2paskaita
2paskaita
2paskaita
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Turinys<br />
1 Skaitinis integravimas (labai trumpai)<br />
Paprastųjų diferencialinių lygčių<br />
skaitiniai sprendimo metodai<br />
Olga Štikonienė<br />
Diferencialinių lygčių ir skaičiavimo matematikos katedra, MIF VU<br />
2 Diferencialinės lygtys<br />
3 Eulerio metodas<br />
4 Konvergavimo analizė<br />
5 Daugiapakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
6 PDL sistemos<br />
7 Įvadas į kokybinę paprastųjų DL teoriją - pavyzdžiai<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 1 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 2 / 41<br />
Skaitinis integravimas (labai trumpai)<br />
Sudėtinė kairiųjų stačiakampių formulė<br />
Skaitinis integravimas (labai trumpai)<br />
Sudėtinė dešiniųjų stačiakampių formulė<br />
<br />
b<br />
a<br />
∫ b<br />
N∑<br />
∫ xi<br />
N∑<br />
f (x)dx = f (x)dx ≈ K N = f (x i−1 )h.<br />
a<br />
i=1<br />
x i−1 i=1<br />
N<br />
x<br />
N<br />
<br />
<br />
i<br />
N <br />
xi 1<br />
h = b − a<br />
i1<br />
<br />
i1 i1<br />
N<br />
Sudėtinė kairiųjų stačiakampių formulė<br />
f(x)dx f(x)dx K f(x )h<br />
f(x)<br />
∫ b<br />
N∑<br />
∫ xi<br />
N∑<br />
f (x)dx = f (x)dx ≈ D N = f (x i )h.<br />
a<br />
i=1<br />
x i−1<br />
x<br />
N<br />
i=1<br />
i<br />
Sudėtinė dešiniųjų stačiakampių formulė<br />
N<br />
b<br />
<br />
<br />
<br />
N i 1 i<br />
a<br />
f(x)dx f(x)dx D <br />
f(x )h<br />
x <br />
i1 i1<br />
f(x)<br />
h = b − a<br />
N<br />
b<br />
a<br />
h <br />
N<br />
x 0 h x 1 h x 2 h x 3 h x 4<br />
x<br />
b<br />
a<br />
h <br />
N<br />
x 0 h x 1 h x 2 h x 3 h x 4<br />
x<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 3 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 4 / 41<br />
Skaitinis integravimas (labai trumpai)<br />
Sudėtinė trapecijų formulė<br />
Skaitinis integravimas (labai trumpai)<br />
Sudėtinė Simpsono formulė<br />
Sudėtinė trapecijų formulė<br />
∫ b<br />
N∑<br />
∫ xi<br />
N∑ f (x i−1 ) + f (x i )<br />
b<br />
N<br />
x<br />
N<br />
i<br />
f (x)dx = f (x)dx ≈ T N = f(x<br />
i1<br />
) f(x<br />
i)<br />
f(x)dx<br />
h i<br />
a<br />
a<br />
i=1<br />
x i−1<br />
f(x)dxTN<br />
<br />
h<br />
x<br />
i<br />
i1<br />
2<br />
i1 i1<br />
2<br />
b a<br />
i=1<br />
h<br />
T N = h<br />
i<br />
xi x ( f (x<br />
i1, h<br />
f (x0 ) + 2f (x 1 ) + · · · + 2f (x N−1 ) + f (x N ) )<br />
0 ) 2f(x N1 ) 2f(x<br />
i ) 2f(x<br />
N1 ) f(x<br />
N ) <br />
2<br />
2<br />
b<br />
a<br />
h <br />
N<br />
Dalimis Sudėtinė kvadratinė Simpsono aproksimacija formulė<br />
N – lyginis skaičius, h = b−a<br />
N<br />
1 4 1<br />
1 4 1 1 4 1<br />
1 4 1<br />
f(x)<br />
4<br />
2<br />
4<br />
2<br />
f(x)<br />
2<br />
4<br />
1<br />
h i = x i − x i−1 ,<br />
h = b−a<br />
N<br />
x 0 h x 1 h x 2 h x 3 h x 4<br />
x<br />
1<br />
…...<br />
x 0 h x 1 h x 2 h x 3 h x 4 x N-2 x N-1 x N<br />
x<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 5 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 6 / 41<br />
Skaitinis integravimas (labai trumpai)<br />
Sudėtinė Simpsono formulė<br />
Taikoma, kai yra lyginis skaičius dalinių intervalų.<br />
∫ b ∫ x2<br />
∫ x4<br />
∫ xN<br />
f (x)dx = f (x)dx + f (x)dx + · · · + f (x)dx<br />
a<br />
x 0 x 2 x N−2<br />
Kiekvienam daliniam integralui taikoma Simpsono formulė<br />
(h i = h = const).<br />
∫ b<br />
a<br />
Arba<br />
f (x)dx =<br />
N/2−1<br />
∑<br />
∫ x2i+2<br />
i=0<br />
x2i<br />
S N = b − a<br />
N−1<br />
( ∑<br />
f (x0 ) + 4<br />
3N<br />
i=1,3,5<br />
f (x)dx ≈ S N = h N−2<br />
∑ (<br />
