,k1 + vj,k+1 ) 2 (x + y ) vjk = vjk .

Torej morajo biti tudi sosedi vjk enako veliki,
vj1,k = vj+1,k = vj,k1 = vj,k+1 = vjk .

Torej lahko nadaljujemo s sosedi sosedov in trditev prepeljemo do roba. e je
vjk >
max
(x,y)D
v (x, y) ,
pridemo do protislovja, ko se s petorkom dotaknemo roba.
Izrek 8.2. Naj bo funkcija v denirana na D D . Potem velja

max |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
Dokaz. Vpeljimo primerjalno funkcijo

1
(x, y) := x2 , (x, y) D.
2
Funkcija je strogo monotona v smeri x in zavzame vrednosti 0
Izraunajmo
(x, y) =
1
2
a2 .
1 (x x)2 2x2 + (x + x)2

= 1.
2
x2
Dodajmo e funkcijo
v := v + N ,
s konstanto N , ki je enaka
N := max | v(x, y)| .

(x,y)D
Naj bo (x, y) D . Ker je diskretni Laplaceov operator linearen, dobimo
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
v(x, y) v(x, y) + N (x, y) = v (x, y)
max (v (x, y)) =
(x,y)D
max (v(x, y) + N (x, y))
(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
e bi ponovili ocenjevanje e v smeri y , bi dobili podobno oceno, le s konstanto

1 2
1 2
2 b na mestu 2 a . To dokazuje izrek v celoti.
Ta izrek nam pomaga oceniti globalno napako, ne da bi sistem enab (8.21)
sploh reili. Analiza diferencialnih enab ve povedati, da tona reitev Poissonove enabe u obstaja. Predpostavimo, da sta f in g takni, da je u dovoljkrat
zvezno odvedljiva in oznaimo globalno napako
e(x, y) := u (x, y) u(x, y),
(x, y) D D .
Ker smo privzeli Dirichletov robni pogoj, je
e(x, y) = 0,
(x, y) D .
Spomnimo na lokalno napako (8.14, str. 301). Tu se ta izraa kot
(x, y) = u f (x, y) u f (x, y) =
= + u(x, y) = O x2 + y 2 , (x, y) D .
Za globalno napako e ugotovimo
e(x, y) = (u u)(x, y) = f (x, y) + u(x, y) =

= f (x, y) + u(x, y) + ( )u(x, y) =
= (x, y),
(x, y) D .
Torej je e reitev diskretne Poissonove enabe, s kot desno stranjo. Vstavimo

e namesto v v izrek 8.2 in dokazali smo sledeo oceno.
Izrek 8.3. Naj bo tona reitev Poissonove enabe tirikrat zvezno odvedljiva.
Za globalno napako e = u u velja ocena
max |e(x, y)| max |e(x, y)| + O x2 + y 2 .

(x,y)D
(x,y)D
{z
}
|
{z
} |
{z
}
|
lokalna napaka
globalna napaka
napaka na robu
Ker je napaka na robu do reda osnovne zaokroitvene napake enaka ni,

vidimo, da je globalna napaka istega reda kot lokalna napaka. Tona reitev Poissonove enabe obstaja, zato izrek 8.3 pove, da obstaja tudi reitev
diskretne naloge, e sta le x in y dovolj majhna.
Zapiimo sistem linearnih enab (8.21) v matrini obliki. Najprej preoblikujmo enabe tako, da vsako od njih delimo s koecientom v srediu pettokovne sheme, ali bolje, mnoimo s faktorjem 2 , ki smo ga vpeljali v (8.22).
Diferenne enabe se preoblikujejo v
(8.24) x (uj1,k + uj+1,k ) + ujk y (uj,k1 + uj,k+1 ) = 2 fjk (xj , yk ) D ,
kjer smo x in y denirali v (8.23). Ker toke (xj , yk ) izbereta dva indeksa,
se je treba dogovoriti, v kaknem vrstnem redu zlagamo enabe v matriko.
To doloa obliko matrike, kar vpliva na samo reevanje sistema. Nedvomno
pa je smiselno enabe indeksirati v enakem vrstnem redu kot neznanke, saj le
tako na diagonali dobimo elemente, ki tja sodijo. Dva naravna vrstna reda se
309
ponujata sama po sebi: leksikografsko po vrsticah ali stolpcih. Znan je tudi

rno-rdei vrstni red (slika 8.5).
5 17
18
19
20
19
10
20
4 13
14
15
16
4 17
18
10
11
12
15
16
2 13
14
11
12
Slika 8.5. Shema indeksiranja enab pri pettokovni aproksi-
maciji Laplaceovega operatorja: po vrsticah (levo) in rno-rdee

(desno)
Zberimo sistem enab leksikografsko po vrsticah. Neznanke sestavimo v iskani
vektor z
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 .
A RJ K, J K je simetrina blono tridiagonalna, oblike
A12
A22
A23
..
..
..
.
.
.
Ak,k1 Akk
Ak,k+1
.
..
..
..
.
.
.
AK1,K2 AK1,K1 AK1,K

AK,K1
AKK
Diagonalni bloki Akk so tridiagonalne matrike oblike
1
x
x
1
x
..
..
..
Akk =
RJ,J ,
.
.
.
x
1
x
x
1
310
obdiagonalni bloki pa so diagonalne matrike,
..
Ak,k1 = Ak1,k =
.
RJ,J .
Vektor g RJ K naj prevzame robne pogoje. V prvi bloni vrstici so komponente
y gj,0 ,
j = 1, 2, . . . , J,
v zadnji
y gj,K+1 ,
j = 1, 2, . . . , J,
v vseh drugih ima g od ni razlini le prvo in zadnjo komponento,
x g0,k ,
x gJ+1,k .
Sistem enab (8.24) lahko sedaj zapiemo na kratko

(8.25)
u = 2f + g =: b .
Au
Enabo z danima indeksoma srednje toke pettokovne sheme (j, k) opisuje

vrstica z indeksom
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 ,
kjer matrika H prevzame koecienta pri uj1,k in uj+1,k ,

(8.27)
H = F + FT .
Tu je F RJ K, J K matrika, ki ima od ni razline elemente (enake x ) tam,

kjer v vrstici i = (k 1)J + j matrike A stoji koecient pri neznanki uj1,k .
Matrika V prevzame koecienta pri neznankah uj,k1 in uj,k+1 ,
(8.28)
V = B + BT
in matrika B RJ K, J K doloa mesto koecientov v matriki A za neznanke

uj,k1 . Strogo spodnji trikotni del matrike A dobimo kot L := F + B , strogo
zgornji del pa kot U := F T + B T . Preprosto je preveriti trditev, ki jo je
izrek 8.3 posredno e nakazal.
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
Nadgradnja izreka (Olga Taussky) dopolni to: e je A ireducibilna, lahko

(A) lei na robu enega od krogov le, e lei na robu vseh. Toda tu
za matriko A velja
(8.29)
|aii | = aii
n
X
|aij |,
j=1
j6=i
torej je lahko 0 Ki le, e velja aii =
Pn
j=1
j6=i
|aij |. To za vse i ne more biti res,
saj je v nekaterih vrsticah matrika strogo diagonalno dominantna.

Matrika sistema enab (8.25) je lahko zelo velika. e mnogo veje matrike
pogosto dobimo, e reujemo Poissonovo ali podobne enabe v ve kot dveh razsenostih. Matrika sistema je tudi obutljiva. To izvira e iz narave problema,
ki ga reujemo. Matriko sistema lahko razumemo kot diskretno aproksimacijo
zaprtega, a neomejenega operatorja. e x in y manjamo, mora obutljivost
rasti. eprav se reevanja sistema enab (8.25) lahko lotimo tudi z direktnimi
metodami, ki so za modelni problem zmerne razsenosti celo najbolj uinkovite, opazimo dve slabosti. Prva je ta, da pri numerinem reevanju parcialnih
diferencialnih enab sreamo e bistveno veje probleme, kjer so direktne metode brez moi. Druga pa je dejstvo, da ima matrika A v vsaki od vrstic
kvejemu pet od ni razlinih elementov. Direktne metode te zelo posebne
lastnosti ne morejo izkoristiti. Razcep Choleskega sicer ohrani pasovnost A, a
porui strukturo nenielnih blokov in jih napolni z izraunanimi, v splonem
od ni razlinimi vrednostmi. S tem postane tudi prostorska zahtevnost resen
omejevalni faktor. Zato se bomo osredotoili na iteracijsko reevanja sistema
linearnih enab (8.25). Preprosta diferencialna enaba in pravokotno obmoje
bosta omogoila podrobno analizo iteracijskih postopkov.
312
2.3. Lastne vrednosti Laplaceovega operatorja. O obutljivosti li-
nearnega sistema enab (8.25)
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) = 2 w(x, y), (x, y) D ,
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 .
Enabo (8.31) delimo s produktom (x)(y) in razlenimo
(x x) + 2(x) (x + x)
+
x2 (x)
(y y) + 2(y) (y + y)
+
= 2,
y 2 (y)
(x, y) D .
Prvi len v vsoti je odvisen le od spremenljivke x, drugi pa le od spremenljivke

y , kar pomeni, da morata biti oba sumanda konstanti:
(x x) + 2(x) (x + x)
= 2 = konst1 ,
x2 (x)
(y y) + 2(y) (y + y)
= 2 = konst2 .
2
y (y)
Velja e + = . Poiskati je treba netrivialne lastne pare (, ) in (, ) v

vsaki od spremenljivk posebej. Poglejmo le par (, ). Zanj mora veljati
(xj x) + 2(xj ) (xj + x)
= 2 (xj ) ,
2
x
j = 1, 2, . . . , J,
313
ali po mnoenju z x2 in poenostavitvi, tudi z uporabo konstant, vpeljanih v

(8.23),
(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
enab se potemtakem glasi

x
(xj ) = Cxj + Dxj = C j + D j .

Doloiti moramo e konstanti C in D. Upotevajmo robne pogoje (8.32). Iz
(0) = 0 dobimo
C + D = 0.
To poenostavi (xj ),
(xj ) = C( j j ) ,
(8.34)
C 6= 0 .
Opazimo tudi, da zamenjava 1 spremeni le predznak vsem vrednostim

(8.34) hkrati, torej ne da nove reitve sistema diferennih enab. Drugi robni
pogoj da
(xJ+1 ) = 0 = C( J+1 (J+1) )
in zato J+1 (J+1) = 0. Iemo vrednosti , ki zadoajo enabi
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) .
Dovolj je, e se omejimo na 1 p J + 1, saj za druge indekse dobimo

vrednosti (xj ) v (8.34), ki se od prejnjih loijo le v predznaku. Preverimo
to,
1
i p
i (2(J+1)p)
(8.35)
= e (J+1) = e (J+1)
= 2(J+1)p .
p
Izbira p = J + 1 da J+1 = 1 in
j
j
J+1
J+1
= (1)j
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
Lastne vrednosti so torej

(8.37)
pq = p + q ,
p = 1, 2, . . . , J , q = 1, 2, . . . , K ,
lastni vektorji pa tenzorski produkti

(8.38)
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 .
Vse lastne vrednosti so torej pozitivne in najmanja med njimi je 11 . Ocenimo

jo za majhna koraka x in y . Ker velja a = x(J + 1) in b = y(K + 1),
ugotovimo
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
Izrek 8.5. Za obutljivost sistema enab (8.25) za majhne korake x in y

velja
kAk2 kA
k2 = O
1
2
2.4. Osnovne iteracijske metode in Poissonova enaba.

2.4.1. Uvod. Iteracijsko reevanje sistema linearnih enab
u=b
Au
v splonem opiemo z razcepom matrike A v par matrik
(8.42)
A=M N
in prepisom v iteracijsko obliko

(8.43)
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
ugotovimo, da ima matrika TJ siste lastne vektorje kot A, lastne vrednosti

pq (TJ ) pa so pq = 1 pq . Spekter matrike TJ je simetrien glede na
izhodie. Preverimo to:
pq + J+1p,K+1q = 2 (pq + J+1p,K+1q ) =
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 .
S tem smo dokazali tale izrek.
Izrek 8.6. Lastne vrednosti Jacobijeve iteracijske matrike nastopajo v parih

in (TJ ) (1, 1). Za spektralni radij velja
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 .
Iteracija ima obliko
(I (F + B)) u (r+1) = F T + B T u (r) + b ,
(8.46)
r = 0, 1, . . .
Po komponentah to poenostavimo v
(r+1)
ujk
(r+1)
(r+1)
(r)
(r)
= x uj1,k + y uj,k1 + x uj,k+1 + y ui,k+1 + bjk ,

i = 1, 2, . . . , J; k = 1, 2, . . . , K; r = 0, 1, . . .
Iteracijsko matriko TGS preberemo iz (8.46),

(8.47)
TGS = (I L)1 U = (I (F + B))1 F T + B T .
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 ì {1, 2, . . . , n},
i = 1, 2, . . . , n.
Vektorju ` := (ì )ni=1 reemo ureditev.
Denicija 8.2. Za matriko B = DLU reemo, da je konsistentno urejena,

e obstaja takna ureditev ` , da velja
i < j, bij 6= 0 = ì `j = 1
in
i > j, bij 6= 0 = ì `j = 1.
Zgled 8.8. Raziimo, kako lahko enabe in spremenljivke, dobljene pri pet-
tokovni diskretizaciji Poissonove enabe, zberemo v sistem enab, tako da

bo pripadajoa matrika konsistentno urejena. Prvi naravni nain vidimo na
sliki 8.6. Pripadajoa matrika je blono tridiagonalna. Drugega vidimo na
sliki 8.7.
5 17
18
19
20
4 13
14
15
16
10
11
12
Slika 8.6. Blono tridiagonalna konsistentna ureditev enab
pri pettokovni aproksimaciji Laplaceovega operatorja: indeksi

enab (levo) in pripadajoa ureditev, ki potrjuje konsistentno
urejenost (desno)
Hitro preverimo, da je neka kvadratna matrika B konsistentno urejena natanko
takrat, ko ima lastnost A: obstaja permutacijska matrika P , takna, da ima
318
5

9
19
10
20
4 17
18
15
16
2 13
14
11
12
Slika 8.7. rno-rdea konsistentna ureditev enab pri pet-
tokovni aproksimaciji Laplaceovega operatorja: indeksi enab

(levo) in pripadajoa ureditev, ki potrjuje konsistentno urejenost (desno)
P 1 BP blono strukturo, ki pripada rno-rdei razporeditvi (slika 8.7),
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.
Izrek 8.7 (Young). Naj bo matrika B = D L U konsistentno urejena.

Determinanta matrike
V (c, ) :=
(vj,k (c, ))nj,k=1
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
: {1, 2, . . . , n} {1, 2, . . . , n} : j 7 (j),
j = 1, 2, . . . , n.
319
Vrednost || je 1, odvisno od tega, ali je permutacija soda ali liha. n je

mnoica vseh taknih permutacij. V produktu (8.48) elementi vj,(j) (c, ),
za katere je j > (j), pripadajo spodnjemu trikotnemu delu, j = (j) da
diagonalne elemente in j < (j) elemente zgornjega trikotnika. Pretejmo jih,
nL () := mo {j | j > (j)},
nU () := mo {j | j < (j)}.
Produkt v (8.48) lahko sedaj poenostavimo

n
Y
vj,(j) (c, ) = (1)nL ()+nU () cnnL ()nU () nL ()nU ()
j=1
n
Y
bj,(j) .
j=1
Naj bo takna permutacija, da je

n
Y
bj,(j) 6= 0,
j=1
torej vsak od faktorjev bj,(j) 6= 0. Naj bo ` vektor, ki B konsistentno ureja.

