Numerikus M Odszerek 2 (MSC) : Horv Ath R Obert

Numerikus módszerek 2 (MSc)
Horváth Róbert
Budapesti Műszaki és Gazdaságtudományi Egyetem

Természettudományi Kar
Matematika Intézet
Analı́zis Tanszék
2015. tavasz
1.
Tantárgyismertető
Hasznos információk
I Elérhetőségeim: e-mail: rhorvath@math.bme.hu, Iroda:

H.24/b
I Fogadóóra: Hétfő 9-10 óra (az irodámban).
I Gyakorlat: Beadandó feladatok, programok. A feladatok
teljesı́tése és jelenlét szükséges az aláı́ráshoz.
I Előadás: követelmények ismertetése
I Vizsgák: vizsga módja, vizsgára bocsátás feltétele
I Jegyzet: órai jegyzet, Horváth, Izsák, Karátson, Parciális
differenciálegyenletek numerikus módszerei, elektronikus
jegyzet, 2013, az előadás diái, interneten szereplő anyagok:
www.math.bme.hu/~rhorvath
Felhasznált irodalom
- Arent, Urban, Partielle Differenzialgleichungen, Spektrum, 2010.

- Larry J. Segerlind, Applied finite element analysis, John Wiley
and sons, 1984.
- Morton, Mayers, Numerical solutions of partial differential
equations, Cambridge University Press, 2005.
- Alfio Borzi, Introduction to multigrid methods, Institut für
Mathematik und Wissenschaftliches Rechnen, Graz
(http://www.kfunigraz.ac.at/imawww/borzi/mgintro.pdf)
- C. Johnson, Numerical solutions of PDEs by the finite element
methods, Dover Publications 2009.
- Stoyan Gisbert, Matlab, Typotex 2005.
- Stoyan Gisbert, Takó Galina, Numerikus módszerek II-III,
Typotex.
- Faragó, Horváth, Numerikus módszerek BSc, egyetemi jegyzet
(honlapomról letölthető).
2.
Bevezetés
Mivel foglalkozik a numerikus matematika?
A numerikus matematika a folytonos matematika problémáinak

megoldásához konstruál algoritmusokat és elemzi azokat
(pontosság, hatékonyság, viselkedés a számı́tógépes megvalósı́tások
során).
A folytonos matematikai problémák általában valamilyen más
tudományág problémáinak matematikai modelljei (fizika, biológia,
közgazdaságtan, stb.).
Modellalkotás
A valódi probléma
↓
Tudományos modell
↓
Matematikai modell → PDE
↓
Numerikus modell
↓
Számı́tógépes modell
Néhány példa (tud. és mat. modellek)
”A boldog családok hasonlók egymáshoz; minden boldogtalan

család, a maga módján az.” (Tolsztoj)
Transzportegyenletek:
Pl. A keresztmetszetű csőben folyadék áramlik, oldott anyag
sűrűsége u(t, x). Egy [x, x + ∆x] csődarabot tekintünk a
[t, t + ∆t] időintervallumban.
Mérlegegyenlet (megmaradási törvény):
Tömegváltozás = Beáramló - Kiáramló + Forrás
ψ(t, x): fluxus: egységnyi keresztmetszeten, egységnyi idő alatt
átáramló anyag.
f (t, x): forrás: időegység alatt egységnyi térfogatban keletkező
anyag.
Z x+∆x
A(u(t + ∆t, y) − u(t, y)) dy =
x
Z t+∆t Z t+∆t Z x+∆x
= A(ψ(τ, x) − ψ(τ, x + ∆x)) dτ + Af (τ, y) dydτ
t t x
⇓
u0t (t, x) + ψx0 (t, x) = f (t, x)
Speciális esetek:
ψ(t, x) = cu(t, x) → lineáris transzportegyenlet
u0t (t, x) + cu0x (t, x) = f (t, x),
u0t (t, x) + cu0x (t, x) − λu(t, x) = 0

(advekció-reakció egyenlet)
ψ(t, x) = αu(β − u) → Burgers-egyenlet (közlekedési dugó
modell). A v(t, x) = β − 2u(t/α, x) változócserével
vt0 (t, x) + v(t, x)vx0 (t, x) = 0.
Diffúzió, hővezetés
Fourier-törvény, Fick-törvény: ψ(t, x) = −ku0x (t, x) →
u0t (t, x) = ku00xx (t, x) + f (t, x).
Hullámegyenlet
Newton 2. törvénye:
u00tt = c2 u00xx + f (t, x).

Ugyanezek magasabb térdimenzióban:

~ x) = 0.
- Transzportegyenlet: u0t (t, x) + ∇ψ(t,
~ x) = c~bu(t, x) → u0 (t, x) + c~b∇u(t, x) = 0.
- ψ(t, t
- Diffúzió, hővezetés
u0t (t, x) = k∆u + f (t, x).
Spec.: (∆u = f Poisson-egyenlet, ∆u = 0 Laplace-egyenlet)

- Hullámegyenlet
u00tt (t, x) = c2 ∆u + f (t, x).

Black–Scholes-egyenlet
Opcióárazás egyenlete:
1 00
Vt0 + σ 2 S 2 VSS + rSVS0 − rV = 0
2
Navier–Stokes-egyenlet
Nemösszenyomható folyadék áramlása:
% ~vt0 + ~v · ∇~v = −∇p + µ∆~v + f~.

Maxwell-egyenletek
Elektromágneses tér leı́rása:
∂(εE)
= ∇ × H − σE − Je ,
∂t
∂(µH)
= −∇ × E,
∂t
∇(εE) = 0,
∇(µH) = 0.
Schrödinger-egyenlet
~2
i~Φ0t = − ∆Ψ + V (t, x)Ψ.
2m
A PDE-ket kezdeti- és peremfeltételek teszik korrekt kitűzésűvé.
3.
Módszertı́pusok
Módszertı́pusok áttekintése
I. Véges differenciák módszere

II. Integrálmódszerek
I Variációs módszer (Ritz-módszer)
I Súlyozott reziduum módszerek
- Kollokációs módszer
- Véges térfogat módszer (vagy résztartomány módszer)
- Galjorkin-módszer
- Momentumok módszere
- Legkisebb négyzetek módszere
Megj.: Ha az integrálmódszerekben a tesztfüggvényeket kis
tartójú, szakaszonként polinomiális függvényeknek választjuk,
akkor végeselem módszerről beszélünk.
Egy egydimenziós peremértékfeladat
Lehajló rúd egyenlete:

M (x)
y 00 = ≡ M0 , y(0) = y(H) = 0.
EI
A pontos megoldás:
M0 2
y(x) = (x − Hx),
2
a rúd közepén a lehajlás
M0 H 2
y(H/2) = − = −0.125M0 H 2 .
8
Véges differenciák módszere
Az ismeretlen függvényt rácsfüggvénnyel közelı́tjük, a deriváltakat

pedig véges differenciákkal. Az ı́gy nyert egyenletrendszert
megoldjuk az ismeretlen rácsfüggvényértékekre.
Legyenek Q = tridiag [−1, 2, −1] ∈ Rn×n , h = H/(n + 1), n ∈ N,
xk = kh (k = 0, . . . , n + 1). yk közelı́tse az y(xk ) függvényértéket.
Ekkor a
−1
Qy = M0 e
h2
egyenletrendszert kell megoldani.
n=101 esetén a megoldásvektor középső eleme:
y51 = −0.124999999999999M0 H 2 ≈ −M0 H 2 /8.
(lásd: Numerikus módszerek 1.)
Integrálmódszerek
Tesztfüggvények Vh N dim. vektorteréből választjuk ki valamilyen

szempontból a legmegfelelőbbet a tesztfüggvényeket megfelelő
integrálokba helyettesı́tve.
Variációs módszer: A differenciálegyenletet egy variációs feladat
Euler–Lagrange-egyenleteként fogjuk fel, majd a kapott funkcionált
minimalizáljuk a tesztfüggvények halmazán.
Integrálmódszerek
Súlyozott reziduum módszer: Az Lu? = f (u? a pontos megoldás)

általános alakú feladat esetén a reziduum: r = f − Lu. Így az
Z
w(x)r(x) dx = 0
Ω
egyenlőség minden w(x) ún. súlyfüggvényre fennáll, ha a

reziduumot a pontos megoldással számı́tjuk. A súlyozott reziduum
módszerben a fenti egyenlőséget követeljük meg N adott súlyra
(wi (x)) a tesztfüggvényekre. Olyan φ(x) tesztfüggvényt keresünk
tehát, amire
Z
Ii (φ(x)) = wi (x)r(φ(x)) dx = 0, i = 1, . . . , N.
Ω
Variációs módszer
Walter Ritz (1878-1909) svájci elméleti fizikus.

Z H
1 0 2
I(φ(x)) = (φ (x)) + M0 φ(x)) dx
0 2
φ(x) = y(x)-re minimum a V = {φ : C 2 [0, H], φ(0) = φ(H) = 0}
halmazon
m
y(x) megoldása a φ00 = M0 , y(0) = y(H) = 0
peremértékfeladatnak (Euler–Lagrange-egyenlet).
Variációs módszer
Legyen a próbafüggvények halmaza most
Vh = {φ : [0, H] → R | φ(x) = A sin(πx/H), A ∈ R}.
Minimalizáljuk az I funkcionált Vh -n. Legyen φA ∈ Vh . Ekkor
Z H πx
1 π πx 2
I(φA (x)) = cos + M0 A sin dx
0 2 H H H
π 2 2 2M0 H
= A + A.
4H π
Minimális, ha
4M0 H 2
A=− ,
π3
azaz a
4M0 H 2 πx
φ(x) = − sin
π3 H
függvényre. Maximális lehajlás
4M0 H 2
− = −0.129006M0 H 2 .
π3
Kollokációs módszer
N tetszőleges pontban a tartományon belül legyen a reziduum

nulla.
Integrálalakban is felı́rható a wi (x) = δxi (x) Dirac-féle függvény
segı́tségével. (xi -ben 1, máshol nulla az értéke, és egy adott
függvénnyel vett szorzatának integrálja a függvény xi -beli értéke.)
Z
Ii (φ(x)) = δxi (x)r(x) dx = r(xi ) = 0, i = 1, . . . , N.
Ω
Kollokációs módszer
A példabeli reziduum: r(x) = M0 − y 00 (x). A tesztfüggvényeken az

alakja
π 2 πx
r(x) = M0 + A sin .
H H
Az x = H/2 felezőpontban akkor ad ez nullát, ha
H 2 M0
A=− .
π2
Ekkor a közelı́tő megoldás tehát
H 2 M0 πx
φ(x) = − sin ,
π2 H
Maximális lehajlás
−0.1013M0 H 2 .
Véges térfogat módszer (vagy résztartomány módszer)
A tartományt diszjunkt résztartományokra osztjuk:
Ω = Ω1 ∪ . . . ∪ ΩN és a wi (x) = χΩi (x) (i = 1, . . . , N )
karakterisztikus függvényeket választjuk súlyoknak:
Z Z
Ii (φ(x)) = χΩi (x)r(x) dx = r(x) dx = 0, i = 1, . . . , N.
Ω Ωi
A példában csak egy résztartomány van:

Z H Z H π 2 πx 2Aπ
r(x) dx = M0 +A sin dx = M0 H+ = 0.
0 0 H H H
A értéke tehát A = −M0 H 2 /(2π) = −0.1592M0 H 2 , ez a

max. lehajlás. Közelı́tő megoldás
M0 H 2 πx
φ(x) = − sin .
2π H
Galjorkin-módszer
Borisz Grigorjevics Galjorkin (1871-1945) orosz

mérnök / matematikus.
Vh bázisa
P legyen φ1 , . . . , φN , és a közelı́tő megoldást keressük
φ = k ck φk (x) alakban. A súlyfüggvényeket válasszuk a
bázisfüggvényeknek!
X Z
Ii ( ck φk (x)) = φi (x)r(x) dx = 0, i = 1, . . . , N.
k Ω
Ez a módszer a végeselem módszer alapja.

