Equazioni Differenziali

Capitolo 8
Metodi Numerici per

Equazioni Dierenziali
8.1. Equazioni alle dierenze
Un sistema di k equazioni alle dierenze del 1
o
ordine è un sistema del
tipo
y
1,n+1
=
1
(n, y
1,n
, y
2,n
, . . . , y
k,n
)
y
2,n+1
=
2
(n, y
1,n
, y
2,n
, . . . , y
k,n
)
.
.
.
y
k,n+1
=
k
(n, y
1,n
, y
2,n
, . . . , y
k,n
)
n = 0, 1, 2, . . .
con y
i,0
, i = 1, . . . , k, quantit` a assegnate, ovvero con ovvio signicato
dei simboli
_
_
y
n+1
= G(n, y
n
)
y
0
assegnato.
(8.1)
Diamo ora le seguenti denizioni.
Denizione 8.1.1 Sia G : N R
k
R
k
. Allora una soluzione y
n
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
y
n
è unulteriore soluzione di (8.1), per la quale
|y
0
y
0
| < : |y
n
y
n
| < , n = 1, 2, . . . , (8.2)
b) asintoticamente stabile se oltre a valere (8.2) vale
|y
n
y
n
|
n+
0.
c) relativamente stabile se (8.2) è sostituita da
|y
n
y
n
|
|y
n
|
< n = 1, 2, . . . (8.3)
8.2. Stabilità di equazioni alle dierenze
Consideriamo lequazione alle dierenze
y
n+k
+ a
k1
y
n+k1
+ . . . + a
1
y
n+1
+ a
0
y
n
= b.
Posto
y
n
= y
n,1
y
n+1
= y
n,2
y
n+2
= y
n,3
y
n+3
= y
n,4
.
.
.
y
n+k1
= y
n,k
lequazione alle dierenze pu` o scriversi
y
n+1,1
= y
n,2
y
n+1,2
= y
n,3
.
.
.
y
n+1,k
= y
n+k
= b a
0
y
n,1
a
1
y
n,2
. . . a
k1
y
n,k
ovvero, posto
B =
_
_
_
_
_
_
_
_
_
0 1 O
0 0 1
.
.
.
.
.
.
.
.
.
O 0 0 1
a
0
. . . . . . a
k2
a
k1
_
_
_
_
_
_
_
_
_
y
n
=
_
_
_
_
_
_
_
_
_
y
n,1
y
n
y
n,2
y
n,3
.
.
.
y
n,k
_
_
_
_
_
_
_
_
_
8.2. STABILIT
`
A DI EQUAZIONI ALLE DIFFERENZE 283
d =
_
_
_
_
_
_
_
_
_
0
0
0
.
.
.
b
_
_
_
_
_
_
_
_
_
y
n+1
= By
n
+d. (8.4)
La matrice B del tipo appena denito prende il nome di matrice di
Frobenius.
Teorema 8.2.1 Ogni soluzione di sistema di equazioni alle dierenze
di ordine n omogenea a coecienti 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
Osservazione.
`
E immediato notare che
det(B rI) =
k
j=0
a
j
r
j
a
k
= 1.
Teorema 8.2.2 Una soluzione dellequazione alle dierenze del tipo
(8.4) risulta stabile se ogni radice del polinomio
(r) =
k
j=0
a
j
r
j
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 dierenze omogenea
di ordine k:
k
j=0
a
j
y
n+j
= 0. (8.5)
Cerchiamo una soluzione del tipo
y
n
= z
n
.
Deve essere necessariamente
k
j=0
a
j
z
n+j
= 0
cioè
z
n
k
j=0
a
j
z
j
= 0.
Quindi se z è una radice del polinomio
(r) =
k
j=0
a
j
r
j
allora z
n
è una soluzione dellequazione alle dierenze. Inoltre si pu` o
provare che se z
1
, . . . , z
k
sono radici tutte distinte del polinomio (r)
allora la soluzione generale di (8.5) è data da
y
n
(c
1
, . . . , c
k
) =
k
i=1
c
i
z
n
i
con c
1
, . . . , c
k
univocamente determinate dalla condizione iniziale.
8.3. Discretizzazione di problemi a valori iniziali
Consideriamo il problema a valori iniziali
y
= f(t, y(t)) a t b, y(a) = y

0
(8.6)
ed f funzione scalare
1
, f : R R. Una classe molto generale di metodi
per integrare numericamente lequazione (8.6) è la seguente
k
j=0
j
y
n+j
= h(t
n
, . . . , t
n+k
, y
n
, . . . , y
n+k
; h),
k
= 1 (8.7)
qui t
n
= 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 (t
n+j
, y(t
n+j
)), per j = 0, . . . , k 1, e riscri-
viamo (8.6) nel seguente modo
y(t
n+k
) y(t
n
) =
_
t
n+k
tn
f(t, y(t))dt
utilizzando quindi una formula di quadratura per lintegrale a destra
abbiamo
y(t
n+k
) y(t
n
) =
k
j=0
h
j
f(t
n+j
, y(t
n+j
)) + errore
trascurando quindi in questa il termine di errore e indicando con y
n
unapprossimazione della soluzione teorica y(t
n
) otteniamo lo schema
numerico
y
n+k
y
n
=
k
j=0
h
j
f(t
n+j
, y
n+j
)
e quindi, la naturale generalizzazione
k
j=0
j
y
n+j
h
k
j=0
j
f
n+j
= 0, f
n+j
f(t
n+j
, y
n+j
). (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(t
n+1
) y(t
n
) =
_
tn+h
tn
f(t, y(t))dt.
Posto t = t
n
+ hc:
y(t
n+1
) = y(t
n
) + h
_
1
0
f(t
n
+ hc, y(t
n
+ hc))dc =
= y(t
n
) + h
s
i=1
b
i
f(t
n
+ hc
i
, y(t
n
+ hc
i
)) + errore
e, per ogni ssato i compreso tra 1 ed s:
y(t
n
+ hc
i
) = y(t
n
) +
_
tn+hc
i
tn
f(t, y(t))dt =
= y(t
n
) + h
_
c
i
0
f(t
n
+ hc, y(t
n
+ hc))dc =
= y(t
n
) + h
s
j=1
a
ij
f(t
n
+ hc
j
, y(t
n
+ hc
j
)) + errore
i
.
Posto Y
i
= y(t
n
+hc
i
) e trascurando i termini di errore possiamo dedurre
il seguente schema:
y
n+1
= y
n
+ h
s
i=1
b
i
f(t
n
+ hc
i
, Y
i
) (8.9)
Y
i
= y
n
+ h
s
j=1
a
ij
f(t
n
+ hc
j
, Y
j
) (8.10)
detto metodo Runge-Kutta implicito a s-stages. Se le (8.10) sono so-
stituite da
Y
1
= y
n
(8.11)
Y
i
= y
n
+ h
i1
j=1
a
ij
f(t
n
+ hc
j
, Y
j
) (8.12)
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
K
i
= f(t
n
+ hc
i
, Y
i
)
abbiamo
_
_
y
n+1
= y
n
+ h
s
i=1
b
i
K
i
K
i
= f
_
_
t
n
+ hc
i
, y
n
+
s
j=1
a
ij
K
j
_
_
,
che è la forma classica dei metodi Runge-Kutta.
Denizione 8.3.1 Sia y(t) la soluzione dellequazione dierenziale (8.6)
sullintervallo [a, b] e y
0
, y
1
, . . . , y
N
, Nh = b a, la soluzione approssi-
mata data dal metodo (8.7). Allora la quantit` a
max
0nN
[y(t
n
) y
n
[
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, introdu-
ciamo una quantit` a che è pi` u facilmente calcolabile rispetto allerrore
globale.
Denizione 8.3.2 Assumiamo che (8.6) abbia una soluzione nell in-
tervallo [a, b]. Chiamiamo errore locale di discretizzazione (o di tronca-
mento) del metodo (8.7) in t [a, b] la quantit` a
(t; h) =
1
h
_
_
k
j=0
j
y(t + jh) h(t, . . . , t + hk, y(t), . . . , y(t + hk); h)
_
_
.
Per meglio comprendere il senso di tale denizione, assumiamo che i
valori y
n
, y
n+1
, . . . , y
n+k1
siano esatti (ipotesi locale) e allora conside-
riamo la quantit` a
E(t
n+k
; h) = [y(t
n+k
) y
n+k
[.
Analizziamo tale quantit` a per metodi espliciti e impliciti.
Metodi Espliciti
E(t
n+k
; h) = [y(t
n+k
) y
n+k
[ =
=
y(t
n+k
) +
k1
j=0
j
y
n+j
h(t
n
, . . . , t
n+k1
, y
n
, . . . , y
n+k1
; h)
=
=
j=0
j
y(t
n+j
) h(t
n
, . . . , t
n+k1
, y(t
n
), . . . , y(t
n+k1
); h)
=
= h[(t
n
; h)[.
Dunque
E(t
n+k
; h) = h[(t
n
; h)[ (8.13)
e perci` o lerrore locale di troncamento non è altro che lerrore che si
commette in un singolo passo, rapportato ad h, ipotizzando che no al
passo precedente la soluzione sia stata calcolata esattamente.
Metodi Impliciti
Per i metodi impliciti assumiamo che la funzione sia derivabile (e
invero basterebbe anche la Lipschitzianit` a di ).
E(t
n+k
; h) = [y(t
n+k
) y
n+k
[ =
= [y(t
n+k
) +
k1
j=0
j
y
n+j
h(t
n
, . . . , t
n+k
, y
n
, . . . , y
n+k
; h)[ =
= [
k
j=0
j
y(t
n+j
) h(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n+k1
), y
n+k
; h)[ =
= [
k
j=0
j
y(t
n+j
) h(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n+k1
), y(t
n+k
); h)+
+h(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n+k1
), y(t
n+k
); h)+
h(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n+k1
), y
n+k
; h)[
h[(t
n
; h)[+h[