Tedaj
n
n
X
X
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
saj je permutacija tevil (1, 2, . . . , n). Izrek je dokazan.

Sistem enab in pripadajoo matriko A v (8.25) lahko sestavimo tako, da
je konsistentno urejena. Sliki 8.6 in 8.7 ponujata dva primerna naina. Predpostavimo, da je A takna in se vrnimo h Gauss-Seidlovi iteraciji ter iteracijski
matriki (8.47). Lastne vrednosti matrike TGS so nile karakteristinega polinoma
p() := det(I TGS ) = det I (I F B)1 F T + B T .

Ker je matrika I F B neizrojena, so to natanko koreni enabe
det (I F B) F T + B T = 0
320
in za lastne vrednosti 6= 0 je to ekvivalentno enabi
1 T
1 T
det
I
F + F
B + B
= 0.
Ker je prvotna matrika A konsistentno urejena, je takna tudi ta. Uporabimo

izrek 8.7 in enaba dobi obliko
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 ).
Spektralni radij iteracijske matrike je
(TGS ) = (TJ )2 = (1 11 )2 = 1 211 + 211 =
1
1
2 2
= 1 2
+ 2 + 2 O x2 + y 2 .
2
a
b
To dokazuje sledei izrek.
Izrek 8.8. Gauss-Seidlova metoda pri reevanju diskretne Poissonove enabe

za pravokotno obmoje konvergira priblino dvakrat hitreje kot Jacobijeva metoda.
2.4.4. Metoda SOR. Metoda SOR (Successive Over Relaxation) sodi med
pogosto uporabljane iteracijske metode za reevanje sistemov linearnih enab,
ki izvirajo iz diskretizacije parcialnih diferencialnih enab. Je ekstrapolacija
(r)
(r)
Gauss-Seidlove iteracije. Naj ujk oznai SOR pribliek, u
ejk pa Gauss-Seidlov.
Pribliek SOR metode izraunamo takole
(r+1)
ujk
(r+1)
=
ujk
(r)
+ (1 )ujk .
Tu je izbrani parameter, ki ga v praktinem raunanju med iteracijo tudi

prilagajamo. Za reevanje sistema (8.25) se SOR korak poenostavi

(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
(I (F + B)) u (r+1) = (1 )I + F T + B T u (r) + bb .
V formalno iteracijsko obliko to prepiemo takole,

(8.50)
u(r+1) = T u(r) + (I (F + B))1 b,
kjer je iteracijska matrika T enaka

(8.51)
r = 0, 1, . . . ,
T = (I (F + B))1 (1 )I + F T + B T .
321
Lastne vrednosti = iteracijske matrike T so nile karakteristinega polinoma

p( ) := det ( I T ) = 0 .
Ker je matrika I (F + B) neizrojena, so to nile enabe
det (I (F + B)) (1 )I + F T + B T
= 0.
Delimo vsakega od lenov determinante z 6= 0 in dobimo

+ 1
1
1
T
T
I
B
= 0.
det
F
+
B
+
Ponovno uporabimo izrek 8.7 in enabo poenostavimo v
+ 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
.
O izbiri parametra nismo e ni povedali. Oitno z izbiro = 1 dobimo

Gauss-Seidlovo metodo. A za posebni primer enabe, ki ga reujemo, se da
doloiti optimalni v zakljueni obliki in bistveno skriti tevilo potrebnih
iteracij. Ugotovimo najprej, da mora biti pozitiven. e bi izbrali 0,
konvergence ni, saj iz (8.52) sledi
!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
To omejuje izbiro na interval (0, 2). Ta razmislek tudi pove, da je za vsako

od lastnih vrednosti pripadajoi | | desno od nile parabole p enak 1.
Ker lastne vrednosti nastopajo v parih, se lahko omejimo na [0, 1).
Obnaanje | | za razline vidimo na sliki. Ker je

1.0
= 1,1
0.8
= 5,1
0.6
0.4
0.2
= 9,1
0.5
1.0
1.5
2.0
Slika 8.8. Lastne vrednosti SOR iteracijske matrike za raz-
line vrednosti , pri parametrih a = b = 1 in J = K = 10
2
p
2 2 4 + 4
p
=
> 0,
2 2 2 4 + 4
[0, 2], p() > 0,
o spektralnem radiju (T ) odloa = (TJ ) = 1,1 . Odvajajmo

enabo (8.52) in preverimo
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 )
e upotevamo sedaj e (8.53) in razlago te relacije, dobimo tole ugotovitev.
Izrek 8.9. Vse lastne vrednosti (T ) leijo pri izboru = na

kronici {z C | |z| = 1}.
Ocenimo (T ) za modelni problem.
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 ,
(x, y) (0, 2) (0, 1).
Tona reitev naj zadoa robnim pogojem
u(0, y) = 0, u(2, y) = 2ey , u(x, 0) = x, u(x, 1) = e x.

Brez teav preverimo, da je tona reitev kar u(x, y) = xey . Primerjajmo
tevilo iteracij Jacobijeve, Gauss-Seidlove in SOR iteracije z optimalno izbiro
parametra . Naj u (r) oznai numerini pribliek na r-tem koraku iteracije.
Kot kriterij prekinitve iteracije izberimo
u(r+1) u (r) k < = 108 .

ku
Za zaetni pribliek uporabimo desno stran x (0) = b . Primerjava opravljenega
tevila iteracij za rastoe J = 7, 9, . . . , 23, K = 6, 8, . . . , 22 in
n := J K = 42, 72, . . . , 506

na sliki 8.9 zgovorno potrjuje, da je Gauss-Seidlova iteracija dvakrat uinkoviteja kot Jacobijeva. Metoda SOR z optimalno izbiro obe poseka za cel red.
To nazorno vidimo iz primerjave smeri vseh treh grafov, prikazanih v logaritemskem merilu. Prva dva sta z rastoim n vedno bolj vzporedna, a razmik
do grafa tevila iteracij SOR se monotono poveuje.
324
#iter.
2000
1000
500
200
100
50
n
20
100
200
300
400
500
Slika 8.9. tevilo potrebnih iteracij Jacobijeve (modra),
Gauss-Seidlove (temnordea) in SOR (be) v zgledu 8.9
Izbiro (8.54) uporabljamo tudi pri splonejih sistemih diferennih enab, ki

jih dobimo na primer pri diskretizaciji enabe (8.17). Ker spektralnega radija (TJ ) razen v posebnih primerih ne poznamo, ga numerino ocenjujemo
med samim iteracijskim reevanjem sistema. Premislimo, kako to opravimo
ob predpostavki, da je prvotna matrika A konsistentno urejena. e zapiemo
relacijo (8.50) za dva zaporedna koraka in ju odtejemo, dobimo za razliko
u(r) := u (r+1) u (r) iteracijo
priblikov u
(8.56)
u(r) = T u
u(r1) ,
u
r = 1, 2, . . .
To ni ni drugega kot (nenormirana) potenna metoda na matriki T . Vektor

u(r) po smeri konvergira k lastnemu vektorju, ki pripada dominantni lau
stni vrednosti. Predpogoj je seveda, da takna, po absolutni vrednosti strogo
najveja, lastna vrednost res obstaja. V lui povezave (8.52), relacije (8.53) in
optimalne izbire parametra = v (8.54), je to res za parametre (0, ).
e torej opravimo nekaj iteracij SOR metode z izbranim , 1 < , lahko
s pomojo (8.56) oceno izboljamo. Le zagotoviti moramo, da je tudi nova
ocena res ocena od spodaj. e bi presegel , potenna metoda (8.56) ne
bi ve konvergirala in novi pribliki iteracijskega parametra bi bili neuporabni.
Vpeljimo
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
Naj bo ( , v ), > 0, lastni par SOR iteracijske matrike. Iz Tv = v

in (8.51) sledi
(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
Povzemimo celotno razlago kot algoritem.
Algoritem 8.1:
Izraun nove ocene parametra iz treh zaporednih priblikov

SOR iteracije
u (r1) , u (r) , u (r+1) ,
dobljenih pri parametru 0 < .
u(r1) := u (r) u (r1) ;
u
u(r) := u(r+1) u(r) ;
u
u(r) k2
ku
:=
;
u(r1) k2
ku
1
u(r) ;
v := G
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
z numerino (modra) in optimalno doloenim parametrom

(temnordea) v zgledu 8.10
1.76
1.74
1.72
1.70
1.68
n
20
40
60
80
100
Slika 8.11. Koraki v numerinem ocenjevanju SOR parametra
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,
s ksno toko (tono reitvijo prvotnega sistema enab) u . Velja torej

u + b , in e obe enabi odtejemo, za napako e (r) := u (r) u ugotovimo
u = Tu
relacijo
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
zgledu 8.9, za J = 15, K = 14 (levo) in J = 31, K = 30 (desno).

Rdea oznauje Gauss-Seidlovo, modra Jacobijevo in be SOR
iteracijo.
To ni ni drugega kot nenormirana potenna metoda z zaetnim priblikom
w i ), s prie (0) . Predpostavimo e, da ima T poln sistem lastnih vektorjev (w
P
(0)
padajoimi lastnimi vrednostmi i . Naj bo e
=
i iw i razvoj ostanka
zaetnega priblika po lastnih vektorjih matrike T . Po r korakih iteracije dobimo
!
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
To lepo okarakterizira padanje napake v iteracijski metodi. Napaka v celoti

pada, saj se na vsakem koraku mnoi s tevilom (T ) < 1. SOR metoda
v primerjavi z Gauss-Seidlovo tu uspe s primerno izbiro krepko zmanjati
spektralni radij. Po drugi strani pa napaka hitro pada tudi v doloenih smereh
w i , za katere je
i
1
(T ) konst < 1, na primer konst = 2 .

Vrnimo se k zgledu na sliki 8.12 in prikaimo absolutne vrednosti lastnih
vrednosti pripadajoih iteracijskih matrik, urejenih po velikosti, za dva izbora
parametrov, J = 7, K = 6, n = 42 in J = 15, K = 14, n = 210 (slika 8.13). Pri
SOR metodi padanja napake v smeri posameznih lastnih vektorjev razumljivo
ni. Saj smo izbrali optimalni parameter = in so vse lastne vrednosti
iteracijske matrike T po absolutni vrednosti enake 1 (izrek 8.9). Pri
drugih dveh metodah na primer je oitno
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
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
Slika 8.13. Absolutne vrednosti lastnih vrednosti iteracijskih
matrik v zgledu 8.9, za J = 7, K = 6 (levo) in J = 15, K = 14

(desno). Rdee pripadajo Gauss-Seidlovi, modre Jacobijevi in
be SOR iteracijski matriki.
lastnih vektorjev iteracijskih matrik pri reevanju Poissonove enabe ugotovimo iz (8.38). Lastni vektorji so diskretna aproksimacija tenzorskih produktov funkcij, ki nihajo kot trigonometrine funkcije z manjo ali vejo frekvenco.
Funkcija, ki na dani mrei niha z manjo frekvenco, bi na bolj grobi mrei bila
vidna kot funkcija, ki niha hitreje. Torej, e iteracija zadui del napake, ki se
izraa kot linearna kombinacija vektorjev, ki nihajo z visoko frekvenco, ostanek
napake lahko manjamo na bolj grobi mrei po enakem premisleku.
eprav slika 8.12 kae podobno padanje napake na zaetnih korakih Jacobijeve in Gauss-Seidlove iteracije, pa nista obe primerni za uporabo v vemrenih
metodah. Vrnimo se k zgledu 8.9, z izborom J = 15, K = 14, in skicirajmo
grafa lastnih vektorjev, ki pripadata najmanji in najveji lastni vrednosti iteracijske matrike. Slika 8.14 kae grafa dominantnih lastnih vektorjev Jacobi-
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
Slika 8.14. Lastna vektorja Jacobijeve iteracijske matrike,
ki pripadata dominantnima lastnima vrednostma (TJ ) =

0.978732 (levo) in (TJ ) = 0.978732 (desno)
jeve iteracijske matrike TJ . Ker lastne vrednosti TJ nastopajo v parih, sta

takna dva. Eden niha z visoko, drugi z nizko frekvenco. Pri Gauss-Seidlovi
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
Slika 8.15. Lastna vektorja Gauss-Seidlove iteracijske ma-
trike, ki pripadata dominantni lastni vrednosti (TGS ) =

0.957916 (levo) in najmanji pozitivni lastni vrednosti
0.0000113314 (desno)
metodi je dominantna lastna vrednost ena sama (slika 8.15). Pripadajoi lastni
vektor niha z nizko frekvenco in se po (8.58) komaj kaj loi od enega od obeh
Jacobijevih dominantnih lastnih vektorjev. Lastni vektor za najmanjo pozitivno lastno vrednost pa je praktino funkcija in v sebi zagotovo skriva visoke
frekvence. Ugotovimo, da potenna metoda v Jacobijevi iteraciji ne more loiti
visokih in nizkih frekvenc. V delu napake, ki se najpoasneje zmanjuje, so
prisotne tako visoke kot nizke frekvence. Zato v osnovni obliki ni primeren
gradnik vemrene metode. Da se jo sicer primerno preoblikovati v uteeno
obliko, a ostanimo kar pri Gauss-Seidlovi iteraciji. Slika 8.15 napeljuje na
to. Prepriajmo se, da je Gauss-Seidelova iteracija res primerna za uporabo v
vemreni metodi. Poenostavimo razlago. Obmoje D naj bo enotski kvadrat
(0, 1) (0, 1), robni pogoji Dirichletovi in
1
J = K, x = y , x = y = .
4
Naj e (r) = u (r) u oznauje napako na r-tem koraku Gauss-Seidlove iteracije.
Torej velja
(8.60)
e (r+1) = TGS e (r) ,
(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,
oznauje komponente napake. Zapiimo tudi enabo (8.60) po komponentah

1 (r+1) 1 (r+1)
1 (r)
1 (r)
(r+1)
(8.61)
ej,k1 ej1,k + ejk ej+1,k ej,k+1 = 0,
4
4
4
4
j = 1, 2, . . . , J; k = 1, 2, . . . , K.
331
Lastni vektorji v (8.38) in (8.36) kaejo, da je treba tudirati razvoj napake

po trigonometrinih funkcijah razlinih frekvenc. To najpreprosteje opravimo
tako, da uporabimo diskretno Fourierovo transformacijo F , denirano za ta
primer z
(8.62)
J X
K
X
J,K
JK
2
v
v
F :R
L () : = (vjk )j,k=1 7 F (, ) :=
vjk ei(j+k) .
j=1 k=1
Tu oznauje obmoje := {(, ) | , }. Izraunajmo (uteeno)

evklidsko normo Fourierove transformiranke.
Z Z
1
kF v k22, := 2
|F v (, )|2 d d =
4
Z
Z
J
K
J
K
1 X X X X
i(j1 j2 )
= 2
vj1 k1 vj2 k2
e
d
ei(k1 k2 ) d =
4
j1 =1 k1 =1 j2 =1 k2 =1
J X
K
X
|vjk |2 = kvv k22 .
j=1 k=1
To pomeni, da se velikost napake e(r) , merjena v drugi vektorski normi, in

velikost Fourierove transformiranke napake v funkcijski drugi normi ujemata.
Torej je vseeno, katero od koliin spremljamo. Kot s koraki iteracije pada
ena, pada tudi druga. Vzemimo enabe (8.61), jih pomnoimo z ei(j+k) in
setejmo po vseh indeksih j in k . Dobimo pet vsot, od katerih je srednja oitno
enaka F e (r+1) . Poglejmo si e prvo, druge sledijo podobno,
J X
K
X
(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)
(, ) .
Za vsoto v predzadnji vrstici smo predpostavili, da je zanemarljivo majhna

v primerjavi z F e (r+1) (, ). Opraviilo je tole: Fourierova transformiranka
zdruuje vseh J K napak, zanemarjeni len le J napak na zadnjem sloju k = K .
Zberimo vseh pet vsot. Dobimo relacijo
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)
Kvocient q(, ) (slika 8.16) ni odvisen od r. Za visoke frekvence

