Вы находитесь на странице: 1из 11

Задачи к экзамену по курсу «Методы вычислений»

Лектор — Георгий Михайлович Кобельков


Последняя редакция: 28 апреля 2006 года

Решения задач: Алексей Гордиенко, Сергей Гладких, Дмитрий Вельтищев, Михаил Вельтищев.
Обозначения: AT — транспонированная матрица, A > 0 — положительно определённая матрица. Скалярное
произведение — круглые скобки.
Авторы не несут никакой ответственности за этот текст. Здесь могут быть ошибки, опечатки и просто
Бред Полныйr . Поэтому приветствуется обнаружение такового. Пишите, если найдёте. Если Вы вдруг на эк-
замене, списав решение, узнаете, что оно совершенно неправильное, не надо ни на кого катить потом бочку —
используйте на свой страх и риск. Правда, Вы можете потом сообщить нам о том, что «решение задачи номер
такой то из этого списка было не засчитано на экзамене».
Последняя компиляция: 28 апреля 2006 г.
Обновления документа — на сайте http://dmvn.mexmat.net.
Об опечатках и неточностях пишите на dmvn@mccme.ru.
Задача 1. Вычислить интеграл

1 cos kx − cos kα
Ik := dx.
π cos x − cos α
0

Решение. Выведем рекуррентное соотношение на Ik . Легко видеть, что


Zπ Zπ
2 cos kx cos x − cos kα cos α 2
Ik+1 + Ik−1 = dx = cos kx dx + 2 cos αIk ,
π cos x − cos α π
0 0

а поскольку интеграл в правой части равен нулю, получаем соотношение Ik+1 + Ik−1 = 2 cos αIk . Имеем I0 = 0,
I1 = 1. Запишем характеристический многочлен:

λ2 + 1 = 2λ cos α.

Найдём его корни: p


λ1,2 = cos α ± cos2 α − 1 = cos α ± i sin α = e±iα .
Следовательно, общее решение рекуррентного соотношения имеет вид

Ik = Aeikα + Be−ikα .

Из начальных условий находим: (


0 = A + B (при k = 0);
1 = Aeiα + Be−iα (при k = 1).
Отсюда
1
A = −B = .
2i sin α
Таким образом, получаем ответ:
sin kα
Ik = .
sin α

Задача 2. Вычислить определитель
 
a
b c
b c
0
 .. 
∆m = det 
 a b
.. ..
. .
 . . c
0 a b

1
Решение. Разложим определитель ∆m по первой строке, а второе слагаемое этого разложения дополни-
тельно разложим ещё и по первому столбцу. Получим
∆m = b∆m−1 − ac∆m−2 .
Запишем характеристический многочлен:
λ2 − bλ + ac = 0.
Его корни таковы:
1 p 
λ1,2 = b ± b2 − 4ac .
2
Общее решение имеет вид
∆m = c1 λm m
1 + c2 λ2 .
Из начальных условий имеем ∆1 = b и ∆2 = b2 − ac. Решая полученную систему, находим константы:
√ √
b + b2 − 4ac −b + b2 − 4ac
c1 = √ , c2 = √ .
2 b2 − 4ac 2 b2 − 4ac

Задача 3. Построить квадратурную формулу с N узлами для интеграла

I(f ) = f (x) dx ∼ SN (f ),
0

которая была бы точна для любого тригонометрического многочлена степени N − 1.


Решение. Рассмотрим тригонометрический многочлен степени N − 1 общего вида:
N
X −1
f (x) = bk e2ikx .
k=−N +1

[[M.V.]: Зачем нам тут коэффициент 2? Кажется, это будут только чётные показатели. Базис-то einx !] Его можно
явно проинтегрировать, и после интегрирования получаем:
N
X −1
e2ikπ − 1
I(f ) = bk + πb0 .
2ik
k=−N +1
k6=0

