Numerická matematika. Úvodní informace. Viz Kontakt: Petr Sváček, KN:D 201

Transkript

1 Numerická matematika Úvodní informace Viz Kontakt: Petr Sváček, KN:D 201

2 Soustavy rovnic, souvislost s praxí Těleso nahradíme diskrétními body, hledáme neznámé fyzikální veličiny v těchto bodech. Užijeme fyzikální vztahy, získáme soustavu nelineárních/lineárních rovnic. Hledáme řešení této soustavy: n - počet neznámých.

3 Soustavy lineárních rovnic a 11 a a 1n a 21 a a 2n.... a n1 a n2... a nn x 1 x 2. x n = b 1 b 2. b n Známe: transponovaná/symetrická, hodnost, regulární/singulární, Frobeniova věta. Známe: Gaussova eliminace, LU rozklad, determinant, inverzní matice. Známe: Vlastní číslo a vektor. Au = λu, u 0, Nové: Velké řídké matice, efektivita řešení.

4 Přímé metody řešení Ax = b Přímé metody jsou takové metody, které vedou k nalezení přesného řešení v předem známém počtu kroků. Výhody: Vždy vedou k výsledku. Nevýhody: Rychle rostoucí výpočetní a pamět ová náročnost operací n 3, pamět n 2. Gaussova eliminace. Inverzní matice. Cramerovo pravidlo. LU rozklad.

5 LU rozklad Postup řešení Uvažujme soustavu s maticí A = LU typu n n LUx = b Řešíme soustavu n 2. Ly = b Řešíme soustavu n 2. Ux = y Jak získat LU rozklad? (2 možnosti, viz cvičení)

6 Shrnutí: Přímé metody řešení Přímé metody řešení Ax = b Zaručeno, že dosáhnou výsledku. Rostoucí výpočetní resp. pamět ová náročnost s n 3 resp. n 2. Efektivnější řešení? Stačí přibližné řešení, hledáme vhodný předpis X (k+1) = F (X (k),... ) viz posloupnost x n+1 = 1 2 ( 2 x n + x n )

7 Příklad Soustavu je možné přepsat jako Ax = b x = Ux + V, Zvoĺıme X (0), spočítáme X (0), X (1), X (2),... Pokud konverguje nezávisle na X (0), říkáme, že odpovídající metoda je konvergentní. Jak měřit vzdálenost X (k) od X? Norma. Je-li V = 0, pak X (n) závisí na velikosti U (normě) X (n) = U n X (0)

8 Prostá iterační metoda Je-li soustava tvaru Iterační metoda x = Ux + V, X (k+1) = UX (k) + V, Pokud konverguje, konverguje k řešení. Konvergence závisí na vlastnostech matice U, případně na vlastnostech matice A, z které vznikla.

9 Velikost vektoru. Norma x = Norma x =?, e =? 3 4 0, e = Norma vektoru : R n R, α R αu α u u + v u + v u = 0 u = Norma matice lze definovat pomocí normy vektoru A = Ax sup Ax = sup x, x =1 x 0 x

10 Norma matice a vektoru Řádková norma A m = max i Sloupcová norma A l = max j n j=1 a i,j x m = max x i i m a i,j x l = i=1 Frobeniova/Euklidovská norma ( m n ) 1 A F = a i,j 2 2 i=1 j=1 n x i i=1 ( n ) 1 x E = x i 2 2 i=1 Spektrum a spektrální poloměr. Pozn. spektrální norma matice A 2. Vztah normy matice a vektoru Ax A x Vztah normy a spektrálního poloměru.

11 Vlastnosti matice Matice A je diagonálně dominantní (DD), pokud i a ii j i a ij ostře diagonálně dominantní (ODD), pokud i a ii > j i a ij pozitivně semidefinitní pokud pro libovolný vektor platí x T Ax = n x i a ij x j 0 i,j=1 pozitivně definitní - ostrá nerovnost pro nenulový vektor symetrická pozitivně definitní (SPD) Symetrické pozitivně definitní matice kladná vlastní čísla nebo kladné hlavní minory.

12 Vlastnosti matice Matice A je reducibilní/rozložitelná, pokud P permutační matice tak, že ( ) P T B C AP = 0 D ireducibilní/nerozložitelná, pokud není rozložitelná/reducibilní. Graf matice: uzly 1,..., n, orientované hrany od i k j pro a ij 0 Graf - silně souvislý, od libovolného i se dostanu k libovolnému j. Nerozložitelná matice má silně souvislý graf. je ireducibilně/nerozložitelně diagonálně dominantní (IDD), pokud (i) je diagonálně dominantní, (ii) i a ii > a ij j i (iii) je ireducibilní, Souvislost s regularitou matice.

13 Prostá iterační metoda Je-li soustava tvaru x = Ux + V, Iterační metoda X (k+1) = UX (k) + V, Platí Nutná a postačující podmínka: Prostá iterační metoda je konvergentní právě tehdy, když ρ(u) < 1. Postačující podmínka: - maticova norma. Je-li U < 1, pak prostá iterační metoda je konvergentní. Odhad chyby: x (k) x x (k) x U 1 U x (k) x (k 1), U k 1 U x (1) x (0),

14 Prostá iterační metoda: Příklad. Př. 1. Určete všechna p R, pro která konverguje prostá iterační metoda pro soustavu tvaru X = UX + V, kde V = ( 1, 2, 0.5) T, 0.8 p 2 0 U = , 1 1 p Pro p = 0.2, X (0) = V určete X (1) touto metodou. Př. 2. Je dána soustava rovnic x = R x + s, kde s = (1.7, 1.8, 0.5) T R = 0.1 t t Určete všechna t R, pro něž je splněna postačující podmínka konvergence prosté iterační metody pro danou soustavu. Pro t = 0.5 určete x (2) touto metodou při volbě x (0) = 0. Vypočtěte x (2) x (1) m. Odhadněte chybu.

15 Přednáška č. 2 Jacobiho iterační metoda, postup výpočtu, kritéria konvergence. Gauss-Seidelova iterační metoda, postup výpočtu, kritéria konvergence. Super-relaxační metoda (SOR).

16 Opakování Norma matice - řádková, sloupcová, Euklidovská. PD, SPD, DD, nerozložitelně/ireducibilně diagonálně dominantní (IDD), ODD (řádky nebo sloupce), regularita matice Prostá iterační metoda. Souvislost pojmů Doplníme číslo podmíněnnosti.

17 Číslo podmíněnosti a špatně podmíněnná matice Doplnění pojmů Je-li det A 0, nemusí být soustava ještě špatně řešitelná. Vadí tzv. špatně podmíněná matice (tj. velké κ(a)) Číslo podmíněnosti κ(a) Vezmeme řešení x a x pro bĺızkou pravou stranu b, Ukážeme, že platí Ax = b (x x) x Pro SPD matice platí Př. A = ( A x = b A 1 b b A }{{} b κ(a) κ 2 (A) = λ MAX /λ MIN ), b = (2, ) T, b = (2, ) T.

18 Prostá iterační metoda Soustava tvaru Iterační metoda x = Ux + V, X (k+1) = UX (k) + V, Platí Nutná a postačující podmínka: Prostá iterační metoda je konvergentní právě tehdy, když ρ(u) < 1. Postačující podmínka: Je-li U < 1, pak prostá iterační metoda je konvergentní. Navíc platí X (k) x X (k) x U 1 U X(k) X (k 1), U k 1 U X(1) X (0),

19 Prostá iterační metoda: Příklad. Př. 1. Určete všechna p R, pro která konverguje prostá iterační metoda pro soustavu tvaru X = UX + V, kde V = ( 1, 2, 0.5) T, 0.8 p 2 0 U = , 1 1 p Pro p = 0.2, X (0) = V určete X (1) touto metodou. Př. 2. Je dána soustava rovnic x = R x + s, kde s = (1.7, 1.8, 0.5) T R = 0.1 t t Určete všechna t R, pro něž je splněna postačující podmínka konvergence prosté iterační metody pro danou soustavu. Pro t = 0.5 určete x (2) touto metodou při volbě x (0) = 0. Vypočtěte x (2) x (1) m. Odhadněte chybu.

20 Jak z matice A získám matici U? Odvození klasických iteračních metod Vezmeme postupně rovnici i = 1, 2, 3,..., n a z té nalezneme x i : a ij x j + a ii x i + a ij x j = b i j<i j>i Vyjádříme x i x i = 1 a ii b i j<i a ij x j j>i a ij x j Pozn. lze též v maticovém zápise A = L + D + P, doplníme iterace x (k+1) i, x (k/k+1) j (Jacobi, Gauss-Seidel).

