Equazioni Differenziali PDF

Capitolo 8
Metodi Numerici per

Equazioni Differenziali
8.1.
Equazioni alle differenze
Un sistema di k equazioni alle differenze del 1o ordine è un sistema del

tipo
y1,n+1 = 1 (n, y1,n , y2,n , . . . , yk,n)
y2,n+1 = 2 (n, y1,n , y2,n , . . . , yk,n)
n = 0, 1, 2, . . .
..
.
yk,n+1 = k (n, y1,n , y2,n , . . . , yk,n )
con yi,0 , i = 1, . . . , k, quantità assegnate, ovvero con ovvio significato

dei simboli
yn+1 = G(n, yn )
(8.1)
y0 assegnato.
Diamo ora le seguenti definizioni.
Definizione 8.1.1 Sia G : N Rk Rk . Allora una soluzione yn

dellequazione (8.1) è
281
282
CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI
a) stabile se per ogni > 0 esiste una costante > 0 tale che se
{
yn } è unulteriore soluzione di (8.1), per la quale
ky0 y0 k <
kyn yn k < , n = 1, 2, . . . ,
(8.2)
b) asintoticamente stabile se oltre a valere (8.2) vale

n+
kyn yn k 0.
c) relativamente stabile se (8.2) è sostituita da
kyn yn k
<
kyn k
8.2.
n = 1, 2, . . .
(8.3)
Stabilit`
a di equazioni alle differenze
Consideriamo lequazione alle differenze

yn+k + ak1 yn+k1 + . . . + a1 yn+1 + a0 yn = b.
Posto
yn =
yn+1 =
yn+2 =
yn+3 =
..
.
yn,1
yn,2
yn,3
yn,4
yn+k1 = yn,k
lequazione alle differenze può scriversi
yn+1,1 = yn,2
yn+1,2 = yn,3
..
.
yn+1,k = yn+k = b a0 yn,1 a1 yn,2 . . . ak1 yn,k
ovvero, posto
B=
0
0
1
0 1
.. ..
.
.
O
..
O
0
0
1
a0 . . . . . . ak2 ak1
yn =
yn,1 yn
yn,2
yn,3
..
.
yn,k
283
` DI EQUAZIONI ALLE DIFFERENZE

8.2. STABILITA
d=
0
0
0
..
.
b
yn+1 = Byn + d.
(8.4)
La matrice B del tipo appena definito prende il nome di matrice di

Frobenius.
Teorema 8.2.1 Ogni soluzione di sistema di equazioni alle differenze
di ordine n omogenea a coefficienti costanti è stabile se la matrice di
Frobenius ha autovalori a parte reale non positiva e ogni autovalore a
parte reale nulla è semplice. 2
` immediato notare che
Osservazione. E
det(B rI) =
k
X
aj r j
ak = 1.
j=0
Teorema 8.2.2 Una soluzione dellequazione alle differenze del tipo

(8.4) risulta stabile se ogni radice del polinomio
(r) =
k
X
aj r j
j=0
ha modulo minore di o uguale a 1 e quelle di modulo uguale a 1 sono

semplici, mentre risulter`
a asintoticamente stabile se e solo se ogni radice
del polinomio suddetto ha modulo minore di 1.
Vogliamo risolvere ora la seguente equazione alle differenze omogenea
di ordine k:
k
X
aj yn+j = 0.
j=0
Cerchiamo una soluzione del tipo

yn = z n .
(8.5)
284
Deve essere necessariamente

k
X
aj z n+j = 0
j=0
cioè
z
k
X
aj z j = 0.
j=0
Quindi se z è una radice del polinomio

(r) =
k
X
aj r j
j=0
allora z n è una soluzione dellequazione alle differenze. Inoltre si può

provare che se z1 , . . . , zk sono radici tutte distinte del polinomio (r)
allora la soluzione generale di (8.5) è data da
yn (c1 , . . . , ck ) =
k
X
ci zin
i=1
con c1 , . . . , ck univocamente determinate dalla condizione iniziale.
8.3.
Discretizzazione di problemi a valori iniziali
Consideriamo il problema a valori iniziali

y 0 = f (t, y(t))
a t b, y(a) = y0
(8.6)
ed f funzione scalare1 , f : R R. Una classe molto generale di metodi

per integrare numericamente lequazione (8.6) è la seguente
k
X
j yn+j = h(tn , . . . , tn+k , yn , . . . , yn+k ; h),
k = 1
(8.7)
j=0
qui tn = a + nh, h = (b a)/N detto passo di integrazione.

Due classi di metodi molto importanti contenute in (8.7) sono
1. i metodi multistep lineari (k-step)
2. i metodi Runge-Kutta.
1
Tutto quello che diremo per lequazione (8.6) pu`

o essere applicato direttamente
a sistemi.
8.3. DISCRETIZZAZIONE DI PROBLEMI A VALORI INIZIALI
285
I metodi multistep
Supponiamo noti i valori (tn+j , y(tn+j )), per j = 0, . . . , k 1, e riscriviamo (8.6) nel seguente modo
y(tn+k ) y(tn ) =
tn+k
tn
f (t, y(t))dt
utilizzando quindi una formula di quadratura per lintegrale a destra

abbiamo
y(tn+k ) y(tn ) =
k
X
hj f (tn+j , y(tn+j )) + errore
j=0
trascurando quindi in questa il termine di errore e indicando con yn

unapprossimazione della soluzione teorica y(tn ) otteniamo lo schema
numerico
yn+k yn =
k
X
hj f (tn+j , yn+j )
j=0
e quindi, la naturale generalizzazione

k
X
j=0
j yn+j h
k
X
j fn+j = 0,
fn+j f (tn+j , yn+j ).
j=0
(8.8)
Se in (8.8) k = 0 il metodo si dice a k-step esplicito, altrimenti si dice

implicito.
I metodi Runge-Kutta
Ancora a partire da (8.6) possiamo scrivere
y(tn+1 ) y(tn ) =
tn +h
tn
f (t, y(t))dt.
Posto t = tn + hc:
y(tn+1 ) = y(tn ) + h
= y(tn ) + h
1
0
s
X
i=1
f (tn + hc, y(tn + hc))dc =

bi f (tn + hci , y(tn + hci )) + errore
286
e, per ogni fissato i compreso tra 1 ed s:

y(tn + hci ) = y(tn ) +
tn +hci
tn
= y(tn ) + h
= y(tn ) + h
s
X
ci
0
f (t, y(t))dt =
f (tn + hc, y(tn + hc))dc =

aij f (tn + hcj , y(tn + hcj )) + errorei .
j=1
Posto Yi = y(tn +hci ) e trascurando i termini di errore possiamo dedurre

il seguente schema:
yn+1 = yn + h
s
X
bi f (tn + hci , Yi )
s
X
aij f (tn + hcj , Yj )
(8.9)
i=1
Yi = y n + h
(8.10)
j=1
detto metodo Runge-Kutta implicito a s-stages. Se le (8.10) sono sostituite da

Y1 = y n
Yi = y n + h
(8.11)
i1
X
aij f (tn + hcj , Yj )
(8.12)
j=1
allora si hanno i metodi Runge-Kutta espliciti a s-stages.

Osservazione. Nella maggior parte dei testi di analisi numerica gli
schemi Runge-Kutta vengono riportati in una forma diversa dalla (8.9)(8.10) ma facilmente deducibile da questa. Infatti, posto
Ki = f (tn + hci , Yi )
abbiamo
yn+1 = yn + h
s
X
b i Ki
i=1
Ki = f tn + hci , yn +
s
X
j=1
aij Kj ,
287
che è la forma classica dei metodi Runge-Kutta.

