Escolar Documentos
Profissional Documentos
Cultura Documentos
Luciano Misici
LM
Luglio 2015
Indice
1 APPROSSIMAZIONE POLINOMIALE
1.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Approssimazione polinomiale uniforme o mini-max . .
1.3 Approssimazione polinomiale in media quadratica o L2
1.4 Polinomi ortogonali . . . . . . . . . . . . . . . . . . . .
1.5 Propriet`a dei polinomi ortogonali . . . . . . . . . . . .
1.6 Approssimazione polinomiale in L2w . . . . . . . . . . .
1.7 Approssimazione polinomiale quasi uniforme . . . . . .
1.8 Esercizi proposti . . . . . . . . . . . . . . . . . . . . .
2 INTEGRAZIONE NUMERICA
2.1 Introduzione . . . . . . . . . . . . . . . . . . .
2.2 La formula di quadratura dei trapezi . . . . .
2.3 La formula di quadratura di Cavalieri Simpson
2.4 Le formule di quadratura di Gauss . . . . . .
2.5 Formule adattative . . . . . . . . . . . . . . .
2.6 Integrali singolari . . . . . . . . . . . . . . . .
2.7 Esercizi proposti . . . . . . . . . . . . . . . .
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
9
12
15
21
24
26
29
31
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
31
33
36
40
44
47
52
57
Introduzione . . . . . . . . . . . . . . . . . . . . . . . .
Il metodo di Eulero esplicito . . . . . . . . . . . . . . .
Il metodo di Eulero implicito ed il metodo trapezoidale
Metodi a pi`
u passi . . . . . . . . . . . . . . . . . . . .
Il metodo del punto di mezzo . . . . . . . . . . . . . .
Convergenza e stabilit`a dei metodi a pi`
u passi . . . . .
I metodi di Adams . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
63
69
75
78
80
89
3.8
3.9
TRICI
4.1
4.2
4.3
4.4
4.5
4.6
104
Introduzione . . . . . . . . . . . . . .
Il metodo delle potenze . . . . . . . .
Trasformazioni ortogonali con matrici
Fattorizzazione QR . . . . . . . . . .
Il metodo QR . . . . . . . . . . . . .
Esercizi proposti . . . . . . . . . . .
. . . . . . . . .
. . . . . . . . .
di Householder
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
104
110
112
115
116
118
121
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
121
130
141
152
Appendice
161
161
164
167
Capitolo 1
APPROSSIMAZIONE POLINOMIALE
1.1
Introduzione
Relativamemte allapprossimazione prenderemo solo in esame lapprossimazione polinomiale nel continuo. In particolare ci soffermeremo sullapprossimazione polinomiale uniforme o mini-max e sullapprossimazione polinomiale in media quadratica
o L2 . Brevi cenni saranno forniti sullapprossimazione polinomiale quasi uniforme o
near mini-max. A livello introduttivo vanno ricordati due teoremi molto importanti
sullapprossimazione polinomiale, il teorema di Taylor ed il Teorema di Weierstrass.
Teorema 1 (di Taylor). Sia f (x) Cn+1 [a, b], allora per x, x0 [a, b] si ha
f (x) = pn (x) + Rn (x)
pn (x) =
n
X
f (k) (x0 )
k=0
1
Rn (x) =
n!
k!
(x x0 )k
x0
(x x0 )n+1 f (n+1) ()
(n + 1)!
(1.1)
(1.2)
f (x) = f (x0 ) +
f 0 (t)dt
(1.3)
x0
Utilizzando la regola di integrazione per parti si giunge a provare la tesi del teorema.
Infatti integrando per parti lintegrale nella (1.3) abbiamo
3
x0
x
f (t)dt = tf (t)x0
0
x
00
tf 00 (t)dt =
x0
tf 00 (t)dt
x0
ora essendo
0
xf 00 (t)dt
si ottiene
Z
x
0
(x t)f 00 (t)dt
f (t)dt = (x x0 )f (x0 ) +
x0
x0
(x t)f 00 (t)dt
x0
Continuando ad integrare per parti si ottiene (1.1) e (1.2) con lerrore scritto sotto forma di Peano. La formula dellerrore sotto forma di Lagrange si ottiene dalla
generalizzazione del teorema della media integrale.
Uno degli sviluppi pi`
u semplici `e
x
e =
n
X
xk
k=0
xn+1 X xk
1
+
e =
+
k! (n + 1)!
k! n!
k=0
(x t)n et dt
x0
Le due scritture dellerrore, una sotto forma di Peano e la seconda sotto forma di Lagrange nella (1.2) ci permettono fissato x: la prima una stima molto precisa dellerrore
mentre la seconda solo una maggiorazione dellerrore. Dal teorema si capisce che se
vogliamo approssimare in [a, b] la funzione f (x) con il polinomio di Taylor di grado n
`e necessario che la stessa funzione risulti molto regolare, cio`e derivabile con continuit`a
fino allordine n + 1 in [a, b]. A seguire vengono riportati alcuni grafici dove viene mostrato landamento della f (x) in nero, il polinomio di Taylor pn (x) di grado n (con n
specificato nella didascalia della figura) in rosso, lerrore nella forma di Peano in giallo
e lerrore calcolato come differenza f (x) pn (x) in blu. Si osserva come sopra detto che
lerrore nella forma di Peano rappresenta fedelmente lerrore commesso. Laltro dato
interessante `e che lerrore commesso non `e uniformemente distribuito in un intorno del
punto iniziale x0 ma `e tanto pi`
u grande quanto pi`
u ci allontaniamo dal punto iniziale
x0 .
Un altro teorema molto importante sullapprossimazione polinomiale di funzioni continue `e il teorema di Weirstrass. Di tale teorema non daremo la dimostrazione ma
4
-1.0
-0.5
0.5
1.0
-1
-2
-3
n=1
-3
-2
-1
-1
-2
-3
n=5
Bernstein. Si
qualunque inI polinomi di
dati da
n
X
n
k
Bn (x) =
f ( )xk (1 x)nk
n
k
k=0
(1.4)
max |f (x) Bn (x)| = 0
0x1
A seguire vengono approssimate con i polinomi di Bernstein le stesse due funzioni che
abbiamo approssimato con il polinomio di Taylor. Si sono considerate le funzioni in [a, b]
e poi si `e riportato [a, b] in [0, 1] utilizzando la trasformazione x = a+(ba)t , t [0, 1].
Pertanto si `e approssimato con tali polinomi la funzione g(t) = f (a + (b a)t) in [0, 1].
Come in precedenza nei grafici la funzione `e disegnata in nero, lerrore commesso, dato
come differenza tra la funzione ed il polinomio in blu ed il polinomio in rosso. Il grado
n del polinomio `e indicato nella didascalia della figura.
Come dal teorema la convergenza uniforme si ha anche quando la funzione f (x) `e una
funzione solo continua, in tal caso comunque la convergenza, nellintorno dei punti dove
la funzione `e solo continua, `e molto lenta. Possiamo osservare questo nei grafici relativi
alla funzione f (x) = |x|.
Come ultima considerazione possiamo dire che i polinomi di Bernstein convergono
uniformemente a funzioni continue nellintervallo chiuso [0, 1] ma molto lentamente
e questo anche nel caso in cui la funzione f (x) `e un polinomio. A seguire facciamo
vedere che il polinomio di Bernstein Bn (x), per n 2, non ci restituisce esattamente la
funzione f (x) = x2 cosa che invece succede per il polinomio di Taylor pn (x). Si prova
infatti che
n 2
X
x(x 1)
n k k
nk
2
x
(1
x)
=
x Bn (x)f =x2 = x
n
k n2
k=0
2
(1.5)
0.2
0.4
0.6
0.8
1.0
-1
-2
-3
n=1
0.2
0.4
0.6
0.8
1.0
-1
-2
-3
n = 12
0.2
0.4
0.6
0.8
1.0
-1
-2
-3
n = 30
0.2
0.4
0.6
0.8
1.0
-1
-2
n = 10
0.2
0.4
0.6
0.8
1.0
-1
-2
0x1
0x1
n = 400
x(x 1)
1
|=
n
4n
(1.6)
n(p + q)
n
n
X
X
n
n
k1 nk
=
kp q
=
kpk1 q nk
k
k
k=1
k=0
(1.7)
p(p + q)
n
X
n k
k=0
k n
pk q nk
(1.8)
n
X
n k k
Bn (x) f =x =
x (1 x)nk = x(x + 1 x)n = x
k n
k=0
(1.9)
n
n
X
X
n
n
=
k(k 1)pk2 q nk =
k(k 1)pk2 q nk (1.10)
k
k
k=2
k=0
(1.11)
dividendo entrambi i membri della (1.11) per n2 e separando i due termini della somma
dopo aver eseguito il prodotto k(k 1) si ha
n
n
1X n k k
1 2 X n k2 k
nk
x (1 x)
x (1 x)nk
(1 )x =
2
k n
n
n k=0 k n
k=0
(1.12)
n 2
X
n k
k=0
1.2
k n
xk (1 x)nk =
2
x2 x
x(x 1)
=
n
n
n
Ricordiamo che per una funzione f (x) C0 [a, b] si definisce norma uniforme o del
massimo la norma infinita
kf (x)k = max |f (x)|
axb
10
n
X
ak x k
k=0
(1.13)
qn (x)
Definizione 1 (Polinomio di migliore approssimazione uniforme). Si definisce polinomio di migliore approssimazione uniforme il polinomio qn? (x) tale che
kf (x) qn? (x)k = n (f )
(1.14)
Facciamo ora vedere, in un caso molto semplice, come `e possibile determinare il polinomio di migliore approssimazione uniforme utilizzando proprio la definizione.
Esempio: calcolo del polinomio di migliore approssimazione uniforme nella classe dei
polinomi di grado n 1, nellintervallo [1, 1], relativamente alla funzione f (x) = ex
3.0
2.5
2.0
1.5
1.0
0.5
-1
x1
x3
x2
due punti. In particolare sar`a quello in cui la differenza |ex q1 (x)| `e uguale nei punti
di ascissa 1, x3 ed 1. In tal modo si rende minima la massima distanza tra la funzione
ed il polinomio. Si ha pertanto che essendo:
1 = inf
a0 ,a1 R
max |ex a0 a1 x|
1x1
e1 a0 + a1 = 1
a0 + a1 x3 ex3 = 1
e a a =
0
(1.15)
(1.16)
a1 =
1
x3
1 = e1 + (e e1 ) ' 0.2788
2
4
a0 = 1 + (1 x3 )a1 ' 1.2643
e pertanto q1? (x) = 1.2643 + 1.1752x.
A seguire riportiamo il grafico dellerrore che si commette approssimando ex con q1? (x).
Si osserva che lerrore massimo si ha nei tre punti 1, x3 ed 1 e che tale errore si annulla
in due punti appartenenti allintervallo aperto (1, 1).
Come si `e potuto notare la determinazione del polinomio di migliore approssimazione
uniforme non `e semplice e la definizione non ci permette di costruirlo se non in casi
12
0.2788
-1.0
-0.5
0.5
1.0
-0.2788
1.3
Partiamo con la definizione della norma nello spazio delle funzioni f (x) : (a, b) > R
al quadrato integrabili.
Definizione 2 (Norma L2 ). Si definisce norma L2 per una funzione g(x) al quadrato
integrabile in (a, b) la
Z b
21
2
(1.17)
|g(x)| dx
kg(x)k2 =
a
(1.18)
rn (x)
13
i polinomi al pi`
u di grado n, il polinomio rn? (x) tale che
kf (x) rn? (x)k2 = Mn (f )
(1.19)
rn (x) =
bk x k
k=0
k=0
i = 0, 1, . . . , n
(1.20)
Z
F (b0 , b1 , . . . , bn ) =
0
(1.21)
k=0
quindi
F (b0 , b1 , . . . , bn )
= 2
bi
ed imponendo le condizioni
n
X
Z
bk
k=0
F
bi
n
X
xi f (x)
bk xk dx
k=0
= 0 , i = 0, 1, . . . , n si ottiene
i+k
xi f (x)dx ,
dx =
i = 0, 1, ..., n
ovvero
n
X
k=0
bk
=
i+k+1
xi f (x)dx ,
i = 0, 1, . . . , n
(1.22)
Come si nota il sistema lineare (1.22) ha come matrice dei coefficienti la matrice di
Hilbert di ordine n + 1 e sappiamo che linversione numerica di tale matrice `e un pro14
2. se
a
w(x) = ex
x (1, 1)
x [0, +)
x (, +)
w(x)f (x)g(x)dx
a
15
(1.23)
Definizione 6 (Norma in L2w ). Sia f (x) L2w (a, b) si definisce norma generalizzata
21
Z
kf (x)k2w =
w(x)f (x)dx
(1.24)
Si pu`o verifivare che (1.23) verifica le propriet`a di un prodotto scalare e che (1.24)
verifica le propriet`a di una norma, inoltre (1.24) `e la norma indotta dal prodotto
scalare (1.23), si ha infatti
(f, f ) = kf k22w
Diamo ora la definizione di ortogonalit`a di due funzioni f (x), g(x) L2w (a, b)
Definizione 7 (Ortogonalit`a di funzioni). Due funzioni f (x) e g(x) con f (x) =
6 g(x)
sono ortogonali se:
(f (x), g(x)) = 0
(1.25)
1.4
Polinomi ortogonali
La stessa definizione di ortogonali`a vale se f (x) e g(x) sono due polinomi. Possiamo
dire cio`e che due polinomi n (x) e m (x) sono ortogonali se
(n (x), m (x)) = 0 ,
per
n 6= m
(1.26)
Definizione 8 (Polinomi ortonormali). Si dice che due polinomi n (x) e m (x) sono
ortonormali se ortogonali e di norma unitaria, cio`e
0 se n 6= m
=
1 se n = m
(1.27)
Possiamo anche dire che n (x) = n (x)/kn (x)k2w . In questi appunti per dire che
n (x) `e un polinomio che appartiene ad una famiglia di polinomi ortogonali in (a, b)
rispetto alla funzione peso w(x) useremo spesso la notazione
n (x) = (a, b), w(x)
Le quattro funzioni peso precedentemente introdotte consentono di definire quattro
importanti famiglie di polinomi ortogonali. Per tali famiglie daremo una descrizione
abbastanza sintetica. Riporteremo anche landamento dei primi polinomi di ogni famiglia, le formule compatte che li definiscono, lequazione differenziale che essi verificano
16
x
)
=
(x 1)n
2n n! dxn
2n n! dxn
hanno la seguente relazione di ortogonalit`a
(1.28)
Pn (x) =
Pn (x)Pm (x)dx =
(Pn , Pm ) =
1
2
2n+1
se n 6= m
(1.29)
se n = m
0.5
-1.0
-0.5
0.5
1.0
-0.5
-1.0
17
alla funzione peso w(x) = 1/ 1 x2 .
1
Tn (x) = (1, 1), w(x) =
1 x2
Sono definiti da:
Tn (x) = cos(n arccos x)
(1.31)
(Tn , Tm ) =
1
Tn (x)Tm (x)
dx = 2
1 x2
se n 6= m
(1.32)
se n = m > 0
se n = m = 0
x
Tn (x) + n2 Tn (x) = 0
(1.33)
n
2
dx
dx
A seguire vengono riportati i grafici dei polinomi di Chebyshev Tn (x) per n = 1, 2, 3, 4.
I colori sono gli stessi utilizzati per i polinomi di Legendre. Saranno utilizzati gli stessi
colori anche per i polinomi di Laguerre ed Hermite che vedremo in seguito.
(1 x2 )
1.0
0.5
-1.0
-0.5
0.5
1.0
-0.5
-1.0
Sono definiti da
ex dn x n
[e x ]
n! dxn
hanno la seguente relazione di ortogonalit`a
(1.34)
Ln (x) =
Z
(Ln , Lm ) =
0
0 se n 6= m
x
Ln (x)Lm (x)e dx =
1 se n = m
(1.35)
x)
n
dx2
dx
Il grafico dei polinomi di Laguerre Ln (x) per n = 1, 2, 3, 4 `e riportato nella figura che
segue.
x
30
20
10
10
-10
-20
-30
19
(1.37)
Hn (x)Hm (x)ex dx =
(Hn , Hm ) =
se n 6= m
2n n!
se n = m
(1.38)
2x
n
dx2
dx
Il grafico dei polinomi di Hermite Hn (x) per n = 1, 2, 3, 4 `e riportato nella figura che
segue.
20
10
-4
-2
-10
-20
0 (x)0 (x)w(x)dx = c
(0 , 0 ) =
w(x)dx = 1
a
da cui
c=
1
Rb
a
12
w(x)dx
se scegliamo il segno positivo. Costruiamo ora il polinomio di grado uno che `e ortogonale a 0 (x), scegliendo il segno positivo per la potenza di grado massimo. Cio`e
prendiamo
1 (x) = x a10 0 (x)
si vuole che 1 (x) risulti ortogonale a 0 (x) e quindi
(1 , 0 ) = (xa10 0 (x), 0 (x)) = (x, 0 (x))a10 (0 (x), 0 (x)) = 0 a10 = (x, 0 (x))
poiche la famiglia di polinomi la vogliamo ortonormale anche il polinomio di grado uno
della famiglia deve essere di norma unitaria, prendiamo allora come polinomio di grado
uno della famiglia il polinomio 1 (x) dato da
1 (x) =
1 (x)
k1 (x)k2w
n (x) = x
n1
X
ank k (x)
k=0
n1
X
i = 0, 1, . . . , n 1
k=0
i = 0, 1, . . . , n 1
n (x) =
n (x)
kn (x)k2w
n
X
k=0
1.5
ak x =
n
X
bk k (x) =
k=0
n
X
ck k (x)
k=0
Propriet`
a dei polinomi ortogonali
Propriet`
a 1. Un polinomio di grado n, n (x) = (a, b), w(x) `e ortogonale ad un
qualunque polinomio di grado pi`
u basso.
Dimostrazione. Provare questa propriet`a `e molto semplice. Se prendiamo un generico
polinomio pm (x) di grado m, con m < n, da come detto alla fine del precedente
paragrafo, esso pu`o essere srcitto come combinazione di polinomi ortogonali
pm (x) =
m
X
bk k (x)
(1.40)
k=0
m
X
bk (k (x), n (x))
k=0
B(x)n (x)w(x)dx
I=
a
essendo I = (B(x), n (x)), per le ipotesi assunte, poiche il grado del polinomio B(x) `e
minore di n, per la propriet`a 1, esso `e ortogonale a n (x) e quindi I = 0.
La funzione integranda dellintegrale I pu`o anche essere letta in un altro modo, infatti
B(x)n (x) = (x x1 )h1 +1 (x x2 )h2 +1 (x xm )hm +1 q(x) = h(x)
tale funzione h(x)`e una funzione che non cambia segno in (a, b) in quanto h1 +1, . . . , hm +
1 sono interi pari e q(x) `e un polinomio che non cambia segno in (a, b), quindi
Z
h(x)w(x)dx 6= 0
I=
a
In tal modo siamo giunti ad un assurdo e pertanto lipotesi che si era fatta di s < n
non `e possibile. Allora deve essere necessariamente s n. Ora s > n non `e possibile
in quanto sarebbe contraddetto il teorema fondamentale sulle radici di polinomi e
quindi deve risultare s = n, inoltre non pu`o essere m < n in quanto rimarrebbe la
contraddizione e pertanto s = m = n ma ci`o implica che tutte le radici sono reali
semplici ed appartenenti allaperto (a, b)
Abbiamo provato che un polinomio n (x) = (a, b), w(x) ammette n zeri semplici
in (a, b). Se indichiamo con x1 , x2 . . . , xn tali radici il polinomio n (x) si pu`o scrivere:
n (x) = An (x x1 )(x x2 ) (x xn ) = An
n
Y
(x xk )
k=1
23
(1.41)
dove An `e il coefficiente della potenza di grado massimo del polinomio n (x). Per
comodit`a di lettura delle formule che seguono indichiamo lo stesso polinomio anche
nella forma
n (x) = An xn + Bn xn1 + . . .
inoltre indichiamo con an =
An+1
An
(1.42)
Propriet`
a 3. [Relazione di triplice ricorsione] Per ogni famiglia di polinomi ortogonali
vale sempre la seguente relazione di triplice ricorsione:
n+1 (x) = (an x + bn )n (x) + bn1 n1 (x)
dove:
b n = an
bn1 =
Bn+1 Bn
An+1 An
(1.43)
(1.44)
An+1 An1 n
A2n
n1
(1.45)
An+1
x An xn + Bn xn1 + . . .
An
e come si pu`o vedere il coefficiente della potenza xn+1 si annulla. Scrivendo G(x) come
n
X
combinazione di polinomi ortogonali, G(x) =
bk k (x), abbiamo
k=0
n
X
(1.46)
k=0
k=0
(1.47)
bi =
1
(n+1 (x), i (x)) an (xn (x), i (x))
i
(1.48)
i = 0, 1, . . . , n 2
bn1 =
1.6
an
(n (x), xn (x))
n
an
(n (x), xn1 (x))
n1
(1.49)
(1.50)
In questo paragrafo torniamo sul polinomio di migliore approssimazione in media quadratica considerando il problema generalizzato, cio`e per funzioni f (x) L2w (a, b). Vogliamo trovare quel polinomio rn (x) che minimizza la kf (x) rn (x)k2w o equivalentemente kf (x) rn (x)k22w , essendo la norma un numero non negativo . Abbiamo gi`a
osservato che un generico polinomio pu`o essere scritto anche come combinazione lineare
di polinomi ortogonali o ortonormali, per semplicit`a scriviamo rn (x) come combinazione
di polinomi ortonormali
rn (x) =
n
X
ck k (x) , k (x) = (a, b), w(x) : kk (x)k2w = 1
(1.51)
k=0
kf (x)
rn (x)k22w
Z
=
a
n
X
2
w(x) f (x)
ck k (x) dx = G(c0 , c1 , . . . , cn )
k=0
25
(1.52)
rn (x)k22w
= f (x)
n
X
ck k (x), f (x)
k=0
n
X
ck k (x) =
k=0
n
n X
n
X
X
= f (x), f (x) 2
ck f (x), k (x) +
ck cj k (x), j (x) =
k=0 j=0
k=0
kf (x)k22w
n
X
n
X
ck f (x), k (x) +
c2k
k=0
sommando e sottraendo
kf (x)k22w
Pn
k=0
n
X
k=0
2
f (x), k (x) , nellultima espressione, si ottiene
n
2 X
2
f (x), k (x) +
ck f (x), k (x)
0
k=0
(1.53)
k=0
Lespressione in (1.53) assume il minimo valore se tutti i termini che dipendono dai ck
sono nulli, cio`e se i coefficienti ck sono dati da
ck = f (x), k (x)
(1.54)
n
X
f (x), k (x) k (x)
(1.55)
k=0
n
X
2
f (x), k (x) = krn? (x)k22w
k=0
26
(1.56)
1.7
Nel paragrafo 1.2 si `e vista la difficolt`a della determinazione del polinomio di migliore
approssimazione uniforme. In questo paragrafo mostreremo che si pu`o determinare
molto pi`
u facilmente un polinomio che si avvicina di molto al polinomio di migliore
approssimazione mini-max.