21 Jacobiho iterační metoda Pro A = L + D + P. Dostáváme a Jacobiho iterační metoda Platí Dx (k+1) = (L + P)x (k) + b, x (k+1) = D 1 (L + P) x (k) + D }{{}}{{ 1 b}. U V J J Je-li matice A ODD(IDD), pak Jacobiho iterační metoda je konvergentní. Jacobiho iterační metoda je konvergentní právě tehdy, když ρ(u J ) < 1. Vlastní čísla matice U J jsou kořeny rovnice det(l + λd + P) = 0

22 Jacobiho iterační metoda: Příklad. Př. 3. Je dána soustava Ax = b, kde 1 p 0 A = 1 2 1, b = 0 p a) Pro jaké hodnoty parametru p R je matice A ODD (IDD, SPD)? Zdůvodněte! b) Určete všechny hodnoty parametru p R, pro které je Jacobiho iterační metoda pro danou soustavu konvergentní. c) Volte p = 1 a X (0) = (1, 2, 1) T. Spočtěte Jacobiho iterační metodou X (1).

23 Kde se používali/jí iterační metody? Výstavba přehrady Orĺık, Betonová hráz 450 m dlouhá, výška 91 m.

24 Složkový zápis klasických iteračních metod Jacobiho iterační metoda x (k+1) i = 1 b i a ii j<i a ij x (k) j j>i a ij x (k) j Gauss-Seidelova iterační metoda x (k+1) i = 1 b i a ii j<i a ij x (k+1) j j>i a ij x (k) j

25 Gauss-Seidelova iterační metoda Pro Ax = b zapíšeme A = L + D + P. Dostáváme a tedy iterační metodu Platí (D + L)x (k+1) = Px (k) + b, x (k+1) = (D + L) 1 P x (k) + (D + L) 1 b. }{{}}{{} U GS V GS Je-li matice A ODD (IDD), pak je GS iterační metoda konvergentní. Je-li matice A SPD, pak je GS iterační metoda konvergentní. GS iterační metoda je konvergentní právě tehdy, když ρ(u GS ) < 1. Vlastní čísla matice U GS jsou kořeny rovnice det(λl + λd + P) = 0

26 Iterační metody: Příklad. Př. 4. Dána soustava lineárních rovnic AX = B, kde A = , B = p p a) Určete všechny hodnoty parametru p R, pro které je splněna některá z postačujících podmínek konvergence Gauss-Seidelovy iterační metody. b) Určete všechny hodnoty parametru p R, pro něž je splněna nutná a postačující podmínka Gauss-Seidelovy iterační metody. c) Volte p = 0 a spočtěte X (1) pokud X (0) = B. Př. 5. Dána soustava 5 1 p X = 2 p 2 a) Určete všechna p R, pro něž je splněna některá z postačujících podmínek (pro matici A, ne U G ) GS iterační metody. b) Určete všechna p R, pro něž je splněna nutná a postačující podmínka GS iterační metody. c) Volte p = 0 a spočtěte X (1) pokud X (0) = B.,,

27 Superrelaxační metoda (SOR) SOR (ω - relaxační parameter) x i (k+1) = x (k) i + ω b i a ii j<i a ij x (k+1) j j i a ij x (k) j nebo x i (k+1) = ω a ii b i j<i a ij x (k+1) j j>i a ij x (k) + (1 ω)x (k) j i Dx k+1 = Dx k + ω(b Lx k+1 Dx k Ux k ) Platí Je-li matice A ODD, ω (0, 1, pak je SOR konvergentní. Je-li matice A SPD, ω (0, 2), pak je SOR konvergentní. Je-li SOR konvergentní, pak ω (0, 2). ρ(u SOR ) je spojitá funkce v ω.

28 Superrelaxační metoda (SOR) Optimální parameter (za určitých předpokladů, ρ = ρ(u GS )) ω opt = ρ 2 Pro daný obrázek: 20 iterací GS (ω = 1) iterací SOR (ω = 1.6)

29 Příklad. SOR Př. 6. Je dána soustava Ax = b, kde 1 p 0 A = 1 2 1, b = 0 p a) Pro jaké hodnoty parametru p R je matice A SPD? Zdůvodněte! b) Volte p = 1 a X (0) = (1, 2, 1) T. Volte ω = 1.5 a spočtěte SOR iterační metodou X (1). c) Je pro tento případ SOR konvergentní? Zdůvodněte.

30 Přednáška č. 3 Gradientní metody, metoda největšího spádu, použití na soustavy s SPD maticí. Metoda sdružených gradientů. Uvažujeme kvadratickou funkci g(x 1, x 2 ) = 2x 2 1 x 1 x 2 + 4x 2 2

31 Gradientní metoda Předpoklady: Matice A symetrická a pozitivně definitní. Hledáme minimum funkce: F (x) = 1 2 xt Ax x T b

32 Gradientní metoda Předpoklady: Matice A symetrická a pozitivně definitní. Hledáme minimum funkce: Ekvivalence: F (x) = 1 2 xt Ax x T b ( Ax = b ) (F (x ) F (x) pro libovolné x). Iterační proces: Volba směru (největší spád): Optimální krok ve směru p x (k+1) = x (k) + αp p = grad F (x (k) ) = b Ax (k). α = argmin F ( x (k) + αp ) p (b Ax) = α p (Ap)

33 Příklad. Největší spád Př. 6. Je dána soustava Ax = b, kde A = 1 2 1, b = a) Ukažte, že pro danou matici je řešení soustavy rovnic ekvivalentní minimalizaci funkce F (x) = 1 2 xt Ax x T b b) Odvod te podmínku pro volbu směru p tak aby pro iterační proces x (k+1) = x (k) + αp došlo k poklesu funkce F (x) pro nějaká α > 0. Zvolte směr, v kterém je pokles funkce největší. c) Pro daný směr odvod te volbu optimálního kroku α, tj. tak aby pokles v daném směru byl největší možný. d) Volte X (0) = (1, 2, 1) T a spočtěte metodou největšího spádu X (1)

34 Metoda sdružených (konjugovaných) gradientů Jak volit lépe směr? ortogonální směry - nevede ke zlepšení, A-ortogonální: p i (Ap j ) = p j (Ap i ) = δ ij. Gram-Schmidtův OG proces(?), Zkusím: OG jen 2 poslední směry Voĺıme x 0, spočteme p 0 = b bax 0 Dále počítáme pro k = 0, 1,... Krok α k optimální ve směru p k, Novou iteraci x k+1 = x k + α k p k, Reziduum r k+1 = b Ax k+1, Nový směr: kolmou část rk+1 k p k.

35 Jak volit lépe směr? Metoda sdružených (konjugovaných) gradientů Předpoklady: Matice A symetrická a pozitivně definitní. x (k+1) = x (0) + Označme chybu e j = x j x. Optimální krok lze zapsat k α j p j j=0 α j = p j (Ae 0 ) p j (Ap j ) Tedy: Jsou-li směry A-ortogonální, pak platí: p i (Ae k+1 ) = 0 pro i k Důsledek?

36 Shrnutí - soustavy lineárních rovnic Příklady k zamyšlení Jednoduché ukázat: I. ρ(a) A, A 2 A F II. U < 1 pak PIM konvergentní. Ukázat odhad chyby. III. Výpočet vlastních čísel UJ a UGS, IV. ODD v řádcích, pak Jacobi konvergentní (jednoduché), V. SPD pak a ii > 0 a vlastní čísla jsou reálná kladná VI. ODD ve sloupcích, pak Jacobi konvergentní,

37 Shrnutí - soustavy lineárních rovnic Příklady k zamyšlení Jednoduché ukázat: I. ρ(a) A, A 2 A F II. U < 1 pak PIM konvergentní. Ukázat odhad chyby. III. Výpočet vlastních čísel UJ a UGS, IV. ODD v řádcích, pak Jacobi konvergentní (jednoduché), V. SPD pak a ii > 0 a vlastní čísla jsou reálná kladná VI. ODD ve sloupcích, pak Jacobi konvergentní, Obtížnější: ρ(u) < 1 pak PIM konvergentní (Jordanův tvar), ODD ve sloupcích/řádcích, pak GS je konvergentní, IDD pak Jacobi/GS je konvergentní, (viz Gerschgorin) ODD/IDD, pak SOR konvergentní pro ω (0, 1, SPD pak GS je konvergentní, SPD, pak SOR je konvergentní pro ω (0, 2),

38 Přednáška č. 4 Soustavy nelineárních rovnic Problémy existence a jednoznačnosti řešení. Iterační metody: metoda prosté iterace, Newtonova metoda.

