Metodi Numerici Per Le Equazioni Differenziali Ordinarie
description
Transcript of Metodi Numerici Per Le Equazioni Differenziali Ordinarie
-
APPUNTIDELCORSODILABORATORIODICALCOLO
AVANZATOMetodiNumericiperleEquazioniDifferenziali
Ordinarie
MARCOLIMONGIIstitutoNazionalediAstrofisica OsservatorioAstronomicodiRoma
-
1
1. EQUAZIONIDIFFERENZIALIORDINARIE
Iproblemifisicicheandremoadaffrontareinquestocorsoimplicanolasoluzionedidi equazionio sistemidi equazionidifferenzialiordinarie (ODE).Nel caso in cui ilgrado dellODE siamaggiore di uno, questa si puo in generale ricondurre ad unsistemadiODEdelprimoordine.PeresempiolODEdelsecondoordine:
sipuoriscriverecomelinsiemedelledueequazionidelprimoordine
dove z(x) e una nuova variabile. Percio il generico problema che implica lasoluzionediunaODEeingeneralericondottoallostudiodiunsistemadiNODEdelprimoordinedellaforma:
, , . 1, ,
dovelefunzioni , , . sononote.
Un problema che implica la soluzione di una ODE non e completamente
determinato fino a quando non vengano definite le condizioni al contorno. Lecondizionialcontornosonocondizionialgebrichesuivaloridellefunzioni inpuntispecifici del dominio di integrazione. Tipicamente e la natura delle condizioni al
-
2
contornochedetermina ilmetodonumericodi integrazionepiuconsonoaltipodiproblema.Lecondizionialcontornodividonoiproblemiinduegrandicategorie.
Problemi aiValori Iniziali. In questo genere di problemi le condizioni al contornosonodateadunestremodeldominiodi integrazione.Tipicamente le sonodatenelpuntoiniziale deldominiodiintegrazioneelasoluzioneerappresentatadalladeterminazionedeivaloridellefunzioni nelpuntofinaledeldominio .
ProblemiaiValorialContorno. Inquestotipodiproblemi lecondizionialcontornosonodateagliestremideldominiodiintegrazione.Tipicamentealcunesonofornitenelpuntoiniziale ,mentelerestantialtrenelpuntofinale .
1.1. PROBLEMIAIVALORIINIZIALI.
1.1.1. MetododiEuleroEsplicito(oinavanti):
Il metodo di Eulero rappresenta lidea di base di tutti i metodi numerici per larisoluzionedeiproblemiaivaloriinizialiperODE:
,
IlmetododiEuleroesplicitosibasasullapprossimazionedelladerivataprimadella
12
funzione mediantelaformuladiTaylor(alsecondoordine)applicataalpunto :
laquantita e il restodella formuladi Taylor con unpunto
ellintornodi .D
2
opportunon efinendo siha:
dacuisiricavailvaloredelladerivata:
2
sostituendoquestaespressionenellODE , per siha:
-
3
2,
Trascurandoora il terminedel restodiTaylor nonabbiamopiu ivalori
dellasoluzioneesatta,maotterremoivaloridellasoluzioneapprossimata.
esiha:
Chiamando la soluzione approssimata eponendo e
,
DacuilaformuladiEuleroEsplicito:
,
Questa formula avanza la soluzione da a . Il metodo si dice esplicitopoicheilcalcolodellafunzionein sibasasuquantitacalcolatein chesono
valonzaedatada ,
Figura1:NelmetododiEulero
tuttenote(esplicite).
Daunpuntodivistageometricoil re eapprossimatoutilizzandoilvaloredellarettalacuipende
siapprossima,adognipasso,ilvaloredellasoluzione conilvalore
cheassumelarettatangenteperlostessonodo infattilaformula
)( ixy
),( ii yxfh ix 1 iiy +y=+
-
4
.1.2. MetododiEuleroImplicito(oallindietro):
mefattoinprecedenza,manelviceversa:
2
1
ApplichiamolaformuladiTaylornonalpunto copuntodiarrivo ,cioescambiando con e
1
dacui
2
Risolvendoperladerivataprimasiha:
2
SostituendonellaODEdipartenza,quindi,siha:
2,
Alsolito,trascurandoilrestoavremounasoluzioneapprossimata.Facendousodellanotazionedefinitasopra,avremo:
,
Ladifferenzarispettoalmetodoesplicitoechela nonepiuvalutatain doveranota,maalcontrario in doveeancora incognita,poichee incognita la
,di dipe
e.Poiche ingenerale la dipenderada asecondomembrocomparira
lincognita .Percio ilcalcolo nde implicitamenteda Perquestoilmetodosidiceimplicito.Seladipendenzadi da elineare,lavalutaz edi
.Se die nu
ridi
stesso.
ionedi siricondurraallarisoluzion unaequazionediprimogradoesaratriviale inveceladipendenza da saranonlinearelavalutazionedi
sarapiu laboriosaerichiedera lapplicazionediunm todo mericoper laricercadeglize unafunzione(es.metododiNewtonRaphson).
