Analisi errore per EDO. Analisi Numerica Prof. M. Lucia Sampoli a.a. 2013/2014

Documenti analoghi
Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

Intorduzione alla teoria delle Catene di Markov

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

6. Catene di Markov a tempo continuo (CMTC)

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Esercizi sulle reti elettriche in corrente continua (parte 2)

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 13: 24 aprile 2013

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze

Circuiti dinamici. Circuiti del secondo ordine. (versione del ) Circuiti del secondo ordine

LE FREQUENZE CUMULATE

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

urto v 2f v 2i e forza impulsiva F r F dt = i t

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

CARATTERISTICHE DEI SEGNALI RANDOM

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

PROBLEMA 1. Soluzione. β = 64

Condensatori e resistenze

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

4.6 Dualità in Programmazione Lineare

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

Statistica descrittiva

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

V n. =, e se esiste, il lim An

Analisi dei flussi 182

Università degli Studi di Urbino Facoltà di Economia

IL RUMORE NEGLI AMPLIFICATORI

Probabilità cumulata empirica

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Corso di. Dott.ssa Donatella Cocca

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

Programmazione e Controllo della Produzione. Analisi dei flussi

Dai circuiti ai grafi

Variabili statistiche - Sommario

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

CAPITOLO 3 Incertezza di misura Pagina 26

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Macchine. 5 Esercitazione 5

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Circuiti elettrici in regime stazionario

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

L = L E k 2 ENERGIA CINETICA DI ROTAZIONE. Espressione generica dell energia cinetica di rotazione: 1 ω

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

STATO LIMITE ULTIMO DI INSTABILITA

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Misure Topografiche Tradizionali

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Circuiti di ingresso differenziali

I materiali ferromagnetici sono fortemente non lineari a causa dell'insorgere di fenomeni di saturazione e degli effetti isteretici.

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

Appunti di Econometria

Elementi di statistica

links utili:

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

MODELLISTICA DI SISTEMI DINAMICI

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

Valutazione dei Benefici interni

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

COMPORTAMENTO DINAMICO DI ASSI E ALBERI

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

Appunti sulle curve di Bézier

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

B - ESERCIZI: IP e TCP:

Il dimensionamento dei sistemi di fabbricazione

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

Trigger di Schmitt. e +V t

Soluzione del compito di Fisica febbraio 2012 (Udine)

CHE COS E LA COMPLESSITA

La retroazione negli amplificatori

Sviluppo in serie di Fourier. Introduzione e richiami sulle basi di spazi vettoriali. Serie di Fourier di segnali a supporto illimitato

Acustica negli ambienti chiusi

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA

Il campionamento casuale semplice

Progetto Lauree Scientifiche. La corrente elettrica

Calcolo della caduta di tensione con il metodo vettoriale

Unità Didattica N 5. Impulso e quantità di moto

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

RAPPRESENTAZIONE DI MISURE. carta millimetrata

Modelli descrittivi, statistica e simulazione

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Transcript:

Anals errore per EDO Anals Numerca Prof. M. Luca Sampol a.a. 2013/2014

Metod multstep lnear La forma generale d quest metod è y h f n0,1,2... j n j j n j j0 j0 dove α j β j sono costant e 0, 0, fn j f( xn j, un j) I metod dscret multstep a -pass necesstano d valor nnesco. Se β =0: metodo esplcto, se β 0: metodo mplcto I metod esplct sono pù facl da calcolare. Nella pratca vengono maggormente usat metod mplct che danno prestazon mglor, anche se pù costos dal punto d vsta computazonale. Dalla formula sopra se ne può ottenere una equvalente yn h f( xn, yn) gn 0 S può dmostrare che esste unca la soluzone u n+ se Lh 1

Anals degl error Dato un metodo dscreto nella sua forma generale (LMM,PC, R-K,..) yr sr( h) 0r valor d nnesco y h ( x, y,..., y, h) n f n n n 0 Defnamo l seguente polnomo (legata alla eq. alle dfferenze): ( ) =0 Nel caso de LMM possamo defnre anche un secondo polnomo ( ) =0

Convergenza La rchesta mnmale da fare ad un metodo dscreto affnché da una buona approx della soluzone esatta è che sa convergente, coè: max yn y( xn) 0 per h0 0nN Ne segue che per un metodo MS la convergenza deve mplcare la convergenza anche de valor d nnesco. Inoltre dalla convergenza unforme segue anche la convergenza puntuale: fssato x=a+h, s ha che per h0 0, h, talche y( x) y ehh