39 Soustavy nelineárních algebraických rovnic Systém n-rovnic o n-neznámých f 1 (x 1,..., x n ) = 0. f n (x 1,..., x n ) = 0 speciální volba soustava lineárních rovnic není zaručena existence ani jednoznačnost řešení

40 Prostá iterační metoda Soustava rovnic ve tvaru F 1 (x 1,..., x n ) = x 1 Prostá iterační metoda. nebo-li x = F(x) F n (x 1,..., x n ) = x n X (k+1) = F(X (k) ), Kontraktivní zobrazení: F : M M, c [0, 1) tak, že Platí F (x) F (y) c x y Je-li F kontraktivní, pak existuje x = F (x ) (pevný bod, Banachova věta). 1D: F (x) < 1, R n : F (x) < 1.

41 Příklad. Prostá iterace pro nelineární rovnice Př. Je dána rovnice x = F(x), kde vektorová funkce F má složky F 1 (x 1, x 2 ) = 1 2 ( 2 x 1 + x 2 + x 1 ) F 2 (x 1, x 2 ) = 1 2 ( 3 x 1 + x 2 + x 2 ) a) Určete Jacobiho matici funkce F a ověřte, zda v bodě [1, 1] je její norma menší než jedna. b) Volte X (0) = (1; 1) T a stanovte aproximaci X (1) = (x (1), y (1) ) jednoho z řešení rovnice pomocí prosté iterační metody.

42 Soustavy nelineárních algebraických rovnic Newtonova metoda pro případ 1d V bodě x k užijeme Taylorův polynom 0 = f (x) = f(x k ) + f (x k )(x x k ) + R 2 (x) Zanedbáním dostaneme vzorec pro x x k+1 ( 1 x k+1 = x k f (x )) k f (x k ). Obecný vzorec pro soustavu F (x) = 0. Co je F (x)? ( 1 x k+1 = x k F (x )) k F (x k ).

43 Newtonova metoda - odvození Odvození pro 2 nelineární rovnice o 2 neznámých Označme k té přibĺıžení jako A = [x (k), y (k) ] 0 = f (x, y ) = f (A) + f x (A) (x x (k) ) + f y (A) (y y (k) ) = g(x, y ) = g(a) + g x (A) (x x (k) ) + g y (A) (y y (k) ) +... Zanedbáme-li další členy Taylorova rozvoje f x (A) x + f y (A) y + f (A) = 0, g x (A) x + g y (A) y + g(a) = 0, dostáváme soustavu lineárních rovnic pro x = x (k+1) x (k), y = y (k+1 ) y (k).

44 Newtonova iterační metoda 1. Zvoĺıme počáteční přibĺıžení [x 0, y 0 ]. 2. Postupně pro k = 0, 1,... a) Sestavíme soustavu rovnic v bodě A = [x (k), y (k) ], f x (A) x + f y (A) y + f (A) = 0 g x (A) x + g y (A) y + g(a) = 0 b) Najdeme řešení této soustavy x, y c) Spočteme nové přibĺıžení ( x (k+1) y (k+1) ) ( x (k) = y (k) ) ( x + y ) Není zaručena konvergence k řešení. Metoda může selhat (viz b)) Konvergence závisí na počátečním přibĺıžení.

45 Soustavy nelineárních algebraických rovnic Problémy existence a jednoznačnosti řešení Př. 9. Je dána soustava rovnic x y 2 = 1 y = 2 cos(πx) a) Graficky znázorněte přibližný počet a polohu kořenů této soustavy nelineárních rovnic. b) Volte x (0) = ( 0.5; 1) T a vypočtěte x (1) Newtonovou metodou c) Určete x (1) x (0) l Př. 10. Je dána soustava rovnic 1 2x y = 0 x 2 + 4y 2 = 4 a) Graficky znázorněte přibližný počet a polohu kořenů této soustavy nelineárních rovnic. b) Volte x (0) = (1; 0) T a vypočtěte x (1) Newtonovou metodou c) Určete x (1) x (0) m

46 Taylorův polynom, náhrada derivace Taylorův polynom f (x + h) = T n (h) + R n+1 (h) = n k=0 f (k) (x) h k + R n+1 (h) k! Je-li f dostatečně hladká, pak R n+1 (h) Ch n+1 = O(h n+1 ) Využijeme k náhradě derivací. f (x + h) f (x) =... f (x h) f (x) =... f (x + h) f (x h) =... Druhá derivace f (x), přesnější náhrada f (x) z hodnot v x, x h, x 2h.

47 Přednáška č. 5 Numerické řešení ODR. Taylorův polynom a odvození diferenčních náhrad. ODR, Cauchyova úloha: Matematický popis fyzikálních jevů. Obecná jednokroková metoda. Explicitní a implicitní Eulerova metoda.

48 Obyčejná diferenciální rovnice, Cauchyova úloha Cauchyova úloha pro ODR 1. řádu y = f (x, y), y(x 0 ) = y 0 Cauchyova úloha pro soustavu rovnic y = f (x, y), y(x 0 ) = y 0. Cauchyova úloha pro rovnici n-tého řádu y (n) = G(x, y, y,..., y (n 1) ), y(x 0 ) = y 0,... y (n 1) (y 0 ) = y 0, Post. podmínky pro existenci a jednoznačnost řešení: MA3.

49 Taylorův polynom, náhrada derivace Taylorův polynom f (x + h) = T n (h) + R n+1 (h) = n k=0 f (k) (x) h k + R n+1 (h) k! Je-li f dostatečně hladká, pak R n+1 (h) Ch n+1 = O(h n+1 ) Využijeme k náhradě derivací. f (x + h) f (x) =... f (x h) f (x) =... f (x + h) f (x h) =... Druhá derivace f (x), přesnější náhrada f (x) z hodnot v x, x h, x 2h.

50 Diferenční náhrady dopředná diference f (x 0 + h) f (x 0 ) = f (x 0 ) + O(h), h zpětná diference f (x 0 ) f (x 0 h) = f (x 0 ) + O(h), h 1. centrální diference f (x 0 + h) f (x 0 h) = f (x 0 ) + O(h 2 ), 2h 2. centrální diference f (x 0 + h) 2f (x) + f (x 0 h) h 2 = f (x 0 ) + O(h 2 ). 2. zpětná diference (2. řádu), A, B, C dopočítáme Af (x 0 ) + Bf (x 0 h) + Cf (x 0 2h) 2h = f (x 0 ) + O(h 2 ),

51 Princip numerického řešení y 3 [x, Y ] 3 [x, y(x )] 3 3 y=y(x) x x x x x x Přesné řešení: y = y(x) pro x a, b. Přibližné řešení Y i : krok h = (b a)/n, x i = a + ih, Y i y(x i ) Užijeme diferenční náhrady: Eulerova metoda (explicitní resp. implicitní) y (x n ) Y n+1 Y n, y (x n+1 ) Y n+1 Y n h h

52 Explicitní a implicitní Eulerova metoda. Explicitní Eulerova metoda Y n+1 Y n = f (x n, Y n ), Y n+1 = Y n + hf (x n, Y n ), h Implicitní Eulerova metoda Y n+1 Y n h = f (x n+1, Y n+1 ), Y n+1 hf (x n+1, Y n+1 ) = Y n Stabilita: Řešíme úlohu (λ C) y = λy, y(0) = 1, kde známe analytické řešení. Jak se chová numerické řešení? Globální chyba metody: O(h).

53 Eulerova explicitní metoda - srovnání s přesným řešením Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80, 2π/160.

54 Eulerova explicitní metoda - chyba v závislosti na h Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80, 2π/160.

55 Zobecnění Eulerovy explicitní metody Jednokrokové metody y 3 [x, Y ] 3 [x, y(x )] 3 3 y=y(x) x x x x x x Přesné řešení: y = y(x) pro x a, b. Přibližné řešení Y i : krok h = (b a)/n, Jednokrokové metody: x i = a + ih, Y i y(x i ) Y i+1 = Y i + hφ(x i, Y i, h) Přírůstková funkce Φ = Φ(x, y, h), přesný relativní přírůstek (x, y, h). Lokální diskretizační chyba: δ = Φ Globální (akumulovaná) chyba: e(x i ) = Y i y(x i ) Konvergence, řád metody, stabilita.