y
n+k
(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n+k1
),
n+k
; h)(y(t
n+k
)y
n+k
)[
h[(t
n
; h)[ + hL[y(t
n+k
) y
n+k
[ =
= h[(t
n
; h)[ + hLE(t
n+k
; h).
Qui L è un limite superiore per [/y
n+k
[. Perci` o
E(t
n+k
; h) =
1
1 hL
h[(t
n
; h)[ (8.14)
e per h sucientemente piccolo
E(t
n+k
; h)
= h[(t
n
; h)[.
Denizione 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
h0
(h) = 0
dove
(h) = max
t[a,bkh]
[(t; h)[.
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, denito il polinomio
(r) =
k
j=0
j
r
j
Se
(1) = 0 (8.15)
e
(t, . . . , t, y(t), . . . , y(t); 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 , 0 allora (8.15) e (8.16) sono anche condizioni necessarie per la
consistenza.
Dimostrazione.
1
h
k
j=0
j
y(t + jh) =
k
j=0
j
j
y(t + jh)
jh
=
=
k
j=0
j
j
_
y(t + jh) y(t)
jh
_
+
_
_
1
h
k
j=0
j
_
_
y(t) =
=
k
j=0
j
j
_
y(t + jh) y(t)
jh
y
(t)
_
+
1
h
y(t)
k
j=0
j
+
+y
(t)
k
j=0
j
j
=
=
k
j=0
j
j
g(t, jh) +
1
h
y(t)(1) + y
(t)
(1) =
= G(t, h) +
1
h
y(t)(1) + y
(t)
(1)
dove si è posto
g(t, h) =
y(t + jh) y(t)
jh
y
(t)
e
G(t, h) =
k
j=0
j
j
g(t, jh).
Tenuto conto della denizione di errore locale di troncamento, possiamo
allora scrivere
(t; h) =
1
h
y(t)(1) + y
(t)
(1) + G(t, 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 continuit` a di rispetto ai suoi argomenti, risulta
lim
h0
(t, t + h, . . . , t + kh, y(t), y(t + h), . . . , y(t + hk); h) =
(t, . . . , t, y(t), y(t), . . . , y(t); 0) t,
e da (8.15) e (8.16) segue
lim
h0
(t; h) = 0 t [a, b]
e dunque
lim
h0
(h) = 0.
Viceversa se
lim
h0
(h) = 0
e y(t) , 0 deve essere necessariamente (1) = 0 e da
G(t, h)
h0
0
consegue
(1)f(t, y(t)) = (t, . . . , t, y(t), y(t), . . . , y(t); 0). 2