Galjorkin-módszer
A példában: πx
φ1 (x) = sin .
H
Z H
I1 (Aφ1 (x)) = φ1 (x)r(x) dx
0
Z H πx π 2 πx
= sin M0 + A sin dx
0 H H H
Aπ 2 2M0 H
= + = 0.
2H π
A értéke tehát A = −4M0 H 2 /π 3 (mint a Ritz-módszernél), ez a
−4M0 H 2 πx
φ(x) = sin .
π3 H
Momentumok módszere
wi (x) = xi−1 , i = 1, 2, 3, . . .
A példában most wi (x) = 1 és egy intervallum van csak, ı́gy
ugyanazt kapjuk, mint a véges térfogat módszer esetén.
A értéke tehát A = −M0 H 2 /(2π) = −0.1592M0 H 2 , ez a
M0 H 2 πx
φ(x) = − sin .
2π H
Legkisebb négyzetek módszere
Az Z
I(φ(x)) = (r(x))2 dx → min.
Ω
feladat megoldását keressük. Ha Vh aP φi bázisfüggvények lineáris
kombinációja és a megoldást φ(x) = k ck φk (x) alakban
keressük, akkor a minimumhelyen a ck ismeretlenek szerinti
deriváltaknak nullának kell lenniük. Innét kapjuk a
Z
∂r(x)
2 r(x) dx = 0, (i = 1, . . . , N )
Ω ∂ci
egyenlőségeket. Azaz a reziduum deriváltjai a súlyok ebben a

módszerben (wi (x) = ∂r/∂ci ).
Legkisebb négyzetek módszere
A feladatban:
Z H π 2 πx 2
I(φA (x)) = M0 + A sin dx
0 H H
A2 π 4 4M0 πA
= + + M02 H → min.
2H 3 H
Minimum
4M0 H 2
A=−
π3
esetén. Ez a max. lehajlás (mint a Ritz-módszernél), a közelı́tő
megoldás pedig
4M0 H 2 πx
φ(x) = − sin .
π3 H
Megjegyzések
I Önadjunált operátorok esetén a Ritz- és Galjorkin módszerek

ugyanazt az eredményt adják.
I Végeselem módszernek hı́vunk egy integrálmódszert, ha a
tesztfüggvények szakaszonként folytonos függvények (a bázis
tesztfüggvények tartója kicsi az egész tartomány méretéhez
képest). Általában a Galjorkin-módszert szokták használni
ebben az esetben.
I Természetesen eddig csak közelı́tő megoldásokat állı́tottunk
elő, de nem foglalkoztunk azzal, hogy mekkora a közelı́tő
megoldás hibája. Ezt a kérdést majd később a konkrét
feladatoknál fogjuk vizsgálni.
4.
Az advekciós egyenlet megoldása (véges

differencia)
Az advekciós egyenlet 1D-ban
Advekciós egyenlet
u0t (t, x) + cu0x (t, x) = f (t, x),

kiegészı́tve a megfelelő kezdeti- és peremfeltételekkel; c az áramlás
sebessége.
Egzakt megoldása a karakterisztikus görbék segı́tségével történik.
A megoldás grafikonja összerakható a
   
t(s) 1
d 
x(s) = c 
ds
u(t(s), x(s)) f (t(s), x(s))
KDER megoldásgörbéiből ([t(0), x(0), u(t(0), x(0))]T adott

vektor).
Karakterisztikák
Legyen u(0, x) = u0 (x) adott kezdeti függvény.

Ha c = c(t, x) x-ben Lipschitz-folytonos és t-ben folytonos, akkor a
karakterisztikák nem metszik egymást.
Ha f ≡ 0, akkor u konstans a karakterisztikákon. Ekkor, ha
c = c(u), akkor egyenesek a karakterisztikák
(u(t, x) = u0 (x − c(u(t, x))t)), c konstans esetén párhuzamosak
(u(t, x) = u0 (x − ct)).
Első próbálkozás
Numerikus megoldási módszerek lehetnek:

I Véges térfogat módszer (nem vizsgáljuk),
I a KDER numerikus megoldása (több változóban komplikált),
I véges differencia módszer.
Vizsgáljuk az alábbi feladatot:

Konstans sebességes advekció, periodikus peremmel
u0t (t, x) + cu0x (t, x) = 0, u0 (x) adott, u(t, 0) = u(t, 1).

Rácshálót definiálunk a megoldási tartományon
(Ujk ≈ u(j∆t, k∆t)).
FTCS-séma: (k = 0, 1, . . . ; j = 1, . . . , n)
Ujk+1 − Ujk k
Uj+1 k
− Uj−1
+c = 0.
∆t 2∆x
k
A q = c∆t/∆x és Uh = [U1k , . . . , Unk ]T választással a séma az
alábbi vektoriterációs alakot ölti:
 
1 −q/2 q/2
 q/2
 1 −q/2 

k+1 .. .. ..  k
Uh =   Uh

 . . . 
 q/2 1 −q/2 
−q/2 q/2 1
Próbáljuk ki u0 (x) = sin(2πx) kezdeti feltétellel (c = 1)!
→ transeq(n,dt,kmax)=transeq(30,0.05,400)
Látható, hogy ”valami nem stimmel” a módszerrel. Mi lehet a
rossz viselkedés oka?
Lax ekvivalencia tétele
Konvergencia: A rács finomı́tásával a numerikus megoldás tart a

pontos megoldáshoz.
Stabilitás: Kicsit változtatva a kezdeti feltételen a megoldás nem
változhat bármekkorát a rács finomı́tásával.
Konzisztencia: A séma képlethibája nullához tart, ha a
rácstávolságok nullához tartanak.
Lax ekvivalencia tétele: Korrekt kitűzésű feladatokra konstruált
konzisztens numerikus sémák pontosan akkor konvergensek, ha
stabilak.
CFL-feltétel
I Richard Courant (1888-1972) német származású (amerikai)

matematikus
I Kurt Otto Friedrichs (1901-1982) német származású
(amerikai) matematikus
I Hans Lewy (1904-1988) német származású (amerikai)
Wolf-dı́jas matematikus
Courant, R.; Friedrichs, K.; Lewy, H. (1928), ”Über die partiellen
Differenzengleichungen der mathematischen Physik” (in German),
Mathematische Annalen 100 (1): 32-74.
CFL-feltétel
Piros pontok: A P pontbeli numerikus megoldás függőségi

halmaza.
Kék vonal: A P pontbeli pontos megoldás függőségi halmaza.
CFL-feltétel: A numerikus séma, csak akkor lehet konvergens, ha
numerikus függőségi halmaza tartalmazza a pontos megoldás
függőségi halmazát (szükséges a konvergenciához).
CFL-feltétel
A mintapéldában:
A karakterisztika meredeksége: 1/c A numerikus függőségi
tartomány oldalainak meredeksége ∆t/∆x. A CFL-feltétel teljesül,
ha
c∆t
|q| = ≤ 1.
∆x
(q elnevezése: CFL-szám.)
A példában q = 1.5, azaz nem teljesül a feltétel.
→ transeq(n,dt,kmax)=transeq(30,0.01,1200)
Most már teljesül, de még mindig valami nem jó. Tudjuk, hogy a
CFL-feltétel csak szükséges feltétel a konvergenciához.
Diszkrét Fourier-analı́zis
A numerikus sémát kielégı́tik az alábbi komplex számok:
Ujk = g k eijl∆x ,
ha g ≡ g(l∆x) = 1 − qi sin(l∆x)
(g: növekedési faktor, amplification factor).
Vegyük észre, hogy
|g|2 = 1 + q 2 sin2 (l∆x),
amely általában nagyobb lesz, mint 1, azaz általában a