56 Př. Eulerova metoda Příklad 22. Je dána Cauchyova úloha y (y 4) = x y, y(3) = 2, a) S krokem h = 0.5 určete přibližnou hodnotu y(2) pomocí Eulerovy metody.

57 Př. Eulerova metoda Příklad 22. Je dána úloha ẍ + 2ẋ + 26x = (1 t) +, x(0) = 0.001, x(0) = 0, a) Volte krok a vypočítejte přibližné řešení v intervalu [0,4]. b) Zjistěte maximum numerického řešení a zkuste odhadnout jeho chybu (řešte na počítači).

58 Eulerova metoda Příklad 20. Je dána Cauchyova úloha y = y 1 tgx + y 3 2 y 1 + y 2 ln (x + 1) y 1 + 2y 2 1 x 2 y 3 y(1) = a) Ověřte, že Cauchyova úloha má právě jedno řešení b) Zapište interval I jejího maximálního řešení c) S krokem h = 0.2 určete přibližnou hodnotu y(1.2) pomocí Eulerovy metody

59 Přednáška č. 6 Princip jednokrokových metod typu Runge-Kutty. Collatzova metoda (E1), RK4. Konvergence metod. Praktické užití metod.

60 Explicitní a implicitní Eulerova metoda. Explicitní Eulerova metoda Y n+1 Y n = f (x n, Y n ), Y n+1 = Y n + hf (x n, Y n ), h Implicitní Eulerova metoda Y n+1 Y n h = f (x n+1, Y n+1 ), Y n+1 hf (x n+1, Y n+1 ) = Y n Stabilita: Řešíme úlohu (λ C) y = λy, y(0) = 1, kde známe analytické řešení. Jak se chová numerické řešení? Globální chyba metody: O(h).

61 Eulerova expl. metoda a přesné řešení Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80, 2π/160.

62 Eulerova expl. metoda, chyba Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80, 2π/160.

63 Zobecnění Eulerovy explicitní metody Jednokrokové metody y 3 [x, Y ] 3 [x, y(x )] 3 3 y=y(x) x x x x x x Přesné řešení: y = y(x), x a, b. Přibližné řešení Y i : Jednokroková metoda x i = a + ih, Y i y(x i ) Y i+1 = Y i + hφ(x i, Y i, h) Přírůstková funkce Φ, přesný relativní přírůstek. Lokální diskretizační chyba δ n, konzistentní metoda. Globální chyba (akumulovaná diskretizační chyba): e i = Y i y(x i ) Konvergence, řád metody, stabilita.

64 Zobecnění Eulerovy explicitní metody Metody vyššího řádu y 3 [x, Y ] 3 [x, y(x )] 3 3 y=y(x) x x x x x x Cauchyova úloha y = f (x, y), y(x 0 ) = y 0 Metody Taylorova rozvoje y(x 0 + h) = y(x 0 ) + y (x 0 )h y (x 0 )h 2 + O(h 3 ) Zderivováním dostaneme Tedy y (x) = d dx (f (x, y(x))) = f x(x, y(x)) + f y (x, y(x))y (x) Φ(x, y, h) = f (x, y) + hf x (x, y) + hf y (x, y)f (x, y)

65 Princip jednokrokových metod typu Runge-Kutta: n = 2. Metoda RK2 Y i+1 = Y i + h(ω 1 k 1 + ω 2 k 2 ) k 1 = f (x i, Y i ) k 2 = f (x i + α 2 h, Y i + hβ 21 k 1 ) Srovnáme Φ s Φ, 4 koeficienty: ω 1, ω 2, α 2, β 21. Jejich volbou dosáhneme 2. řád přesnosti (srovnáním s metodou Taylorova rozvoje)

66 Princip jednokrokových metod typu Runge-Kutty. Collatzova metoda: Y i+1 = Y i + hk 2 k 2 = f (x i + h 2, Y i + h 2 k 1), k 1 = f (x i, Y i ), grafické znázornění, řád metody: O(h 2 ).

67 Collatzova metoda - srovnání s přesným řešením Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80.

68 Collatzova metoda - chyby v závislosti na kroku h Rovnice ẍ + x = 0 Konvergence k řešení pro h = 2π/20, 2π/40,, 2π/80.

69 Princip jednokrokových metod typu Runge-Kutta Jednokroková metoda n-tého stupně: Y i+1 = Y i + hφ(x i, Y i, h) Metody RK: Speciální volba přírůstkové funkce Φ(x i, Y i, h) Φ(x i, Y i, h) = n ω i k i i=1 kde i 1 k i = f (x i + α i h, Y i + h β ij k i ) Volba koeficientů: co nejvyššího řád konvergence, závisí na n. j=1

70 Metoda Runge-Kutty 4. řádu. Runge-Kutta 4. řádu: Y i+1 = Y i + h 6 (k 1 + 2k 2 + 2k 3 + k 4 ), k 1 = f (x i, Y i ), k 2 = f (x i + h, Y i 2 + hk 2 1), k 3 = f (x i + h, Y i 2 + hk 2 2), k 4 = f (x i + h, Y i + hk 3 ), Řád metody: O(h 4 ).

71 Řád konvergence metod typu Runge-Kutty. kde ( n ) Y i+1 = Y i + h ω i k i, i=1 i 1 k i = f (x i + α i h, Y i + β ij k i ) j=1 Řád konvergence: n p Pozn. Volba kroku: h lze volit i záporné, lze použít i volba h > 1 - souvislost s O(h p )!

72 Příklady - Cauchyova úloha. 21. Je dána Cauchyova úloha ( y 2x y 2 = 2 + y y1 2x ) y(0) = ( 0 1 ) a) Zapište oblast G v níž jsou splněny postačujícípodmínky existence a jednoznačnosti řešení Cauchyovy úlohy. b) Užitím Collatzovy metody (1.modifikace Eulerovy metody) s krokem h = 1 určete přibližně hodnotu řešení v bodě x = 2. c) Necht y i označuje hodnotu numerického řešení v bodě x i získaného Collatzovou metodou a y i hodnotu přesného řešení. Zapište pomocí těchto hodnot globální chybu ε i. Zapište jaká je závislost ε i na kroku h a určete jakého řádu je Collatzova metoda. Odhadněte, jak se změní globální chyba v bodě x při změně kroku z h na h/4 u Collatzovy metody. 22. Je dána Cauchyova úloha y yy + y y ln x = x x 2 1, y(3) = 1, y (3) = 0, y (3) = 0. Určete s krokem h = 0, 4 pomocí Collatzovy metody přibližnou hodnotu řešení y (3.4).

73 Přednáška č. 7 Metoda sítí (konečných diferencí) v 1 a 2D. Okrajová úloha pro obyčejnou lineární diferenciální rovnici 2. řádu. Existence a jednoznačnost řešení. Samoadjungovaný tvar rovnice. Sturmovy okrajové podmínky.

74 Metoda sítí 1D a x i b Řešení hledáme na I = a, b Voĺıme h = (b a)/n, sít x i = a + ih Řešení aproximujeme y(x i ) Y i Derivace nahradíme diferencemi, řešíme soustavu A h ( Y ) = F h

75 Metoda sítí 2D Ω y x Aproximujeme u(x, y), [x, y] Ω R 2 : voĺıme h > 0, označíme x i = x 0 + ih, sít ové čáry x = x i

76 Metoda sítí 2D Ω y x Aproximujeme u(x, y), [x, y] Ω R 2 : voĺıme h > 0, označíme x i = x 0 + ih, sít ové čáry x = x i označíme y j = y 0 + jh, sít ové čáry y = y j

77 Metoda sítí 2D Ω y x Aproximujeme u(x, y), [x, y] Ω R 2 : voĺıme h > 0, označíme x i = x 0 + ih, sít ové čáry x = x i označíme y j = y 0 + jh, sít ové čáry y = y j označíme P i,j = [x i, y j ] průsečíky sít ových čar v Ω u(p i,j ) U i,j, derivace diference, dostaneme G h ( U h ) = F h

78 Okrajová úloha pro diferenciální rovnici 2. řádu Motivace: proč řešíme? Cauchyova úloha: my = F (x, y, y ), y(a) = A, y (a) = K Fyzikálně: např. hmotný bod [a, A], má danou rychlost,?trajektorie? Okrajová úloha: my = F (x, y, y ), y(a) = A, y(b) = B Fyzikálně: jak se z [a, A] dostat do [b, B]?