Будем строить интерполяционную формулу с узлами в точках вида πk


N , где k = 0, . . . , N −1. Остаётся убедиться в
π
NP
−1 
том, что формула SN (f ) = N f πk
N удовлетворяет условиям. Это проще всего сделать, оставляя ненулевым
k=0
лишь один из коэффициентов bk и проверяя на нём формулу. используя формулу для суммы геометрической
прогрессии, получаем требуемое. 
Задача 4. Построить квадратурную формулу Гаусса
Z1
x2 f (x) dx ∼ C1 f (x1 ) + C2 f (x2 ).
−1

Решение. Как известно, в качестве узлов интерполяции следует брать корни x1 , x2 ортогонального много-
члена второй степени. Построим такой многочлен. Он должен удовлетворять условиям


 R1 2

 x (x − x1 )(x − x2 ) · 1 dx = 0,
−1

 R1 2

 x (x − x1 )(x − x2 ) · x dx = 0.
−1
q
Вычисляя интегралы, находим x1 = −x2 = 35 . Интерполяционная формула имеет вид S2 (f ) = c1 f (x1 )+c2 f (x2 ),
где константы ci находятся подстановкой многочленов 1 и x:
q
 3 (c1 + c2 ) = 2
q5 3
 3 (c1 − c2 ) = 0,
5

2
q
1 5
откуда c1 = c2 = 3 3. Эта формула точна на многочленах степени 2n − 1 = 3. 
Задача 5. Построить квадратурную формулу Гаусса

Z1
xf (x) dx ∼ C1 f (x1 ) + C2 f (x2 ).
0

Решение. Как известно, в качестве узлов интерполяции следует брать корни x1 , x2 ортогонального много-
члена второй степени. Построим такой многочлен. Он должен удовлетворять условиям
1
 R

 x(x − x1 )(x − x2 ) · 1 dx = 0,
0

 R1
 x(x − x1 )(x − x2 ) · x dx = 0.
0

Вычисляя интегралы, находим r


3 1 57
x1,2 = ± .
5 5 2
Интерполяционная формула имеет вид S2 (f ) = c1 f (x1 ) + c2 f (x2 ), где константы ci находятся подстановкой
многочленов 1 и x: (
c1 + c2 = 21
 q   q 
c1 35 + 15 572 + c2 35 − 15 57
2 = 31 ,
q
1
откуда c1,2 = 14 ± 12 57
2 . Эта формула точна на многочленах степени 2n − 1 = 3. 

Задача 6. Построить квадратурную формулу

Z1
xf (x) dx ∼ C1 f (0) + C2 f (x2 ),
0

точную для многочленов наиболее высокой степени.


Решение. Как видно из предыдущей задачи, эта формула не является квадратурной формулой Гаусса, а,
значит, она будет точна на многочленах степени не выше второй (у нас пропала одна степень свободы). Иначе
говоря, имеем условие

Z1
A B C
x(Ax2 + Bx + C) dx = + + = Cc1 + (Ax22 + Bx2 + C)c2 .
4 3 2
0

Это равенство должно быть выполнено для произвольных чисел A, B, C, следовательно, получаем систему:

 1
c1 + c2 = 2 ,
1
c2 x2 = 3 ,

 2
c2 x2 = 14 ,
откуда находим 
 3
x2 = 4 ,
c1 = 49 ,

 1
c2 = 18 .

Задача 7. Построить квадратурную формулу для вычисления интеграла
Z∞
f (x)
dx где |f (x)| 6 const .
1 + x2
1

3
Решение. Преобразуем исследуемый интеграл:
π
Z∞ Z2
f (x)
dx = f (tg t)dt.
1 + x2
1 π
4

Такой интеграл можно посчитать по разным квадратурным формулам, лишь бы среди узлов не было полюсов
функции tg; в частности, можно использовать следующую формулу:
Z∞
f (x) π 3π
dx ≈ f (tg ).
1 + x2 4 8
1


Задача 8. Приблизить функцию x3 на отрезке [0, 1] многочленом наилучшего равномерного приближения
второй степени.
Решение. Пусть P (x) — искомый многочлен, тогда F (x) = x3 − P (x) наименее уклоняется от нуля на [0, 1],
следовательно, это нормированный многочлен Чебышёва третьей степени на [0, 1]. Выписываем T0 , T1 , T2 , T3 на
отрезке [−1, 1] по известной рекуррентной формуле Tn = 2xTn−1 − Tn−2 , получаем

T3 (x) = 4x3 − 3x.