Definizione 8.3.1 Sia y(t) la soluzione dellequazione differenziale (8.6)
sullintervallo [a, b] e y0 , y1 , . . . , yN , N h = b a, la soluzione approssimata data dal metodo (8.7). Allora la quantit`
a
max |y(tn ) yn |
0nN
è detta errore globale di discretizzazione della soluzione approssimata.

Un naturale importante obiettivo è fornire una stima del suddetto errore
e mostrare che la soluzione approssimata converge alla soluzione teorica
quando h tende a 0. Come primo passo verso questo obiettivo, introduciamo una quantità che è pi`
u facilmente calcolabile rispetto allerrore
globale.
Definizione 8.3.2 Assumiamo che (8.6) abbia una soluzione nell intervallo [a, b]. Chiamiamo errore locale di discretizzazione (o di troncamento) del metodo (8.7) in t [a, b] la quantit`
a
k
1 X
(t; h) = j y(t + jh) h(t, . . . , t + hk, y(t), . . . , y(t + hk); h) .
h j=0
Per meglio comprendere il senso di tale definizione, assumiamo che i

valori yn , yn+1 , . . . , yn+k1 siano esatti (ipotesi locale) e allora consideriamo la quantità
E(tn+k ; h) = |y(tn+k ) yn+k |.
Analizziamo tale quantità per metodi espliciti e impliciti.
Metodi Espliciti
E(tn+k ; h) = |y(tn+k ) yn+k | =

k1
X

y(tn+k ) +
j yn+j

j=0

h(tn , . . . , tn+k1 , yn , . . . , yn+k1 ; h)

288

k

X

y(t
)
h(t
,
.
.
.
,
t
,
y(t
),
.
.
.
,
y(t
);
h)
j
n+j
n
n+k1
n
n+k1

j=0

= h| (tn ; h)|.
Dunque
E(tn+k ; h) = h| (tn ; h)|
(8.13)
e perciò lerrore locale di troncamento non è altro che lerrore che si

commette in un singolo passo, rapportato ad h, ipotizzando che fino al
passo precedente la soluzione sia stata calcolata esattamente.
289
Metodi Impliciti
Per i metodi impliciti assumiamo che la funzione sia derivabile (e
invero basterebbe anche la Lipschitzianità di ).
E(tn+k ; h) = |y(tn+k ) yn+k | =
= |y(tn+k ) +
=|
=|
k
X
j=0
k
X
j=0
k1
X
j=0
j yn+j h(tn , . . . , tn+k , yn , . . . , yn+k ; h)| =
j y(tn+j ) h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), yn+k ; h)| =
j y(tn+j ) h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), y(tn+k ); h)+

+h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1 ), y(tn+k ); h)+
h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), yn+k ; h)|
h| (tn ; h)|+h|
(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), n+k ; h)(y(tn+k )yn+k )|

yn+k
h| (tn ; h)| + hL|y(tn+k ) yn+k | =
= h| (tn ; h)| + hLE(tn+k ; h).
Qui L è un limite superiore per |/yn+k |. Perciò

1
h| (tn ; h)|
1 hL
E(tn+k ; h) =
(8.14)
e per h sufficientemente piccolo

E(tn+k ; h)
= h| (tn ; h)|.
Definizione 8.3.3 Assumiamo che il problema di Cauchy (8.6) abbia
soluzione in [a, b]. Allora (8.7) è consistente con (8.6) se
lim (h) = 0
h0
dove
(h) =
max | (t; h)|.
t[a,bkh]
290
Teorema 8.3.1 Assumiamo che la soluzione del problema di Cauchy

(8.6) sia C (1) ([a, b]), che la funzione sia continua rispetto a tutti i
suoi argomenti e, definito il polinomio
(r) =
k
X
j r j
j=0
Se
(1) = 0
(8.15)
e
(t, . . . , t, y(t), . . . , y(t); 0) = 0 (1)f (t, y(t))
t [a, b]
(8.16)
allora, il metodo (8.7) è consistente con lequazione (8.6). Inoltre se

y 6 0 allora (8.15) e (8.16) sono anche condizioni necessarie per la
consistenza.
Dimostrazione.
k
k
X
y(t + jh)
1X
j y(t + jh) =
jj
=
h j=0
jh
j=0
k
X
jj
"
jj
"
j=0
k
X
j=0
+y 0 (t)
k
y(t + jh) y(t)
1X
+
j y(t) =
jh
h j=0
k
X
y(t + jh) y(t)
1
0
y (t) + y(t)
j +
jh
h
j=0
k
X
jj =
j=0
k
X
1
jj g(t, jh) + y(t)(1) + y 0 (t)0 (1) =
h
j=0
1
= G(t, h) + y(t)(1) + y 0 (t)0 (1)
h
291
dove si è posto
g(t, h) =
y(t + jh) y(t)

y 0 (t)
jh
e
G(t, h) =
k
X
jj g(t, jh).
j=0
Tenuto conto della definizione di errore locale di troncamento, possiamo

allora scrivere
(t; h) =
1
y(t)(1) + y 0 (t)0 (1) + G(t, h)+
h
(t, t + h, . . . , t + kh, y(t), y(t + h), . . . , y(t + hk)).
Ora, poichè G(t, h) tende a 0 quando h tende a 0, uniformemente

rispetto a t, e per la continuità di rispetto ai suoi argomenti, risulta
lim (t, t + h, . . . , t + kh, y(t), y(t + h), . . . , y(t + hk); h) =
h0
(t, . . . , t, y(t), y(t), . . . , y(t); 0)
t,
e da (8.15) e (8.16) segue

lim (t; h) = 0
t [a, b]
h0
e dunque
lim (h) = 0.
h0
Viceversa se
lim (h) = 0
h0
e y(t) 6 0 deve essere necessariamente (1) = 0 e da

h0
G(t, h) 0
consegue
0 (1)f (t, y(t)) = (t, . . . , t, y(t), y(t), . . . , y(t); 0). 2
292
Osservazione.
diventano
Per i metodi multistep le condizioni (8.15) e (8.16)

k
X
j = 0
j=0
k
X
j =
j=0
k
X
jj ,
j=0
ovvero, introdotto il polinomio

(r) =
k
X
j r j
j=0
le condizioni di consistenza diventano:

0 (1) = (1).
(1) = 0
I polinomi (r) e (r) si chiamano rispettivamente primo polinomio

caratteristico e secondo polinomio caratteristico. In particolare per i
metodi one-step deve essere
1 + 0 = 0
1 + 0 = 0
e
(t, . . . , t, y(t), y(t), . . . , y(t); 0) = 0 (1)f (t, y(t))
(t, . . . , t, y(t), y(t), . . . , y(t), 0) = f (t, y(t)).
Quindi metodi one-step consistenti sono del tipo
yn+1 = yn + h [f (tn , yn ) + (1 )f (tn+1 , yn+1 )]
con [0, 1]. Tra questi metodi i pi`
u noti sono i seguenti:
= 1 : Metodo di Eulero Esplicito:
yn+1 = yn + hf (tn , yn )
= 0 : Metodo di Eulero Implicito:
yn+1 = yn + hf (tn+1 , yn+1 )
(8.17)
293
= 1/2 : Metodo dei Trapezi:

yn+1 = yn +
h
[f (tn , yn ) + f (tn+1 , yn+1 )] .
2
Notiamo (vedere (8.17)) che la consistenza implica che per h 0

lequazione alle differenze che definisce il metodo numerico fornisce la
equazione differenziale di partenza. Si può allora essere tentati di congetturare che la consistenza di un metodo assicuri che lerrore globale di
troncamento tenda a zero per h 0. Ciò è vero per i metodi one-step
ma non è necessariamente vero per i metodi multistep.
Definizione 8.3.4 Diremo che il metodo (8.7) è zero stabile se ogni
soluzione dellequazione alle differenze:
k
X
j yn+j = 0,
k = 1
j=0
è stabile.
Per quanto visto nelle pagine precedenti possiamo riprendere la suddetta definizione nel seguente modo.
Condizione delle radici. Il metodo (8.7) è 0-stabile se e solo se le
radici 1 , . . . , k del polinomio
() =
k
X
j j
j=0
soddisfano la condizione
|i | 1,
i = 1, . . . , n
e ogni radice di modulo 1 è semplice.