-
5
1.1.3
PartiamodallODE
,
eintegriamoamboimembrinellintervallo , :
. MetododiCrankNicolson:
,
,
dolintegraleconilmetododeitrapeziedutilizzandolasolitanotazioneperlasoluzioneapprossimatasiha:
, ,2
dacui:
Risolven
2
cioe:
, ,
LastessaformulasipotevaottenereprendendolamediaaritmeticadelleformulediEuleroimplicitoedesplicito:
,
edividendoperdue,otteniamo:
2
,
sommandoledueequazionie
, ,
Anche in questo caso ilmetodo e implicito poiche richiede la conoscenza dellafunzionenelpuntodiarrivocheeancoraincognita.
-
6
1.1.4. Accuratezza.
aalcunedefinizionipreliminari,estendibili,conopprtunemodifiche,ancheaadaltrimetodi.
Errore globale di discretizzazione: Si dice errore globale di discretizzazione nelenzatra lasoluzioneveraequellacalcolataapartiredalpunto
dice errore locale di troncamento, lerrorettuareilsingolopasso
rdinedelmetodo:Sidiceordinedelmetodo,ilpiugrandeinteropositivopperil
Convergenza:Unmetodosidiceconvergentese:
oequivalentementese
lim 0
Sullabaseditalidefinizioniandiamoadanalizzareivarimetodifinquidescritti.
MetododiEuleroesplicito
Conriferimentoametodidiquestotipo,daremoor
punto ladifferinizialedeldominiodiintegrazione:
Errore locale di troncamento: Siintrodottodalmetodonumericonelleffe
Oqualerisulti:
lim
:Inquestocasolerrorelocaleditroncamentoedatoda:
,
icordando che i valori veri e quelli approssimati coincidono per definizione nelrpuntoiniziale,sihache , ,dacui
-
7
sostituendoinquestaequazionele pansioneinseriediTaylor,siha:
2
s
dacui:
2
Questaespressione,inoltre,implicache
percioilmetodoedelprimoordineelerrorevaazerocome .
MetododiEulero plicitoim :Inquestocasolerrorelocaleditroncamentoedatoda:
,
Utilizzandolequazione(vedisopra)
2,
2
esostituendo,siha:
Ancheinquestocaso,quindi,comenelcasoesplicito,siha:
elprimoordineelerrorevaazerocome .
MetododiCrankNicolson
percioilmetodoed
:Inquestocasolerrorelocaleditroncamentoedatoda:
2, ,
Ricordandoche
,
echeapplicandoilmetododeitrapezi(conlerrore)abbiamo:
-
8
,, ,
2 12
do,semplificandoericordandoche echequindi
siha:
Quindi,sostituen
12
Inquestocasoquindi,
zero
1.1.5. AnalisidiStabilita.
Un algoritmo e sta ile se non amplifica gli errori che compaiono nel corso deludieremo ora la stabilita dei metodi di Eulero esplicito e
implicitoedelmetododiCrankNicolson.Perfarequestostudiamoilcasospecificodellequazione:
percioilmetodoedelsecondoordineelerrorevaa come .
bprocesso risolutivo. St
0 . La soluzione esatta di questa equazione e.
con condizione iniziale
Metodo di Eulero esplicito: Dobbiamo provare che lerrore si mantiene limitato.Applicandoilmetodoallequazionespecifica:
1 1
Poichelasoluzioneesattatendeazeropervaloricrescentidix,vogliamocheanchelasoluzio enumericatendaazeropervaloricrescentidin,inmododamantenere
onenumen,solose:
nlimitatolerrore.Lasoluzi rica,fissatoh,tendeazeropervaloricrestentidi
|1 | 1
cioeper
-
9
1 1 1 0
Euleroesplicitoestabilesottocondizione.
Metodo di implicito
2
essndohpositivoperdefinizionelacondizionedistabilitadelmetodoe:
2
Ilmetododi
Eulero : In questo caso la soluzione numerica dellequazionespecificae:
11
11
iasivaloredih.IlmetododiEuleroimplicitoeincondizionatamentestabile.Inquestocasolasoluzionetendeazeropervaloricrescentidinperquals
Metodo di CrankNicolson: In questo caso la soluzionspecificae:
e numerica dellequazione
222
22
Inquestocasolasoluzionetendeazeropervaloricrescentidinperqualsiasivaloredih.IlmetododiCrankNicolsoneincondizionatamentestabile.
1.1.6. MetodiRungeKutta:
geKuttasonometodi incui lapprossimazionedellasoluzione in dipende solo dai valori della funzione in . Sono quindimetodi espliciti ad unpasso. Il vantaggio rispetto al metodo esplicito di Eulero e che questi metodisimulanoglieffettidellederivatediordinesuperiorevalutando la funzione
etododiHeun:
semplicedeimetodiRungeKuttaedeunanalogodelmetodo di CrankNicolson, ma rimane esplicito poiche usa Eulero esplicito per
ula
ImetodiRun
inpiupuntidellintervallo , inmododa avereunerroredi troncamento
localechesiadiordinesuperioreauno.
M
IlmetododiHeune ilpiu
predireilvaloredi dausarein , .Consideriamo,quindi,laform diCrankNicolson:
-
10
2, ,
Approssimiamoora ilvalore chesitrova in , effettuandounpassodelmetododiEuleroesplicito.Abb
di iamoquindi:
2, , ,
,
, , , ,
SiottienelaformuladiHeun:
Ponendo
2
,
,
diHeuneunanalogodelmetododiCrankNicolson,perquestovarranotutteleconsiderazionifatteinprecedenzaperilmetododiCrankNicolson.Percio,tralealtrecose,ilmetododiHeuneunmetododelsecondoordine.