Va osservato innanzi tutto che il polinomio di migliore approssimazione uniforme va
determinato per funzioni continue in un intervallo chiuso e limitato [a, b] R e che
pertanto anche lapprossimazione in media quadratica pu`o essere fatta per tali funzioni,
essendo esse anche al quadrato integrabili in [a, b] rispetto a qualunque funzione peso
w(x). Altra osservazione `e che qualunque intervallo chiuso e limitato [a, b] pu`o essere
ricondotto allintervallo [1, 1] utilizzando la seguente trasformazione
a+b ba
+
t
(1.57)
2
2
si vede infatti che per t [1, 1], x [a, b]. Senza quindi perdere di generalit`a
possiamo prendere in considerazione il polinomio di migliore approssimazione in media
quadratica in [1, 1] fatta utilizzando sia i polinomi di Legendre che i polinomi di
Chebyscev e poi stimare la distanza in norma uniforme dalla funzione f (x). Ricordiamo
che nel paragrafo 1.2 si `e calcolato il polinomio di migliore approssimazione uniforme,
nella classe dei polinomi al pi`
u di grado uno, per la funzione ex nellintervallo [1, 1].
Calcoliamo anche tale polinomio, di grado uno, utilizzando lapprossimazione in L2w
prendendo come funzione peso sia w(x) = 1 sia w(x) = 1/ 1 x2 . Indichiamo tali
polinomi con R1? (x) e C1? (x) rispettivamente. Si trova
x=
(1.58)
(1.59)
Nella figura che segue riportiamo i grafici degli errori El1 = ex R1? (x) in rosso,
Ec1 = ex C1? (x) in blu e dellerrore commesso utilizzando il polinomio di migliore
approssimazione uniforme Eu1 = ex q1? (x) in nero.
Si nota che lerrore commesso utilizzando il polinomio C1? (x) `e molto simile allerrore che si commette utilizzando il polinomio di migliore approssimazione uniforme
q1? (x) ed in particolare si ha che kex q1? (x)k = 0.2788, kex R1? (x)k = 0.439 e
kex C1? (x)k = 0.32. Possiamo quindi dire che lapprossimazione in media quadratica
rispetto alla funzione peso w(x) = 1/ 1 x2 nellintervallo [1, 1] `e unapprossimazione che si avvicina molto a quella uniforme ed in particolare i valori massimi dellerrore
assoluto sono abbastanza vicini. Una serie di teoremi, che qui non riportiamo, hanno
27
0.439
0.32
0.2788
-1.0
-0.5
0.5
1.0
j
n+1
j = 0, 1, . . . , n + 1
(1.60)
n
X
cnk Tk (x)
(1.61)
k=0
Il polinomio di quasi migliore approssimazione uniforme per la funzione f (x) `e il polinomio Fn (x) che assume lo stesso errore assoluto En negli n + 2 punti xj in cui
|Tn+1 (x)| assume il valore massimo, pi`
u in particolare `e il polinomio Fn (x) che ha le
seguenti oscillazioni forzate:
f (xj ) Fn (xj ) = (1)j En
28
j = 0, 1, . . . .n + 1
(1.62)
-1.0
-0.5
0.5
-0.286
29
1.0
1.8
Esercizi proposti
Esercizio 1. Provare che la funzione ln(1/x) `e una funzione peso nellintervallo (0, 1).
Esercizio 2. Utilizzando il teorema di Gram costruire il primi due polinomi ortonormali in (0, 1) rispetto alla funzione peso ln(1/x).
Esercizio 3. Utilizzando le definizioni (1.28), (1.31), (1.34) ed (1.37) dire quali sono
i primi tre polinomi appartenenti alle quattro famiglie di polinomi ortogonali.
Esercizio 4. Utilizzando lequazione differenziale (1.30), verificata dai polinomi di
Legendre, provare che il prodotto scalare (Pn (x), Pm (x)) = 0 se n 6= m.
Esercizio 5. Utilizzando la definizione (1.28), relativa ai polinomi di Legendre, provare che il prodotto scalare (Pn (x), Pn (x)) = 2/(2n + 1)
Esercizio 6. Utilizzando lequazione differenziale (1.36), verificata dai polinomi di
Laguerre, provare che il prodotto scalare (Ln (x), Lm (x)) = 0 se n 6= m.
Esercizio 7. Utilizzando la definizione (1.31) provare che vale la relazione di ortogonalit`a per i polinomi di Chebyshev di prima specie definita nella (1.32).
Esercizio 8. Utilizzando la definizione (1.31) provare che vale la seguente relazione
di triplice ricorsione
Tn+1 (x) = 2xTn (x) Tn1 (x)
Esercizio 9. Utilizzando la definizione (1.31) provare che il polinomio di Chebyshev
di grado n, Tn (x), ammette n zeri reali e distinti tutti appartenenti allintervallo aperto
(1, 1).
Esercizio 10. Ricordando che an = An+1
dove An `e il coefficiente della potenza di
An
grado massimo di n (x) = (a, b)), w(x) , n = (n (x), n (x)), utilizzando la legge
di triplice ricorsione (1.43) , provare che vale la seguente identit`a, nota come identit`a
di Christoffel-Darboux
n
k
k=0
Esercizio 11. Utilizzando la forma (1.42) per la scrittura del polinomio n (x) e
le definizioni date in (1.49) e (1.50) provare che i coefficienti bn e bn1 , relativi alla
relazione di triplice ricorsione, assumono esattamente i valori dati nelle (1.44) e (1.45).
Esercizio 12. Provare che se il polinomio di grado n si scrive come combinazione di
polinomi ortonormali, imponendo la condizione necessaria per uno estremo data dalla
(1.20), si ottiene che il polinomio di migliore approssimazione in media quadratica `e
quello i cui coefficienti sono proprio i coefficienti di Fourier.
30
f (b) + f (c)
a1 =
b+c
2
f (b) f (a)
ba
q1? (x)k
f (b) f (c)
=
2
31
bc
2
f (b) f (a)
ba
Capitolo 2
INTEGRAZIONE NUMERICA
2.1
Introduzione
I metodi numerici per il calcolo approssimato di integrali per funzioni f (x) : [a, b] R
sono anche detti formule di quadratura. Le formule di quadratura pi`
u importanti sono
le formule di quadratura di Newton Cotes di tipo aperto e di tipo chiuso e le formule
di quadratura di Gauss. Nelle formule di quadratura di Newton Cotes la funzione
integranda viene approssimata con il polinomio interpolante di Lagrange in punti xj ,
detti anche punti nodali, uniformemente distribuiti nellintervallo [a, b]. Se tali punti
contengono entrambi gli estremi dellintevallo di integrazione allora sono dette chiuse
altrimenti, se non contengono gli estremi, sono dette di tipo aperto. In particolare in
quelle di tipo chiuso si approssima la funzione integranda con il polinomio interpolante
pn (x) nei punti xi = x0 + ih , i = 0, 1, . . . , n con h = (b a)/n ed x0 = a. Nelle
formule di tipo aperto si approssima la f (x) con il polinomio interpolante pn (x) nei
punti xi = x0 + ih , i = 1, 2, . . . , n + 1 con h = (b a)/(n + 2) ed x0 = a. Le
formule di quadratura di Gauss approssimano la funzione integranda con il polinomio
interpolante di Hermite in punti xj che sono gli zeri di particolari famiglie di polinomi
ortogonali. A seconda della famiglia di polinomi le formule prendono il doppio nome,
come ad esempio, Gauss-Chebychev, Gauss-Legendre, Gauss-Laguerre etc. In queste
dispense non affronteremo le formule di quadratura di Newton-Cotes in generale ma
vedremo alcune di esse. In particolare la formula di quadratura dei rettangoli nel punto
di mezzo di tipo aperto e le formule di quadratura dei trapezi e di Cavalieri-Simpson
che sono di tipo chiuso. In questa introduzione comunque diamo una definizione pi`
u
rigorosa di quanto sopra detto relativamente alle formule di quadratura di NewtonCotes di tipo chiuso. Presi i punti xj = x0 + j 4 x , j = 0, 1, . . . , m con x0 = a ed
4x = (b a)/m ci possiamo costruire il polinomio di grado m, pm (x), che interpola la
funzione integranda f (x) nei punti (xj , f (xj )) , j = 0, 1, . . . , m dato da
32
m Y
m
X
x xj
pm (x) =
f (xi )
x
x
i
j
j=0
i=0
(2.1)
j6=i
(2.2)
j=0
Z
a
Rm (x)dx = Im (f ) + Em (f )
pm (x)dx +
f (x)dx =
I(f ) =
dove:
Z
Im (f ) =
Z
pm (x)dx
Em (f ) =
Rm (x)dx
a
2.
33
(2.3)
Utilizzeremo tale definizione per dare una stima asintotica dellerrore nelle formule
generalizzate dei trapezi e di Simpson.
2.2
Z
a
R1 (x)dx = I1 (f ) + E1 (f )
p1 (x)dx +
f (x)dx =
I(f ) =
dove in particolare
xa
xb
f (b) +
f (a)]dx
ba
ab
I1 (f ) =
E1 (f ) =
a
y=f HxL
f HbL
y=p1HxL
f HaL
34
(2.4)
(b a)3 00
E1 (f ) =
f () , [a, b]
(2.5)
12
La (2.4) `e proprio larea del trapezio e la stessa formula si ottiene se si calcola lintegrale
I1 (f ). Per derivare la formula dellerrore E1 (f ) dobbiamo ricorrere alla generalizzazione del teorema della media integrale. Infatti nellintegrale di E1 (f ) abbiamo che la
funzione (x a)(x b) non cambia segno in [a, b] mentre, per lipotesi fatta su f (x),
la differenza divisa f [a, b, x] `e una funzione continua in quanto la differenza divisa del
secondo ordine `e legata alla derivata seconda della funzione. Si ha pertanto
Z
(x a)(x b)dx =
E1 (f ) =
f 00 ()
=
2
(x a)(x b)dx =
a
(b a)3 00
f () , [a, b]
12
Come si osserva dalla formua dellerrore la formula di quadratura dei trapezi ha grado di precisione uno, infatti, avendo nella formula la derivata seconda della funzione
integranda, lerrore `e nullo se la funzione integranda `e un polinomio di grado non superiore ad uno. Altra considerazione che possiamo fare dalla formula dellerrore `e che se
lampiezza dellintervallo [a, b] non `e piccola lerrore potrebbe essere grande. Pertanto,
sfruttando ladditivit`a degli integrali, possiamo passare alla formula composita o generalizzata dei trapezi. Se suddividiamo lintervallo [a, b] in n sotto intervalli di uguale
ampezza h = (b a)/n ed indichiamo gli estremi di tali sotto intervalli con xi = ih
S
dove x0 = a abbiamo: [a, b] = n1
i=0 [xi , xi+1 ] e pertanto
Z
I(f ) =
f (x)dx =
a
n1 Z
X
i=0
xi+1
f (x)dx
xi
se ora ad ogni singolo integrale nella somma applichiamo la formula dei trapezi si
ottiene
Z
xi+1
f (x)dx =
xi
h
h3
(f (xi ) + f (xi+1 ) f 00 (i ) ,
2
12
i [xi , xi+1 ]
pertanto
I(f ) =
n1
X
h
i=0
(f (xi ) + f (xi+1 )
h3 00
f (i )
12
Indichiamo la formula generalizzata dei trapezi con I1n (f ) e lerrore commesso con
E1n (f ).
35
n1
n1
hX
f (a) + f (b) X
I1n (f ) =
+
[f (xi ) + f (xi+1 )] = h
f (xi )
2 i=0
2
i=1
(2.6)
n1
h3 X 00
f (i ) ,
E1n (f ) =
12 i=0
i [xi , xi+1 ]
(2.7)
Ulteriori considerazioni possono essere fatte sulla formula dellerrore (2.7). Essendo,
per ipotesi, la derivata seconda di f (x) una funzione continua, quindi una funzione che
assume tutti i valori compresi tra il valore minimo ed il valore massimo in [a, b], si ha
Pn1 00
f (i ), essendo la
che sicuramente esiste un punto [a, b] tale che f 00 () = n1 i=0
media aritmetica di n valori di f 00 (x) una quantit`a certamente compresa tra il massimo
ed il minimo di f 00 (x) in [a, b]. Pertanto
n1
nh3 1 X 00
(b a)h2 00
E1n (f ) =
f (i ) =
f () , [a, b]
12 n i=0
12
P
00
e una somma di RieImportante la stima asintotica dellerrore. poiche h n1
i=0 f (i ) `
mann fatta su n valori della derivata seconda nellintervallo [a, b], si ha che, essendo
f 00 (x) continua
X
Z b
n1
00
lim h
f (i ) =
f 00 (x)dx = f 0 (b) f 0 (a)
i=0
h
E1n (f ) = [f 0 (b) f 0 (a)]
12
` facile vedere che `e verificata la definizione (2.3). A seguire faremo vedere con un
E
esempio sia il tipo di convergenza che si ha utilizzando la formula generalizzata dei trapezi sia landamento della stima asintotica dellerrore. Prendiamo in esame il seguente
integrale
Z
0
e + 1
ex
= 12.07033
sin(x)e dx = [sin(x) cos(x)]0 =
2
2
x
(2.8)
36
I1n
10.8557
11.7617
11.9929
12.0510
12.0510
12.0691
Enes (f )
1.21460
0.30863
0.07746
0.01938
0.00485
0.00121
I1n (f )
12.0966
12.0720
12.0704
12.0703
12.0703
12.0703
n1
X
h2
f
(a)
+
f
(b)
+
f (xi ) [f 0 (b) f 0 (a)]
I1n (f ) = I1n (f ) + E1n (f ) = h
2
12
i=1
(2.9)
Il valore di I1n `e riportato nella tabella precedente e si vede che la formula modificata
migliora sensibilmente.
2.3
Z
I(f ) =
Z
f (x)dx =
R2 (x)dx = I2 (f ) + E2 (f )
p2 (x)dx +
a
con
Z b
I2 (f ) =
a
(x c)(x b)
(x a)(x b)
(x a)(x c)
f (a) +
f (c) +
f (b) dx
(a c)(a b)
(c a)(c b)
(b a)(b c)
Z
E2 (f ) =
a
37
y
y=f HxL
f HcL
f HaL
y=p2HxL
f HbL
h
I2 (f ) = f (a)
2
h
t(t + 1)dt hf (c)
(t + 1)(t 1)dt + f (b)
2
1
1
(t + 1)tdt
1
e quindi
h
ba
[f (a) + 4f (c) + f (b)] =
[f (a) + 4f (c) + f (b)]
(2.10)
3
6
Per il calcolo di E2 (f ), nellipotesi in cui la funzione f (x) C4 [a, b] si ha che f [a, c, b, x]
`e una funzione continua ma la funzione che la moltiplica cambia segno in [a, b] quindi
non `e applicabile il teorema della media integrale immediatamente. Si procede allora
Rx
nel seguente modo. Introduciamo la funzione integrale (x) = a (t a)(t c)(t b)dt.
Si osserva che (a) = (b) = 0, che (x) non cambia segno per x [a, b] ed inoltre la
sua derivata prima `e 0 (x) = (x a)(x c)(x b). Possiamo allora riscrivere E2 (f ) ed
integrando per parti abbiamo
I2 (f ) =
Z
E2 (f ) =
a
Z b
b
(x)f [a, c, b, x]dx = (x)f [a, c, b, x]
(x)f [a, c, b, x, x]dx
0
38
t=b
b
x=a
x=b
t=x
T
a
t=a
x=b
x=t
t=a
Z
E2 (f ) =
ora la funzione integranda `e formata dalla funzione (x), che non cambia segno in [a, b]
e dalla differenza divisa del quarto ordine f [a, c, b, x, x] che nellipotesi assunte per f (x)
`e una funzione continua. Possiamo applicare quindi il teorema della media integrale e
si ha:
Z
E2 (f ) = f [a, c, b, x , x ]
a
f (4) ()
(x)dx =
4!
dx
a
f (4) ()
E2 (f ) =
4!
Z
dt
f (4) ()
(ta)(tc)(tb)dx =
4!
(bt)(ta)(tc)(tb)dt
a
39
h5 f (4) ()
E2 (f ) =
4!
1 b a 5 (4)
f () , [a, b] (2.11)
90 2
Come si `e fatto nella formula di quadratura dei trapezi possiamo generalizzare anche
quella di Simpson. Sia h = (b a)/(2n) ed xi = x0 + ih , i = 0, 1, . . . , 2n con x0 = a,
S
pertanto [a, b] = n1
a additiva degli integrali
i=0 [x2i , x2i+2 ]. Per la propriet`
Z
f (x)dx =
a
n1 Z
X
i=0
x2i+2
p2i (x)dx +
x2i
n1 Z
X
i=0
x2i+2
x2i
hX
I2n (f ) =
[f (x2i ) + 4f (x2i+1 ) + f (x2i+2 )]
3 i=0
(2.12)
n1
h5 X (4)
f (i ) , i [x2i , x2i+2 ]
E2n (f ) =
90 i=0
(2.13)
n1
X
i=0
(4)
Z
(i ) =
(2.14)
I2n
11.9554
12.0637
12.0699
12.0703
Enes (f )
0.114900
0.006605
0.000402
0.000025
Si osserva come la formula di quadratura di Simpson generalizzata fornisce molto rapidamente una buona approssimazione dellintegrale. Anche in questo caso la stima
40
2.4
Nei paragrafi precedenti si `e visto che una formula di quadratura `e una combinazione di
valori della funzione integranda calcolata in punti xj [a, b], dove gli estremi possono
essere compresi oppure no. In pratica, indichiamo con In (f ) la formula di quadratura,
detta anche formua di quadratura a n punti o n nodi
In (f ) =
n
X
wj f (xj )
(2.15)
j=1
dove i wj sono detti pesi mentre gli xj sono chiamati nodi della formula di quadratura.
Un modo quindi per derivare la formula potrebbe essere anche quello di immaginare
wj ed xj incognite e sfruttare la definizione di grado di precisione di una formula di
quadratura per determinarli. Sappiamo dalla definizione 13, data nel primo paragrafo
di tale capitolo, che In (f ) ha grado di precisione m se rappresenta esattamente il valore
dellintegrale per polinomi fino al massimo grado m. Imponendo quindi che In (f ) abbia
grado di precisione m abbiamo
Z
pm (x)dx =
m
X
wj pm (xj )
j=1
Z
ak
b
k
x dx =
a
n
X
j=1
wj
m
X
k=0
ak xkj
m
X
k=0
ak
Pm
k=0
n
X
ak xk , allora lugua-
wj xkj
j=1
e poiche luguagliana precedente deve valere per ogni scelta dei coefficienti ak essa
risulter`a vera se vale per ogni k
n
X
j=1
wj xkj
Z
=
xk dx ,
k = 0, 1, . . . , m
(2.16)
41
w1 + w2 = 2
w x + w x = 0
1 1
2 2
w1 x21 + w2 x22 = 32
w x3 + w x3 = 0
1 1
2 2
(2.17)
Z
a
3
3
f (x)dx ' f (
) + f(
)
3
3
(2.18)
Vedremo pi`
u avanti che questa rappresenta anche la formula di quadratura a due punti
di Gauss-Legendre. Tale formula pu`o essere generalizzata come vedremo negli esercizi
proposti.
Come si pu`o immaginare, se in questo caso la soluzione del sistema `e stata semplice,
cos` non `e se n cresce, inoltre con tale tecnica, detta anche metodo dei coefficienti
indeterminati, `e praticamente impossibile dare una valutazione dellerrore. Un metodo
molto pi`
u efficiente per determinare una formula di quadratura del tipo (2.15) che abbia
grado di precisione massimo `e dovuto a Gauss. In particolare Gauss ci da un teorema
di esistenza ed unicit`
Z a della formula di quadratura con massimo grado di precisione
b
per il calcolo di
w(x)f (x)dx con w(x) funzione peso definita in [a, b]. Da notare
a
che la funzione f (x) = 1 `e una funzione peso in un intervallo limitato [a, b] e quindi il
Z b
teorema di Gauss consente di poter approssimare anche
f (x)dx
a
n
X
n
f (2n) () , (a, b)
(2.19)
2
A
(2n)!
a
n
j=1
dove gli xj sono gli zeri del polinomio n (x) = (a, b), w(x) mentre i pesi wj sono
dati da
w(x)f (x)dx =
wj =
wj f (xj ) +
an n
n+1 (xj )n0 (xj )
j = 1, 2, . . . , n
(2.20)
Dimostrazione. La dimostrazione `e divisa in due parti, nella prima parte faremo vedere
lesitenza e la formula dellerrore mentre nella seconda parte dimostreremo lunicit`a.
Esistenza e formula dellerrore
42
n
X
hj (x)f (xj ) +
j=1
n
X
j (x)f 0 (xj )
h
(2.21)
j=1
dove
hj (x) = [1 2(x
xj )]lj2 (x)
n
Y
x xk
xj xk
k=1
k6=j
[n (x)]2 (2n)
f () , [x1 , xn ] (2.22)
R2n1 (x) = [n (x)] f [x1 , x1 , . . . , xn , xn , x] =
(2n)!
2
con
n
Y
n (x) =
(x xj )
j=1
Ricordando ora che gli xj sono gli zeri del polinomio ortogonale n (x) tale polinon
Y
mio lo possiamo scrivere come, n (x) = An (x xk ) e pertanto possiamo mettere il
k=1
(2.23)
analogamente abbiamo
hj (x) = lj2 (x) 2
n (x)lj (x)
n0 (xj )
(2.24)
Z
w(x)f (x)dx =
Z
w(x)H2n1 (x)dx +
I2n1 (f ) =
n
X
f (xj )
w(x)hj (x)dx +
a
j=1
n
X
j=1
n
X
j=1
Z
f (xj )
a
n
X
E2n1 (f ) =
a
j (x)dx =
w(x)h
f (xj )
a
j=1
n
X
2
n (x)lj (x)
dx +
w(x) lj (x) 2
f 0 (xj )
0
n (xj )
j=1
Z b
w(x)lj2 (x)dx
f (xj )
w(x)
a
n (x)lj (x)
dx =
n0 (xj )
n
X
2
f 0 (xj )
l
(x),
(x)
bigg]
+
l
(x),
(x)
j
n
j
n
n0 (xj )
n0 (xj )
j=1
[n (x)]2
w(x)
f [x1 , x1 , . . . , xn , xn , x]dx
A2n
n
X
w(x)lj2 (x)dx
f (xj )
a
j=1
n
X
wj f (xj )
j=1
dove
Z
wj =
w(x)lj2 (x)dx
mentre, per quanto riguarda lerrore, essendo la differenza divisa di ordine 2n, per le
ipotesi del teorema, `e una funzione continua mentre la restante funzione allinterno
dellintegrale non cambia segno in [a, b]. Pertanto si pu`o applicare il teorema della
media integrale e si ha:
f [x1 , x1 , . . . , xn , xn , x ]
E2n1 (f ) =
A2n
n
f (2n) ()
2
An (2n)!