79 Okrajová úloha pro lineární diferenciální rovnici 2. řádu Formulace Lineární diferenciální rovnici 2. řádu y + f 1 (x)y + f 2 (x)y = g(x), pro x (a, b), Okrajové podmínky (Sturmovy okrajové podmínky), α 1 + α 2 0, β 1 + β 2 0, α 1 y (a) + α 2 y(a) = α 3, β 1 y (b) + β 2 y(b) = β 3. Speciální volby: Okrajové podmínky Neumannovy y (a) = α, y (b) = β, Dirichletovy y(a) = α, y(b) = β, y(a) = α, y (b) = β. Kdy existuje jednoznačné řešení y(x)? pro okrajovou úlohu mnohem komplikovanější

80 Existence řešení pro okrajovou úlohu Lineární diferenciální rovnice 2. řádu Úloha A: y (x) = sin(x), y(0) = 2, y(π) = 2. Úloha B: Úloha C: Úloha D: Úloha E: y + y = 0, y(0) = 0, y(π) = 1. y + y = 0, y(0) = 0, y(π/2) = 1. y + y = 0, y(0) = 0, y(π) = 0. y + y = 0, y(0) = 0, y(π) = 0. Ve všech případech: hladká data. Existenci a jednoznačnost řešení lze zaručit jen pro úlohy ve speciálním tvaru.

81 Existence řešení pro okrajovou úlohu Tvar rovnice v technických úlohách V technických úlohách má diferenciální rovnice často tvar (py ) + qy = f, p, q - materiálové konstanty, kladné/nezáporné. pro neizotropní materiál - p, q jako nezáporné funkce p = p(x), q = q(x). Samoadjungovaný tvar rovnice: (p(x)y ) + q(x)y = f (x),

82 Existence a jednoznačnost řešení pro úlohy v samoadjungovaném tvaru Je dána okrajová úloha: a okrajové podmínky Necht platí (p(x)y ) + q(x)y = f (x), α 1 y (a) + α 2 y(a) = α 3, β 1 y (b) + β 2 y(b) = β 3. (i) p(x), p (x), q(x), f (x) - spojité funkce na a, b (ii) p(x) > 0, q(x) 0 pro x a, b Pak existuje právě jedno řešení (s výjimkou případu α 2 = β 2 = 0 q(x)).

83 Převod na samoadjungovaný tvar Uvažujeme rovnici y + f 1 (x)y + f 2 (x)y = g(x), pro x (a, b), přenásobíme p(x) (neznámá funkce) p(x)y p(x)f 1 (x)y p(x)f 2 (x)y = p(x)g(x), samoadjungovaný tvar Dostáváme: p(x)y p (x)y +q(x)y = f (x), }{{} (py ) p (x) = p(x)f 1 (x), q(x) = p(x)f 2 (x), diferenciální rovnice pro p(x) f (x) = p(x)g(x).

84 Převod na samoadjungovaný tvar. Příklady. 23. Formulujte Dirichletovu úlohu pro obyčejnou lineární diferenciální rovnici 2.řádu v samoadjungovaném tvaru a) Uved te podmínky pro jednoznačnou řešitelnost úlohy (a) b) Zdůvodněte, zda jsou postačující podmínky splněny pro úlohu (xy ) + 3 x y = ln(2 + x) x y(1) = 0, y(2) = Je dána Dirichletova úloha y 2 x y + (c x)y + x 2 = 0 y(2) = 1, y(4) = 3 a) Danou rovnici převed te na samoadjungovaný tvar b) Určete všechny hodnoty parametru c R, pro něž jsou splněny postačující podmínky jednoznačné řešitelnosti Dirichletovy úlohy 25. Je dána Dirichletova úloha y 4 x 2 4 y = 1 y(3) = 0, y(5) = 1 a) Ověřte, že úloha má právě jedno řešení b) Odvod te soustavu sít ových rovnic, která vznikne při řešení dané úlohy metodou sítí s krokem h = Je dána rovnice y + 2 x y x 2 + x y = 1 x 3 a) Určete intervaly maximálního řešení Cauchyovy úlohy pro danou rovnici b) Ověřte, že jsou splněny postačující podmínky jednoznačné řešitelnosti Dirichletovy úlohy pro danou rovnici s okrajovými podmínkami y( 5) = 2, y( 3) = 0

85 Princip numerického řešení (p(x)y ) + q(x)y = f (x), + okrajové podmínky a x i b Označme přesné řešení y = y(x) pro x I = a, b. Interval I rozděĺıme ekvidistantně s krokem h x i = a + i h, označme q i = q(x i ), f i = f (x i ), p i = p(x i ) Budeme hledat přibližné řešení Y i y(x i ) Rovnici (py ) + qy = f nahradíme v bodech x i qy xi q i Y i f xi = f i ( py ) dvojím užitím 1. centrální diference

86 Diferenční náhrada v uzlu x i (py ) + qy = f, y(a) = A, y(b) = B, x i 1 x i 1/2 x x x i i+1/2 i+1 1. centrální diference s krokem h/2 (py ) xi p i+ 1 2 y (x i+ 1 ) Y i+1 Y i 2 h tedy dostaneme y (x i+ 1 2 ( py ) xi p i 1 2 Y i 1 (p i+ 1 2 ) p i 1 2 h y (x i 1 2 ),, y (x i 1 ) Y i Y i 1 2 h + p i 1 2 h 2 )Y i + p i+ 1 Y i+1 2

87 Princip numerického řešení Označme přesné řešení y = y(x) pro x I = a, b. Interval I rozděĺıme ekvidistantně s krokem h x i = a + i h, označme q i = q(x i ), f i = f (x i ), p i = p(x i ) Budeme hledat přibližné řešení Y i y(x i ) Rovnici (py ) + qy = f nahradíme v bodech x i qy xi q i Y i f xi = f i ( py ) p i 1/2 Y i 1 + (p i+1/2 + p i 1/2 )Y i p i+1/2 Y i+1 h 2 Jaká je lokální diskretizační chyba a globální chyba?

88 Přednáška č. 8 Numerické řešení okrajové úlohy pro ODR. Aproximace Dirichletových a Neumannových okrajových podmínek, Řešení vzniklé soustavy lineárních rovnic.

89 Princip numerického řešení (p(x)y ) + q(x)y = f (x), + okrajové podmínky a x i b Označme přesné řešení y = y(x) pro x I = a, b. Interval I rozděĺıme ekvidistantně s krokem h x i = a + i h, označme q i = q(x i ), f i = f (x i ), p i = p(x i ) Budeme hledat přibližné řešení Y i y(x i ) Rovnici (py ) + qy = f nahradíme v bodech x i qy xi q i Y i f xi = f i ( py ) dvojím užitím 1. centrální diference s krokem h/2

90 Diferenční náhrada v uzlu x i (py ) + qy = f, y(a) = A, y(b) = B, x i 1 x i 1/2 x x x i i+1/2 i+1 1. centrální diference s krokem h/2 (py ) xi p i+ 1 2 y (x i+ 1 ) Y i+1 Y i 2 h tedy dostaneme y (x i+ 1 2 ( py ) xi p i 1 2 Y i 1 (p i+ 1 2 ) p i 1 2 h y (x i 1 2 ),, y (x i 1 ) Y i Y i 1 2 h + p i 1 2 h 2 )Y i + p i+ 1 Y i+1 2

91 Diferenční schéma pro Dirichletovu úlohu Vlastnosti soustavy rovnic Aproximovali jsme Dirichletovu úlohu (py ) + qy = f, y(a) = A, y(b) = B, (1) soustavou rovnic pro i = 1,..., n 1 p i 1 Y i 1 + (p 2 i+ 1 + p 2 i 1 2 kde dosadíme za Y 0 = A, Y n = B. Vlastnosti soustavy rovnic: + h 2 q i )Y i p i+ 1 Y i+1 = h 2 f i 2 Matice soustavy je symetrická, třídiagonální. Matice soustavy je diagonálně dominantní (p > 0, q 0). Je-li q > 0 pak matice soustavy je ODD. Vždy je IDD. Matice soustavy je pozitivně definitní (p > 0, q 0).

92 Náhrada Neumannovy okrajové podmínky Vlastnosti soustavy rovnic Aproxinujeme úlohu (py ) + qy = f, y(a) = A, y (b) = B, (2) diference 1. řádu (řád chyby!) Y n Y n 1 = B h 1. centrální diference (ghost cell, přidáme x n+1 = b + h) Y n+1 Y n 1 2h = B p n 1 2 Y n 1 + (p n p n h2 q n )Y n p n+ 1 2 Y n+1 = h 2 f n 3. bodová diference z x n, x n 1, x n 2 (nevhodné: porušíme DD i symetrii), v uzlu x = b postupujeme obdobně.

