Upload
others
View
9
Download
0
Embed Size (px)
Citation preview
Numerik I 251
6 Numerische Integration
Ziel numerischer Integration (Quadratur): Naherungswerte fur∫ b
a
f(t) dt.
Wozu? Eine Apparatur liefere Messwerte xi = xi + εi. Angenommen, dieMessfehler εi sind standardnormalverteilt (wahle Einheiten entsprechend!):Wie groß ist die Wahrscheinlichkeit P , dass ein Messwert den wirklichenWert um weniger als zwei Einheiten uberschatzt?
P =1√2π
∫ 2
0
exp
(− t
2
2
)dt = Φ(2)− Φ(0) (≈ .477).
6 Numerische Integration TU Bergakademie Freiberg, WS 2011/12
Numerik I 252
−4 −2 0 2 40
0.2
0.4
0.6
0.8
1
exp(−.5*t2)/(2 π)1/2
−5 0 50
0.2
0.4
0.6
0.8
1
Φ(x)
Aber: Es gibt keine geschlossene Formel fur den Wert von
Φ(x) =1√2π
∫ x
−∞exp
(− t
2
2
)dt
(und vieler anderer Integrale). Selbst wenn geschlossenene Formeln be-kannt sind, ist eine numerische Approximation oft okonomischer.
6 Numerische Integration TU Bergakademie Freiberg, WS 2011/12
Numerik I 253
6.1 Newton-Cotes-Formeln
Gesucht: Wert von I =∫ baf(x) dx.
Idee der interpolatorischen Quadraturformeln:Wahle n + 1 Knoten a ≤ x0 < x1 < · · · < xn−1 < xn ≤ b, bestimme daszugehorige Interpolationspolynom pn ∈Pn fur f
pn(x) =
n∑j=0
f(xj)`j(x) mit `j(x) =
n∏i=0i6=j
x− xixj − xi
(Lagrange-Form) und betrachte∫ b
a
pn(x) dx =n∑j=0
f(xj)
∫ b
a
`j(x) dx︸ ︷︷ ︸=:γj
=n∑j=0
γjf(xj)
als Naherung fur I.γj bzw. xj heißen Gewichte bzw. Knoten der Integrationsformel.
6.1 Newton-Cotes-Formeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 254
Die Newton-Cotes-Formeln
I ≈n∑j=0
γ(n)j f(xj)
sind interpolatorische Quadraturformeln mit aquidistanten Knoten
xj = a+ jh (j = 0, 1, . . . , n), wobei h = (b− a)/n.
Bestimmung der Gewichte. Mit der Substitution x = a+ ht, t ∈ [0, n]:
γ(n)j =
∫ b
a
n∏i=0i6=j
x− xixj − xi
dx = h
∫ n
0
n∏i=0i6=j
t− ij − i
dt =: hα(n)j
(α(n)j sind unabhangig von f , a und b). Fur jedes n gelten
α(n)0 + α
(n)1 + · · ·+ α(n)
n = n
und α(n)j = α
(n)n−j (j = 0, 1, . . . , n).
6.1 Newton-Cotes-Formeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 255
Tabelle der Newton-Cotes-Gewichte:
I ≈ b−an
n∑j=0
α(n)j f(a+ jh)
n Name α(n)j (j = 0, 1, . . . , n)
1 Trapezregel 12
12
2 Simpson-Regel 13
43
13
3 3/8-Regel 38
98
98
38
4 Milne-Regel 1445
6445
2445
6445
1445
5 95288
375288
250288
250288
375288
95288
6 Weddle-Regel 41140
216140
27140
272140
27140
216140
41140
Fur großere n treten negative Gewichte auf, die Newton-Cotes-Formelnwerden numerisch unbrauchbar.
6.1 Newton-Cotes-Formeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 256
Fehler der Newton-Cotes-Formeln:
En(f) =
∫ b
a
f(x) dx− hn∑j=0
α(n)j f(a+ jh) =
∫ b
a
wn+1(x)
(n+ 1)!f (n+1)(ζ(x)) dx,
wenn f ∈ C(n+1)[a, b] (vgl. Satz 5.4).
Insbesondere werden Polynome vom Grad ≤ n durch dien-te Newton-Cotes-Formel exakt integriert.
Man kann zeigen: Ist n gerade, so werden sogar Polynome vom Grad n+ 1
exakt integriert.
Exaktheitsgrad der
n-ten Newton-Cotes-Formel=
{n, falls n ungerade,
n+ 1, falls n gerade.