1
max (||, ||)
2
dosee najvejo vrednost
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
Slika 8.16. Kvocient padanja napake Gauss-Seidlove iteracije
za celotno frekvenno obmoje (levo) in za visoke frekvence

1
2 max (||, ||) (desno)
dokazali tale izrek.
Izrek 8.11. Gauss-Seidlova iteracija, uporabljena pri reevanju pettokovno
diskretizirane Poissonove enabe, dui visoke frekvence napake vsaj s faktorjem

1
2.
Gradnik vemrene metode torej imamo. Sestavimo metodo. Na neji

mrei Gauss-Seidlova iteracija v par korakih zadui del napake, ki pripada visokim frekvencam. Priblino reitev preslikamo na bolj grobo mreo. Del napake,
ki je na neji mrei pripadal nizkim frekvencam, postane visoko frekvenni.
Pogled na to, kateri del napake pripada nizkim, kateri visokim frekvencam,
je namre diskreten. Bolj groba mrea vidi napako, ki se je na neji mrei
spreminjala poasi, kot napako, ki oscilira bistveno hitreje. Tako nadaljujemo
vse do najbolj grobe mree. Nato smer obrnemo in vse do najneje mree
uniujemo preostale dele napake, ki smo jo vnesli s preslikavo med mreami
333
Slika 8.17. Shema korakov vemrene metode, od najneje
mree do najbolj grobe in nazaj
(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.
Slika 8.18. Shema V-cikla vemrene metode, od najneje
mree do najbolj grobe in nazaj
Predpostavimo, da uporabljamo le dvomreno metodo. Oznaka [f ] naj

pomeni nejo, [g] bolj grobo mreo. Na neji mrei iterativno reujemo sistem
334
enab
A[f ]x [f ] = b [f ] ,
e[f ] x [f ] da ostatako da opravimo nekaj Gauss-Seidlovih iteracij. Pribliek x

nek
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)
A[g]x [g] = r [g] .
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 ] .
Predpostavimo, da sistem (8.65) reimo tono. Za popravljeni ostanek ugotovimo
[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 ]
Po predpostavki so bile visoke frekvence v ostanku r stari e zaduene. Vendar

se po popravku te lahko v manji meri pojavijo na raun skritve S in vloitve
V . Zato je po popravku treba opraviti nekaj ponovnih korakov iteracije na
neji mrei. Tu najdemo tudi razlago, zakaj dvomreno metodo pri praktini
uporabi sestavimo v V-cikel. Med potjo navzdol duimo vse manje frekvence
napake na prvotni najneji mrei. Med potjo navzgor pospravimo e del
napake, ki je nastal zaradi skritev in vloitev.
Matrik S in V nikoli ne konstruiramo, ampak le povemo, kako preslikajo
posamezne komponente ostanka. Izbir je ve. Predpostavimo, da ima neja
mrea razpolovljena koraka v primerjavi z bolj grobo in da par indeksov (2j, 2k)
na neji mrei oznauje skupno toko (j, k) na bolj grobi mrei. Naj kompo[f ]
[g]
nente zjk oznaijo komponente vektorja na neji in zjk na bolj grobi mrei.
[g]
[f ]
Najpreprosteja skritev bi bila kar zjk = z2j,2k , a se redko uporablja. Skritev
335
[g]
S , ki jo sreamo pogosto, komponento zjk izrauna kot linearno kombinacijo

sosedov na neji mrei,
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]
Za vloitev V ni dosti izbire. Uporabimo lahko le linearno interpolacijo. Iz zjk

in sosedov doloimo priblike na neji mrei,
[f ]
[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:
Shema rekurzivnega V-cikla vemrene metode

V-cikel(`, b [`] ),
ki priblino rei sistem linearnih enab A[`]x[`] = b[`] z vemreno

metodo. Naravno tevilo ` oznauje, za katero mreo gre, A[`]
je pripadajoa matrika sistema, b [`] desna stran in x [`] rezultat.
Mree drobimo z razpolavljanjem koraka v obeh koordinatnih smereh.
e je problem(`) majhen,
rei sistem enab A[`]x [`] = b [`] z direktno metodo,
sicer pa
e[`] sistema A[`]x [`] = b [`] z
doloi priblino reitev x
iteracijo, ki dui visoke frekvence napake in ostanka
(na primer Gauss-Seidlovo);
e[`] b [`] ;
r [`] := A[`]x
[`]
e
x := V [`] V-cikel(` 1, 4 S [`]r [`] ) ;
x[`] := x
e[`] e
x[`] ;
336
e malo popravi priblino reitev x [`] sistema A[`]x [`] b [`]

z iteracijo, ki dui visoke frekvence napake (na
primer Gauss-Seidlovo);
do sem.
Strategij pri sestavljanju osnovnega V-cikla vemrenih metod v enotno
metodo je veliko. Sestavljanki V-ciklov reemo polna vemrena metoda.
V-cikle sestavljamo po preprostem preudarku, da je za dobro konvergenco iteracijske metode obiajno pomembno poznati tudi dober zaetni pribliek. Kraji
V-cikel tako v polni vemreni metodi preskrbi zaetni pribliek V-ciklu, ki
zane s nejo mreo itd. Vsekakor je pomembna tudi tale ugotovitev.
Trditev 8.1. V-cikel vemrene metode, ki na vsakem mrenem koraku opravi

konst korakov iteracije, je linearne asovne zahtevnosti v tevilu neznank
najneje mree.
Dokaz. Naj bo delitev dana s parametroma J = 2r Jg in K = 2r Kg , r N, kjer
tevili Jg in Kg doloata najbolj grobo mreo. Ker z mreo na posameznem
koraku opravimo v linearni asovni zahtevnosti, skupaj dobimo
0
r

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.
Zgled 8.11. Pokaimo, kako opravimo en V-cikel vemrene metode na

zgledu 8.9. Poenostavimo si le izbiro koraka z
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. Druge pomembne metode.
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
pred konno po konni

iteracijo
iteraciji
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
Tabela 8.1. Tabela norme napake pri posameznih korakih
vemrene metode v reevanju diferencialne enabe iz zgleda 8.9

sistema linearnih enab s tridiagonalno matriko, ki ga opravimo v linearni asovni zahtevnosti. Vrnimo se k modelnemu problemu (8.25), z matriko sistema
A = I V H . Spomnimo se tudi (8.23) in x + y = 21 . Zato sistem enab,
ki ga reujemo, lahko zapiemo tudi takole
((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
Ker sta matriki 2x I H in 2y I V diagonalno dominantni, oba koraka

iteracije brez teav opravimo, e izberemo > 0. Oba sistema enab reimo v
linearni asovni zahtevnosti z Gaussovo eliminacijo brez pivotiranja. Iteracija
se glasi
u (r+1) = Qu (r) + b ,
kjer je ADI iteracijska matrika Q enaka
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
ki vodi izbiro , je tole dejstvo, ki velja za modelni problem, a redko tudi

sploneje.
Dejstvo 8.1. Matriki 2x I H in 2y I V imata isti sistem lastnih vektorjev

(torej med seboj komutirata).
Lastne vrednosti p,q = p + q matrike A najdemo v (8.37, str. 314) in

pripadajoe lastne vektorje p,q v (8.38, str. 314). Iz
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
Izbiro iteracijskih parametrov naj narekuje spektralni radij

m
!
Y
Qi = max |pq (1 , . . . , m )| ,
p,q
i=1
za katerega zahtevamo, da naj bo im manji. Torej iemo
min max |pq (1 , . . . , m )| .

i
p,q
Poenostavimo iskanje parametrov i na nain, ki se najpogosteje uporablja v

praktinem raunanju. Naj bo
m
Y
i z
F (z) :=
i + z
i=1
in
:= min(1 , 1 ) ,
:= max(J , K ) .
Tedaj je
max |pq (1 , . . . , m )|
p,q
max |F (x)F (y)| max |F (z)|2 = kF k2 .
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+
Uporabimo to kot pomo za sploen m. Razdelimo interval [, ] na m podintervalov

=: 0 < 1 < . . . < m1 < m := .
Od tod
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
Za oceno na desni strani uporabimo optimalni izbor, ki smo ga izpeljali pri

m = 1,
j = j1 j .
To da
j1
j
r
max
.
j1
1jm
1+
j
1
kF k
Maksimum na desni bo kar se da majhen, e so vsi kvocienti enaki,

j1
0
m1
= ... =
= ... =
.
1
j
m
340
Od tod izbira
j
m
,
j =
Za takno izbiro velja ocena
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
Kk (A, b ) := L b , Abb, . . . , Ak1b .

Vektorje, ki ga razpenjajo, dobimo s (k 1) zaporednimi mnoenji matrike
z vektorjem. Vodilo metod podprostorov Krylova je iskati priblino reitev
x = b , v projekciji problema na Kk (A, b ).
osnovnega problema, na primer Ax
Najprej potrebujemo algoritem, ki poie numerino stabilno bazo Kk (A, b),
Arnoldijev algoritem za splono in Lanczosev algoritem za simetrino matriko.
Nato glede na izbrani kriterij optimalnosti poiemo priblino reitev, osveimo
podatke o trenutni reitvi, prostoru . . . In vse skupaj iterativno ponavljamo.
Med metodami tu posebej omenimo metodo konjugiranih gradientov, ki zahteva, da je matrika A simetrina pozitivno denitna, kot tudi je v modelnem
problemu Poissonove enabe.
2.6.3. Metoda konnih elementov. e en pomemben razred metod bi si zasluil ve kot nekaj vrstic v tej knjigi, metoda konnih elementov, katere posebni
primer smo beno opisali v razdelku 3.3. A prepustimo to obirni literaturi,
ki govori le o tej metodi. Tu povejmo nekaj skopih besed za uvod. Metoda
je nadgradnja Rayleigh-Ritzove (Galerkinove) metode, ki reuje parcialne diferencialne enabe eliptinega tipa z minimizacijo pripadajoega variacijskega
funkcionala. Posebnost metode konnih elementov je v izbiri odsekoma polinomskih baznih funkcij. To prinese celo vrsto teoretinih in praktinih prednosti. Njena odlika je v veji pronosti pri geometrijsko razgibanih obmojih D, je
pa s stalia uporabe zahtevneja kot diferenna metoda. Metodo konnih elementov sestavljata dva pomembna dela: matematino opraviilo za reevanje
341
nekoliko spremenjenega problema v variacijski formulaciji in praktina izvedba

same metode. Praktina izvedba pomeni izbiro prostora odsekoma polinomskih
funkcij, v katerem bomo iskali funkcijo, na kateri funkcional dosee minimum.
Najprej je na vrsti delitev obmoja D Rd , ki jo v ve razsenostih
lahko opravimo na mnogo ve razlinih nainov kot v eni. Najpogosteje uporabljamo kot osnovne elemente delitve simplekse ali pravokotnike primerne
dimenzije. Slika 8.19 kae zgled takne delitve v dveh razsenostih. Simpleksi
so tu trikotniki. Za triangulacijo zahtevamo, da je regularna, kar pomeni, da
D
D
Ti
Slika 8.19. Zgled triangulacije =
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
Na primer, prostor polinomov skupne stopnje 2 v R2 razpenjajo potence

(8.67)
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
1, x1 , x21 , x2 , x1 x2 , x21 x2 , x22 , x1 x22 , x21 x22 ,
(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.
Zgled 8.12. Naj bo d = 2 in obmoje D triangulirano. Prek

T skupnih robov
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 .
Zgled 8.12 za posebni primer n = 2, d = 2, r = 0 kae, da je prironeje

d C r (D) v lokalni bazi P d nad posameznim elemenizraziti bazo prostora Pn,
n
tom. Nato pa s preprosto povezavo med skalarji v tej izraavi zagotoviti tudi
to, da so izpolnjene zahteve gladkosti. Da to zares lahko storimo, potrebujemo
primerno bazo Pnd . Izbira mora biti takna, da se zahteva po zveznosti, zveznosti odvodov . . . izpolni preprosto. Na skupnem robu se funkciji sosednjih
elementov sreata. e zahtevamo zveznost skupne funkcije, mora ta slediti iz
pogojev na skupnem robu. Na primer dve linearni funkciji se na skupnem robu
ujemata, e se ujemata v dveh razlinih tokah. Torej je preprosteje opredeliti
funkcionale, ki povedo tole: e se dve funkciji sosednjih elementov ujemata
za izbrane funkcionale, izpolnjujeta zahtevane pogoje zveznosti. Bazo nato
dobimo kot dualno k tem zahtevam.
343
D
D
Slika 8.20. Lagrangeeva bazna funkcija (nakazana rdee) iz
2 C (D), ki pripada toki T . Nosilec je obarvan

prostora P1,
svetlorumeno.
D
D
8.21. Lagrangeeva bazna funkcija iz prostora

2 C (D), ki pripada toki T , razdeljena v est sestavnih
P1,
delov s trikotnikom kot nosilcem
Slika
Sestavljanje elementov kljuno vpliva na praktino izvedbo metode konnih

elementov. Zato v literaturi najdemo celo vrsto skrbno premiljenih elementov,
razvitih za posebne primere skupne stopnje polinoma in zahtev zveznosti. Ti
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.
Zgled 8.13. Poglejmo si nekaj preprostih trikotnih elementov v R2 . V prvi
vrstici slike 8.22 je prikazan linearen element, izraen z vrednostmi linearne

funkcije v ogliih Ti . Za zveznost s sosednjim elementom je potrebno ujemanje
v skupnih ogliih. Desno zgoraj je kvadratien element, po (8.67) ga doloa
est vrednosti. Na skupnem robu dveh sosednjih elementov so po tri toke.
Ujemanje vrednosti v teh tokah zagotavlja, da je skritev sosednjih polinomov
na skupni rob, ki je parabola, za oba elementa skupna. Podobno iz (8.66)
sledi dim P32 = 3+2
= 10. Element spodaj levo je podan le z vrednostmi v
2
tokah, desno so te zamenjane z vrednostmi parcialnih odvodov v krajiih.
Ker kubini polinom ene spremenljivke doloajo tirje neodvisni podatki, oba
elementa zagotavljata zveznost preko robov. Za pravo C 1 zveznost tudi drugi
element ni dovolj. Normalni odvod kubinega polinoma dveh spremenljivk,
skren na rob, je e vedno kubini polinom ene spremenljivke. Ker sta na
sosednjih elementih skupni le vrednosti v ogliih, v splonem ujemanja ni.
T3
T1
T3
T2
T1
T3
T1
T2
T3
T2
T1
T2
Slika 8.22. Konni elementi: linearen (levo zgoraj), kvadrati-
en (desno zgoraj) in kubina (spodaj)
Sestavimo e dualno bazo za linearni element.
Zgled 8.14. Naj bodo vozlia trikotnika T` kar T1 , T2 in T3 , v kartezinih

koordinatah podana kot
(8.68)

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) =
oitno tvorijo dualno bazo k funkcionalom i f := f (xi , yi ), saj velja
i (xj , yj ) = i,j ,
i, j = 1, 2, 3 .
Prav tako linearno funkcijo lahko zapiemo kot

(8.69)
hzz , i =
3
X
z := (zi )3i=1 , := (i )3i=1 ,
zi i (x, y) ,
i=1
kjer so zi aplikate v tokah Ti .