f (xi ) + 4f (x i+1 ) + f (x i+2 ) ) .<br />
3<br />
i=0<br />
f (x i ) + 2<br />
N−2 ∑<br />
j=2,4,6<br />
f (x j ) + f (x N ) ) .<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 7 / 41<br />
Skaitinis integravimas (labai trumpai)<br />
Skaitinio integravimo paklaidos įvertinimo būdai<br />
Paklaida priklauso nuo intervalų (mazgų) skaičiaus N.<br />
Reikiama N galima apskaičiuoti iš anksto iš paklaidos įverčiu<br />
(jei nesunkiai randama funkcijos išvestinė ir jos rėžiai).<br />
Staciakampių formulės (deš., kair.)<br />
Trapecijos formulė<br />
Simpsono formulė<br />
ε N M 1<br />
b − a<br />
2 h.<br />
(b − a)<br />
ε N M 2 h 2 .<br />
12<br />
ε N M 4<br />
(b − a)<br />
180 h4 .<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 8 / 41
u<br />
Analizinis Analizinis ir skaitinis ir skaitinis DL sprendimas DL sprendimas<br />
Diferencialinės lygtys<br />
Analizinis Analizinis sprendimas sprendimas Skaitinis Skaitinis sprendimas sprendimas<br />
Analizinis DL sprendimas Skaitinis DL sprendimas<br />
y(0)=b<br />
y<br />
y(0)=b<br />
y<br />
1 Surandama sprendinių<br />
t<br />
y<br />
t t t<br />
•Surandama<br />
•Surandama<br />
sprendinių<br />
sprendinių<br />
šeima.<br />
šeima.<br />
•Pradedame<br />
•Pradedame<br />
nuo pradinių<br />
nuo<br />
sąlygų<br />
pradinių sąlygų<br />
•Pasirenkamas šeima. atitinkantis •Diskretizavimas pagal laiką, salygų.<br />
•Pasirenkamas atitinkantis •Diskretizavimas pagal laiką,<br />
pradines sąlygas sprendinys pasirenkamas mažas žingsnis t<br />
2 pradines Pasirenkamas sąlygas sprendinys atitinkantis pasirenkamas mažas žingsnis t<br />
•Užrašoma analizine sprendinio •Randamas apytikslis sprendinys<br />
•Užrašoma analizine sprendinio •Randamas apytikslis sprendinys<br />
y(t) formulė pradines sąlygas sprendinys.<br />
kiekvienu laiko momentu<br />
y(t) formulė<br />
kiekvienu laiko momentu<br />
3 •Surandamas diskretusis sprendinys:<br />
Užrašoma analizinė<br />
(t 0 ,y 0 ), (t 1 ,y 1 ),<br />
•Surandamas žingsnis<br />
…<br />
diskretusis ∆t. sprendinys:<br />
(t 0 ,y 0 ), (t 1 ,y 1 ), …<br />
sprendinio y(t) formulė.<br />
t<br />
y<br />
t 0 , y 0<br />
t 1 , y 1<br />
t 2 , y 2 t 3 ,<br />
t 0 , y 0<br />
t 1 , y 1<br />
t 2 , y 2<br />
y 3<br />
t 3 , y 3<br />
t t t<br />
t<br />
t<br />
1 Pradedame nuo pradinių<br />
2 Diskretizavimas pagal laiką,<br />
pasirenkamas mažas<br />
3 Randamas apytikslis<br />
sprendinys kiekvienu laiko<br />
momentu.<br />
4 Surandamas diskretusis<br />
sprendinys: (t 0 , y 0 ), (t 1 , y 1 ), . . .<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 9 / 41<br />
PDL + pradinės sąlygos<br />
Diferencialinės lygtys<br />
du Koši uždavinys (PDL + pradinės sąlygos)<br />
f ( tu , ) ; t0, (0 tT)<br />
ut () - tikslusis<br />
dt<br />
sprendinys<br />
Diferencialinis uždavinys<br />
u(0)<br />
u0<br />
Tolygusis diskretusis tinklas<br />
<br />
du<br />
dt = f (t, u), 0 ≤ t ≤ T u(t) - tikslusis sprendinys.<br />
u(0) = u 0 .<br />
n: n<br />
, 0,... , ,<br />
N <br />
Tolygusis diskretusis tinklas<br />
T<br />
ω τ = {t n : t n<br />
= nτ, - n žingsnis = 0, . . . , N, t N = T}, τ = T N<br />
N − žingsnis.<br />
t t n n N t T<br />
<br />
t 0 =0 t t<br />
1 τ t N-1 N =T<br />
Baigtinių skirtumų uždavinys (paprasčiausias atvejis)<br />
U n+1 −U n<br />
τ = f (t n , U n )<br />
U 0 = u 0 .<br />
U n = U(t n ) - PDL sprendinio<br />
diskretusis artinys.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 10 / 41<br />
Diferencialinės lygtys<br />
Skaitinio sprendimo formulės<br />
Eulerio metodas<br />
Eulerio metodas<br />
∫ tn+1<br />
:<br />
t n<br />
du<br />