MetododiRunge:
passo con ilmetododiEuleroesplicito finoametadellintervallo / /2 per calcolare il valore della funzione / .Effettuiamopoiunpass completo incui laderivataecalcolata in / , / (cioeametadellintervallo).SiottienecosiilmetododiRunge:
/ 2
Poiche ilmetodo
Supponiamodieffettuareun
o
,
2
dacui:
/ , / , 2,
LaformuladiRunge,percio,sara:
-
,
2,
2
Figura2:NelmetododiEulero laderivatanelpunto inizialediogni intervalloe'estrapolatapertrovare ilsuccessivodellafunzione.Questometodohaun'accuratezzadelprimoordine
Figura3:NelmetododiRunge l'accuratezzadelsecondoordinevieneottenutautilizzando ilvaloredella
e il valore nel puntonale. Nella figura i cerchi pieni rappresentano i valori finali della funzione mentre i cerchi aperti
ivalordella funzionecheservonopercalcolare laderivatadautilizzarenelsingolopasso.Questivalorivengonoscartatiallafinedelpasso.
valore
derivatanelpuntoinizialeperdeterminareilvaloredellafunzionenelpuntointermediodell'intervalloepoiutilizzando questo valore per determinare la derivata da utilizzare per determinarfirappresentano
11
-
12
1.1.7. SuimetodidiRungeKutta:
I duemetodi che abbiamo fino ad ora (Heun e Runge) si possono vedere piu ingeneralenellaforma:
con
,
,
icientiripartiamodallosviluppo inseriediTaylordellafunzione :
12
Icoefficienti , , , sonosceltiinmodochelerrorelocaleditroncamentosia
cioeimetodisianodelsecondoordine.
Perricavare ivaloridiquesticoeff
16
dovealsolito:
16
eilrestodellaformuladiTaylorcon unpuntoopportunonellintornodi .
Ricordandoche:
,
,
eche,
, , , ,
siottiene
,2
, , ,
-
13
Trascuarandoilrestosihalaformulaapprossimata:
,2
, , , 1
confrontarequestaespressioneconquellageneraledataallinizio . Prima di fare questo, pero, convieneespandere inse ediTaylor.RicordandocheingeneralelaformuladiTaylorperunafunzioneaduevariabili , nellintornodi , edatada:
, , , , ,
sipuoespandere nellespressione:
, , ,
che , siha:
, , , ,
Sostituendoquestaespressioneinquellageneralesiha:
,, , , ,
,
112
Aquestopuntovorremo
ri
ricordando
Raccogliendoafattorcomunesiha:
, , ,
Confrontandoquestaespressionecon losviluppo inseriediTaylorapprossimatosihannoleseuqntiidentita:
12
Questo sistemadi tre equazioni in quattro incognitenon ammette una soluzioneunica.Ciosignificachenonesisteunsolometododelsecondoordine,maunintera
NelcasodelmetododiHeunsiha:
1
famiglia.
2
21 1 1
-
14
NelcasodelmetododiRungesiha:
0 112
12
Le considerazioni fin qui fattedimostrano che imetodi diHeun e diRunge sonoentrambemetodidelsecondoordine,poiche inentrambe icasinellepansione in
itipoicheperprocederedalpunto inizale alpuntofinale si richiede solo la conoscenza della soluzione nel punto iniziale percio il passo dovra soddisfare la condizione di stabilita. Evidentemente sipossonocostruiremetodidiRungeKuttadiqualsiasiordine,troncando losviluppo
ntasemprepiudifficiledaricavare.
u usato e quello del 4 ordine, definito dalleseguentirelazoni:
,
2
serie di Taylor della funzione si e trascurato il resto . Entrambe imetodi sonometodiesplic
inseriediTayloraterminiviaviadiordinepiuelevato.Allaumentaredellordineilprocedimentodiventaviaviapiucomplitatoeallostessotempolastimadeglierrorilocalidive
Tra i metodi di RungeKutta, il pi
,2
2,
2
,
6 3 3 6
-
15
Figura4:NelmetododiRungeKuttadelquartoordine laderivatavienecalcolataquattrovolteperognipasso:unavoltanelpunto iniziale(1),duevolteperunvalorediprovanelpunto intermedio(2,3),eunavoltaperunvalorediprovanelpuntofinale(4).Utilizzandoquestederivatesicalcolailvalorefinaledellanzione.
Datochefinoallordine4sonorichiestetantevalutazionidelsistemaODEquantoelordine stesso, mentre per ordini maggiori occorre effettuare un numero divalutazioni via via sempre piu grande dellordine delmetodo, il RungeKutta delquarto ordine rappresente un ottimo compromesso tra precisione, sforzocomputazionaleestabilita.