In zdaj e been pogled v ozadje metode konnih elementov. Pogumno
zanimo s splono linearno parcialno diferencialno enabo (8.6) reda 2m
(8.70)
na D Rd ,
Lu = f,
kjer je
L :=
x) D .
(1)|| D b , (x
|+|
|2m
|
Funkcija u naj na robu zadoa linearnim robnim pogojem

(8.71)
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
in z k . k oznaimo pripadajoo evklidsko normo. Poglejmo si
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)
za vse v H0m (D) .
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
na D simetrina in pozitivno denitna. Ta operator je posploitev (8.17), kot

tudi posploitev Laplaceovega v d razsenosti. Preverimo obe kljuni lastnosti.
Oznaimo diferencialna operatorja
d
X
d
div :=
, grad :=
.
xi
xi i=1
i=1
Ena od oblik divergennega izreka se glasi

Z
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
Od tod ugotovimo simetrijo operatorja
hLv, wi = hv, Lwi ,

in eliptinost,
hLv, vi > 0,
v, w H01 (D)
v H01 (D) , v 6= 0,
347
x) po predpostavki pozitivno denitna. Sebi adjungiranost

saj je matrika B(x
in pozitivnost L sta pomembni lastnosti, kar pove tale izrek.
Izrek 8.12. Naj bo L sebi adjungiran eliptien operator. Diferencialna enaba

(8.70) je Eulerjeva enaba za variacijski problem
(8.76)
J (v) := hLv, vi 2 hf, vi ,
v H m (D) .
ibka reitev enabe Lu = f je zato enolino doloen minimum funkcionala J

v H m (D).
Dokaz. Eliptinost L zagotavlja, da ima variacijski funkcional J v H m (D)

omejen minimum. Ta del dokaza prepustimo nalogi 2.9. Naj bo u H m (D)
lokalni minimum. Za poljubno v H0m (D) in po absolutni vrednosti dovolj
majhen ugotovimo
J (u) J (u + v) = hL (u + v) , u + vi 2 hf, u + vi =
= J (u) + 2 hLu f, vi + 2 hLv, vi ,
saj je L linearen in sebi adjungiran operator. Od tod sledi
(8.77)
2 hLu f, vi + 2 hLv, vi 0
za poljubno v H0m (D) in || dovolj majhen.

Predpostavimo, da u ni ibka reitev diferencialne enabe (8.70). Torej
po (8.72) obstaja v H0m (D) , v 6= 0, da velja hLu f, vi =
6 0. Brez izgube
splonosti lahko predpostavimo hLu f, vi < 0. Torej za dovolj majhen > 0
neenakost (8.77) za ta v ne more biti izpolnjena. To protislovje potrjuje, da
je lokalni minimum variacijskega funkcionala tudi ibka reitev diferencialne
enabe. Pokaimo e enolinost. Denimo, da ima J dva razlina globalna
minimuma u1 , u2 H m (D). Tedaj je u2 u1 H0m (D) in velja
J (u1 ) = J (u2 ) = J (u1 + (u2 u1 )) =

= J (u1 ) + 2 hLu1 f, u2 u1 i + hL (u2 u1 ) , u2 u1 i =
= J (u1 ) + hL (u2 u1 ) , u2 u1 i > J (u1 ) ,
saj je u2 6= u1 in operator L eliptien. To protislovje zakljuuje dokaz izreka.
Predpostavimo, da je J taken, kot ga zahteva izrek 8.12. RayleighRitzova metoda za iskanje ibke reitve u je naslednja: izberemo neko funkcijo
0 H m (D), da izpolnimo robne pogoje in linearni podprostor V H0m (D).
Denimo, da ga razpenjajo linearno neodvisne funkcije 1 , 2 , . . . , m . Izberemo nastavek
m
X
u = 0 +
zi i
i=1
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
Upotevajmo obliko J v (8.76) in dobimo

*
!
+
m
X
(8.78)
L 0 +
zi i f, k = 0,
k = 1, 2, . . . , m.
i=1
Dobili smo sistem linearnih enab Azz = b za neznane skalarje, kjer je

m
A := (aij )m
i,j=1 := (hLi , j i)i,j=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
omejen, e obstaja > 0, taken da je | hLv, wi | ||v||H ||w||H za

vsak v, w H m (D),
pozitivno deniten, e obstaja konstanta > 0, takna, da je
hLv, vi kvk2H za vsak v H m (D).
Izrek 8.13 (Lax-Milgram). Naj bo operator L linearen, omejen in pozitivno
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
inf {||v u||H : v 0 + V } .
Tu je 0 H m (D) poljubna funkcija in u oznauje ibko reitev diferencialne

enabe v H m (D).
Dokaz izreka bi bil preobseen. Zanimiva pa je ocena (8.79). Ta pove, da je
aproksimacija optimalnega reda (1.2, str. 15). In kaj lahko povemo v primeru
konnih elementov, kjer za i izbiramo odsekoma polinomske funkcije? Znanih
ocen je veliko. Povejmo eno od njih. Naj bo enaba reda 2m in operator L
linearen, omejen in pozitivno deniten. Izberimo skupno stopnjo polinomov
k . Odsekoma polinomske funkcije naj bodo razreda C k1 . Oznaimo s h
349
maksimalni premer elementa v delitvi . Pri dovolj lepi geometriji delitve

velja ocena
ke
u ukH konst hk+1m ||u(k+1) ||,
(8.80)
konst > 0.
In zdaj k modelni enabi v R2 . Operator je poseben primer splonejega

eliptinega sebi adjungiranega operatorja (8.73). Za dovolj pohlevna obmoja
D je tudi pozitivno deniten in omejen. Denimo, da reujemo Poissonovo
enabo
u = f,
na D R2 .
Poenostavimo si nalogo in predpostavimo, da je u na robu D enak ni. To

pomeni, da lahko privzamemo 0 0, torej H 1 (D) = H01 (D). Obmoje D
naj bo triangulirano s trikotniki
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
Vzemimo sedaj posamezni trikotnik T` , z oglii (8.68). Izraunajmo, kaken

del prispeva v togostno matriko. Iz zapisa (8.69) sledi, da je dovolj izraunati
integral vsote tenzorjev x

x
in y
y
. To je tu preprosto, saj so
i linearne funkcije, torej parcialni odvodi konstantni. To da
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
1 (x1 x2 ) (x1 x3 ) + (y1 y2 ) (y1 y3 )

,
2 x3 (y1 y2 ) + x1 (y2 y3 ) + x2 (y3 y1 )
1 (x1 x2 ) (x2 x3 ) + (y1 y2 ) (y2 y3 )
2 :=
,
2 x3 (y2 y1 ) + x2 (y1 y3 ) + x1 (y3 y2 )
1 (x1 x3 ) (x3 x2 ) + (y1 y3 ) (y3 y2 )
3 :=
.
2 x3 (y2 y1 ) + x2 (y1 y3 ) + x1 (y3 y2 )
Koecienti i imajo geometrijski pomen in niso neodvisni, saj velja
1
1 2 + 3 2 + 1 3 = .
4
Koeciente matrike (8.81) pritejemo v togostno matriko A na mesta, ki pripadajo parom vozli Ti v vrstici in Tj v stolpcu. Prispevek dela (8.81) k
funkcionalu je

3
2
z1
2 + 3
z1 z2 z3 3
1 + 3
1 z2 .
z3
2
1
1 + 2
1 :=
Celotni variacijski funkcional, zapisan za vektor v in desno stran f , se tako

glasi
J (vv ) = v T Avv 2ff T v .
Minimizira ga izbira v = z , kjer je z reitev sistema enab Azz = f .
2.7. Naloge.
2.1.
Na obmoju D = (1, 1) (1, 1) reujemo parcialno diferencialno enabo
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)?
2.2. Na obmoju D = (1, 1) (1, 1) reujemo parcialno diferencialno

enabo
u + 32 u = 0
z robnimi pogoji
u
1
u
1
u(x, 1) = 0, u(x, 1) = 1,
(1, y) = u(1, y),
u(1, y) = u(1, y).
x
2
x
2
1
Zapii sistem za h = x = y = 4 .
351
2.3. Reujemo parcialno diferencialno enabo 4u = 0 na obmoju D, ki je

omejeno s premicami
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,
2.4. Na obmoju D, ki ga omejujeta parabola y = 2 12 x2 in koordinatna os
x, reujemo diferencialno enabo 4u = 0. Na robu obmoja velja
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).
2.5. Kako numerino reevati diferencialno enabo 4u = 0 na obmoju D z

robnimi pogoji u|D = f , e je obmoje D oblike
D = {(x, y) R2 | x = r cos , y = r sin ,

0 a r b, 0 2}?
Rei zgornjo enabo, e je f = r2 , a = 0, b = 1, = 0, = 3. Za delilne toke
vzemi ri = i/2, i = 0, 1, 2, j = j/2, j = 0, 1, . . . , 6.
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.
2.8. Privzemimo = 1 in Jacobijevo iteracijsko metodo zapiimo v obliki
u(r+1) = u(r) (I TJ ) u(r) b = TJ u(r) + b .
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
omejeni in c1 > 0. Zakljui od tod, da velja
hLw, wi 2 hf, wi c1 ||w||2 2c2 ||w||,
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.
8.3. ENABE PARABOLINEGA TIPA
353
3. Enabe parabolinega tipa

3.1. Uvod. Modelni zgled parcialne diferencialne enabe parabolinega
tipa je enaba, ki opisuje prevajanje toplote po tanki, enorazseni palici

(zgled 8.2 (str. 295)). Koordinatni sistem postavimo tako, da je palica na abscisni osi, z levim robom v izhodiu. Dolga naj bo a. Enaba pove, da je hitrost
spreminjanja porazdelitve toplote u = u(t, x) premo sorazmerna pospeku v
prostorski smeri,
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].
Vemo tudi, kakna je povezava palice z okoljem na robu,

(8.84)
u(t, 0) = g(t), u(t, a) = h(t) ,
t > 0.
Enabo lahko z uvedbo novih spremenljivk prepiemo v brezdimenzijsko obliko

c = 1, a = 1. Povsem enak zgled enabe dobimo, e tudiramo enorazseni
model difuzije. Nekaj posploitev, na katere velja pomisliti pri reevanju modelnega problema, je oitnih. Palica morda ni homogena in se enaba (8.82)
spremeni v
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.
3.2. Diferenna metoda. Diskretizirajmo enabo (8.82) z diferenno

metodo. V prostorski smeri je naravno izbrati simetrino drugo deljeno diferenco, a v asu, v nasprotju s tem, kar smo spoznali do sedaj, temu ni tako.
as t tee le v eno smer. Simetrina diferenca obe smeri, pozitivno in negativno, jemlje kot enakovredni. Prepriajmo se, da to vodi v nestabilnost in
poiimo boljo pot. Izberimo najprej mreo z
T
(8.85)
tn = n t , n = 0, 1, . . . , N, t :=
,
N
a
xj = j x , j = 0, 1, . . . , J + 1, x :=
.
J +1
Naj unj u (tn , xj ) oznai numerino aproksimacijo tone reitve v toki
(tn , xj ). Indeks n bomo tu pisali dvignjeno, indeks, ki oznauje eno ali ve prostorskih koordinat, pa kot doslej. S tem elimo poudariti razliko med asovnim
354
in prostorskim delom diferencialnega operatorja. Za aproksimacijo odvoda v

prostorski smeri izberemo diferenno aproksimacijo

u (tn , xj1 ) 2u (tn , xj ) + u (tn , xj+1 )
2u
(tn , xj ) =
+ O x2 .
2
2
x
x
Vzemimo e

u (tn+1 , xj ) u (tn1 , xj )
u
(tn , xj ) =
+ O t2
t
2t
in vstavimo v (8.82). To da
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.
3.3. Eksplicitna shema. Tu izberemo

(8.87)
un+1
unj
j
t
in po mnoenju z t dobimo
(8.88)
= c2
unj1 2unj + unj+1

x2
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
Slika 8.23. Eksplicitna shema (levo) in implicitna shema (de-
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
saj je u reitev enabe (8.82). Globalna napaka torej zadoa enabam

(8.90)
en+1
= (enj1 + enj+1 ) + (1 2)enj + t jn ,
j
j = 1, 2, . . . , J; n = 0, 1, . . . , N 1 .
Predpostavimo lahko e, da je enaka ni (do osnovne zaokroitvene napake) v

zaetku t = 0 in na robu x = 0, x = a.
Izrek 8.14. Naj bo 0 <

metoda je konvergentna,
1
2
in Courantovo tevilo konstantno. Eksplicitna

max |enj | = O x2 .
j,n
Dokaz. Najprej vidimo, da iz predpostavke izreka sledi

1
t
(8.91)
t 2 x2 ,
= konst.
2c
x2
Oznaimo globalno napako na n-tem asovnem sloju
e n := (enj )Jj=1 .
Iz enab (8.90), reda lokalne napake (8.89) in relacij (8.91) ugotovimo
|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 ,
saj je kee0 k 0. Izrek je dokazan.

Izrek 8.14 pove preprost zadosten pogoj, ki zagotavlja konvergenco eksplicitne metode. A ta pogoj je v resnici tudi potreben.
Izrek 8.15. e velja
tna.
1
2
< 1, eksplicitna metoda v splonem ni konvergen-
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
e sta in takna, da ta enaba velja, je v (8.92) predpostavljeni val ena

od reitev sistema diferennih enab. Faktorju () reemo tudi ojaitev. K
sploni numerini reitvi v (tn , xj ) prispeva del
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
Funkcija f je poljubnokrat zvezno odvedljiva, e le koecienti ` padajo dovolj

hitro. Izberimo sedaj koraka v mrei z
x = 2m ,
t = 22m .
Courantovo tevilo ostaja konstantno neodvisno od m. Za takne razmike je

(8.93)
v(t, 0) =
` (2` ) t =
`=0
m1
X
` (2` ) t + m (2m ) t +
`=0
` ,
`=m+1
saj je (2` ) = 1 za ` > m. Za 0 ` m 1 ugotovimo
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
Ker je > 12 , je ln (4 1) > 0 in |v(t,0)| za t > 0 raste neomejeno z m. Torej

numerina reitev v ne more konvergirati vsaj v bliini ordinatne osi x = 0 k
358
toni reitvi u, ki jo za ta primer poznamo v zakljueni obliki kot

Z
(x)2
1
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
3.4. Implicitna shema. Pri implicitni shemi uporabimo deljeno obratno
diferenco za aproksimacijo odvoda v asovni smeri,

(8.95)
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
(I + B) ... = ... + ... .

n+1 n
u
uJ1 0
J1
hn+1
unJ
uJn+1
| {z }
robni pogoji
Matrika sistema I + B je simetrina, tridiagonalna in pozitivno denitna.