Теперь приводим полученный многочлен к отрезку [0, 1] линейной заменой и нормируем. В итоге получим
3 9 1
Te3 = x3 − x2 + x − ,
2 16 32
откуда
3 9 1
P (x) = x3 − Te(x) = x2 − x + .
2 16 32

Задача 9. Приблизить функцию x3 на отрезке [0, 1] многочленом наилучшего равномерного приближения
первой степени.
Решение. Пусть P (x) — искомый многочлен. Заметим, что


max x3 − P (x) 6 max x3 − Pe (x) ,
x∈[0,1] x∈[−1,1]

где Pe (x) — многочлен наилучшего равномерного приближения (далее МНРП) первой степени на отрезке [−1, 1].
Однако, для нечётной функции x3 этот многочлен также будет МНРП второй степени на отрезке [−1, 1]. Сле-
довательно,

max x3 − P (x) = max x3 − Pe (x) ,
x∈[0,1] x∈[−1,1]

и P (x) = Pe(x). Аналогично предыдущей задаче, заключаем, что x3 − P (x) будет нормированным многочленом
Чебышёва третьей степени на отрезке [−1, 1], то есть
3
x3 − P (x) = Te3 (x) = x3 − x,
4
откуда P (x) = 34 x. 
Задача 10. Оценить снизу величину kex − P4 (x)kC[0,1] , где P4 (x) — многочлен наилучшего равномерного
приближения.
1 (5)
Решение. Имеем ex − P4 (x) = 5! f (ξ)ω5 (x) для некоторого ξ ∈ [0, 1], где f (x) = ex . Справа у нас многочлен
5-й степени, которому следует наименее уклоняться от нуля, значит, это многочлен Чебышёва 5-й степени на
отрезке [0, 1]. Осталось оценить это слагаемое снизу. Производная оценивается константой 1 (куда уж меньше!),
а норма многочлена ω5 — тоже некоторой константой, зависящей в общем случае от количества узлов и длины
1
отрезка. В данном случае искомая константа равна 5!·2 7. 

Задача 11. Для функции cos x на отрезке [−1, 1] построить многочлен четвёртой степени P4 (x) такой,
что
kcos x − P4 (x)kC[−1,1] 6 1.5 · 10−4 .

4
Решение. Будем делать то же самое, что и в предыдущей задаче, только на этот раз будем заменять правую
часть на максимум вместо минимума. Тут есть проблема: 4-й производной нам не хватит, потому что константа
будет неудовлетворительно большой. Значит, надо проявить интеллект, а именно, заметить, что, в силу чётности
косинуса, при его приближении можно брать многочлены 5-й степени, так как на деле получится многочлен 4-й
степени. А вот 5-й степени нам хватит! 
Задача 12. Построить наилучшее среднеквадратичное приближение функции f (x) = sin x многочленом
второй степени на отрезке [0, π].
Решение. Сделаем замену x = π2 y + π2 . Получим sin x = cos π2 y = f (y), причём функцию f (y) нужно прибли-
зить на отрезке [−1, 1]. Известно (искомое приближение будет просто ортогональной проекцией приближаемого
вектора на подпространство, порождённое многочленами не выше второй степени), что среднеквадратичное
приближение имеет вид
P = (Q0 , f )Q0 + (Q1 , f )Q1 + (Q2 , f )Q2 ,
где Qi — ортогональные многочлены на отрезке [−1, 1]:
1
Q0 = 1, Q1 = y, Q2 = y 2 − .
3
Найдём коэффициенты:
Z1
π 4
(Q0 , f ) = cos y dy = ,
2 π
−1