93 Diferenční náhrada dif. rovnice Věta: Pro p C 3 (I ), y C 4 (I ) platí (py ) x=xi = p i+ 1 2 y i+1 y i y h p i y i 1 i 1 2 h h + O(h 2 )

94 Diferenční náhrada dif. rovnice Věta: Pro p C 3 (I ), y C 4 (I ) platí (py ) x=xi = p i+ 1 2 y i+1 y i y h p i y i 1 i 1 2 h h + O(h 2 ) Dk. (py ) x=xi = p i+ 1 y (x 2 i+ 1 ) p 2 i 1 y (x 2 i 1 ) 2 + O(h 2 ), h y (x i+ 1 2 ) = y i+1 y i h nebot platí + O(h 3 ) h2 24 y (x i+1/2 ), y (x i 1 ) = y i y i 1 2 h + O(h 3 ) h2 24 y (x i 1/2 ), z(x 0 + h/2) z(x 0 h/2) = z (x 0 )h + 2 h 3 3! 8 z (x 0 ) + O(h 4 ), z(x 0 + h/2) = z(x 0 ) + z (x 0 ) h z (x 0 ) h ! z (x 0 ) h O(h4 ) z(x 0 h/2) = z(x 0 ) z (x 0 ) h z (x 0 ) h ! z (x 0 ) h O(h4 )

95 Lokální diskretizační chyba, globální chyba Dirichletova úloha Víme: Přesné řešení Dirichletovy úlohy y(x) splňuje (py ) + qy = f, y(a) = A, y(b) = B, (3) pro y C 4 (I ) a y hodnoty řešení y(x) v uzlech sítě x i platí, Přibližné řešení Y splňuje A h y = F h + η h, η h,i = O(h 2 ) A Y = F Lokální diskretizační chyba je O(h 2 ). Lze něco říct o globální chybě chybě e = y Y?

96 Stabilita pro spec. rovnici Úloha y = f (x), y(a) = 0, y(b) = 0. Vede na soustavu rovnic s maticí A Ukážeme Au = λu, kde pro k = 1,..., n 1 u = (u j ) n 1 j=1, u j = exp(±iπkj/n), λ = 2 2 cos(πk/n) Symetrická poz. definitní matice: A 1 2 = 1/λ MIN = 1/(2 2 cos(π/n)) n 2 /π 2 = 1/(π 2 h 2 )

97 Numerické řešení vybraného problému y = 4 π 2 cos(pi x), y( 1) = y(1) = 0 2 Známe analytické řešení.

98 Numerická řešení, konvergence y = 4 π 2 cos(pi x), y( 1) = y(1) = 0 2 Numerické řešení, krok h = 1 4, h = 1 8, h = 1 16, h = 1 32

99 Numerická řešení, chyba y = 4 π 2 cos(pi x), y( 1) = y(1) = 0 2 Chyba numerického řešení(log), krok h = 1 4, h = 1 8, h = 1 16, h = 1 32

100 Numerická řešení Konvergence závisí na úloze (x 2 y ) = 1, y(0) = y(1) = 0 Numerické řešení, krok h = 1 4, h = 1 8, h = 1 16, h = 1 32

101 Příklady. Metoda sítí pro Dirichletovu úlohu v samoadjungovaném tvaru 27. Je dána Dirichletova úloha y 2 x y + (c x)y + x 2 = 0 y(2) = 1, y(4) = 3 a) Danou rovnici převed te na samoadjungovaný tvar b) Určete všechny hodnoty parametru c R, pro něž jsou splněny postačující podmínky jednoznačné řešitelnosti Dirichletovy úlohy c) Napište první dvě rovnice soustavy sít ových rovnic která vznikne při řešení dané úlohy metodou sítí s krokem h = 0.2 pro c = Je dána Dirichletova úloha y 4 x 2 4 y = 1 y(3) = 0, y(5) = 1 a) Ověřte, že úloha má právě jedno řešení b) Odvod te soustavu sít ových rovnic, která vznikne při řešení dané úlohy metodou sítí s krokem h = Je dána rovnice y + 2 x y x 2 + x y = 1 x 3 a) Určete intervaly maximálního řešení Cauchyovy úlohy pro danou rovnici b) Ověřte, že jsou splněny postačující podmínky jednoznačné řešitelnosti Dirichletovy úlohy pro danou rovnici s okrajovými podmínkami y( 5) = 2, y( 3) = 0 c) Napište první dvě rovnice soustavy sít ových rovnic která vznikne při řešení dané úlohy metodou sítí s krokem h = 0.4

102 Přednáška č. 9 Klasifikace lineárních parciálních diferenciálních rovnic 2.řádu dvou nezávisle proměnných. Numerické řešení Dirichletovy úlohy pro Poissonovu rovnici.

103 Klasifikace parciálních diferenciálních rovnic(pdr) Příklady PDR Eliptická rovnice: Poissonova rovnice ( u = f ) nebo 2 u x u y 2 = f, u = f, Parabolická rovnice: Rovnice vedení tepla (p > 0) u t = p 2 u x 2 + f, Hyperbolická rovnice: Vlnová rovnice (c > 0) 2 u 2 t = c2 2 u x 2 + f,

104 Dirichletova úloha pro Poissonovu rovnici Existence řešení? Hledáme u C 2 (Ω) C 1 (Ω) takové, že u = f v Ω, u = ϕ na Ω Existence (klasického) řešení závisí na vlastnostech f, ϕ a Ω. Věta: Ω oblast s hladkou hranicí (C 2 ), ϕ C(Ω), f C 1 (Ω), pak existuje právě jedno řešení u C 2 (Ω). Věta: Ω konvexní, Lipschitzovsky spojitá hranice, ϕ C(Ω), f 0, pak existuje právě jedno řešení u C 2 (Ω).

105 Metoda sítí 2D Ω y x Aproximujeme u(x, y), [x, y] Ω R 2 : voĺıme h > 0, označíme x i = x 0 + ih, sít ové čáry x = x i označíme y j = y 0 + jh, sít ové čáry y = y j označíme P i,j = [x i, y j ] průsečíky sít ových čar v Ω u(p i,j ) U i,j, derivace diference, dostaneme G h ( U h ) = F h

106 Diferenční náhrady parciální derivace h P i,j+1 P i 1,j P P h i,j i,j 1 P i+1,j 2. centrální diference f (x 0 + h) 2f (x) + f (x 0 h) h 2 = f (x 0 ) + O(h 2 ). Užijeme 2. centrální diferenci ve směru x resp. y, chyba O(h 2 ) nahradíme 2 u x 2 (x i, y j ) U i 1,j 2U i,j + U i+1,j h 2, 2 u y 2 (x i, y j ) U i,j 1 2U i,j + U i,j+1 h 2,

107 Diferenční náhrady 2. parciální derivace h P i,j+1 P i 1,j P P h i,j i,j 1 P i+1,j 2 u x 2 (x i, y j ) U i 1,j 2U i,j + U i+1,j h 2, 2 u y 2 (x i, y j ) U i,j 1 2U i,j + U i,j+1 h 2, Náhrada rovnice u = f v bodě P i,j U i,j 1 U i 1,j + 4U i,j U i,j+1 U i+1,j = h 2 f i,j jen pro P i,j, který má všechny sousedy, takový uzel nazýváme regulární.

108 Hraniční a neregulární uzly Ω y x Aproximujeme řešení u(p i,j ) U i,j Označíme hraniční, regulární a neregulární uzly. v hraničních uzlech Q - užijeme Dirichletovy okrajové podmínky U Q = ϕ(q) v neregulárních uzlech P N - chceme zachovat řád aproximace!