dt = f (t, u) ⇒ u(t n+1) − u(t n ) =<br />
Kairiųjų stačiakampių formulė<br />
∫ tn+1<br />
t n<br />
f (t, u)dt<br />
U n+1 − U n = τf (t n , U n )<br />
Išreikštinis Eulerio<br />
metodas<br />
Dešiniųjų stačiakampių formulė<br />
U n+1 − U n = τf (t n+1 , U n+1 )<br />
Neišreikštinis Eulerio<br />
metodas<br />
Trapecijų formulė<br />
U n+1 − U n = τ (<br />
f (tn , U n ) + f (t n+1 , U n+1 ) ) Simetrinis Eulerio<br />
2<br />
metodas<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 11 / 41<br />
Aproksimuoja išvestinę baigtiniu skirtumu<br />
du<br />
dt ≈ u n+1 − u n<br />
t n+1 − t n<br />
= f (t n , u n ) ⇒ u n+1 = u n + τf (t n , u n ),<br />
τ = t n+1 − t n .<br />
Lokali paklaida (Teiloro formulė)<br />
u n+1 = u n + u ′ nτ + u ′′ τ 2<br />
n<br />
2 + · · · + τ N<br />
u(N) n<br />
N! + R N, R N = u (N+1) τ N+1<br />
(ξ)<br />
(N + 1)! ,<br />
arba<br />
u n+1 = u n + f (t n , u n )τ + f ′ (t n , u n ) τ 2<br />
2 + · · · + f (N−1) (t n , u n ) τ N<br />
N! + O(τ N+1 ).<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 12 / 41<br />
Eulerio metodas<br />
Išreikštinis Eulerio metodas - 1 pavyzdys<br />
Eulerio metodas<br />
Eulerio metodas - 1 pavyzdys<br />
du<br />
dt = t√ u, u 0 = 1, 0 ≤ t ≤ 1.<br />
Analizinis sprendinys<br />
u = ( 1 + t2 ) 2<br />
4<br />
1.6<br />
du<br />
dt = t√ u, u 0 = 1, 0 ≤ t ≤ 1.<br />
u(t)=(1+t 2 /4) 2<br />
Eulerio metodo aproksimacija: U n+1 = U n + τf n , f n = t n<br />
√<br />
U n<br />
τ = 0, 5 , U 0 = 1<br />
U 1 = U 0 + τf (0; 1) = 1 + 0, 5 · 0 · √1<br />
= 1<br />
U 2 = U 1 + τf (0, 5; 1) = 1 + 0, 5 · 0, 5 · √1<br />
= 1, 25<br />
τ = 0, 25 , U 0 = 1<br />
U 1 = U 0 + τf (0; 1) = 1 + 0, 25 · 0 · √1<br />
= 1<br />
U 2 = U 1 + τf (0, 25; 1) = 1 + 0, 25 · 0, 25 · √1<br />
= 1, 0625<br />
U 3 = U 2 + τf (0, 5; 1, 0625) = 1, 0625 + 0, 25 · 0, 5 · √1, 0625 = 1, 191347<br />
U 4 = U 3 + τf (0, 75; 1, 191347) = 1, 39600.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 13 / 41<br />
τ=0.25<br />
τ=0.5<br />
1.5<br />
τ=0.125<br />
τ=0.0625<br />
u(t)<br />
1.4<br />
1.3<br />
1.2<br />
1.1<br />
1<br />
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1<br />
t<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 14 / 41<br />
Eulerio metodas<br />
Eulerio metodas - 2 pavyzdys<br />
du<br />
dt = −u + sin t, u 0 = 1,<br />
0 ≤ t ≤ π, žingsnis τ = 0, 1π.<br />
Eulerio Tikslusis metodas sprendinys – pavyzdys (—)<br />
u = 1, 5e −t du ( h = 0,1 )<br />
usin t ; u(0) 1<br />
dt<br />
+ 0, 5 sin t − 0, 5 cos t.<br />
Eulerio metodas - pavyzdys<br />
du<br />
usin t, u(0) 1, 0 t , 0,1 .<br />
dt<br />
step t y<br />
1 0.0000000000 1.0000000000<br />
2 0.3141592654 0.6858407346<br />
3 0.6283185307 0.5674580652<br />
4 0.9424777961 0.5738440394<br />
5 1.2566370614 0.6477258022<br />
6 1.5707963268 0.7430199565<br />
7 1.8849555922 0.8237526182<br />
8 2.1991148575 0.8637463173<br />
9 2.5132741229 0.8465525934<br />
Eulerio 10 metodas 2.8274333882 – pavyzdys du 0.7652584356 ( h = 0,05 )<br />
u t u(0) ; <br />
sin 1<br />
11 3.1415926536 dt 0.6219259596<br />
Tikslusis sprendinys<br />
y 15 1,5e t<br />
0,5sin 05 t-0,5cos<br />
05 t<br />
τ = 0, 1π<br />
τ = 0, 05π (tik brėžinys)<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 15 / 41<br />
Konvergavimo analizė<br />
Eulerio metodo konvergavimo analizė<br />
Įveskime matą, leidžiantį įvertinti diferencialinio uždavinio<br />
pakeitimo diskrečiuoju tikslumą:<br />
T n U := − Un+1 − U n<br />
τ<br />
+ σf (t n+1 , U n+1 ) + (1 − σ)f (t n , U n )<br />
σ = 0 - išreikštinis Eulerio metodas;<br />
σ = 1 - neišreikštinis Eulerio metodas;<br />