Lemma 8.3.1 (Enunciato) Consideriamo lequazione alle differenze
k
X
j=0
j yn+j = n
n = k, k + 1, . . .
(8.18)
294
con y0 , . . . , yk1 assegnati. Assumiamo inoltre che le radici 1 , . . . , k

di
() =
k
X
j j = 0
j=0
soddisfino la condizione
|i | 1,
e che ogni radice di modulo 1 sia semplice. Allora esiste una costante
c 1 tale che per ogni soluzione di (8.18) si ha:
|yn | c max |yi | +

0ik1
n
X
j=k
|j | .
n = k, k + 1, . . . 2
Teorema 8.3.2 (Consistenza + zero stabilit`

a Convergenza.) Assumiamo
1) Il metodo (8.7) è 0-stabile, ovvero
k
X
j yn+j = 0 è stabile;
j=0
2)
|(x0 , . . . , xk , u0 , . . . , uk ; h) (x0 , . . . , xk , v0 , . . . , vk ; h)|
c max |ui vi |
0ik
per ogni x0 , . . . , xk [a, b], e per ogni u0 , . . . , uk , v0 , . . . , vk e h 0:

3) (8.6) abbia una soluzione y(t) su [a, b];
e sia yi (h), i = 0, 1, . . . , una soluzione di (8.7), allora esistono due
costanti c1 , c2 indipendenti da h tali che
|y(a+nh)yn (h)| c1 r(h)+c2 (h),
n = k, k+1, . . . N = (ba)/h
dove
r(h) = max |y(a + ih) yi (h)|
0ik1
295
e
(h) = max | (t, h)|.
t[a,b]
In particolare se
lim r(h) = 0
h0
e il metodo è consistente allora

lim
h0,n+
yn (h) = y(t),
dove t = a + nh.
Dimostrazione. Da
k
X
j=0
j yn+j (h) h(tn , . . . , tn+k , yn (h), . . . , yn+k (h); h) = 0
e
k
X
j=0
j y(tn + jh) h(tn , . . . , tn+k , y(tn ), . . . , y(tn + kh); h) = h (tn , h)
sottraendo dalla prima la seconda e ponendo ei = yi (h) y(ti ) segue:

k
X
j en+j + h[(tn , . . . , tn+k , y(tn ), . . . , y(tn + kh); h)+
j=0
ovvero
(tn , . . . , tn+k , yn (h), . . . , yn+k (h); h)] = h (tn , h)

k
X
j en+j = n+k
j=0
dove
n+k = h[(tn , . . . , tn+k , y(tn ), . . . , y(tn + kh); h)+
(8.19)
(tn , . . . , tn+k , yn (h), . . . , yn+k (h); h)] + h (tn , h).
Dallipotesi di stabilità del metodo (8.7) e in virt`
u del lemma 8.3.1
risulta
|en+k |
max |ei | +
0ik1
n
X
i=0
|k+i |
n = 0, 1, . . . , > 1
296
Dalla (8.18) e dallipotesi 2)

|i+k | h c max |ei+j | + | (ti , h)|

0jk
e perciò
|en+k | r(h) + h
n
X
i=0
c max |ei+j | + | (ti , h)|

0jk
r(h) + h(n + 1)c max |ei | + h (h)(n + 1).

0in+k
Posto
n = max |ei |,
0in
n = 0, 1, 2, . . .
segue
|en+k | r(h) + ch(n + 1)n+k + h (h)(n + 1)
questultima implica
n+k r(h) + ch(n + 1)n+k + h (h)(n + 1).
Fissato h, supponiamo che n possa prendere valori che soddisfano la
relazione
1
(n + 1)h (c)1
2
allora
1
k+n r(h) + k+n + (h)
2
k+n 2 [r(h) + (h)] ,
(n + 1)h
e perciò
|ek+n | 2 [r(h) + (h)]
(8.20)
Questultima fornisce una stima dellerrore sullintervallo I1 = [a, a + ]

con indipendente da h. Consideriamo ora il successivo intervallo I2 =
[a + , a + 2]. Possiamo allora assumere che i dati iniziali stiano in
I1 e quindi gli errori per questi dati iniziali possono essere limitati da
(8.20). Perciò
|ek+n | 2 {2[r(h) + (h)] + (h)}
297
per tutti gli n tali che i punti di griglia che sono I2 . Ora poichè
lintervallo [a, b] può essere coperto da un numero finito di intervalli
di ampiezza ne consegue la tesi. 2
Osservazione. Lipotesi 2) del teorema di convergenza è una consequenza della condizione di Lipschitz che normalmente poniamo su f per
lesistenza e lunicità della soluzione del problema di Cauchy. Infatti
assumiamo che f soddisfi
|f (t, u) f (t, v)| L|u v|,
t [a, b], u, v.
Allora, tenuto conto che per i metodi lineari k-step risulta

(x0 , . . . , xk , u0 , . . . , uk ; h) =
k
X
j f (xj , uj )
j=0
si ha
|(x0 , . . . , xk , u0 , . . . , uk ; h) (x0 , . . . , xk , v0 , . . . , vk ; h)| =
=
k
X
j=0

k

k
X
X

j f (xj , uj )
j f (xj , vj )

j=0

j=0
|j |L|uj vj | L
k
X
j=0
|j | max |uj vj |.
0jk
Unanaloga deduzione vale per i metodi Runge-Kutta. Un aspetto importante dellerrore globale di troncamento è la rapidità con la quale
tende a zero per h 0. Una prima misura di questa rapidità è la seguente condizione sullerrore locale di troncamento (h). Richiamiamo
che la notazione
(h) = O(hp )
significa
(h)
=l
h0 hp
lim
con l numero finito.
298
Definizione 8.3.5 Il metodo (8.7) ha ordine almeno p se per ogni problema di Cauchy con soluzione y(t) C (p) ([a, b]) risulta
(h) = O(hp ).
Il metodo ha esattamente ordine p se in aggiunta (h) 6= O(hp+1 )
per qualche equazione differenziale per la quale la soluzione y(t)
C (p+1) ([a, b]).
Per quanto lordine di precisione di un metodo sia definito in termini
di errore locale di troncamento, esso può essere legato allerrore globale
di troncamento. Infatti dal teorema di convergenza, abbiamo visto che
en = |y(a + nh) yn (h)| c1 r(h) + c2 (h),
nk
r(h) = max |y(a + ih) yi (h)|.