Z1
π
(Q1 , f ) = y cos y dy = 0,
2
−1

Z1  
1 π 8 32
(Q2 , f ) = x2 − cos y dy = − 2 .
3 2 π π
−1

Возвращаясь к старым координатам, запишем окончательный результат:


     
20 4 16 2 20 4 16 10 4 16 2
P (x) = 2 − x − − x+ − + .
π 3π π 2 π 3π π 2 3 3π π 2 π


Задача 13. Построить кубический сплайн по значениям f (0), f (1).
Решение. Учитывая так называемые «естественные» граничные условия (p′′ (0) = p′′ (1) = 1), имеем:

P (x) = f (0) + f (1) − f (0) x.


Задача 14. Построить кубический сплайн по значениям f (0), f (1), f (2).
Решение. Необходимо построить два кубических сплайна

P1 = A1 x3 + B1 x2 + C1 x + D1 , P2 = A2 x3 + B2 x2 + C2 x + D2 .

На них накладываются следующие условия:




P1′′ (0) = P2′′ (2) = 0 (естественные условия),



P1′ (1) = P2′ (1) (гладкость),


P ′′ (1) = P ′′ (1) (ещё большая гладкость),
1 2

P 1 (0) = f (0) (совпадение в узлах),



P (1) = P (1) = f (1),

 1 2

P2 (2) = f (2).

5
На неизвестные коэффициенты сплайнов получаем следующую систему:


 B =0
 1


6A2 + B2 = 0





 3A1 + 2B1 + C1 = 3A2 + 2B2 + C2

3A + B = 3A + B
1 1 2 2

 D 1 = f (0)



 A + B1 + C1 + D1 = f (1)

 1


A2 + B2 + C2 + D2 = f (1)



8A2 + 4B2 + 2C2 + D2 = f (2)

Решение будет иметь такой вид:



 3
A1 = 12 (f (0) + f (2) − 2f (1))




 B1 = 0


C1 = f (1) − f (0) − 3 (f (0) + f (2) − 2f (1))


 12
D = f (0)
1
 3

 A2 = − 12 (f (0) + f (2) − 2f (1))

 3

B2 = 2 (f (0) + f (2) − 2f (1))



C2 = f (1) − f (0) − 74 (f (0) + f (2) − 2f (1))



D2 = f (0) − 12 (f (0) + f (2) − 2f (1))


Задача 15. Доказать, что если A = AT > 0, то aii > 0.
Решение. Пусть ei — стандартные базисные векторы. Тогда aii = (Aei , ei ) > 0, по определению симметрич-
ной положительно определённой квадратичной формы. 
Задача 16. Пусть числа pk (k = 1, . . . , n) являются положительными. Доказать, что выражение
n
X
kxkp := |xk | pk
k=1

определяет норму вектора x = (x1 , . . . , xn ). Найти норму матрицы, согласованную с этой нормой вектора.
Решение. Проверка аксиом нормы очевидна:
P
1. kxkp = 0 ⇔ |xk |pk = 0 ⇔ x = 0.
P P
2. kλxk = |αxk |pk = |λ| |xk |pk = |λ| kxkp .
P P P
3. kx + yk = |xk + yk |pk 6 |xk |pk + |yk |pk = kxkp + kykp .
Выведем матричную норму, согласованную с данной, а именно, положим:
n
1 X
kAkp = max |akj | pk .
j pj
k=1

Покажем, что эта норма согласована с векторной нормой k·kp . Действительно,


X X 1
kAxkp = |akj | |xj | pk = |akj | pk |xj | pj 6 kAkp · kxkp .
pj
j,k j,k

С другой стороны, рассматривая её на базисных векторах ej , для которых kej kp = pj , получаем


X
kAej kp = |akj | pk ,
k

то есть kAej kp = kAkp · kej kp . 