σ = 0, 5 - simetrinis Eulerio metodas.<br />
⇒ T n U = 0, n = 0, 1, . . . , N − 1.<br />
Baigtinių skirtumų schemos aproksimavimo paklaida (netiktis)<br />
Ψ n := T n u = − un+1 − u n<br />
+ σf (t n+1 , u n+1 ) + (1 − σ)f (t n , u n )<br />
τ<br />
u - tikslusis sprendinys<br />
⇒ T n u = Ψ n , n = 0, 1, . . . , N − 1.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 16 / 41
Konvergavimo analizė<br />
Baigtinių skirtumų schemos aproksimavimo<br />
paklaida<br />
Ψ n = − un+1 − u n<br />
+ σf (t n+1 , u n+1 ) + (1 − σ)f (t n , u n )<br />
τ<br />
Baigtinių skirtumų schema aproksimuoja PDL, jei<br />
‖Ψ n ‖ → 0, kai τ → 0.<br />
Metodo aproksimavimo eilė yra p-toji, jeigu<br />
‖Ψ n ‖ = O(τ p ), t. y.‖Ψ n ‖ ≤ Cτ p .<br />
Išreikštinis Eulerio metodas ‖Ψ n ‖ = O(τ), p = 1.<br />
Neišreikštinis Eulerio metodas ‖Ψ n ‖ = O(τ), p = 1.<br />
Simetrinis Eulerio metodas ‖Ψ n ‖ = O(τ 2 ), p = 2.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 17 / 41<br />
Konvergavimo analizė<br />
Skaitinio metodo stabilumas ir konvergavimas<br />
Apibrėžimas.<br />
Metodas konverguoja taške t = t n , jei<br />
Apibrėžimas.<br />
‖U n − u(t n )‖ → 0, kai τ → 0.<br />
Metodas konverguoja intervale [0, T], jei jis konverguoja bet<br />
kuriame taške t = t n , iš [0, T]:<br />
Apibrėžimas.<br />
max<br />
n=1,...,N ‖Un − u(t n )‖ → 0, kai τ → 0.<br />
Metodo tikslumo eilė yra p-toji, jei<br />
max<br />
n=1,...,N ‖Un − u(t n )‖ = O(τ p ).<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 18 / 41<br />
Konvergavimo analizė<br />
Skaitinio metodo stabilumas ir konvergavimas<br />
Apibrėžimas.<br />
Metodas yra stabilus, jei<br />
Teorema.<br />
‖U n+1 − u(t n+1 )‖ ≤ (1 + C 1 τ)‖U n − u(t n )‖ + C 2 τ‖Ψ n ‖.<br />
Tegul baigtinių skirtumų metodas (BSM) aproksimuoja PDL Koši<br />
uždavinį ir ‖Ψ n ‖ = O(τ p ).<br />
Jei BSM yra stabilus, tai U n konverguoja į tikslųjį sprendinį, o<br />
metodo tikslumo eilė yra p-toji:<br />
‖U n − u(t n )‖ = O(τ p ).<br />
Konvergavimas = aproksimavimas + stabilumas.<br />
Konvergavimo analizė<br />
Skaitinio metodo stabilumas ir konvergavimas<br />
Kompiuterių panaudojimas diferencialinių lygčių sprendime<br />
atskleidė skaitinio nestabilumo reiškinį.<br />
aproksimavimas + stabilumas=konvergavimas.<br />
Aproksimavimas - charakterizuoja kiek diskretusis modelis<br />
skiriasi nuo diferencialinio. Paprastai diskretusis modelis<br />
priklauso nuo parametro, pvz. τ. Kad diferencialinio<br />
uždavinio sprendinys tenkintų diskretųjį uždavinį, reikalinga šio<br />
uždavinio lygtyse ir sąlygose (pradinėse, kraštinėse) pridėti<br />
papildomas dalis (funkcijas), kurios vadinamos netiktimis.<br />
Stabilumas - lokalios (vieno žingsnio pagal laiko) paklaidos<br />
veliau negali išaugti neribotai.<br />
Konvergavimas - skaitinis sprendinys konverguoja į DL<br />
sprendinį, kai ∆t → 0, jei nedaroma apvalinimo paklaidu.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 19 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 20 / 41<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
m-pakopis išreikštinis Rungės ir Kutos metodas<br />
k 1 = f (t n , U n )<br />
k 2 =<br />
k 3 =<br />
f (t n + τ n+1 a 2 , U n + τ n+1 b 21 k 1 )<br />
f ( t n + τ n+1 a 3 , U n + τ n+1 (b 31 k 1 + b 32 k 2 ) )<br />
k m =<br />
RK metodo matrica<br />
.<br />
f<br />
(t n + τ n+1 a m , U n ∑ )<br />
+ τ m<br />
n+1 j=1 b mjk j<br />
∑ m<br />
U n+1 = U n + τ n+1 σ j k j<br />
j=1<br />
a 2 b 21<br />
a 3 b 31 b 32<br />
(išreikštinė formulė)<br />
.<br />
a m b m1 b m2 · · · b m,m−1<br />