0ik1
Pertanto se r(h) = O(hp ) e (h) = O(hp ), risulta

en = O(hp ).
Condizioni di ordine per i metodi multistep

Consideriamo il metodo k-step
k
X
j=0
j yn+j h
k
X
j f (tn + jh, yn+j ) = 0,
k = 1.
j=0
Dalla definizione di errore locale di troncamento abbiamo
k
k
X
1 X
j f (tn + jh, y(tn + jh))
(tn ; h) = j y(tn + jh) h
h j=0
j=0
299
dove y(t) denota la soluzione teorica del problema di Cauchy. Assumiamo che y(t) C (p+1) ([a, b]). Possiamo allora scrivere
k
k
X
1 X
(tn ; h) =
j y(tn + jh) h
j y 0 (tn + jh) =
h j=0
j=0
p
k
X
(jh)s
(jh)p+1
1 X
=
j
y (s) (tn )
+ y (p+1) (tn + h)
+
h j=0
s!
(p + 1)!
s=0
p1
X
k
X
(jh)p
(jh)s
+ y (p+1) (tn + h)
h
j (y 0 )(s) (tn )
s!
p!
s=0
j=0
con , ]0, j[.
p
k
k
X
X
1X
js
1
j y (s) (tn )hs + y (p+1) (tn + h)

hp j j p+1 +
(tn ; h) =
h s=0 j=0 s!
(p + 1)!
j=0
p1
X
k
X
k
X
js
1
j y (s+1) (tn )hs y (p+1) (tn + h) hp j j p =
s!
p!
s=0 j=0
j=0
p
k
k
X
X
1 X
js
j y(tn ) +
j y (s) (tn )hs1 +
=
h j=0
s!
s=1 j=0
p1
X
s=0
k
X
j=0
j (s+1)
y
(tn )hs +
s!
k
X
k
1 X
j p+1 (p+1)
+hp j
y
(tn + h) j j p y (p+1) (tn + h) =
(p + 1)!
p! j=0
j=0
p1
k
k
X X
1 X
j s+1 (s+1)
=
j y(tn ) +
j
y
(tn )hs +
h j=0
(s
+
1)!
s=0 j=0
p1
X
k
X
js
j y (s+1) (tn )hs + O(hp )
s!
s=0 j=0
300
dove con O(hp ) abbiamo indicato
k
1 X
j p+1 (p+1)
y
(tn + h) j j p y (p+1) (tn + h).
hp j
(p + 1)!
p! j=0
j=0
k
X
In definitiva abbiamo trovato
p1
k
k
k
X X
X
j s+1
js
1 X
(tn ; h) = j y(tn ) +
j
j y (s+1) (tn )hs + O(hp )

h j=0
(s + 1)! j=0 s!
s=0 j=0
pertanto affinchè il metodo abbia ordine p deve essere

k
X
j = 0
(8.21)
j=0
k
X
j=0
k
X
j s+1
js
j = 0
(s + 1)! j=0 s!
s = 0, 1, . . . , p 1.
(8.22)
Si noti che le prime due condizioni sono le condizioni di consistenza.

Quando le suddette condizioni sono imposte si ha:
k
X
j p+1 (p+1)
(tn ; h) = hp j
y
(tn + h)+
(p + 1)!
j=0
k
X
jp
j y (p+1) (tn + h) =
p!
j=0
(8.23)
= hp (tn ) + O(hp+1 );
(tn ) = lp+1 y (p+1) (tn )hp + O(hp+1 ),
lp+1 =
k
X
j=0
j p+1
jp
j
j
(p + 1)!
p!
se y(t) C (p+2) ([a, b]). Questultima uguaglianza segue sviluppando le

due derivate p + 1-esime attorno a tn . La quantità lp+1 y (p+1) (tn )hp si
chiama parte principale dellerrore locale di troncamento.
301
Esercizio 8.3.1 Derivare un metodo del secondo ordine dallo schema

0 yn + 1 yn+1 + yn+2 = h(0 fn + 1 fn+1 + 2 fn+2 ).
Si noti che un metodo lineare k-step ha essenzialmente 2k +1 parametri
liberi mentre per ottenere un metodo di ordine p si deve risolvere un
sistema lineare di p equazioni in 2k + 1 incognite e perciò si può congetturare che il massimo ordine raggiungibile sia 2k + 1. Comunque questo
risultato ha poca importanza in quanto vale il seguente teorema.
Teorema 8.3.3 (1a barriera di Dahlquist). Ogni metodo lineare kstep di ordine maggiore di k + 2 è instabile. In particolare se k è pari
il massimo ordine per un metodo zero stabile è k + 2, mentre se k è
dispari il massimo ordine per un metodo zero stabile è k + 1. 2
` importante realizzare che la convergenza di un metodo non è, da sola,
E
garanzia di una soddisfacente procedura numerica. Consideriamo per
esempio il metodo
yn+2 = yn + 2hfn+1 .
` facile verificare che tale metodo è consistente e zero stabile e perciò
E
convergente. Applichiamo ora tale metodo al problema test
y 0 = y
y(0) = 1,
la cui soluzione teorica è y(t) = et . Abbiamo

yn+2 + 2hyn+1 yn = 0
y0 = 1, y1 = noto.
La soluzione di questa equazione è

!
y1 + h
y1 + h
1
1
+

k2
yn =
k1 + c2
2
2 2 1+h
2 2 1 h2
con 1 = h + 1 + h2 e 2 = h 1 + h2 . Notiamo che per h > 0

2 > 1 cosicchè eccetto che per la scelta di y1 che rende c2 = 0 si ha
|yn | + e perciò in generale la soluzione numerica si discosta da
quella esatta di un valore arbitrariamente grande per t sufficientemente
grande. Anche perchè 1 1 per h 0 il suddetto comportamento
può essere inibito se 2 tende ad un limite strettamente minore di 1.
Ciò porta a definire la classe di metodi caratterizzata dalla seguente
proprietà di stabilità.
302
Definizione 8.3.6 (Strong root condition). Un metodo è fortemente

stabile se le radici del polinomio
() =
k
X
j j
j=0
soddisfano la condizione
|i | 1,
i = 1, . . . , k
con n 1 radici strettamente minori di 1. Si noti che poichè un metodo consistente ammette sempre la radice = 1 ((1) = 0) possiamo
asserire:
Un metodo consistente è fortemente stabile se le radici i di () = 0
soddisfano 1 = 1 e |i | < 1, i = 2, . . . , n.
Un metodo che non è fortemente stabile può esibire un comportamento
instabile specialmente per problemi con soluzione decrescente. Le radici
i del polinomio () relative ad un metodo consistente sono usualmente catalogate in
= +1 radice principale (principal root)
|i | 1, i = 2, . . . , k radici spurie (spurious roots)
|i | = 1, i = 1, . . . , q radici essenziali (essential roots)
|i | < 1, i = q + 1, . . . , k radici non essenziali (non essential roots).
Stabilit`
a per h fissato (Assoluta stabilit`
a)
Un metodo numerico fornisce risultati numerici accettabili quando il
passo di integrazione h dipende soltanto dallaccuratezza richiesta e la
sola proprietà di convergenza di un metodo (consistenza + 0-stabilità),
può non garantire ciò. Non è per esempio difficile costruire un metodo
del quarto ordine per il quale si abbia un comportamento di questo
tipo:
y(tn ) yn (0.1) +
(h = 0.1)
e
y(tn ) yn (0.01) 0
(h = 0.01)
il che indica che pur essendo lerrore locale accettabile (t; 0.1) =
O(104 ) nel primo caso si ha un comportamento instabile mentre nel
303
secondo caso le cose vanno come prevede la teoria. Cioè in situazioni

come questa occorrerebbe, per poter applicare il metodo in tutta tranquillità, stimare la massima lunghezza del passo per cui si ha un comportamento instabile. A peggiorare le cose esistono anche metodi che
nonostante siano convergenti (e dunque stabili quando h tende a 0),
mostrano instabilità qualunque sia il passo h fissato. Consideriamo di
nuovo il metodo
y0 = 1, y1 = eh
yn+2 = yn + 2hfn+1
applicato allequazione
y 0 = y
y(0) = 1
Abbiamo
yn+2 = yn + 2hyn+1 .
Detto () il polinomio caratteristico di (8.24) è
(; h) = () h()
le cui radici sono
r1 (h) = h +
e
perciò
r2 (h) = h
1 + (h)2
1 (h)2
yn (h) = c1 (h)r1n (h) + c2 (h)r2n (h)

dove
c1 (h) =
c2 (h) =
anche
eh h
1
+ q
2 2 1 (h)2
1
eh h
q
2 2 1 (h)2
c1 (h) = 1 + O((h)3 )
c2 (h) = O((h)3 ).
Per il metodo in esame lerrore locale di troncamento è

1
(t, h) = y(t + 2h) y(t) 2hf (t + h, y(t + h)) = O(h)
h
(8.24)
304
da cui
e(t+2h) et 2he(t+h) = O(h2 )
e2h 1 2heh = O(h2 )
(eh ; h) = (eh ) h(eh ) = O(h2 )
(eh r1 (h))(eh r2 (h)) = O(h2 ).