109 Náhrada v neregulárním uzlu u R h N δh Q sitova primka Hodnotu v neregulárním uzlu - lineární interpolace tedy U R U N h = U N U Q δh (1 + δ)u N δu R = U Q Pro hladké řešení je tato náhrada 2. řádu přesnosti, tj. chyba O(h 2 ). Dle Taylorova rozvoje v P N : u(x + δh) = u(x) + δhu (x) + O(h 2 ) u(x h) = u(x) hu (x) + O(h 2 )

110 Vlastnosti soustavy rovnic. Řád aproximace Výsledná soustava rovnic je lineární soustava rovnic (n o n neznámých). Matice soustavy je symetrická (?, pozor, neregulární uzly) Matice soustavy je DD (ne však ODD), většinou IDD. Matice soustavy je pozitivně definitní. Lokální chyba aproximace O(h 2 ). Co platí pro globální chybu? e h = u U h Je e h = O(h 2 )? A h U h = F h A h u = F h + η h, η h = O(h 2 )

111 Poissonova rovnice Příklad 33. Je dána Dirichletova úloha u = 4 v oblasti Ω tvořené čtyřúhelníkem s vrcholy [0; 0], [2; 0], [0; 1.8], [1.4; 1.8] s okrajovou podmínkou u(x, y) = x 2 na hranici Γ = Ω b) Načrtněte obrázek s číslováním uzlů pro h = 0.6 c) Sestavte sít ové rovnice v uzlech tak, aby metoda byla 2.řádu přesnosti 34. a) Je dána Dirichletova úloha u = x(y + 1) v oblasti Ω tvořené čtyřúhelníkem s vrcholy [0; 0], [1.8; 0], [0; 1.5] a [1.5; 1.5]. s okrajovou podmínkou u(x, y) = x + y na hraniciγ. (a) Volte h = 0.5, nakreslete obrázek oblasti, zobrazte všechny sít ové čáry, sít ové uzly uvnitř oblasti, regulární neregulární a hraniční uzly, číslování uzlů. (b) Sestavte sít ové rovnice, v neregulárních uzlech užijte lineární interpolace.

112 Přednáška č. 10 Rovnice vedení tepla Metoda sítí pro rovnici vedení tepla. Explicitní a implicitní schéma. Konvergence a stabilita schémat.

113 Rovnice vedení tepla Úloha: počáteční podmínka u t = p 2 u x 2 + f, u(x, 0) = u 0 (x), x a, b, okrajové podmínky u(a, t) = α(t), u(b, t) = β(t), t 0.

114 Metoda sítí a aproximace řešení Rovnice: u t = p 2 u x 2 + f, Sít : Voĺıme krok h = (b a)/n a krok τ > 0. x i = a + ih, t k = kτ, Sít ové uzly P k i a aproximace řešení U k i Postup řešení: P k i = [x i, t k ], U k i u(x i, t k ). {U 0 i } {U 1 i } {U 2 i } {U 3 i }...

115 Rovnice vedení tepla Explicitní schéma P k + 1 i τ P k i h Rovnice: u t = p 2 u x 2 + f, Náhrada v uzlu P k i, chyba O(h 2 + τ) 2 u x 2 (Pk i ) Uk i 1 2Uk i + Ui+1 k h 2 u t (Pk i ) Uk+1 i Ui k τ

116 Rovnice vedení tepla Explicitní schéma P k + 1 i τ P k i Rovnice: u t = p 2 u x 2 + f, Náhrada v uzlu Pi k, chyba O(h 2 + τ) U k+1 i Ui k τ násobíme τ, označíme σ = pτ h 2 Stabilita: h = p Uk i 1 2Uk i + U k i+1 h 2 + f k i, U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, σ = pτ h

117 Rovnice vedení tepla Explicitní schéma - stabilita Schéma: U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, Je chyba malá, je-li h a τ malé? voĺıme h = 0.01, τ = 0.001, σ = τ h 2 = 10 u t = u xx, u(x, 0) = (100x) 2, u(0, t) = 0, u(0.05, t) = 25 t x

118 Rovnice vedení tepla Explicitní schéma - stabilita Schéma: U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, Je chyba malá, je-li h a τ malé? voĺıme h = 0.01, τ = , σ = τ h 2 = 0.5 u t = u xx, u(x, 0) = (100x) 2, u(0, t) = 0, u(0.05, t) = 25 t x

119 Rovnice vedení tepla Explicitní schéma P k + 1 i τ P k i h Schéma: U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, Chyba aproximace: Stabilita O(h 2 + τ), σ = pτ h

120 Rovnice vedení tepla Implicitní schéma τ h P k+1 i Rovnice: u t = p 2 u x 2 + f, Náhrada v uzlu P k+1 i, chyba O(h 2 + τ) 2 u x 2 (Pk+1 i u ) Uk+1 i 1 2Uk+1 i + U k+1 i+1 h 2 t (Pk+1 i ) Uk+1 i Ui k τ

121 Rovnice vedení tepla Implicitní schéma τ h P k+1 i Rovnice: u t = p 2 u x 2 + f, Náhrada v uzlu P k+1 i, chyba O(h 2 + τ) U k+1 i Ui k τ = p Uk+1 i 1 2Uk+1 i + U k+1 i+1 h 2 + f k+1 i, násobíme τ, označíme σ = pτ h 2, dostáváme σu k+1 i 1 + (1 + 2σ)Uk+1 i σu k+1 i = Ui k + τf k+1 i,

122 Rovnice vedení tepla Srovnání explicitní a implicitní schéma Explicitní schéma: τ P k + 1 i P k i h τ h P k+1 i U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, Chyba aproximace: O(h 2 + τ), Stabilita: σ = pτ h Implicitní schéma: σu k+1 i 1 Chyba aproximace: O(h 2 + τ), Stabilita: Vždy. + (1 + 2σ)Uk+1 i σu k+1 i = Ui k + τf k+1 i,

123 Rovnice vedení tepla Srovnání explicitní a implicitní schéma Explicitní schéma: τ P k + 1 i P k i h τ h P k+1 i U k+1 i = σu k i 1 + (1 2σ)U k i + σu k i+1 + τf k i, Chyba aproximace: O(h 2 + τ), Stabilita: σ = pτ h Implicitní schéma: σu k+1 i 1 + (1 + 2σ)Uk+1 i σu k+1 i = Ui k + τf k+1 i, Chyba aproximace: O(h 2 + τ), Stabilita: Vždy. Lze Crank-Nicholson: Chyba aproximace: O(h 2 + τ 2 ), stabilita vždy.

124 Rovnice vedení tepla Příklad 35.a) Je dána smíšená úloha u t = u + x + 2t v oblasti Ω = {[x; t] : x (0; 1); t > 0} x2 u(x, 0) = x 2 pro x 0; 1 1 u(0, t) = arctg(t), u(1, t) = 2t + 1 pro t 0 b) Ověřte splnění podmínek souhlasu c) Určete τ a minimální krok h tak, aby při jejím řešení stabilní explicitní metodou ležel bod P = [0.25; 0.1] v prvé časové vrstvě d) Pro hodnoty τ a h z bodu (b) určete přibližnou hodnotu řešení v bodě P užitím explicitní metody e) Při h = τ = 0.25 sestavte soustavu sít ových rovnic pro první časovou vrstvu užitím implicitní formule 36. Je dána rovnice b) Při zadaných podmínkách u t = u x 2 v oblasti Ω = {[x; t] : x (0; 2); t > 0} u(x, 0) = x(2 x), u(0, t) = 30t, u(2, t) = 0, pro x 0; 2, t 0, sestavte soustavu sít ových rovnic pro první časovou vrstvu pomocí implicitního schematu. Volte h = 0.5 a τ = 0.1 c) Rozhodněte, zda lze volit časový krok τ = 0.01, resp. τ = 1 aby pro daný krok v ose x bylo užité schema stabilní

125 Přednáška č. 11 Metoda sítí pro vlnovou rovnici. Explicitní a implicitní schéma. Konvergence a stabilita schémat.

126 Formulace smíšené úlohy pro vlnovou rovnici Vlnová rovnice (c > 0) počáteční podmínky 2 u 2 t = c2 2 u x 2 + f, u(x, 0) = ϕ(x), u (x, 0) = ψ(x), t okrajové podmínky x a, b, x a, b, u(a, t) = α(t), u(b, t) = β(t), t 0. Jsou splněny podmínky souhlasu.

127 Explicitní schema P i k+1 k P P P i 1 i i+1 k k Aproximace derivací P i k 1 2 u 2 t = c2 2 u x 2 + f, Sít : Voĺıme krok h = (b a)/n a krok τ > 0. x i = a + ih, t k = kτ,

128 Explicitní schéma Náhrada v regulárním uzlu P i k+1 k P P P i 1 i i+1 k k Rovnice: Náhrada v uzlu P k i : P i k 1 2 u 2 t = c2 2 u x 2 + f, U k+1 i 2U k i + U k 1 i = c 2 Uk i+1 2Uk i + U k i 1 + f k

129 Explicitní schéma Náhrada v regulárním uzlu P i k+1 k P P P i 1 i i+1 k k P i k 1 Náhrada v uzlu P k i, explicitní schéma U k+1 i = σ 2 Ui+1 k + 2(1 σ 2 )Ui k + σ 2 Ui 1 k U k 1 i + τ 2 fi k Stabilita: σ = cτ h 1.