, (a, b)
Abbiamo quindi trovato una formula di quadratura del tipo(2.15) che sicuramente ha
massimo grado di precisione 2n 1. Per quanto riguarda i pesi wj lasceremo il loro
calcolo come esercizio. Una sola considerazione per semplificare la formula dei pesi.
Sappiamo che la formula ottenuta ha grado di precisione 2n 1 e pertanto `e esatta per
ogni polinomio di grado non superiore a 2n 1. Essendo li (x) un polinomio di grado
n 1 con li (xj ) = ij si ha
Z
w(x)li (x)dx =
a
n
X
wj li (xj ) = wj
(2.25)
j=1
e poiche, come vedremo fra poco, tale formula di quadratura `e unica, i pesi wj possono
esssere definiti in maniera pi`
u semplice dalla (2.25).
44
Unicit`
a
Supponiamo che esista una formula di quadratura del tipo (2.15) con pesi vj 6= wj e
nodi zj 6= xj che abbia grado di precisione 2n 1.
In (f ) =
n
X
vj f (zj )
j=1
i (x)dx =
w(x)h
n
X
i (zj ) = 0 , i = 1, 2, . . . , n
vj h
j=1
Q
i (x) = n (x)li (x) cio`e `e dato da un polima, indicando con n (x) = nj=1 (x zj ), h
nomio di grado n i cui zeri sono gli zj per il polinomio li (x) di grado n 1. poiche
come sopra visto lintegrale `e nullo per ogni i = 1, 2, . . . , n questo significa che tale
integrale si annulla per ogni polinomio pn1 (x) di grado n 1, cio`e il prodotto scalare
n (x), pn1 (x) = 0, ossia il polinomio n (x) `e ortogonale ad un qualunque polinomio
di grado pi`
u basso. Questo `e possibile solo se n (x) = (a, b), w(x) e quindi deve
avere gli stessi zeri di n (x), pertanto zj = xj , j = 1, 2, . . . , n. Per far vedere che
coincidono anche i pesi, una volta visto che coincidono i nodi, basta prendere come
funzione integranda hi (x). poiche sappiamo che hi (x) `e un polinomio di grado 2n 1
e che hi (xj ) = ij
Z
w(x)hi (x)dx =
a
n
X
vj hi (xj ) = vi
j=1
2.5
Formule adattative
Prima di passare a vedere alcuni metodi per la risoluzione di integrali singolari vediamo
come le formule generalizzate fino ad ora viste possono essere adattate ad integrali in
cui la funzione integranda non soddisfa le propriet`a di regolarit`a richieste relativamente
` ovvio che se la funzione integranda non verifica le ipotesi di
allerrore commesso. E
continuit`a sulla fuzione e sulle sue derivate, cos` come richiesto, le formule dellerrore
45
ex ln(x)dx
I(f ) =
0
Il listato sopra riportato `e un semplice programma, scritto con il software Mathematica, dove viene programmata la formula dei rettangoli generalizzata. Alla fine del
46
STOP, altrimenti si procede
2k
3. k = k + 1 ;
4. si suddivide lintervallo [a, b] in 2k sotto-intervalli [xi , xi+1 ] di uguale ampiezza;
h = (b a)/2k , xi = x0 + ih , i = 0, .., 2k , con x0 = a. Per i = 0, 1, ..., 2k
c
c
1, considerando solo gli indici i utili, se |I01
[xi , xi+1 ] I02
[xi , xi+1 ]| k allora
2
c
[xi , xi+1 ] e si scarta tale intervallo, altrimenti si ritorna a 3. e si
I0c (f ) = I0c (f )+I02
procede allo stesso modo, prendendo solo in considerazione gli intervalli rimasti,
fino a quando non ci sono pi`
u intervalli da suddividere. Alla fine del procedimento
I0c (f ) conterr`a il valore approssimato dellintegrale con la precisione richiesta.
47
H* METODO ADATTATIVO *L
H* Metodo dei rettangoli del punto di mezzo *L
f@x_D := If@x == 0, 0, Log@xD * Exp@xDD;
a = 0; b = 1.; imax = 50;
ES = Table@0, 8i, 1, 100 000<D;
EI = Table@0, 8i, 1, 100 000<D;
NES = Table@0, 8i, 1, 100 000<D;
NEI = Table@0, 8i, 1, 100 000<D;
NC = 0; VF = 0; NC1 = 1; SNC = 0;
vint = 0.; eps = 0.00001; EI@@1DD = a; ES@@1DD = b;
Do@h = Hb - aL 2 ^ Hi - 1L;
h2 = h 2.; For@k = 1, k <= NC1,
k ++, VI1 = h * f@HEI@@kDD + ES@@kDDL 2.D;
VI2 =
h2 * f@EI@@kDD + h2 2.D + h2 * f@ES@@kDD - h2 2.D;
If@Abs@VI2 - VI1D <= eps, vint = vint + VI2,
NC = NC + 2; NEI@@NC - 1DD = EI@@kDD;
NEI@@NCDD = EI@@kDD + h2;
NES@@NC - 1DD = NEI@@NCDD;
NES@@NCDD = ES@@kDDDD; NC1 = NC; SNC = SNC + NC;
Do@EI@@sDD = NEI@@sDD; ES@@sDD = NES@@sDD,
8s, 1, NC<D; eps = eps 2.; If@NC == 0, Break@DD;
NC = 0, 8i, 1, imax<D;
Print@
" Valore approssimato dell'integrale= ", vintD;
Print@" Numero di valutazioni della funzione= ",
SNCD
Valore approssimato dell'integrale= -1.3179
Numero di valutazioni della funzione= 4984
2.6
Integrali singolari
Nel paragrafo precedente abbiamo visto come adattare le formule di quadratura per
risolvere integrali di funzioni integrande che non soddisfano le propriet`a richieste nelle
formule dellerrore. In generale problemi pi`
u complessi si presentano quando la funzione
integranda ha delle singolarit`a nellintervallo di integrazione o lintervallo di integrazione `e illimitato. Casi particolari in cui esistono singolarit`a nellintervallo di integrazione
o integrali estesi ad intervalli illimitati sono gi`a stati affrontati nelle formule di quadratura di Gauss. Vedi, ad esempio, le formule di quadratura di Gauss-Chebyscev,
Gauss-Laguerre e Gauss-Hermite. In questo paragrafo vedremo alcune tecniche utili a
48
sin(x) 1 x2 dx
Z
I(f ) =
0
In tal caso la singolarit`a si presenta sulla derivata prima della funzione integranda
Z
I(f ) = 2
t2 2 t2 sin(1 t2 )dt
Tale integrale, nella nuova variabile t, ha un numero infinito di derivate in [0, 1] e quindi
possiamo applicare le formule standard e sappiamo che landamento dellerrore `e quello
provato nel teorema di convergenza della formula di quadratura utilizzata. Il cambio
della variabile di integrazione alcune volte si dimostra essere utile anche per integrali
estesi ad intervalli illimitati. Vediamolo con un secondo esempio. Supponiamo di voler
calcolare numericamente il seguente integrale
Z
I(f ) =
1
f (x)
dx ,
xp
p>1
con f (x) c 6= 0 per x . Supponiamo inoltre che la funzione f (x) sia regolare in
[1, ). Possiamo introdurre il seguente cambio di variabile
1
,
dx
=
dt , > 0
t
t1+
abbiamo inoltre che per x = 1, t = 1 e per x , t 0. Lintegrale nella nuova
variabile diventa
x=
Z
I(f ) =
0
1 dt
tp f ( ) 1+ =
t t
t(p1)1 f (
1
)dt
t
I(f ) =
1
49
f (x)
dx
x x
Z
2
0
1
f ( 2 )dt
t
f (x)
dx ,
xp
I(f ) =
0
0<p<1
Con f (x) regolare in [0, b]. In tal caso si utilizza il seguente cambio di variabile x = t
e valgono le stesse considerazioni fatte precedentemente. Vedremo questo cambio di
variabile in un caso particolare negli esercizi proposti.
Trattamento analitico delle singolarit`
a
Si divide lintervallo di integrazione in due parti, una contenente il punto singolare, che
deve essere trattato analiticamente. Come esempio consideriamo il seguente integrale
I(f ) =
f (x) ln(x)dx =
0
Z
f (x) ln(x)dx +
f (x) ln(x)dx = I1 (f ) + I2 (f )
Z X
aj x
ln(x)dx =
j=0
X
j=0
aj
j+1
1
[ln()
]
j+1
j+1
Ad esempio, se
Z
I(f ) =
cos(x) ln(x)dx
0
50
0.1
3
1
cos(x) ln(x)dx = (ln() 1) (ln() ) + ....
6
3
tale ultima `e una serie a segni alterni e quindi `e facile maggiorare il valore assoluto dellerrore commesso usando il primo termine della serie che si trascura potendo ottenere
un ottimo valore dellintegrale I1 (f ) con pochi termini della serie. Tecniche standard
di quadratura numerica possono essere applicate per valutare lintegrale nellintervallo
[, ].
Prodotto di integrazione
Z
Sia I(f ) =
w(x)f (x)dx, costituito cio`e da una funzione integranda data dal proa
dotto di una funzione regolare f (x) per una funzione w(x) che ammette singolarit`a
nellintervallo di integrazione. Nel prodotto di integrazione lidea base `e di costruire
una successione di funzioni fn (x) tale che
1. lim kf (x) fn (x)k = lim
n
max |f (x) fn (x)| = 0
axb
2. Gli integrali
Z
w(x)fn (x)dx
In (f ) =
a
Z
|w(x)||f (x) fn (x)|dx kf (x) fn (x)k
|w(x)|dx
a
f (x) ln(x)dx
0
51
1.0
0.5
0.5
1.0
1.5
2.0
2.5
3.0
-0.5
-1.0
Figura 2.4: Approssimazione di f (x) con fn (x)
Z
f (x) ln(x)dx '
n1
fn (x) ln(x)dx =
0
1X
=
h i=0
n1 Z
X
i=0
xi+1
fn (x) ln(x)dx =
xi
xi+1
n
X
vi f (xi )
i=0
dove
1
v0 =
h
1
vi =
h
xi
Z
0
1
(x1 x) ln(x)dx , vn =
h
1
(x xi1 ) ln(x)dx +
h
xi1
nh
(x xn1 ) ln(x)dx
(n1)h
xi+1
In modo agevole si possono calcolare tali integrali e quindi ottenere una formula di
quadratura prodotto che va bene per ogni funzione f (x) nellintervallo di integrazione
[0, b].
52
2.7
Esercizi proposti
Esercizio 1. Utilizzando lo stesso procedimento visto per la formula di quadratura dei trapezi, provare che la formula dei rettangoli nel punto a sinistra, cio`e quando si approssima la funzione con il polinomio di grado zero che interpola la funzione in (a, f (a)), vedi figura, `e la seguente I0s (f ) = (b a)f (a), lerrore commesso `e
(b a)2 0
s
f () , [a, b], la formula generalizzata `e data da
E0 (f ) =
2
s
I0n
(f )
=h
n1
X
f (xi )
i=0
h
s
e la stima asintotica dellerrore `e E0n
(f ) = [f (b) f (a)], dove xi = x0 + ih , i =
2
0, 1, . . . , n, x0 = a, h = (b a)/n.
y
y=f HxL
y=p0 HxL
f HaL
Figura 2.5: Illustrazione del metodo dei rettangoli nel punto a sinistra
Esercizio 2. Utilizzando lo stesso procedimento visto per la formula di quadratura di Simpson provare che la formula dei rettangoli del punto di mezzo (nota anche come formula di Newton Cotes di tipo aperto di ordine pi`
u basso), cio`e quando
si approssima la funzione con il polinomio di grado zero che interpola la funzione
stessa in (c, f (c)), con c = (a + b)/2, cos` come illustrato in figura, `e la seguente:
(b a)3 00
I0c (f ) = (b a)f (c), lerrore commesso `e E0c (f ) =
f () , [a, b], la formula
24
n1
X
xi + xi+1
c
generalizzata `e data da I0n (f ) = h
f(
) e la stima asintotica dellerrore `e
2
i=0
2
h
c
E0n
(f ) = [f 0 (b) f 0 (a)], dove xi = ih , i = 0, 1, . . . , n, x0 = a, h = (b a)/n.
24
53
f HcL
y=p0HxL
y=f HxL
Figura 2.6: Illustrazione del metodo dei rettangoli nel punto di mezzo
Esercizio 3. Utilizzando lo stesso procedimento visto per la formula di quadratura
di Simpson provare che la formula di Newton Cotes aperta per n = 2, cio`e quando si
approssima la funzione con il polinomio interpolante di grado due nei punti (x1 , f (x1 )),
(x2 , f (x2 )) ed (x3 , f (x3 )) dove x1 = a + h, x2 = a + 2h e x3 = a + 3h con h = (b a)/4,
come illustrato in figura, nellipotesi in cui f (x) C4 [a, b], `e la seguente
b
Z
a
4h
14h5 (4)
f (x)dx =
[2f (x1 ) f (x2 ) + 2f (x3 )] +
f () , [a, b]
3
45
f Hx1L
f Hx2L
y=f HxL
f Hx3L
y=p2HxL
x1
x2
x3
abbia il pi`
u alto grado di precisione.
Esercizio 5. Determinare w0 , w1 e w2 affinche la formula di quadratura
Z
sia esatta per tutti i polinomi di grado n 2. Dire se 2 `e il massimo grado di precisione
della formula ottenuta.
Esercizio 6. Data la formula di quadratura
Z
f (x)dx =
h
h
[f (h) + 4f (0) + f (h)] + kf (4) ()
3
Determinare il valore di k.
Esercizio 7. Determinare i pesi a0 , a1 ed i nodi x1 , x2 affinche la formula di quadratura
Z
0
1
1
f (x)dx ' a0 f (0) + f 0 (x1 ) + f 0 (x2 ) + a1 f (1)
6
6
ba
(b a)2 0
f (x)dx '
[f (a) + f (b)]
[f (b) f 0 (a)]
2
12
(b a)5 (4)
f () ,
720
55
[a, b]
Esercizio 10. Provare che la (2.18) `e proprio la formula di quadratura di GaussLegendre a due punti. Generalizzare tale formula di quadratura.
Esercizio 11. Utilizzando la tecnica dei coefficienti indeterminati trovare la formula
di quadratura ad un nodo, relativa allintervallo [0, 1] e funzione peso w(x) = ln(x)
esatta per polinomi al pi`
u di grado uno.
Esercizio 12. Utilizzando la formula di Simpson generalizzata e la formula di Gauss
Legendre a due punti generalizzata calcolare il seguente integrale
sin(x)ex dx
I(f ) =
0
1
dx
1+x
2
f (x)
X
dx =
f (2n) () , (1, 1)
f (xjn ) + 2n
2
n
2
(2n)!
1x
j=1
dove gli xjn sono gli zeri del polinomio di Chebyshev Tn (x) di grado n.
Esercizio 15. Nellintegrale che segue eliminare la singolarit`a nella funzione integranda e massimizzare la regolarit`a della stessa utilizzando il cambio della variabile di
integrazione.
Z
I(f ) =
cos( x)
3
x4
dx
Esercizio 16. Derivare la formula di quadratura prodotto rettangolare di integrazione per il calcolo di integrali del tipo
Z
f (x) ln(x)dx
0
56
n1
[
i=0
xi + xi+1
) , x [xi , xi+1 ] , i = 0, 1, ..., n 1}
2
57
[xi , xi+1 ],
Capitolo 3
METODI NUMERICI PER LA SOLUZIONE DI
PROBLEMI DI CAUCHY PER EQUAZIONI
DIFFERENZIALI ORDINARIE
3.1
Introduzione
(3.1)
Tali tecniche si estendono anche a problemi ai valori iniziali per sistemi di n equazioni
differenziali ordinarie del primo ordine e quindi anche a problemi ai valori iniziali per
equazioni differenziali ordinarie di ordine n. I metodi che noi considereremo non forniscono unapprossimazione continua della soluzione del problema ai valori iniziali ma
approssimazioni in un certo numero di punti specificati, generalmente equidistanziati.
Prima di passare allesposizione dei metodi numerici richiamiamo alcune definizioni e
risulati dalla teoria delle equazioni differenziali ordinarie ed introduciamo anche alcune
notazioni che saranno utilizzate nel resto del capitolo.
Definizione 15 (Condizione di Lipschitz). Una funzione f (x, y) si dice che soddisfa la
condizione di Lipschitz nella variabile y in un insieme D R2 se esiste una costante
K > 0 tale che
|f (x, y1 ) f (x, y2 )| K|y1 y2 |
con (x, y1 ) , (x, y2 ) D. La costante K `e detta costante di Lipschitz.
58
(3.2)
Z
y(x) = Y0 +
f (t, y(t))dt
(3.3)
x0
(3.4)
Y (x) = Y0 e
Z
+
e(xt) g(t)dt ,
0x<
Infatti la soluzione Y (x) = YP (x)+YH (x) dove YP (x) `e una soluzione particolare mentre
0
`
YH (x) `e la soluzione
Z generale dellequazione differenziale omogenea y (x) = y(x). E
x
YP0 (x)
Z
= g(x) +
e(xt) g(t)dt
59
Esempio 2
y 0 (x) = y(x) sin(x) , < x <
(3.5)
-4
-2
-2
-4
dremo a dire. In particolare ci vogliamo soffermare sulla direzione del campo indotto
dallequazione differenziale nel piano xy e sulle curve di livello. Se Y (x) `e una soluzione che passa per il punto (x0 , Y0 ) allora la pendenza di Y (x) in (x0 , Y0 ) `e proprio
Y 0 (x0 ) = f (x0 , Y0 ).
Allinterno di un dominio D R2 prendiamo un rappresentativo insieme di punti (x, y)
e disegniamo un piccolo segmento con pendenza f (x, y) che passa per (x, y), in questo
modo ci siamo costruiti la direzione del campo indotto dallequazione differenziale.
Nella figura 3.1 riportiamo quanto detto insieme a cinque grafici della soluzione per
cinque particolari valori iniziali Y (0) = 0, 1, 20, 1, 20
Per rendere pi`
u semplice lo studio del campo vettoriale di y 0 (x) = f (x, y(x)) possiamo
guardare le curve nel piano (x, y) dove f (x, y) `e costante. Disegnare le curve f (x, y) = c
per vari valori di c. Ogni soluzione Y (x) di y 0 = f (x, y) che interseca le curve f (x, y) = c
soddisfa Y 0 (x) = c nel punto di intersezione. Le curve f (x, y) = c sono dette curve di
livello. Nella figura 3.1 sono riportate le curve di livello per c = 0, 1, 2, 3 e la soluzione
esatta per i valori iniziali Y (0) = 0, 0.2, 10.
y
-4
-2
-1
61
Definizione 16 (Problema ben posto). Il problema di Cauchy (3.1) `e detto ben posto
se
1. esiste una ed una sola soluzione
2. dato il problema perturbato
(3.6)
con ||, k(x)k < 0 tale problema ammette una sola soluzione ed esiste una
costante limitata positiva M tale che
|y(x; , ) y(x)| < M 0
` facile vedere che il problema di Cauchy `e anche un problema ben posto.
E
Ora dal punto di vista numerico siamo interessati non solo a problemi matematicamente
ben posti o stabili ma anche a problemi numericamente stabili o ben condizionati.
Ricordiamo che un problema `e ben condizionato se a piccole perturbazioni sui dati
corrispondono piccole perturbazioni sulla soluzione. A tale proposito prendiamo in
esame il seguente problema di Cauchy perturbato
y(x; ) = Y0 + +
z(x; ) = +
x0
f (t, y(t))
(y(t; ) y(t))
y
e quindi
Z
z(x; ) ' +
x0
f (t, y(t))
z(t; )dt
y
62
(3.7)
(3.8)
z(x; ) = e
x0
f (t,y)
dt
y
(3.9)
f (t, y(t))
> 0 la perturbazione z(x; ) cresce
y
esponenzialmente quanto pi`
u ci allontaniamo dalla soluzione e pertanto il problema di
Cauchy diventa crescentemente mal condizionato. Pertanto nei metodi che vedremo,
visto che studiamo il problema dei valori iniziali a destra di x0 , supporremo che f /y
risulti negativa per x > x0 . Il problema test che prenderemo in esame per lo studio dei
vari metodi numerici sar`a il seguente
Dalla (3.9) si osserva che se x > x0 e
(3.10)
I valori del passo h per i quali il metodo `e stabile sono chiamati regione di assoluta
stabilit`a. Se la regione di assoluta stabilit`a `e illimitata allora il metodo si dice che `e
A-stabile.
Facciamo vedere ora, con un esempio, quanto espresso precedentemente relativamente
al mal condizionamento di un problema di Cauchy.
63
y(0) = 1
(3.11)
y(0) = 1 +
(3.12)
(3.13)
3.2
x0 x b
(3.14)
y=Y0 +Y'Hx0LHx-x0L
yHx2L
yHx1L
Y=YHxL
YHx0L
h
x0
h
x1
x2
y1 = Y0 + hf (x0 , Y0 )
A partire dal punto (x1 , y1 ), dove si `e giunti dopo il primo passo si continua
allo stesso modo per approssimare la soluzione nel punto di ascissa x2 . Va per`o
fatta unosservazione molto importante in quanto nel punto di ascissa x1 non
conosciamo il valore esatto della soluzione ma il suo valore approssimato y1 ,
pertanto a partire dal punto (x1 , y1 ) ci costruiamo la retta che questa volta non
`e parallela alla tangente alla curva nel punto di ascissa x1 ma ha una pendenza
f (x1 , y1 ). Quindi la soluzione approssimata nel puno di ascissa x2 `e data da
y2 = y1 + hf (x1 , y1 )
generalizzando si ottiene il metodo di Eulero esplicito
65
yn+1 = yn + hf (xn , yn ) ,
0 < n N (h) 1
(3.15)
h2 00
Y (n ) ,
2
xn n xn+1
(3.16)
xn n xn+1
(3.17)
`e detto errore di troncamento locale o errore di discretizzazione in xn+1 . Tale metodo `e detto metodo di Eulero esplicito in quanto la determinazione della
soluzione approssimata yn+1 `e ottenuta esplicitamente dalla (3.15), cio`e non compare come argomento della f . Tale metodo inoltre `e ad un solo passo in quanto
per poter determinare la soluzione nel passo xn+1 dobbiamo conoscere solo la
soluzione approssimata nel passo precedente.
3. Integrazione numerica - Si integra lequazione differenziale Y 0 (t) = f (t, Y (t))
in [xn , xn+1 ] e si approssima lintegrale con la formula sinistra dei rettangoli.
(Vedi esercizio N. 1 del capitolo 1).
xn+1
(3.18)
Nel resto di tale capitolo assumeremo che la funzione f (x, y) soddisfa la condizione di
Lipschitz (3.2), con costante di lipschitzianit`a K e che inoltre il massimo intervallo,
nellintorno del punto iniziale, dove si ricerca la soluzione del problema di Cauchy, sia
tale che K < 1 in modo da aver garantita lesistenza e lunicit`a della soluzione.