Coerenza (consstenza) Defnzone: s defnsce l errore d dscretzzazone locale la quanttà d( x, y( x )) 1 '(1) h n n n Defnzone: un metodo dscreto s dce coerente (o consstente) se max 0nN d n 0 per h0 Inoltre s dce coerente d ordne p se max d n =o(h p ) Caratterzzamo n modo pù pratco la coerenza 1 dn j[ y( xn) jhy'( xn jh)] h( xn, y( xn),, y( xn), h) '(1) h j0 yx ( n ) jh j jf( xn jhyx, ( n jh)) h( xn, yx ( n),..., yx ( n), h) '(1) h j0

Coerenza (consstenza)-2 Dalla precedente espressone segue che condzone necessara e suffcente per la coerenza è che s abba: 1. 2. lm y y r 0,1,... 1 h0 j r 0 0 ( (1) 0) 3. lm ( x, yx ( ),, yx ( ), h) j f( xyx, ( )) '(1) f( xyx, ( )) h0 n n n j La condzone 3 puo essere cos rscrtta: MML: (1) '(1) PECE: C(1) C '(1) ( C(1) 0, P(1) 0) R-K: c '(1) Le tre condzon sopra elencate sono necessare per la convergenza la coerenza è condzone necessara per la convergenza.

Stabltà Dobbamo formulare una rchesta analoga alla dp. contnua da dat per l metodo numerco. La sola rchesta che l problema sa ben condzonato (garantto per es. dalla lpschtzantà d f) è necessara ma non suffcente. Bsogna rchedere che anche l metodo dscreto non propagh gl error. Tale rchesta è suggerta dalla necesstà d tenere sotto controllo gl nevtabl error che l artmetca fnta d ogn calcolatore ntroduce. Defnzone:Sano δ n δ n *, n=0,1,,n due qualsas perturbazon del MD e sano z n e z n * le sol. perturbate. Se esste h 0, tal che per ogn hє(0,h 0 ] z z quando * * n n n n s dce che l metodo è zero-stable. La stabltà dello schema dscreto è legata al comportamento delle radc del polnomo caratterstco

Stabltà: condzon alle radc Defnzone: Un MD soddsfa la condzone delle radc se le radc del prmo polnomo ρ(θ) sono dentro l cercho untaro e quelle sulla crconferenza sono semplc. Defnzone: Un MD soddsfa la condzone forte delle radc se ρ(θ) ha una sola radce semplce n +1 e le rmanent sono tutte strettamente nterne al cercho untaro. Se l metodo è coerente ρ(1) =0, per cu +1 è radce

Convergenza Teorema: Un metodo dscreto è zero-stable se e solo se soddsfa la condzone delle radc Ne metod one-step ρ(θ)=α 1 θ-α 0, per cu s ha una sola radce, che è uguale a 1 se l metodo è consstente (nfatt n questo caso ρ(1)=α 1 - α 0 =0 α 1 =α 0 ) Teorema (Dahlqust): Un metodo dscreto è convergente se e solo se è consstente e zero-stable Corollaro: Un metodo one-step è convergente se e solo se è consstente Rassumendo: La coerenza è l mnmo lvello d accuratezza da rchedere. Essa controlla la grandezza dell errore d dscretzzazone locale La zero-stabltà controlla l modo n cu s propagano gl error quando h 0 Entrambe sono necessare per raggungere la convergenza

Errore globale Nel caso n cu s tenga conto degl error d arrotondamento, la soluzone effettvamente calcolata non soddsferà esattamente l equazone alle dfferenze, ma s avrà yn h f( xn, yn,..., yn, h) Rn 0 Analogamente s avrà per valor nzal: y s ( h) 0r S defnsce qund l errore globale d arrotondamento y j yj j che dpende dagl error local e dalla loro propagazone r r

Errore totale L errore totale sarà qund dato da E y y( x ) y y y y( x ) n n n n n L errore totale è composto da due part:l errore globale d arrotondamento ε n e l errore globale d dscretzzazone e n Esste una sogla nferore al d sotto della quale l errore totale aumenta! n n e n n

Assoluta stabltà I metod numerc devono rspettare alcune propretà della soluzone esatta, quale, per esempo, fornre una soluzone lmtata se la soluzone esatta è lmtata. Zero-stabltà d un metodo numerco: s studa l comportamento della soluzone y n n [x 0, x 0 +X] per h 0 Assoluta stabltà d un metodo numerco: s studa l comportamento della soluzone y n per x n, per h fssato. Propretà legata al comportamento asntotco d y n ; vene anche chamata stabltà per h fssato.

