2.2. Локальная и глобальная ошибка одношагового метода решения задачи Коши. Задача для погрешности метода, устойчивость и сходимость.
(0)
При рассмотрении метода Эйлера было показано, что глобальная погрешность приближенного решения совпадает с локальной погрешностью метода – погрешностью аппроксимации дифференциальной задачи.
При оценке локальной погрешности стандартной процедурой является следующая. Точное решение дифференциальной задачи подставляется в вычислительную схему, при этом учитывается, что его значение в некоторых узлах (узле) сетки уже известно (из начальных условий либо предыдущих вычислений), а значение решения в других узлах (узле) может быть выражено отрезком степенного ряда, используя исходное дифференциальное уравнение для нахождения соответствующих производных функции.
Зная смысл погрешности аппроксимации задачи несложно понять, как взаимосвязана погрешность приближенного решения с погрешностью аппроксимации задачи (локальной ошибкой метода).
Общая схема рассуждений такова.
Мы имеем некоторый одношаговый численный метод, в котором приближенное решение в каждом новом узле сетки вычисляется с использованием некоторой функции F дискретных аргументов и параметра : (1)
Если подстановка точного решения дифференциальной задачи в уравнение (1) приводит к тождеству , (2) или (3)
то говорят, что схема (1) аппроксимирует исходное уравнение (0) с порядном .
Таким образом, происхождение погрешности численного метода можно интерпретировать либо как возмущение исходной дифференциальной задачи, обусловленное появлением в правой части уравнения (2) дополнительного малого слагаемого , либо как отбрасывание такого рода слагаемых при переходе от точного выражения для решения (3) к приближенной схеме (1).
Анализ погрешности численной схемы ведется на основе уравнения для погрешности , которое получается при вычитании (3) из (1):
(4)
Из ограниченности величины в окрестности точного решения следует, что, согласно (4), ошибка приближенного решения на каждом шаге метода может возрастать на величину порядка . Учитывая, что количество шагов сетки на конечном отрезке по t есть величина порядка , то в худшем случае суммирования погрешностей на каждом шаге, максимальная ошибка на всем интервале будет величиной порядка , т.е. иметь тот же порядок, что и погрешность аппроксимации метода.
Заметим, что совпадение локальной и глобальной ошибки одношаговых численных методов следует понимать только в смысле совпадения порядка малости данных величин. В силу этого, если некоторая стандартная программа, реализующая метод Рунге-Кутты, содержит среди входных параметров значение локальной погрешности для оценки требуемых шагов сетки при численном интегрировании задачи, не следует думать, что приближенное решение будет получено именно с такой точностью на произвольном отрезке численного интегрирования. При моделировании длительной динамики решения истинная (глобальная) погрешность приближенного решения может испытывать экспоненциальный рост и существенно отличаться от локальной погрешности. Чтобы убедиться в удовлетворительной точности решения в большинстве случаем достаточно сравнить приближенные решения, полученные на сетках с шагами и .
При оценке погрешности метода Эйлера и методов Рунге-Кутты мы неявно полагали, что сами вычисления производятся точно. На практике, вообще говоря, это не так, поскольку реализация арифметических операций с действительными числами, имеющими компьютерное представление на конечной разрядной сетке, неизбежно ведет к округлению как самих действительных чисел, так результатов арифметических операций с ними. В силу этого, наряду с погрешностью аппроксимации дифференциальной задачи, приближенное решение будет содержать также ошибку, связанную с погрешностями представления и операций с действительными числами. Таким образом, погрешность приближенного решения дифференциальной задачи будет состоять из погрешности дискретизации задачи и вычислительной ошибки. Идентифицировать вычислительную погрешность численной схемы и оценить ее величину, для методов, обладающих сходимостью при , можно следующим образом. Выполнить расчеты на последовательности сеток с шагами . Далее, следует оценить погрешность приближенного решения на каждой сетке, используя точное решение задачи (заметим, что понятие точного решения при оценках вычислительной погрешности весьма условно, поскольку вычисленное "точное" решение также будет содержать некоторую вычислительную погрешность). При уменьшении шага оказывается, что, начиная с некоторой достаточно малой величины , его дальнейшее уменьшение не приводит к уменьшению погрешности решения, или даже напротив – ведет к возрастанию ошибки. Это является следствием того, что ошибка, обусловленная погрешностью метода, при уменьшилась настолько, что стала ниже вычислительной погрешности. С уменьшением шага сетки на конечном интервале численного интегрирования задачи растет число шагов, требуемое для покрытия данного интервала. Как следствие, растет общий объем вычислений с округлениями, дающими вклад в вычислительную погрешность. Накопление вычислительной погрешности, хотя это и не обязательно, может приводить к некоторому росту общей ошибки решения при .
При численном решении задачи Коши обычно предпочтение отдают одношаговым методам, которые обладают устойчивостью вычислений, возможностью легко менять шаг сетки и отсутствием предварительного построения начала таблицы.
- 1.1. Прямые методы решения систем линейных алгебраических уравнений. Метод Гаусса (вычислительная сложность, выбор ведущего элемента).
- 1.2. Понятие об одношаговых и многошаговых методах. Метод Эйлера решения задачи Коши для системы оду первого порядка.
- 2.1. Lu представление матрицы. Обращение матриц и вычисление определителя.
- 2.2. Локальная и глобальная ошибка одношагового метода решения задачи Коши. Задача для погрешности метода, устойчивость и сходимость.
- 3.1. Нормы векторов и матриц. Понятие согласованности и подчиненности матричных норм
- 3.2. Методы Рунге-Кутта. Схема метода четвертого порядка.
- Число обусловленности матрицы системы лау. Оценки вычислительной погрешности при решении систем лау
- Многошаговые методы. Явные и неявные методы. Метод Адамса
- 5.1. Понятие устойчивости численных методов для жестких систем. Метод Гира.
- 5.2. Итерационные методы решения систем лау. Метод простой итерации. Условия сходимости и критерий остановки итераций.
- 6.2. Разностная аппроксимация дифференциальных операторов. Сеточный шаблон. Явные и неявные схемы для нестационарных задач математической физики.
- 7.1. Прямые методы вычисления собственных значений. Преобразования подобия. Метод Данилевского.
- 7.2. Порядок аппроксимации разностной схемы. Оценка порядка аппроксимации разностной схемы с весами для нестационарного уравнения теплопроводности.
- 8.1. Оптимальное значение итерационного параметра. Метод минимальных невязок.
- 8.2. Основные понятия теории разностных схем. Пространство сеточных функций и сеточные нормы.
- 9.1. Итерационные методы решения проблемы собственных значений. Степенной метод.
- 9.2. Спектральный метод исследования устойчивости разностных схем для уравнений с постоянными коэффициентами.
- 10.1. Итерационные методы решения нелинейных уравнений. Метод Ньютона.
- 10.2. Устойчивость и сходимость разностных схем. Оценка погрешности разностного решения.
- 21.1. Спектр собственных значений разностного оператора второй производной.
- 21.2. Разностные аналоги формул Грина и теоремы вложения норм сеточных функций.