Teorema 7. Supponiamo che la soluzione Y (x) di (3.1) abbia derivata seconda limitata
in [x0 , b]. Allora la soluzione yn = yh (xn ) con 0 xn b ottenuta con il metodo di
Eulero (3.15) soddisfa
(bx0 )K
e
1
(h)
max Y (xn ) yh (xn ) e(bx0 )K |e0 | +
x0 xn b
K
(3.19)
dove
(h) =
h
h
max |Y 00 (x)| = kY 00 (x)k
2 x0 xb
2
(3.20)
ed e0 = Y0 yh (x0 ).
Dimostrazione. Sia en = Yn yn , n 0. Ricordando la definizione di N (h), data alla
fine del primo paragrafo, definiamo
n =
h 00
Y (n ) , 0 n N (h)
2
0nN (h)
67
0 n N (h) 1
(3.21)
yn+1 = yn + hf (xn , yn ) ,
0 n N (h) 1
(3.22)
0 n N (h) 1
(3.23)
(3.24)
1 + q + q + ... + q
n1
qn 1
=
, q 6= 1
q1
otteniamo
|en | (1 + hK)n |e0 | +
(1 + hK)n 1
(h)
K
68
(3.25)
Sia (h) il massimo errore di arrotondamento n . Sappiamo che il massimo errore (h)
non decresce in un computer ma esso rimane pi`
u o meno costante ed `e proporzionale
allerrore di macchina u, ovvero u = (h)/kY k . Sottraendo la (3.16) dalla (3.25)
chiamando con en = Yn yn abbiamo:
en+1 = en + h[f (xn , Yn ) f (xn , yn )] + hn n
0 n N (h) 1
1
(bx
)K
0
( (h) +
)
max Yn yn e
|
e0 | +
x0 xn b
K
h
(3.26)
h0
nh=x
h0
nh=x
h0
nh=x
h0
nh=x
Dalla definizione di assoluta stabilit`a data nel primo paragrafo abbiamo che per
R < 0 il metodo `e assolutamente stabile se
69
ReHzL
-1
-2
-3
-2
-1
3.3
In tale paragrafo prendiamo in esame due metodi ad un solo passo di tipo implicito. In
particolare il metodo di Eulero implicito ed il metodo trapezoidale. Useremo lintegrazione numerica per ottenere questi due metodi ed analizzeremo, rispetto al problema
test, la convergena di entrambi i metodi e le regioni di assoluta stabilit`a.
Il metodo di Eulero implicito - Per ottenere tale metodo per integrazione numerica abbiamo bisogno della formula di quadratura destra dei rettangoli. Nella formula
di quadratura destra dei rettangoli si approssima la funzione integranda con il polinomio di grado zero che interpola la funzione integranda nellestremo superiore di
integrazione, pertanto
Z
I(f ) =
Z
(x b)g(b)dx +
g(x)dx =
a
70
e quindi
(b a)2 0
g () , [a, b]
2
Se ora integriamo lequazione differenziale Y 0 (x) = f (x, Y (x)) tra xn ed xn+1 ed
utilizziamo la formula di quadratura destra dei rettangoli si ha
I0d (f ) = (b a)g(b) ,
E0d (f ) =
xn+1
f (x, Y (x))
= Y (xn ) + hf (xn+1 , Y (xn+1 )) Y (n )
2 dx
2
x=n
(3.27)
(3.28)
n [xn , xn+1 ]
(3.29)
y1 =
yn+1 =
1
1
1
1
, y2 =
y1 =
,
...,
y
=
n
1 h
1 h
(1 h)2
(1 h)n
n
n
lim yn = lim 1 + h + O(h2 ) = lim (1 + h) =
h0
nh=x
h0
nh=x
h0
nh=x
nh
x
1
1
= lim (1 + h) h
= lim (1 + h) h
= ex
h0
nh=x
h0
nh=x
1
<1
1 h
.
Ora se R con < 0 la disuguagliaza precedente `e soddisfatta qualunque sia h > 0,
mentre se prendiamo C con Re() < 0 la disuguagliaza `e verificata allesterno del
cerchio disegnato in figura 3.3. Abbiamo quindi che la regione di assoluta stabilit`a `e
illimitata e quindi il metodo di Eulero implicito `e A-stabile.
ImHzL
2
ReHzL
-1
-2
-1
72
xn+1
Z
Y (xn+1 ) = Y (xn )+
xn
h
h3 000
f (x, Y (x))dx = [f (xn , Y (xn ))+f (xn+1 , Y (xn+1 )] Y (n )
2
12
(3.30)
h3 000
Y (n )
(3.31)
12
Considerazioni analoghe a quelle fatte per il metodo di Eulero implicito ci consentono
di dire che tale metodo `e consistente ad un solo passo e di tipo implicito.
Convergenza e regione di assoluta stabilit`
a - Metodo trapezoidale
Applicando il metodo al problema test (3.10) abbiamo
Tn (Y ) =
h
yn+1 = yn + [yn + yn+1 ] ,
2
yn+1
1+
=
1
h
2
h
2
0 n N (h) 1
yn
0 n N (h) 1
1+
y1 =
1
Possiamo sviluppare (1 +
1+
1
h
2
h
2
h
2
h
2
1+
, y2 =
1
h
)/(1
2
= (1 +
h
)
2
h
2
h
2
2
1+
, ..., yn =
1
h
2
h
2
n
h
h h2 2
)(1 +
+
+ ....) = 1 + h + O(h2 )
2
2
4
quindi
yn = (1 + h + O(h2 ))n
cos` come nel metodo di Eulero implicito si trova che lim yn = ex .
h0
nh=x
h
2
h
2
<1
(3.32)
Per R, con < 0, si vede agevolmente che la (3.32) `e verificata per tutti gli
h > 0. Per C, con Re() < 0, si trova che la regione di assoluta stabilit`a `e tutto
73
ReHzL
-1
-2
-3
-3
-2
-1
Per analizzare le iterate e vedere sotto quali condizioni lo schema iterativo converge
sottraiamo dalla (3.30) la (3.33) ed utilizziamo la condizione di Lipschitz.
(j+1)
yn+1 yn+1 =
h
(j)
f (xn+1 , yn+1 ) f (xn+1 , yn+1 )
2
hK
(j)
|yn+1 yn+1 |
2
Se supponiamo che il passo h sia sufficientemente piccolo tale che hK/2 < 1 abbiamo
che lo schema iterativo converge linearmente, con velocit`a hK/2, alla soluzione nume(0)
rica yn+1 . In pratica il valore iniziale yn+1 `e scelto in modo tale che una sola iterata `e
(1)
sufficiente ad approssimare la soluzione yn+1 , cio`e yn+1 ' yn+1 . Nel caso specifico, del
metodo trapezoidale come correttore e del metodo di Eulero esplicito come predittore,
utilizzando una sola iterata si giunge al metodo di Euhn che analizzeremo in seguito.
(j+1)
|yn+1 yn+1 |
75
3.4
Metodi a pi`
u passi
p
X
p
X
aj ynj + h
j=0
(3.34)
j=1
X
p
aj Ynj + h
j=0
p
X
0
bj Ynj
, n = p, ..., N (h) 1
(3.35)
j=1
max |n (Y )| 0 per h 0
(3.36)
0nN (h)
(3.37)
Vediamo ora un teorema che ci fornisce delle relazioni sui coefficienti del metodo (3.34)
affinche lo stesso abbia ordine di convergenza m.
Teorema 8. Sia m 1 un dato indice. affinche il metodo multistep (3.34) abbia ordine
di convergenza m per tutte le funzioni Y (x) Cm+1 [x0 , b], soluzioni del problema di
Cauchy (3.1), `e necessario e sufficiente che
76
1.
p
X
aj = 1
j=0
2.
p
X
jaj +
j=0
3.
p
X
j=0
p
X
bj = 1
(3.38)
j=1
i
(j) aj + i
p
X
(j)i1 bj = 1 , i = 2, ..., m
j=1
(3.39)
per i = 0
p
X
Tn (1) = 1
aj = c 0
j=0
2.
per i = 1
Tn (x xn ) = (xn+1 xn )
X
p
aj (xnj xn ) + h
j=0
p
X
j=1
X
p
p
X
Tn (x xn ) = h 1
jaj +
bj
= c1 h
j=0
3.
per i > 1
77
j=1
bj
Tn ((x xn ) ) = (xn+1 xn )
X
p
aj (xnj xn ) + h
Tn ((x xn ) ) = h 1
X
p
i(xnj xn )
i1
bj
j=1
j=0
p
X
(j) aj + i
j=0
p
X
(j)
i1
bj
= ci hi
j=1
m
X
ci
i=0
i!
cm+1
hm+1 Y (m+1) (xn ) + O(hm+2 )
(m + 1)!
a =1
0
b1 + b0 = 1
2b = 1
1
La soluzione del sistema `e: a0 = 1, b1 = 1/2 e b0 = 1/2. Anche in tal caso si trova
che esiste un solo metodo ad un passo che ha ordine di convergenza due ed `e il metodo
trapezoidale. Problemi simili saranno affrontati negli esercizi proposti.
78
3.5
xn+1
xn+1
f (x, Y (x))dx
Y (x)dx =
xn1
xn1
h3 000
y(xn+1 ) = Y (xn1 ) + 2hf (xn , Y (xn )) + Y (n ) , n [xn1 , xn+1 ]
3
Il metodo pertanto `e
yn+1 = yn1 + 2hf (xn , yn ) ,
n = 1, 2, ..., N (h) 1
(3.40)
(3.42)
(3.43)
1 + h2 2
r1 (h) = h
1 + h2 2
(3.44)
79
ReHzL
-1
-2
-2
-1
c + c = y = 1
0
1
0
c r + c r = y = 1 + h
0 0
1 1
r0 = 1 + h + O(h2 ) , r1 = h 1 + O(h2 )
e quindi la soluzione generale pu`o essere scritta come segue
yn = [1 + O(h2 )][1 + h + O(h2 )]n + (1)n O(h2 )[1 h + O(h2 )]n
(3.45)
h0
hn=x
se ad esempio R con < 0 si vede che il primo pezzo di soluzione converge verso la
soluzione esatta, che decresce esponenzialmente, mentre il secondo pezzo, a destra del
punto iniziale, cresce esponenzialmente al crescere di n con segni alterni. Questo sta
a significare che per piccoli valori di h la soluzione numerica si allontana, oscillando,
sempre di pi`
u dalla soluzione analitica. Questo comportamento sta ad indicare che il
metodo del punto di mezzo `e un metodo debolmente stabile e non ha regioni di assoluta
stabilit`a.
3.6
Convergenza e stabilit`
a dei metodi a pi`
u passi
p
X
j=0
aj ynj + h
p
X
(3.46)
j=1
Facciamo innanzi tutto vedere che le condizioni di consistenza 1. e 2. di (3.38) sono indispensabili per la convergenza e stabilit`a del metodo (3.46). A tale proposito
prendiamo in esame due problemi di Cauchy molto semplici.
y 0 (x) = 0 , y(0) = 1
(3.47)
y 0 (x) = 1 , y(0) = 1
(3.48)
p
X
aj ypj =
j=0
p
X
aj
j=0
Il problema (3.48) ha come soluzione esatta Y (x) = x. Se anche in questo caso supponiamo di assegnare i primi p + 1 valori esattamente, cio`e y0 = 0, y1 = h, ..., yp = ph
utilizzando il metodo multistep abbiamo che:
yp+1 =
p
X
p
X
aj h(p j) + h
j=0
p
p
p
X
X
X
bj = h p
aj +
jaj +
bj
j=1
j=0
j=0
j=1
pertanto se sono verificate le condizioni 1. e 2. delle (3.38) si ottiene che yp+1 = (p+1)h.
Diamo ora le definizioni di stabilit`a o zero-stabilit`a e convergenza del metodo (3.46).
Definizione 21 (Stabilit`a di un metodo multistep). Per ogni h h0 , siano z0 , z1 , ..., zp
p + 1 valori perturbati di y0 , y1 , ..., yp tali che
max |zn yn |
0np
0 < h h0
con > 0 piccolo a piacere. Diciamo che il metodo multistep (3.46) `e stabile se esiste
una costante c limitata, indipendente da h, tale che:
max |zn yn | c
0nN (h)
0 < h h0
Con zn si `e indicata la soluzione numerica ottenuta con il metodo (3.46) a partire dai
valori perturbati z0 , z1 , ..., zp .
Definizione 22 (Convergenza di un metodo multistep). Supposto che i primi p + 1
valori y0 , y1 , ..., yp soddisfano
lim
h0
max |Yn yn | = 0
0np
h0
max |Yn yn | = 0
0nN (h)
Facciamo ora vedere un esempio di un metodo multistep consistente che non `e stabile.
yn+1 = 3yn 2yn1 +
h
f (xn , yn ) 3f (xn1 , yn1 )
2
` facile provare che il metodo `e un metodo del secondo ordine e quindi consistente. Se
E
prendiamo il seguente problema di Cauchy y 0 (x) = 0 , y(0) = 0 si ha che la soluzione
esatta `e Y (x) = 0. Se partiamo da due valori iniziali esatti y0 = y1 = 0 troviamo che,
applicando il metodo multistep, yn = 0 , 0 n N (h). Applichiamo ora a tale
problema il metodo multistep a partire da due valori perturbati z0 = e z1 = 2 con
> 0. Si trova quindi che
82
y2 = 6 2 = 4 = 22
y3 = 12 4 = 8 = 23
...........................
yn = 2n
pertanto
max |zn yn | =
0nN (h)
La convergenza e la stabilit`a di un metodo multistep sono legate alle radici del primo
polinomio caratteristico
(r) = r
p+1
p
X
aj rpj
(3.49)
j=0
(3.50)
0 (rj ) 6= 0
(3.51)
per |rj | = 1
La prima condizione richiede che tutte le radici di (r) siano nel cerchio unitario del
piano complesso {z : |z| 1}, la seconda condizione stabilisce che se una radice si
trova sulla frontiera del cerchio deve essere semplice.
La convergenza e la stabilit`a di un metodo multistep sar`a analizzata relativamente al
problema test (3.10). Tale analisi garantisce anche la convergenza e stabilit`a dei metodi
multistep per il generico problema di Cauchy (3.1) in un intorno del punto iniziale x0 .
Se applichiamo il metodo a pi`
u passi (3.46) al problema test (3.10) si ha
83
yn+1 =
p
X
aj ynj + h
p
X
bj ynj
(3.52)
j=1
j=0
La soluzione generale yn dellequazione lineare alle differenze (3.52) si ottiene considerando le radici del polinomio caratteristico cos` come indicato nellappendice B.
Scegliendo come soluzione yn = rn questa verifica lequazione (3.52) se
r
p+1
p
X
aj r
pj
bj rpj = 0
j=1
j=0
p
X
p
X
j=1
(3.53)
h0
p
X
n
j rj (h)
(3.54)
j=0
Se una radice rs (h) ha molteplicit`a allora [rs (h)]n , n[rs (h)]n , ..., n1 [rs (h)]n sono
soluzioni linearmente indipendenti di (3.52) e quindi si modifica la forma generale della
soluzione.
Possiamo ora dare il teorema di stabilit`a ed il teorema di convergenza per il metodo
multistep (3.46)
Teorema 9 (Teorema di stabilit`a). Supposto che il metodo a pi`
u passi (3.46) sia
consistente allora `e stabile se e solo se valgono le condizioni sulle radici (3.50) e (3.51).
Dimostrazione. 1. Necessit`
a - Incominciamo mostrando la necessit`a della condizione sulle radici. Supponiamo che esista una radice ri (0) = ri che non verifica la
prima condizione sulle radici, cio`e tale che |ri | > 1. Consideriamo il problema di Cau-
84
p
X
aj ynj
j=0
0nN (h)
ma in questo modo non `e possibile trovare una costante c indipendente da h < h0 per
cui max |zn yn | c in quanto N (h) per h 0 ed essendo, per ipotesi,
0nN (h)
0np
p
X
aj enj + h
j=0
p
X
bj enj
, n = p, ..., N (h) 1
(3.55)
j=1
La dimostrazione della sufficienza sar`a fatta nel caso in cui le radici rj (h) del polinomio
caratteristico (r) risultino tutte semplici. Con ragionamenti simili si dimostra la
stabilit`a nel caso in cui qualche radice sia multipla. Sotto tali ipotesi la soluzione
generale en di (3.55) `e
en =
p
X
n
j rj (h)
, n = 0, 1, ..., N (h)
j=0
85
(3.56)
0 + 1 + ... + p = e0
...............................
0jp
Per completare la dimostrazione resta da far vedere che per j = 0, 1, ..., p anche le
n
rj (h) sono limitate per 0 n N (h) con 0 < h h0 . Sia h = u, consideriamo
lo sviluppo
rj (u) = rj (0) + urj0 () ,
0u
(3.57)
Per determinare rj0 (u) deriviamo lidentit`a (rj (u)) u(rj (u)) = 0 rispetto ad u
0 (rj (u))rj0 (u) (rj (u)) u 0 (r( u))rj0 (u) = 0
per cui
rj0 (u) =
(rj (u))
u 0 (rj (u))
0 (rj (u))
(3.58)
Dallipotesi che rj (0) = rj sia una radice semplice di (r) = 0 per j = 0, 1, ..., p segue
che 0 (rj (0)) 6= 0 e per la continuit`a anche 0 (rj (u)) 6= 0 per u sufficientemente piccolo.
Il denominatore di (3.58) quindi `e non nullo e pertanto possiamo limitare rj0 (u), cio`e
|rj0 (u)| c2 , |u| u0 per qualche u0 > 0. Utilizzando tale risultato unitamente
allo sviluppo (3.57) e alla condizione sulle radici (3.50) abbiamo
|rj (h)| |rj (0)| + c2 |h| 1 + c2 |h|
rj (h)n 1 + c2 |h| n ec2 n|h| ec2 (bx0 )||
ricordando lespressione di en e la limitatezza dei j `e provato che
86
0nN (h)
0 < h h0
p
X
aj ynj , n p
j=0
h0
max |yn | = 0
0np
Supponiamo che non sia verificata la prima condizione sulle radici (3.50) ma che esista
una radice ri = ri (0) il cui modulo |ri | > 1. Prendiamo i primi p + 1 valori yn =
hrin , n = 0, 1, ..., p, applicando il metodo multistep abbiamo
yp+1 = h
p
X
aj ripj = hrip+1
j=0
essendo ri radice del polinomio (r), pertanto yn = hrin , n = 0, 1, ..., N (h). Quindi
max |Y (xn ) yn | = h|ri |N (h)
0nN (h)
h0
b
|ri |N (h) =
h0 N (h)
max |Y (xn ) yn | = lim
0nN (h)
87
yn =
p
X
j [rj (h)]n
j=0
Dimostriamo come prima cosa che il termine 0 [r0 (h)]n converge alla soluzione esatta
Y (x) = ex . Ricordiamo che abbiamo indicato con r0 (0) = r0 = 1 essendo r0 = 1
sempre radice di (r) se `e verificata la prima condizione di consistenza per il metodo
multistep. Lo sviluppo di r0 (h) in serie di Taylor nellintorno di h = 0 `e
r0 (h) = r0 (0) + hr00 (0) + O(h2 )
Dalla (3.58) r00 (0) = (1)/0 (1) ed utilizzando le condizioni di consistenza abbiamo che
r0 (0) = 1. Allora
r0 (h) = 1 + h + O(h2 ) e
h0
nh=x
0 + 1 + ... + p = y0
...............................
h0
max |exn yn | = 0
0np
...
...
...
...
0 =
1
1
r0 (h)
r1 (h)
..
..
[r0 (h)]p [r1 (h)]p
Per h 0 abbiamo che
88
1
rp (h)
..
p
rp (h)
...
1
... rp (h)
...
..
... [rp (h)]p
1
1
1 r1 (0)
..
..
1 [r1 (0)]p
...
1
... rp (0)
...
..
... [rp (0)]p
lim 0 =
1
1
r0 (0)
r1 (0)
..
..
[r0 (0)]p [r1 (0)]p
h0
...
1
... rp (0)
...
..
... [rp (0)]p
=1
essendo r0 (0) = r0 = 1.
Abbastanza semplice provare che gli altri termini j [rj (h)]n , j = 1, 2, ..., p , detti
anche soluzioni parassite, tendono a 0 per h 0.
(3.59)
(3.60)
La condizione forte sulle radici implica anche la stabilit`a relativa. Possiamo ora dare
la definizione di metodo multistep debolmente stabile.
89
Definizione 26 (Debole stabilit`a per metodi multistep). Si dice che il metodo multistep
(3.46) `e debolmente stabile se `e stabile (o zero stabile) ma non relativamente stabile.
Nei paragrafi precedennti abbiamo analizzato e definito lassoluta stabilit`a e le regioni di
assoluta stabilit`a per alcuni metodi particolari. Ricordiamo che un metodo multistep
`e assolutamente stabile se la soluzione numerica, per h fissato, allinfinito tende a
zero. Ricordando quindi la forma generale della soluzione del metodo multistep (3.46)
possiamo dare la seguente definizione
Definizione 27 (Assoluta stabilit`a). Il metodo multistep (3.46) `e assolutamente stabile
se le radici rj (h) verificano la condizione:
|rj (h)| < 1 , j = 0, 1, ..., p
(3.61)
3.7
I metodi di Adams
Nei paragrafi precedenti si `e visto come ottenere metodi particolari per la soluzione del
problema di Cauchy utilizzando lintegrazione numerica. Diamo qui lidea generale di
come ottenere metodi multistep per integrazione numerica.
Metodi espliciti - Si integra lequazione differenziale Y 0 (x) = f (x, Y (x)) fra xnq
ed xn+1 si approssima poi la funzione f (x, Y (x)) con il polinomio Pp (x) che interpola
la funzione f nei punti nodali xj = xn jh , j = 0, 1, ..., p, dove h `e il passo di
integrazione.
Z
xn+1
xn+1
Y (x)dx =
xnq
xn+1
f (x, Y (x))dx =
xnq
xn+1
Pp (x)dx +
xnq
Rp (x)dx
xnq
p
X
j=0
p
Y
x xnk
, mentre lerrore espresso sotto forma di differenze divise
dove lj (x) =
xnj xnk
k=0
k6=j
`e
90
p
Y
(x xnk )
k=0
p
X
cj f (xnj , ynj )
j=0
1
con cj =
h
xn+1
xn+1
Tn (Y ) =
xnq
p
Y
(x xnk )dx
k=0
xn+1
xn+1
Y (x)dx =
xn
xn
xn+1
5p f n
5fn
+ ... + (x xn ) ... (x xnp+1 ) p ]dx+
[5 fn + (x xn )
h
h p!
0
p
Y
(x xnk )dx = Ip (Y ) + Ep (Y )
k=0
Z
p
X
5j f n
j=0
hj j!
j1
xn+1 Y
xn
(x xnk )dx
k=0
Ip (Y ) = h
j 5j fn
(3.62)
(t + k))dt
(3.63)
j=0
dove
1
j =
j!
j1
1Y
0 k=0
anche in questo caso la produttoria vale uno se j = 0. Nella tabella che segue sono
riportati i primi valori di j .