σ 1 σ 2 · · · σ m−1 σ m−1<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 21 / 41<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Rungės ir Kutos metodų tikslumo eilė<br />
Prisiminkime, kad<br />
Metodo tikslumo eilė yra p-toji, jei<br />
Arba<br />
max<br />
n=1,...,N |Un − u(t n )| = O(τ p ).<br />
‖U n − u(t n )‖ = C(t n , U)τ p + O(τ p+1 ).<br />
RK metodo aproksimacijos tikslumo eilės priklausomybė nuo<br />
etapų skaičiaus<br />
Etapų skaičius m 1 2 3 4 5 6 7 8<br />
Tikslumo eilė p 1 2 3 4 4 5 6 6<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 22 / 41<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai<br />
Dvipakopio Rungės ir Kutos metodo koeficientų nustatymas<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai • Bendroji (m=2) schema<br />
n<br />
k f( t , U )<br />
1 n<br />
Dvipakopiai Rungės ir Kuto metodai<br />
<br />
k2 f(<br />
tn<br />
a2<br />
n1<br />
U<br />
<br />
n<br />
U <br />
1<br />
Pažymėkime f = f (t n , U n ), f t = ∂f<br />
∂t (t n, U n ), f u = ∂f<br />
∂u (t n, U n ).<br />
k 1 = f (t n , U n )<br />
k 2 = f (t n + τa 2 , U n + τb 21 k 1 ) = f + τa 2 f t + τb 21 ff u + O(τ 2 )<br />
⇒ U n+1 = U n +τ(σ 1 k 1 +σ 2 k 2 ) = U n (<br />
+τσ 1 f +τσ 2 f +τa2 f t +τb 21 ff u +O(τ 2 ) )<br />
k 1 = f (t n , U n )<br />
k 2 = f (t n + τa 2 , U n + τb 21 k 1 )<br />
⇓<br />
U n+1 = U n + τ(σ 1 k 1 + σ 2 k 2 )<br />
3 lygtys, 4 nežinomieji<br />
k 1<br />
k 2<br />
σ 1 k 1 + σ 2 k 2<br />
Pataisytas<br />
krypties<br />
koeficientas<br />
t n t n + τ a 2 t n+1 = t n +τ<br />
U n+1 = U n + τf (σ 1 + σ 2 ) + τ 2 f t σ 2 a 2 + τ 2 f u f σ 2 b 21 + O(τ 3 )<br />
Lyginame su Teiloro eilute<br />
u(t + τ) = u(t) + τf + τ 2 f t<br />
2 + τ 2 f uf<br />
2 + O(τ 3 )<br />
4 nežinomieji (σ 1 , σ 2 , a 2 , b 21 )<br />
trijų lygčių sistema:<br />
σ 1 + σ 2 = 1<br />
σ 2 a 2 = 1 2<br />
σ 2 b 21 = 1 2<br />
σ 1 + σ 2 = 1<br />
σ 2 a 2 = 1 2<br />
σ 2 b 21 = 1 2<br />
Heun’s method σ = 1 2<br />
1 1<br />
1<br />
2<br />
1<br />
2<br />
parametras<br />
σ 2 = σ<br />
Bendroji schema<br />
1<br />
2σ<br />
1<br />
2σ<br />
1 − σ σ<br />
Midpoint method σ = 1<br />
1<br />
2<br />
1<br />
2<br />
0 1<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 23 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 24 / 41
Daugiapakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai n<br />
k f( t , U ) (m=2)<br />
Heun’s method<br />
σ = 1 2<br />
1 1<br />
1<br />
2<br />
1<br />
2<br />
Midpoint method<br />
σ = 1<br />
1<br />
2<br />
1<br />
2<br />
0 1<br />
Ralston’s Method<br />
3<br />
4<br />
3<br />
4<br />
1<br />
3<br />
2<br />
3<br />
Dvipakopis Rungės ir Kuto metodas<br />
1 n<br />
n<br />
k<br />
Heun’s method: σ 2 = σ 1 = 1/2, a 2 = 1, b 2 f( t ,<br />
21 = 1 n <br />
U<br />
n1<br />
n<br />
U U <br />
( k k<br />
k 2<br />
Dvipakopis k 1<br />
Rungės ir Kuto metodas<br />
n<br />
k f( t , U )<br />
1 n<br />
Midpoint method<br />
<br />
( ,<br />
n<br />
<br />
k f t U k<br />
pasirinkome t σ 2 = 1 t = σt n+τ 1 = 0, a 2 = 1/2, b 21 = 1/2 2<br />
n1<br />
2 n<br />
2<br />
n<br />
n+1<br />
U<br />
n<br />
U <br />
k2<br />
k 1<br />
k 2<br />
1<br />
k 1 = f (t n , U n )<br />
k 2 = f (t n + τ, U n + τk 1 )<br />
U n+1 = U n + τ 2 (k 1 + k 2 )<br />
k 1 = f (t n , U n )<br />
k<br />
k 2 = f (t n + τ 2 , Un + τ 2 k 1 f( tn, U )<br />
1)<br />
3<br />
U n+1 n 3<br />
Ralston’s Method k<br />
• Antros eilės Rungės ir Kuto metodas = U n 2 f( ti , U k1<br />
)<br />
4 4 + τk 2<br />
n1<br />
n 1 2<br />
• σ 2 = 2/3 σ 1 = 1/3, a 2 = bU 21 = 3/4<br />
U ( k1 k2)<br />
<br />
3 3<br />
t n t n+1/2 t n+1 = t n+τ<br />
k 2<br />
k 1<br />
k 1/3 + 2k 2/3<br />
t n t n+3τ/4 t n+1 = t n+ τ<br />