6.1 Newton-Cotes-Formeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 257
Fehlerschranken
|En(f)| =
∣∣∣∣∣∣∫ b
a
f(x) dx− hn∑j=0
α(n)j f(a+ jh)
∣∣∣∣∣∣ ≤ Sn(f)
n Name Sn(f)
1 Trapezregel h3 112 M2
2 Simpson-Regel h5 190 M4
3 3/8-Regel h5 380 M4
4 Milne-Regel h7 8945 M6
5 h7 27512096 M6
6 Weddle-Regel h9 91400 M8
mit Mk := maxa≤x≤b |f (k)(x)| und h = (b− a)/n.
6.1 Newton-Cotes-Formeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 258
6.2 Zusammengesetzte Integrationsformeln
Idee: Unterteile das Integrationsintervall [a, b] in N Teilintervalle der LangeH := (b− a)/N und wende auf jedes Teilintervall
[a+ jH, a+ (j + 1)H] (j = 0, 1, 2, . . . , N − 1),
d.h. zur naherungsweisen Berechnung von∫ a+(j+1)H
a+jHf(x) dx,
die n-te Newton-Cotes-Formel (mit Schrittweite h = H/n) an:∫ b
a
f(x) dx =N−1∑j=0
∫ a+(j+1)H
a+jH
f(x) dx ≈N−1∑j=0
hn∑k=0
α(n)k f(a+ jH + kh)
=N−1∑j=0
hn∑k=0
α(n)k f(a+ (jn+ k)h).
6.2 Zusammengesetzte Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 259
Beispiel fur n = 1: zusammengesetzte Trapezregel.
Hier H = (b− a)/N = h,also N + 1 Stutzstellen: xj = a+ jh, j = 0, 1, . . . , N :
∫ b
a
f(x) dx ≈ h
2
f(x0) + 2
N−1∑j=1
f(xj) + f(xN )
=: T (h).
Fehler: ∣∣∣∣∣∫ b
a
f(x)dx− T (h)
∣∣∣∣∣ ≤ b− a12
M2 h2
mit M2 = maxa≤x≤b |f ′′(x)|.
Aufwand zur Berechnung von T (h): N + 1 Funktionsauswertungen.
6.2 Zusammengesetzte Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 260
Beispiel fur n = 2: zusammengesetzte Simpson-Regel.
Hier H = (b− a)/N = 2h, d.h. h = (b− a)/(2N),also 2N + 1 Stutzstellen: xj = a+ jh, j = 0, 1, . . . , 2N :
∫ b
a
f(x)dx ≈ h
3
f(x0) + 4N−1∑j=0
f(x2j+1) + 2N−1∑j=1
f(x2j) + f(x2N )
=: S(h).
Fehler: ∣∣∣∣∣∫ b
a
f(x) dx− S(h)
∣∣∣∣∣ ≤ b− a180
M4 h4 =
b− a2880
M4H4
mit M4 = maxa≤x≤b |f (4)(x)|.
Aufwand zur Berechnung von S(h): 2N + 1 Funktionsauswertungen.
6.2 Zusammengesetzte Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 261
6.3 Adaptive Integrationsformeln
Wendet man eine zusammengesetzte Quadraturformel auf I =∫ baf(x) dx
an, so ist es nicht immer sinnvoll, das Integrationsintervall [a, b] in gleich-lange Teilintervalle der Lange H zu unterteilen: Der Quadraturfehler hangtvon einer (hoheren) Ableitung von f ab und die kann in [a, b] stark variieren.
Fur beispielsweise
f(x) =x
x2 − 1, x ∈ [1.001, 10],
bewegt sich die vierte Ableitung (die den Fehler bei der zusammengesetz-ten Simpson-Regel kontrolliert) zwischen 1.2 · 108 (am linken Rand) und2.7·10−4 (am rechten Rand). Man erwartet, dass man am rechten Ende desIntervalls mit wesentlich weniger Stutzstellen (d.h. wesentlich geringeremRechenaufwand) eine akzeptable Naherung des Integrals bestimmen kannals in der Umgebung von 1.001.
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 262
Bestimme
I =
∫ 10
1.001
x
x2 − 1dx =
1
2
[log(x+ 1) + log(x− 1)
]101.001
= 5.4046 . . .