IproeicontrodeimetodiRungeKuttasonoiseguenti:
fu
PRO:
1. Sonoefficienteanchequando la soluzionenonvienebenapprossimata conpolinomi;
2. Sono di solito poco sensibili a eventuali discontinuita delle funzioni del
rse di calcolo, il tempo complessivo di integrazionerisultabasso.
sistema;3. Richiedonopocamemoria;4. Efacilecambiareilpassodiintegrazioniinunmomentoqualsiasi;5. Iltempodicalcolodellalgoritmononeelevato.QuindipersistemiODEche
richiedano poche riso
-
16
RO:CONT
altrealternative;
calenonfaciledacalcolare;problemiincuisianorichiestivaloridellevariabili
inferiori a
odiMultistep:
recedentiedeventualmentenelpunto finale. Inise dipende manondaivalori
ericometodomultistepa 1passi
dove , .Se 0 ilmetodoeESPLICITO.Se,alcontrario,0 ilmetodoeIMPLICITO.Alcuniesempidimetodimultistepsono:
Nelmetododelpuntomedioladerivata , siassume
Dacuiperivaloriapprossimatiavremo:
2
1. Il numero di calcoli del sistema ODE e generalmente maggiore rispettoaquellodi
2. Nonsonoadattiasistemistiff;3. Lerrorelo4. Nonsiprestanoarisolvere
dipendenti molto ravvicinati, ossia con valori di h decisamentequellirichiestidallaprecisionedellalgoritmo;
5. Non e possibile risolvere sistemi in cui le derivate siano presenti in formaimplicita.
1.1.8. Met
I metodi Multistep, utilizzano i valori della variabile dipendente e della suaderivata accumulatineipuntipgeneraleunmetodosidicea pass
precedenti 1 .Pertantoungenedellaforma:
Metododelpuntomedio:costantenellintervallo , edugualealvalorein , , .Pertantosiavra:
, 2 ,
-
17
al solito, . Confrongenerale si o delsecondoordineaduepassi,esplicito,incui
0,
MetododiSimpson:NelmetododiSimpson, lintegralevieneapprossimatocon laformuladiSimpson.Percioinquestocasosiavra:
,
2
dove, , tando questa espressione con quella deduce che 1 , e 0. Pertanto questo e un metod
1, 2, 0
64
imati o:
3
Dacuiperivaloriappross avrem
14
Anche inquestocaso,confrontandoquesta formulaconquellageneralesideducehe 1 e 1/3. Pertanto, questo e unmetodo del quarto ordine a due
1/3
MetodidiAdams:NeimetodidiAdamslafunzione , vienesostituitaconunpolinomiointerpolatorediLagrangedigrado , ,cheinterpolalafunzionein
1punti.Cioe:
,
didi msBashfe , nellintegrale con un polinomio interpolatore di
Lagrangedigrado cheinterpolalafunzione , nei 1nodi , , .
cpassi,implicito,incui:
0, 1, 4/3,
Meto Ada ort:UnmetododiAdamsBashforta 1passieottenutosostituendo la funzion
-
18
Figura5:NelmetododiAdamsBashfortaq+1passilafunzioney(t)=f(t,y(t))vienesostituitaconunpolinomiodiLagrangedigradoqcheinterpolaf(t,y(t))neinoditnq,...,tn.
UnmetododiAdamsBashforta passiediordine .
MetodidiAdamsMoulton:UnmetododiAdamsMoultona 1passieottenutosostituendo la funzione , nellintegrale con un polinomio interpolatore diLagrange di grado 1 che interpola la funzione , nei 2 nodi
, , .
-
19
igura6:NelmetododiAdamsMoultonaq+1passilafunzioney(t)=f(t,y(t))vienesostituitaconunolinomiodiLagrangedigradoq+1cheinterpolaf(t,y(t))neiq+2noditnq,...,tn+1.
UnmetododiAdamsMoultona passiediordine 1.
In generaleun Polinomio interpolatore di Lagrange chepassaper i 1 punti
, , , , , , , , , , cioe
, , , , , , , e un polinomio di grado ed e datodallespressione:
dove
Fp
Scrittoesplicitamentediventa:
-
20
lepressionegeneraleperimetodidiAdamsBashforta 1passisara:
LespressionegeneraleperimetodidiAdamsMoultona 1passisara:
FacciamooraalcuniesempideimetodidiAdamsBashfort:
Metodo a un passo, 0: in questo caso abbiamo solo un nodo , ,percioilmetodosaradelprimoordine:
dacui:
EuleroEsplicito
biam , ,, ,percioilmetodosaradelsecondoordine:
Quindi
Metodo a due passi, 1: in questo caso ab o due nodi
dacui:
23
-
21
Metodo a tre passi, 2: in questo caso abbiamo tre nodi , ,, , ,percioilmetodosaradelterzoordine:
12
,
23 16 5
Metodoaquattropassi, 3:inquestocasoabbiamoquattronodi , ,, , , , , , percio il metodo sara del quarto
ordine:
2455 59 37 9
Faccia alcuniesempideimetodidiAdamsMoulton:
Metodo a un passo, 0: in questo caso abbiamo due nodi , ,, ,percioilmetodosaradelsecondoordine:
moora
2
dacui:
CrankNicolson
, , ilmetodo
12
Metodo a due passi, 1: in questo caso abbiamo tre nodi , ,, percio saradelterzoordine:
5 8
Metodoatrepassi, 2:inquestocasoabbiamoquattronodi , ,saradelquartoordine:, , , , , ,percioilmetodo
249 19 5
-
22
Iproeicontrodeimetodimultistepsonoiseguenti:
PRO:
1. Fornisconosenzadifficoltaunastimadellerrorelocale;egra
CONTRO:
2. Richiedonounminornumerodicalcolidifunzioneperpassodiint zione
1. TuttiimetodiMultistepesplicitisonoinstabili,quindioccorreutilizzarequelliimpliciti;
2. Glialgoritmimultistepnonsonoautosufficienti.Occorrecioedisporredialtrialgoritmiperavviarelintegrazioneecalcolareipunticoinvoltinellaformula;
i mopasso integ nuovamentedeipuntinecessariallaformulastessa.