k 1 = f (t n , U n )<br />
k 2 = f (t n + 3 4 τ, Un + 3 4 τk 1)<br />
U n+1 = U n + τ( 1 3 k 1 + 2 3 k 2)<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Dvipakopiai Rungės ir Kutos metodai<br />
Pavyzdys - dvipakopis RK metodas σ 2 = 1<br />
Dvipakopis Rungės ir Kuto metodas σ 2 = 1<br />
[0 pi] tau=0.05*pi;<br />
step t y<br />
1 0.0000000000 1.0000000000<br />
2 0.1570796327 0.8675816988<br />
3 0.3141592654 0.7767452235<br />
4 0.4712388980 0.7206165079<br />
5 0.6283185307 0.6927855807<br />
6 0.7853981634 0.6872735266<br />
7 0.9424777961 0.6985164603<br />
8 1.0995574288 0.7213629094<br />
9 1.2566370614 0.7510812520<br />
10 1.4137166941 0.7833740988<br />
11 1.5707963268 0.8143967658<br />
12 1.7278759595 0.8407772414<br />
13 1.8849555922 0.8596353281<br />
14 2.0420352248 0.8685989204<br />
15 2.1991148575 0.8658156821<br />
16 2.3561944902 0.8499586883<br />
17 2.5132741229 0.8202249154<br />
18 2.6703537556 0.7763257790<br />
19 2.8274333882 0.7184692359<br />
20 2.9845130209 0.6473332788<br />
21 3.1415926536 0.5640309524<br />
dy<br />
y sin( t)<br />
dt<br />
y(<br />
0)<br />
1<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 25 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 26 / 41<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai (m=3)<br />
Bendroji schema<br />
k 1 = f (t n , U n )<br />
a 2 b<br />
k 2 = f (t n + τa 2 , U n + τb 21 k 1 )<br />
Tripakopiai 21<br />
Rungės ir Kuto<br />
a 3 b 31 b<br />
k 3 metodai = f ( t n + τa 3 , U n + τ(b 31 k 1 + b 32 k 2 ) )<br />
32<br />
⇓<br />
σ 1 σ 2 σ 3<br />
• Bendroji schema<br />
U n+1 = U n + τ(σ 1 k 1 + σ 2 k 2 + σ 3 k 3 )<br />
k 1<br />
k 2<br />
k 3<br />
Pataisytas<br />
krypties<br />
koeficientas<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai (m=3)<br />
Klasikinis<br />
1 1<br />
2 2<br />
1 −1 2<br />
1<br />
6<br />
4<br />
6<br />
1<br />
6<br />
Nearly Optimum Method<br />
1 1<br />
2 2<br />
3 3<br />
4 0 4<br />
2 1<br />
9 3<br />
4<br />
9<br />
Simpsono formulės analogas<br />
k 1 = f (t n , U n )<br />
k 2 =<br />
k 3 =<br />
f (t n + τ 2 , Un + τ 2 k 1)<br />
f ( t n + τ, U n + τ(−k 1 + 2k 2 ) )<br />
U n+1 = U n + τ 6 (k 1 + 4k 2 + k 3 )<br />
k 1 = f (t n , U n )<br />
k 2 =<br />
k 3 =<br />
f (t n + τ 2 , Un + τ 2 k 1)<br />
f ( t n + 3 4 τ, Un + 3 4 τk )<br />
2<br />
U n+1 = U n + τ 9 (2k 1 + 3k 2 + 4k 3 )<br />
t n t n +a 2 τ t n +a 3 τ t n+1 = t n +τ<br />
Nystrom Method<br />
2 2<br />
3 3<br />
2 2<br />
3 0 1 3<br />
4 8<br />
3<br />
8<br />
k 1 = f (t n , U n )<br />
k 2 =<br />
k 3 =<br />
f (t n + 2 3 τ, Un + 2 3 τk 1)<br />
f ( t n + 2 3 τ, Un + 2 3 τk )<br />
2<br />
U n+1 = U n + τ 8 (2k 1 + 3k 2 + 3k 3 )<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 27 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 28 / 41<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
4-pakopiai Rungės ir Kutos metodai<br />
Pavyzdys<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
4-pakopis Rungės ir Kuto metodas<br />
2 pavyzdys<br />
k 1 = f (t n , U n )<br />
k 2 = f (t n + 1 2 τ, Un + 1 2 τk 1)<br />
k 3 = f ( t n + 1 2 τ, Un + 1 2 τk )<br />
2<br />
k 4 = f ( t n + τ, U n )<br />
+ τk 3<br />
U n+1 1<br />
( k<br />
= U n + τ 1 2k2<br />
<br />
6 (k 2k3<br />
k4<br />
4-pakopiai Rungės ir Kuto 6 metodai 1 + 2k 2 + 2k 3 + k 4 )<br />
k 1<br />
k 2<br />
k 3<br />
k 4<br />
)<br />
t n t n + τ/2 t n + τ<br />
[0 pi] tau=0.05*pi<br />
step t y<br />
1 0.0000000000 1.0000000000<br />
2 0.1570796327 0.8663284784<br />
3 0.3141592654 0.7745866433<br />
4 0.4712388980 0.7178375776<br />
5 0.6283185307 0.6896194725<br />