Sistem reujemo z eliminacijo brez pivotiranja, v linearnem asu O (J). Korak
implicitne metode se po asovni zahtevnosti le za majhen konstantni faktor
loi od eksplicitne.
Izrek 8.16. Naj enj := unj u(tn , xj ) oznai globalno napako. Implicitna me-
toda je konvergentna za vsak > 0,
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
Matrika I + B je strogo diagonalno dominantna. To dovoljuje uporabo preproste ocene

n+1
n+1
n
|
(1 + 2)|en+1
| (|en+1
j
j1 | + |ej+1 |) + |ej | + t|j
n+1
n
2kee
k + kee k + t O t + x2 .
Tudi tokrat je desna stran neodvisna od j , zato
(1 + 2)keen+1 k 2keen+1 k + keen k + t O t + x2 .
Od tod sledi
keen k kee0 k + T O t + x2 = O t + x2 ,
kjer je po privzetku kee0 k 0. Izrek je dokazan.
eprav2 je implicitna shema konvergentna, pa je red globalne napake

O t + x , kar prav tako postavlja omejitev velikosti koraka v asovni
smeri. Poizkusimo to izboljati s konveksno kombinacijo obeh metod. Naj
bo 0 1. Enabe (8.87), ki doloajo eksplicitno metodo, pomnoimo
1+2
n+1
-H1-L
-1+2H1-L
-H1-L
j-1
j+1
Slika 8.24. Uteena linearna kombinacija eksplicitne (z utejo
1 ) in implicitne sheme (z utejo ). Vse spremenljivke so

privzete na isti strani enab
z 1 , implicitni del (8.95) pa z in ju setejmo (slika 8.24). Zapisano po

komponentah uredimo
n+1
un+1
un+1
j1 + (1 + 2)uj
j+1 =
= (1 )unj1 + (1 2(1 ))unj + (1 )unj+1 ,

j = 1, 2, . . . , J; n = 0, 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
kjer je matrika B denirana v (8.97) in robni pogoji zbrani v

gn
0

b n := ... RJ .

0
hn
Analizirajmo lokalno napako. Kaken naj izberemo, da bo lokalna napaka
vijega reda v t? Najprej se dogovorimo, da nas zanima razlika med diferencialnim operatorjem in njegovo diskretno aproksimacijo na gladki funkciji u
v toki (tn+1 , xj ). asovni del lokalne napake ni odvisen od in ugotovimo
podobno kot v (8.89)

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
u(tn+1 , xj1 ) 2u(tn+1 , xj ) + u(tn+1 , xj+1 )
x2
u(tn , xj1 ) 2u(tn , xj ) + u(tn , xj+1 )

(1 )
=
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
Izbira = 12 da edina lokalno napako reda O t2 + x2 . Pri tej izbiri se

metoda imenuje Crank-Nicolsonova in se najpogosteje uporablja.
jn+1 =
Izrek 8.17. Za
razmerja .
1
2
361
1 sestavljena metoda konvergira, neodvisno od izbire
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
(I + B)een+1 = (I (1 )B)een + t n+1 .

Ker je matrika (I + B) obrnljiva, to lahko poenostavimo v
en+1 = Ceen + t n+1 ,

kjer je
C := (I + B)1 (I (1 )B),
n+1 := (1 + B)1 n+1 .
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
Izraunali smo lastne vrednosti matrike C
p
,
1 + p
p = 1, 2, . . . , J.
Matrika C je konvergentna, e velja
1 < 1
p
< 1.
1 + p
Ker je p > 0, ostane le zahteva
(1 2)p < 2,
p = 1, 2, . . . , J ,
ki je izpolnjena vedno, e je 12 , kot smo predpostavili v izreku. Za taken

je (C) < 1, torej obstajata vektorska norma k . k in pripadajoa operatorska
362
matrina norma k . k, v kateri je kCk 1. Ocenimo (8.100) in dobimo

n
kee k kCk kee k + t
n
X
kCk1 k k
=1
n
kCk kee k + t max k k

1n
n
X
kCk1
=1
0
kee k + t n max k k kee k + T max k k .

1n
1n
To dokazuje konvergenco, saj je
k k k(1 + B)
1
2
2
kk k = O t
+ t + x
2
in kee0 k 0. Dokaz je zakljuen.

Izrek nakazuje tudi, kaj je treba dodatno zahtevati za stabilnost, e je
< 12 . Pogoje postavimo razmerju . Ker je p < 4, zadoa zahtevati
1
.
2(1 2)
Zgled 8.15. Prepriajmo se na primeru, da ima Crank-Nicolsonova metoda
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.
Ker poznamo tono reitev e t sin x, lahko natanno spremljamo globalno

1
napako. Za konni as izberimo T = 21 , za korak v prostorski smeri pa x = 10
.
V tabeli 8.2 je prikazana napaka eksplicitne metode na konnem asovnem
sloju, pri izbiri = 21 in = 1. Po priakovanju da prva izbira sprejemljive,
druga pa povsem neuporabne rezultate. Na sliki 8.25 vidimo primerjavo globalne napake, ki jo doseemo pri konnem asu z eksplicitno ( = 12 ), z implicitno in s Crank-Nicolsonovo shemo v odvisnosti od tevila asovnih slojev
1
. Ker je tevilo potrebnih operacij za posamezni sloj med
N , kjer je t = 2N
metodami primerljivo, je eksplicitna metoda oitno dale najmanj ekonomina.
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
Tabela 8.2. Primerjava tone reitve in reitve z eksplicitno
metodo pri razmerjih =
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
Slika 8.25. Doseena napaka pri asu T = 12 v odvisnosti
1
od tevila asovnih slojev N, t = 2N
. Eksplicitna shema je
levo ter implicitna shema (modra) in Crank-Nicolsonova shema
(temnordea) desno.
3.5. Difuzijska enaba v dveh prostorskih razsenostih. Poglejmo

e, kaj je najprej pri roki pri reevanju difuzijske enabe v dveh prostorskih
razsenostih. Reujemo enabo
u
= c2 u , (t, x ) (0, T ) D,
t
kjer za obmoje izberemo pravokotnik D := (0, a) (0, b). Na robu naj bodo
predpisani Dirichletovi pogoji,
(8.101)
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
pri Poissonovi enabi. Za asovni del vzamemo delitev (8.85). To da linije

diskretne mree kot
T
tn = n t , n = 0, 1, . . . , N, t :=
,
N
a
xj = j x , j = 0, 1, . . . , J + 1, x :=
,
J +1
b
yk = k y , k = 0, 1, . . . , K + 1, y :=
.
K +1
Izpeljava eksplicitne metode je oitna. Za aproksimacijo parcialnega odvoda
po asu vzamemo premo deljeno diferenco. Povezavo neznank na slojih n in
n + 1 kae slika 8.26. e diskretizirano enabo pomnoimo z t, dobimo
un+1
j,k
unj,k+1
unj-1,k
unj,k
unj+1,k
unj,k-1
Slika 8.26. Povezava neznank pri eksplicitni diskretizaciji di-
fuzijske enabe v dveh prostorskih razsenostih
(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
Vstavimo ta nastavek v (8.102), poenostavimo in dobimo
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
Slika 8.27. Povezava spremenljivk pri obeh korakih ADI me-
tode, modri del je dan, rdeega raunamo
Preverimo stabilnost. Uporabimo spet nastavek
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
ki ne zagotavlja, da pri doloenem naboru parametrov ne presee 1. Toda

nastavek mora zadoati hkrati tudi drugemu koraku. Tu izpeljemo enakost
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.
Povejmo e, kako ocenimo lokalno napako. Naj u n in u n+1 oznaita vektorja

neznank, zloenih po vrsticah na sosednjih asovnih slojih. Koraka (8.104) in
(8.105) lahko prepiemo v matrino obliko
(8.106)
Y1un+1 = X2 X11 Y2un ,
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
X1 Y1u n+1 = X1 X2 X11 Y2u n = X2 Y2u n

in tudiramo lokalno napako kot razliko
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.
Zgled 8.16. Reujemo toplotno enabo na enotskem kvadratu D,

u
= u ,
t
(t, x ) (0, T ) D .
368
Zaetna porazdelitev temperature je dana s polinomsko, a strmo funkcijo
1536(1 x)3 x2 (1 y)2 y 4 (x + 2y 1)2 ,

na robovih kvadrata naj bo temperatura vseskozi enaka ni. Uporabimo metodo ADI. Za velikost koraka izberimo
1
1
t =
, x = y =
.
100
50
Prve tri asovne korake vidimo na sliki 8.28. eprav je metoda ADI le delno
implicitna, teav s stabilnostjo zaradi prevelikega koraka t ni.
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
Slika 8.28. Zaetna porazdelitev temperature in prvi trije a-
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, . . . .
Na zaetku zahtevamo, da se numerina reitev ujema s funkcijo g na tokah

mree,
(8.110)
u0 = g .
Prehodna matrika A je odvisna le od Courantovega tevila, konstant i in

koecientov a , v vektorju b n se skriva z t pomnoeni nehomogeni del f in
robni pogoji. Za primer, prehodno matriko ADI metode preberemo v (8.106)
kot Y11 X2 X11 Y2 . Enabo (8.109) lahko uporabimo za poenostavitev izraave
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
Pojasnimo ta izbor. Denimo, da je funkcija v C ([0, 1]) in
vj := v(j x), j = 1, 2, . . . , J,
(J + 1)x = 1.
V vpeljani normi se skriva Riemannova vsota,

v
s
u
Z
J
u X
t
2
lim kvv k2, = lim
x
|vj | =
x0
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
Kot povsod, tudi v tej deniciji velja, da je Courantovo tevilo konstantno,

tudi ko gre x 0. Naj kAk2, oznai operatorsko matrino normo, ki jo
inducira vektorska norma (8.112).
Izrek 8.19. Naj bo kAk2, 1 in diferenna metoda (8.109) reda r. Za vsak

T > 0 obstaja konstanta konst = konst(T ) > 0, da velja
un u
en k2, konst xr ,
ku
n = 0, 1, . . . , bT /tc,
za vse dovolj majhne x > 0.

en globalna napaka. Ta je enaka ni v robnih in
Dokaz. Naj bo e n := u n u
zaetnih tokah. Odtejmo (8.111) od (8.109) in dobimo
en+1 = Aeen + O xr+m .
371
Torej za dovolj majhen x > 0 obstaja konstanta konst = konst(T ), da velja
keen+1 Aeen k2, konst xr+m ,
n = 0, 1, . . . , bT /tc 1.
Od tod
keen+1 k2, kAk2, keen k2, + konst xr+m

keen k2, + konst xr+m ,
n = 0, 1, . . . , bT /tc 1.
To oceno iteriramo, upotevamo e 0 = 0 in dobimo

n
kee k2, konst n x
r+m
T
konst xr+m = konst T xr
t
xm
t
= O (xr ) .
Uporabili smo dejstvo, da je Courantovo tevilo konstantno. Izrek je dokazan.

Zahtevo kAk2, 1 lahko zamenjamo z milejo: diferenna metoda (8.109)
je stabilna. Povejmo, kaj tu razumemo kot stabilnost. Privzemimo f 0 in
naj bodo robni pogoji zvezni in enakomerno omejeni ter Courantovo tevilo
konstantno. Diferenna metoda (8.109) je stabilna, e za vsak T > 0 obstaja
konstanta konst = konst(T ) > 0, takna, da za reitev velja
(8.113)
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
Zakljuimo ta razmislek z znamenitim izrekom, ki ga ne bomo dokazovali, a smo

ga preverili vsaj deloma v posebnih primerih (eksplicitna metoda, implicitna
metoda) . . .
Izrek 8.20 (Laxov ekvivalenni izrek). Naj bo linearna parcialna diferencialna

enaba (8.107) zastavljena korektno. Diferenna metoda (8.109) je konvergentna natanko takrat, ko je stabilna in reda r 1 (konsistentna).
Kdaj je dana diferenna metoda (8.109) stabilna? Treba je preveriti pogoj

kAk2, 1, (8.113) ali (8.114). Dva izreka sta nam v pomo.
Izrek 8.21. Naj bo prehodna matrika diferenne sheme A normalna za vsak
dovolj majhen x > 0 in Courantovo tevilo konstantno. e obstaja konstanta

konst 0, takna da velja
(A) ekonst t ,
je diferenna metoda (8.109) stabilna.
x 0 ,
372
Dokaz. Pokaimo, da je izpolnjen pogoj (8.114). Naj bo x > 0 taken, da

je matrika A normalna zanj in za vse manje razmike. Izberimo T > 0 in
T
poljuben n, 0 n b t
c. Ker je A normalna matrika, je AT A = AAT , torej
tudi
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
kAn k2, ekonst T .

Dokaz je zakljuen.
Izrek 8.21 dovoljuje, da prehodna matrika A ni konvergentna matrika, saj
dopua

(A) = 1 + konst t + O t2 .
Toda, e za A velja
(A) konst1 > 1
za neko konstanto konst1 , neodvisno od koraka t, izreka ne moremo uporabiti.
Zgled takne metode je na primer simetrina shema (8.86). Po drugi strani
za implicitno ali Crank-Nicolsonovo metodo velja (A) < 1 in izrek dri pri
konstanti konst = 0.
Morda e uporabneji je izrek, ki izvira iz analize tone reitve sistema diferennih enab, konstruirane s Fourierovo separacijo spremenljivk. V ta namen
si najprej poenostavimo zastavljeno diferencialno enabo (8.107) v enabo z
eno prostorsko razsenostjo: D = R. Robne pogoje naj zamenja zahteva, da
je reitev diferencialne enabe v prostoru L2 (R). Ker robnih pogojev v tako
zastavljeni nalogi s tem praktino ni, jo imenujmo Cauchyjeva. Da osnovni
izrek dokaemo, potrebujemo ponovno diskretno Fourierovo transformacijo, ki
smo jo sreali e v (8.62, str. 331). Tu jo uporabimo v obliki
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).
Trditev 8.2. Diskretna Fourierova transformacija

morzem. Njen inverz je dan po komponentah kot
1
vb j =
2
vb() ei j d,
373
F v obliki (8.115) je izo-
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
Trditev dokaemo podobno kot smo pokazali lastnosti (8.62).

Predpostavimo sedaj, da diferenno metodo (8.109) lahko zapiemo po
komponentah v obliki
(8.116)
mi
X
k ()un+1
k+`
k= mi
me
X
k ()unk+` ,
mi , mi , me , me 0 ,
k= me
za vse ` na danem asovnem sloju. Privzeli smo seveda
mi (), mi (), me (), me () 6= 0

in z
:=
t
xm
oznaili Courantovo tevilo. Vseh diferennih metod (8.109) se v takni obliki

razumljivo ne da zapisati. Med drugim imamo lahko teave blizu robov D.
Za eksplicitne metode velja
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
Izrek 8.22. Diferenna metoda (8.116) pri reevanju Cauchyjeve naloge je za
dano Courantovo tevilo stabilna natanko takrat, ko je

(8.118)
ei , 1, [0, 2] .
374
Dokaz. Pomnoimo enabo (8.116) z e i ` in setejmo po vseh ` Z. Leva

stran na primer da
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
in podobno desna. To da rekurzivno relacijo med Fourierovima transformirankama
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)
un k2, kgg k2, |kgg k2, kgk2,[0,2] | + kgk2,[0,2] .

ku
Vektorsko normo k . k2, smo vpeljali tako, da velja
kgg k2, kgk2,[0,2] ,
ko x 0 ,
saj je g po predpostavki dovolj pohlevna funkcija. Torej obstaja taken razmik

x > 0, da zanj in za vse manje velja
|kgg k2, kgk2,[0,2] | + kgk2,[0,2] 1 + kgk2,[0,2] =: konst .

