i = 1, 2, ..., n
Transkrypt
i = 1, 2, ..., n
Metody Numeryczne i Programowanie Wykład 6. Strona 1 z 21 Numeryczne metody rozwiązywania zagadnień początkowych dla równań różniczkowych zwyczajnych (1) Zakładamy, że dane jest równanie różniczkowe zwyczajne (ODE) w postaci: y ′( x ) = d y ( x ) = f ( x, y ), dx x ∈ [a, b] , (7.1) oraz, że dana jest wartość funkcji y(x) w punkcie x0, to znaczy: y(x 0 ) = y 0 . (7.2) Naszym zadaniem jest znalezienie rozwiązania równania różniczkowego zwyczajnego z zadanym warunkiem początkowym, czyli funkcji, która w zadanym przedziale [a, b] spełnia równanie różniczkowe (7.1) wraz z warunkiem początkowym (7.2). Przedziału [a, b] dzielimy na n równych podprzedziałów: a = x 0 < x1 < x 2 < K < x n − 2 < x n −1 < x n = b , (7.3) gdzie: x i +1 − x i = h = b−a , n i = 0,1, K n − 1 (7.4) jest krokiem, z jakim aproksymujemy poszukiwane rozwiązanie. Podział (7.3) przedziału [a, b] nazywamy siatką punktów. Naszym zadaniem jest znalezienie wartości funkcji y(x) w zadanych punktach xi, i = 1, 2, ..., n, czyli znalezieniu wartości yi = y(xi), i =1, 2, ..., n. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 1 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 2 z 21 Numeryczne metody rozwiązywania zagadnień początkowych dla równań różniczkowych zwyczajnych (2) Metody jednokrokowe: Do obliczenia wartości funkcji w punkcie xi – y(xi) wykorzystują wartość tej funkcji w punkcie xi-1. - metody Taylora, - metody Rungego – Kutty. Metody wielokrokowe Do wyznaczenia kolejnego punktu stanowiącego rozwiązanie wykorzystuje się kilka wcześniej wyliczonych punktów. - metody jawne, - metody niejawne. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 2 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 3 z 21 Metody Taylora (1) Dane jest zadanie ODE w postaci: d y (t ) = f (t , y ), dt a ≤ t ≤ b, y (a ) = y 0 . (7.5) Przyjmujemy, że w przedziale [a, b] wyznaczona jest siatka równoodległych punktów t0, t1, t2, ..., tn, takich, że t i = a + ih, h= b−a , n i = 0,1,2, K , n . (7.6) Zakładamy, że funkcja y(t) będąca rozwiązaniem zadania jest różniczkowalna i ma w przedziale [a, b] ciągłą pierwszą i drugą pochodną. Dla każdego i = 0, 1 ,2, ..., n-1, y(ti+1) znajdujemy wielomian Taylora: y (t i +1 ) = y (t i ) + y ′(t i )(t i +1 − t i ) + (t i +1 − t i )2 2 y ′′(ξ i ) (7.7) gdzie ξi jest pewną liczbą z przedziału [ti, ti+1]. Wynika stąd tzw. Metoda Eulera: w0 = y (a ), (7.8) wi +1 = wi + hf (t i , wi ), Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 3 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 4 z 21 Metody Taylora (2) Metoda Eulera Przykład 7.1. Dane jest równanie różniczkowe: y ′ = − y + t + 1, t ∈ [0,1], y (0 ) = 1 . Przyjąć, że przedział [0, 1] podzielony jest na n = 10 podprzedziałów. Rozwiązanie dokładne: y = t + e − t . Rozwiązanie Ponieważ n = 10, to h = 0.1 oraz ti = 0.1 × i, i = 0, 1, ..., 10. Korzystamy z równania rekurencyjnego w0 = y (a ), wi +1 = wi + hf (t i , wi ), . gdzie f(t,y) = -y + t +1 y 0 = 1, y i +1 = y i + h ⋅ f (t i , y i ) = y i + h ⋅ (− y i + t i + 1) = = y i + 0.1 ⋅ (− y i + 0.1 ⋅ i + 1) = = 0.9 ⋅ y i + 0.01 ⋅ i + 0.1 dla i = 0, 1, 2, ..., 9. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 4 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 5 z 21 Metody Taylora (3) Metoda Eulera Przykład 7.1.cd. Tabela 7.1. Porównanie wartości aproksymowanych z dokładnym rozwiązaniem równania y′ = − y + 7 + 1 . Przyjęto krok całkowania h = 0.1. ε = yi − y (ti ) . ti yi y(ti) ε Oszacowanie błędu 0.0 1.000000 1.000000 0.000 0.000 0.1 1.000000 1.004837 4.837e-3 5.259e-3 0.2 1.010000 1.018731 8.731e-3 1.107e-2 0.3 1.029000 1.040818 1.182e-2 1.749e-2 0.4 1.056100 1.07032 1.422e-2 2.459e-2 0.5 1.090490 1.106531 1.604e-2 3.244e-2 0.6 1.131441 1.148812 1.737e-2 4.111e-2 0.7 1.178297 1.196585 1.829e-2 5.069e-2 0.8 1.230467 1.249329 1.886e-2 6.128e-2 0.9 1.287420 1.30657 1.915e-2 7.298e-2 1.0 1.348678 1.367879 1.920e-2 8.591e-2 Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 5 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 6 z 21 Metody Taylora (4) Metoda Eulera Przykład 7.1.cd. y (t1,y(t1)) y(t1) (t1,w 1)=(a+h,α+hf(a,α)) y(a) (t0,w 0)=(a,y(a)) t t0=a t1 Rysunek 7.1. Interpretacja geometryczna jednego kroku całkowania metodą Eulera. 1.09 y(x) 1.07 1.05 1.03 1.01 0.99 0 0.1 0.2 0.3 0.4 0.5 x Rysunek 7.2. Porównanie rozwiązania dokładnego oraz przybliżonego uzyskanego metodą Eulera. Rozwiązywane równanie y ′ = − y + t + 1, t ∈ [0,1], y (0 ) = 1 . ■ Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 6 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 7 z 21 Metody Taylora (5) Oszacowanie błędu metody Eulera Twierdzenie 7.1. Niech y(t) będzie jednoznacznym rozwiązaniem równania różniczkowego d y (t ) = f (t , y ), dt a ≤ t ≤ b, y (a ) = y 0 , (7.9) oraz w1, w2, ..., wn będą aproksymacjami jego rozwiązania generowanymi przez metodę Eulera. Jeżeli funkcja f spełnia warunek Lipschitza z stałą L w obszarze D = {(t , y ) : a ≤ t ≤ b,−∞ < y < ∞} , (7.10) oraz istnieje taka stała M, że y ′′(t ) ≤ M dla każdego t ∈ [a, b] , (7.11) to dla każdego i = 0, 1, 2, ..., n zachodzi: y (t i ) − wi ≤ ( ) hM L (ti − a ) e −1 . 2L (7.12) ■ Wniosek: Błąd metody Eulera zależy liniowo od wielkości kroku całkowania h. JUeżeli będziemy zmniejszać krok całkowania h, to powinniśmy uzyskiwać coraz dokładniejsze aproksymacje! Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 7 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 8 z 21 Metody Taylora (6) Metoda Eulera Zamiast standardowej metody Eulera w0 = y (a ), (7.14) wi +1 = wi + hf (t i , wi ), posługujemy się jej wersją zmodyfikowaną: u0 = α~, (7.15) ui +1 = ui + hf (ti , ui ) + δ i , gdzie: α~ jest maszynową reprezentacją wartości początkowej, δi oznacza błędy zaokrąglenia związane z obliczeniem u i +1 = u i + hf (t i , y i ) . Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 8 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 9 z 21 Metody Taylora (7) Oszacowanie błędu metody Eulera uwzględniające przeprowadzanie obliczeń w zmiennopozycyjnej arytmetyce maszynowej. Twierdzenie 7.2. Niech y(t) będzie jednoznacznym rozwiązaniem równania różniczkowego: d y (t ) = f (t , y ), dt a ≤ t ≤ b, y (a ) = y 0 , (7.16) a u0, u1, u2, ..., un będą aproksymacjami otrzymanymi z wykorzystaniem metody (7.15). Jeżeli δ < δ dla każdego i = 0, 1, ..., n, gdzie δ = α~ − y oraz spełnione są założenia 0 i 0 twierdzenia (7.1), to dla każdego i = 0, 1, ..., n zachodzi: y (t i ) − u i ≤ 1 ⎛ hM δ ⎞ L (ti − a ) + ⎟e − 1 + δ 0 e L (t i − a ) . ⎜ L⎝ 2 h⎠ ( ) (7.17) ■ Wniosek 1. Ponieważ ⎛ hM δ ⎞ + ⎟ = ∞, lim⎜ h →0 h⎠ ⎝ 2 (7.18) oczekiwać należy dużych błędów dla niewielkich wartości kroku h. 2. Minimalny krok całkowania w metodzie Eulera wynosi: h= 2δ . M Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP (7.19) Strona 9 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 10 z 21 Metody Taylora (8) Lokalny błąd obcięcia metody Lokalny błąd obcięcia w każdym kroku całkowania określa jak bardzo rozwiązanie dokładne równania różniczkowego nie spełnia równania różnicowego użytego w aproksymacji. Jest to miara dokładności metody w każdym kroku całkowania, przy założeniu, że metoda była dokładna w poprzednim kroku. Lokalny błąd metody zależy od: (i) rozwiązywanego równania różniczkowego, (ii) (ii) wielkości kroku całkowania, (iii) (iii) liczby wcześniej wykonanych kroków całkowania. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 10 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 11 z 21 Metody Taylora (9) Lokalny błąd obcięcia metody W przypadku metody Eulera, wynikającej z rozwinięcia poszukiwanego rozwiązania w wielomian Taylora stopnia drugiego: y (t i +1 ) = y (t i ) + hf (t i , y (t i )) + h2 y ′′(ξ i ) , 2 (7.21) lokalny błąd obcięcia dany będzie równaniem: τi = y i − y i −1 − f (t i −1 , y i −1 ) dla każdego i = 1, 2, ..., n, h gdzie yi = y(ti) oznacza dokładne rozwiązanie w punkcie ti. Stąd: τi = h h y ′′(ξ i ) ≤ M , t i < ξ i < t i +1 . 2 2 (7.22) Metoda Eulera należy do metod zbieżnych pierwszego rzędu. Lokalny błąd obcięcia jest O(h). Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 11 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 12 z 21 Metody Taylora (10) Metody Taylora wyższego rzędu Załóżmy, że rozwiązanie y(t) równania różniczkowego z warunkiem początkowym: d y (t ) = f (t , y ), dt a ≤ t ≤ b, y (a ) = α , (7.23) ma (n + 1) ciągłych pochodnych oraz, że rozwiązanie to, y(t), możemy rozwinąć w wielomian Taylora stopnia n w otoczeniu punktu ti otrzymując: h2 y ′′(t i ) + K 2 h n (n ) h n +1 (n +1) (ξ i ), t i < ξ i < t i +1 . + y (t i ) + y (n + 1)! n! y (t i +1 ) = y (t i ) + hy ′(t i ) + (7.24) Kolejno różniczkując rozwiązanie y(t), otrzymamy: y ′(t ) = f (t , y (t )) , (7.25) y ′′(t ) = f ′(t , y (t )) , (7.26) i w ogólnym przypadku y (k ) (t ) = f (k −1) (t , y (t )) . (7.27) Podstawiając te pochodne do równania (7.24) otrzymamy: h2 f ′(t i , y (t i )) + K 2 h n (n −1) h n +1 (t i , y(t i )) + + f f (n ) (t i , y (ξ i )), t i < ξ i < t i +1 . (n + 1)! n! y (t i +1 ) = y (t i ) + hf (t i , y (t i )) + Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 12 (7.28) 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 13 z 21 Metody Taylora (11) Metoda Taylora rzędu n: w0 = α , wi +1 = wi + hT (n ) (t i , wi ), i = 0,1,2, K n − 1, (7.29) gdzie: T (n ) (t i , wi ) = f (t i , wi ) + h h n −1 (n −1) (t i , wi ) f ′(t i , wi ) + K + f 2 n! (7.30) Lokalny błąd obcięcia w (i+1) kroku całkowania wynosi: τ i +1 = y (t i +1 ) − y (t i ) hn − T (n ) (t i , y (t i )) = f (n ) (t i , y (ξ i )), t i < ξ i < t i +1 , ( ) h n +1! (7.32) dla każdego i = 0, 1, ..., n-1. Jeżeli y ∈ C n +1 [a, b] , to funkcja y (n +1) (t ) = f (n ) (t , y (t )) jest ograniczona w przedziale [a, b] i stąd lokalny błąd obcięcia τi = O(hn) dla każdego i = 1, ..., n. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 13 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 14 z 21 Metody Taylora (12) Metody Taylora wyższego rzędu Przykład 7.3. Rozwiązać stosując metodę Taylora drugiego i czwartego rzędu równanie różniczkowe y ′ = − y + t + 1, t ∈ [0,1], y (0 ) = 1 . Przyjąć krok całkowania h = 0.1. Rozwiązanie dokładne y(t) = t + e-t. Rozwiązanie Tabela 7.1. Aproksymacja y ′ = − y + t + 1, t ∈ [0,1], rozwiązania równania różniczkowego y (0 ) = 1 za pomocą metody Taylora rzędu pierwszego (metoda Eulera), drugiego i czwartego. t 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 Wynik Metoda Eulera Metoda Taylora n =2 dokładny Aproksymacja Błąd Aproksymacja Błąd 1 1 0 1 0 1.004837418 1 -4.837e-3 1.005 1.626e-4 1.0187307531 1.01 -8.731e-3 1.019025 2.942e-4 1.0408182207 1.029 -1.182e-2 1.041218 3.994e-4 1.070320046 1.0561 -1.422e-2 1.070802 4.819e-4 1.1065306597 1.09049 -1.604e-2 1.107076 5.451e-4 1.1488116361 1.131441 -1.737e-2 1.149404 5.919e-4 1.1965853038 1.178297 -1.829e-2 1.19721 6.249e-4 1.2493289641 1.230467 -1.886e-2 1.249975 6.463e-4 1.3065696597 1.28742 -1.915e-2 1.307228 6.579e-4 1.3678794412 1.348678 -1.92e-2 1.368541 6.615e-4 Metoda