130 Náhrada na 1. časové vrstvě Náhrada s chybou O(τ 2 ) Náhrada s chybou O(τ): nebo-li u t (x i, 0) = u(x i, τ) u(x i, 0) + O(τ) U1 i Ui 0 τ τ U 1 i u(x i, τ) = u(x i, 0) + τ u t (x i, 0) + O(τ 2 )

131 Vlnová rovnice, explicitní schéma Lokální chyba aproximace - 2. centrální diference (viz Přednáška 7) O(h 2 + τ 2 ) Důležitá stabilita: σ 1 Lze užít implicitního schématu, tj. aby byla zaručena stabilita pro libovolné σ 0?

132 Implicitní schéma Náhrada v regulárním uzlu Rovnice: Náhrada v uzlu P k i : 2 u 2 t = c2 2 u x 2 + f, 2 u 2 t (Pk i ) Uk+1 i 2Ui k + U k 1 i τ 2 2 u x 2 (Pk i ) 1 U k+1 i+1 2Uk+1 i + U k+1 i 1 2 h Dosadíme do rovnice, násobíme τ 2, označíme σ 2 = c2 τ 2 h 2 vyjádříme soustavu pro U k+1 i 1 2 σ2 U k+1 i 1 + (1 + σ2 )U k+1 i 1 2 σ2 U k+1 i+1 = 1 2 σ2 U k 1 i 1 (1 + σ2 )U k 1 i U k 1 i+1 2Uk 1 i + U k 1 i 1 h σ2 U k 1 i+1 + 2Uk i + τ 2 f k i

133 Vlnová rovnice Příklad 37. Je dána smíšená úloha 2 u t 2 = 4 2 u x 2 + x sin t u(x, 0) = x 2 u, t (x, 0) = 1 x2 pro x 1; 1 u( 1, t) = 1, u(1, t) = cos t pro t 0; ) Ověřte splnění podmínek souhlasu (pro polohu a rychlost) b) Určete maximální krok τ tak, aby byla splněna podmínka stability pro explicitní metodu s prostorovým krokem h = 0.2 c) Odvod te sít ové rovnice pro první časovou vrstvu při náhradě u (x, 0) s chybou O(τ) t d) Stanovte přibližnou hodnotu řešení v bodě A = [0.2; 0.2]. Užijte výsledky z bodů (b) a (c). 38.a) Je dána smíšená úloha 2 u t 2 = 4 2 u x 2 + x u u(x, 0) = x(x 1), t (x, 0) = (1 x)2 pro x 0; 1 u(0, t) = sin t, u(1, t) = 0 pro t 0; ) Ověřte splnění podmínek souhlasu. b) Pro explicitní metodu volte h = 0.2. Určete τ tak, aby byla splněna podmínka stability a bod A = [0.4; 0.2] byl uzlem sítě c) Stanovte přibližnou hodnotu řešení v bodě A. Pro první časovou vrstvu užijte náhradu s chybou O(τ).

134 Přednáška č. 12 Aproximace metodou nejmenších čtverců

135 Aproximace pomocí metody nejmenších čtverců Úloha: Chceme najít závislost v naměřených datech - obsahují nepřesnosti, Princip aproximace: Hledáme takovou funkci v dané(m) množině(prostoru), která minimalizuje odchylku.

136 Volba funkce: Např. polynom stupně n Aproximace pomocí metody nejmenších čtverců Princip: Minimalizace kvadratické odchyklky δ 2 (p(x)) = (p(x i ) y i ) 2 i

137 Aproximace pomocí metody nejmenších čtverců Princip: Minimalizace kvadratické odchyklky δ 2 (p(x)) = i (p(x i ) y i ) 2 dána tabulka dat [x i, y i ], minimalizujeme kvadratickou odchylku G(a 0, a 1 ) := δ 2 (p(x)) = i (p(x i ) y i ) 2 odvození normálních rovnic G/ a k = 0 pro k = 0, 1. soustava normálních rovnic a 0 ( i 1) + a 1 ( i x i ) = i y i, a 0 ( i x i ) + a 1 ( i x 2 i ) = i x i y i,

138 Aproximace pomocí metody nejmenších čtverců 13.a) Vysvětlete princip metody nejmenších čtverců při aproximaci tabulky hodnot (x i, y i ) pro i = 1,..., n polynomem nejvýše 1. stupně. b) Odvod te obecně soustavu normálních rovnic pro případ (a). c) Určete polynom p1 nejvýše 1. stupně, který ve smyslu metody nejmenších čtverců nejlépe aproximuje danou tabulku hodnot: x i y i a) Vysvětlete princip metody nejmenších čtverců při aproximaci tabulky hodnot (x i, y i ) pro i = 1,..., n polynomem nejvýše 2. stupně. b) Odvod te obecně soustavu normálních rovnic pro případ (a). c) Určete polynom p1 nejvýše 2. stupně, který ve smyslu metody nejmenších čtverců nejlépe aproximuje danou tabulku hodnot. Určete odpovídající kvadratickou odchylku. x i y i

139 Opakování Příklady.

140 Písemka (1., 2.) 1. Je dána tabulka hodnot x i y i a) Zapište podmínku, kterou má splňovat polynom nejvýše 2. stupně, který aproximuje tabulku hodnot x i y i metodou nejmenších čtverců. Odvod te soustavu normálních rovnic pro tento případ. [8b] b) Sestavte soustavu normálních rovnic pro zadanou tabulku hodnot a pro aproximaci polynomem p2 (x) nejvýše 2. stupně. Proved te LU rozklad matice soustavy a užitím LU rozkladu vypočtěte přesné řešení soustavy. [10b] c) Určete polynom p2 (x) nejvýše 2. stupně, který danou tabulku hodnot aproximuje nejlépe ve smyslu metody nejmenších čtverců. [7b] 2. Je dána Cauchyova úloha ( y 2x y 2 = 2 + y y1 2x ) ( 0 y(0) = 1 ) a) Zapište oblast G v níž jsou splněny postačujícípodmínky existence a jednoznačnosti řešení Cauchyovy úlohy [5b] b) Užitím Collatzovy metody (1.modifikace Eulerovy metody) s krokem h = 1 určete přibližně hodnotu řešení v bodě x = 2. [10b] c) Necht y i označuje hodnotu numerického řešení v bodě x i získaného Collatzovou metodou a y i hodnotu přesného řešení. Zapište pomocí těchto hodnot globální chybu ε i. Zapište jaká je závislost ε i na kroku h a určete jakého řádu je Collatzova metoda. Odhadněte, jak se změní globální chyba v bodě x při změně kroku z h na h/4 u Collatzovy metody. [10b]

141 Písemka (3., 4.) 3. Je dána Dirichletova okrajová úloha y + 1 2x y 4y = 2, y(1) = 1, y(5) = 0 x a) Danou rovnici převedte na samoadjungovaný tvar. Zapište postačující podmínky pro existenci a jednoznačnost řešení okrajové úlohy. Ověřte zda jsou splněny. [8b] b) Ukažte, že výraz y(x+h) y(x h) je aproximací y (x) pro dostatečně hladkou funkci y(x). Užitím 2h tohoto vztahu odvod te tvar sít ových rovnic pro diskretizaci úlohy v samoadjungovaném tvaru metodou sítí s krokem h. [8b] c) Volte h = 1 a sestavte sít ové rovnice pro Dirichletovu úlohu v samoadjungovaném tvaru získanou v a). Je pro tuto soustavu rovnic Gauss-Seidelova iterační metoda konvergentní? Zdůvodněte. [9b] 4. Dána smíšená úloha u t = 2 2 u x 2 + 2x t + 1, u(x, 0) = ax + b pro x < 0, 4 >, u(0, t) = 2 + t u(4, t) = 2 pro t 0, 10 a) Určete, pro které hodnoty a, b R jsou splněny podmínky souhlasu a odvod te sít ovou rovnici v regulárním uzlu (k + 1)-ní časové vrstvy při řešení dané úlohy implicitní metodou. Zapište podmínku stability pro implicitní metodu. [10b] b) Volte krok h a τ maximální tak, aby bod A = [1; 2 1 ] byl uzlem sítě implicitní metoda byla stabilní. Sestavte rovnice implicitního schematu na první časové vrstvě. [9b] c) Pro získanou soustavu rovnic z b) proved te jeden krok Jacobiho iterační metody, počáteční iteraci volte jako nulový vektor (tj. X (0) = 0). [6b]