Osservazione. Per i metodi multistep le condizioni (8.15) e (8.16)
diventano
k
j=0
j
= 0
e
k
j=0
j
=
k
j=0
j
j
,
ovvero, introdotto il polinomio
(r) =
k
j=0
j
r
j
le condizioni di consistenza diventano:
(1) = 0
(1) = (1).
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) =
(1)f(t, y(t))
(t, . . . , t, y(t), y(t), . . . , y(t), 0) = f(t, y(t)). (8.17)
Quindi metodi one-step consistenti sono del tipo
y
n+1
= y
n
+ h [f(t
n
, y
n
) + (1 )f(t
n+1
, y
n+1
)]
con [0, 1]. Tra questi metodi i pi` u noti sono i seguenti:
= 1 : Metodo di Eulero Esplicito:
y
n+1
= y
n
+ hf(t
n
, y
n
)
= 0 : Metodo di Eulero Implicito:
y
n+1
= y
n
+ hf(t
n+1
, y
n+1
)
= 1/2 : Metodo dei Trapezi:
y
n+1
= y
n
+
h
2
[f(t
n
, y
n
) + f(t
n+1
, y
n+1
)] .
Notiamo (vedere (8.17)) che la consistenza implica che per h 0
lequazione alle dierenze che denisce il metodo numerico fornisce la
equazione dierenziale di partenza. Si pu` o allora essere tentati di con-
getturare che la consistenza di un metodo assicuri che lerrore globale di
troncamento tenda a zero per h 0. Ci` o è vero per i metodi one-step
ma non è necessariamente vero per i metodi multistep.
Denizione 8.3.4 Diremo che il metodo (8.7) è zero stabile se ogni
soluzione dellequazione alle dierenze:
k
j=0
j
y
n+j
= 0,
k
= 1
è stabile.
Per quanto visto nelle pagine precedenti possiamo riprendere la sud-
detta denizione nel seguente modo.
Condizione delle radici. Il metodo (8.7) è 0-stabile se e solo se le
radici
1
, . . . ,
k
del polinomio
() =
k
j=0
j
soddisfano la condizione
[
i
[ 1, i = 1, . . . , n
e ogni radice di modulo 1 è semplice.
Lemma 8.3.1 (Enunciato) Consideriamo lequazione alle dierenze
k
j=0
j
y
n+j
=
n
n = k, k + 1, . . . (8.18)
con y
0
, . . . , y
k1
assegnati. Assumiamo inoltre che le radici
1
, . . . ,
k
di
() =
k
j=0
j
= 0
soddisno la condizione
[
i
[ 1, i
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:
[y
n
[ c
_
_
max
0ik1
[y
i
[ +
n
j=k
[
j
[
_
_
. n = k, k + 1, . . . 2
Teorema 8.3.2 (Consistenza + zero stabilit` a Convergenza.) Assu-
miamo
1) Il metodo (8.7) è 0-stabile, ovvero
k
j=0
j
y
n+j
= 0 è stabile;
2)
[(x
0
, . . . , x
k
, u
0
, . . . , u
k
; h) (x
0
, . . . , x
k
, v
0
, . . . , v
k
; h)[
c max
0ik
[u
i
v
i
[
per ogni x
0
, . . . , x
k
[a, b], e per ogni u
0
, . . . , u
k
, v
0
, . . . , v
k
e h 0:
3) (8.6) abbia una soluzione y(t) su [a, b];
e sia y
i
(h), i = 0, 1, . . . , una soluzione di (8.7), allora esistono due
costanti c
1
, c
2
indipendenti da h tali che
[y(a+nh)y
n
(h)[ c
1
r(h)+c
2
(h), n = k, k+1, . . . N = (ba)/h
dove
r(h) = max
0ik1
[y(a + ih) y
i
(h)[
e
(h) = max
t[a,b]
[(t, h)[.
In particolare se
lim
h0
r(h) = 0
e il metodo è consistente allora
lim
h0,n+
y
n
(h) = y(t), dove t = a + nh.
Dimostrazione. Da
k
j=0
j
y
n+j
(h) h(t
n
, . . . , t
n+k
, y
n
(h), . . . , y
n+k
(h); h) = 0
e
k
j=0
j
y(t
n
+ jh) h(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n
+ kh); h) = h(t
n
, h)
sottraendo dalla prima la seconda e ponendo e
i
= y
i
(h) y(t
i
) segue:
k
j=0
j
e
n+j
+ h[(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n
+ kh); h)+
(t
n
, . . . , t
n+k
, y
n
(h), . . . , y
n+k
(h); h)] = h(t
n
, h)
ovvero
k
j=0
j
e
n+j
=
n+k
dove
n+k
= h[(t
n
, . . . , t
n+k
, y(t
n
), . . . , y(t
n
+ kh); h)+
(t
n
, . . . , t
n+k
, y
n
(h), . . . , y
n+k
(h); h)] + h(t
n
, h).
(8.19)
Dallipotesi di stabilit` a del metodo (8.7) e in virt` u del lemma 8.3.1
risulta
[e
n+k
[
_
max
0ik1
[e
i
[ +
n
i=0
[
k+i
[
_
n = 0, 1, . . . , > 1
Dalla (8.18) e dallipotesi 2)
[
i+k
[ h
_
c max
0jk
[e
i+j
[ +[(t
i
, h)[
_
e perci` o
[e
n+k
[ r(h) + h
n
i=0
_
c max
0jk
[e
i+j
[ +[(t
i
, h)[
_
r(h) + h(n + 1)c max

0in+k
[e
i
[ + h(h)(n + 1).
Posto
n
= max
0in
[e
i
[, n = 0, 1, 2, . . .
segue
[e
n+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
(n + 1)h
1
2
(c)
1

allora
k+n
r(h) +
1
2
k+n
+ (h)
k+n
2 [r(h) + (h)] , (n + 1)h
e perci` o
[e
k+n
[ 2 [r(h) + (h)] (8.20)
Questultima fornisce una stima dellerrore sullintervallo I
1
= [a, a+]
con indipendente da h. Consideriamo ora il successivo intervallo I
2
=
[a + , a + 2]. Possiamo allora assumere che i dati iniziali stiano in
I
1
e quindi gli errori per questi dati iniziali possono essere limitati da
(8.20). Perci` o
[e
k+n
[ 2 2[r(h) + (h)] + (h)
per tutti gli n tali che i punti di griglia che sono I
2
. Ora poichè
lintervallo [a, b] pu` o essere coperto da un numero nito di intervalli
di ampiezza ne consegue la tesi. 2
Osservazione. Lipotesi 2) del teorema di convergenza è una conse-
quenza della condizione di Lipschitz che normalmente poniamo su f per
lesistenza e lunicit` a della soluzione del problema di Cauchy. Infatti
assumiamo che f soddis
[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
(x
0
, . . . , x
k
, u
0
, . . . , u
k
; h) =
k
j=0
j
f(x
j
, u
j
)
si ha
[(x
0
, . . . , x
k
, u
0
, . . . , u
k
; h) (x
0
, . . . , x
k
, v
0
, . . . , v
k
; h)[ =
=
j=0
j
f(x
j
, u
j
)
k
j=0
j
f(x
j
, v
j
)
j=0
[
j
[L[u
j
v
j
[
_
_
L
k
j=0
[
j
[
_
_
max
0jk
[u
j
v
j
[.
Unanaloga deduzione vale per i metodi Runge-Kutta. Un aspetto im-
portante dellerrore globale di troncamento è la rapidit` a con la quale
tende a zero per h 0. Una prima misura di questa rapidit` a è la se-
guente condizione sullerrore locale di troncamento (h). Richiamiamo
che la notazione
(h) = O(h
p
)
signica
lim
h0
(h)
h
p
= l
con l numero nito.
Denizione 8.3.5 Il metodo (8.7) ha ordine almeno p se per ogni pro-
blema di Cauchy con soluzione y(t) C
(p)
([a, b]) risulta
(h) = O(h
p
).
Il metodo ha esattamente ordine p se in aggiunta (h) ,= O(h
p+1
)
per qualche equazione dierenziale per la quale la soluzione y(t)
C
(p+1)
([a, b]).
Per quanto lordine di precisione di un metodo sia denito in termini
di errore locale di troncamento, esso pu` o essere legato allerrore globale
di troncamento. Infatti dal teorema di convergenza, abbiamo visto che
e
n
= [y(a + nh) y
n
(h)[ c
1
r(h) + c
2
(h), n k
r(h) = max
0ik1
[y(a + ih) y
i
(h)[.
Pertanto se r(h) = O(h
p
) e (h) = O(h
p
), risulta
e
n
= O(h
p
).
Condizioni di ordine per i metodi multistep
Consideriamo il metodo k-step
k
j=0
j
y
n+j
h
k
j=0
j
f(t
n
+ jh, y
n+j
) = 0,
k
= 1.
Dalla denizione di errore locale di troncamento abbiamo
(t
n
; h) =
1
h
_
_
k
j=0
j
y(t
n
+ jh) h
k
j=0
j
f(t
n
+ jh, y(t
n
+ jh))
_
_
dove y(t) denota la soluzione teorica del problema di Cauchy. Assu-
miamo che y(t) C
(p+1)
([a, b]). Possiamo allora scrivere
(t
n
; h) =
1
h
_
_
k
j=0
j
y(t
n
+ jh) h
k
j=0
j
y
(t
n
+ jh)
_
_
=
=
1
h
_
_
k
j=0
j
_
p
s=0
y
(s)
(t
n
)
(jh)
s
s!
+ y
(p+1)
(t
n
+ h)
(jh)
p+1
(p + 1)!
_
+
h
k
j=0
j
_
_
p1
s=0
(y
)
(s)
(t
n
)
(jh)
s
s!
+ y
(p+1)
(t
n
+ h)
(jh)
p
p!
_
_
_
_
con , ]0, j[.
(t
n
; h) =
1
h
p
s=0
_
_
k
j=0
j
j
s
s!
_
_
y
(s)
(t
n
)h
s
+ y
(p+1)
(t
n
+ h)
1
(p + 1)!
h
p
_
_
k
j=0
j
j
p+1
_
_
+
p1
s=0
_
_
k
j=0
j
j
s
s!
_
_
y
(s+1)
(t
n
)h
s
y
(p+1)
(t
n
+ h)
1
p!
h
p
_
_
k
j=0
j
j
p
_
_
=
=
1
h
_
_
k
j=0
j
y(t
n
)
_
_
+
p
s=1
_
_
k
j=0
j
j
s
s!
_
_
y
(s)
(t
n
)h
s1
+
p1
s=0
_
_
k
j=0
j
j
s
s!
_
_
y
(s+1)
(t
n
)h
s
+
+h
p
_
_
_
_
k
j=0
j
j
p+1
(p + 1)!
_
_
y
(p+1)
(t
n
+ h)
1
p!
_
_
k
j=0
j
j
p
_
_
y
(p+1)
(t
n
+ h)
_
_
=
=
1
h
_
_
k
j=0
j
y(t
n
)
_
_
+
p1
s=0
_
_
k
j=0
j
j
s+1
(s + 1)!
_
_
y
(s+1)
(t
n
)h
s
+
p1
s=0
_
_
k
j=0
j
j
s
s!
_
_
y
(s+1)
(t
n
)h
s
+ O(h
p
)
dove con O(h
p
) abbiamo indicato
h
p
_
_
_
_
k
j=0
j
j
p+1
(p + 1)!
_
_
y
(p+1)
(t
n
+ h)
1
p!
_
_
k
j=0
j
j
p
_
_
y
(p+1)
(t
n
+ h)
_
_
.
In denitiva abbiamo trovato
(t
n
; h) =
1
h
_
_
k
j=0
j
_
_
y(t
n
) +
p1
s=0
_
_
k
j=0
j
j
s+1
(s + 1)!

