- •Ю.П. Головатый, в.Г. Косушкин
- •Глава 6. Численное решение краевых задач для обыкновенных дифференциальных уравнений
- •Глава 7. Численное решение задач на собственные значения
- •Глава 8. Численное решение дифференциальных уравнений в частных производных
- •Глава 1. Формулировка математической модели
- •1.1. Тепловой баланс резистивного элемента
- •1.2. Радиационно-стимулированная диффузия
- •Глава 2.Решение модельной задачи
- •Глава 3. Метод конечных разностей
- •3.1. Сетки и сеточные функции
- •3.2. Аппроксимация производных
- •Конечноразностная аппроксимация обыкновенных дифференциальных уравнений
- •Глава 4. Решение задачи коши методом конечных разностей
- •Методы эйлера и тейлора
- •4.2 Явные методы рунге - кутты
- •4.3 Явные многошаговые методы решения задачи коши.
- •Лабораторная работа №3
- •4.4 Подвохи при применении методов рунге-кутты
- •«Жёстские» обыкновенные дифференциальные уравнения
4.4 Подвохи при применении методов рунге-кутты
Основное требование, предъявляемое к приближённому численному решению ОДУ, состоит в минимальном отклонении его от точного решения. Отклонения могут быть обусловлены тремя причинами:
- погрешностью метода (качеством алгоритма) ;
- неустранимыми ошибками в начальных данных ;
- погрешностью округления .
Разность между точным решением задачи Коши
и приближённым, фактически найденным решением , называется полной погрешностью в узле ,
Все три источника погрешностей дают аддитивные вклады в полную погрешность,
Эволюция погрешностей зависит от поведения интегральных кривых ОДУ. Если , то есть интегральные кривые расходятся, то влияние локальных погрешностей, образовавшихся на предыдущих шагах, возрастает. Если же , то есть интегральные кривые сближаются, то влияние локальных погрешностей ослабевает, при дополнительном условии, что шаг сетки выбран достаточно малым.
Наглядно продемонстрировать последнее утверждение можно с помощью простейшей задачи
,
решением которой является экспонента . Если эту задачу решать методом Эйлера, то приближённое значение функции в -м узле может быть выражено через начальное условие,
Если начальное значение известно с погрешностью , то и будет вычислено с некоторой погрешностью
Первое слагаемое даёт погрешность метода
,
обусловленную линейной аппроксимацией экспоненты . Второе слагаемое описывает эволюцию ошибки в начальных данных. При она рано или поздно, независимо от , станет доминировать в суммарной погрешности . Такие задачи называются плохо обусловленными, а алгоритм – неустойчивым по отношению к входным данным. При погрешность, обусловленная ошибкой в начальных данных, будет ограниченной, если , или , что возможно при
Это ограничение на шаг называется условием устойчивости. При больших по абсолютной величине значениях шаг по времени приходится брать весьма малым. Если он окажется меньшим , то, как указывалось выше (п.4.2), ошибка округления всё равно не позволит получить достаточно точное решение.
Для системы из N ОДУ
контроль обусловленности производится по собственным значениям якобиана
Система будет плохо обусловленной, если хотя бы у одного из собственных значений якобиана вещественная часть положительна. Например, для системы (3.23) , ,
Уравнение для собственных значений имеет вид
или , откуда . Таким образом, при система заведомо плохо обусловлена.
Прежде чем приступать к численному решению задачи Коши, следует качественно проанализировать уравнение и выяснить характер его обусловленности. Плохо обусловленные задачи целесообразно переформулировать так, чтобы новые уравнения обладали хорошей обусловленносью. В процессе численного решения целесообразно контролировать локальную обусловленность задачи и, при необходимости, корректировать шаг . Такие алгоритмы с адаптированным шагом получили широкое распространение. В программе MathCAD, например, имеется встроенная функция Rkadapt, реализующая алгоритм Рунге-Кутты с переменным контролируемым шагом.