1
2
3
4
5
1/2 5/12 3/8 251/720 95/288
xn+1
Tn (Y ) = Ep (Y ) =
p
Y
(x xnk )dx
k=0
xn+1
p
Y
k=0
hp+2 Y (p+2) (n )
Tn (Y ) =
(p + 1)!
p
Y
0 k=0
(3.64)
Come si vede il metodo di Adams-Bashforth a p + 1 passi `e anche un metodo di
ordine p + 1 in quanto (h) = O(hp+1 ). Possiamo ora scrivere la formula generale di
Adams-Bashforth a p + 1 passi
Yn+1 = Yn + h
p
X
j=0
92
(3.65)
5
h
Yn+1 = Yn +h[0 Y 0 (xn )+1 5Y 0 (xn )]+2 h3 Y 000 (n ) = Yn + [3Y 0 (xn )Y 0 (xn1 )]+ h3 Y 000 (n )
2
12
ed il metodo `e il seguente
h
yn+1 = yn + [3f (xn , yn ) f (xn1 , yn1 )]
2
Nella tabella che segue riportiamo i primi metodi di Adams-Bashforth ed i relativi
errori locali di troncamnto. Per semplicit`a utilizziamo la notazione fn = f (xn , yn )
p = 0 yn+1 = yn + hfn
h
p = 1 yn+1 = yn +
3fn fn1
2
h
p = 2 yn+1 = yn +
23fn 16fn1 + 5fn2
12
h
p = 3 yn+1 = yn +
55fn 59fn1 + 37fn2 9fn3
24
1
Tn (Y ) = h2 Y 00 (n )
2
5
Tn (Y ) = h3 Y 000 (n )
12
3
Tn (Y ) = h4 Y (4) (n )
8
251 5 (5)
Tn (Y ) =
h Y (n )
720
Come si vede dal valore dellerrore di troncamento locale per ogni p 0, (h) =
O(hp+1 ), pertanto i metodi sono consistenti. Per vedere la stabilit`a e la convergenza
di tali metodi si deve quindi studiare le radici dellequazione caratteristica (r) = 0.
Qualunque sia p lequazione caratteristica `e r 1 = 0 che ammette come radice r = 1.
Essendo quindi verificata le condizioni sulle radici (3.50) e (3.51) tali metodi sono tutti
convergenti.
Per lo studio della stabilit`a assoluta dei metodi di Adams-Bashforth di ordine p + 1
dobbiamo imporre la condizione |rj (h)| < 1 , j = 0, 1, ..., p. Ad esempio per il metodo
di Adams-Bashforth del secondo ordine il polinomio (r) = (r) h(r) `e dato da
3
1
(r) = r2 (1 + h)r + h
2
2
le cui radici sono
1
3
r0 (h) = 1 + h +
2
2
9
1
3
1 + h + h2 2 ; r1 (h) = 1 + h
4
2
2
93
9
1 + h + h2 2
4
1.5
1.0
1.0
0.5
0.5
0.0
0.0
ReHzL
-0.5
-0.5
-1.0
-1.0
-1.5
-2.0
-1.5
-1.0
-0.5
0.0
HAdams-Bashforth a due passiL
0.5
-1.5
-2.0
1.0
ReHzL
-1.5
ImHzL
1.5
1.0
0.5
0.5
0.0
ReHzL
-0.5
-1.0
-1.0
-1.0
-0.5
0.0
0.5
HAdams-Bashforth a quattro passiL
1.0
0.5
0.0
-0.5
-1.5
-1.0
-0.5
0.0
HAdams-Bashforth a tre passiL
-1.5
-2.0
1.0
ImHzL
1.5
1.0
-1.5
-2.0
ImHzL
1.5
ReHzL
-1.5
-1.0
-0.5
0.0
0.5
HAdams-Bashforth a cinque passiL
1.0
Metodi di Adams-Moulton Per ottenere i metodi di Adams-Moulton si integra lequazione differenziale tra xn ed xn+1 e si approssima la funzione f (x, Y (x)) con il
polinomio interpolante Pp (x) nei punti xn+1j = xn+1 jh , j = 0, 1, ..., p. Con ragio-
94
namenti analoghi a quelli fatti per le formule esplicite si trova che la forma generale
dei metodi di Adams-Moulton `e data da
Yn+1 = Yn + h
p
X
j=0
j
Y
(t + k 2)dt ;
j1
(3.67)
0 k=1
1
2
3
4
5
1/2 1/12 1/24 19/720 3/160
1
Tn (Y ) = h2 Y 00 (n )
2
1
Tn (Y ) = h3 Y 000 (n )
12
1
Tn (Y ) = h4 Y (4) (n )
24
19 5 (5)
Tn (Y ) =
h Y (n )
720
In questo caso i primi due metodi sono ad un solo passo e corrispondono al metodo
di Eulero implicito ed al metodo trapezoidale, inoltre, per p 1, un metodo a p passi
`e di ordine p + 1. Considerazioni, analoghe a quelle fatte per i metodi di AdamsBashforth, possono essere fatte per i metodi di Adams-Moulton sulla convergenza e
stabilit`a assoluta. In particolare in 3.7 sono riportate le regioni di assoluta stabilit`a
per p = 2, 3, 4, 5.
95
ImHzL
ImHzL
ReHzL
-2
-2
-4
-4
-8
-6
-4
-2
HAdams-Moulton a due passiL
-8
ReHzL
-6
-4
-2
HAdams-Moulton a tre passiL
ImHzL
ImHzL
ReHzL
-2
-2
-4
-4
-8
-6
-4
-2
HAdams-Moulton a quattro passiL
-8
ReHzL
-6
-4
-2
HAdams-Moulton a cinque passiL
96
3.8
I metodi ad un solo passo per risolvere il problema di Cauchy (3.1) richiedono la conoscenza della soluzione yn per poter calcolare il valore successivo yn+1 . Sono anche
detti metodi autopartenti in quanto `e sufficiente conoscere il valore iniziale della soluzione Y (x0 ). Questo `e ovviamente un vantaggio rispetto ai metodi a (p + 1) passi
che debbono usare p + 1 valori della soluzione yn , yn1 , ..., ynp per poter valutare yn+1
oltre ad aver bisogno di p + 1 valori iniziali. I metodi pi`
u noti, ad un solo passo, sono
i metodi Runge-Kutta ed essi sono anche utilizzati per fornire i primi p valori y1 , ..., yp
ai metodi a p + 1 passi. Si `e escluso y0 in quanto `e il dato iniziale del problema di
Cauchy. I metodi Runge-Kutta sono abbastanza semplici da implementare ed inoltre
ci sono tecniche abbastanza buone per controllare ad ogni step lerrore di troncamento
locale. Lo svantaggio di tali metodi `e che, per la loro formulazione, si debbono valutare
molte derivate della funzione f (x, y(x)) e per ordini molto elevati la loro formulazione
diventa quasi proibitiva a differenza dei metodi di Adams dove la formulazione `e molto
semplice anche per ordini di convergenza molto elevati. I metodi Runge-Kutta che
tratteremo in questo paragrafo saranno solo i metodi espliciti.
Il pi`
u semplice metodo esplicito ad un solo passo `e quello che utilizza lo sviluppo di
Taylor. Lo abbiamo gi`a visto nella formulazione del metodo di Eulero esplicito. Supposto che la soluzione del problema di Cauchy sia derivabile r + 1 volte con continuit`a
in [x0 , b] allora possiamo sviluppare Y (x) nellintorno di xn e valutarla poi in xn+1
ottenendo
Y (xn+1 ) = Y (xn ) +
r
X
hk
k=1
k!
(k)
hr+1
(xn ) +
Y (r+1) (n ) , n [xn , xn+1 ]
(r + 1)!
Tenendo conto che Y 0 (x) = f (x, Y (x)) possiamo esprimere le derivate di Y (x) in termini
di derivate totali rispetto ad x della funzione f (x, Y (x)). Per semplicit`a di esposizione
ometteremo largomento (x, Y (x)) della funzione f ed indicheremo con fx , fy , fxx e
cos` via le derivate parziali di f .
Y 0 (x) = f (x, Y (x)
d
d
Y 00 (x) =
f (x, Y (x)) = fx + fy Y (x) = fx + f fy
dx
dx
d
000
Y (x) =
(fx + f fy ) = fxx + 2f fxy + fx fy + f fy2 + f 2 fyy
dx
Pertanto il metodo di Taylor del terzo ordine `e
h3
h2
[fx + f fy ]n + [fxx + 2f fxy + fx fy + f fy2 + f 2 fyy ]n
2
6
dove il pedice n sta ad indicare che la funzione f e le sue derivate parziali sono calcolate
yn+1 = yn + h[f ]n +
97
y (0) = y + hf (x , y )
n
n n
n+1
y
= y + h f (x , y ) + f (x
n+1
(0)
n+1 , yn+1 )
(3.68)
h
f (xn , Yn ) + f (xn+1 , Yn + hf (xn , Yn ))
2
come al solito Yn = Y (xn ) ovvero la soluzione esatta calcolata nel punto xn . Per
stimare lordine di tale errore locale di troncamento basta confrontarlo con il metodo
di Taylor. Dallo sviluppo di Taylor della soluzione esatta abbiamo
Tn (Y ) = Yn+1 Yn
h2
Yn+1 Yn = h[f ]n + [fx + f fy ]n + O(h3 )
2
mentre se sviluppiamo la funzione f (x, Y (x)) come funzione di due variabili nellintorno
di (xn , Yn ) e la valutiamo in (xn +h, Yn +hf (xn , Yn )) si vede che lerrore di troncamento
si pu`o scrivere come
h2
h2
[fx ]n [f fy ]n + O(h3 )
2
2
Sostituendo Yn+1 Yn ottenuto con lo sviluppo di Taylor della soluzione esatta si trova
immediatamente che Tn (Y ) = O(h3 ) e pertanto il metodo `e del secondo ordine.
Metodi Runge-Kutta del secondo ordine - Quanto visto precedentemente porta
a pensare che per ottenere un metodo Runge-Kutta del secondo ordine c`e bisogno della
combinazione di due valori di f . Pertanto lidea `e quella di cercare tali metodi nella
forma seguente
Tn (Y ) = Yn+1 Yn h[f ]n
98
(3.69)
1 1 2 = 0
1
2 = 0
2
1 = 0
2
p
X
j Vj
(3.71)
j=1
dove
V1 = f (xn , yn )
Vj = f xn + j h, yn + h
j1
X
ji Vi
, j = 2, ..., p
i=0
I coefficienti sono determinati imponendo che il termine principale dellerrore di troncamento locale sia nullo. Esiste ovviamente un legame tra il numero di combinazioni
della funzione f , chiamiamole p, ed il massimo possibile ordine che si pu`o ottenere. La
tabella che segue ce ne da unindicazione.
Il metodo Runge-Kutta del quarto ordine pi`
u utilizzato `e il seguente
yn+1 =
h
[V1 + 2V2 + 2V3 + V4 ]
6
99
(3.72)
1
1
2
2
3
3
4
4
5
4
6
5
7
6
8
6
1
1
V2 = f (xn + h, yn + hV1 )
2
2
1
1
V3 = f (xn + h, yn + hV2 ) ; V4 = f (xn + h, yn + hV3 )
2
2
Interessante `e anche lo studio dellassoluta stabilit`a di tali metodi. Anche se i metodi
di un dato ordine che si possono ottenere sono infiniti, fissato lordine, lequazione
caratteristica associata (r) = 0 `e sempre la stessa. La verifica, per i due metodi del
secondo ordine studiati, `e lasciata come esercizio. La figura 3.8 riporta le regioni di
assoluta stabilit`a dei metodi Runge-Kutta del secondo ordine e del quarto ordine.
V1 = f (xn , yn ) ;
ImHzL
ImHzL
ReHzL
-1
-1
-2
-2
-3
ReHzL
-3
-3
-2
-1
0
HRunge-Kutta del secondo ordineL
-3
-2
-1
0
HRunge-Kutta del quarto ordineL
tolleranza si dimezza il passo h fino a quando non si `e rientrati nella precisione richiesta.
Ovviamente superati i punti critici si riaumenta il passo h. Riportiamo il metodo
RKF45, come prima definiamo
V1 = f (xn , yn )
Vj = f xn + j h, yn + h
j1
X
ji Vi
, j = 2, ..., 6
i=0
yn+1 = yn + h
5
X
j Vj
j=1
?
yn+1
= yn + h
6
X
j? Vj
j=1
Tn (Y ) '
?
yn+1
yn+1 = h
6
X
cj V j
j=1
j
j1
j2
j3
j4
j5
1/4
1/4
3/8
3/32
9/32
12/13 1932/2197 -7200/2197 7296/2197
1
439/216
-8
3680/513 -845/4104
1/2
-8/27
2
-3544/2565 1859/4104 -11/40
1
25/216
16/135
1/360
2
0
0
0
3
4
5
6
1408/2565
2197/4104
-1/5
6656/12825 28561/56430 -9/50 2/55
-128/4275 -2197/75240 1/50 2/55
101
3.9
Esercizi proposti
n2
si chiede:
1. trovare la soluzione nel caso in cui y0 = 4, y1 = 3/2, y2 = 7/4
2. quanto vale y1001
Esercizio 5. Provare che la seconda condizione sulle radici (3.51) `e necessaria per la
stabilit`a di un metodo multistep consistente.
Esercizio 6. Provare che la seconda condizione sulle radici (3.51) `e necessaria per la
convergenza di un metodo multistep consistente.
Esercizio 7. Dato il seguente metodo multistep
3
1
yn+1 = yn + 3yn1 yn2 + 3hf (xn , yn )
2
2
si chiede di:
1. stabilire quale `e lordine di convergenza del metodo
2. provare se il metodo `e convergente
102
9
2
6
18
yn yn1 + yn2 + hf (xn+1 , yn+1 )
11
11
11
11
si chiede di:
1. ottenre il metodo utilizzando le differenze finite allindietro
2. provare che ha ordine di convergenza tre
3. provare che il metodo `e convergente
NOTA: Un metodo ottenuto per Backward Differentiation Formula (BDF) `e un metodo
multistep implicito che si ottiene approssimando y 0 (x) in xn+1 con differenze finite
allindietro di ordine elevato. In particolare si pu`o approssimare la derivata prima
y 0 (x) con la derivata del polinomio interpolante scritto sotto forma di differenze finite
allindietro, con xn+1 punto pi`
u avanti.
5p yn+1
5yn+1
+ ... + (x xn+1 ) ... (x xnp+2 ) p
h
h p!
y 0 (x)
xn+1
d
Pp (x)
'
dx
xn+1
Esercizio 9. Provare che tutti i metodi multistep del quarto ordine, espliciti, a tre
passi, della forma
yn+1 =
2
X
aj ynj + h
j=0
2
X
bj f (xnj , ynj )
j=0
j1
p
X
bj f (xnj , ynj ) , q 1
j=1
Provare che non soddisfano la condizione forte sulle radici. Trovare un esempio, con
q = 1, che `e relativamente stabile.
Esercizio 14. Provare che tra tutti i metodi Runge-Kutta del secondo ordine il
metodo (3.70) `e quello che ha il minimo errore di troncamento locale.
Esercizio 15. Provare che il metodo di Euhn ed il metodo Runge-Kutta del secondo
ordine (3.70) hanno la stessa regione di assoluta stabilit`a.
104
Capitolo 4
APPROSSIMAZIONE DEGLI AUTOVALORI DI MATRICI
4.1
Introduzione
(4.1)
(4.2)
2 1 0
A = 1 3 1
0 1 2
2
1
0
fA () = det(A I) = 1
3
1 = 3 + 72 14 + 8
0
1
2
Gli autovalori sono quindi 1 = 1, 2 = 2 e 3 = 4. Per determinare lautovettore
associato a 1 dobbiamo risolvere il sistema (A I)x = 0
x + x2 = 0
x1 + 2x2 + x3 = 0
x + x = 0
2
Come sapevamo gi`a la seconda equazione `e la somma della prima e della terza e pertanto
le soluzioni sono x1 = x2 e x3 = x2 . Quindi se scegliamo x2 = 1 si ha che x1 = 1 e
x3 = 1. Ogni altra scelta di x2 fornisce un vettore che `e linearmente dipendente a quello
trovato. Pertanto allautovalore 1 `e associato un solo autovettore x1 = [1, 1, 1]T .
Allo stesso modo si prova che a 2 `e associato lautovettore x2 = [1, 0, 1]T ed a 3
lautovettore x3 = [1, 2, 1]T . Da notare che i vettori trovati sono ortogonali tra loro,
quindi linearmente indipendenti e formano una base ortogonale di R3 . In tal caso
pertanto abbiamo che gli autovalori hanno molteplicit`a algebrica uno e molteplicit`a
geometrica uno. La somma delle molteplicit`a algebriche `e tre e di quelle geometriche
`e tre.
Esempio 2
106
1 0 0
A = 0 1 0
0 0 1
fA () = (1 )3
Abbiamo pertanto lautovalore 1 = 1 con molteplicit`a tre. A tale autovalore sono associati tre autovettori linearmente indipendenti x1 = [1, 0, 0]T , x2 = [0, 1, 0]T e
x3 = [0, 0, 1]T , quindi la somma delle molteplicit`a algebriche `e tre e la somma delle
molteplicit`a geometriche `e tre.
Esempio 3
1 1 0
A = 0 1 1
0 0 1
fA () = (1 )3
Anche in questo caso abbiamo lunico autovalore 1 = 1 con molteplicit`a algebrica 3. A
tale autovalore `e associato lunico autovettore linearmente indipendente x1 = [1, 0, 0]T .
Quindi la somma delle molteplicit`a algebriche `e tre mentre la somma delle molteplicit`a
geometriche `e uno.
Come abbiamo visto la somma delle molteplicit`a algebriche `e sempre pari ad n per
una matrice di ordine n anche se introduciamo delle piccole perturbazioni mentre la
somma delle molteplicit`a geometriche pu`o variare sensibilmente se si introducono delle
piccole perturbazioni. Questo ci consente di affermare che se la determinazione degli
autovalori non `e semplice quella degli autovettori `e molto pi`
u complicata.
Relativamente alla localizzazione degli autovalori esiste un teorema molto importante.
Definiamo con ri
ri =
n
X
|aij |
j=1
j6=i
e denotiamo con Zi il cerchio del piano complesso con centro aii e raggio ri
Zi = {z C : |z aii | ri } ,
i = 1, 2, ..., n
2.
3.
Le tesi 1. e 2. sono valide anche se le somme sono fatte sulle colonne nella
definizione dei raggi dei cerchi di Gerschgorin.
Dimostrazione.
1.
akj xj = xk
j=1
( akk )xk =
n
X
akj xj
j=1
j6=k
| akk ||xk |
n
X
j=1
j6=k
E =AD
108
Abbiamo quindi che i (1) = i , che i (0) = aii ed inoltre i i () descrivono un
cammino continuo nel piano complesso al variare di tra zero ed uno. Dalla
prima parte del teorema, preso un autovalore i () deve esistere un cerchio
Zi () = {z C : |z aii | ri }
che lo contiene. Ora, poiche per = 0 gli autovalori i (0) sono i centri dei cerchi
di Gerschgorin della matrice A, se il cerchio `e isolato, lautovalore che conteneva,
per = 0, deve rimanere allinterno di tale cerchio di Gerschgorin. Se invece m
cerchi della matrice A = A(1) formano un connesso S, disgiunto dagli altri cerchi,
poiche, per = 0, tale connesso S conteneva m autovalori di A e poiche questi
non possono uscire da S, in quanto i () sono funzioni continue di , il connesso
S conterr`a esattamente m autovalori di A.
3.
poiche
det[A I] = det[A I]T = det[AT I]
gli autovalori di A coincidono con quelli di AT . Basta quindi applicare il teorema
sulle righe della matrice AT in modo da provare 1. e 2. per le colonne di A
Tale ultima parte del teorema `e abbastanza complessa da spiegare, molto pi`
u semplice
comprenderla con un esempio. Prendiamo la matrice A di ordine quattro
1 1 0
0
7
4 3
0
0
A=
0 0 2i
0 0 1 2i
(4.3)
1 0
0
7
4 3
0
0
A() =
0 0 2i
0 0 2i
gli autovalori di A() si ottengono trovando le radici dellequazione caratteristica
7
[(1 )(3 ) + 2 ][(2i )(2i ) + 2 ] = 0
4
109
(4.4)
=0
=0.2
ImHzL
=0.6
ImHzL
ImHzL
ReHzL
ReHzL
-1
-1
-1
-2
-2
-2
-3
-2 -1
-3
0
-2 -1
-3
0
=0.72
-2 -1
ImHzL
ImHzL
ReHzL
ReHzL
-1
-1
-2
-2
-2
-3
-3
-3
-2 -1
=0.8
-2 -1
1
ReHzL
ReHzL
-1
-2
-2
-2
-3
-3
1
-2 -1
-1
-1
-2 -1
0
ImHzL
=1
ImHzL
ReHzL
=0.9
ImHzL
-1
ImHzL
3
=0.76
=0.74
-2 -1
ReHzL
ReHzL
-3
0
-2 -1
Figura 4.1: Autovalori e cerchi di Gersghorin per A ed A( definite in (4.3) e (4.4)
La figura 4.1 mostra come variano gli autovalori di A() per 0 1, rappresentati
con puntini colorati. In ogni frame sono riportati anche i cerchi di Gersghorin della
matrice A in nero e della matrice A(), con lo stesso colore dellautovalore per = 0.
Come si vede molto chiaramente, preso un autovalore esiste sempre un cerchio che
lo contiene, inoltre quando i cerchi sono isolati ognuno contiene un autovalore, mentre
quando i due cerchi formano un connesso S `e S che contiene i due autovalori, infatti
in figura si vede che quando si forma il connesso S, ad un certo punto, il cerchio rosso
non contiene pi`
u alcun autovalore. Possiamo osservare anche che quando i cerchi sono
disgiunti contengono un solo autovalore. Per quanto riguarda gli autovalori che per
= 0 sono reali questi debbono rimanere reali fin quando i cerchi che li contengono
sono disgiunti in quanto il polinomio di secondo grado che li fornisce `e a coefficienti
reali. Essendo il pezzo di equazione caratteristica a coefficienti reali se ammette una
radice complessa deve avere anche la sua coniugata e se i cerchi sono disgiunti vuol dire
che un cerchio dovrebbe contenere due autovalori, questo non `e possibile per il teorema
110
4.2
successione
wm+1 = Awm
m = 0, 1, 2, ....