.1.9. MetodiPredictorCorrector.
metodi implici (qualunque essi siano) hanno una difficolta aggiuntiva legata algenerale in forma implicita. In
generalequindi,ognimetodoimplicito,portaadunaequazionedeltipo:
unequazionediquestotipo,quindi,deveessereeffettuatanellamaggiorpartedei
ricamente.Tra levariepossibilita (metododiNewtonRaphson,metodo
provadi conunmetodoesplicito.Correggere ilvaloreconun
3. Le formule sono adatte ad un passo costante. Ogniqualvolta s difica ildi razioneoccorrereinizializzare lintegrazioneperpoterdisporre
1
Ifattoche lequazioneper ilnuovovalore e in
dove la funzione puo essere anche molto complicata. La risoluzione di
casinumedel punto fisso) ce quella del PredictorCorrector. Lidea e quella di fornire unprimovaloredimetodo implicito ed eventualmente iterare il metodo implicito fino allaconvergenza.
Piuspecificatamentesihalaseguenteprocedura.
Datoungenericometodoesplicito
-
23
,p
nelnuovopunto , ),e , senzaricalcolarlo.
Quindiloschemageneralebaseedeltipo:
Predizione: (metodoesplicito)
(metodoimplicito)
Valutazione(Evaluation): ,
Tuttaviasipossonoutilizzareperunoschemapredictorcorrectorpiuvarianti:
PEC P(EC)k
mediante esso si determina un valore approssimato . Per migliorare
lapprossimazionesiusaquestovalore, ercalcolare , inmododacorreggere conunmetodoimplicito
Percio il metodo esplicito predice una approssimazione e quello implicito lacorregge.Laformulaimplicitapuoessereripetutauncertonumerodivolte
Dopo correzionisipuoricalcolare ilvaloredi
oppureutilizzareilvaloreprecedent
Valutazione(Evaluation): ,
Correzione:
PECE(quellobaseappenadescritto) P(EC)kE
-
24
apredictorediordine e lo schemacorrector e di ordine , allora ilmetodo predictorcorrector PECE si comporta
tododiordinemin , 1 .
correctorsonoiseguenti:
ctorCorrectorEE+CN:
predictor , (EuleroEsplicito,ordine 1)
corrector
Ordinedelpredictorcorrector:Se lo schem
comeunme
Esempidischemipredictor
MetodoPredi
, , (CrankNicolson, 2)
Inquestoesempioilmetodopredictorcorrectorediordine2.
MetodoPredictorCorrectorAB2+AM3:
predictor 3 , , (AdamsBashfortaduee 2)
corrector
passi,ordin
5 , 8 , , Moultonatrepassi, 3)
quandositrattaconODEdiordinesuperiorealprimo.UnsistemadiODEdelprimoordinesidicestiffquandoesistonodueopiu
idellavariabileindipend iledipendente.Peresempio,consideriamoilseguentesetdiODE:
998 1998
999 1999
concondizioniiniziali 0 1, 0 0.Effettuandolatrasformazione:
2
sihalasoluzioneanalitica:
(Adams
Inquestoesempioilmetodopredictorcorrectorediordine3.
1.1.10. SistemiStiff:
Isistemistiffsipossonopresentare
scaledifferent entesullequalicambialavarib
-
25
2
ione:
0
esiadeltipo:
0
con 0 lacondizionedistabilitaper ilmetododieuleroesplicitoe 2/ .Percioechiarochesesiintegrasseilsistemadipartenzaconunmetodoesplicito,questo rich derebbeunpasso 1/1000per garantire la stabilita.Daltronde,
e iltermine etrascurabilenonappenacisiallontanadallorigine.Quindi ilproblemagenerico legatoallapplicazionedimetodiespliciti per equazioni stiff e quello di dover seguire la soluzione sulle scale piupiccole,pergarantire lastabilitadelmetododi integrazione,anchese irequisitidiaccuratezzadellasoluzionepermettanounpassomoltomaggiore.Lunicomododi
egiavisto,ilmetododiEuleroimplicitoeunmetododelprimoordine.Sesivuoleottenereunamaggior accuratezzapersistemistiff,sipuoricorrereametodi implicitidiordinesuperiore lprimo.
Nellanalisidistablitaabbiamogiavistochenelcasodellequaz
con soluzione esatta i metodi impliciti erano incondizionatamentestabili,mentre ilmetododieuleroesplicitoerastabilesoloper 2.Ora,sipuofacilmentedimostrarechenelcasoincuilequazion
,
ieperdeterminareivaloridi
ovviareaquestoproblemaequellodiutilizzaremetodiimpliciti.Com
ea
-
26
stantequesto,pero,essadeterminalastabilitadellasoluzione(lineatratteggiataepuntinata)ancheperscalepiugrandi