Zusammengesetzte Simpson-Regel
N h # f(x) |I − S(h)|103 4.5 · 10−3 2 · 103 + 1 2.2 · 10−1
104 4.5 · 10−4 2 · 104 + 1 4.9 · 10−4
105 4.5 · 10−5 2 · 105 + 1 6.8 · 10−8
Adaptive Simpson-Regel
# f(x) |I − S(h)|61 1.4 · 10−4
641 1.3 · 10−10
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 263
Gegeben ist eine Quadraturformel, z.B. die Simpson-Regel S(H), mit einerFehlerabschatzung, hier:
I − S(H) = cH4 +O(H5).
Gesucht ist eine Naherung fur I, die sich zusammensetzt aus NaherungenI(j)0 fur
∫ xj+1
xjf(x) dx uber Teilintervallen unterschiedlicher Lange Hj =
xj+1 − xj , so dass ∣∣∣∣∣∣I −N∑j=0
I(j)0
∣∣∣∣∣∣ ≤ ε := tol ·∫ b
a
|f(x)| dx
gilt. Weder die Anzahl (N + 1) der Teilintervalle noch die Unterteilungs-punkte xj+1 := xj +Hj (j = 0, . . . , N − 1) sind a priori bekannt.
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 264
Wir wollen den Fehler ”gleichmaßig auf die Teilintervalle verteilen“, d.h. Hj
soll so gewahlt werden, dass∣∣∣∣∣∫ xj+Hj
xj
f(x) dx− I(j)0
∣∣∣∣∣ ≤ Hj
b− aε
erfullt ist.
Wichtige Beobachtung: Aus
I − S(H) = cH4 +O(H5) und I − S(H/2) = c (H/2)4 +O(H5)
folgtS(H/2)− S(H) = c (1− 2−4)H4 +O(H5)
also, falls H ”genugend klein“ ist,
I − S(H) ≈ S(H/2)− S(H)
1− 2−4. (∗)
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 265
Strategie zur Schrittweitenwahl (Schrittweitensteuerung):
Angenommen H0, . . . ,Hj−1 (dh. x0, . . . xj) sind bereits bestimmt. Außer-dem ist eine Vorschlagsschrittweite Hj gegeben.
1. Setze Hj = Hj . Bestimme mit I(j)0 = S(Hj) eine Naherung fur∫ xj+Hj
xjf(x) dx.
2. Bestimme mit I(j)1 = S(Hj/2) eine ”bessere“ Naherung fur∫ xj+Hj
xjf(x) dx.
3. Uberprufe, ob
|I(j)1 − I(j)0 | ≤ (1− 2−4)Hj
b− aε
erfullt ist (vgl. (∗)).• Falls ja: Akzeptiere I(j)1 als Naherung.• Falls nein: Setze Hj = Hj/2, I(j)0 = I
(j)1 und gehe zu 2.
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 266
4. Uberprufe, ob
|I(j)1 − I(j)0 | ≤ (2.5)−4(1− 2−4)Hj
b− aε
erfullt ist (2.5 = Sicherheitsfaktor).• Falls ja: Neue Vorschlagsschrittweite: Hj+1 = 2Hj .• Falls nein: Neue Vorschlagsschrittweite: Hj+1 = Hj .
Praxis: Unter- und Oberschranken fur Hj (zu kleine Schrittweiten fuhren zuverstarktem Rundungsfehlereinfluss, zu große Schrittweiten konnen dazufuhren, dass Bereiche, in denen f stark variiert, ubersprungen werden).
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 267
Beispiel. f(x) =1
(x− .3)2 + .01+
1
(x− .9)2 + .04− 6, a = 0, b = 1.
0 0.2 0.4 0.6 0.8 10
10
20
30
40
50
60
70
80
90
100Integral = 29.8583
108 Funktionsauswertungen
6.3 Adaptive Integrationsformeln TU Bergakademie Freiberg, WS 2011/12
Numerik I 268
6.4 Gauß-Quadratur
Prinzip: Gauß-Formeln sind (wie die Newton-Cotes-Formeln) interpolatorischeQuadraturformeln ∫ b
a
f(x)w(x) dx =
n∑k=0
ωkf(xk) +Rn(f). (6.1)
Rn(f) bezeichnet den Quadraturfehler.
Man erlaubt hier sog. Gewichtsfunktionen w(x), welche gewisse Bedingungen (z.B.w(x) ≥ 0 fur alle x ∈ (a, b)) mussen. Gebrauchliche Gewichtsfunktionen sind:
[a, b] w(x) Name
[−1, 1] 1 Gauß-Legendre
[−1, 1] (1− x2)−1/2 Gauß-Tschebyscheff
[0,∞] exp(−x) Gauß-Laguerre
[−∞,∞] exp(−x2) Gauß-Hermite
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12
Numerik I 269
Im Gegensatz zu den Newton-Cotes-Formeln wahlt man die Knoten xknicht aquidistant, sondern bestimmt Knoten xk und Gewichte ωk so, dasssich ein moglichst hoher Exaktheitsgrad ergibt.