Fourier-összetevők amplitúldója növekszik. Azaz rögzı́tett q mellett
finomı́tott rácshálón a számı́tásokra rakódó hiba növekszik, ı́gy
nem lehet a módszer stabil.
A FTCS-séma nem használható, mert nem stabil. A CFL-feltételt
viszont kielégı́ti.
Upwind séma
Egy egyszerű és konvergens séma (előző időrétegen való lineáris
interpolációból):
(
k
Ujk − q(Uj+1 k
− Ujk ) = (1 + q)Ujk − qUj+1 , c < 0,
Ujk+1 = k ) = (1 − q)U k + qU k
Ujk − q(Ujk − Uj−1 j j−1 , c ≥ 0.
CFL-feltétel: teljesül, ha |q| ≤ 1.

Diszkrét Fourier:
g ≡ g(l∆x) = 1 − |q|(1 − e−il∆x ),
azaz
|g|2 = 1 − 4|q|(1 − |q|) sin2 (l∆x/2).
Azaz a CFL-feltétel mellett stabil is a séma (most ez elégséges is),
azaz konvergens is (konzisztencia miatt).
Az upwind séma konvergenciája (c > 0 esete)
Legyen a pontos megoldás jelölése: ukj = u(k∆t, j∆x) (hasonlóan

a deriváltakra is). Tegyük fel, hogy a megoldás másodrendű
deriváltjai folytonosak, azaz ebben az esetben korlátosak is a
megoldási tartományon: [0, tmax ] × [0, 1].
Képlethiba:
uk+1
j − ukj
ukj − ukj−1
Tjk := +c
∆t ∆x

0 k 1 00 k?
0 k
1 00 k
= ut j + ∆t[ utt ]j + c ux j − ∆x uxx j ? ,
2 |{z} 2
c2 u00
xx
tehát
1
|Tjk | ≤ c∆x(1 − q)Mxx ,
2
ahol Mxx felső becslés a megoldás x szerinti második deriváltjára a
tartományon.
Legyen a hiba jelölése: ekj = ukj − Ujk . Ekkor a numerikus séma és
a képlethiba képletének kivonásával kapjuk, hogy
ek+1
j − ekj ekj − ekj−1
+c = −Tjk ,
∆t ∆x
k
azaz az ekh = [ek1 , . . . , ekn ]T és Th = [T1k , . . . , Tnk ]T jelölésekkel
 
1−q q
 q
 1−q 

.. .. k
ek+1
 k
=  eh − ∆tTh

h 
 . . 
 
q 1−q
Az iterációs mátrix maximumnormája 1, ı́gy adódik a

0 k−1
kekh k∞ ≤ ∆t(kTh k∞ + . . . + kTh k∞ )
1 1
≤ ∆tk c∆x(1 − q)Mxx ≤ tmax c∆x(1 − q)Mxx
2 2
becslés, ami mutatja a séma elsőrendű konvergenciáját.
→ transeq upwind(50,0.01,800)
Megj.: A bizonyı́táshoz felhasználtuk a megoldás kellő simaságát.
Ha a kezdeti feltétel nem elég sima, akkor ez nem teljesül. Ilyenkor
más módszerek kellenek a konvergencia vizsgálatához.
Az upwind séma Fourier-analı́zise
λ: hullámhossz, λ = 2π/l (l: hullámszám)

f : frekvencia, ω = 2πf : körfrekvencia
Hullám sebessége: v = λf = ω/l
Így egy szinuszhullám felı́rható az
u(t, x) = A0 ei(lx−ωt)
alakban. Ez a hullám kielégı́ti az advekciós egyenletet, ha c = ω/l

(haladási sebessége éppen c). Amplitúdó állandó. ∆t alatt a
fázisváltozás −ω∆t = −cl∆t = −ql∆x.
A numerikus séma fáziseltolódása:
Ujk = g k eijl∆x = eln(|g|)k ei(jl∆x+arg(g)k)
Látható, hogy |g| =6 1 esetén változik az amplitúdó és a

fázisváltozás ∆t idő alatt arg(g).
Lemma.
arctg(c1 p + c2 p2 + c3 p3 + c4 p4 + . . .)
= c1 p + c2 p2 + (c3 − c31 /3)p3 + (c4 − c21 c2 )p4 + . . . .
Az upwind séma esetén:
g = 1 − |q|(1 − e−il∆x ),
melyre q
|g| = 1 − 4|q|(1 − |q|) sin2 (l∆x/2).
√
A 1 − x = 1 − x/2 − x2 /8 − x3 /16 − . . . sorfejtés miatt ez azt
mutatja, hogy az amplitúdó hibája (l∆x)2 -tel arányos.
Mivel g = (1 − q) + q cos(l∆x) − iq sin(l∆x), emiatt az
argumentum
q sin(l∆x)
arg(g) = −arctg
(1 − q) + q cos(l∆x)
= −ql∆x(1 − (1 − q)(1 − 2q)(l∆x)2 /6 + . . .).

Lax–Wendroff-séma
Lax Péter (1926, Budapest), magyar származású amerikai

matematikus.
Burton Wendroff (1930) amerikai matematikus.
Lax–Wendroff-séma
Kvadratikus interpoláció segı́tségével származtatható.
1 1
Ujk+1 = q(1 + q)Uj−1
k
+ (1 − q 2 )Ujk − q(1 − q)Uj+1
k
.
2 2
→ transeq laxwendroff(50,0.01,1000)
Növekedési faktor:

2 2 1
g(l∆x) = 1 − iq sin(l∆x) − 2q sin l∆x ,
2
ahonnét
2 2 2 4 1
|g| = 1 − 4q (1 − q ) sin l∆x
2
(CFL elégséges is),
arg(g) = −ql∆x(1 − (1 − q 2 )l2 ∆x2 /6 + . . .).

Leap-frog séma
Ujk+1 − Ujk−1 k
Uj+1 k
− Uj−1
+c =0
2∆t 2∆x
(indı́tás pl. a Lax-Wendroff sémával).
q
g(l∆x) = −iq sin(l∆x) ± 1 − q 2 sin2 (l∆x),
ha a CFL-feltétel teljesül, akkor nincs csillapı́tás.
arg(g) = −ql∆x(1 − (1 − q 2 )l2 ∆x2 /6 + . . .).