1.2. PROBLEMIAIVALORIALCONTORNO.
1.2.1. Introduzione
QuandounaODEdevesoddisfaredellecondizionialcontornochecorrispondonoapiudiunvaloreperlavariabiledipendentesihaunproblemaaivalorialcontorno.Tipicamente, le condizioni che devono essere soddisfatte vengono speficicate nelpunto iniziale e nel punto finale dellintervallo di integrazione. La distinzioneprincipale traproblemiaivalori inizialieproblemiaivalorial contornoe chenel
alo caso,
to inizialenondeterminanounasoluzionenicaconcuipartire,cioeunasoluzionechesoddisfi lecondizionialcontornonel
punto inizialenon verifichera in generale le rimanenti condizioni al contornoneluntofinale.Nelcasodeiproblemiaivalorialcontorno,quindi,saranecessariauna
proceduraiterativaattraversolaqualetratuttelesoluzionipossibilichesoddisfano
Figura7:Esempiodiinstabilitaincontrataintegrandounequazionestiff.Quisisupponechelequazioneabbiaduesoluzioni(lineasolidaelineatratteggiata).Laseconda,varapidamenteazerononappenacisidiscostadallorigine.Nono
primocasolasoluzione,notanelpuntoiniziale,siaggiornapassodopopassofinopunto iniziale attraverso integrazioni numeriche successive; nel secondinvece, lecondizionialcontornonelpunu
p
-
27
lezioniquellachesoddisfianchelecondizioni al contorno nel punto finale. Questo, in generale, richiederalintegrazionedelleODEsututtolintervallodiintegrazione,ovverolapplicazionedi
lassamento(vedisotto),percertounnumerodiiterazioni.Per
lecondizionialcontornonelpuntoinizialesise
unaproceduradiriquestomotivolasoluzionedeiproblemiaivalorialcontornorichiedonounosforzomaggiore sia in terminidiprogrammazionedellalgoritmo, sia in terminidi tempocalcolo.
Unproblemaaivalorialcontornostandardha laseguente forma:sivuolecheundato set di equazione differenziali ordinarie del primo ordine, soddisfi condizioni al contorno nel punto iniziale e un rimenente set di condizionialcontornonelpuntofinale .
PerciopotremoscrivereilsetdiODEcome:
, , , , 1,2, ,
Nelpuntoiniziale ,lasoluzionedovrasoddisfarele condizionialcontorno:
, , , , 0 1,
mentrenelpuntofinale dovrasoddisfarelerimanenti condizioni
, , , , 0 1,
Esistono due classi distinte dimetodi numerici per risolvere problemi ai valori al
un lee le equazion
imetodinumericiperproblemiaivalorivalori di tutte le variabili dipendenti
nellaltro estremo dellintervallo di integrazione. In generale questi valori nonsaranno consistenti con le condizioni al contorno per questo estremo, percio sidovraoperare inmodotaledaaggiustareopportuname te ivalorifornitialpunto
i alcontornovolute.
contorno.Nelmetodo di shooting vengono scelti dei valori per tutte le variabilidipendentiin estremo;talivaloriovviamentedovrannoessereconsistenticon condizioni al contorno relative a quell stremo. Fatto questo, idifferenzialivengono integrateconuno deiniziali. In questo modo si determinano i
niniziale per ottenere nel punto finale dei valori consistenti con le condizion
-
28
hem prova
navariantediquestometodoe ilmetododel fitting. Inquestocasosiscelgonodei valori di prova per tutte le variabili dipendenti in entrambe gli estremi diintegrazione (echesianoconsistenticon lecondizionialcontornoaidueestremi).Fattoquestosiintegranoleequazionipartendodallinternoepartendodallesterno,con uno deimetodi per i problemi ai valori iniziali, fino ad un punto intermediodettopuntodi fitting.Lediscrepanze tra ivaloridellevaribialidipendentiottenuticon lintegrazione dallinterno e con quella dallesterno vengono utilizzate percorreggereivaloridiprovainmododaazzerarelediscrepanzestesse.
Ilmetodo del rilassamento, invece, utilizza un approccio differente. Le equazionidifferenziali sono rimpiazzate da equazioni alle differenze finite su una griglia dipunti(meshpoints)checopretuttolintervallodiintegrazione.Siforniscequindiuna
rilassamento,consistenellaggiustaretutti ivaloriditutte levariabilidipendenti inodo taleottenere la verificadelleequazioni in tutti imesh,entroun tolleranza
Figura 8: Sc atizzazione del metodo di shooting. I valori di della soluzione che soddisfano lecondizionialcontornonelpuntoinizialevengonolanciatialpuntofinale.Lediscrepanzetraivaloricosiottenutie lecondizionialcontornonelpuntofinalevengonoutilizzateperaggiustare ivaloridiprovanelpuntoiniziale.Ilprocessoiterativoavraterminesoloquandolediscrepanzesarannoinferioriadunacertatolleranzafissataapriori.
U
prima soluzione di prova che consiste nellinsieme dei valori di tutte le variabilidipendenti corrispondentiadognimeshpoint.Questi valorinon soddisferanno ingenerale leequazionialledifferenzefiniteperognicoppiadimesh,netantomenole condizioni al contorno ai due estremi. Literazione, detta comunemente
mdata,nonchedellecondizionialcontornoaidueestremi.
-
29
c
metodo del rilassamento e piu efficiente del metodo di shooting quando leequazioni sono tali che i valori della soluzione agli estremi dellintervallo diintegrazionesonomoltosensibili.Percio,piccolevariazionideivaloridiprovadellasoluzione ad un estremo determinano grandi variazioni dei valori ottenutiallestremoopposto.Inquestocaso,quindi,edifficilemodificareivaloriinizialiperottenereivalorifinalicompatibiliconlecondizionialcontornovolute.