Assoluta stabltà In pratca h non può tendere a zero, qund la convergenza non è una garanza assoluta che un metodo fornsca de rsultat numercamente accettabl, n quanto la zero stabltà asscura la propagazone stable degl error per h 0. Necesstà d una nuova defnzone d stabltà per h fssato Defnzone: Un MD s dce assolutamente stable per un certo h fssato e per un dato PVI se l errore globale rmane lmtato per n Defnzone legata al partcolare PVI, che non permette un anals generale del comportamento del metodo. Osservazone: lo studo dell errore equvale a consderare la soluzone d zx ( ) yx ( ) ( x) '( x) fy ( x, y( x)) ( x) zx ( ) yx ( ) e ( a) Lnearzzando lo Jacobano f y, supponendolo costante, s può n prma approssmazone rportare l problema ad un problema lneare scalare: y =λy (problema modello)

Polnomo d assoluta stabltà Il pb. test è un modello accettable nterpretando λ ( anche complesso) come un valore che localmente rappresenta un qualsas autovalore dello Jacobano d f. Sosttuendo l pb. test la funzone Φ f del MD dventa lneare n y n+ =0..: y h ( x, y,..., y, h) h ( h) y n f n n n n 0 0 Possamo pertanto scrvere: Sottraendo membro a membro: Er r r valor d nnesco h ( h) En n n 0 Equazone alle dfferenze lneare non omogenea, se gl error sono pccol la soluzone dpende dalle radc del polnomo caratterstco assocate alla parte omog. (, h) h( h) polnomo d stablta' y h ( x, y,..., y, h) h ( h) y n f n n n n n 0 0 yx ( ) h ( x, yx ( ),..., yx ( ), h) h ( h) yx ( ) n f n n n n n 0 0 0

Regone d assoluta stabltà Defnzone: Lo schema è detto assolutamente stable per un dato hλ (fx), se le radc del polnomo d stabltà π(ξ,hλ), gaccono tutte nella crconferenza untara, coè: 1 La regone del pano complesso tale che s ha assoluta stabltàè detta regone d assoluta stabltà: Esemp: MLM: R-K: (, h) 1 0 h0( h): 0( h) polnomo(r-k esplct), 0( h) P P P PECE: (, h) ( ) h ( ) h ( ) h ( ) P h hc: ( h) 1, 1,2,, 0 (, h) h ( ) h( ) Tutt metod a pass ottmal hanno. I metod d Adams esplct hanno n generale una regone pù pccola d quell mplct dello stesso ordne. A parte R-K mplct aumentando l ordne s rmpccolsce funz. razonale(r-k mplct)

Regone d assoluta stabltà: esemp Ogn metodo ha la sua regone d assoluta stabltà. Se hλ=0 allora (,0) 0 ( h) ( ). Se lo schema è 0 0 zero-stable le radc d ρ(ξ) sono tutte nterne al cercho untaro. Qund per ogn MD l punto hλ=0 s trova sulla frontera della corrsspondente regone d assoluta stabltà Eulero: y y h f( x, y ); f( x, y) y 1 y y h y 1 1 (, h) (1 h) una sola radce 1h 1 h( 1) 1 1-2 -1

Regone d assoluta stabltà: esemp -2 Eulero mplcto: y y h y 1 1 (, h) (1 h) 1 una sola radce (1 h) h h 1 (1 ) 1 1 1 1 1 Trapez (Cran-Ncolson) h y 1 y ( y y 1) 2 1 1 h 1 1 (, h) 1 h 1 h una sola radce 2 1 2 2 1 1 h 2 1 Re( h) 1 1

Regone d assoluta stabltà: esemp -3

A-stabltà Le regon d assoulta stabltà appena vste non sono utlzzabl se Re(λ) 0 (con λ autovalore d f y ). In questo caso le soluzon crescono al crescere d x e non ha senso chedere che l errore rmanga lmtato se y(x) dverge. Il concetto d assoluta stabltà ha senso solo se Re(λ)<0 ovvero se l problema d Cauchy è asntotcamente stable (bencondzonato) è evdente la convenenza d avere regon d assoluta stabltà pù grand possble. Se λ è molto grande, può essere necessaro controllare hλ con un passo molto pccolo. Pù grande è R A, pù grande può essere preso h (e meno calcol devono essere fatt). Defnzone: Un MD è detto A-stable se la corrspondente R A contene l sempano Re(λ)<0.