5.
Elliptikus egyenletek numerikus

megoldása (véges differencia)
A Poisson-egyenlet téglalapon
Poisson-egyenlet 2D-ban, téglalapon, Dirichlet-peremmel
∂2u ∂2u
−∆u = − − 2 = f (x, y), (x, y) ∈ Ω := (0, a) × (0, b)
∂x2 ∂y
u|Γ = g(x, y), Γ := ∂Ω.
Véges differencia megoldáshoz rácsot definiálunk:
Ωh := {(x, y) ∈ Ω | x = ih1 , y = jh2 ,

| {z }
xij
i = 0, . . . , n1 , j = 0, . . . , n2 },
Ωh ∩ Ω =: Ωh ,
Ωh ∩ Γ =: Γh .
A véges differencia séma
Alkalmazzuk az
Uij ≈ u(ih1 , jh2 ), fij = f (ih1 , jh2 ), gij = g(ih1 , jh2 )
közelı́téseket, melyekkel a séma alakja a következő lesz.

A véges differencia séma
Véges differencia séma, Poisson-egyenlet, téglalap, Dirichlet-perem
j
Ui−1 − 2Uij + Ui+1
j
Uij−1 − 2Uij + Uij+1
− − = fij , xij ∈ Ωh
h21 h22
Uij = gij , xij ∈ Γh .
A fenti egyenletek egy (n1 + 1)(n2 + 1) méretű lineáris

egyenletrendszert eredményeznek
Ah Uh = φh ,
ahol
(
fij , xij ∈ Ωh ,
(φh )ij = , kφh k∞ ≤ max{kgkC(Γ) , kf kC(Ω) }
gij , xij ∈ Γh ,
és a mátrix ill. vektorok alakja attól függ, hogy hogy rendeztük a
rácspontokat. A továbbiakban a sorfolytonos sorszámozást
alkalmazzuk (lentről felfelé, balról jobbra).
Az Ah mátrix szerkezete
kék:
zöld:
2 2
2 + 2
h1 h2
piros:
1
−
h21
narancs:
1
−
h22
Tétel. Az Ah mátrix M-mátrix.

Biz. Előjelek stimmelnek. Tekintsük a
w(x, y) = 4 + x(a − x) + y(b − y)
függvényt és definiáljuk a w,
wij = w(ih1 , jh2 )
pozitı́v vektort, amit ugyanúgy rendezünk, mint az Uh vektor

elemeit. Erre a vektorra
(
4, xij ∈ Ωh ,
(Ah w)ij =
≥ 4, xij ∈ Γh ,
ami pozitı́v vektor.
Megj. Ha f1 ≥ f2 és g1 ≥ g2 , akkor az ezekkel előállı́tott két

numerikus megoldásra érvényes
(Uh )1 ≥ (Uh )2 .
Speciálisan ebből következik a nemnegativitás-megőrzési

tulajdonság.
A numerikus séma konvergenciája
Vezessük be az uji jelölést az u(ih1 , jh2 ) pontos értékekre, továbbá

legyen E = maxi=0,...,n1 ; j=0,...,n2 |Uij − uji |.
Def. A numerikus sémát konvergensnek hı́vjuk, ha
h := max{h1 , h2 } → 0 esetén E → 0. Ha E = O(hr ), akkor azt
mondjuk, hogy a konvergencia rendje r.
Def. A numerikus séma stabil, ha kA−1
h k felülről korlátos a rács
finomságától függetlenül.
Def. A numerikus séma konzisztens, ha képlethibája minden
pontban nullához tart, ha h → 0. A konzisztenciarend r, ha a
képlethiba minden pontban O(hr ) nagyságrendű.
Tétel. Konzisztencia + stabilitás ⇒ konvergencia.
Tétel. A numerikus séma stabil, ugyanis
a2 + b2
kA−1
h k∞ ≤ 1 + .
16
Biz. Az M-mátrixok inverzének maximumnormabeli becsléséből
következik, hogy
4 + a2 /4 + b2 /4 a2 + b2
kA−1
h k∞ ≤ =1+ .
4 16
Tétel. Amennyiben a vizsgált peremértékfeladat megoldása

C 4 (Ω)-beli, akkor a vizsgált numerikus séma másodrendben
konzisztens.
Biz.
uji−1 − 2uji + uji+1 uj−1 − 2uji + uj+1
Tij := − − i i
− fij
h21 h22
?
j
∂ 2 u ∂ 4 uj? h2 ∂ 2 u ∂y4 ui h22
=− 2 − x i 1 − 2 − − fij ,
∂x 12 ∂y 12
azaz
M4,0 h21 M0,4 h22 M h2
|Tij | ≤ + ≤
12 12 6
a rácsponttól függetlenül. (Az M értékek a szokott módon a
deriváltak felső becslései.) Ez mutatja a másodrendű
konzisztenciát.
Tétel. Amennyiben a vizsgált peremértékfeladat megoldása

C 4 (Ω)-beli, akkor a vizsgált numerikus séma másodrendben
konvergens.
Biz. Legyen a képlethibák vektora megfelelően rendezve Th . Ekkor
az
Ah Uh − φh = 0
és
Ah uh − φh = Th
kivonásából adódik, hogy
Ah (Uh − uh ) = −Th ,
melyből ...
...
kUh − uh k∞ ≤ kA−1
h k∞ kTh k∞
és a korábbi becsléseket használva

a2 + b2 M h2

kUh − uh k∞ ≤ 1 + ,
16 6
amely mutatja a másodrendű konvergenciát.

Maximum-elv
A folytonos feladatra: Ha f ≤ 0, akkor a megoldás a peremen
veszi fel a maximumát. Igaz-e ez a numerikus megoldásra?
Rendezzük át az
Ah Uh = φh
egyenletrendszer sorait és oszlopait úgy, hogy előre kerüljenek Ω
belső pontjai, és utána következzenek a határpontok. Ekkor a
lineáris egyenletrendszer az alábbi alakú lesz:

A0 A∂ U0 f
=
0 E U∂ g
Tétel. A numerikus séma kielégı́ti a maximum-elv diszkrét

változatát, azaz, ha f ≤ 0, akkor
max(U0 ) ≤ max(g).
Maximum-elv
Vegyük észre, hogy A0 M-mátrix (A−1