Poichè r2 (h) tende a 1 quando h tende a 0
eh r1 (h) = O(h2 )
r1 (h) = eh + O(h2 ).
Quindi
t/h
yn (h) = (1 + O((h)3 )(eh + O(h2 )) + O((h3 ))r2 (h).

Per h che tende a 0 e t fisso
lim yn (h) = et
n
e perciò il metodo è convergente. Per < 0 |r2 (h)| > 1 e quindi per
h piccolo quanto si vuole il secondo addendo aumenta con laumentare
di t e può dominare laltro termine che è quello che per h 0 tende
alla soluzione teorica. Se > 0 il secondo addendo tende a 0, però in
questo caso il problema è instabile e la perturbazione sul primo termine
data da O(h2 ) + O((h)3 )eh può crescere esponenzialmente.
8.4.
Assoluta stabilit`
a
Dagli esempi precedenti appare evidente la necessità di una nuova

definizione di stabilità nella quale si pensi fissato il passo di integrazione h e si richieda che lerrore globale si propaghi in modo stabile
quando n . Per rendere tale definizione uno strumento utile per
lanalisi di stabilità è necessario assumere come riferimento il comportamento di metodi rispetto ad un particolare e fissato problema. A tale
scopo si assume come problema test il seguente
y 0 = y
C.
(8.25)
305
`
8.4. ASSOLUTA STABILITA
Quanto segue dà una giustificazione alla scelta di tale problema. Esaminiamo in primo luogo la reazione locale del problema di Cauchy allintroduzione di perturbazioni sul dato iniziale. A tal scopo supponiamo
di trovarci nel generico punto t e di voler risolvere il problema
y 0 = f (t, y)
y(t ) = y
t ' t .
(8.26)
Introduciamo una perturbazione nel dato y ed esaminiamo il problema
z = f (t, z)
(8.27)
z(t ) = y + .
Detta z(t) = y(t) + (t) la soluzione di questo problema, sottraendo da

(8.27) (8.26)
= f (t, y(t) + (t)) f (t, y(t))
(t ) = .
Linearizziamo quindi questo problema sviluppando f (t, y(t) + (t)) nellintorno della soluzione y(t).
f (t, y(t) + (t)) f (t, y(t)) =
f
(t, y(t)) + O(kk2 ).
y
Nel caso di sistema di equazioni differenziali del primo ordine la derivata

parziale di f rispetto a y indica la matrice jacobiana del sistema valutata in (t, y(t)) e per t sufficientemente vicino a t possiamo supporre
f
f
(t, y(t)) '
(t , y(t )) = A.
y
y
Allora il modello linearizzato descrivente la propagazione degli errori
nei punti immediatamente successivi a t ha la forma
0 (t) = A(t)
(t ) =
t t .
306
Assunto che gli n autovalori i di A (in generale complessi) siano distinti, possiamo porre A = T T 1 dove T = [u1 |u2 | . . . |un ] è la matrice
degli autovettori di A e = diag(1 , . . . , n ). Perciò
0 (t) = T T 1 (t)
(T 1 0 (t)) = (T 1 (t))
(t ) =
(8.28)
(t ) =
T 1 (t) = e(tt )
(t) = T e(tt ) w
(t) =
n
X
w = T 1
ej (tt ) uj wj
j=1
t ' t
e quindi
z(t) = y(t) +
n
X
ej (tt ) uj wj .
j=1
In definitiva le autosoluzioni
ej (tt ) uj
caratterizzano la risposta locale del sistema alle perturbazioni sul dato
iniziale y . Si noti che il sistema (8.28) rappresenta n equazioni disaccoppiate del tipo w 0 = w. Volendo risolvere il problema (8.26) con
un metodo numerico (one-step o multistep) è necessario che la risposta
del sistema discreto in presenza di perturbazioni sia analoga a quella
del sistema continuo. Esaminiamo allora il comportamento del metodo
numerico quando applicato al problema test
Sia dunque
k
X
j=0
y 0 = y
C, 0 t +
y(0) = 1
j yn+j h
k
X
j=0
j f (tn+j , yn+j ) = 0
307
`
il metodo multistep in esame che assumiamo consistente e zero stabile.

Applicato al problema test fornisce
k
X
j=0
j yn+j h
k
X
j yn+j = 0,
y0 , . . . , yk1 noti
(8.29)
j=0
perturbiamo ora i dati iniziali di una quantità i , i = 0, . . . , k 1.

Avremo
k
X
j=0
j yn+j h
k
X
j yn+j = 0,
(8.30)
j=0
con y0 = y0 + 0 , . . . , yk1 = yk1 + k1 , e, posto n+j = yn+j yn+j ,

lequazione delle perturbazioni è
k
X
j=0
(j h
j )n+j = 0
0 , . . . , k1 noti
(8.31)
e h
= h. Indichiamo con (r; h
) = (r) h
(r) il polinomio di
stabilità di (8.31) dove
(r) =
k
X
j r
(r) =
j=0
k
X
j r j .
j=0
Ordiniamo quindi le radici ri (

h), i = 1, . . . , n, di (r; h) in modo che
h0
ri (
h) ri ,
i = 1, 2, . . . , k
dove ri è la i-esima radice di (r), ordinate come abbiamo visto in precedenza. Una volta note le radici ri (
h) che per semplificare la descrizione
supponiamo distinte, la soluzione generale della (8.31) è
n =
k
X
ci rin (
h)
i=1
dove le ci sono univocamente determinate da 0 , . . . , k1 . Delle k

soluzioni fondamentali solo quella relativa alla radice principale dà
lapprossimazione alla soluzione del problema continuo y(t) = et mentre le altre rappresentano soluzioni parassite sorte perchè il modello
discreto è di ordine k > 1. Dimostriamo infatti che
r1 (
h) = eh + O(hp+1 )
308
dove p è lordine del metodo, e perciò

r1n (
h) ' etn = (tn ).
A tal fine consideriamo lerrore locale di troncamento nel generico punto
t
k
k
X
X
1
(t; h) = j e(t+jh) h
j e(t+jh)
h j=0
j=0
da cui
ovvero
et
k
X
(j h
j )(eh )j = O(hp+1 )
j=0
(eh ) h
(eh ) = O(hp+1 )
anche
(k h
k )
k
Y
i=1
(eh ri (
h) = O(hp+1 ).
Avendo assunto il metodo consistente e zero stabile

r1 (
h) r1 = +1
per h 0
ri (
h) ri 6= +1,
per h 0
perciò
r1 (
h) = eh + O(hp+1 ).
Osserviamo anche che
r1 (
h) = 1 + h
+ O(h2 ) = r1 + h
+ O(
h2 ).
Poichè le radici ri , i = 1, . . . , q, sono semplici (zero stabilità) le corrispondenti ri (
h) continueranno ad essere semplici per |h| sufficientemente piccolo (le radici sono infatti funzioni continue dei coefficienti)
anzi si potrebbe provare che sono funzioni analitiche di h
. Possiamo
allora sviluppare ri (
h), per i = 1, . . . , q, in serie di Taylor intorno a
h
= 0. Abbiamo
ri (
h) = ri (0) + h
ri0 (0) + O(h2 )
i = 1, . . . , q
(8.32)
309
`
e poichè
(ri (
h)) h
(ri (
h)) = 0
derivando rispetto a h
segue:
0 (ri (
h))ri0 (
h) (ri (
h)) h
(ri (
h))ri0 (
h) = 0
cioè
ri0 (
h) =
0 (r
(ri (
h))
h)) h
(ri (
h))
i (
poichè il metodo è zero stabile ri (0) = ri , i = 1, . . . , q, e quindi