k
j=0
j
j
s
s!
_
_
y
(s+1)
(t
n
)h
s
+ O(h
p
)
pertanto anchè il metodo abbia ordine p deve essere
k
j=0
j
= 0 (8.21)
k
j=0
j
j
s+1
(s + 1)!

k
j=0
j
j
s
s!
= 0 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:
(t
n
; h) = h
p
_
_
k
j=0
j
j
p+1
(p + 1)!
_
_
y
(p+1)
(t
n
+ h)+
_
_
k
j=0
j
j
p
p!
_
_
y
(p+1)
(t
n
+ h) =
= h
p
(t
n
) + O(h
p+1
);
(8.23)
(t
n
) = l
p+1
y
(p+1)
(t
n
)h
p
+ O(h
p+1
),
l
p+1
=
k
j=0
_
j
j
p+1
(p + 1)!

j
j
p
p!
_
se y(t) C
(p+2)
([a, b]). Questultima uguaglianza segue sviluppando le
due derivate p + 1-esime attorno a t
n
. La quantit` a l
p+1
y
(p+1)
(t
n
)h
p
si
chiama parte principale dellerrore locale di troncamento.
Esercizio 8.3.1 Derivare un metodo del secondo ordine dallo schema
0
y
n
+
1
y
n+1
+ y
n+2
= h(
0
f
n
+
1
f
n+1
+
2
f
n+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 perci` o si pu` o conget-
turare che il massimo ordine raggiungibile sia 2k+1. Comunque questo
risultato ha poca importanza in quanto vale il seguente teorema.
Teorema 8.3.3 (1
a
barriera di Dahlquist). Ogni metodo lineare k-
step 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
`
E importante realizzare che la convergenza di un metodo non è, da sola,
garanzia di una soddisfacente procedura numerica. Consideriamo per
esempio il metodo
y
n+2
= y
n
+ 2hf
n+1
.
`
E facile vericare che tale metodo è consistente e zero stabile e perci` o
convergente. Applichiamo ora tale metodo al problema test
y
= y y(0) = 1,
la cui soluzione teorica è y(t) = e
t
. Abbiamo
y
n+2
+ 2hy
n+1
y
n
= 0 y
0
= 1, y
1
= noto.
La soluzione di questa equazione è
y
n
=
_
1
2
+
y
1
+ h
2
1 + h
2
_
k
1
+ c
2
_
1
2

y
1
+ h
2
1 h
2
_
k
2
con
1
= h +
1 + h
2
e
2
= h
1 + h
2
. Notiamo che per h > 0
2
> 1 cosicchè eccetto che per la scelta di y
1
che rende c
2
= 0 si ha
[y
n
[ + e perci` o in generale la soluzione numerica si discosta da
quella esatta di un valore arbitrariamente grande per t sucientemente
grande. Anche perchè
1
1 per h 0 il suddetto comportamento
pu` o essere inibito se
2
tende ad un limite strettamente minore di 1.
Ci` o porta a denire la classe di metodi caratterizzata dalla seguente
propriet` a di stabilit` a.
Denizione 8.3.6 (Strong root condition). Un metodo è fortemente
stabile se le radici del polinomio
() =
k
j=0
j
soddisfano la condizione
[
i
[ 1, i = 1, . . . , k
con n 1 radici strettamente minori di 1. Si noti che poichè un me-
todo 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 pu` o esibire un comportamento
instabile specialmente per problemi con soluzione decrescente. Le radici
i
del polinomio () relative ad un metodo consistente sono usual-
mente 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).
Stabilità per h ssato (Assoluta stabilità)
Un metodo numerico fornisce risultati numerici accettabili quando il
passo di integrazione h dipende soltanto dallaccuratezza richiesta e la
sola propriet` a di convergenza di un metodo (consistenza + 0-stabilit` a),
pu` o non garantire ci` o. Non è per esempio dicile costruire un metodo
del quarto ordine per il quale si abbia un comportamento di questo
tipo:
y(t
n
) y
n
(0.1) + (h = 0.1)
e
y(t
n
) y
n
(0.01) 0 (h = 0.01)
il che indica che pur essendo lerrore locale accettabile (t; 0.1) =
O(10
4
) nel primo caso si ha un comportamento instabile mentre nel
secondo caso le cose vanno come prevede la teoria. Cioè in situazioni
come questa occorrerebbe, per poter applicare il metodo in tutta tran-
quillit` a, stimare la massima lunghezza del passo per cui si ha un com-
portamento instabile. A peggiorare le cose esistono anche metodi che
nonostante siano convergenti (e dunque stabili quando h tende a 0),
mostrano instabilit` a qualunque sia il passo h ssato. Consideriamo di
nuovo il metodo
y
n+2
= y
n
+ 2hf
n+1
y
0
= 1, y
1
= e
h
applicato allequazione
y
= y y(0) = 1
Abbiamo
y
n+2
= y
n
+ 2hy
n+1
. (8.24)
Detto () il polinomio caratteristico di (8.24) è
(; h) = () h()
le cui radici sono
r
1
(h) = h +
_
1 + (h)
2
e
r
2
(h) = h
_
1 (h)
2
perci` o
y
n
(h) = c
1
(h)r
n
1
(h) + c
2
(h)r
n
2
(h)
dove
c
1
(h) =
1
2
+
e
h
h
2
_
1 (h)
2
c
2
(h) =
1
2