0 ≥ 0) és A∂ elemei
nempozitı́vak, valamint
[A0 A∂ ][1, . . . , 1]T = 0, [1, . . . , 1]T =: [eT0 , eT∂ ]T ,
azaz e0 = −A−1
0 A∂ e∂ .
Emiatt
U0 = A−1 −1 −1 −1
0 f − A0 A∂ U∂ = A0 f − A0 A∂ g
≤ A−1 −1
0 f − A0 A∂ e∂ max(g) ≤ e0 max(g).
Poisson-egyenlet Robin-peremmel
Poisson-egyenlet 2D-ban, téglalapon, Robin-peremmel
∂2u ∂2u
−∆u = − − 2 = f (x, y), (x, y) ∈ Ω := (0, a) × (0, b)
∂x2 ∂y
∂u
= σ(x, y)(u0 (x, y) − u), (x, y) ∈ Γ.
∂n
Tegyük fel, hogy f, σ, u0 olyan függvények, melyekkel az

egyenletnek van C 4 (Ω)-beli megoldása.
A véges differenciás megoldás diszkretizációja nyilvánvalóan a
belső pontokban ugyanaz, mint a Dirichlet-esetben, azaz csak a
tartomány határpontjaiban kellene megadni (lehetőleg másodfokú)
approximációkat.
Approximáció az oldaléleknél
ujn1 − ujn1 −1 h1 h2
= (∂1 u)jn1 − (∂12 u)jn1 + 1 (∂13 u)jn? ,
h1 2 6 1
ahol (∂1 u)jn1 = σn1 ,j ((u0 )jn1 − ujn1 ) a

peremfeltétel miatt, és
(∂12 u)jn1 = −(∂22 u)jn1 − fn1 ,j
és
uj+1 j j−1
n1 − 2un1 + un1 h22 4 j ?
−(∂22 u)jn1 = − − (∂ u)
h22 12 2 n1
a differenciálegyenletből.
Approximáció az oldaléleknél
Így a séma
Unj 1 − Unj 1 −1
= σn1 ,j ((u0 )jn1 − Unj 1 )
h1
!
h1 Unj+1 − 2Unj 1 + Unj−1
− − 1 2
1
− fn1 ,j .
2 h2
Hasonlóan járunk el a többi oldalán a

tartománynak.
A képlethiba O(h21 + h22 ).
Approximáció a sarkokban
un0 2 − un0 2 −1 h2 h2 n? −2
= (∂2 u)0n2 − (∂22 u)n0 2 + 2 (∂23 u)0 2 /· ,
h2 2 6 h2
un1 2 − un0 2 h1 h2 2
= (∂1 u)n0 2 + (∂12 u)n0 2 + 1 (∂13 u)n0?2 /· .
h1 2 6 h1
A két egyenletet összeadva és kihasználva a
peremfeltételt és a differenciálegyenletet, az
alábbi sémát kapjuk (H = h1 h2 /2/(h1 + h2 )):
U0n2 − U0n2 −1 U1n2 − U0n2

H(−2 +2 ) = −σ0,n2 ((u0 )n0 2 −U0n2 )−Hf0,n2
h22 h21
Approximáció a sarkokban
A többi sarokban is ı́gy járunk el. A képlethiba most is O(h21 + h22 )

nagyságrendű.
Tétel. Ha σ(x, y) ≥ σ0 > 0 és az f, σ, u0 függvények elég simák
ahhoz, hogy a feladat u megoldása C 4 (Ω)-beli legyen, akkor a
differenciasémánk másodrendben konvergál a pontos megoldáshoz.
Biz. A konzisztencia az approximációs képletekből látható. A

stabilitás a korábbi M-mátrixos technikával igazolható az
2
a + b2 4 + a + b

kUh k∞ ≤ + kφh k
16 4σ0
alakban.
Nem téglalap alakú tartományok
Mit lehet tenni, ha nem téglalap alakú az Ω tartomány?

I A peremértékeket a rácspontokban közelı́tjük (elveszik a
másodrendű konvergencia).
Nem téglalap alakú tartományok
I Sűrı́tjük a rácsot.
I Hozzávesszük rácspontnak a rács és a perem metszéspontjait

(Shortly–Weller-approximáció).
I Téglalapba transzformáljuk a tartományt.
Shortly–Weller-approximáció részletesebben
A belső pontokban ugyanaz a közelı́tés, mint korábban, a peremen

pedig
j
− Uij Uij − Ui−1
j
!
2 Ui+1
−
h− +
1 + h1 h+
1 h−
1
!
2 Uij+1 − Uij Uij − Uij−1
+ − − = −fij .
h2 + h+2 h+
2 h−2
Ezen egyenletek egy egyenletrendszerre vezetnek: AS,h Uh = φh ,

érvényes a
1
kA−1
S,h k∞ ≤ 1 + 4 (diam(Ω))
3
stabilitási becslés. Ha u ∈ C 4 (Ω), akkor a módszer másodrendben

konvergens lesz.
6.
Többrácsos módszerek
A megoldandó lineáris egyenletrendszer

A0 A∂ U0 f
=
0 E U∂ g
Olyan egyenletrendszert kell tudnunk megoldani, melynek
együtthatómátrixa A0 . Ez egy szimmetrikus M -mátrix.
Tétel. A szimmetrikus M-mátrixok pozitı́v definitek.
Biz. Jelölje a mátrixot M. Szimmetrikus mátrix minden
sajátértéke valós. Azt kell megmutatni, hogy mindegyik pozitı́v. A
főátlóban álló elemek pozitı́vak. Legyen ezek maximuma µ, és ı́rjuk
fel M-et M = µE − H alakban, ahol H nyilvánvalóan nemnegatı́v
mátrix. Így a fenti felı́rás egy nemnegatı́v inverzű mátrix (az M
mátrixok ilyenek) egy reguláris felbontása. Azaz %((1/µ)H) < 1,
ami azt jelenti, hogy %(H) < µ. Ha H sajátértékeit λk jelöli, akkor
M µ − λk alakú sajátértékei nyilván pozitı́vak.
Szimmetrikus, pozitı́v definit mátrixú lineáris
egyenletrendszerek megoldása
Az egyenletrendszer azon túl, hogy szimmetrikus, pozitı́v definit

mátrixú, még ritka mátrixú is, ı́gy jól működnek az iterációs
módszerek is rá.
Lehetséges megoldási módszerek:
I Gauss-módszer (2N03 /3, nem praktikus)
I Cholesky-felbontás (N03 /3)
I Jacobi- és Gauss-Seidel ill. relaxált változatai (N02 ln(1/ε), ε:
elérni kı́vánt pontosság a leállási feltételben)
3/2
I Konjugált gradiens módszer (N0 ln(1/ε))
I Többrácsos módszer. 1960-as évek, Fedorenko (1962),
Bakvalov (1966). Használjuk ki, hogy az egyenletrendszer egy
elliptikus feladat diszkretizációjából keletkezett!
Iterációk simı́tó tulajdonsága
Egydimenziós peremértékfeladat
−u00 (x) = f (x), x ∈ (0, 1), u(0) = g1 , u(1) = g2
A szokásos véges differenciás közelı́tés során megoldandó lineáris

egyenletrendszer:
 
−1
2 f1 + g1 /h2
 
 
U1
 −1 . . . . . . f2
   
U2
   
..
 = h2 
 
.. ..
 