Задача 17. Пусть A = AT > 0. Доказать, что итерационный метод

xn+1 = xn − 0.5τ A(xn+1 + xn ) − 2b

6
сходится при любом τ > 0 к решению системы линейных алгебраических уравнений Ax = b. Оценить скорость
сходимости метода, если известны λmin (A) и λmax (A).
Решение. Полагая rn = xn − x, имеем
1 1
rn+1 = (E − τ A)(E + τ A)−1 rn =: Brn .
2 2
По лемме об отображении спектра, собственные значения оператора B имеют вид

1 − 12 τ λk 2
µk = = − 1, k = 1, . . . , n.
1 + 12 τ λk 1 + 12 τ λk

В силу положительности λk отсюда немедленно следует сходимость метода. Скорость сходимости можно оценить
следующим образом:
krn k 6 q n r0 ,
где  
2 2
q = max 1 − 1 ,
1 − 1 .

1 + 2 τ λmin 1 + 2 τ λmax

Задача 18. Пусть  
2 0.3 0.5
A = 0.1 3 0.4 .
0.1 0.1 4.8
Показать, что итерационный метод xn+1 = (I − τ A)xn + τ b сходится при τ ∈ (0, 0.4).
Решение. Полагая rn = xn − x, имеем

rn+1 = (E − τ A)rn .

Для локализации собственных значений матрицы A воспользуемся следующей теоремой:


Теорема 1 (Гершгорин). Для всякой матрицы A ∈ Mn справедливо соотношение:
n
[
σ(A) = {z ∈ C : |z − aii | < Ri′ (A)},
i=1

где σ(A) = λ1 , . . . , λn — множество собственных значений матрицы A (спектр), и


n
X
Ri′ (A) = |aij |.
j=1,j6=i

Более того, если объединение k из этих кругов есть связная, не пересекающаяся с остальными кругами об-
ласть, то в ней содержится ровно k собственных значений.
Указанные в теореме области для матриц A и AT соответственно будут выглядеть следующим образом:

Рис. 1

7
Рис. 2

Матрица A вещественна, поэтому таковым является и её характеристический многочлен. Следовательно, её


собственные значения должны разбиваться на комплексно сопряжённые пары. Однако, круги на втором рисунке
не пересекаются, то есть в каждом из них должно лежать ровно одно собственное значение, откуда немедленно
получаем, что все собственные значения матрицы A — вещественные и лежат на отрезке [1.8, 5]. Теперь несложно
получить требуемую оценку для собственных значений матрицы E − τ A:

1 > 1 − 1.8τ > 1 − τ λk > 1 − 5τ > −1,

значит, имеет место сходимость. 


Задача 19. Пусть собственные значения матрицы A удовлетворяют условиям λ1 ≈ −1; λk ∈ [1, 5] при
k = 2, 3, . . . . Для решения системы уравнений Ax = b выписать сходящийся итерационный метод типа метода
Ричардсона с переменными параметрами.
Решение. Общий вид метода Ричардсона:

xn+1 = xn − (αA + β)(Axn − b).

Полагая rn = xn − x, имеем
rn+1 = (E − βA − αA2 )rn . (1)
По лемме об отображении спектра, собственные значения этой матрицы имеют вид 1 − βλk − αλ2k . Получаем
условие сходимости метода Ричардсона:
|1 − βλk − αλ2k | < 1.
1
Оно выполняется, в частности, при α = 13 , β = 0. 
Задача 20. Пусть λ1 , . . . , λm — известные собственные значения матрицы A. Выписать метод простой
итерации с переменным шагом τk , который через m шагов давал бы точное решение системы Ax = b.
Решение. Общий вид метода простой итерации с переменным шагом:

xn+1 = xn − τn (Axn − b).

Полагая rn = xn − x, имеем
m−1
Y
rn+1 = (E − τn A)rn , rm = (E − τn A)r0 .
n=0

1
Q
m−1
Полагая τn = λn , получим, что все собственные значения матрицы (E − τn A) будут нулевыми, что означает
n=0
m
равенство нулю всей матрицы, а значит и нужное нам равенство r = 0. 
3
Задача 21. Выяснить, к какому из корней уравнения x −x = 0 в зависимости от начального приближения
x0 сходится метод Ньютона. Возможна ли расходимость?
Задача 22. Найти порядок аппроксимации разностной схемы
un+1 − 2un + un−1 un+1 + 2un + un−1
2
= , u0 = uN = 0
h 4
краевой задачи (
u′′ = u,
u(0) = u(1) = 0
и исследовать её на устойчивость.