ri0 (0) =
(ri )
0 (ri )
la (8.32) può quindi scriversi

ri (
h) = ri + h
(ri )
+ O(h2 ) =
0
(ri )
= ri (1 + h
) + O(h2 ),
i = (ri )/(ri 0 (ri )).
Da questultima
rin (
h) ' rin ei h n = rin ei tn
dove
1 =
i = 1, . . . , q
(1)
=1
0 (1)
per la consistenza. In definitiva

n =
k
X
ci rin (
h) =
i=1
= c1 etn +
(8.33)
q
X
ci ei tn rin +
i=2
cioè
yn = yn + c1 etn +
k
X
ci rin (
h),
i=q+1
q
X
i=2
ci ei tn +
k
X
i=q+1
ci rin (
h).
(8.34)
310
Come si vede il termine che simula la perturbazione nel caso continuo

è quello dovuto alla radice r1 (h) e pertanto se si vuole che la perturbazione nel caso discreto simuli quella del caso continuo bisogna abbattere il contributo dovuto alle altre radici. Ciò si ottiene imponendo
che |ri (
h)| < 1, i = 2, . . . , n. Inoltre se si vuole che la perturbazione
tenda a zero quando n tende a + allora deve essere anche |r1 (h)| < 1.
Possiamo allora dare la seguente definizione.
Definizione 8.4.1 Un metodo multistep è detto assolutamente stabile
in una regione HA C se per ogni h
HA si ha
|ri (
h)| < 1
i = 1, 2, . . . , k.
La regione
HA = {
h C| |ri (
h)| < 1}
si chiama regione di assoluta stabilit`

a.
Osservazione 1. Ricordando che r1 (

h) = 1+
h +O(
h2 ) è facile osservare
che per <e(
h) sufficientemente piccola ma positivo risulta |r1 (
h)| > 1
cosicchè un qualunque metodo k-step lineare consistente e zero stabile
risulta assolutamente instabile per tutte le h
con <e(
h) > 0 sufficientemente piccola. Ciò significa che integrando numericamente lequazione
test y 0 = y, <e > 0, per h sufficientemente piccolo gli errori vengono
amplificati con il procedere del metodo. Tuttavia questa circostanza
non è del tutto negativa. Infatti la soluzione teorica del problema
è y(t) = et e se il termine r1 (
h) domina le restanti radici allora la
propagazione degli errori è analoga a quella della soluzione teorica e
perciò la propagazione relativa degli errori è limitata. Possiamo allora
dare la seguente definizione.
Definizione 8.4.2 Un metodo multistep lineare zero stabile è detto relativamente stabile in una regione HR C se per ogni h
HR si ha
|ri (
h)| < |r1 (
h)|
i = 2, . . . , k.
La regione
HR = {
h C| |ri (
h)| < |r1 (
h)| i = 2, . . . , k}
si chiama regione di relativa stabilità.
311
`
Osservazione 2. Ricordiamo che il nellequazione test rappresenta

il generico autovalore della matrice jacobiana del sistema calcolato in
un punto t , pertanto = (t ) può avere <e() < 0 in qualche punto
e <e() > 0 in qualche altro; in questultimo caso sappiamo che per h
sufficientemente piccolo il metodo risulta assolutamente instabile, tuttavia per quanto precedentemente detto ciò non deve far preoccupare
purchè il metodo risulti relativamente stabile per quel valore di h
.
Il seguente criterio (di Schur) fornisce un metodo per la determinazione
della regione di assoluta stabilità di un metodo k-step lineare.
Definizione 8.4.3 Assegnato il polinomio
(r) =
k
X
ci r i
i=0
con c0 6= 0 e ck =
6 0, questo si dice polinomio di Schur se le sue radici
ri , i = 1, . . . , k, soddisfano
|ri | < 1
i = 1, 2, . . . , k.
Ciò premesso sia

(r) =
k
X
ci r i
i=0
un qualunque polinomio con c0 6= e ck 6= 0 e a partire da questo consideriamo il polinomio
cj
b
(r)
k
X
cki r i
i=0
dove è il complesso coniugato di

polinomio
1
1 (r) = det
r
cj , per ogni j, e successivamente il

b
b
(0)
(r)
(0) (r)
il cui grado è k 1. Vale allora il seguente teorema.

Teorema 8.4.1 (di Schur). (r) è un polinomio di Schur se e solo se
b
|(0)|
> |(0)|
e 1 (r) è un polinomio di Schur. 2
312
8.5.
Metodi Runge-Kutta
Un metodo Runge-Kutta ha, come abbiamo visto, la seguente struttura:

yn+1 = yn + h
s
X
bi f (tn + hci , Yni )
i1
X
aij f (tn + hcj , Ynj ) i = 2, . . . , s
s
X
bi f (tn + hci , Yni )
s
X
aij f (tn + hcj , Ynj ) i = 1, . . . , s
i=1
Yn1
= yn
Yni
= yn + h
j=1
se esplicito, oppure
yn+1 = yn + h
i=1
Yni
= yn + h
j=1
se implicito. Normalmente questi metodi vengono cos` rappresentati:

c1 a11 a12 . . . a1s
c2 a21 a22 . . . a2s
..
..
..
..
.
.
.
.
cs as1 as2 . . . ass
s b 1 b2 . . . bs
o, in forma pi`
u compatta
c A
s bT
con A strettamente triangolare inferiore per i metodi espliciti e, in generale, piena per i metodi impliciti. Tali metodi sono sicuramente zero
stabili in quanto (r) = r1 e perciò lunica radice del primo polinomio
di stabilità è r1 = +1. Inoltre, essendo
(t, y(t)) = f (t, y(t))
s
X
bi
i=1
ed avendosi
(1) = 0,
0 (1) = 1
313
8.5. METODI RUNGE-KUTTA
se
s
X
bi = 1
i=1
allora il metodo è anche consistente e dunque convergente.
Condizioni di ordine
Per derivare le condizioni di ordine p di un metodo Runge-Kutta, basta,
in linea di principio, imporre che
(t; h) = O(hp ).
A titolo di esempio consideriamo lo schema
yn+1 = yn + hb1 f (tn , yn ) + hb2 f (tn + hc2 , Yn2 )
Yn2
= yn + ha21 f (tn , yn )
ovvero
yn+1 = yn + hb1 f (tn , yn ) + hb2 f (tn + hc2 , yn + ha21 f (tn , yn ))
e imponiamo le condizioni per avere ordine 2. Deve essere
(t; h) =
1
[y(t + h) y(t) hb1 f (t, y(t))+
h
+hb2 f (t + hc2 , y(t) + ha21 f (t, y(t)))] = O(h2 ).
314
Assunta y(t) di classe C (3) ([a, b]) e sviluppando in serie di Taylor abbiamo
(t; h) =
h2
1 0
{y (t)h + y 00 (t) + O(h3 ) hb1 f (t, y(t))+
h
2
hb2 [f (t, y(t)) +
f
f
(t, y(t))hc2 +
(t, y(t))ha21 f (t, y(t)) + O(h2 )]} =
t
y
1
f
h2 f
h2
{f (t, y(t))h +
(t, y(t)) +
(t, y(t))f (t, y(t)) + O(h3 )+
h
t
2
y
2
hb1 f (t, y(t)) hb2 f (t, y(t))
f
(t, y(t))b2 c2 h2 +
t
f
(t, y(t))f (t, y(t))h2b2 a21 + O(h3 )}.
y
Perciò deve risultare
b1 + b 2 = 1
b2 c2 = 1/2
b2 a21 = 1/2.
Lesempio precedente fa intuire la difficoltà di manipolazione per ottenere metodi di ordine elevato. Esiste però una tecnica pi`
u raffinata
che utilizza strumenti di teoria dei grafi e che permette unelegante
derivazione delle condizioni di ordine. Rinunciando allesposizione di
tale teoria, riportiamo di seguito le condizioni da soddisfare per ot-
315
tenere metodi fino allordine 4.