Taylora n = 4 Aproksymacja Błąd 1 0 1.0048375 8.196e-8 1.0187309014 1.483e-7 1.040818422 2.013e-7 1.0703202889 2.429e-7 1.1065309344 2.747e-7 1.1488119344 2.983e-7 1.1965856187 3.149e-7 1.2493292897 3.256e-7 1.3065699912 3.315e-7 1.3678797744 3.332e-7 ■ Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 14 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 15 z 21 Metody Rungego – Kutty (1) Metody Taylora wymagają obliczenia pochodnych z funkcji f(t, y). W przypadku metody drugiego rzędu: w0 = α , wi +1 = wi + hT (n ) (t i , wi ), i = 0,1,2, K n − 1, (7.33) gdzie T (n ) (t i , wi ) = f (t i , wi ) + h f ′(t i , wi ) . 2 (7.30) Idea powstania metod z grupy Rungego – Kutty polega na zastąpieniu pochodnej jej aproksymacją. W przypadku metody drugiego rzędu stosujemy aproksymację w postaci a1 f (t + α 1 , y + β 1 ) , dla której błąd będzie nie większy niż O(h2). Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 15 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 16 z 21 Metody Rungego – Kutty (2) Ponieważ: f ′(t , y ) = d ∂ ∂ f (t , y ) = f (t , y ) + f (t , y ) ⋅ y ′(t ) , dt ∂t ∂y (7.31) h f ′(t i , wi ) . 2 (7.30) to wyrażenie T (n ) (t i , wi ) = f (t i , wi ) + przedstawić możemy w postaci: T (n ) (t , y ) = f (t , w) + h ∂ h ∂ f (t , y ) + f (t , y ) ⋅ f (t , y ) , 2 ∂t 2 ∂y (7.32) gdyż y ′(t ) = f (t , w) . Z drugiej strony z rozwinięcia w szereg Taylora: ∂ ∂ f (t , y ) + a1 β 1 f (t , y ) + ∂t ∂y + a1 ⋅ R1 (t + α 1 , y + β 1 ), a1 f (t + α 1 , y + β 1 ) = a1 f (t , y ) + a1α 1 (7.33) gdzie: R1 (t + α1 , y + β1 ) = = α12 ∂ 2 2 ∂t 2 f (ξ ,η ) + α1β1 ∂2 β 2 ∂2 f (ξ ,η ) + 1 f (ξ ,η ) ∂t∂y 2 ∂y 2 (7.34) oraz ξ ∈ [t , t + α 1 ] i η ∈ [ y, y + β 1 ] . Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 16 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 17 z 21 Metody Rungego – Kutty (3) T (n ) (t , y ) = f (t , w) + h ∂ h ∂ f (t , y ) + f (t , y ) ⋅ f (t , y ) , 2 ∂t 2 ∂y (7.32) ∂ ∂ f (t , y ) + a1 β 1 f (t , y ) + ∂t ∂y + a1 ⋅ R1 (t + α 1 , y + β 1 ), (7.33) a1 f (t + α 1 , y + β 1 ) = a1 f (t , y ) + a1α 1 Współczynniki przy odpowiednich wyrażeniach muszą być sobie równe: f (t , y ) : a1 = 1 , (7.35) ∂ h f (t , y ) : a1α 1 = , 2 ∂t (7.36) ∂ h f (t , y ) : a1 β 1 = f (t , y ) , ∂y 2 (7.37) Stąd: a1 = 1, h 2 h β1 = f (t , y ), 2 α1 = , Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP (7.38) Strona 17 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 18 z 21 Metody Rungego – Kutty (4) Metoda Rungego – Kutty drugiego rzędu: metoda punktu środkowego Ostatecznie w0 = α , wi +1 = wi + hT (n ) (t i , wi ), i = 0,1,2, K n − 1, (7.33) gdzie: h h ⎛ h ⎞ ⎛ h ⎞ T (2 ) (t , y ) = f ⎜ t + , y + f (t , y )⎟ + R1 ⎜ t + , y + f (t , y )⎟ , 2 2 ⎝ 2 ⎠ ⎝ 2 ⎠ (7.39) 2 2 h ⎛ h ⎞ h ∂ R1 ⎜ t + , y + f (t , y )⎟ = f (ξ ,η ) + 2 2 ⎝ 2 ⎠ 8 ∂t 2 h2 ∂2 h2 2 ∂ ( f (t , y )) 2 f (ξ ,η ). + f (t , y ) f (ξ ,η ) + 4 ∂t∂y 8 ∂y (7.40) oraz: Ostatecznie: w0 = α , h h ⎛ ⎞ wi +1 = wi + h ⋅ f ⎜ t i + , wi + f (t i , wi )⎟. 