analisi numerica ii parte - university of cagliari · dipartimento di matematica e informatica a.a....
TRANSCRIPT
AnalisiNumerica II
parte
D. Lera
LEZIONE 3 Analisi Numerica II parte
Daniela Lera
Università degli Studi di CagliariDipartimento di Matematica e Informatica
A.A. 2016-2017
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Formule di quadratura Gaussiane
In tali formule la posizione dei nodi non è prefissata, comeavviene in quelle di Newton-Cotes, ma viene determinata inmodo tale da massimizzare il grado di precisione delleformule.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
TEOREMA 1Esiste una ed una sola formula di integrazione numerica∫ b
aw(x)f (x)dx ≈
k∑i=0
λif (xi)
che utilizza k + 1 punti e che sia di grado di precisione2k + 1. Essa si ottiene con:
i nodi xi = radici del polinomio pk+1(x), di grado k + 1,ortogonale in [a, b] a qualunque polinomio dello spazioPk (rispetto a w(x)).
λi =
∫ b
aLi(x)w(x)dx, i = 0, ..., k
con Li(x), funzioni fondamentali di Lagrange.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
N.B. Per ogni intervallo [a, b] e ∀k ∈ N esiste un solopolinomio
pk+1(x) =k∏
i=0
(x− xi)
ortogonale in [a, b] a qualsiasi polinomio di Pk.
Inoltre gli zeri x0, x1, ..., xk sono reali, distinti e interni ad [a, b].
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Costruzione formule Gaussiane
Supponiamo che w(x) = 1 e che i nodi siano k + 1. Allora:1. Si calcolano i nodi x0, x1, ..., xk imponendo∫ b
a(x− x0)...(x− xk)xrdx = 0 r = 0, ..., k
2. Si ricavano i coefficienti λi, i = 0, ..., k, imponendo chela f. di q. con i suddetti nodi sia interpolatoria:∫ b
axrdx =
k∑i=0
λixri r = 0, ..., k
Sono sistemi con k + 1 equazioni e k + 1 incognite.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Errore delle formule Gaussiane
TEOREMA 2
Se f ∈ C2k+2[a, b], l’errore associato alla valutazionedell’integrale
∫ ba f (x)dx con una f. di q. gaussiana a k + 1
nodi è il seguente:
E(f ) =f (2k+2)(ξ)
(2k + 2)!
∫ b
ap2
k+1(x)dx
con ξ ∈ (a, b).
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Vantaggi integrali con peso
Diamo di seguito l’idea sul perché si utilizzino funzioni pesow per il calcolo di integrali. Se dobbiamo approssimare∫ b
ag(x)dx
con g(x) regolare, allora di solito non sarà difficile calcolarenumericamente il valore dell’integrale, mentre se g è pocoregolare sarà molto più oneroso ottenere buoni risultati.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Vantaggi integrali con peso
Introducendo una funzione peso w , e supposto che f = g /wsia regolare, si considera il calcolo di∫ b
ag(x)dx =
∫ b
a
g(x)w(x)
w(x)dx =
∫ b
af (x)w(x)
La regolarità di f e la particolarità del calcolodipendentemente dalla funzione peso permette diapprossimare meglio∫ b
ag(x)dx =
∫ b
af (x)w(x)dx
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Esempio
Consideriamo il calcolo approssimato∫ 1
1ex√
1− xdx = 1.7791436546919097925911790299941
Non è suggerito il calcolo dell’integrale con formulecomposte perché la funzione ex
√1− x è poco regolare.
Non è indicato usare formule guassiane con pesow(x) = 1 perché la funzione ex
√1− x è poco regolare.
Si suggerisce di usare formule Gaussiane con peso diJacobi w(x) =
√1− x perché la funzione ex è
C∞(−1, 1).
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Gauss-Chebichev
∫ b
af (x)w(x)dx
w(x) = (1− x2)−1/2 intervallo [−1, 1]
pesi:π
k + 1nodi: cos
(2i + 1)π2(k + 1)
, i = 0, ..., k
∫ 1
−1
1√1− x2
f (x)dx ≈ π
k + 1
k∑i=0
f(
cos(2i + 1)π2(k + 1)
)
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Gauss-Legendre
w(x) = 1 intervallo [−1, 1]
Pesi e nodi assegnati (vedi tabella).
Considerando il generico intervallo [a, b]:
∫ b
af (x)dx =
b− a2
∫ 1
−1f(
a + b + t(b− a)2
)dt
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
k xi λi1 ± .5773502692 1.02 ± .7745966692 0.5555555556
0.0 0.88888888893 ± .8611363116 0.3478548451± .3399810436 0.6521451549
4 ± .9061798459 0.2369268851± .5384693101 0.4786286705
0.0 0.56888888885 ± .9324695142 0.1713244924± .6612093865 0.3607615730± .2386191861 0.4679139346
6 ± .9491079123 0.1294849662± .7415311856 0.2797053915± .4058451514 0.3818300505
0.0 0.41795918377 ± .9602898565 0.1012285363± .7966664774 0.2223810345± .5255324099 0.3137066459± .1834346425 0.3626837834
Table : Nodi e pesi per la formula di Gauss-Legendre
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule Gaussiane
Gauss-Hermite
w(x) = e−x2intervallo (−∞,+∞)
Gauss-Laguerre
w(x) = e−x intervallo (0,+∞)
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formule adattive
Formule adattive
La scelta della suddivisione in parti uguali di una f. di q.composta può non essere appropriata quando la funzioneha un comportamento altamente variato nell’intervallo dato(in dipendenza delle derivate della funzione).