Essendo, in generale, il metodo del rilassamento piu robusto del metodo dishooting,questoepreferitoquandolefunzioninonvarianolentamentemahannovariazioniripideinfunzionedellavariabileindipendente.
va iniziali di tutte le variabili dipendenti nel punto inizialeintervallo di integrazione compatibili con le condizioni al contorno.
Pertanto ci saranno valori iniziali di prova che potranno essere
Figura9:Schematizzazionedelmetododelrilassamento.Inizialmentesifornisceunasoluzionediprovachesoddisfainmodoapprossimatosialeequazioni helecondizionialcontorno.Inunprocessoiterativo,poi,lasoluzionediprovavieneviaviamodificatainmododaottenerelamigliorverificadelleequazioniedellecondizionialcontorno.
Il
1.2.2. IlMetododiShooting
Ilprimopassocheoccorreeffettuarenelmetododishootingequellodispecificaregli valori di prodell
assegnatiliberamentesenzacondizioni.Supponiamochequestivaloriliberisianocontenuti in un vettore di dimensioni . Quindi, ad ogni particolare
-
30
. Ingeneralele no il
, 1, ,
trovareunvettoredivalori cheportiazerotutti i
er g
corrispondera un particolare , cioe il vettore dei valori di prova iniziali.Lintegrazionedelsistemadi ODEconunodeimetodinumericiper iproblemiaivalori iniziali portera ad un particolare , cioe il vettore dei valori dellasoluzione corrispondentialpunto finaledellintervallodi integrazione
non verifichera condizioni al contor date per punto finale.Supponiamochelediscrepanzetralecondizionialcontornodateequelleottenutecon lintegrazione appena effettuata siano contenute in un vettore , anchessoovviamentedidimensioni ,perciorisultera:
Ilproblemaquindiequellodivalori del vettore . Dobbiamo quindi studiare come varia al variare di . Ildiff enzialetotaledellagenericacomponentedi saradatoin eneraleda:
Percioperazzerare esu icientevariare modoche:
1, ,
Cioe:
ff in
1, ,
chescrittoinformacompattarisulta:
essendo lamatriceJacobiana la cuigenericacomponenteedatada:
Unavolta risoltoquestosistemaavremo lecorrezioni daapportareaivaloridi
provadi ,chechiameremoora .Percioavremoche inuovivaloriliberidiprovasaranno:
-
31
Ora se le equazioni differenziali sono lineari, allora questa procedura portadirettamente alla soluzione finale. Se invece le equazioni sono non lineari, allora
ecessario iterare linteraprocedura finoa che lediscrepanze saranno tutteinferioriadunacertatolleranzasceltaapriori.
E importantenotare che ingeneralenon sara facile calcolare lederivateparzialichecompaiononellamatriceJacobianainmodoanalitico.Sidovraquindiricorrere
merica effettuando integrazioni separatedelledi ODE,incuiognivaloredelvettore vieneincrementatodiunaquantitasceltaapriori,seguitedalcalcolodelladerivataparzialedatoda:
,
saran
alla valutazione di queste per via nu
, , , , , ,
1.2.3. MetododelFitting
otingassumeimplicitamentecheilancisianosempreingradodiattraversare il dominio di integrazione, dal punto iniziale al punto finale, econvergere ad una soluzione corretta, anche nelle prima fase del processo di
m
fanno semplicemente morire ilprogramma. Inoltre in alcuni casi lalta non linearita delle equazioni implica una
dei
fitting e tale che
, epoiuna integrazionedellesterno,da a . Se, come abbiamo
dettoinprecedenza,ilnumerodicondizionialcontornodaimporrein sono edilnumeroda imporre in sono ,alloracisaranno valoriliberi in ed aloriliberi in dellevariabilidipendentidaassegnare.Supponiamoche ivaloriliberiin sianocontenutiinunvettore didimensioni echeivaloriliberiin
di dimensioni . Allora ad ogni scelta di corrisponderaun vettoredi valori iniziali in , ed analogamente adogni
Ilmetododisho
convergenza. In realta, in alcuni casi, se i valori di prova sono olto lontani daivalori corretti, la soluzione non e in grado di essere lanciata da a senzaincontrare espressioni incalcolabili o catastrofiche, come, ad esempio, radici dinumeri negativi o divisioni per zero, che
diffoltadiconvergenzadovutaallelevatasensibilitadellecondizioniin daquellein . In questi casi si puo superare questa difficolta attraverso ilmetodo delloshootingtoafittingpointopiu semplicemente ilmetodo lfitting.Lideaecheinvece d integrare dal punto al punto , si effettua prima una integrazionedallinterno, da fino ad un certo punto , detto punto di
v
siano contenuti in un vettore
-
32
i
an ,m
eiv
differenziale
cioe:
sceltadi corrisponderaunvettoredivalori iniziali in , .Lintegrazionedelsistemad ODEda a ,conunodeimetodinumericiperiproblemiaivalori
iniziali,permetteradidefiniretuttiivaloridituttelevariabiliindipendentealpuntodi fitting, . Analogamente lintegrazione dallesterno da a portera a
definireilvettore .Ingeneralequestiduevettorinoncoincider no aanzi
sipotraunvettoredidiscrepanzealpuntodifitting,didimensioni
dovelagenericacomponentee:
1, ,
Questediscrepanzedipenderannoingeneral daivaloridi e ,perciosidovraoperaresuquest aloriaffinche lediscrepanzealpuntodifittingvadanoazero.Il
totaledi saradatoingeneraleda:
1, ,
co e sa
1, ,
Perciola ndizionesullevariazionideivaloriliberiin in ra:
1, ,
La soluzione di ques ema fornira, quindi, le correzioni e daapportareaivaloridiprovadi edi ,percioavremocheinuovivalori
to sistliberidi
provasaranno:
Comenelcasoprecedente,se leequazionidifferenzialisono lineari,allora,questaproceduraportadirettamenteallasoluzionefinale.Seinveceleequazionisononon
-
33
ch
occorrera, allavalutazionenumerciadellederivateparzialicomedescrittoinprecedenza.