(4.5)
Teorema 12. Sia A una matrice quadrata diagonalizzabile avente autovalori 1 >
2 , ..., n ed autovettori uk , cio`e
Auk = k uk
allora la successione definita dalla 4.5 converge ad un vettore
parallelo ad u1 ed il
T
w , Awm
w Aw
converge a 1
coefficiente di Rayleigh (wm , A) = mT m = m
wm wm
wm , wm
Dimostrazione. Essendo la matrice A diagonalizzabile esistono n autovettori uk che
formano una base di Cn pertanto un qualunque vettore di Cn pu`o essere espresso come
combinazione lineare degli autovettori uk . Preso quindi un generico vettore
w0 =
n
X
k uk , 1 6= 0
k=1
111
X
X
n
n
n
X
w1 = Aw0 = A
k uk =
k Auk =
k k uk
k=1
k=1
k=1
X
X
n
n
n
X
w2 = Aw1 = A
k k uk =
k k Auk =
k 2k uk
k=1
k=1
k=1
pi`
u in generale
wm = Awm1 = A
X
n
k m1
uk
k
=
n
X
k=1
k m1
Auk
k
k=1
n
X
k m
k uk
k=1
m
1
m
n
wm X
k
=
uk
k
m
1
1
k=1
poiche
k
< 1 , k = 2, 3, ..., n
1
si ha che
lim
k m
= 0 , k = 2, 3, ..., n
1
wm
= 1 u1 . Per il
m m
1
m
wm , Awm
wm /m
1 , Awm /1
= lim
=
m
m
wm , wm
wm /m
,
w
/
m
1
1
1 u1 , A(1 u1 )
u1 , Au1
u1 , 1 u1
=
=
= 1
=
1 u1 , 1 u1
u1 , u1
u1 , u1
Una piccola precisazione sulle notazioni. Con wm si `e inteso literata m-esima del vettore w, con uk il vettore k-esimo della base mentre m
e la potenza k-esima dellautovalore
k `
k . I vettori inoltre sono intesi come vettori colonna.
` abbastanza intuitivo vedere che la velocit`a di convergenza dipende principalmente
E
(m)
dal rapporto 2 /1 , in particolare si ha che literata m-esima 1 `e circa
(m)
1
' 1 1 + O
2 m
1
4.3
w1
w2
w? , w = kwk22 = w? w = [w1 , w2 , ..., wn ]
..
.
wn
mentre
w1
w2
w w? =
..
.
wn
|w1 |2 w1 w2 . . . w1 wn
w w |w2 |2 . . . w2 wn
[w1 , w2 , . . . , wn ] = 2. 1
..
..
..
.
.
.
.
.
wn w1 wn w2 . . . |wn |2
1 2|w1 |2 2w1 w2 . . .
2w2 w1 1 2|w2 |2 . . .
?
U = I 2w w =
..
..
...
.
.
2wn w1
2wn w2
...
2w1 wn
2w2 wn
..
.
1 2|wn |2
w? w = 1.
2. U `e unitaria, ovvero U ? = U 1 .
Dimostrazione. Basta provare che il prodotto U ? U = I
113
(4.6)
0
.
..
0
w = [0, ..., 0, wr , wr+1 , ..., wn ]T =
v
1
.
..
vnr
= [0, vT ]T
allora
..
Ir1
.
0
U =
..
0
. Inr+1 2v v?
Pertanto moltiplicando U a sinistra di una matrice A (premoltiplicando) lascia le prime r 1 righe di A inalterate mentre moltiplicando U a destra di
A (postmoltiplicando) lascia le prime r 1 colonne di A inalterate.
Trasformazione di un vettore di Rn con matrici di Householder
Le matrici di Householder possono essere usate per trasformare un vettore non nullo
in un vettore che ha molte componenti nulle. Sia b Rn con b 6= 0, si vuole trovare la
matrice di Householder U della forma 4.6 tale che U b abbia le prime r 1 componenti
inalterate e nulle da r + 1 fino ad n per un dato r 1. Per semplificare le notazioni
indichiamo con m = n r + 1.
Dobbiamo quindi trovare un vettore w di norma unitaria che ci consente di costruire
la matrice di Householder U che premoltiplicata a b lo trasforma nel modo desiderato.
"
0
w = r1
v
"
c
b=
d
(I 2v vT )d = [, 0, ..., 0]T
(4.7)
(4.8)
(4.9)
moltiplicando per vT si ha
vT d 2pvT v = vT [, 0, ..., 0]T
ed utilizzando kvk2 = 1
p = v1
uguagliando componente per componente lequazione 4.9 abbiamo
d1 2pv1 =
dj 2pvj = 0 , j = 2, ..., m
e tenendo conto del valore di p si trova
d1 + 2v12 = v12 =
r
v1 =
d1
1
1
2
1
d1
1
2
(4.10)
vj = dj /(2v1 ) , j = 2, ..., m
per v1 possiamo scegliere sia il segno positivo che negativo mentre per avere il radicando
sempre positivo si sceglie il segno di tale che segno() = segno(d1 ).
115
4.4
Fattorizzazione QR
Data una matrice reale A esiste sempre una matrice ortogonale Q ed una matrice
triangolare superiore R tali che
A = QR
Sia
(1) (1)
(1)
a11 a12 . . . a1n
(1) (1)
a21 a22 . . . a(1)
2n
=
..
..
..
..
.
.
.
.
(1)
(1)
(1)
an1 an2 . . . ann
A = A(1)
Al primo passo ci costruiamo la matrice di Householder P1 che permette di trasformare la prima colonna di A(1) nel vettore [1 , 0, ..., 0]T , ovvero determiniamo
la matrice P1 in modo che
(1)
P1 A
2.
al secondo passo ci costruiamo la matrice di Householer P2 in modo che premoltiplicata a P1 A(1) consente di trasformare la seconda colonna di P1 nel vettore
(2)
[a12 , 2 , 0, ..., 0]T e quindi
P 2 P1 A
3.
(2)
(2)
1 a12 . . . a1n
(2)
0 a(2)
. . . a2n
22
=
..
..
...
..
.
.
.
(2)
(2)
0 an2 . . . ann
(1)
(2)
(2)
1 a12 . . . a1n
0 2 . . . a(3)
2n
=
..
..
..
..
.
.
.
.
(3)
0
0 . . . ann
116
(2)
1 a12
0 2
.
..
= ..
.
0
0
0
0
(2)
. . . a1,n1
(3)
. . . a2,n1
..
.
...
...
n1
0
(2)
a1n
(3)
a2,n
....
..
(n)
an1,n
(n)
ann
(2)
1 a12
0 2
.
..
R = ..
.
0
0
0
0
(2)
. . . a1,n1
(3)
. . . a2,n1
..
.
...
...
n1
0
(2)
a1n
(3)
a2,n
....
..
(n)
an1,n
(n)
ann
abbiamo che
Pn1 Pn2 ... P2 P1 A = R
poiche il prodotto di matrici ortogonali `e ancora una matrice ortogonale (vedi es. N.
11), se indichiamo con QT = Pn1 Pn2 ... P2 P1 si giunge alla fattorizzazione QR di
A, infatti abbiamo
QT A = R ;
A = QR
4.5
Il metodo QR
Nel paragrafo precedente abbiamo visto come una matrice A Rnn pu`o essere fattorizzata nel prodotto di una matrice ortogonale per una matrice triangolare superiore.
Il metodo QR consente di determinare tutti gli autovalori della matrice A ed `e un
metodo semplicissimo.
Sia A = A1 sappiamo che `e possibile trovare una matrice ortogonale Q1 ed una matrice
triangolare superiore R1 tali che
A1 = Q1 R1
ora poch`e il prodotto di matrici non `e commutativo, indichiamo con
A2 = R1 Q1
117
Am+1 = Rm Qm
m1
La prima cosa che possiamo osservare `e che le matrici Am per ogni m hanno gli stessi
autovalori di A = A1 . Infatti essendo Qm una matrice ortogonale Rm = QTm Am e quindi
Am+1 = QTm Am Qm = Q1
e simile alla matrice Am+1 ed
m Am Qm pertanto la matrice Am `
allora hanno gli stessi autovalori. Per quanto riguarda la convergenza della successione
delle matrici Am diamo solo lenunciato del teorema nellipotesi in cui A Rnn .
Teorema 13 (Convergenza del metodo QR). Sia A una matrice reale di ordine
n.
1.
(4.11)
allora le iterate Am , del metodo QR, convergono ad una matrice triangolare superiore che ha gli autovalori di A sulla diagonale principale. Se A `e simmetrica
la successione {Am } converge ad una matrice diagonale dove nella diagonale ci
sono gli autovalori di A.
2.
B1
0
B2
Am D =
..
0
Br
(4.12)
118
4.6
Esercizi proposti
0
A=
0
Esercizio 2.
1.
1
1
0
0
0
1
2
0
0
0
0
2
Dato il polinomio
pn () = n + an1 n1 + ... + a0
provare che
pn () = det(I A)
dove A `e la seguente matrice
0
1
0
0
0
1
A=
..
..
..
0
0
0
a0 a1 a2
2.
...
0
0
...
0
0
...
..
..
...
0
1
... an2 an1
1 1 0
A= 1
5 1
2 1 9
Stabilire inoltre se gli autovalori sono reali o complessi.
119
1
A=
1
1
5
0
0
0 0
1 0
8 1
0 11
1
1 0 0
1 100 1 0
A=
0 1 2 1
0
0 1 101
NOTA: Si ricorda che la matrice A `e simile alla matrice B se esiste una matrice non
singolare P tale che B = P AP 1 o equivalentemente B = P 1 AP . Matrici simili
hanno gli stessi autovalori.
1 2 2
Esercizio 6. Costruire la matrice di Householder generata dal vettore w = [ , , ]T
3 3 3
Esercizio 7. Provare che se si moltiplica un vettore b Rn per una matrice ortogonale U il vettore risultante ha la stessa lunghezza di b, cio`e
kU bk2 = kbk2
Esercizio 8. Utilizzando un qualunque linguaggio di programmazione scrivere un
programma che, utilizzando il metodo delle potenze, permette di calcolare il pi`
u grande
autovalore in modulo della matrice di Hilbert di ordine 2,3,4,5,6.
120
1 2 1
A = 0 3 2
0 4 1
Esercizio 11. Provare che il prodotto di matrici ortogonali `e ancora una matrice
ortogonale
Esercizio 12. Provare che il determinante della trasposta AT `e uguale al determinante di A.
3 0 1 0
0 11 1 1
A=
1 1 10 2
0 1 2 20
provare che ha un autovalore reale maggiore di 20.
121
Capitolo 5
SOLUZIONE DEGLI ESERCIZI PROPOSTI
5.1
Esercizi capitolo 1
ESERCIZIO N. 1
La funzione ln(1/x) = ln x e quindi in (0, 1] risulta essere non negativa.
Z
ln(1/x)|x| dx =
xn ln xdx
xn dx =
ln x +
< , n0
2
n+1
n+1 0
(n + 1) 0 (n + 1)2
0
`e banale osservare che se g(x) `e una funzione non negativa in (0, 1)
ESERCIZIO N. 2
Imponendo che il polinomio di grado zero 0 (x) = c risulti di norma unitaria e
scegliendo il segno positivo si ha
c2 ln xdx
21
=1
c=
R1
0
ln xdx
12
1
ln xdx = x ln x x0 = 1
c=1
scegliendo il polinomio di grado uno come 1 (x) = x a10 0 (x) ed imponendo che
risulti ortogonale a 0 (x) si trova che
122
Z
a10 = (x, 0 (x)) =
0
1
x2
x2
1
x ln xdx = ln x + =
2
4 0 4
1 (x) = x
1
4
ora va determinato 1 (x), polinomio ortonormale a 0 (x), cio`e 1 (x) = 1 (x)/k1 (x)k2w
k1 (x)k2w =
1
(x )2 ln xdx
4
12
Z
=
0
x
1
(x + ) ln xdx
2 16
2
12
=
1 1
x 3 x2
7
x
x3 x2
x 2
1 1
1 21
= ( +
=
) ln x +
+
=
+
3
4
16
9
8
16 0
9 8 16
12
e pertanto
7
1
(x )
1 (x) =
12
4
ESERCIZIO N. 3
Dalla definizione (1.28) si ha
1 d0 2
P0 (x) = 0
(x 1)0 = 1
0
2 0! dx
P1 (x) =
P2 (x) =
21 1! dx
(x2 1) = x
1 d
1
12
4
3
1
1 d2 2
(x 1)2 =
4x(x2 1) = [(4(x2 1)+4x2x] = x2 = x2
2
2
2 2! dx
8 dx
8
8
8
2
2
T1 (x) = cos(arccos x) = x
L1 (x) =
ex d0 x 0
[e x ] = ex ex = 1
0! dx0
ex d x
[e x] = ex [ex x + ex ] = x + 1
1! dx
123
ex d2 x 2
ex 2 x
1 2
ex d
x
2 x
x
x
L2 (x) =
[2xe
x
e
]
=
[x
e
4xe
+2e
=
x 2x+1
[e
x
]
=
2! dx2
2 dx
2
2
Dalla definizione (1.37) si ha
H0 (x) = (1)0 ex
H1 (x) = (1)1 ex
d0 x2
[e ] = 1
dx0
d x2
2
2
[e ] = ex (2xex ) = 2x
dx
d2 x2
2
2
2
2
x2 d
[2xex ] = ex [2ex + 4x2 ex ] = 4x2 2
H2 (x) = (1) e
[e
]
=
e
2
dx
dx
2 x2
ESERCIZIO N. 4
Si deve prendere (1.30) verificata dal polinomio Pn (x) e moltiplicarla per il polinomio
Pm (x), prendere poi lequazione differenziale (1.30) verificata dal polinomio Pm (x) e
moltiplicarla per Pn (x) farne la differenza ed integrare in [1, 1], cio`e
1
d
2 d
(1 x ) Pn (x) + n(n + 1)Pn (x) Pm (x)dx+
dx
1 dx
Z 1
d
2 d
Pn (x)Pm (x)dx = 0
1
ora essendo lintegrale di bordo nullo ed eliminandosi i primi due integrali si conclude
banalmente che se n 6= m deve risultare
Z
124
ESERCIZIO N. 5
Per n = 0 il risultato `e banale, per n 1 dalla definizione (1.28) si ha che
1
1
(Pn (x), Pn (x)) = 2n
2 (n!)2
n
dn
2 n d
(1 x )
(1 x2 )n dx
n
n
dx
dx
Se si integra per parti n volte, tenendo conto che i termini di bordo si annullano si
ottiene
1
d2n
(1 x )
(1 x2 )n dx
2n
dx
1
(1)n
(Pn (x), Pn (x)) = 2n
2 (n!)2
2 n
(1 x2 )n dx
2 22n (n!)2
(1 x ) dx =
(2n + 1)!
1
2 n
(5.1)
(2n)!
2 22n (n!)2
2
(1 x ) dx = 2n
=
2 (n!)2 (2n + 1)!
2n + 1
1
(2n)!
(Pn (x), Pn (x)) = 2n
2 (n!)2
2 n
Posto
Z
(1 x2 )n dx
In =
1
2n
In1
2n + 1
(5.2)
In1 In =
2 n1
(1 x )
[1 (1 x )]dx =
1
Z 1
(1 x2 )n x
1
1
=
+
(1 x2 )n dx =
In
2n
2n 1
2n
1
125
In =
ed essendo I1 = 4/3, come si pu`o facilmente verificare, con facili operazione algebriche
si prova che `e verificata la relazione (5.1).
ESERCIZIO N. 6
Procedendo come nellesercizio 4, dopo aver moltiplicato lequazione differenziale per
ex , si ottiene
Z
0
Z
+
0
x
d2
d2
x
(xe Lm (x)) 2 Ln (x) (xe Ln (x)) 2 Lm (x) dx+
dx
dx
d
d
(1 x)ex Lm (x) Ln (x) (1 x)ex Ln (x) Lm (x) dx+
dx
dx
Z
+(n m)
ex Ln (x)Lm (x)dx
d2
d2
x
(xe Lm (x)) 2 Ln (x) (xe Ln (x)) 2 Lm (x) dx =
dx
dx
x
d
d
x
(xe Lm (x)) Ln (x) (xe Ln (x)) Lm (x) +
dx
dx
0
0
x
d
d
(1 x)ex Lm (x) Ln (x) (1 x)ex Ln (x) Lm (x) dx
dx
dx
quindi per n 6= m deve risultare (Ln (x), Lm (x)) = 0, cio`e i polinomi sono ortogonali.
ESERCIZIO N. 7
Z
dx
1 x2
1
126
cos(nt) cos(mt)dt
pertanto, per n = m = 0
Z
dt =
(T0 , T0 ) =
0
per n = m 6= 0
Z
(Tn (x), Tn (x)) =
1 cos(2nt)
1
sin(2nt)
dt = t
=
2
2
2n
2
0
cos (nt)dt =
0
1 sin((n + m)t) sin((n m)t)
=
+
=0
2
n+m
nm
0
ESERCIZIO N. 8
Posto arccos x = t, Tn (cos(t)) = cos(nt) = Cn (t) da cui
Cn+m (t) + Cnm (t) = 2 cos(nt) cos(mt)
se in tale ultima espressione prendiamo m = 1
Cn+1 (t) = 2 cos(nt) cos(t) Cn1 (t)
ovvero, tornando alla variabile x e ricordando che cos nt = cos(n arccos x) = Tn (x) e
che cos(t) = cos(arccos x) = x
Tn+1 (x) = 2xTn (x) Tn1 (x)
ESERCIZIO N. 9
Per trovare gli zeri si deve risolvere lequazione
Tn (x) = cos(n arccos x) = 0 ,
0 n arccos x <
2j + 1
127
j = 0, 1, . . . , n 1
ovvero
2j + 1
,
2n
xj = cos
j = 0, 1, . . . , n 1
ESERCIZIO N. 10
Tale identit`a si prova con un procedimento iterativo. Come suggerito, utilizzando la
legge di triplice ricorsione si ha
n+1 (x)n (y) n (x)n+1 (y)
=
an n (x y)
n (x)n (y)
n (x)n1 (y) n1 (x)n (y)
bn1
n
an n (x y)
ed essendo
bn1 =
An1 An+1 n
A2n
n1
an =
An+1
An
si ottiene
n+1 (x)n (y) n (x)n+1 (y)
=
an n (x y)
=
n
X
k (x)k (y)
k=1
1 (y) = A1 y + B1
0 (x) = A0
0 (y) = A0
bn1 =
an
(n (x), xn1 (x))
n1
cio`e
bn1 =
An+1
n (x), An1 xn + p1n1 (x)
An n1
An+1 An1
n
(x),
A
x
n
n
A2n n1
1
(x) = Bn xn1 + . . . , cio`e la parte del polinomio n (x) fino alla potenza n 1,
sia qn1
sommando e sottraendo nel prodotto scalare tale polinomio, si ottiene
bn1 =
An+1 An1
1
(x)
(x),
(x)
q
n
n
n1
A2n n1
Bn+1 An+1
Bn
An
ESERCIZIO N. 12
kf (x)
rn (x)k22w
Z
=
2
n
X
ck k (x) dx = G(c0 , c1 , . . . , cn )
w(x) f (x)
G
= 2
ci
k=0
n
X
w(x) f (x)
ck k (x) i (x)dx
k=0
Z
ck
Z
w(x)k (x)i (x)dx =
ovvero
n
X
ck k (x), i (x) = f (x), i (x)
k=0
e poiche k (x), i (x) = 0 per k 6= i e vale uno se k = i in quanto ortonormali, si ha
immediatamente, ci = f (x), i (x)
129
ESERCIZIO N. 13
2
Nellesercizio 5 si `e provato chekPn (x)k22 = 2n+1
mentre nellesercizio 3 si `e visto che
i primi due polinomi di Legendre sono: P0 (x) = 1 e P1 (x) = x pertanto i primi due
polinomi ortonormali di Legendre sono
1
0 (x) =
2
3
1 (x) = x
2
1 x 3 x
e ,1 + e ,x x
2
2
ora
x
e ,1 =
e ,x =
1
ex dx = ex 1 = 2.3504
1
xex dx = [xex ex ]1 = 2e1 = 0.735759
con xj = 1, 0, 1
pertanto imponendo tali condizioni nei tre punti si ottiene il seguente sistema lineare
E + c10 c11 = e1
1
E1 + c10 = 1
E + c + c = e
1
10
11
pertanto
c11 = sinh(1) = 1.1752 ,
ESERCIZIO N. 15
La soluzione `e molto semplice. Essendo la funzione f (x) con derivata seconda positiva
il polinomio di migliore approssimazione uniforme nella classe dei polinomi di primo
grado si determina esattamente come si `e visto per la funzione ex . Cio`e tale polinomio
130
`e la retta che interseca la funzione f (x) in due punti ed in particolare quella in cui le
massime distanze 1 dalla funzione sono uguali. Tali massime distanze sono assunte
nei punti a, b e c interno ad [a, b]. Pertanto dobbiamo risolvere il seguente sistema
f (a) a0 a1 a = 1
f (b) a a b =
0
a0 + a1 c f (c) = 1
a = f 0 (c)
1
La soluzione di questo sistema porta esattamente ai risultati richiesti.
5.2
Esercizi capitolo 2
ESERCIZIO N. 1
Se si interpola la funzione f (x) nel punto a sinistra dellintervallo di integrazione
(a, f (a)) abbiamo
f (x) = f (a) + (x a)f [a, x]
pertanto, se la funzione f (x) C1 [a, b]
Z
a
(x a)dx =
f (a)dx +
f (x)dx =
a
(b a)2 0
= (b a)f (a) +
f () , [a, b]
2
Per la generalizzazione della formula suddividiamo lintervallo [a, b] in n sottointervalli
S
di uguale ampiezza. [a, b] = n1
i=0 [xi , xi+1 ], con h = (b a)/n, xi = x0 + ih , i =
0, 1, . . . , n ed x0 = a.
f (x)dx =
a
n1 Z
X
i=0
=h
n1
X
i=0
xi+1
f (x)dx =
xi
n1 Z
X
i=0
xi+1
f (xi )dx +
xi
n1 Z
X
i=0
n1
h2 X 0
s
s
f (i ) = I0n
(f ) + E0n
(f ) ,
f (xi ) +
2 i=0
n1
X
i=0
f (i ) =
xi+1
(x xi )f [xi , x]dx =
xi
i [xi , xi+1 ]
s
si trova che la stima asintotica dellerrore E0n
(f ) `e data da
131
h
s
(f ) = [f (b) f (a)]
E0n
2
Osservazione: tale stima asintotica non va bene se f (b) = f (a) = 0
ESERCIZIO N. 2
Sia c = (a + b)/2 il punto di mezzo dellintervallo [a, b], interpolando la funzione f (x)
con il polinomio di grado zero che passa in (c, f (c)) abbiamo
f (x) = f (c) + (x c)f [c, x]
e quindi
b
f (c)dx +
f (x)dx =
I0c (f ) = (b a)f (c), per quanto riguarda lerrore E0c (f ), poiche la funzione xc cambia
segno in [a, b] dobbiamo procedere come nella formula di quadratura
di Simpson. Si
Z
x
(t c)dt. Si ha che
0 (x) = x c, (a) = (b) = 0 e che (x) 0 per x [a, b]. Pertanto, nellipotesi in
cui la funzione f (x) C2 [a, b]
E0c (f )
f 00 ()
(x)f [c, x, x]dx =
2
=
a
(t c)dt
dx
a
f (x)dx =
a
n1 Z
X
i=0
=h
n1
X
i=0
xi+1
xi
f (x)dx =
n1 Z
X
i=0
xi+1
n1 Z
X
f (xi+ 1 )dx+
2
xi
i=0
n1
xi+1
xi
h3 X 00
c
c
f (xi+ 1 ) +
f (i ) = I0n
(f ) + E0n
(f ) i [xi , xi+1 ]
2
24 i=0
132
asintotica dellerrore
n1
X
00
f (i ) =
i=0
c
E0n (f )
`e data da
h2
c
(f ) = [f 0 (b) f 0 (a)]
E0n
24
ESERCIZIO N. 3
Sia xi = x0 + ih , i = 0, 1, 2, 3, 4 con x0 = a ed h = (b a)/4. Il polinomio di secondo
grado che interpola la f (x) in (x1 , f (x1 )), (x2 , f (x2 )) e (x3 , f (x3 )) `e dato da
(x
x
)(x
x
)
(x
x
)(x
x
)
(x
x
)(x
x
)
1
3
1
2
2
3
f (x1 )+
f (x2 )+
f (x3 )
pa2 (x) =
(x1 x2 )(x1 x3 )
(x2 x1 )(x2 x3 )
(x3 x1 )(x3 x2 )
mentre lerrore `e
R2a (x) = (x x1 )(x x2 )(x x3 )f [x1 , x2 , x3 , x]
e quindi essendo
Z
Z
f (x)dx =
pa2 (x)dx
Z
+
I2a (f )
Z b
=
a
(x x2 )(x x3 )f (x1 ) (x x1 )(x x3 )f (x2 ) (x x1 )(x x2 )f (x3 )
+
+
dx =
(x1 x2 )(x1 x3 )
(x2 x1 )(x2 x3 )
(x3 x1 )(x3 x2 )
= hf (x1 )
t(t 1)dt =
2
4h
2f (x1 ) f (x2 ) + 2f (x3 )
3
Per lerrore, come in Simpson, si introduce la funzione integranda
=
(x) =
a
Essendo la funzione integranda dispari rispetto al punto di mezzo x2 si vede che (a) =
(b) = 0 ed inoltre (x) 0 per x [a, b] e 0 (x) = (x x1 )(x x2 )(x x3 ). Pertanto,
integrando per parti ed eliminando i termini di bordo, in quanto si annullano, abbiamo
133
E2a (f )
Z
(x x1 )(x x2 )(x x3 )f [x1 , x2 , x3 , x]dx =
=
a
Z
Z x
f (4) () b
=
(x)f [x1 , x2 , x3 , x, x]dx =
dx
(t x1 )(t x2 )(t x3 )dt =
4!
a
a
a
Z b
Z
14h5 (4)
f (4) () b
dt
(t x1 )(t x2 )(t x3 )dx =
f () , [a, b]
4!