8
Решение. Рассмотрим решение u и разложим его в ряд Тейлора:
1 1
un+1 = un + u′n h + u′′n h2 + u′′′ h3 + O(h4 ),
2 6 n
и, аналогично,
1 1
un−1 = un − u′n h + u′′n h2 − u′′′ h3 + O(h4 ).
2 6 n
Подставляя эти выражения в схему, получим
u′′n
u′′n + O(h2 ) = un + + O(h4 ),
4
откуда следует, что порядок аппроксимации равен O(h2 ) (первые слагаемые слева и справа уничтожаются в
силу уравнения).
Исследуем схему на устойчивость с помощью спектрального признака. Подставим un = λn и найдём соб-
ственные значения разностного оператора.
λ2 − 2λ + 1 λ2 + 2λ + 1
= .
h2 4
Получили характеристический многочлен:
     
h2 2 h2 h2
1− λ −2 1+ λ+ 1− = 0.
4 4 4
Находим корни: s 2  2  2
h2 h2 h2 h2 h
λ1,2 =1+ ± 1+ − 1− =1+ ±h= 1± .
4 4 4 4 2
Для того, чтобы была выполнена α-устойчивость, нужно


1 ± h 6 1,
2
что, очевидно, не выполнено. Однако имеется устойчивость в том смысле, что спектральный радиус ограничен
величиной 1 + Ch для некоторого C. В самом деле, достаточно взять C = 2:
 2
h
1± 6 1 + 2h
2
при достаточно малом h. На самом деле, как легко видеть, в качестве константы C можно взять любое число,
строго большее 1. 
Задача 23. Аппроксимирует ли конечно-разностная схема
un+1 − 3un + un−1
− fn = 0
2h
уравнение u′ = f (x, u)?
Решение. Подставим точное решение в схему, разложенное по Тейлору:
1
un+1 = un + u′n h + u′′n h2 + O(h3 ),
2
и, аналогично,
1
un−1 = un − u′n h + u′′n h2 + O(h3 ).
2
Получим
1
un + O(h2 ) − fn = 0,

2h
откуда следует, что никакой аппроксимации не наблюдается. 
Задача 24. Для краевой задачи


 ∆u = f,

u =u =u = 0,

 y=0 y=1 x=1
 ∂u
∂ν = 0 при x = 0

9
выписать разностную схему с порядком аппроксимации O(h2 ) и предложить метод решения получающейся
системы линейных уравнений.
∂u
Решение. В нашем случае ∂ν = − ∂u
∂x (знак учитывает направление внешней нормали). Несложно проверить,
что схема
un+1
m − 2unm + un−1
m unm+1 − 2unm + unm−1 n
+ = fm .
h2 h2
даёт порядок аппроксимации O(h2 ), не будем повторять те же выкладки, поскольку проверка делается стан-
дартным образом — разложением по Тейлору нецентральных узлов до нужного порядка и подстановкой в схему.
Далее, нужно учесть граничные условия:

unm = 0 при n = N или m = 0 или m = M.

Теперь нужно включить в схему последнее граничное условие на нормаль.