e
h
h
2
_
1 (h)
2
anche
c
1
(h) = 1 + O((h)
3
) c
2
(h) = O((h)
3
).
Per il metodo in esame lerrore locale di troncamento è
(t, h) =
1
h
y(t + 2h) y(t) 2hf(t + h, y(t + h)) = O(h)
da cui
e
(t+2h)
e
t
2he
(t+h)
= O(h
2
)
e
2h
1 2he
h
= O(h
2
)
(e
h
; h) = (e
h
) h(e
h
) = O(h
2
)
(e
h
r
1
(h))(e
h
r
2
(h)) = O(h
2
).
Poichè r
2
(h) tende a 1 quando h tende a 0
e
h
r
1
(h) = O(h
2
) r
1
(h) = e
h
+ O(h
2
).
Quindi
y
n
(h) = (1 + O((h)
3
)(e
h
+ O(h
2
)) + O((h
3
))r
t/h
2
(h).
Per h che tende a 0 e t sso
lim
n
y
n
(h) = e
t
e perci` o il metodo è convergente. Per < 0 [r
2
(h)[ > 1 e quindi per
h piccolo quanto si vuole il secondo addendo aumenta con laumentare
di t e pu` o dominare laltro termine che è quello che per h 0 tende
alla soluzione teorica. Se > 0 il secondo addendo tende a 0, per` o in
questo caso il problema è instabile e la perturbazione sul primo termine
data da O(h
2
) + O((h)
3
)e
h
pu` o crescere esponenzialmente.
8.4. Assoluta stabilità
Dagli esempi precedenti appare evidente la necessit` a di una nuova
denizione di stabilit` a nella quale si pensi ssato il passo di integra-
zione h e si richieda che lerrore globale si propaghi in modo stabile
quando n . Per rendere tale denizione uno strumento utile per
lanalisi di stabilit` a è necessario assumere come riferimento il compor-
tamento di metodi rispetto ad un particolare e ssato problema. A tale
scopo si assume come problema test il seguente
y
= y C. (8.25)
8.4. ASSOLUTA STABILIT
`
A 305
Quanto segue d` a una giusticazione alla scelta di tale problema. Esami-
niamo in primo luogo la reazione locale del problema di Cauchy allin-
troduzione di perturbazioni sul dato iniziale. A tal scopo supponiamo
di trovarci nel generico punto t
e di voler risolvere il problema

_
_
y
= f(t, y)
y(t
) = y
t t
. (8.26)
Introduciamo una perturbazione
nel dato y
ed esaminiamo il pro-
blema
_
_
z
= f(t, z)
z(t
) = y
.
(8.27)
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)) nel-
lintorno della soluzione y(t).
f(t, y(t) + (t)) f(t, y(t)) =
f
y
(t, y(t)) + O(||
2
).
Nel caso di sistema di equazioni dierenziali del primo ordine la derivata
parziale di f rispetto a y indica la matrice jacobiana del sistema valu-
tata in (t, y(t)) e per t sucientemente vicino a t
possiamo supporre
f
y
(t, y(t))
f
y
(t
, y(t
)) = A.
Allora il modello linearizzato descrivente la propagazione degli errori
nei punti immediatamente successivi a t
ha la forma
_
(t) = A(t)
(t
) =
t t
.
Assunto che gli n autovalori
i
di A (in generale complessi) siano di-
stinti, possiamo porre A = TT
1
dove T = [u
1
[u
2
[ . . . [u
n
] è la matrice
degli autovettori di A e = diag(
1
, . . . ,
n
). Perci` o
_
(t) = TT
1
(t)
(t
) =
(T
1
(t)) = (T
1
(t))
(t
) =
(8.28)
T
1
(t) = e
(tt)

(t) = Te
(tt)
w
= T
1
(t) =
n
j=1
e
j
(tt)
u
j
w
j
t t
e quindi
z(t) = y(t) +
n
j=1
e
j
(tt)
u
j
w
j
.
In denitiva le autosoluzioni
e
j
(tt)
u
j
caratterizzano la risposta locale del sistema alle perturbazioni sul dato
iniziale y
. Si noti che il sistema (8.28) rappresenta n equazioni dis-