1.2.4. MetododelRilassamento
Ilmetododelrilassamentohaunapproccioalproblemacompletamentedifferentetrovare la
combinazionedivaloriliberiper levariabilidipendentiagliestremidellintervallodiintegrazione,cheminimizzagliscarti(oalpuntodifittingoaunodeidueestremidi integrazione), in questo caso lidea e quello di fornire una intera soluzione diprovasututtolintervallodiintegrazione,suddivisoinunagrigliadimeshpoints,e
soluzi ro nerrt o
glioilmetodo.
Consideriamoilgenericosistemadi ODEs:
lineari, allora saranecessario iterare linteraprocedura fino a e lediscrepanzesarannotutteinferioriadunacertatolleranzasceltaapriori.
Anche inquestocaso ingenerale,procedere
da quello dei metodi di shooting e di fitting. Infatti, invece di
variare inmanieraopportuna le onidiprovaneisingolimeshpe tte e laverifica delle equazioni di pa enza, pportunamente linarizzate. Andiamo ora aspiegarepiuindetta
, , , 1, ,
primo passo suddividiamo lintervallo di integrazione in punti cheComechiameremomeshpoints(opiusemplicementemesh)etrasformiamoleequazionidifferenziali in equazioni algebriche alle differenze finite. Percio per la genericacoppiadimesh , 1 eperlagenericaequazione esimarisultera:
, , , , ,, ,
, , ,
/ 2
/ , / , /
dove
erasoluzionediprovacheconsistenegli
valori , , , , , 1, , .IngeneraleleequazionilinearizzateSupponiamodifornireoraunint
-
34
,, ,
, ,/ , , / , , , / 1, . . ; 1, , 1
nonsarannoverificate,cioerisultera:
, , 0 1, . . ; 1, , 1
dove , elanonverificadellequazione esimaperlacoppiadimesh , 1 .Poiche , dipenderadallasoluzionediprova,studiandoda lasuadipendenzada
questa,sipotraoperaresuivaloridiprovaperminimizzaregliscarti.Ildifferenzialetotaledi edatoda:,
,,
,,
,
,,
e
,
Ovviamente , dipenderadalle variabili in in 1.Percioper azzerareglierrori si dovra imporre che le correzioni ai valori iniziali di prova soddisfino ilseguentesistemadiequazioni:
,,
, ,
,,
,, 1, . . 1, , 1
Si ha quindi un sistema di 1 equazioni nelle incognite, , , , 1, , , che rappresentano le correzioni da apportare ai
valoridiprovaperazzerarelenonverifiche.
Le restanti equa oni derivano dalle condizioni al contorno. Supponiamo al:
, , ,
echenelsecondoestremosianodatelerimanenti condizioni
, , , , , 0 1, ,
questeequazionilinearizzatenonsarannoingeneraleverificate,percioancheinquesto analogamenteasopraavremo:
,
zisolitochenelprimoestremosianodate condizionialcontornonellforma
, , 0 1, ,
Datiivaloridiprovadellasoluzioneanchecaso,
, , , , , 1, ,
e
-
35
Percioancheinquestocaso,analogamenteaquantofattosopra,dovremoimporreche:
1, ,
tano:
,
, , , , , 1, ,
e
1, ,
chescritteesplicitamentediven
,,
1, ,
,,
,
1, ,
che sono appunto le chemancanoperportare il sistema a equazioni
nelle incognite , , , , , 1, , echerendonopercioilsistemainlineadiprincipiorisolubile.
i mesh , de dallevariabili in , 1 , la matrice dei coefficienti di questo grande sistema saraevidentemente unamatrice con una ba da sulla diagonale principale (vedi figura
isistemidiequazioni,soprattuttoattraversotecnichespecificheper larisoluzionedimatricisparse.
Poiche ogni equazione per la generica coppia d 1 dipen
n10). La soluzione di questo sistema, quindi, potra essere effettuata oltre cheattraverso letecnichestandard(gaussjordan,decomposizioneLU)dirisoluzioned
-
36
te ,cioelecorrezionidaapportareaivaloridiprovadituttelevariabiliintuttiimesh,mentre leB indicano i termininoti,cioe lenonverifichedellevarieequazioni.Glispazivuotippresentanoglizeri.
omediconsueto,seleequazionisonononlineari,questaproceduradovraessere fino a raggiungere lazzeramento delle non verifiche e percio la
versolasoluzione.
Figura10:Strutturadellamatricedeicoefficientidelsistemadi equazionidifferenzialitrasormateinequazionialledifferenzefinite,concondizionialcontornoaidueestremidellintervallodiintegrazione.LeXrappresentano lederivatedellagenericaequazione (righe)rispettoallavaribile (colonne).LeVrappresentanoleincogni
ra
Citerataconvergenza