45
a
t
Z
ESERCIZIO N. 4
Il massimo grado pensabile per una formula di quadratura del genere `e 2 in quanto
nella formula compaiono 3 incognite. Infatti se la formula `e esatta per polinomi al pi`
u
di grado 2 si deve avere che
R1
w0 + w1 = 0 dx = 1
R1
w1 x1 = 0 xdx = 12
w x2 = R 1 x2 dx = 1
1 1
3
2
1
, w1 =
, x1 =
4
4
3
ESERCIZIO N. 5
Se imponiamo che la formula abbia grado di precisione 2 si deve risolvere il seguente
sistema
R1
w0 + w1 + w2 = 1 dx = 2
w + w = R 1 xdx = 0
0
2
1
R1 2
w0 + w2 = 1 x dx = 32
134
x3 dx = 0
w0 + w2 =
1
Tale ultima equazione `e verificata visti i valori ottenuti per w0 e w2 pertanto la formula ha grado di precisione almeno 3. Potevamo giungere immediatamente a questa
conclusione in quanto la formula di quadratura ottenuta `e proprio quella di Simpson.
ESERCIZIO N. 6
Per determinare il valore di k basta applicare la formula di quadratura alla funzione
f (x) = x4 . In tal caso si ha
Z
x4 dx =
h 4
[h + h4 ] + k4!
3
cio`e
( 25 23 )h5
2 5
2 5
h + k4! = h k =
3
5
4!
k=
1 5
h
90
ESERCIZIO N. 7
Poiche nella formula di quadratura proposta ci sono 4 incognite `e sperabile che possa
avere come massimo grado di precisione tre. Cio`e la formula esatta per f (x) = xk ,
k = 0, 1, 2, 3. Imponendo che sia esatta per tali polinomi otteniamo un sistema
disaccoppiato, e cioe per f (x) = 1 ed f (x) = x si ha
a0 + a1 =
a1 =
1
2
1
6
e pertanto a0 = 65 ed a1 = 16 .
Se ora imponiamo che la formula sia esatta per f (x) = x2 ed f (x) = x3 , tenendo conto
dei valori gi`a ottenuti per a1 , abbiamo
1
2
1
x21 + x22 =
6
ESERCIZIO N. 8
Dobbiamo provare che lerrore
135
Z
E2 (f ) =
a
ba
a+b
f (x)dx
f (a) + 4f (
) + f (b)
6
2
dx
E2 (1) =
a
b
xdx
E2 (x) =
a
E2 (x ) =
b 2 a2 b a
b a
a+b
a+4
+b =
3(b + a) = 0
6
2
2
6
b 3 a3 b a 2
b a 2
(a + b)2
2
x dx
a +4
+b =
2(a + ab + b2 ) = 0
6
4
3
6
2
E2 (x ) =
ba
[1 + 4 + 1] = (b a) (b a) = 0
6
x3 dx
b a 3 (a + b)3 3 b4 a4 b a 3 3 2
+b =
(a +b a+ba2 +b3 ) =
a +4
6
8
4
6 2
(b a)(b + a)(b2 + a2 ) b a 2
a(a + b2 ) + b(a2 + b2 ) = 0
4
4
ESERCIZIO N. 9
Il polinomio di Hermite, che interpola la funzione e la derivata prima nei punti di
ascissa a e b `e dato da (cfr. Appendice A)
a (x)f 0 (a) + h
b (x)f 0 (b)
H3 (x) = ha (x)f (a) + hb (x)f (b) + h
dove
x a (x b)2
x b (x a)2
ha (x) = 1 2
;
h
(x)
=
1
2
b
a b (a b)2
b a (b a)2
2
2
a (x) = (x a) (x b) ; h
b (x) = (x b) (x a)
h
(a b)2
(b a)2
Z
f (x)dx =
Z
H3 (x)dx +
R3 (x)dx = I3 (f ) + E3 (f )
a
con
136
Z
I3 (f ) = f (a)
ha (x)dx + f (b)
a
E3 (f ) =
a (x)dx + f 0 (b)
h
hb (x)dx + f (a)
a
b (x)dx
h
x a (x b)2
dx = h
12
a b (a b)2
ha (x)dx =
a
a
1
Z
=h
0
x b (x a)2
dx = h
12
b a (b a)2
hb (x)dx =
a
=h
0
[1 2(t 1)]t2 dt =
1
t4
ba
h
[3t 2t ]dt = h[t ] = =
2 0 2
2
2
a (x)dx =
h
Z 1
(x b)2
dx = h
t(t 1)2 dt =
(x a)
2
(a
b)
0
a
1
t4 2t3 t2
h
ba
h[
+ ] =
=
4
3
2 0 12
12
(1 + 2t)(t 1)2 dt =
1
4
t
h
ba
[2t3 3t2 + 1]dt = h[ t3 + t] = =
2
2
2
0
Z 1
2
(x
a)
b (x)dx =
h
(x b)
dx = h
(t 1)t2 dt =
2
(b a)
a
0
1
t4 t3
h
ba
= h[ ] = =
4
3 0
12
12
Z
e quindi
ba
ba 0
[f (a) + f (b)]
[f (b) f 0 (a)]
2
12
Per quanto riguarda lerrore E3 (f ), essendo per ipotesi la funzione f (x) C4 [a, b] si ha
che la differenza divisa f [a, a, b, b, x] `e una funzione continua, mentre (x a)2 (x b)2
non cambia segno in [a, b], quindi si pu`o applicare il teorema della media integrale ed
utilizzando il cambio di variabile precedente si ha
I3 (f ) =
b
2
5f
(x a) (x b) f [a, a, b, b, x]dx = h
E3 (f ) =
a
137
(4)
()
4!
Z
0
h5 f (4) ()
t (t 1) dt =
720
2
ESERCIZIO N. 10
3 2 1
Il polinomio di Legendre di grado due `e P2 (x) = 2 x 2 e quindi gli zeri sono: x1 = 33
a2 2
0
P2 (xj )P3 (xj )
, j = 1, 2
f (x)dx =
n1 Z
X
i=0
xi+1
f (x)dx
xi
f (x)dx =
a
'
n1
X
(xi+1 xi )
i=0
Z
n1
X
(xi+1 xi )
2
i=0
f(
(xi + xi+1 ) (xi+1 xi ) 3
(xi + xi+1 ) (xi+1 xi ) 3
f
+f
+
2
2
3
2
2
3
ESERCIZIO N. 11
La formula di quadratura ad un nodo `e I1 (f ) = w1 f (x1 ) Se imponiamo che sia esatta
per polinomi al pi`
u di grado uno si deve avre che
w = R 1 ln(x)dx = 1
1
0
w x = R 1 x ln(x)dx =
1 1
1
4
1
ln(1/x)f (x)dx ' f ( )
4
138
` facile verificare che tale formula di quadratura ha grado di precisione uno. Basta
E
prendere
un generico polinomio di primo grado p1 (x) = a0 + a1 x e far vedere che
Z 1
1
ln(1/x)p1 (x)dx = p1 ( ).
4
0
ESERCIZIO N. 12
a = 0.;
b = Pi;
nc = 6;
nmax = 64;
Vs = Table@80, 0, 0, 0, 0, 0, 0<, 8n, 1, nmax<D;
f@y_D = Sin@yD * Exp@yD;
g@y_D = D@f@yD, 8y, 3<D;
Vesatto = N@Integrate@f@yD, 8y, a, b<D, 9D;
Print@" N
", " ESATTO ", "GAUSS_LEG ",
"SIMPSON
", "ERR_GAUSS
", "ERR_SIMPSON
"D;
n = 2;
s = 1;
While@n nmax, h = Hb - aL n;
m = 2 * n;
x = Table@a + i * h 2, 8i, 0, m<D;
H* GAUSS LEGENDRE GENERALIZZATO *L
r1 = -Sqrt@3D 3.0;
r2 = Sqrt@3D 3.0;
V1 = 0.0;
Do@V1 =
V1 + Hh 2L * Hf@Hh 2L * r1 + Hx@@ 2 * i - 1DD + x@@2 * i + 1DDL 2D +
f@Hh 2L * r2 + Hx@@ 2 * i - 1DD + x@@2 * i + 1DDL 2DL ,
8i, 1, n<D;
H* SIMPSON GENERALIZZATO *L
V2 = 0.0;
Do@V2 = V2 + h * Hf@ x@@2 * i - 1DD D +
4 * f@ x@@2 * iDD D + f@ x@@2 * i + 1DD DL 6, 8i, 1, n<D;
ErGL = Vesatto - V1;
ErCS = Vesatto - V2;
Print@" ", N@n, 3D, "
", Vesatto,
" ", N@V1, ncD, "
", NumberForm@V2, ncD,
"
", ScientificForm@ErGL, ncD, "
",
ScientificForm@ErCS, ncDD; s = s + 1; n = 2 ^ sD;
N
ESATTO
GAUSS_LEG
SIMPSON
ERR_GAUSS
ERR_SIMPSON
2.00
12.0703
12.1475
11.9554
-7.71519 10-2
1.149 10-1
4.00
12.0703
12.0748
12.0637
-4.41354 10-3
6.60531 10-3
8.00
12.0703
12.0706
12.0699
-2.68369 10-4
4.02312 10-4
16.0
12.0703
12.0704
12.0703
-1.66523 10-5
2.49747 10-5
32.0
12.0703
12.0703
12.0703
-1.03887 10-6
1.55825 10-6
64.0
12.0703
12.0703
12.0703
-6.48996 10-8
9.73485 10-
139
ESERCIZIO N. 13
La stima asintotica dellerrore nella formula di quadratura dei trapezi `e
2
h
En (f ) = [f 0 (b) f 0 (a)]
12
Dobbiamo scegliere h in modo che
En (f ) < 104
poiche
f 0 (x) =
1
(1 + x)2
f 0 (1) f 0 (0) =
3
4
quindi
4
1
h2 3
< 104 , h2 < 16 104 , h <
=
= 0.04
12 4
100
25
Basta quindi scegliere n > 25.
ESERCIZIO N. 14
Si deve utilizzare la (2.19). Dove i pesi wj =
nodi xjn = cos
an n
Tn+1 (xj )Tn0 (xj )
j = 1, 2, . . . , n i
(2j + 1)
, j = 0, 1, ..., n 1 e lerrore `e dato da
2n
Tn (x), Tn (x) (2n)
En (f ) =
f () (1, 1)
A2n (2n)!
Ora, tenendo conto della legge di triplice ricorsione per i polinomi di Chebyscev, abbiamo che An = 2n1 per n 1, quindi an = An+1 /An = 2, sappiamo inoltre che
Tn (x), Tn (x) = /2 per n 1. Ricordando la definizione dei polinomi di Chebyscev
di prima specie abbiamo:
Tn+1 (xjn ) = cos((n + 1) arccos(xjn )) = cos(n arccos(xjn )) cos(arccos(xjn ))+
1
Tn0 (xjn )
[1 x2jn ]
1
2
n
1
[1 x2jn ] 2
e pertanto
wj =
2 2
[1 x2jn ]
1
2
n
1
[1x2jn ] 2
/2
2
(2n)
f
()
=
f (2n) ()
2n2
2n
2
(2n)!
2 (2n)!
ESERCIZIO N. 15
Il cambio di variabile `e il seguente, x = t , > 0. Avremo dx = t1 , inoltre per
x = 0, t = 0 e per x = 1, t = 1. Pertanto nella nuova variabile si ha
Z
I(f ) =
1 1
cos( t )
3
dt =
t 4 1 cos( t )dt
t4
0
Prendendo quindi = 4 si `e regolarizzato al massimo la funzione integranda, avendo
0
I(f ) = 4
cos(t2 )dt
ESERCIZIO N. 16
Si ha che
Z
f (x) ln(x)dx =
0
n1 Z
X
i=0
141
xi+1
xi
f (x) ln(x)dx
n1
X
i=0
xi + xi+1
)
f(
2
xi+1
ln(x)dx =
xi
n1
X
wi f (
i=0
xi + xi+1
)
2
dove
h
ln(x)dx = h ln(h) h
w0 =
0
(i+1)h
wi =
ih
5.3
Esercizi capitolo 3
ESERCIZIO N. 1
I metodi che si debbono determinare, essendo a due passi, hanno p = 1 ed inoltre
dovendo essere del terzo ordine debbono verificare le 1. e 2. della (3.38) e la 3. per
i = 2, 3. Dobbiamo quindi risolvere il seguente sistema di equazioni lineari
a0 + a1 = 1
a + b + b + b = 1
1
1
0
1
a1 + 2b1 2b1 = 1
a + 3b + 3b = 1
1
1
1
Il sistema `e un sistema di 4 equazioni in 5 incognite che ammette un numero infinito
di soluzioni. Possiamo esprimere ciascun coefficiente in termini di a1 e si ottiene
a0 = 1 a1
b = 5a1
1
12
2+2a1
b0 = 3
b = 5a1 1
1
12
Se scegliamo a1 = 1 si trova che: a0 = 0, b1 = 1/3, b0 = 4/3 e b1 = 1/3. Il metodo
quindi `e il seguente
h
yn+1 = yn1 + [yn1 + 4yn + yn+1 ]
3
che `e il metodo di Simpson.
142
ESERCIZIO N. 2
In questo caso abbiamo p = 1, b1 = 0. Dobbiamo inoltre verificare la 1. la 2. e la 3.
per i = 2 delle condizioni (3.38). Dobbiamo pertanto risolvere il seguente sistema di
equazioni lineari
a + a1 = 1
0
a1 + b0 + b1 = 1
a 2b = 1
1
..........................
yn = 4yn1 3yn2 = 3n h
143
pertanto
max |yn Yn | = 3N (h) h
0nN (h)
lim
h0
max |yn Yn | =
0nN (h)
c + c1 + c2 = 4
0
c0 + c21 c22 = 32
c + c1 + c2 = 7
0
4
4
4
La soluzione del sistema `e: c0 = 1, c1 = 2, c2 = 1 ed allora la soluzione dellequazione
alle differenze `e
yn = 1 +
1 n1
1 n
+ (1)n
2
2
1 1000
1 1001
+ (1)n
'1
2
2
ESERCIZIO N. 5
Supponiamo che esista una radice ri di (r) tale che |ri | = 1 e 0 (ri ) = 0. Prendiamo
cone problema di Cauchy il seguente y 0 (x) = 0 , y(0) = 0 la cui soluzione `e Y (x) = 0.
La soluzione numerica ottenuta con il metodo multistep (3.46) `e yn = 0 se prendiamo
144
p
X
j=0
0
che (ri ) = 0.
0
(r) = (p + 1)r
p1
X
aj (p j)r
pj1
= (p + 1)r
p
X
aj (p j)rpj1
j=0
j=0
quindi
(p +
1)rip+1
p
X
aj (p
j)ripj
; (p +
1)rip+2
p
X
aj (p j)rip+1j
j=0
j=0
p
X
aj zpj =
j=0
zp+2 =
p
X
aj (p + 1
p
X
j=0
j)rip+1j
j=0
p
p
X
X
p+1j
=
aj (p j)ri
+
aj rip+1j =
j=0
j=0
= (p + 1)rip+2 + rip+2 = (p + 2)rip+2
Pertanto
N (h)
| = N (h)
0nN (h)
ESERCIZIO N. 6
Come nellesercizio precedente prendiamo come problema di Cauchy y 0 (x) = 0 , y(0) =
0. Supponiamo che la seconda condizione sulle radici non sia verificata, cio`e che esiste
almeno una radice ri che ha modulo unitario ma non `e una radice semplice del polinomio
(r), cio`e 0 (ri ) = 0. Se prendiamo come primi p + 1 valori yj = hjrij , j = 0, 1, ..., p,
con ragionamenti analoghi a quelli fatti nellesercizio precedente si trova che yn =
hnrin , n = 0, 1, ..., N (h). Allora
145
N (h)
| = hN (h)
0nN (h)
h0
max |Y (xn ) yn | = b 6= 0
0nN (h)
ESERCIZIO N. 7
Il metodo `e un metodo esplicito a tre passi, quindi b1 = 0 e p = 2, inoltre si ha che
a0 = 3/2, a1 = 3, a2 = 1/2, b0 = 3, b1 = 0, b2 = 0. Per stabilire lordine di
convergenza dobbiamo vedere quante delle condizioni sui coefficienti sono verificate.
3
1
1. di (3.38) a0 + a1 + a2 = + 3 = 1
2
2
2. di (3.38) a1 2a2 + b0 + b1 + b2 = 3 + 1 + 3 = 1
3. di (3.38) per i = 2 a1 + 4a2 + 2(b1 2b2 ) = 3 2 = 1
3. di (3.38) per i = 3 a1 8a2 + 3(b1 + 4b2 ) = 3 + 4 = 1
3. di (3.38) per i = 4 a1 + 16a2 + 4(b1 8b2 ) = 3 8 6= 1
Il metodo quindi `e del terzo ordine. Analizziamo ora la convergenza. Utilizzando il
teorema di convergenza dei metodi multistep dobbiamo calcolare le radici del polinomio
caratteristico (r). Nel caso specifico il polinomio `e
1
5 1
3
(r) = r3 + r2 3r + = (r 1)(r2 + )
2
2
2 2
le radici sono
5
33
5
33
r0 = 1 ; r1 = +
; r2 =
4
4
4
4
abbiamo che |r2 | > 1 quindi il metodo non converge in quanto non `e verificata la prima
condizione sulle radici (3.50).
ESERCIZIO N. 8
Come suggerito in nota, approssimiamo la soluzione Y (x) del problema di Cauchy con
il polinomio di terzo grado, scritto sotto forma di differenze finite allindietro (vedi Appendice C), che interpola la Y (x) nei punti nodali xn+1 , xn , xn1 , xn2 che supponiamo
alla stessa distanza h.
5Yn+1
52 Yn+1
+ (x xn+1 )(x xn )
+
h
2!h2
146
53 Yn+1
+
3!h3
+(x xn+1 )(x xn )(x xn1 )(x xn2 )Y [xn+1 , xn , xn1 , xn2 , x]
derivando abbiamo
5Yn+1
52 Yn+1
Y (x) =
+ [(x xn+1 ) + (x xn )]
+
h
2!h2
0
1
1
X
Y
i=2
j=2
j6=i
1
Y
53 Yn+1
+
3!h3
j=2
1 11
18
9
2
Yn+1 Yn + Yn1 Yn2 + 6h3 Y (5) ()
h 6
6
6
6
se ora teniamo conto che dal problema di Cauchy
Y 0 (xn+1 ) =
18
9
2
6
36
Yn Yn1 + Yn2 + hf (xn+1 , Yn+1 ) + h4 Y (5) ()
11
11
11
11
11
36 4 (5)
h Y ()
11
otteniamo il
18
9
2
6
yn yn1 + yn2 + hf (xn+1 , yn+1 )
11
11
11
11
ed essendo Tn (Y ) = O(h4 ) abbiamo che (h) = O(h3 ), quindi il metodo ottenuto `e del
terzo ordine.
Per provare che `e del terzo ordine si possono anche utilizzare le 1. 2. e 3 per i=2,3
di (3.38). Il metodo `e un metodo a tre passi implicito, quindi p = 2, con a0 = 18/11,
yn+1 =
147
+
=1
11 11 11
9
4
6
2. di (3.38) a1 2a2 + b1 =
+
=1
11 11 11
9
8
12
3. di (3.38) per i = 2 a1 + 4a2 + 2b1 = +
+
=1
11 11 11
9
16 18
3. di (3.38) per i = 3 a1 8a2 + 3b1 =
+
=1
11 11 11
1. di (3.38)
a0 + a1 + a2 =
Per far vedere se converge, essendo il metodo consistente, basta provare che sono
verificate le condizioni sulle radici.
18 2
9
2
r + r
=0
11
11
11
come si vede la r0 = 1 `e radice, abbassando con Ruffini abbiamo
(r) = r3
(r 1)(11r2 7r + 2) = 0
le altre due radici pertanto sono r1 =
7+i 39
11
ed r2 =
7i 39
11
88
<1
121
sono pertanto verificate le condizioni sulle radici, quindi il metodo `e convergente.
|r1 | = |r2 | =
ESERCIZIO N. 9
Dovendo essere un metodo esplicito del quarto ordine dobbiamo imporre le condizioni
(3.38) fino ad i = 4 con b1 = 0. Pertanto i coefficienti debbono verificare il seguente
sistema di equazioni lineari
a0
+a1
+a2
=1
a1 2a2 +b0 +b1
+b2
=1
a1
+4a2
2b1 4b2 = 1
a1 8a2
+3b1 +12b2 = 1
a1 +16a2
4b1 32b2 = 1
Il sistema `e formato da 5 equazioni e 6 incognite ed ammette infinite soluzioni. Possiamo esprimere tutti i coefficienti in termini di a0 . Per analizzare la convergenza dobbiamo studiare le radici rj del polinomio caratteristico (r) pertanto basta calcolare solo
gli aj e si ha: a1 = 9, a2 = 8 a0 .