Con le formula adattive si cerca di adattareautomaticamente il passo di suddivisione al comportamentodella funzione.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Simpson adattiva
Si vuole calcolare:
If (a, b) =∫ b
af (x)dx.
Sia [α;β] un sottointervallo di [a; b]. Vogliamo approssimareIf (α;β) =
∫ βα f (x)dx con la formula di quadratura di Simpson.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Simpson adattiva
Definiamo (Simpson elementare):
Sf (α;β) :=h3
[f (α) + 4f
(α+ β
2
)+ f (β)
]con errore:
If (α;β)− Sf (α;β) = −h5
90f (4)(ξ)
essendo h = (β − α)/2 e ξ ∈ [α;β].
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Simpson adattiva
Sempre sull’intervallo [α, β] utilizzo la formula di Simpsoncomposta sui due intervalli:
[α,α+ β
2] ∪ [
α+ β
2, β]
Sf ,2(α;β) := Sf (α,α+ β
2) + Sf (
α+ β
2, β)
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Simpson adattiva
L’errore che commetto con la seconda formula é:
If (α;β)− Sf ,2(α;β) = −(h/2)5
90[f (4)(ξ) + f (4)(η)]
con ξ ∈ [α; α+β2 ] e η ∈ [α+β2 , β]. Se suppongo che f (4) variipoco posso prendere f (4)(ξ) ≈ f (4)(η), e l’errore diventa:
If (α;β)− Sf ,2(α;β) = −116
h5
90f (4)(ξ). (1)
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Obiettivo
Determinare l’intervallo [α, β] in modo tale che l’erroreIf (α;β)− Sf ,2(α;β) sia più piccolo di una quantità fissata,senza far uso di f (4).
Riprendo la formula dell’errore per Simpson semplice:
If (α;β)− Sf (α;β) = −h5
90f (4)(ξ) (2)
e calcolo (1)-(2):
Sf (α;β)− Sf ,2(α;β) =1516
h5
90f (4)(ξ)
ovvero
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
115
(Sf (α;β)− Sf ,2(α;β)) =1
16h5
90f (4)(ξ)
Andando a sostituire in (1) si ha:
If (α, β)− Sf ,2(α, β) = −1
15(Sf (α, β)− Sf ,2(α, β))︸ ︷︷ ︸
εf (α,β)
Ora dico che Sf ,2(α;β) è una buona approssimazione diIf (α;β) se
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
|If (α, β)− Sf ,2(α, β)|︸ ︷︷ ︸1
15 |εf (α,β)|
≤ εβ − αb− a
Perché?
Perché voglio avere un errore globale su [a, b] minore di ε,quindi su ogni intervallino [α, β] devo avere un controllo conε (β−α)(b−a) .
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Osservazione
Poiché abbiamo supposto f (4) con piccole variazioni (e nonè sempre vero), invece di chiedere
|εf (α, β)| ≤ 15εβ − αb− a
chiediamo
|εf (α, β)| ≤ 10εβ − αb− a
(3)
Come scegliere [α, β]:Parto con α = a e β = b e poi, via via, si dimezza l’intervallofinché non è soddisfatta la stima (3).
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
ALGORITMO
While β ≤ bcalcolo Sf (α;β) e Sf ,2(α;β), |εf (α, β)|if |εf (α, β)| ≤ 10εβ−αb−a
prendo Sf ,2(α;β) come approx di If (α;β);α→ ββ → ...h = (β − α)/2
elseα→ αβ → (α+ β)/2h = (β − α)/2
endend
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
A = intervallo di integrazione attivo, cioé sul qualestiamo effettuando l’approssimazione dell’integraleS = intervallo di integrazione già esaminato nel qualesappiamo che l’errore commesso sta al di sotto dellatolleranza richiestaN = intervallo di integrazione ancora da esaminare
All’inizio del processo di integrazione abbiamo
N = [a, b] A = N S = ∅
Ad un passo intermedio abbiamo una situazione analoga aquella in figura 1.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Figura 1Se la stima delll’errore sull’integrale approssimato su A ha
l’accuratezza richiesta allora si ha la situazione (I)Altrimenti si ha la situazione (II): A viene dimezzato e
l’intervallo attivo viene posto = [α, α′].
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva
Esempio
a = 0, b = 1
f (x) =1
(x− 0.3)2 + 0.01+
1(x− 0.9)2 + 0.04
− 6
[int,xfeval,nfeval]=simpadpt(a,b,toll,f,hmin);int = integrale calcolatoxfeval = vettore dei nodi di quadratura utilizzatinfeval = n. di valutazioni di f effettuatehmin = h minimo per la ricorsione: se h< hmin mi fermo.
AnalisiNumerica II
parte
D. Lera
LEZIONE 3
Formula di Simpson adattiva