∂u 0
αu2m + βu1m + γu0m = +O(h2 ).
∂x m
Разлагая снова по Тейлору, получаем
 
∂u 0 βh2 ∂ 2 u 0
(α + β + γ)u0m 2
+ (2hα + βh) + 2h α + +O(h2 ) = 0.
∂x m 2 ∂x2 m

Чтобы аппроксимация таки была, потребуем равенства нулю всех коэффициентов в левой части. Получаем
систему 
α + β + γ = 0,

2hα + βh = 1,

 2 2
2h α + βh2 = 0.
Отсюда находим
β β 1
α=− , = ,
4 2 h
2 1 3
β=
, α=− , γ=− .
h 2h 2h
Подставляя найденные коэффициенты, получаем схему для краевого условия на нормаль:

−u2m + 4u1m − 2u0m


= 0.
2h
Проанализируем полученную схему. Ясно, что мы получаем 5-диагональную матрицу, которую можно ре-
шать методом прогонки или методом стрельбы. Вообще говоря, можно применять и оптимизированный для
ленточных систем алгоритм Гаусса. 
Задача 25. Для начально-краевой задачи


 ut = uxx + f (x, t),

u(x, 0) = u (x),
0
 ∂u

 = 0 при x = 0,
 ∂ν
u(1, t) = 0

построить разностную схему с порядком аппроксимации O(h2 + τ 2 ), которая на каждом шаге по времени
требовала бы решения системы уравнений с трёхдиагональной матрицей.
Решение. Рассмотрим сеточную функцию unm (по нижнему индексу у нас шаг h, а по верхнему — τ ). У нас
u0m задано unM = 0. Для краевого условия на левом конце применим схему

−un2 + 4un1 − 3un0


= 0,
2h

которая годится в силу задачи 24. Для самого уравнения у нас есть схема с точностью O |h| + |τ | .

un+1 − unm un + unm−1 − 2unm


m
= m+1 n
+ fm .
τ h2

10
Подставим точное решение:
∂u n τ ∂ 2 u n
+ · +f n + O(τ 2 + h2 ).
∂t m 2 ∂x2 m m
∂2 u
Аппроксимируем ∂t2 . Рассмотрим для этой цели схему

un+1 − unm un + unm−1 − 2unm un+1 n−1 n+1


m+1 + um−1 − 2um
n+1
fm n−1
− fm
m
= m+1 + + f n
m + .
τ 2h2 2h2 4τ
Такая схема даёт точность O(h2 + τ 2 ). Начальные условия: u0m задано, u0M = 0.

−un2 + 4un1 − 3un0


= 0.
2h

Задача 26. Для краевой задачи в единичном квадрате

∆u = f,
u =0
∂Ω

выписать разностную схему с порядком аппроксимации O(h4 ) и предложить метод решения получающейся
системы линейных уравнений.
Решение. Мы знаем схему с порядком аппроксимации O(h2 ):

un+1
m − 2unm + un−1
m unm+1 − 2unm + unm−1 n
+ = fm .
h2 h2
Подставим разложение un+1
m и unm+1 , чтобы уточнить схему: тогда слева получается невязка

1 ∂4u 2 4 1 ∂4u 2
h + O(h ) + h .
12 ∂x4 12 ∂y 4

Её нужно ликвидировать, построив для четвёртых производных схемы порядка O(h2 ). Имеем

αun+2
m + βun+1
m + γunm + βun−1
m + γun−2
m
.
h4
Требуется 
 n
2α + 2β + γ = 0 (при u m ),
2 n
∂ u
2 · 4α + 2β = 0 (при ∂x2 m ),

 16α 2β
∂ 4 u n
24 + 24 = 1 (при ∂x4 m ).

Отсюда получаем систему  



β = −4α, 
α = 3,
8α = 24, ⇔ β = −12,

 

γ = −2α − 2β, γ = 18.
Следовательно, схема имеет вид

un+1
m − 2unm + un−1
m unm+1 − 2unm + unm−1
+ −
h2 h2
3un+2 − 12un+1 n n−1
m + 18um − 12um + 3un−2
− m 4
m

h
3un − 12um n n n
n+1 + 18um − 12um−1 + 3um−2
− m+2 4
n
= fm .
h
Что касается методов решения, то здесь всё довольно плохо. Именно, матрица получается 7-диагональная,
поэтому нужно применять либо семиточечную прогонку, которая довольно сложна в реализации либо обычным
методом Гаусса, в котором сделана оптимизация на случай ленточных матриц. 

11

Вам также может понравиться