1
s
X
bi = 1
s
X
bi ci =
1
2
s
X
bi c2i =
1
3
i=1
i=1
i=1
s
X
bi aij ci =
s
X
bi c3i =
s
X
bi ci aij cj =
s
X
bi aij c2j =
1
6
i,j=1
i,j=1
1
4
i,j=1
i,j=1
s
X
1
8
1
12
bi aij ajk ck =
i,j,k=1
1
.
24
Per lordine massimo è possibile dedurre, dalla suddetta teoria, i seguenti risultati. Denotato con p = p (s) lordine massimo raggiungibile
con un metodo Runge-Kutta esplicito si ha:
p (s)
p (5)
p (s)
p (s)
p (s)
=s
=4
=s1
=s2
s2
1s4
5s7
8s9
s 10.
Per un metodo Runge-Kutta implicito p (s) = 2s.
316
Assoluta stabilit`
a dei metodi Runge-Kutta
Applicando il metodo Runge-Kutta allequazione test y 0 = y, C,
si ha:
yn+1 = yn + h
s
X
bi Yni ,
s
X
aij Ynj
h
= h
i=1
Yni
= yn + h
j=1
introdotti i vettori e = (1, 1, . . . , 1)T e Yn = (Yn1 , Yn2 , . . . , Yns )T , queste

si riscrivono
yn+1 = yn + h
b T Yn
Yn
= yn e + h
AYn
ovvero
yn+1 = (1 + h
bT (I h
A)1 e)yn
anche
yn+1 = R(
h)yn
dove R(
h) = 1 + h
bT (I h
A)1 e. Il metodo Runge-Kutta si dirà as RA risulta
solutamente stabile nella regione RA C se per ogni h
|R(
h)| < 1. Linsieme
RA = {z C | |R(
h)| < 1}
si dice regione di assoluta stabilit`
a.
Sulla funzione R(z)
Per i metodi Runge-Kutta espliciti la matrice A ha la seguente struttura
A=
0
a
21
0
0
...
...
...
...
a31 a32 0
.. . . . .
..
.
.
.
.
as1 as2 . . . as,s1
0
0
..
.
..
.
0
317
Dal teorema di Cayley-Hamilton è facile allora dedurre che As = 0.

Osserviamo ora che per ogni matrice B di ordine s:
(I B)(I + B + B 2 + . . . + B s1 ) = I B s
e pertanto, per B = zA:
(I zA)(I + zA + z 2 A2 + . . . + z s1 As1 ) = I z s As = I
ne consegue
(I zA)
s1
X
(zA)i .
i=0
La funzione R(z) può allora scriversi

R(z) = 1 + zbT
s1
X
z i Ai e =
i=0
=1+
s
X
(bT Ai1 e)z i .
i=1
cioè R(z) è un polinomio di grado al pi`

u s in z. Notiamo quindi che
per |z| +, |R(z)| +, perciò la regione di assoluta stabilità di
un metodo Runge-Kutta esplicito è necessariamente finita. Per quanto
concerne la funzione R(z) dei metodi impliciti, ricordando che per ogni
x, y Rs ,
det(I + xyT ) = 1 + yT x
possiamo scrivere
R(z) = det(I + z(I zA)1 ebT ) =
h
= det (I zA)1 (I zA + zebT ) =

=
det(I + z(ebT A))

.
det(I zA)
Pertanto R(z) è una funzione razionale di z. Notiamo che per |z|

+, |R(z)| può tendere ad un limite finito e che pertanto i metodi
Runge-Kutta impliciti possono avere regioni di assoluta stabilità che
contengono tutto il semipiano a parte reale negativa del piano complesso.
318
Sulla implementazione dei metodi Runge-Kutta

I metodi Runge-Kutta espliciti non presentano alcun problema di implementazione, nel senso che i valori Yni , i = 1, . . . , s, possono essere
facilmente calcolati in cascata. Per i metodi Runge-Kutta impliciti è
invece necessario risolvere ad ogni passo un sistema di equazioni in
generale non lineare. Consideriamo infatti il metodo
yn+1 = yn + h
s
X
bi f (tn + hci , Yni ),
s
X
aij f (tn + hcj , Ynj )
i=1
Yni = yn + h
i = 1, . . . , s. (8.35)
j=1
Un metodo per risolvere (8.35) è quello di utilizzare procedimenti iterativi del tipo
(k+1)
Yni
= yn + h
s
X
(k)
i = 1, . . . , s, k = 0, 1, 2, . . .
j=1
(8.36)
nella versione Jacobi, oppure del tipo

(k+1)
Yni
= yn + h
i1
X
aij f (tn +
(k+1)
hcj , Ynj )
j=1
+h
s
X
(k)
j=i+1
(8.37)
con i = 1, . . . , s e k = 0, 1, 2, . . ., nella versione Gauss-Seidel. Non è
difficile vedere che se f è Lipschitziana rispetto a y con costante di
Lipschitz L in [a, b] R allora sia (8.36) che (8.37) sono convergenti per
h sufficientemente piccolo. Infatti posto
Yn(k)
(k)
Yn1
(k)
Yn2
..
.
(k)
Yns
F (tn , Yn ) =
f (tn + hc1 , Yn1 )

f (tn + hc2 , Yn2 )
..
.
f (tn + hcs , Yns)
e=
1
1
..
.
1
319
G=
0
a
21
0
0
...
...
...
...
0
0
..
.
..
.
0
a31 a32 0
.. . . . .
..
.
.
.
.
as1 as2 . . . as,s1
0 a12 a13 . . . a1s

0 0 a
a2s
23 . . .
..
.
..
0
.
H= 0 0
.. . .
.. ..
.
.
.
. as1,s
0 0 ... 0
0
(8.36) e (8.37) si riscrivono rispettivamente
Yn(k+1) = yn e + hAF (tn , Yn(k) )
(8.38)
Yn(k+1) = yn e + hGF (tn , Yn(k+1) ) + hHF (tn , Yn(k) ).
(8.39)
Detta Yn la soluzione di (8.38), si ha

kYn Yn(k+1) k = khAF (tn , Yn ) hAF (tn , Yn(k) )k
hkAk kF (tn , Yn ) F (tn , Yn(k) )k =
(k)
= hkAk max |f (tn + hci , Yni ) f (tn + hci , Yni )|

1is
hLkAk kYn Yn(k) k .