accoppiate del tipo w
= 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
_
_
y
= y
y(0) = 1
C, 0 t +
Sia dunque
k
j=0
j
y
n+j
h
k
j=0
j
f(t
n+j
, y
n+j
) = 0
`
A 307
il metodo multistep in esame che assumiamo consistente e zero stabile.
Applicato al problema test fornisce
k
j=0
j
y
n+j
h
k
j=0
j
y
n+j
= 0, y
0
, . . . , y
k1
noti (8.29)
perturbiamo ora i dati iniziali di una quantit` a
i
, i = 0, . . . , k 1.
Avremo
k
j=0
j
y
n+j
h
k
j=0
j
y
n+j
= 0, (8.30)
con y
0
= y
0
+
0
, . . . , y
k1
= y
k1
+
k1
, e, posto
n+j
= y
n+j
y
n+j
,
lequazione delle perturbazioni è
k
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
stabilit` a di (8.31) dove
(r) =
k
j=0
j
r
j
(r) =
k
j=0
j
r
j
.
Ordiniamo quindi le radici r
i
( h), i = 1, . . . , n, di (r; h) in modo che
r
i
( h)
h0
r
i
, i = 1, 2, . . . , k
dove r
i
è la i-esima radice di (r), ordinate come abbiamo visto in prece-
denza. Una volta note le radici r
i
( h) che per semplicare la descrizione
supponiamo distinte, la soluzione generale della (8.31) è
n
=
k
i=1
c
i
r
n
i
( h)
dove le c
i
sono univocamente determinate da
0
, . . . ,
k1
. Delle k
soluzioni fondamentali solo quella relativa alla radice principale d` a
lapprossimazione alla soluzione del problema continuo y(t) = e
t
men-
tre le altre rappresentano soluzioni parassite sorte perchè il modello
discreto è di ordine k > 1. Dimostriamo infatti che
r
1
( h) = e
h
+ O(h
p+1
)
dove p è lordine del metodo, e perci` o
r
n
1
( h) e
tn
= (t
n
).
A tal ne consideriamo lerrore locale di troncamento nel generico punto
t
(t; h) =
1
h
_
_
k
j=0
j
e
(t+jh)
h
k
j=0
j
e
(t+jh)
_
_
da cui
e
t
_
_
k
j=0
(
j
h
j
)(e
h
)
j
_
_
= O(h
p+1
)
ovvero
(e
h
) h(e
h
) = O(h
p+1
)
anche
(
k
h
k
)
k
i=1
(e
h
r
i
( h) = O(h
p+1
).
Avendo assunto il metodo consistente e zero stabile
r
1
( h) r
1
= +1 per h 0
r
i
( h) r
i
,= +1, per h 0
perci` o
r
1
( h) = e
h
+ O(h
p+1
).
Osserviamo anche che
r
1
( h) = 1 + h + O(h
2
) = r
1
+ h + O( h
2
).
Poichè le radici r
i
, i = 1, . . . , q, sono semplici (zero stabilit` a) le cor-
rispondenti r
i
( h) continueranno ad essere semplici per [h[ suciente-
mente piccolo (le radici sono infatti funzioni continue dei coecienti)
anzi si potrebbe provare che sono funzioni analitiche di h. Possiamo
allora sviluppare r
i
( h), per i = 1, . . . , q, in serie di Taylor intorno a
h = 0. Abbiamo
r
i
( h) = r
i
(0) + hr
i
(0) + O(h
2
) i = 1, . . . , q (8.32)
`
A 309
e poichè
(r
i
( h)) h(r
i
( h)) = 0
derivando rispetto a h segue:
(r
i
( h))r
i
( h) (r
i
( h)) h(r
i
( h))r
i
( h) = 0
cioè
r
i
( h) =
(r
i
( h))
(r
i
( h)) h(r
i
( h))
poichè il metodo è zero stabile r
i
(0) = r
i
, i = 1, . . . , q, e quindi
r
i
(0) =
(r
i
)
(r
i
)
la (8.32) pu` o quindi scriversi
r
i
( h) = r
i
+ h
(r
i
)
(r
i
)
+ O(h
2
) =
= r
i
(1 + h) + O(h
2
),
i
= (r
i
)/(r
i
(r
i
)).
Da questultima
r
n
i
( h) r
n
i
e
i
hn
= r
n
i
e
i
tn
i = 1, . . . , q
dove
1
=
(1)
(1)
= 1
per la consistenza. In denitiva
n
=
k
i=1
c
i
r
n
i
( h) =
= c
1
e
tn
+
q
i=2
c
i
e
i
tn
r
n
i
+
k
i=q+1
c
i
r
n
i
( h),
(8.33)
cioè
y
n
= y
n
+ c
1
e
tn
+
q
i=2
c
i
e
i
tn
+
k
i=q+1
c
i
r
n
i
( h). (8.34)
Come si vede il termine che simula la perturbazione nel caso continuo
è quello dovuto alla radice r
1
(h) e pertanto se si vuole che la pertur-
bazione nel caso discreto simuli quella del caso continuo bisogna ab-
battere il contributo dovuto alle altre radici. Ci` o si ottiene imponendo
che [r
i
( h)[ < 1, i = 2, . . . , n. Inoltre se si vuole che la perturbazione
tenda a zero quando n tende a +allora deve essere anche [r
1
(h)[ < 1.
Possiamo allora dare la seguente denizione.
Denizione 8.4.1 Un metodo multistep è detto assolutamente stabile
in una regione H
A
C se per ogni h H
A
si ha
[r
i
( h)[ < 1 i = 1, 2, . . . , k.
La regione
H
A
= h C[ [r
i
( h)[ < 1
si chiama regione di assoluta stabilit` a.
Osservazione 1. Ricordando che r
1
( h) = 1+ h+O( h
2
) è facile osservare
che per 'e( h) sucientemente piccola ma positivo risulta [r
1
( h)[ > 1
cosicchè un qualunque metodo k-step lineare consistente e zero stabile
risulta assolutamente instabile per tutte le h con 'e( h) > 0 suciente-
mente piccola. Ci` o signica che integrando numericamente lequazione
test y
= y, 'e > 0, per h sucientemente piccolo gli errori vengono

amplicati con il procedere del metodo. Tuttavia questa circostanza
non è del tutto negativa. Infatti la soluzione teorica del problema
è y(t) = e
t
e se il termine r
1
( h) domina le restanti radici allora la
propagazione degli errori è analoga a quella della soluzione teorica e
perci` o la propagazione relativa degli errori è limitata. Possiamo allora
dare la seguente denizione.
Denizione 8.4.2 Un metodo multistep lineare zero stabile è detto rel-
ativamente stabile in una regione H
R
C se per ogni h H
R
si ha
[r
i
( h)[ < [r
1
( h)[ i = 2, . . . , k.
La regione
H
R
= h C[ [r
i
( h)[ < [r
1
( h)[ i = 2, . . . , k
si chiama regione di relativa stabilit` a.
`
A 311
Osservazione 2. Ricordiamo che il nellequazione test rappresenta
il generico autovalore della matrice jacobiana del sistema calcolato in
un punto t
, pertanto = (t
) pu` o avere 'e() < 0 in qualche punto

e 'e() > 0 in qualche altro; in questultimo caso sappiamo che per h
sucientemente piccolo il metodo risulta assolutamente instabile, tut-
tavia per quanto precedentemente detto ci` o 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 stabilit` a di un metodo k-step lineare.
Denizione 8.4.3 Assegnato il polinomio
(r) =
k
i=0
c
i
r
i
con c
0
,= 0 e c
k
,= 0, questo si dice polinomio di Schur se le sue radici
r
i
, i = 1, . . . , k, soddisfano
[r
i
[ < 1 i = 1, 2, . . . , k.
Ci` o premesso sia
(r) =
k
i=0
c
i
r
i
un qualunque polinomio con c
0
,= e c
k
,= 0 e a partire da questo consi-
deriamo il polinomio
(r) =
k
i=0
c
ki
r
i
dove c
j
è il complesso coniugato di c
j
, per ogni j, e successivamente il
polinomio
1
(r) =
1
r
det
_