.

.
  
.
    
fn−1
 
 −1  Un
 
−1 2 fn + g2 /h2
vagy tömörebben
Ah Uh = φh .
Oldjuk meg az Ah Uh = φh egyenletrendszert a relaxált
Jacobi-iterációval. Ekkor az
(k+1) (k)
Uh = ((1 − ω)E + ωD−1 (L + R))Uh + ωD−1 φh
(k)
= (E − ωD−1 (D L − R})) Uh + ωD−1 φh
| − {z
Ah
| {z }
BJ (ω)
iterációt kapjuk.
A konvergenciához a %(BJ (ω)) < 1 feltételnek kell teljesülni.
Ah sajátrendszere:
vl = sin(lπhj), j = [1, . . . , n]T , λl (Ah ) = 2−2 cos(lπh) l = 1, . . . , n.
Így BJ (ω) sajátrendszere:
vl , λl (BJ (ω)) = 1 − ω(1 − cos(lπh)),
azaz, ha ω ∈ (0, 1], akkor a JOR-módszer konvergens lesz.
Megj. Vegyük észre, hogy ha pl. ω = 1, akkor
%(BJ (ω)) = cos(πh) → 1, ha h → 0, azaz egyre lassabban
konvergál a Jacobi-módszer.
A többrácsos módszerek esetén nem a határérték előállı́tása a cél,
hanem a közelı́tő megoldás simı́tása azért, hogy az jól közelı́thető
legyen egy durvább rácson.
tobbracsos(f,n), f=16,1, n=5,10,30,60,160
tobbracsosJOR(omega,n,kmax), (omega=0.1,2/3,1,
n=10,100, kmax=1500)
A magas frekvenciájú sajátvektorokat kellene gyorsan csökkenteni.
Alacsony frekvenciás összetevők (LF): 1 ≤ l < n/2.
Magas frekvenciás összetevők (HF): n/2 ≤ l ≤ n.
Def. µ legyen az a legnagyobb tényező, amennnyivel a HF
összetevők csökkennek egy iterációban. µ-t simı́tási tényezőnek
nevezzük.
µ = max{|λk (BJ (ω))| | n/2 ≤ l ≤ n} = max{|1 − ω|, |1 − 2ω|}
Ez akkor lesz minimum, ha ω = 2/3, és a minimum értéke

µ = 1/3. Azaz a HF összetevők 2 iteráció alatt a tizedükre
csökkennek, annak ellenére, hogy a konvergencia lassú lehet a
finom rácson. Ha a HF összetevők kicsik már, akkor a hibavektor
jól közelı́thető egy durvább rácson is.
A kétrácsos módszer
A maradékegyenlet
Térjünk vissza a kétváltozós Poisson-egyenletből származtatott

Ah Uh = φh egyenletrendszer megoldásához! Végezzünk el néhány
iterációs lépést valamilyen simı́tó iterációval valamilyen
kezdővektorról indulva. Kapjuk ekkor az Ũh vektort.
Ekkor az eh = Uh − Ũh hibavektor egy sima vektor lesz, és
érvényes rá az
Ah eh = Ah (Uh − Ũh ) = φh − Ah Ũh =: rh (maradékvektor),
egyenlőség (ún. maradékegyenlet), ami megoldható eh -ra. De

mivel a jobb oldala és a megoldása is sima az egyenletrendszernek,
jó közelı́tést kapnánk akkor is, ha egy durvább rácson (H = 2h)
oldanánk meg egy ugyanilyen egyenletrendszert.
Restrikció
Térjünk át a durvább rácsra: rH = RhH rh . Ezt egy ún. restrikciós
operátorral valósı́thatjuk meg: RhH . Ez általában valamilyen
súlyozott vetı́tés.
Teljes és részleges súlyozás:

   
0 1 0 1 2 1
1 1 
1 4 1  2 4 2 
8 16
0 1 0 1 2 1
Megoldjuk az AH eH = rH egyenletet, ahol AH a

differenciáloperátor közelı́tése a durvább rácson.
Prolongáció
eH hibavektort visszavetı́tjük a finomabb rácsra. Ezt egy

prolongációs PhH operátorral tesszük meg, amely általában
valamilyen interpolációt jelent: eh = PhH eH .
Course Grid Correction (CGC)
Adunk egy jobb közelı́tést Uh -ra:
unew
h = Ũh + PhH eH .
Megj.: Az interpoláció miatt megjelenhetnek HF összetevő, amiket

egy újabb simı́tási ciklussal lehet eltüntetni.
A bemutatott eljárás egy V-alakú sémában foglalható össze
(V-ciklus).
V-ciklus
Megj.: Természetesen a V-ciklusból többet kell végrehajtani ahhoz,

hogy a pontos megoldást kellően megközelı́tsük.
Lemma. A V-ciklus iterációs mátrixa (Sh a simı́tás):
Skh2 (E − PhH A−1 H k1

H Rh Ah )Sh ,
ezen mátrix spektrálsugara kisebb 1-nél, azaz konvergens.

Lemma. Csak önmagában a CGC nem konvergens.
Biz.: Mátrixa
E − PhH A−1 H
H Rh Ah ,
ahol PhH A−1 H

H Rh Ah nem invertálható, ı́gy egyik sajátértéke nulla.
Így a mátrixnak 1 sajátértéke lesz, azaz spektrálsugara legalább 1.
A többrácsos módszer (multigrid)
A többrácsos módszer alapgondolata
Ötlet: Az egyenlet durva rácson való megoldásához használjuk egy

újabb V-ciklust egy még durvább ráccsal. Több rácsot definiálunk:
h1 > h2 = h1 /2 > h3 = h2 /2 > . . . hL > 0 (L szintek száma).
Legyne a k-adik szinten nk a feladat mérete. A k-adik szinten az

Ak Uk = φk egyenletrendszert kell megoldanunk. A restrikciós
operátor legyen Rk−1
k és a prolongáció Pkk−1 .
A többrácsos módszer algoritmusa
Oldjuk meg az Ak Uk = φk egyenletrendszert.
1. Ha k = 1, akkor oldjuk meg közvetlenül az egyenletrendszert.