To potrjuje stabilnost numerine reitve v obliki (8.113).
Pokaimo, da mora reitev u n rasti prek vseh meja vsaj za kakne zaetne
pogoje g , e pogoj (8.118) ni izpolnjen. V tem primeru obstaja > 0, taken
da je

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
in numerino zaporedje ni omejeno. Izrek je dokazan.

Razdelek zakljuimo z nekaj zgledi.
Zgled 8.17. Doloimo funkcije ei , za osnovne tri metode (8.88), (8.96)

in (8.98) v Crank-Nicolsonovi obliki:
eksplicitna metoda: ei , = 1 4c2 sin2 ,

2
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
Slika 8.29. Gra funkcije za vrednosti Courantovega te-
vila 0, 15 , . . . , 1. Zgoraj levo eksplicitna, desno implicitna,

spodaj Crank-Nicolsonova metoda.
V tudiju uporabe separacije spremenljivk pri ugotavljanju stabilnosti diferenne metode smo se omejili na Cauchyjeve probleme z eno prostorsko razsenostjo. Toda ta pristop smo s pridom uporabili tudi pri analizi ADI metode
pri reevanju enabe (8.101), ki v ta okvir ne sodi. Fourierova separacija spremenljivk je oitno uporabna ire, kot smo v izreku 8.22 zastavili.
376
3.7. Naloge.
u
2u
=
reujemo z eksplicitno difet
x2
un+1
unj = unj1 2unj + unj+1 ,
j
3.1. Parabolino diferencialno enabo

renno metodo
kjer je t = x2 .
(a) Izpelji lokalno napako aproksimacije.

(b) Ali lahko izbere taken , da bo metoda konvergentna in bo lokalna
napaka reda O(x4 )?
3.2. Reujemo toplotno enabo
u(0, x) =
u
2u
z zaetnimi pogoji
=
t
x2
2x,
2(1 x),
0 x 1/2,
1/2 < x 1,
in robnimi pogoji u(t, 0) = u(t, 1) = 0 za vsak t > 0.

(a) Zapii sistem enab, ki ga dobi pri reevanju z eksplicitno diferenno
metodo, pri emer naj bo x = 1/10 in t = 1/600.
(b) Zapii sistem enab, ki ga dobi pri reevanju z implicitno diferenno
metodo
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.
3.3. Reujemo toplotno enabo

robni pogoji so naslednji:
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.
3.4. Dana je parcialna diferencialna enaba

u
=
t
x
u
p(t, x)
,
x
(t, x) (0, T ) (a, b)
z znanimi zaetnimi in robnimi pogoji. Diskretiziraj jo, a tako, da bosta obe

matriki v Crank-Nicolsonovi shemi ostali simetrini.
3.5. Dan je sistem dveh parcialnih diferencialnih enab parabolinega tipa

u
1 2u
1
=
+
,
t
2 x2 1 + v 2
v
1 2v
1
=
+
t
2 x2 1 + u2
377
na obmoju t [0, 0.2], x [0, 1]. Robni pogoji so

u
u
v
v
(t, 0) =
(t, 1) =
(t, 0) =
(t, 1) = 0, t > 0,
x
x
x
x
zaetna pogoja pa
1
1
u(0, x) = 1 + cos(2x), v(0, x) = 1 cos(2x).
2
2
Izpelji diferenno shemo.
3.6. Fischerjeva enaba se glasi

u
2u
=
+ u(1 u), t > 0, x R .
t
x2
Ker je prostorski del obmoja neomejen, povemo robne pogoje kot obnaanje
za velike |x|,
lim u(t, x) = 1,
lim u(t, x) = 0,
V zaetnem asu naj velja
u(0, x) =
(1
t > 0.
cos2 ( x
10 ), |x| 5,
0,
|x| > 5.
Sestavi program, ki poie numerino reitev.
3.7. Black-Scholesova enaba opisuje model vrednotenja opcij. Vrednost

f = f (t, S)
je odvisna od asa t in trne cene osnovnega instrumenta S . Opcija dospe v
asu T . Enaba je oblike
f
f
1
2f
+ rS
+ 2 S 2 2 = rf,
t
S 2
S
kjer je
S - trna cena osnovnega instrumenta,

N - izvrilna cena opcije,
t - as,
- standardni odklon.
Naj T oznauje as izvritve opcije in Smax nedosegljivo trno ceno osnovnega instrumenta, s katero skri trno ceno osnovnega instrumenta na omejen
interval [0, Smax ]. Predpostavi robna pogoja
f (t, 0) = N e(T t) , f (t, Smax ) = 0,
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?
3.8. Dokai trditev 8.2.
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.
8.4. ENABE HIPERBOLINEGA TIPA
379
4. Enabe hiperbolinega tipa

4.1. Uvod. Kot znan preprost zgled parcialne diferencialne enabe hiper-
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)
u(t, 0) = h1 (t) , u(t, L) = h2 (t) ,
t > 0.
Enaba je linearna in drugega reda. Karakteristina enaba (8.4, str. 294) je

tu kar
dx
dx
dx
2
c =
c
+ c = 0.
dt
dt
dt
Ta doloa enoparametrini druini karakteristik
x + ct = konst1 ,
x ct = konst2 .
Odmislimo za hip robna pogoja in predpostavimo, da je struna neskonno

dolga. Z uvedbo novih spremenljivk = x + ct in = x ct, ki osi koordinatnega sistema postavita na karakteristiki x + ct = 0, x ct = 0, enabo (8.121)
poenostavimo. Za
(, ) = (x + ct, x ct) := u(t, x)

ugotovimo
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
Valovna enaba v spremenljivkah in je poseben primer kanonske oblike

hiperboline diferencialne enabe. Iz (8.124) sklepamo, da mora biti vsota
dveh funkcij, ene odvisne le od , druge od , torej (, ) = P () + Q(). V
prvotni obliki to zapiemo takole
(8.125)
u(t, x) = P (x + ct) + Q(x ct) .
Doloimo P in Q! Najprej je
(8.126)
u(0, x) = P (x) + Q(x) = f (x) .
380
e odvajamo (8.125) in vstavimo t = 0, dobimo
P 0 (x) Q0 (x) =
g(x)
.
c
To integriramo
1
P (x) Q(x) =
c
Zx
g() d + P (0) Q(0)
0
in skupaj z (8.126) poenostavimo v d'Alembertovo reitev valovne enabe za

neskonno struno
x+ct
Z
1
1
g() d .
(8.127)
u(t, x) = (f (x + ct) + f (x ct)) +
2
2c
xct
e privzamemo homogena robna pogoja (8.123), h1 (t) = h2 (t) = 0, je reitev

(8.127) tudi reitev valovne enabe (8.121) pri zaetnih pogojih (8.122), e le
funkciji f in g smiselno deniramo na celotni realni osi: najprej funkciji liho
nadaljujemo na interval [L, 0),
(8.128)
f (x) := f (x), g(x) := g(x),
x [L, 0) ,
nato pa kot periodini s periodo 2L razirimo na celotni R. Preverimo, da sta

robna pogoja pri takni vloitvi res izpolnjena. Res,
1
1
u(t, 0) = (f (ct) + f (ct)) +
2
2c
Zct
g() d = 0 ,
ct
saj sta f in g lihi funkciji na celotnem R. Podobno ugotovimo za drugi robni

pogoj v x = L. Naj bo na primer 0 ct L. Tedaj je
f (L + ct) = f (L + ct), f (L ct) = f (L + ct) ,

torej
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.
Izrek 8.23 (Courant, Friedrichs, Lewy). Da bi numerina metoda za reevanje
parcialnih diferencialnih enab hiperbolinega tipa konvergirala, je potrebno, da

numerino podroje odvisnosti vsebuje podroje odvisnosti tone reitve.
t
t
Ht,xL
x-ct
x-
Ht,xL
x+
x+ct
x-
x-ct
x+ct
x+
Obmoje odvisnosti (rumeno) vsebuje diskretno

obmoje odvisnosti (levo) in diskretno obmoje odvisnosti vsebuje obmoje odvisnosti (desno)
Slika 8.30.
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
Sistem enab (8.129) zapiemo v matrini obliki takole:

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)
Za matriko A zahtevamo, da ima vseskozi poln sistem lastnih vektorjev in

realne lastne vrednosti. Vektor u mora zadoati seveda tudi predpisanim
zaetnim pogojem. Naj P = P (t, x) oznai lastne vektorje matrike A(t, x).
u in vstavimo ta nastavek v
Uvedimo novo spremenljivko v = (vi ) := P 1 (t, x)u
(8.131). Odvajanje da
P (t, x)
v + A(t, x)P (t, x) v =

t
x
= b (t, x)
P (t, x) v A(t, x)
P (t, x) v
t
x
in po mnoenju s P 1 (t, x) z leve dobimo sistem diferencialnih enab v karakteristini obliki
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, . . . .
Z i (t, x) smo oznaili lastne vrednosti matrike A(t, x). Spremenljivkam v

reemo karakteristine spremenljivke. Za valovno enabo, pretvorjeno v sistem
enab prvega reda (8.130) karakteristine spremenljivke izraunamo kot
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
4.2. Advekcijska enaba in druge enabe prvega reda. Zanimo s
preprostim zgledom enabe prvega reda, z advekcijsko enabo,
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] ,
robni pogoj naj bo

(8.135)
u(t, 0) = g(t),
t > 0,
kjer zahtevamo g(0) = f (0). Druina karakteristik je druina premic z naklonom

dx
= c,
dt
torej je druina doloena z xct = konst. Reitev advekcijske enabe najdemo
v zakljueni obliki,
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
Slika 8.31. Obmoje odvisnosti pri reevanju advekcijske
enabe z Eulerjevo metodo: premi deljeni diferenci v asovni in

prostorski smeri, Courantov pogoj ni izpolnjen (levo), in prema
diferenca v asovni ter obratna v prostorski smeri (desno), Courantov pogoj je izpolnjen
toki (tn , xj ) v obliki
un+1
unj
j
(8.136)
+c
unj unj1
= 0.
x
e bi bila konstanta c negativna, bi po enakem premisleku izbrali
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
Lokalna napaka je reda O (t + x). Po izkunjah sode lahko raunamo samo

na linearno konvergenco, ne na kaj ve.
Najprej preverimo stabilnost. e privzamemo homogen robni pogoj g = 0
in zaetni pogoj (8.135) razirimo na celotni R s privzetkom
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, ],
odpove. To dokazuje tole trditev.
Trditev 8.3. eprav diferenna shema zadoa Courantovemu kriteriju, ni

nujno stabilna.
Sledi konvergenni izrek.
Izrek 8.24. Z eksplicitno Eulerjevo metodo, uporabljeno v (8.138) za reevanje
advekcijske enabe, dobimo numerino reitev, ki konvergira k toni reitvi z

t = konst x 0, br ko je 0 < 1.
Dokaz. Naj bo u tona reitev advekcijske enabe, jn lokalna napaka v toki

(tn , xj ) in enj := unj u (tn , xj ) globalna napaka. Tedaj je
en+1
= enj1 + (1 )enj + t jn ,
j
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
Trikotnika neenakost da oceno velikosti globalne napake
|en+1
| (1 )|enj | + |enj1 | + t .
j
386
Naj bo n := max |enj |. Dobimo

j
|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.
Zgled 8.18. Vzemimo enabo

u
u
+ c(t, x)
= 0,
t
x
kjer je funkcija c dana z
(t, x) (0, 1) (0, 1) ,
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) :=
in naj zadoa homogenemu robnemu pogoju u(t, 0) = 0, t > 0. Tono reitev

uganemo kot
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
Slika 8.32. Eulerjeva metoda pri reevanju advekcijske enabe
z nekonstantnim koecientom c. Rdea reitev je tona, modra

numerini pribliek.
Eulerjeva metoda ni ekonomina, potrebujemo uinkoviteja orodja. Naj

bo funkcija v = v(t, x) gladka funkcija obeh spremenljivk. Z razvojem v Taylorjevo vrsto dobimo
(8.140)
v(t + t, x) = v(t, x) + t
v
t2 2 v
(t, x) +
(t, x) + . . .
t
2! t2
Naj bo sedaj u gladka reitev advekcijske enabe (8.133). Vstavimo v razvoj

(8.140) v = u, a tako, da parcialne odvode po asu nadomestimo z odvodi v
prostorski smeri. To lahko storimo, saj je u reitev advekcijske enabe in z
odvajanjem ugotovimo
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
V tem razvoju imamo parcialne odvode le v prostorski smeri. Aproksimirajmo

jih s simetrinimi deljenimi diferencami in dobimo eno od oblik diferenne
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
Pogoj |(e , )| 1 prepiemo v obliko

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
Izrek 8.25. Diferenna shema Lax-Wendro v reevanju advekcijske enabe

na obmoju (0, T ) R je stabilna natanko tedaj, ko je
t
1.
0<=
x
Diferenno shemo (8.142) smo izpeljali pri predpostavki, da je koecient c
konstanten. A samo zamisel metode, ki temelji na zamenjavi asovnih odvodov
v razvoju (8.140) s prostorskimi, lahko uporabimo za izpeljavo drugih oblik
diferenne metode Lax-Wendro. Denimo, da je diferencialna enaba e vedno
linearna, a koecient c v splonem odvisen od t in x,
u
u
+ c(t, x)
= 0.
t
x
Izrazimo asovna odvoda iskane funkcije u,
u
u
= c(t, x)
,
t
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
sumanda funkcijo c raunati v vmesnih tokah mree. Tako ohranimo simetrijo

metode in red lokalne napake. Da ne bi c raunali v dvakrat neji mrei, ga
reducirajmo na vmesno mreo povsod, kjer nastopa. S tem prihranimo na
asovni zahtevnosti. Ob predpostavki, da je izraun c edino, kar teje, jo celo
prepolovimo. Zato c(t, x) zamenjamo s povprejem

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
!
.
Zgled 8.19. Ponovimo izraun v zgledu 8.18, a z metodo Lax-Wendro. Nu-
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
Slika 8.33. Metoda Lax-Wendro pri reevanju advekcijske
enabe z nekonstantnim koecientom c. Rdea reitev je tona,

modra numerini pribliek.
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
Razvoj (8.141) zamenja sploneji,
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
Uporabili smo okrajave
cnj1/2 := c unj1/2 ,

fjn := f unj .
Diferenno shemo Lax-Wendro naravno razirimo tudi na reevanje sistemov

hiperbolinih enab prvega reda.
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
e oznaimo numerino reitev v toki mree (tn , xj ) z
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
unj1 2unj + unj+1

.
t2
x2
Metoda je eksplicitna in se po mnoenju z t2 poenostavi v
(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
un0 = h1 (tn ), unJ+1 = h2 (tn ),
n = 1, 2, . . . , N .
Da s shemo (8.146) sploh lahko zanemo, moramo poznati numerino reitev

na prvih dveh asovnih slojih. Na zaetnem sloju je u predpisan, torej
(8.148)
u0j = f (xj ),
j = 1, 2, . . . , J .
392
Aproksimacijo na sloju 1 dobimo s pomojo f in g . e predpostavimo, da je

u tona reitev enabe (8.121), ki je dovoljkrat zvezno odvedljiva, z uporabo
razvoja v Taylorjevo vrsto in upotevanjem
3
3u
2 u
=
c
t3
t x2
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
Slika 8.34. Diskretno obmoje odvisnosti (modro) vsebuje ob-
moje odvisnosti tone reitve (rumeno)
toka mree. Diferenna shema (8.146) pove, da za izraun unj potrebujemo

n1
n2
un1
, un1
. Torej za vsak asovni korak potrebujemo po eno
j1 , uj
j+1 in uj
vrednost numerine reitve ve v levo in v desno na predhodnem asovnem
sloju. Od zaetnega asa do tn potrebujemo n korakov, torej je unj odvisna od
zaetnih vrednosti v tokah
xjn , xjn+1 , . . . , xj+n1 , xj+n .
393
Numerino obmoje odvisnosti zato vsebuje zvezno obmoje odvisnosti, kadar

je
n x c tn = c n t.
Courantov pogoj je torej
t
1.
(8.150)
=c
x
Zgled 8.20. Poiimo numerino reitev valovne enabe

2u
2u
=
,
t2
x2
z robnima pogojema
1
(t, x) (0, ) (0, 1),
2
u(t, 0) = u(t, 1) = 0,
1
T = ,
2
t > 0,
in zaetnim pogojem, ko struno primemo in potegnemo z
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,
J = 9, 19, 39, 40,
ki da korake, natete v tabeli 8.3. Za J = 9 je aproksimacija najslaba, za
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
Tabela 8.3. Tabela korakov za preizkus numerine reitve va-
lovne enabe v zgledu 8.20
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).
Zgled 8.20 napeljuje na tale konvergenni izrek.
394

f
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
vseskozi konstantno in tudirajmo numerino reitev, ko gre x = ct 0.