Pertanto se hLkAk q < 1
kYn Yn(k) k q k kYn Yn(0) k
e il metodo converge qualunque sia il punto iniziale. Per le versione
Gauss-Seidel abbiamo

Yn Yn(k+1) = hG F (tn , Yn(k+1) ) F (tn , Yn ) +hH F (tn , Yn(k) ) F (tn , Yn )

posto
(k)
e(k)
n = Yn Yn
segue
(k+1)
en,i
= h
i1
X
j=1
+h
(k+1)
aij [f (tn + hcj , Ynj
n
X
j=i+1
) f (tn + hcj , Ynj

)]+
(k)
aij [f (tn + hcj , Ynj ) f (tn + hci , Ynj

)]
320
(k+1)
|en,i
| hL
i1
X
(k)
|aij ||en,j | + h
j=1
n
X
j=i+1
(k)
|aij ||en,j |.
Sia r lindice tale che

(k+1)
|e(k+1)
k .
n,r | = ken
Allora
|e(k+1)
n,r |
dove
hL
ke(k+1)
k
n
=
r1
X
j=1
(k)
|arj ||en,j |
+h
j=r+1
hLke(k+1)
k
n
r1
X
j=1
|arj |
Allora
ke(k+1)
k
n
Assumiamo ora che
hL max
1is
n
X
(k)
|arj ||en,j |.
+ hLke(k)
n k
s
X
j=r+1
|arj |
hL
ke(k) k .
1 hL n
s
X
j=1,j6=i
|aij | q < 1
allora sicuramente
hL( + ) q < 1
hL
hL + hL hL
=
=
1 hL
1 hL
=
hL( + ) hL
q hL
=
1 hL
1 hL
q hL + hLq hLq
=
1 hL
q(1 hL) + hL(q 1)

=
1 hL
=q
hL(1 q)
q < 1.
1 hL
321
Pertanto
kYn Yn(k) k q k kYn Yn(0) k
e dunque il metodo converge per ogni Yn(0) .

Stima dellerrore di troncamento
Sia
yn+1 = yn + h(tn , yn ; h)
un metodo one-step di ordine p 1. Come è noto lerrore locale di
troncamento in tn è dato da
(tn ; h) =
1
[y(tn + h) y(tn ) h(tn , yn ; h)]
h
dove y(t) è la soluzione teorica del problema di Cauchy. Anche, se

y(t) C (p+1) ([a, b])
(tn ; h) = (tn )hp + O(hp+1 ).
Indichiamo ora con yn+1 (h) lapprossimazione in tn+1 fornita dal metodo
(8.6) a partire da tn con passo di integrazione h, mentre denotiamo
con yn+1
(h/2) lapprossimazione in tn+1 a partire da tn con passo di
integrazione h/2. Allora
h
yn+1 (h/2) = yn + (tn , yn ; h/2)
2
h
yn+1
(h/2) = yn+1 (h/2) + (tn + h/2, yn (h/2); h/2).
2
In ipotesi locale
yn = y(tn )
yn+1 (h/2) = y(tn + h/2)
e
(tn + h/2; h/2) =
(tn ; h/2) =
2
[y(tn + h/2) y(tn ) h/2(tn , y(tn ); h/2)]
h
2
[y(tn + h) y(tn + h/2) h/2(tn + h/2, y(tn + h/2); h/2)]
h
322
Ora
[yn+1 (h) yn+1

(h/2)] =
h
=
1
[y(tn ) + h(tn , y(tn ); h) y(tn ) h/2(tn , y(tn ); h/2)+
h
h/2(tn + h/2, y(tn + h/2); h/2)] =
1
1
= (tn , y(tn ); h) (tn , y(tn ); h/2) (tn + h/2, y(tn + h/2); h/2) =
2
2
1
= [y(tn + h) y(tn )] (tn ; h)+
h
1
1
[y(tn + h/2) y(tn )] + (tn + h/2; h/2)+
h
2
1
1
+ [y(tn + h) y(tn + h/2)] + (tn ; h/2) =
h
2
"
!p
#
1
h
p
p+1
p+1
= (tn )h + O(h ) +
(tn + h/2)
+ O(h ) +
2
2
"
!p
+ O(h
h
1
= (tn )hp +
(tn )
2
2
"
!p
hp+1
+ 0 (tn ) p+1 + O(hp+1 ) +
2
1
h
+ [(tn )
2
2
!p
+ O(hp+1 )] =
1
h
+ (tn )
2
2
p+1
) =
#
1
= (tn )h
1 + O(hp+1 ).
2p
In definitiva la parte principale dellerrore locale di troncamento può
essere cos` stimata
p
(tn )hp '
2p 1
[yn+1 (h) yn+1

(h/2)].
2p 1 h

Equazioni Differenziali PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Equazioni Differenziali PDF

Uploaded by

Copyright:

Available Formats

Capitolo 8

Metodi Numerici per

Equazioni alle differenze

Un sistema di k equazioni alle differenze del 1o ordine `e un sistema del

con yi,0 , i = 1, . . . , k, quantit`a assegnate, ovvero con ovvio significato

Diamo ora le seguenti definizioni.

Definizione 8.1.1 Sia G : N Rk Rk . Allora una soluzione yn

CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI

b) asintoticamente stabile se oltre a valere (8.2) vale

Consideriamo lequazione alle differenze

` DI EQUAZIONI ALLE DIFFERENZE

La matrice B del tipo appena definito prende il nome di matrice di

Teorema 8.2.2 Una soluzione dellequazione alle differenze del tipo

ha modulo minore di o uguale a 1 e quelle di modulo uguale a 1 sono

Cerchiamo una soluzione del tipo

CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI

Deve essere necessariamente

Quindi se z `e una radice del polinomio

allora z n `e una soluzione dellequazione alle differenze. Inoltre si pu`o

con c1 , . . . , ck univocamente determinate dalla condizione iniziale.

Discretizzazione di problemi a valori iniziali

Consideriamo il problema a valori iniziali

ed f funzione scalare1 , f : R R. Una classe molto generale di metodi

j yn+j = h(tn , . . . , tn+k , yn , . . . , yn+k ; h),

qui tn = a + nh, h = (b a)/N detto passo di integrazione.

Tutto quello che diremo per lequazione (8.6) pu`

8.3. DISCRETIZZAZIONE DI PROBLEMI A VALORI INIZIALI

utilizzando quindi una formula di quadratura per lintegrale a destra

hj f (tn+j , y(tn+j )) + errore

trascurando quindi in questa il termine di errore e indicando con yn

e quindi, la naturale generalizzazione

fn+j f (tn+j , yn+j ).

Se in (8.8) k = 0 il metodo si dice a k-step esplicito, altrimenti si dice

f (tn + hc, y(tn + hc))dc =

CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI

e, per ogni fissato i compreso tra 1 ed s:

f (tn + hc, y(tn + hc))dc =

Posto Yi = y(tn +hci ) e trascurando i termini di errore possiamo dedurre

aij f (tn + hcj , Yj )

detto metodo Runge-Kutta implicito a s-stages. Se le (8.10) sono sostituite da

aij f (tn + hcj , Yj )

allora si hanno i metodi Runge-Kutta espliciti a s-stages.

8.3. DISCRETIZZAZIONE DI PROBLEMI A VALORI INIZIALI

che `e la forma classica dei metodi Runge-Kutta.

`e detta errore globale di discretizzazione della soluzione approssimata.

Per meglio comprendere il senso di tale definizione, assumiamo che i

CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI

e perci`o lerrore locale di troncamento non `e altro che lerrore che si

8.3. DISCRETIZZAZIONE DI PROBLEMI A VALORI INIZIALI

j yn+j h(tn , . . . , tn+k , yn , . . . , yn+k ; h)| =

j y(tn+j ) h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), yn+k ; h)| =

j y(tn+j ) h(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), y(tn+k ); h)+

(tn , . . . , tn+k , y(tn ), . . . , y(tn+k1), n+k ; h)(y(tn+k )yn+k )|

Qui L `e un limite superiore per |/yn+k |. Perci`o

e per h sufficientemente piccolo

max | (t; h)|.

CAPITOLO 8. METODI NUMERICI PER EQUAZIONI DIFFERENZIALI

Teorema 8.3.1 Assumiamo che la soluzione del problema di Cauchy

allora, il metodo (8.7) `e consistente con lequazione (8.6). Inoltre se

8.3. DISCRETIZZAZIONE DI PROBLEMI A VALORI INIZIALI

y(t + jh) y(t)

Tenuto conto della definizione di errore locale di troncamento, possiamo

Ora, poich`e G(t, h) tende a 0 quando h tende a 0, uniformemente