(r) = r3 a0 r2 9r + 8 + a0 = (r 1)[r2 + (1 a0 )r 8 a0 ]
148
p
Le radici di (r) sono: r0 = 1, r1 = (a0 1) + (1 + a0 )2 + 32 /2, r2 = (a0 1)
p
(1 + a0 )2 + 32 /2. Si puo vedere che |r2 | > 1 per ogni a0 . Per la prima condizione
sulle radici (3.50) per la radice r2 si deve avere
p
(a0 1) (1 + a0 )2 + 32 /2 1
e tale disuguaglianza non `e verificata per alcun valore di a0 , infatti la disuguaglianza
[(a0 1)
p
p
(1 + a0 )2 + 32 /2 1 ovvero 1 + a0 (1 + a0 )2 + 32
1+
r0 (h) =
3
h
2
1 + h +
2
9 2 2
h
4
1+
; r1 (h) =
149
3
h
2
q
1 + h + 94 h2 2
2
1 + 3 h
2
q
q
9 2 2
3
1 + h + 4 h 1 + 2 h + 1 + h + 94 h2 2
2
2
cio`e
1 + 32 h
q
1 + h + 94 h2 2
2
1+
3
h
2
q
1 + h + 94 h2 2
1 + 23 h +
2
dalla prima disuguaglianza si ottiene
q
1 + h + 94 h2 2
q
1 + h + 49 h2 2
3
h
2
9
1 + h + h2 2 0
4
che `e verificata per ogni h, mentre dalla seconda si ha
3
1 + h 0
2
pertanto i valori di h per i quali il metodo `e relativamente stabile sono h 2/(3)
ESERCIZIO N. 12
I coefficienti j definiti dalla (3.67) per j 1 sono dati da:
Z
1
j =
j!
j
Y
(t + k 2)dt
0 k=1
(t 1)
0
j
Y
(t + k 2)dt
k=2
1
j =
j!
Z
0
j
Y
1
(t + j j 1) (t + k 2)dt =
j!
k=2
1
j!
Z
0
j
Y
1
j
(t + k 2)dt =
j!
k=2
(j 1)!
j2
1Y
(t + j 1)
0
j1
1Y
150
(t + k 2)dt+
k=2
(t + k)dt+
0 k=0
(t + k)dt = j j1
0 k=0
j
Y
rj =
q+1
1 = cos(
2j
2j
) + i sin(
) , j = 0, 1, ..., q
q+1
q+1
Pertanto |rj | = 1 , j = 1, 2, ..., q e quindi la condizione forte sulle radici non `e verificata.
Un metodo, con q=1, che certamente `e relativamente stabile `e il seguente
yn+1 = yn1 + 2hf (xn1 , yn1 )
Si ha infatti che
(r) h(r) = r2 (1 + 2h)
1
1
1 2 2
Tn (Y ) = h(11 2 )[f ]n +h2 ( 2 )[fx ]n +h2 ( 2 )[f fy ]n +h3 (
)[fxx ]n +
2
2
6
2
1 2 2 2
1
1
1
+h3 (
)[f fyy ]n + h3 ( 2 )[f fxy ]n + h3 [fx fy ]n + h3 [f fy2 ]n + O(h4 )
6
2
3
6
6
Imponendo che il metodo risulti del secondo ordine, cio`e sceglendo le costanti in modo
che sia verificato il sistema
1 1 2 = 0
1
2 = 0
2
1 = 0
2
1 1
1 1
1 1
1
1
2
Tn (Y ) = h (
)[fxx ]n +(
)[f fyy ]n +(
)[f fxy ]n + [fx fy ]n + [f fy2 ]n +O(h4 )
6 82
6 82
3 42
6
6
3
1 1
1 1
1 1 1
1
,
,
, ,
c1 (2 ) =
6 82 6 82 3 42 6 6
T
T
T
Tn (Y ) = c1 (2 ) c2 (f ) + O(h4 ) = c1 (2 ), c2 (f ) + O(h4 )
utilizzando la disuguaglianza di Cauchy-Schwarz
Tn (y) c1 (2 ), c2 (f ) + O(h4 ) kc1 (2 )k2 kc2 (f )k2 + O(h4 )
pertanto si ha errore minimo di troncamento locale se kc1 (2 )k2 assume il minimo
valore. Essendo
r
1
1 2
1
1 2
1
1 2
1
kc1 (2 )k2 = (
) +(
) +(
) +
6 82
6 82
3 42
18
il minimo si ottiene per 2 = 3/4.
ESERCIZIO N. 15
Per far vedere che i due metodi hanno la stessa regione di assoluta stabilit`a `e sufficiente
mostrare che applicati al problema y 0 (x) = y(x) sono esattamente gli stessi. Se
utilizziamo il metodo di Euhn abbiamo
h
h2 2
yn+1 = yn + [yn + (yn + hyn )] = (1 + h +
)yn
2
2
Applicando il metodo Runge-Kutta del secondo ordine (3.70) si ha
h
2
h2 2
yn+1 = yn + [yn + 3(yn + h yn )] = (1 + h +
)yn
4
3
2
152
5.4
Esercizi capitolo 4
ESERCIZIO N. 1
Gli autovalori si ottengono risolvendo lequazione det(A I) = 0
1
1
0
0
0
1
1
0
det(A I) =
0
2
0
0
0
0
0
2
= (1 )2 (2 )2 = 0
x2
x
3
x3
x
4
=0
=0
=0
=0
x + x = 0
1
2
x + x = 0
2
3
dobbiamo avere cio`e x1 = x2 e x3 = x2 , le soluzioni linearmente indipendenti sono i due
vettori x1 = [1, 1, 1, 0]T ed x2 = [0, 0, 0, 1]T , tutte le altre soluzioni si possono esprimere
come combinazione lieare di x1 ed x2 . Pertanto 1 ha molteplicit`a geometrica uno
mentre 2 ha molteplicit`a geometrica due.
ESERCIZIO N. 2
1.
Il det(I A) `e dato da
1 0 ...
0
0
0 1 ...
0
0
.
..
.. . .
..
..
det(I A) = ..
.
.
.
.
.
0 0
0 ...
1
a0 a1 a2 ... an2 + an1
153
1
a1 a2 a3 ... an2 + an1
1 0 0 ... 0
0
1 0 ... 0
0
.
.. .. . .
.
..
+(1)n+1 a0 ..
. ..
.
.
.
0
0 0 ... 1 0
0
0 0 ... 1
1
a1 a2 a3 ... an2 + an1
1
a2 a3 a4 ... an2 + an1
1
2
n3
n2
det(I A) = a0 + a1 + a2 + ... + an3
+
an2 + an1
154
2.
|z + an1 | 1
ESERCIZIO N. 3
I cerchi di Gerschgorin che contengono gli autovalori sono
|z 1| 1 ; |z 5| 2 ; |z 9| 3
ImHzL
6
4
2
0
ReHzL
-2
-4
-6
-2
10 12
155
|z 1| 3 ; |z 5| 2 ; |z 9| 1
ImHzL
6
4
2
0
ReHzL
-2
-4
-6
-2
10 12
Z2 = {z C : |z 5| 2}
Z3 = {z C : |z 8| 2}
Z4 = {z C : |z 11| 1}
156
1
0
0
A() =
0
2
0
0 1/ 101
che ha gli stessi autovalori della matrice A. Ora prendendo in considerazione i cerchi
di Gerschgorin della matrice A()
Z1 = {z C : |z 1| }
Z2 = {z C : |z 2| 2}
Z3 = {z C : |z 100| 2/}
157
Z4 = {z C : |z 101| 1/}
si vede che i cerchi Z1 e Z2 sono disgiunti tra loro e dagli altri due cerchi se 1/48
< 1/3, pertanto con tali limitazioni i cerchi Z1 e Z2 contengono un solo autovalore
che deve essere necessariamente reale. Analogamente i cerchi Z3 e Z4 sono disgiunti
tra loro e dagli altri due cerchi se 3 < 48 e pertanto anche Z3 e Z4 contengono
un autovalore reale. Possiamo quindi concludere che gli autovalori di A sono reali ed
hanno le seguenti limitazioni
1 1 1 + ,
= 1/48
2 2 2 + ,
= 1/48
= 48
= 48
7 4 4
1
U = 4 1 8
9
4 8 1
ESERCIZIO N. 7
Abbiamo che
kU bk22 = (U b)T (U b) = bT U T U b = bT b = kbk22
essendo U T U = I in quanto U `e ortogonale.
158
ESERCIZIO N. 8
Il listato `e scritto con il software Mathematica
ESERCIZIO N. 9
Vogliamo che
U [2, 2, 1]T = [, 0, 0]T
= 4 + 4 + 1 = 3
r
2
1
(1 )
2
r
= 3 ; v1 =
5
; p=
6
2
1
v2 =
; v3 =
30
30
pertanto la matrice U `e
159
15
2
2
3 32 13
2
U = 23 11
15
15
2
14
31 15
15
mentre
U [2, 2, 1]T = [3, 0, 0]T
ESERCIZIO N. 10
Per rendere triangolare superiore la matrice A dobbiamo premoltiplicare la matrive A
per una matrice di Householder che consente di trasformare la seconda colonna della
matrice A nel vettore [2, , 0]T . Cio`e una matrice che conserva la prima componente e
rende nulla la terza componente. Pertanto il vettore w con cui costruire la matrice di
Householder deve essere del tipo w = [0, v1 , v2 ]T . La matrice di Householder quindi `e
..
1
.
0
U =
..
0
.
I2 2v vT
Si vuole che
(I2 2v vT )[3, 4]T = [, 0]T
e quindi
q
= 9 + 16 = 5 ; v1 = 12 (1 3 )
scegliendo il segno meno per ed il segno pi`
u per v1 otteniamo
v1 = 25 , v2 = 15
la matrice U da premoltiplicare ad A `e data da
U = 0
0
U A = 0
0
0
0
35 45
45 35
2
1
5 2
0 1
160
1 2
1
1 0
0
A = U T R = 0 53 45 0 5 2
0 54 35
0 0 1
ESERCIZIO N. 11
Se A e B sono due matrici ortogonali allora AT = A1 e B T = B 1 dobbiamo far
vedere che (AB)T = (AB)1 ovvero che (AB)(AB)T = I.
(AB)(AB)T = (AB)(B T AT ) = A(BB T )AT = AAT = I
ESERCIZIO N. 12
Il determinante della matrice A = ai,j i,j=1,...,n `e dato da
det(A) =
Z2 = {z : |z 11| 2}
Z3 = {z : |z 10| 4} ;
Z4 = {z : |z 20| 3}
161
Appendice A
Polinomio interpolante di Hermite
Vogliamo qui prendere in esame un particolare tipo di interpolazione. Supponiamo di
conoscere la funzione f (x) in un numero n di punti nodali x1 , x2 , ..., xn e che in tali
punti `e nota anche la derivata prima della funzione. Si vuole vedere se esiste, in una
certa classe di polinomi, un polinomio pm (x) che nei punti nodali interpola la funzione
e la sua derivata prima. Cio`e
p0m (xj ) = f 0 (xj ) , j = 1, 2, ..., n
(A.1)
Pm
k
Dato pertanto un polinomio di grado m, pm (x) =
k=0 ak x se si impongono le
condizioni di interpolazione A.1 si ha
pm (xj ) = f (xj ) ,
m
X
k=0
m
X
(A.2)
k=1
Pertanto abbiamo che il polinomio R2n1 (x) nei punti nodali xj si annulla e negli stessi
punti si annulla anche la sua derivata prima. Questo significa che i punti xj , j =
1, 2, ..., n sono delle radici doppie del polinomio R2n1 (x). Ovvero si `e trovato che un
polinomio di grado al massimo 2n 1 ammette 2n zeri, ma ci`o non `e possibile per il
teorema fondamentale dellalgebra e quindi i due polinomi debbono necessariamente
coincidere.
Esistenza
La dimostrazione dellesistenza `e fatta costruendo direttamente tale
polinomio. Sia
H2n1 (x) =
n
X
hj (x)f (xj ) +
j=1
n
X
j (x)f 0 (xj )
h
(A.3)
j=1
n
X
hj (xi )f (xj ) +
j=1
0
H2n1
(xi )
n
X
n
X
j (xi )f 0 (xj )
h
j=1
j=1
n
X
0 (xi )f 0 (xj )
h
j
j=1
h (x ) = , h
j (xi ) = 0 , i, j = 1, 2..., n
j
i
ij
h0 (x ) = 0 , h
0 (xi ) = ij , i, j = 1, 2..., n
i
j
j
(A.4)
h (x) = [1 2(x x )l0 (x )]l2 (x) , j = 1, 2, ..., n
j
j
j j
j
h
(x) = (x x )l2 (x) , j = 1, 2, ..., n
j
(A.5)
Vogliamo ora vedere quale `e lerrore che si commette in un generico punto x, diverso
dai punti di interpolazione, quando si approssima f (x) con il polinomio interpolante
di Hermite. A tale proposito diamo una formulazione del polinomio di Hermite sotto
forma di differenze divise.
Siano z1 , z2 , ..., z2n1 , z2n 2n punti in cui si conosce il valore della funzione f (x). Sappiamo allora costruire il polinomio interpolante di Lagrange ed il relativo errore sotto
forma di differenze divise.
L2n1 (x) = f [z1 ] + (x z1 )f [z1 , z2 ] + (x z1 )(x z2 )f [z1 , z2 , z3 ] + ....+
+(x z1 ) ... (z z2n1 )f [z1 , z1 , ..., z2n1 , z2n ]
2n
Y
R2n1 (x) = f [z1 , z2 , ..., z2n1 , z2n , x] (x zi )
i=1
0
R2n1
(x)
= f (x)
L02n1 (x)
n
Y
= f [x1 , x1 , ..., xn , xn , x, x] (x xi )2 +
i=1
n
X
(x xk )
k=1
0
e pertanto R2n1 (xj ) = R2n1
(xj ) = 0 , j = 1, 2, ..., n
164
n
Y
i=1
i6=k
(x xi )2
Appendice B
Equazioni alle differenze finite
In tale appendice riportiamo il metodo di soluzione delle equazioni alle differenze finite
lineari, omogenee ed a coefficienti costanti. Richiamiamo prima le definizioni di differenze finite in avanti, allindietro e centrali. Sia y(x) una funzione reale di variabile
reale nota in un insieme di punti discreto distribuiti uniformemete. Indichiamo tali
punti con (xn , y(xn )) , xn = x0 + h n , n = 0, 1, ..., N . Usiamo anche la notazione
yn = y(xn ).
Definizione 29 (Differenza finita in avanti). Si definisce differenza finita in avanti, e
la indichiamo con 4h (o semplicemente 4) la
4yn = yn+1 yn
(B.1)
Definizione 30 (Differenza finita allindietro). Si definisce differenza finita in allindietro, e la indichiamo con 5h (o semplicemente 5) la
5yn = yn yn1
(B.2)
(B.3)
` facile verificare che tali operatori alle differenze finite sono degli operatori lineari ed
E
inoltre possamo definire anche le differenze di ordine superiore. Diamo qui la definizione
per le differenze in avanti, la stessa definizione vale anche per le altre differenze finite.
Definizione 32 (Differenza finita in avanti di ordine k). La differenza finita in avanti
di ordine zero `e data 40 yn = yn . La differenza finita in avanti di ordine k `e data da
4k yn = 4k1 4 yn = 4 4k1 yn
165
Se prendiamo quindi una differenza finita in avanti del secondo ordine si ha:
42 yn = 4 4 yn = 4(yn+1 yn ) = yn+2 2yn+1 + yn
Lequazione, combinazione lineare di p + 1 valori della funzione, data da:
p
X
aj ynj = 0 , aj R
(B.4)
j=0
`e detta equazione alle differenze finite, omogenea, a coefficienti costanti (in tal caso
` facile infatti vedere come tale combinazione pu`o essere espressa
reali) di ordine p. E
tramite differenze finite. Vediamo un esempio banale
0 = yn yn1 = 4yn1 = 5yn
La soluzione della B.4 si ottiene con un procedimento analogo a quello relativo alle
equazioni differenziali omogenee a coefficienti costanti. Tale soluzione `e data dalla
combinazione lineare di tutte le soluzioni, linearmente indipendenti, proposte come
potenze del tipo yn = rn con r C.
Pertanto nel caso dellequazione B.4 si ha
p
X
aj r
nj
=r
np
X
p
j=0
Il polinomio in r dato da
zione
Pp
j=0
aj r
pj
=0
j=0
p
X
aj rpj = 0
(B.5)
j=0
p1
X
j rjn
j=0
Se una radice rs dellequazione caratteristica ha molteplicit`a allora le soluzioni linearmente indipendenti associate a tale radice sono e date da yn1 = rsn , yn2 =
n rsn , ..., yn = n1 rsn . In tal caso il pezzo di soluzione, che dipende dalla radice rs ,
1
X
relativo alla soluzione generale dellequazione alle differenze `e dato da
j nj rsj
j=0
166
Vediamo quanto detto con un esempio. Si vuole risolvere la seguente equazione alle
differenze:
yn 5yn1 + 8yn2 4yn3 = 0
Scegliendo yn = rn si ha da risolvere la seguente equazione caratteristica
r3 5r2 + 8r 4 = (r 2)2 (r 1) = 0
le radici pertanto sono r0 = 1 ed r1 = 2 con molteplicit`a due. Possiamo verificare
facilmente che yn0 = 1 , yn1 = 2n , yn2 = n 2n sono soluzioni dellequazione alle
differenze e quindi la soluzione generale `e data da
yn = 0 + 1 2n + 2 n 2n
Le costanti 0 , 1 , 2 possono essere determinate se si conoscono tre valori della
soluzione, ad esempio y0 , y1 , y2 .
167
Appendice C
Polinomio interpolante sotto forma
di differenze finite allindietro
Supponiamo di avere p + 1 punti xn , xn1 , ..., xnp , ugualmente distanziati xnj =
xn jh, dove sono noti i valori della funzione f (x). Vogliamo costruire il polinomio
interpolante sotto forma di differenze finite allindietro. La costruzione `e abbastanza
semplice in quanto si pu`o partire dal polinomio interpolante sotto forma di differenze
divise e poi sostituire le differenze divise con le differenze finite allindietro. A tale
proposito vediamo un lemma che mette in relazione le differenze divise con le differenze
finite allindietro quando i punti nodali sono uniformemente distribuiti.
Lemma 2. Dati i punti xnj = xn jh , j = 0, 1, ..., p, esiste la seguente relazione
tra differenze divise e differenze finite allindietro
f [xn , xn1 , ..., xnp ] =
5p f (xn )
hp p!
(C.1)
f (xn ) f (xn1
5f (xn )
=
xn xn1
h
se tale relazione vale fino alle differenze di ordine p1 allora vale anche per le differenze
di ordine p.
f [xn , xn1 , ..., xnp ] =
poiche si `e ipotizzato che la relazione (C.1) `e valida per differenze fino allordine p 1
abbiamo
168
5p1 f (xn1 )
5p1 f (xn )
p1
hp1 (p 1)!
h (p 1)!
=
f [xn , xn1 , ..., xnp ] =
hp
=
Per scrivere il polinomio interpolante e lerrore sotto forma di differenze finite allindietro scriviamo il polinomio e lerrore sotto forma di differenze divise e poi utilizziamo il
risultato del lemma.
Pp (x) = f [xn ] + (x xn )f [xn , xn1 ] + ... + (x xn ) ... (x xnp+1 )f [xn , xn1 , ..., xnp ]
(C.2)
5p f n
5fn
+ ... + (x xn ) ... (x xnp+1 ) p
h
h p!
169
(C.3)
Indice analitico
Algoritmi predictor-corrector, 74
Assoluta stabilit`
a, 63
Assoluta stabilit`
a - Adams-Bashforth, 94
Assoluta stabilit`
a - Adams-Moulton, 95
Assoluta stabilit`
a - Eulero esplicito, 70
Assoluta stabilit`
a - Runge-Kutta, 100
Assoluta stabilit`
a Eulero implicito, 72
Assoluta stabilit`
a di un metodo multistep, 90
Autovalori di una matrice, 105
Binomio di Newton, 9
Coefficienti di Fourier, 26
Condizione di Lipschitz, 58
Errore mini-max, 11
Debole stabilit`
a di un metodo multistep, 90
Definizione di stabilit`
a di un metodo
multistep, 82
Definizione di stabilit`
a relativa di un metodo
multistep, 89
Assoluta stabilit`
a metodo trapezoidale, 73
Disuguagliannza di Bessel, 26
170
Funzione peso, 15
Funzioni ortogonali, 16
Identit`
a di Christoffel-Darboux, 30
Integrali singolari, 48
Matrice di Hilbert, 14
Matrici di Householder, 113
Matrici hermitiane, 113
Matrici ortogonali, 113
Matrici unitarie, 113
Metodi A-stabili, 63
Metodi Runge-Kutta-Fehlberg, 100
Metodi di Adams-Bashforth, 91
Metodi di Adams-Moulton, 94
Metodo QR, 117
Metodo RKF45, 101
Metodo Runge-Kutta del 20 ordine, 99
Metodo Runge-Kutta del 4o ordine, 99
Metodo del punto di mezzo, 79
Metodo delle Potenze, 111
Metodo di Euhn, 98
Metodo di Eulero esplicito, 65
Metodo di Eulero implicito, 71
Metodo di Taylor, 97
Metodo trapezoidale, 73
Molteplicit`
a algebrica di un autovalore, 106
Molteplicit`
a geometrica di un autovalore, 106
2
Norma L , 13
Norma in L2w , 16
Norma infinita di funzioni, 10
Norma uniforme di funzioni, 10
Ordine di convergenza di un metodo
multistep, 76
Polinomi di Bernstein, 6
Polinomi di Chebyshev di prima specie, 17
Polinomi di Hermite, 19
Polinomi di Laguerre, 18
Polinomi di Legendre, 17
Polinomi ortogonali, 16
Polinomi ortonormali, 16
Polinomio di migliore approssimazione L2 , 13
Polinomio di migliore approssimazione quasi
uniforme, 28
Polinomio di migliore approssimazione
uniforme, 11
Polinomio interpolante di Hermite, 43, 162
Polinomio interpolante di Lagrange, 33
Polinomio interpolante sotto forma di
differenze finite allindietro, 168
Problema di Cauchy, 58, 59
Prodotto di integrazione, 51
Prodotto di integrazione rettangolare, 142
Prodotto di integrazione trapezoidale, 51
Prodotto scalare di funzioni, 15
Regione di assoluta stabilit`a, 63
Relazione di triplice ricorsione, 24
Stima asintotica errore formula dei trapezi, 36
Stima asintotica errore formula di Simpson, 40
Teorema delle oscillazioni forzate, 28
Teorema di Gauss, 42
Teorema di Gerschgorin, 107
Teorema di Gram-Schmidt, 20
Teorema di Taylor, 3
Teorema di Weierstrass, 6
Teorema di convergenza del metodo QR, 118
Teorema di convergenza per metodi multistep,
87
Teorema di stabilit`a per metodi multistep, 84
Traccia di una matrice, 105
Trattamento analitico delle singolarit`a, 50
Zeri di polinomi ortogonali, 22
171