A(α)-stabltà Nessun metodo LMM esplcto è A-stable ed un metodo LMM mplcto A-stable non ha ordne maggore d 2. Tra quest l mglore è l metodo d Cran-Ncolson. Non esstono metod R-K esplct A-stabl La condzone d A-stabltà è molto forte ed ha motvato lo studo e svluppo de metod R-K mplct. Rchesta pù debole: Defnzone: Un MD è detto A(α)-stable con 0, / 2 se la sua regone d assoluta stabltà contene l cono W α d semapertura angolare α nella parte del sempano snstro complesso. 2 1.5 1 0.5 0-0.5-1 -1.5-2 -1-0.5 0 0. 5 1

Problem stff Il termne stff vene usato per problem dfferenzal le cu soluzon sono caratterzzat da part con andamento molto dfforme. 1.5 Esempo: y(0) 0 3 x x y' 10 ( y e ) e x yx ( ) e e 3 10 x 1 0.5 0 Un termne ha costante d decadmento 1 l altro ha una costante 10-3 0 0. 5 1 1. 5 2 2. 5 3! Dal punto d vsta analtco l equazone è asntotcamente stable, tende coè ad uno stato stazonaro. Dal punto d vsta numerco è estremamente dffcle segure la soluzone nella sua fase transente perché MD rchedono un passo troppo pccolo per soddsfare le condzon d stabltà In quest cas sono necessar MD con una grande regone d assoluta stabltà

Problem stff -2 Defnzone (Lambert): Un problema è detto stff se approssmato con un metodo numerco caratterzzato da una regone d assoluta stabltà fnta, obblga quest ultmo, per ogn condzone nzale per l quale l problema ammetta soluzone, ad utlzzare un passo d dscretzzazone eccessvamente pccolo rspetto a quello necessaro per descrvere ragonevolmente l andamento della soluzone esatta. Defnzone (2): Il sstema s dce stff rspetto alla soluzone y(x) ed al valore x se, dett λ 1, λ 2,, λ n, gl autovalor d f y (x,y(x)) ess sono tal che ()Re( ) 0 max Re( ) ( ) 1 : parametro d stffness mn Re( ) Qund n generale non c deve essere LOCALMENTE nessuna componente della soluzone nstable. Deve esstere una componente superstable. La soluzone a regme deve varare molto lentamente rspetto al contrbuto della soluzone superstable S osserva che ρ=ρ(x)

Stabltà per problem stff C nteressa l accuratezza per transent veloc (assocat ad autovalor con parte reale molto negatva) e qund non è necessaro che tutto l sempano snstro complesso sta n R A,, ma solo la parte che contene gl autovalor hλ molto negatv (dstant dall asse Im), che sono la causa d stffness. Per tal autovalor h può essere grande n quanto transent s esaurscono subto. Fssato qund a>0 reale tutto l sempano a snstra d a deve stare n R A nella zona a Re(hλ) 0 coè per transent pù lent bsogna rchedere maggore accuratezza. D altra parte autovalor postv e grand generano nstabltà (pb. malcondzonat), qund fssato b>0 a destra d b ho una regone d nstabltà. Bsogna tenere conto de fenomen d oscllazone legat alle component oscllant delle soluzon dovute a part mmagnare grand,che vanno lmtate Defnzone: un MD è stffly stable se esstono a,b,c >0 costant, tal che () h :Re( h) aa ( ) h : h( a, b) ( c, c) s abba accuratezza h verrà scelto n modo che le component che decadono rapdamente sano approx stablmente e quelle che decrescono lentamente n modo accurato

Metod BDF I metod BDF (Bacward Dfferentaton Formulae) sono una classe d metod, ntrodott da Gear, stffly stabl Esso sono un tpo partcolare d LMM mplct n cu s rchede che solo un coeffcente β 0, n partcolare quello d ordne pu elevato (β 0 ) Come suggersce l nome ess sono costrut approssmando la dervata nel punto corrente f n medante valor precedent y n-j (bacward dfferentaton): y y h f( x, y ) n n 0 n n 1 Per =1 s ottene l metodo d Eulero all ndetro (o Eulero mplcto)