6 0.7853981634 0.6839104249<br />
7 0.9424777961 0.6951106492<br />
8 1.0995574288 0.7180384347<br />
9 1.2566370614 0.7479364401<br />
10 1.4137166941 0.7804851708<br />
11 1.5707963268 0.8118207434<br />
12 1.7278759595 0.8385543106<br />
13 1.8849555922 0.8577907953<br />
14 2.0420352248 0.8671448731<br />
15 2.1991148575 0.8647524420<br />
16 2.3561944902 0.8492761286<br />
17 2.5132741229 0.8199036965<br />
18 2.6703537556 0.7763385417<br />
19 2.8274333882 0.7187817811<br />
20 2.9845130209 0.6479057500<br />
21 3.1415926536 0.5648190301<br />
dy<br />
y sin( t)<br />
dt<br />
y(<br />
0)<br />
1<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 29 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 30 / 41<br />
Pavyzdys<br />
Daugiapakopiai Rungės ir Kutos metodai<br />
Tripakopiai Rungės ir Kutos metodai<br />
PDL sistemos<br />
Aukštesnės eilės PDL ir PDL sistemos<br />
Metodų tikslumo palyginimas<br />
dy<br />
y sin( t<br />
0 ≤ t ≤ π.<br />
dt<br />
Eulerio<br />
Midpoint<br />
Predikt-Korekt.<br />
(iteracinis)<br />
RK4<br />
du<br />
dt = −u + sin t, u 0 = 1,<br />
) ; y(<br />
0)<br />
1<br />
τ = 0,1<br />
Metodų tikslumo palyginimas y sin( t) ;<br />
Eulerio<br />
Midpoint<br />
Predikt-Korekt<br />
(iteracinis)<br />
RK4<br />
dy<br />
y(<br />
0)<br />
1<br />
dt<br />
τ = 0,05<br />
Koši uždavinys:<br />
n-osios eilės PDL<br />
y (n) = f ( t, y, y ′ , . . . , y (n−1)) ,<br />
y(t 0 ) = a 1 , y ′ (t 0 ) = a 2 , · · · , y n−1 (t 0 ) = a n .<br />
pirmos eilės PDL sistemai<br />
dy 1<br />
dt = f 1 (t, y 1 , y 2 , · · · , y n ),<br />
dy 2<br />
dt = f 2 (t, y 1 , y 2 , · · · , y n ),<br />
. .<br />
dy n<br />
dt = f n (t, y 1 , y 2 , · · · , y n ),<br />
y 1 (t 0 ) = a 1 ,<br />
y 2 (t 0 ) = a 2 ,<br />
.<br />
y n (t 0 ) = a n .<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 31 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 32 / 41
PDL sistemos<br />
PDL sistemos - Vektorinis pavidalas<br />
Vektorinis pavidalas<br />
PDL sistemos<br />
Skaitiniai metodai 1-os eilės PDL sistemai<br />
Eulerio metodas<br />
x n+1 = x n + τf (t n , x n ),<br />
čia t n = t 0 + nτ.<br />
m-pakopis Rungės ir Kutos metodas<br />
x - vektorius:<br />
⎛<br />
x = ⎜<br />
⎝<br />
x 1<br />
x 2<br />
· · ·<br />
x n<br />
⎞<br />
⎟<br />
⎠ ,<br />
y ′ = f(t, y), y(t 0 ) = y 0<br />
f(x) - vektorinė funkcija:<br />
⎛<br />
f(x) = ⎜<br />
⎝<br />
f 1 (x 1 , · · · , x n )<br />
f 2 (x 1 , · · · , x n )<br />
· · ·<br />
f n (x 1 , · · · , x n )<br />
⎞<br />
⎟<br />
⎠ .<br />
čia<br />
∑ m<br />
x n+1 = x n + τ n+1 σ j k nj ,<br />
j=1<br />
k n1 = f(t n , x n )<br />
k n2 =<br />
k n3 =<br />
f(t n + τ n+1 a 2 , x n + τ n+1 b 21 k n1 )<br />
f ( t n + τ n+1 a 3 , x n + τ n+1 (b 31 k n1 + b 32 k n2 ) )<br />
k nm =<br />
.<br />
f<br />
(t n + τ n+1 a m , x n ∑ )<br />
+ τ m<br />
n+1 j=1 b mjk nj<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 33 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 34 / 41<br />
PDL sistemos<br />
Eulerio metodas 1-os eilės PDL sistemai<br />
PDL sistemos<br />
Išspręskime PDL sistemą taške t = 0, 2:<br />
Tikslusis sprendinys<br />
Eulerio metodas vienai lygčiai<br />
U n+1 = U n + τf (t n , U n )<br />
Eulerio metodas dviejų lygčių PDL sistemai<br />
U n+1<br />
1 = U1 n + τf 1(t n , U1 n, Un 2 )<br />
U n+1<br />
2 = U2 n + τf 2(t n , U1 n, Un 2 )<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 35 / 41<br />
x ′ = x − 4y<br />
y ′ = −x + y<br />
x(0) = 1, y(0) = 0<br />
Eulerio metodas: (bendra formulė)<br />
X n+1 = X n + τf 1 (t n , X n , Y n )<br />
Y n+1 = Y n + τf 2 (t n , X n , Y n )<br />