Najveji dovoljeni korak v asovni smeri doloa x = ct, torej = 1. Naj
bo za zaetek struna neskonna, tako da nam ni treba biti pozorni na robne
pogoje. Za = 1 se diferenna shema (8.146) poenostavi v
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
Uporabili smo okrajavo
f` := f (x` ) ,
g` := g (x` )
in upotevali zaetna pogoja (8.148) in (8.149) pri = 1. Razlike Djn+1 so

konstantne vzdol ene diskretne karakteristike. Setejmo jih vzdol druge
n
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
Uporabimo (8.151) za vsak len

(8.152)
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
Uspeli smo izraziti numerino reitev v zakljueni obliki. Primerjajmo jo s

tono reitvijo v ksni toki
(t, x) = (tn+1 , xj ) ,
nt = t, jx = x ,
ko gre x = ct 0. Pred limitnim prehodom razstavimo abscise, ki so skrite

v izrazu (8.152), v dva dela, v prostorski in asovni z
x`(n+1) = x` (n + 1)x = x` (n + 1)ct = x` ct .

Od tod takoj sledi
(8.153)
fjn1 = f (xj ctn+1 ) = f (x ct) .
396
Poglejmo si e limitna prehoda v obeh vsotah (8.152). e je f C 1 , dobimo

po Lagrangeevem izreku
fj+n+12 fj+n12 = f (xj2 + ct) f (xj2 + ct 2x) =

= 2xf 0 (xj2 + ct x) ,
0 < < 2 ,
= 2xf (x (2 + )x + ct) .
Ker je
|f 0 (x 2x + ct) f 0 (x (2 + )x + ct)| f 0 ; 2x ,
je torej za limito prve vsote dovolj ugotoviti
! 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
|g(xj + ctn 2x) g(xj + ctn (2 + 1)x)| (g; x)

in limito druge vsote v (8.152) dobimo kot
(8.155)
k
!
x+ct
Z2ct
Z
X
x
1
1
lim
g(xj + ctk 2x)
=
g() d,
g(x + ct ) d =
x0
c
2c
2c
=0
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.
4.4. Metoda karakteristik. Metoda karakteristik je metoda, ki izkoristi
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
karakteristike so krivulje v obmoju, kjer numerino reitev iemo,

vzdol karakteristine krivulje se diferencialna enaba poenostavi.
Spremljanje reitve parcialne diferencialne enabe vzdol karakteristine krivulje ima tudi drugo ozadje. e d'Alembertova reitev valovne enabe (8.127)
poudarja vpliv zaetnih pogojev, ki se iri vzdol karakteristik. Prav tako se
manj prijetne lastnosti reitev nekaterih nelinearnih enab tega tipa, kot je
prehod od gladke do nezvezne oblike reitve, najlaje odkrivajo vzdol karakteristik. Pojasnimo metodo na kvazilinearni enabi drugega reda. Neodvisni
spremenljivki sta t in x, tako da enabo (8.1, str. 293) lahko prepiemo v obliko
2u
2u
2u
+
+ = 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 :=
ne pa le . Prvotna enaba se vzdol karakteristik poenostavi. Naj bo =

ena od reitev karateristine enabe
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
Ko ju poznamo, preostane e enaba

u
u
(8.159)
du =
dt +
dx,
t
x
iz katere izraunamo iskano numerino reitev u. To je izhodie metode karakteristik. Mrea tok, v kateri iemo numerino aproksimacijo tone reitve, ni
predpisana vnaprej, ampak jo gradimo sproti, tako da sledimo karakteristikam.
Novo toko doloimo iz dveh prejnjih kot preseie premic. Pribliek smeri
dobimo iz enabe (8.157).
Predpostavimo, da toke mree na n-tem asovnem sloju lee na odsekoma
linearnem zveznem poligonu n , ki ni karakteristika. Oznaimo jih z
n n
tj , x j .
Uporabimo enako okrajavo za vse koeciente in iskano funkcijo u ter si okraajmo e
u
u
p :=
, q :=
,
t
x
Poglejmo,
kako iz znanih vrednosti na sloju n do sloja n+1 , na primer v
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
Slika 8.37. Mrea metode karakteristik, karateristike (modre
in rjave) in odsekoma linearne povezave tok na istem asovnem

koraku (rne)
(8.160)
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
Za priblini izraun integrala na desni strani te enabe uporabimo trapezno

pravilo. V dveh neodvisnih smereh tako dobimo
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 ,
koordinati nove mrene toke. Implicitno se vse neznanke v splonem skrivajo

v
n+1
n+1
.
,j1 ,
+,j1
Podobno diskretiziramo tudi (8.158)
(8.162)
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
Dobili smo sistem petih, v splonem nelinearnih enab (8.161), (8.162) in

(8.163) ali (8.164) (tudi povpreje obeh je dobro) za pet neznank
n+1
n+1
n+1
n+1
tn+1
j1 , xj1 , pj1 , qj1 , uj1 .
e je diferencialna enaba linearna, sta smerna koecienta karakteristik

konstantna
in enabi
(8.161) linearni. V tem primeru najprej doloimo novo

n+1
n+1
toko tj1 , xj1 , nato poiemo reitev (8.162) in nazadnje doloimo un+1
j1 .
V splonem primeru sistem ne razpade. Najpogosteje ga priblino reimo z
enim prediktor-korektor korakom. Za zaetne priblike vzamemo vrednosti
na prejnjem asovnem sloju. Lahko uporabimo tudi ve korakov iteracije ali
Newtonovo metodo.
400
V tokah, ki lee pri robu,

je treba enabe prilagoditi. Naj toka (tn1 , xn1 )
n+1
lei ob robu in njena soseda t0 , xn+1
na njem. Vrednost
0
n+1 n+1
u t0 , x 0
je doloena z robnim pogojem. Enabi (8.161) zamenjata enaba, ki pripada
un+1
0
un+1
1
Gn+1
un0
un1
Gn
D
un-1
1
un-1
2
Gn-1
Slika 8.38. Robni pogoji pri metodi karakteristik
smeri + , in enaba roba R(t, x) = 0,
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)
+ 1n + 0n+1 q0n+1 q1n + 1n + 0n+1 xn+1

xn1 = 0 ,
0
ki ji dodamo e relacijo med prvima parcialnima odvodoma reitve na robu.
Ker je reitev na robu predpisana, z odvajanjem tega pogoja
n+1 dobimo
tudi
n+1
zahtevano dodatno neodvisno povezavo med p in q v toki t0 , x0
.
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.
4.2. Advekcijsko enabo

u u
+
= 0, u(0, x) = f (x), t > 0,
t
x
reujemo z metodo abjih skokov
t
n+1
n+1
n
un+2
=
u
n 0, :=
.
j
j1
j+1 + uj ,
x
401
Ugotovi red metode in analiziraj stabilnost.
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?
4.4. Doloi obmoje D, kjer je enaba
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
,
lahko pa vkljuuje tudi odvode

nijega reda. Namig: ugotovi, da sta druini
karakteristik dani z t 2 x = konst .
4.5. Valovna enaba ima koecient c2 = 4. Struna naj bo dolga L = 1.

Predpostavi zaetni odmik
u(0, x) = f (x) := sin(x) + sin(2x)

in zaetno hitrost ni. Uporabi diferenno metodo in rei valovno enabo na
pravokotniku D = (0, 1)(0, 1). Primerjaj numerine rezultate s tono reitvijo
u(t, x) = sin(x) cos(t) + sin(2x) cos(4t) .
4.6. Naj bo funkcija u dana kot
u(t, x) :=
32 X sin (2` + 1) x cos (2` + 1) t

.
3
(2` + 1)3
`=0
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.
4.7. Naj bo dana kvazilinearna enaba

2
2u
2 u
=
u
,
t2
x2
t > 0,
z zaetnima pogojema
u(0, x) = x(1 x),
u
(0, x) = 0 .
t
Predpostavi izbiro tok
1
,
10
in z metodo karakteristik izraunaj prvi asovni sloj.
xj = j h,
h :=
4.8. Prilagodi metodo karakteristik reevanju advekcijske enabe z

nekonstantnim koecientom c.
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
[26] K. W. Morton, D. F. Mayers, Numerical Solution of Partial Dierential Equations,

Cambridge University Press, Cambridge, 2002.
[27] B. Orel, Osnove numerine matematike, Zaloba FE in FRI, Ljubljana, 1997.
[28] G. M. Phillips, Interpolation and Approximation by Polynomials, CMS Books in Mathematics, Springer Verlag, New York, 2003.
[29] G. D. Smith, Numerical Solution of Partial Dierential Equations: Finite Dierence
Methods, Clarendon Press, Oxford, 1985.
[30] G. Strand, G. J. Fix, An Analysis of the Finite Element Method, Prentice-Hall, Englewood Clis, 1973.
[31] R. S. Varga, Matrix Iterative Analysis, Prentice-Hall, Englewood Clis, 1962.
[32] J. Vrabec, Metrini prostori, DMFA Slovenije, Ljubljana, 1990.
[33] E. L. Wachspress, Iterative Solution of Elliptic Systems, and Applications to the Neutron
Diusion Equations of Reactor Physics, Prentice-Hall, Englewood Clis, 1966.
[34] E. Zakrajek, Uvod v numerine metode, DMFA Slovenije, Ljubljana, 2000.
Stvarno kazalo
. (oznaka mesta), 13
148
, 323
aproksimativni problem
optimalni, 27
avtonomna diferencialna enaba, 196,
219, 224
3
-pravilo,
8
A-stabilna metoda, 262, 263, 264, 266

Adams-Bashforthova metoda, 234, 236,
266
Adams-Moultonova metoda, 237, 239,
240, 266
Adamsova metoda, 234
adaptivno integracijsko pravilo, 183
ADI
iteracijska metoda, 336, 338
metoda, 365, 366, 368, 375
advekcijska enaba, 383, 383, 385, 389,
401
algoritem
adaptivno integracijsko pravilo, 184
Aitkenov, 94
Arnoldijev, 340
deli in vladaj, 335
drugi Remesov, 49, 50
Gram-Schmidtov, 63
Hornerjev, 93
izraun deljenih diferenc, 91
Lanczosev, 340
modicirani Gram-Schmidtov, 63
Nevilleov, 94
ocena , 325
posploeni Hornerjev, 60
prvi Remesov, 46, 49, 52
s hkratno premenjavo, 49, 50
V-cikel vemrene metode, 335
z enojno premenjavo, 46, 49, 52
aproksimacija
enakomerna, 28, 34, 36, 37, 39, 40, 42,
46, 47, 49, 52, 53, 339
optimalna, 14, 27, 36, 38, 55
po metodi najmanjih kvadratov, 27,
55, 61, 65, 68, 72, 107, 109, 114, 124
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
enolenska metoda, 200, 212, 218, 221,

222, 233, 234, 241, 256, 262
enostranska deljena diferenca, 132, 197,
354, 385
Euler-McLaurinova
formula, 158
sumacijska formula, 156, 159
Eulerjeva enaba, 282, 283, 347
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
Gauss-Hermiteovo integracijsko pravilo,
182
Gauss-Laguerreevo integracijsko pravilo,
182
Gauss-Legendrovo integracijsko pravilo,

172, 178, 216, 219, 283
Gauss-Lobattovo integracijsko pravilo,
175
Gauss-Radaujevo integracijsko pravilo,
175
Gauss-Seidlova iteracijska metoda, 316,

319, 321, 324, 327, 329, 332, 335
Gaussova eliminacija brez pivotiranja,
109
geometrijska integracija, 208