(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
[
(0)[ > [(0)[

e
1
(r) è un polinomio di Schur. 2
8.5. Metodi Runge-Kutta
Un metodo Runge-Kutta ha, come abbiamo visto, la seguente struttura:
y
n+1
= y
n
+ h
s
i=1
b
i
f(t
n
+ hc
i
, Y
ni
)
Y
n1
= y
n
Y
ni
= y
n
+ h
i1
j=1
a
ij
f(t
n
+ hc
j
, Y
nj
) i = 2, . . . , s
se esplicito, oppure
y
n+1
= y
n
+ h
s
i=1
b
i
f(t
n
+ hc
i
, Y
ni
)
Y
ni
= y
n
+ h
s
j=1
a
ij
f(t
n
+ hc
j
, Y
nj
) i = 1, . . . , s
se implicito. Normalmente questi metodi vengono cos` rappresentati:
c
1
a
11
a
12
. . . a
1s
c
2
a
21
a
22
. . . a
2s
.
.
.
.
.
.
.
.
.
.
.
.
c
s
a
s1
a
s2
. . . a
ss
s b
1
b
2
. . . b
s
o, in forma pi` u compatta
c A
s b
T
con A strettamente triangolare inferiore per i metodi espliciti e, in ge-
nerale, piena per i metodi impliciti. Tali metodi sono sicuramente zero
stabili in quanto (r) = r1 e perci` o lunica radice del primo polinomio
di stabilit` a è r
1
= +1. Inoltre, essendo
(t, y(t)) = f(t, y(t))
s
i=1
b
i
ed avendosi
(1) = 0,
(1) = 1
8.5. METODI RUNGE-KUTTA 313
se
s
i=1
b
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(h
p
).
A titolo di esempio consideriamo lo schema
y
n+1
= y
n
+ hb
1
f(t
n
, y
n
) + hb
2
f(t
n
+ hc
2
, Y
n2
)
Y
n2
= y
n
+ ha
21
f(t
n
, y
n
)
ovvero
y
n+1
= y
n
+ hb
1
f(t
n
, y
n
) + hb
2
f(t
n
+ hc
2
, y
n
+ ha
21
f(t
n
, y
n
))
e imponiamo le condizioni per avere ordine 2. Deve essere
(t; h) =
1
h
[y(t + h) y(t) hb
1
f(t, y(t))+
+hb
2
f(t + hc
2
, y(t) + ha
21
f(t, y(t)))] = O(h
2
).
Assunta y(t) di classe C
(3)
([a, b]) e sviluppando in serie di Taylor ab-
biamo
(t; h) =
1
h
y
(t)h + y
(t)
h
2
2
+ O(h
3
) hb
1
f(t, y(t))+
hb
2
[f(t, y(t)) +
f
t
(t, y(t))hc
2
+
f
y
(t, y(t))ha
21
f(t, y(t)) + O(h
2
)] =
=
1
h
f(t, y(t))h +
f
t
(t, y(t))
h
2
2
+
f
y
(t, y(t))f(t, y(t))
h
2
2
+ O(h
3
)+
hb
1
f(t, y(t)) hb
2
f(t, y(t))
f
t
(t, y(t))b
2
c
2
h
2
+
f
y
(t, y(t))f(t, y(t))h
2
b
2
a
21
+ O(h
3
).
Perci` o deve risultare
b
1
+ b
2
= 1 b
2
c
2
= 1/2 b
2
a
21
= 1/2.
Lesempio precedente fa intuire la dicolt` a di manipolazione per ot-
tenere metodi di ordine elevato. Esiste per` o una tecnica pi` u ranata
che utilizza strumenti di teoria dei gra e che permette unelegante
derivazione delle condizioni di ordine. Rinunciando allesposizione di
tale teoria, riportiamo di seguito le condizioni da soddisfare per ot-
tenere metodi no allordine 4.
1
s
i=1
b
i
= 1
2
s
i=1
b
i
c
i
=
1
2
3
s
i=1
b
i
c
2
i
=
1
3
3
s
i,j=1
b
i
a
ij
c
i
=
1
6
4
s
i,j=1
b
i
c
3
i
=
1
4
4
s
i,j=1
b
i
c
i
a
ij
c
j
=
1
8
4
s
i,j=1
b
i
a
ij
c
2
j
=
1
12
4
s
i,j,k=1
b
i
a
ij
a
jk
c
k
=
1
24
.
Per lordine massimo è possibile dedurre, dalla suddetta teoria, i se-
guenti risultati. Denotato con p = p
(s) lordine massimo raggiungibile

con un metodo Runge-Kutta esplicito si ha:
p
(s) = s 1 s 4
p
(5) = 4
p
(s) = s 1 5 s 7
p
(s) = s 2 8 s 9
p
(s) s 2 s 10.
Per un metodo Runge-Kutta implicito p
(s) = 2s.
Assoluta stabilità dei metodi Runge-Kutta
Applicando il metodo Runge-Kutta allequazione test y
= y, C,
si ha:
y
n+1
= y
n
+ h
s
i=1
b
i
Y
ni
, h = h
Y
ni
= y
n
+ h
s
j=1
a
ij
Y
nj
introdotti i vettori e = (1, 1, . . . , 1)
T
e Y
n
= (Y
n1
, Y
n2
, . . . , Y
ns
)
T
, queste
si riscrivono
y
n+1
= y
n
+ hb
T
Y
n
Y
n
= y
n
e + hAY
n
ovvero
y
n+1
= (1 + hb
T
(I hA)
1
e)y
n
anche
y
n+1
= R( h)y
n
dove R( h) = 1 + hb
T
(I hA)
1
e. Il metodo Runge-Kutta si dir` a as-
solutamente stabile nella regione 1
A
C se per ogni h 1
A
risulta
[R( h)[ < 1. Linsieme
1
A
= 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 0 . . . . . . 0
a
21
0 . . . . . . 0
a
31
a
32
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
s1
a
s2
. . . a
s,s1
0
_
_
_
_
_
_
_
_
_
.
Dal teorema di Cayley-Hamilton è facile allora dedurre che A
s
= 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
A
2
+ . . . + z
s1
A
s1
) = I z
s
A
s
= I
ne consegue
(I zA)
1
=
s1
i=0
(zA)
i
.
La funzione R(z) pu` o allora scriversi
R(z) = 1 + zb
T
s1
i=0
z
i
A
i
e =
= 1 +
s
i=1
(b
T
A
i1
e)z
i
.
cioè R(z) è un polinomio di grado al pi` u s in z. Notiamo quindi che
per [z[ +, [R(z)[ +, perci` o la regione di assoluta stabilit` a di
un metodo Runge-Kutta esplicito è necessariamente nita. Per quanto
concerne la funzione R(z) dei metodi impliciti, ricordando che per ogni
x, y R
s
,
det(I +xy
T
) = 1 +y
T
x
possiamo scrivere
R(z) = det(I + z(I zA)
1
eb
T
) =
= det
_
(I zA)
1
(I zA + zeb
T
)
_
=
=
det(I + z(eb
T
A))
det(I zA)
.
Pertanto R(z) è una funzione razionale di z. Notiamo che per [z[
+, [R(z)[ pu` o tendere ad un limite nito e che pertanto i metodi
Runge-Kutta impliciti possono avere regioni di assoluta stabilit` a che
contengono tutto il semipiano a parte reale negativa del piano comp-
lesso.
Sulla implementazione dei metodi Runge-Kutta
I metodi Runge-Kutta espliciti non presentano alcun problema di im-
plementazione, nel senso che i valori Y
ni
, 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
y
n+1
= y
n
+ h
s
i=1
b
i
f(t
n
+ hc
i
, Y
ni
),
Y
ni
= y
n
+ h
s
j=1
a
ij
f(t
n
+ hc
j
, Y
nj
) i = 1, . . . , s. (8.35)
Un metodo per risolvere (8.35) è quello di utilizzare procedimenti iter-
ativi del tipo
Y
(k+1)
ni
= y
n
+ h
s
j=1
a
ij
f(t
n
+ hc
j
, Y
(k)
nj
) i = 1, . . . , s, k = 0, 1, 2, . . .
(8.36)
nella versione Jacobi, oppure del tipo
Y
(k+1)
ni
= y
n
+ h
i1
j=1
a
ij
f(t
n
+ hc
j
, Y
(k+1)
nj
) + h
s
j=i+1
a
ij
f(t
n
+ hc
j
, Y
(k)
nj
)
(8.37)
con i = 1, . . . , s e k = 0, 1, 2, . . ., nella versione Gauss-Seidel. Non è
dicile 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 sucientemente piccolo. Infatti posto
Y
(k)
n
=
_
_
_
_
_
_
_
Y
(k)
n1
Y
(k)
n2
.
.
.
Y
(k)
ns
_
_
_
_
_
_
_
F(t
n
, Y
n
) =
_
_
_
_
_
_
f(t
n
+ hc
1
, Y
n1
)
f(t
n
+ hc
2
, Y
n2
)
.
.
.
f(t
n
+ hc
s
, Y
ns
)
_
_
_
_
_
_
e =
_
_
_
_
_
_
1
1
.
.
.
1
_
_
_
_
_
_
G =
_
_
_
_
_
_
_
_
_
0 0 . . . . . . 0
a
21
0 . . . . . . 0
a
31
a
32
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
s1
a
s2
. . . a
s,s1
0
_
_
_
_
_
_
_
_
_
H =
_
_
_
_
_
_
_
_
_
0 a
12
a
13
. . . a
1s
0 0 a
23
. . . a
2s
0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. a
s1,s
0 0 . . . 0 0
_
_
_
_
_
_
_
_
_
.
(8.36) e (8.37) si riscrivono rispettivamente
Y
(k+1)
n
= y
n
e + hAF(t
n
, Y
(k)
n
) (8.38)
Y
(k+1)
n
= y
n
e + hGF(t
n
, Y
(k+1)
n
) + hHF(t
n
, Y
(k)
n
). (8.39)
Detta Y