Skaitinis sprendinys(žingsnis τ = 0, 1):<br />
X 1 = 1 + 0, 1(1 − 4 · 0) = 1, 1<br />
Y 1 = 0 + 0, 1(−1 + 0) = −1<br />
X 2 = 1, 1 + 0, 1(1, 1 − 4 · (−0, 1)) = 1, 1 + 0, 15 = 1, 25<br />
Y 2 = −0, 1 + 0, 1(−1, 1 − 0, 1) = −0, 1 − 0, 12 = −0, 22.<br />
Tikslusis sprendinys<br />
x(0, 2) = 1, 3204248<br />
y(0, 2) = −0, 25084701.<br />
uždaviniui<br />
x(t) = e−t +e 3t<br />
2<br />
y(t) = e−t −e 3t<br />
4<br />
X n+1 = X n + τ(X n − 4Y n )<br />
Y n+1 = Y n + τ(−X n + Y n )<br />
Eulerio metodo paklaida<br />
∆x ≈ 0, 0704 (5, 3%)<br />
∆y ≈ 0, 0308 (12, 3%)<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 36 / 41<br />
PDL sistemos<br />
Aukštesnės eilės PDL pavyzdys (tęsinys)<br />
PDL sistemos<br />
Aukštesnės eilės PDL pavyzdys. Rezultatų analizė.<br />
4-pakopis<br />
Rungės ir Kutos<br />
metodas (RK4):<br />
uždaviniui (žingsnis τ = 0, 2):<br />
( ) ( )<br />
f1 (1; 0) 1<br />
k 01 =<br />
=<br />
f 2 (1; 0) −1<br />
(<br />
f1 (1, 1; −0, 1)<br />
k 02 =<br />
f 2 (1, 1; −0, 1)<br />
(<br />
f1 (1, 15; −0, 12)<br />
k 03 =<br />
f 2 (1, 15; −0, 12)<br />
(<br />
f1 (1, 326; −0, 254)<br />
k 04 =<br />
f 2 (1, 326; −0, 254)<br />
k n1 = f(t n , x n )<br />
k n2 = f(t n + τ/2, x n + (τ/2)k n1 )<br />
k n3 = f ( t n + τ/2, x n + (τ/2)k n2 ) )<br />
k n4 = f ( t n + τ, x n + τk n3 ) )<br />
x n+1 = x n + τ 6 (k n1 + 2k n2 + 2k n3 + k n4 ).<br />
) ( 1, 5<br />
=<br />
−1, 2<br />
)<br />
=<br />
)<br />
=<br />
)<br />
( 1, 63<br />
−1, 27<br />
)<br />
( 2, 342<br />
)<br />
−1, 580<br />
Skaitinis sprendinys<br />
X 1 = 1 + 0,2<br />
6 · 9, 602 =<br />
1, 3200667<br />
Y 1 = 0 + 0,2<br />
6 · (−7, 52) =<br />
−0, 25066667.<br />
Tikslusis sprendinys<br />
x(0, 2) = 1, 3204248<br />
y(0, 2) = −0, 25084701.<br />
RK metodo paklaida<br />
∆x ≈ 0, 000358 (0, 027%)<br />
∆y ≈ 0, 000180 (0, 071%)<br />
Tikslusis sprendinys<br />
x(0, 2) = 1, 3204248<br />
y(0, 2) = −0, 25084701.<br />
Skaitinis sprendinys Eulerio<br />
metodu<br />
X 2 = 1, 25<br />
Y 2 = −0, 22.<br />
Eulerio metodo paklaida<br />
∆x ≈ 0, 0704 (5, 3%)<br />
∆y ≈ 0, 0308 (12, 3%)<br />
Skaitinis sprendinys RK4<br />
metodu<br />
X 1 = 1, 3200667<br />
Y 1 = −0, 25066667.<br />
RK metodo paklaida<br />
∆x ≈ 0, 000358 (0, 027%)<br />
∆y ≈ 0, 000180 (0, 071%)<br />
Šis pavyzdys rodo tikslesnių metodų taikymo privalumus.<br />
RK4 metodas - du kartus daugiau funkcijų reikšmių<br />
apskaičiavimų, nei skaičiuojant Eulerio metodu, bet jo paklaida<br />
šiam uždaviniui yra apie 200 kartų mažesnė nei Eulerio metodo<br />
paklaida.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 37 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 38 / 41<br />
PDL sistemos<br />
Pavyzdys: Lotkos ir Volteros modelis<br />
Pirmosios eilės PDL sistema yra<br />
Įvadas į kokybinę paprastųjų DL teoriją - pavyzdžiai<br />
Pavyzdžiai<br />
Sprendinio egzistavimas apibrėžiamas funkcijos f savybemis:<br />
DL, sritis D, sprendinys ϕ(x), apibr. sritis. I<br />
y ′ 1 = (a − by 2 )y 1 ,<br />
y ′ 2 = (−c + dy 1 )y 2 .<br />
y 1 (t), y 2 (t) - aukų ir grobuonių populiacijų dydis, t ∈ [t 0 , T] - laikas.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 39 / 41<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 40 / 41
Įvadas į kokybinę paprastųjų DL teoriją - pavyzdžiai<br />
Integralinių kreivių kokybinį vaizdą pilnai nusako DL dešinioji pusė.<br />
Kartais pavaizduotos integralinės kreivės yra panašios (1.2 ir 1.6<br />
pav.). Tokios integralinių kreivių šeimos yra kokybiškai ekvivalenčios.<br />
1.7 ir 1.8 pav. nėra sprendinio vienaties.<br />
Skaitiniai metodai (MIF VU) PDL skaitiniai sprendimo metodai 41 / 41