Gerschgorinov izrek, 311, 315
Gerschgorinovi krogi, 311
globalna napaka, 197, 201, 202, 204, 225,
260, 279, 300, 308, 356, 358, 361,
362, 370, 385
Gram-Schmidtov algoritem, 63
Gramova matrika, 55, 56, 58, 65, 72,
108, 277, 283
Greenova funkcija, 195
Haarov pogoj, 51, 53, 78, 80
Hamiltonski sistem, 207
Hermite-Genoccijeva formula, 88
Hermiteov interpolacijski zlepek, 111
Hermiteova interpolacija, 77
Heunova metoda, 215
Hi , 16
Hilbertov prostor, 31, 55, 67
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
izraun deljenih diferenc, 91

izrek
Courant-Friedrichs-Lewyjev, 381
De la Vall-Poussinov, 43
diskretni maksimalni princip, 306
Euler-McLaurinova formula, 158
Kellerjev, 193
Korovkinov, 22
Lax-Milgramov, 348
Laxov ekvivalenni, 371
Peanov, 143
prva Dahlquistova meja, 249
Schoenberg-Whitneyjin, 121
Weierstrassov, 18
Youngov, 318
Jacobijev polinom, 57
Jacobijeva iteracijska metoda, 315, 323,
324, 327, 351
uteena, 315, 351
Jacobijeva matrika, 191, 202, 214, 218,
241, 261, 281
Jacobijeva siteracijska metoda, 320
jedro funkcionala, 139
jedro ostanka integracijskega pravila, 142
Jordanova forma, 257
kanonska oblika, 379, 401
karakteristina enaba, 294, 379
karakteristina spremenljivka, 382
karakteristini polinom, 319, 321
karakteristika, 294, 379, 380, 383, 396,
398, 401
diskretna, 395
k-lenska metoda, 200, 248, 251
Kellerjev izrek, 193
kolokacija, 200, 269, 280, 287, 296
kolokacijska matrika, 76, 78, 79
kompaktna mnoica, 12, 23, 29, 42, 53,
192, 371
konsistentna urejena matrika, 317, 317,
319, 324
konsistentnost, 222, 224, 243, 255, 256,
369, 371
kontinuitetna enaba, 383
konveksna mnoica, 30
konvergenca
ADI iteracijske metode, 340
Bernsteinove polinomske
aproksimacije, 21
diferenne metode
pri reevanju parabolinih enab,
371
pri reevanju robnih problemov, 279

pri v reevanju valovne enabe, 396
eksplicitne Eulerjeve metode v
reevanju parabolinih enab, 356
enolenske metode, 221, 225
Gauss-Seidlove iteracijske metode, 320
implicitne Eulerjeve metode v
reevanju parabolinih enab, 361
integracijskih pravil, 140
Gaussovega tipa, 169
iteracijske metode, 315
Jacobijeve iteracijske metode, 315, 320
Newton-Cotesovih integracijskih
pravil, 152
polinomske aproksimacije po diskretni
metodi najmanjih kvadratov, 66
polinomske aproksimacije po metodi
najmanjih kvadratov v enakomerni
normi, 68
polinomske interpolacije, 98
polnega kubinega interpolacijskega
zlepka, 114
prvega Remesovega postopka, 47
SOR iteracijske metode, 323
velenske metode, 248, 254
vemrene iteracijske metode, 336
konvergentna aproksimativna shema, 15
konvergentna enolenska metoda za
reevanje navadnih diferencialnih
enab, 222
konvergentna matrika, 315, 361
konvergentna metoda za reevanje
navadnih diferencialnih enab, 202
konvergentna Runge-Kutta metoda, 224
konvergentna velenska metoda za
reevanje navadnih diferencialnih
enab, 254, 266
korak
prediktor-korektor, 399
korekten interpolacijski problem, 76, 81
Korovkinov izrek, 22
krepko stabilna velenska metoda, 249
Kroneckerjev (ali tenzorski) produkt
matrik, 257
Kroneckerjev simbol, 16
kubaturno integracijsko pravilo, 138
kubini zlepek, 110
kvadraturno integracijsko pravilo, 138
kvazilinearna parcialna diferencialna
enaba, 293, 396, 401
Lagrangeev bazni polinom, 15, 76, 81,
146
STVARNO KAZALO
Lagrangeeva baza, 15, 36, 139, 298
Lagrangeeva oblika interpolacijskega
polinoma, 81, 99
Lanczosev algoritem, 340
lastne vrednosti Laplaceovega operatorja,
312
lastnost A, 317, 318

Lax-Friedrichsova diferenna shema, 400
Lax-Milgramov izrek, 348
Lax-Wendroova diferenna shema, 388,
389
Laxov ekvivalenni izrek, 371
Lebesgueova
funkcija, 99
neenakost, 98
Legendrov polinom, 57, 60, 70, 71, 172
Leibnizevo pravilo, 85, 86, 117, 131, 169
linearna diferencialna enaba, 269, 274
linearna parcialna diferencialna enaba,
293
linearna velenska metoda

krepko stabilna, 249
ibko stabilna, 249
linearni robni problem drugega reda, 270
Lipschitzov pogoj, 192
Lipschitzova funkcija, 25, 191
lokalna napaka, 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
lokalna potenna baza, 18
matematino nihalo, 207
Mersonova metoda, 226
meani pogoj, 304
metoda
A-stabilna, 262, 263, 266
Adams-Bashforthova, 234, 266
Adams-Moultonova, 237, 239, 240, 266
Adamsova, 234
ADI, 336, 365, 366, 368, 375
BDF, 234, 246, 247, 261, 266
Crank-Nicolsonova, 360, 372
diagonalno implicitna Runge-Kutta,
215
diferenna, 200, 269, 276, 278, 284,
286, 296, 305, 351, 353, 391
Dormand &Prince, 229
dvostopenjska, 213
eksplicitna, 200, 215, 391
Eulerjeva, 197, 202, 354, 364, 375,
383, 385
409
enolenska, 200, 212, 218, 221, 222,

233, 234, 241, 256, 262
Fehlbergova, 229
Galerkinova, 296, 341, 348
Hammer & Hollingsworth, 218
Heunova, 215
implicitna, 200
Eulerjeva, 197, 354, 364, 375
izboljana Eulerjeva, 203, 212
karakteristik, 397, 398
k-lenska, 200, 248, 251
kolokacije, 200, 269, 280, 287, 296
konnih elementov, 200, 269, 282, 296,
340
konjugiranih gradientov, 340

Mersonova, 226
Milneova, 245
Milneovega tipa, 234
najmanjih kvadratov, 27, 55, 56, 61,
66, 68, 72, 107, 109, 124, 283, 346
nedoloenih koecientov, 144
Newtonova, 50, 201
Numerova, 260, 279
potenna, 324, 328, 354
prediktor-korektor, 240, 245, 266
Rayleigh-Ritzova, 282, 283, 341, 347
reda r, 251
regula falsi, 271
RK4, 216, 218, 237, 240, 260, 264
robnih elementov, 296
Rombergova, 156, 160, 161
Runge-Kutta, 212, 212, 216
sekantna, 271, 272
simplektina, 208
splona enolenska, 221
splona linearna velenska, 240
strelska, 270
tangentna, 271
ugnezdena Runge-Kutta, 227
velenska, 200, 234
vemrena, 327
abjih skokov, 400
metode podprostorov Krylova, 340
Milneova metoda, 245
Milneovo pravilo, 148
minimaks, 36
minimizirajoe zaporedje, 30, 35
modicirani Gram-Schmidtov algoritem,
63
modul zveznosti, 19, 25, 396

n-parametrina linearna druina, 76
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
neodstranljiva napaka, 112, 134, 152,

199, 205
Nevilleov algoritem, 94
Newton-Cotesovo integracijsko pravilo,
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
optimalna aproksimacija, 14, 27, 36, 38,

55
optimalni
aproksimativni problem, 27
korak h, 135
, 339
, 321, 322, 324, 328
red aproksimacije, 15, 107, 134, 348
ortonormiran sistem polinomov, 60, 65,
174
ortonormirana baza, 56
ostanek
Gauss-Legendrovega pravila, 172
integracijskega pravila, 139, 167, 169
Gaussovega tipa, 169
sestavljenega Simpsonovega pravila,
154
sestavljenega trapeznega pravila, 154

v Euler-McLaurinovi obliki, 160
Simpsonovega pravila, 149
sredinskega pravila, 171
trapeznega pravila, 147
v Euler-McLaurinovi obliki, 158
parabolina parcialna diferencialna
enaba, 283, 293295, 296, 336, 353,
368, 376
parametrina polinomska krivulja, 76
parametrizacija
centripetalna, 76
enakomerna, 76
tetivna, 76
parcialna diferencialna enaba
advekcijska, 383, 383, 385, 389, 401
biharmonina, 299
Black-Scholesova, 377
Burgerjeva, 383, 389
difuzijska, 353
eliptinega tipa, 282, 292, 294, 296,
303, 304, 315, 327, 336, 340
hiperbolinega tipa, 293295, 379, 381,
382, 391, 396, 401
parabolinega tipa, 283, 293295, 296,
336, 353, 368, 376
Poissonova, 316
toplotna, 353
valovna, 295, 379, 381, 391
Pnd , prostor polinomov skupne stopnje
n v Rd , 341
Peanov izrek, 143
Peanovo jedro, 143, 144
Milneovega pravila, 164
Simsonovega pravila, 150
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
polinomov stopnje n, 14, 28, 36, 39,

78, 81, 99, 139, 169
racionalnih funkcij Rn,m , 14
realen unitaren, 13
s kvadratom sumabilnih funkcij
L2 ([a, b]), 12
Soboljev H0m (D), 345, 347, 352
strogo normiran, 32
trigonometrinih polinomov Tn , 14
unitaren, 30
vektorski, 12, 27, 30
zlepkov S1,xx , 14, 16, 79, 106, 113, 124
zlepkov Sk,xx , 14, 106, 114, 121
zveznih funkcij C ([a, b]), 12, 28, 36
prva Dahlquistova meja, 249
prva Newtonova oblika interpolacijskega
polinoma, 92, 96
prvi integral sistema, 208
prvi Remesov postopek, 46, 49, 52
Rayleigh-Ritz-Galerkinov sistem enab,
348
Rayleigh-Ritzova metoda, 282, 283, 347

razcep Choleskega, 58, 73, 311, 335
razlenitev enote, 120
razdalja, 14, 36, 37
realen unitaren vektorski prostor, 13
red
aproksimacije, 21, 68, 107, 112, 114,
132, 134, 277, 342, 348
412
STVARNO KAZALO
asovne zahtevnosti, 60, 63

diferencialne enabe, 190, 260, 369
diferencialnega operatorja, 241
globalne napake, 202, 225, 359
konvergence, 323, 327, 340
lokalne napake, 202, 212215, 225,
231, 241, 245, 259, 286, 388, 389
metode, 202, 233, 248, 254, 262, 400
napake, 130, 135, 149, 161
odvoda parcialne diferencialne enabe,
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
adaptivnega integracijskega pravila,
184
Aitkenovega koraka, 94
aproksimativna, optimalnega reda, 15
Butcherjeva, 216, 227, 229, 231, 262
diferenna
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
strogo konveksna mnoica, 30

strogo normiran vektorski prostor, 32
Sturm-Liouvilleov problem lastnih
vrednosti, 283
Sturm-Liouvilleov robni problem, 191,
282
ibki ebiev sistem, 51, 54, 78
ibko stabilna velenska metoda, 249
tangentna metoda, 271
Taylorjev polinom, 85, 93, 143, 180
Taylorjeva vrsta, 90, 113, 157, 201, 203,
208, 242, 298, 388, 392
tenzorski (ali Kroneckerjev) produkt
matrik, 257
testna funkcija, 282
tetivna parametrizacija, 76
toga diferencialna enaba, 261
togi problem, 206, 261
togostna matrika, 349
toplotna enaba, 295, 353
totalno pozitivna matrika, 108
trapezno pravilo, 147, 148, 204, 212, 263
sestavljeno, 153, 159, 165, 185
trilenska rekurzivna formula, 59, 59, 60,
63, 66, 73, 175, 177
trigonometrini polinom, 16, 22, 56
ugnezdena Runge-Kutta metoda, 227
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

Numericna Analiza

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Numericna Analiza

Uploaded by

Copyright:

Available Formats

Numerina analiza

Del I. Aproksimacija in interpolacija

2.3. Iterativna interpolacija

Del II. Odvajanje in integriranje

Del III. Navadne diferencialne enabe

Poglavje 5. Osnovno o numerinem reevanju

Poglavje 6. Zaetni problemi

Poglavje 7. Robni problemi

Del IV. Parcialne diferencialne enabe

Poglavje 8. Parcialne diferencialne enabe

Pri nastanku tega besedila mi je pomagalo ve kolegov. Naj izkoristim te

ki bo normo opredelila doloneje. Znak  .  bomo uporabili povsod kot oznako

kf k := kf k,[a,b] := sup |f (x)|

ali njena diskretna izpeljanka, ki meri velikost funkcije le v doloenih tokah,

kf k := kf k,xx := max |f (xi )|,

f (xi )g(xi )(xi ), (xi ) > 0,

v diskretnem primeru. Ker smo se omejili na realne prostore, ni treba biti

hf, gi = hf, gi = hf, gi .

za diskretni zgled. In sedaj k aproksimaciji f f X . Ker smo privzeli, da je

:= { prostor polinomov stopnje n },

Kako doloamo f S , je odvisno od tega, kaj o dani f vemo in od asovne

kf fk = inf kf sk =: dist (f, S) .

Tedaj govorimo o optimalni aproksimaciji funkcije f v S , velikost razlike f f

vrednost f v toki xi , i f := f (xi ),

Ker je f S in je S vektorski podprostor, se tu konstrukcija aproksimacije

1.2. Izbira in obutljivost baze. Aproksimacijo f S je seveda treba

nearno lupino, vse linearne kombinacije natetih funkcij. V prostoru polinomov

x0 < x1 < < xn ,

s pomembno lastnostjo `i (xj ) = i,j , in Newtonovo kot posploitev potenne

Pn = L({(x x0 )(x x1 ) (x xi1 )}ni=0 ),

Slika 1.1. Lagrangeeva in Newtonova baza za n = 4

Z i,j smo oznaili Kroneckerjev simbol, ki je enak 1, e sta i in j enaka, sicer

(ak cos kx + bk sin kx) .

V prostoru odsekoma linearnih zveznih funkcij S1,xx s stinimi tokami

x0 < x1 < < xn

Povejmo sploneje, kaj odrezana potenca je. Odrezana potenca stopnje n N

, xi1 < x < xi , 0 < i,

, xi < x < xi+1 , i < n,

Slika 1.2. Baza linearnih odrezanih potenc in linearnih B-zlepkov

in iemo obutljivost, konstanto c = c(ss), za katero je

Za obutljivost baze velja oitno c(ss) 1. im blie je 1, tem bolj je baza

Zgled 1.1. Vzemimo bazo (1.6) in normo k . k = k . k . Ugotovimo

Obutljivost baze (Hi ) je kar 1, najbolje, kar je mogoe.

1.3. Primerni aproksimativni podprostori. Ob izbiri podprostora

Dokaz. Dokaimo izrek konstruktivno, po poti, ki temelji na Bernsteinovih

Zaradi prironosti oznaimo pi (x) :=

ohranja tudi linearne polinome,

Za veje n skoraj ohranja parabole,

Pokaimo, da pride Bernsteinov polinom Bn f poljubno blizu f . Izberimo

Vsoto (1.10) razdelimo v tiste indekse i, za katere je ni blizu x ter izkoristimo

Tu (f ; h) oznauje modul zveznosti, ki je na splonem intervalu [a, b] deniran

Slika 1.3. Moduli zveznosti ( x; h), (ex ; h) in (x; h) na

intervalu [0, 1] za majhne h

ki za zvezne funkcije s h 0 konvergira proti ni (slika 1.3). Za indekse i I2

Konna ocena je tako

Zgled 1.2. Preverimo, kako dobro aproksimacijo v resnici dobimo z Bernstei-

novim polinomom. Za razline n ga primerjajmo z aproksimiranima funkcijama

kf Bn f k max |f (xi ) Bn f (xi )| =: en = c n + O (n ) .

e zanemarimo lene vijega reda, lahko red ocenimo iz dveh zaporednih

Slika 1.4. Bernsteinova aproksimacija funkcij f (x) = sin 5x

in f (x) = |4x 2| 1. Graf obeh osnovnih funkcij je rn

Ocena (1.14) za uporabo v numerinem raunanju ni obetavna. Tudi

Tabela 1.1. Tabeli ocenjenih redov aproksimacije za zgleda s slike 1.4

ki bo normo opredelila doloneje. Znak . bomo uporabili povsod kot oznako

Tu (f ; h) oznauje modul zveznosti, ki je na splonem intervalu [a, b] deniran

Denirajmo razmik med stinimi tokami

Zgled 1.4. Naj bo X evklidski prostor funkcij, deniranihPna zaporedju tok

Denicija 1.1. Naj bo X vektorski prostor. Mnoica K X je konveksna,

Denicija 1.2. Normiran vektorski prostor X je enakomerno konveksen, e