2 2 ⎝ ⎠ Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 18 (7.41) 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 19 z 21 Metody Rungego – Kutty (5) W przypadku metody Taylora trzeciego rzędu: T (3 ) (t , y ) = f (t , y ) + h h2 f ′(t , y ) + f ′′(t , y ) , 2 6 (7.42) zastosować będziemy musieli aproksymację postaci: a1 f (t , y ) + a 2 f (t + α 2 , y + δ 1 f (t , y )) . (7.43) Uzyskamy kilka różnych metod z błędem O(h2). W przypadku zmodyfikowanej metody Eulera przyjmujemy a1 = a2 = ½, α1 = δ2 = h, a równanie różnicowe w tym przypadku ma postać: w0 = α , h ⋅ [ f (t i , wi ) + f (t i + h, wi + hf (t i , wi ))], 2 i = 0,1,2,K , n − 1. wi +1 = wi + (7.44) Natomiast w przypadku metody Heuna odpowiednie stałe mają wartości a1 = ¼ a2 = ¾, α1 = δ2 = ⅔h, natomiast równanie różnicowe ma postać: w0 = α , wi +1 = wi + h ⎡ 2 2 ⎛ ⎞⎤ ⋅ ⎢ f (t i , wi ) + 3 f ⎜ t i + h, wi + hf (t i , wi )⎟⎥, 4 ⎣ 3 3 ⎝ ⎠⎦ (7.45) i = 0,1,2,K , n − 1. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 19 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 20 z 21 Metody Rungego – Kutty (6) Metoda Rungego – Kutty czwartego rzędu: w0 = α , k1 = h ⋅ f (t i , wi ), h 1 ⎞ ⎛ k 2 = f ⎜ t i + , wi + k1 ⎟, 2 2 ⎠ ⎝ h 1 ⎞ ⎛ k 3 = f ⎜ t i + , wi + k 2 ⎟, 2 ⎠ 2 ⎝ k 4 = f (t i + h, wi + k 3 ), (7.46) h ⋅ [k1 + 2k 2 + 2k 3 + k 4 ], 6 i = 0,1,2,K , n − 1. wi +1 = wi + Lokalny błąd obcięcia tej metody wynosi O(h4) przy założeniu, że rozwiązanie y(t) ma piątą pochodną ciągłą. Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 20 2009-02-26 Metody Numeryczne i Programowanie Wykład 6. Strona 21 z 21 Metody Rungego – Kutty (7) Przykład 7.4. y ′ = − y + t + 1, t ∈ [0,1], y (0 ) = 1 . Przyjąć, że przedział [0, 1] podzielony jest na n = 10 podprzedziałów. Porównać uzyskane rozwiązanie z rozwiązaniem dokładnym: y = t + e − t . Rozwiązanie Tabela 7.2. Metoda Rungego – Kutty czwartego rzędu. Wyniki rozwiązania równania różniczkowego y ′ = − y + t + 1, t ∈ [0,1], y (0 ) = 1 . ti Rozwiązanie dokładne Aproksymacja RK czwartego rzędu Błąd 0.0 1.000000000 1.0000000000 0 0.1 1.0048374180 1.0048374106 7.41e-9 0.2 1.0187307531 1.0187307437 9.379e-9 0.3 1.0408182207 1.0408182389 1.819e-8 0.4 1.0703200460 1.070320078 3.198e-8 0.5 1.1065306597 1.1065307001 4.042e-8 0.6 1.1488116361 1.1488116837 4.756e-8 0.7 1.1965853038 1.196585419 1.152e-7 0.8 1.2493289641 1.2493297228 7.587e-7 0.9 1.3065696597 1.3065711133 1.454e-6 1.0 1.3678794412 1.3678811241 1.683e-6 ■ Mariusz B. Bogacki Zakład Inżynierii Procesowej Wydział Technologii Chemicznej PP Strona 21 2009-02-26