Heuristik: ∫ b
a
xjw(x) dx =
n∑k=0
ωkxjk
ist fur jedes j = 0, 1, . . . eine nichtlineare Gleichung mit 2n + 2 freienParametern
ωk, xk, k = 0, . . . , n.
Es scheint moglich, diese Gleichung fur j = 0, . . . , 2n + 1 zu erfullen(Exaktheitsgrad 2n+ 1).
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12
Numerik I 270
Die Gauß-Quadratur ist eng mit der Theorie der Orthogonalpolynome ver-knupft:
Definiere (fur Polynome p und q) das Innenprodukt
(p, q) :=
∫ b
a
p(x)q(x)w(x) dx.
Dann gibt es fur j = 0, 1, . . . eindeutig bestimmte Polynome (sog. Orthogo-nalpolynome) pj(x) = xj + πj,j−1x
j−1 + . . .+ πj,1x+ πj,0 mit
(pj , pk) = 0 fur alle j 6= k.
Es gilt die dreistufige Rekursionsformel p−1(x) = 0, p0(x) = 1,
pj+1(x) = (x− δj+1)pj(x)− γj+1pj−1(x) fur j = 0, 1, . . . ,
wobei δj+1 = (xpj , pj)/(pj , pj) und γj+1 = (pj , pj)/(pj−1, pj−1).
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12
Numerik I 271
Es bezeichne P den Raum aller Polynome (beliebigen Grades) in einerVariablen.
Satz 6.1 (Jacobi,1826) Sei m ∈ N0. Die Quadraturformel (6.1) besitztgenau dann Exaktheitsgrad d = n+m, wenn folgende beide Bedingungenerfullt sind:
(a) (6.1) ist interpolatorisch.
(b) Das Knotenpolynom ωn+1(x) =∏nj=0(x − ξj) ist orthogonal zu Pm−1
bezuglich des Innenproduktes
(p, q) =
∫ b
a
p(x)q(x)w(x)dx, p, q ∈P. (6.2)
Bemerkung 6.2 Bedingung (b) ist maximal furm = n+1 erfullbar (warum?),was auf den maximalen Exaktheitsgrad d = 2n+ 1 fuhrt.
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12
Numerik I 272
Die Nullstellen t(n)j von pn+1 sind alle reell und einfach, genauer:
a < t(n)0 < t
(n)1 · · · < t(n)n < b.
Sie sind die Knoten xk (0 ≤ k ≤ n) der Gauß-Quadraturformel.
Die Gewichte ωk wahlen wir als Losung vonp0(x0) p0(x1) . . . p0(xn)
p1(x0) p1(x1) . . . p1(xn)...
.... . .
...
pn(x0) pn(x1) . . . pn(xn)
ω0
ω1
...
ωn
=
(p0, 1) =
∫ baw(x)dx
0...
0
.
Man kann zeigen, dass dieses System eindeutig losbar ist und dass dieLosungen ωk alle positiv sind.Die Knoten und Gewichte konnen noch effizienter durch Losung einerverwandten Eigenwertaufgabe berechnet werden.
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12
Numerik I 273
Mit dieser Wahl der Knoten und Gewichte gilt:∫ b
a
p(x)w(x) dx =
n∑k=0
ωkp(xk)
fur alle Polynome p vom Grad ≤ 2n+ 1.
Beispiel: Fur die Gewichtsfunktion w(x) = (1− x2)−1/2 erhalt man
Knoten: xk = cos
(2k + 1
2(n+ 1)π
), k = 0, 1, . . . , n,
Gewichte: ωk = π/(n+ 1), k = 0, 1, . . . , n.
(Dass die Gewichte unabhangig von k sind, trifft auf andere Gauß-Formeln nichtzu!) Gauß-Tschebyscheff-Quadraturformel:∫ 1
−1
f(x)(1− x2)−1/2 dx =π
n+ 1
n∑k=0
f
(cos
(2k + 1
2(n+ 1)π
))+Rn(f)
mit Rn(f) = f(2n+2)(ξ)(2n+2)!
(pn, pn) falls f ∈ C(2n+2)[a, b].
6.4 Gauß-Quadratur TU Bergakademie Freiberg, WS 2011/12