n
la soluzione di (8.38), si ha
|Y

n
Y
(k+1)
n
|
= |hAF(t
n
, Y

n
) hAF(t
n
, Y
(k)
n
)|

h|A|
|F(t
n
, Y

n
) F(t
n
, Y
(k)
n
)|
=
= h|A|
max
1is
[f(t
n
+ hc
i
, Y

ni
) f(t
n
+ hc
i
, Y
(k)
ni
)[
hL|A|
|Y

n
Y
(k)
n
|
.
Pertanto se hL|A|
q < 1
|Y

n
Y
(k)
n
|
q
k
|Y

n
Y
(0)
n
|
e il metodo converge qualunque sia il punto iniziale. Per le versione

Gauss-Seidel abbiamo
Y

n
Y
(k+1)
n
= hG
_
F(t
n
, Y
(k+1)
n
) F(t
n
, Y

n
)
_
+hH
_
F(t
n
, Y
(k)
n
) F(t
n
, Y

n
)
_
posto
e
(k)
n
= Y
(k)
n
Y

n
segue
e
(k+1)
n,i
= h
i1
j=1
a
ij
[f(t
n
+ hc
j
, Y
(k+1)
nj
) f(t
n
+ hc
j
, Y

nj
)]+
+h
n
j=i+1
a
ij
[f(t
n
+ hc
j
, Y
(k)
nj
) f(t
n
+ hc
i
, Y

nj
)]
[e
(k+1)
n,i
[ hL
i1
j=1
[a
ij
[[e
(k)
n,j
[ + h
n
j=i+1
[a
ij
[[e
(k)
n,j
[.
Sia r lindice tale che
[e
(k+1)
n,r
[ = |e
(k+1)
n
|
.
Allora
[e
(k+1)
n,r
[ hL
r1
j=1
[a
rj
[[e
(k)
n,j
[ + h
n
j=r+1
[a
rj
[[e
(k)
n,j
[.
|e
(k+1)
n
|
hL|e
(k+1)
n
|
+ hL|e
(k)
n
|
dove
=
r1
j=1
[a
rj
[ =
s
j=r+1
[a
rj
[
Allora
|e
(k+1)
n
|

hL
1 hL
|e
(k)
n
|
.
Assumiamo ora che
hLmax
1is
s
j=1,j=i
[a
ij
[ q < 1
allora sicuramente
hL( + ) q < 1
hL
1 hL
=
hL + hL hL
1 hL
=
=
hL( + ) hL
1 hL

q hL
1 hL
=
=
q hL + hLq hLq
1 hL
=
=
q(1 hL) + hL(q 1)
1 hL
=
= q
hL(1 q)
1 hL
q < 1.
Pertanto
|Y

n
Y
(k)
n
|
q
k
|Y

n
Y
(0)
n
|
e dunque il metodo converge per ogni Y

(0)
n
.
Stima dellerrore di troncamento
Sia
y
n+1
= y
n
+ h(t
n
, y
n
; h)
un metodo one-step di ordine p 1. Come è noto lerrore locale di
troncamento in t
n
è dato da
(t
n
; h) =
1
h
[y(t
n
+ h) y(t
n
) h(t
n
, y
n
; h)]
dove y(t) è la soluzione teorica del problema di Cauchy. Anche, se
y(t) C
(p+1)
([a, b])
(t
n
; h) = (t
n
)h
p
+ O(h
p+1
).
Indichiamo ora con y
n+1
(h) lapprossimazione in t
n+1
fornita dal metodo
(8.6) a partire da t
n
con passo di integrazione h, mentre denotiamo
con y
n+1
(h/2) lapprossimazione in t
n+1
a partire da t
n
con passo di
integrazione h/2. Allora
y
n+1
(h/2) = y
n
+
h
2
(t
n
, y
n
; h/2)
y
n+1
(h/2) = y
n+1
(h/2) +
h
2
(t
n
+ h/2, y
n
(h/2); h/2).
In ipotesi locale
y
n
= y(t
n
) y
n+1
(h/2) = y(t
n
+ h/2)
e
(t
n
+ h/2; h/2) =
2
h
[y(t
n
+ h/2) y(t
n
) h/2(t
n
, y(t
n
); h/2)]
(t
n
; h/2) =
2
h
[y(t
n
+ h) y(t
n
+ h/2) h/2(t
n
+ h/2, y(t
n
+ h/2); h/2)]
Ora
1
h
[y
n+1
(h) y
n+1
(h/2)] =
=
1
h
[y(t
n
) + h(t
n
, y(t
n
); h) y(t
n
) h/2(t
n
, y(t
n
); h/2)+
h/2(t
n
+ h/2, y(t
n
+ h/2); h/2)] =
= (t
n
, y(t
n
); h)
1
2
(t
n
, y(t
n
); h/2)
1
2
(t
n
+h/2, y(t
n
+h/2); h/2) =
=
1
h
[y(t
n
+ h) y(t
n
)] (t
n
; h)+
1
h
[y(t
n
+ h/2) y(t
n
)] +
1
2
(t
n
+ h/2; h/2)+
+
1
h
[y(t
n
+ h) y(t
n
+ h/2)] +
1
2
(t
n
; h/2) =
= (t
n
)h
p
+ O(h
p+1
) +
1
2
_
(t
n
+ h/2)
_
h
2
_
p
+ O(h
p+1
)
_
+
+
1
2
_
(t
n
)
_
h
2
_
p
+ O(h
p+1
)
_
=
= (t
n
)h
p
+
1
2
_
(t
n
)
_
h
2
_
p
+
(t
n
)
h
p+1
2
p+1
+ O(h
p+1
)
_
+
+
1
2
[(t
n
)
_
h
2
_
p
+ O(h
p+1
)] =
= (t
n
)h
p
_
1
2
p
1
_
+ O(h
p+1
).
In denitiva la parte principale dellerrore locale di troncamento pu` o
essere cos` stimata
(t
n
)h
p
2
p
2
p
1
1
h
[y
n+1
(h) y
n+1
(h/2)].

Equazioni Differenziali

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

Uploaded by

Copyright:

Available Formats

Capitolo 8

Metodi Numerici per

= f(t, y(t)) a t b, y(a) = y

(1)f(t, y(t)) t [a, b] (8.16)

(1) + G(t, h)+

(1)f(t, y(t)) = (t, . . . , t, y(t), y(t), . . . , y(t); 0). 2

r(h) + h(n + 1)c max

e di voler risolvere il problema

= f(t, y(t) + (t)) f(t, y(t))

. Si noti che il sistema (8.28) rappresenta n equazioni dis-

= w. Volendo risolvere il problema (8.26) con

= y, 'e > 0, per h sucientemente piccolo gli errori vengono

) pu` o avere 'e() < 0 in qualche punto

(0)[ > [(0)[

(s) lordine massimo raggiungibile

e il metodo converge qualunque sia il punto iniziale. Per le versione

e dunque il metodo converge per ogni Y

You might also like