2. Elősimı́tás, k1 darab lépés → Ũk .
3. Maradék kiszámı́tása: φk − Ak Ũk = rk .
4. A maradék restrikciója: rk−1 = Rk−1
k rk .
5. Legyen Uk−1 = 0.
6. Hı́vjuk meg γ-szor a többrácsos módszert az
Ak−1 Uk−1 = rk−1 egyenletre.
7. CGC: Uk = Ũk + Pkk−1 Uk−1 .
8. Utósimı́tás k2 -szer.
Def.: γ a ciklusindex, azt adja meg, hogy a durva rácson hányszor
használjuk a többrácsos algoritmust. Általában γ = 1 (V-ciklus)
vagy γ = 2 (W-ciklus).
Lemma. A többrácsos módszer iterációs mátrixa k = 1 esetén 0,
különben k = 2, . . . , L esetén
Mk = Skk2 (E − Pkk−1 (E − Mγk−1 )A−1 k−1 k1

k−1 Rk Ak )Sk .
Kétrácsos módszer: üres kör: pontos megoldás, teli kör: simı́tás,

maradékszámı́tás, CGC
Három rács esete:
Négy rács esete:

Műveletszámok vizsgálata
2D Poisson-egyenlet, max. 5 nemnulla elem soronként, simı́táshoz

lineáris vektoriteráció
A k. szint műveletszáma:
1. 10k1 nk : elősimı́tás
2. 10nk : maradékszámı́tás
3. 10nk /4: teljes restrikció
4. 6nk /4: bilineáris interpoláció
5. 10k2 nk : utósimı́tás
Ez összesen k1 + k2 = 2 esetén 34nk = Q̄k .

Q̄1 a legdurvább rácson az egyenlet pontos megoldásának
műveletszáma.
Műveletszámok vizsgálata
Qk legyen a k. rács műveletszáma. Ekkor Q2 = Q̄2 + Q̄1 ,
Q3 = γ(Q̄2 + Q̄1 ) + Q̄3 , stb.
k−2
X
Qk = γ l Q̄k−l + γ k−2 Q̄1
l=0
k−2
X
= γ l 34nk−l + γ k−2 Q̄1
l=0
k−2
X nk
= γ l 34 +γ k−2 Q̄1
4l
l=0 |{z}
2D probléma
k−2
X γ l
= 34nk + γ k−2 Q̄1
4
l=0
1
≈ 34nk = O(nk )
1 − γ/4
Megjegyzések
Megj.: γ = 1 esetén Qk ≈ 40nk , γ = 2 esetén Qk ≈ 68nk és

γ = 3 esetén Qk ≈ 136nk
Megj.: A 2D Poisson-feladatra csak a γ ≤ 3 esetek praktikusak
Megj.: Kétrácsos módszer esetén, vagy több rácsra γ = 1, 2 esetén
a konvergencia tényező µk1 +k2 a h rácstávolságtól függetlenül.
7.
Másodrendű, időfüggő, lineáris PDE-ek

megoldása a véges differencia módszerrel
A hullámegyenlet
Az egydimenziós hullámegyenlet
∂2u 2
2∂ u
= c ,
∂t2 ∂x2
u(0, x) = u0 (x),
∂u
(0, x) = u1 (x).
∂t
A pontos megoldás
Z x+ct
1 1
u(t, x) = (u0 (x − ct) + u0 (x + ct)) + u1 (y) dy.
2 2c x−ct
Gyakorlaton szerepelt:
I Véges differenciás megoldás, a kezdeti feltételek másodrendű
approximációja. (CFL feltétel q ≤ 1.)
I A leap-frog séma.
A hővezetési vagy diffúziós egyenlet

∂u
= ∆u + f
∂t
+ kezdeti- és peremfeltétel
1D-ban
∂u ∂2u
= , x ∈ (0, 1)
∂t ∂x2
u(0, x) = u0 (x),
u(t, 0) = u(t, 1) = 0.
Más egyenletek, peremfeltételek → gyakorlaton
A pontos megoldás előállı́tható Fourier-sor alakban:

∞
2 π2 t
X
u(t, x) = al e−l sin(lπx),
l=1
R1
ahol al = 2 0 u0 (x) sin(lπx) dx.
Problémák:
I al meghatározásához általában numerikus integrálás kell.
I Végtelen sort kell összegezni.
Az egyenesek módszere
Rácshálót definiálunk a [0,1] intervallumon:
0 = x0 < x1 < · · · < xn+1 = 1, xi+1 − xi = ∆x.
Vezessük be az alábbi függvényeket
uj (t) ≈ u(xj , t).
Ezen függvényekre közelı́tsük a helyszerinti deriváltat véges

differenciával:
duj (t) uj−1 (t) − 2uj (t) + uj+1 (t)
= .
dt ∆x2
Ez egy közönséges differenciálegyenlet rendszer, a kezdeti feltétel
uj (0) = u0 (xj ) és u0 (t) = 0, un+1 (t) = 0. Bármely korábban
tanult közönséges differenciálegyenlet megoldó módszerrel
megoldhatjuk.
Explicit Euler-módszer (EE)
Oldjuk meg pl. az egyenletrendszert az explicit Euler módszerrel.
Jelölje Ujk az u(xj , k∆t) érték közelı́tését, ahol ∆t > 0 egy
tetszőleges időlépés.
Ujk+1 − Ujk k
Uj−1 k
− 2Ujk + Uj+1
= ,
∆t ∆x2
U0k = k
Un+1 = 0, Uj0 adott u0 segı́tségével.
Explicit Euler-módszer (EE)
A szokásos és a q = ∆t/∆x2 jelöléssel az alábbi vektoriterációval

állı́tható elő a numerikus megoldás:
k+1 k k
U = tridiag [q, 1 − 2q, q] U =: Ah U .
Az alap elvárásunk az előállı́tott numerikus eljárástól, hogy
”tartson a pontos megoldáshoz”. Tegyük fel, hogy a feladatot a
[0, tmax ] időintervallumon kell megoldanunk. Legyen
Ejk = Ujk − u(k∆t, j∆x)
a numerikus módszer hibája egy adott rácspontban és

k
E = [E1k , . . . , Enk ]T .
Konvergencia, konzisztencia, stabilitás
Konvergencia: Azt mondjuk, hogy a numerikus módszer

konvergens, ha tetszőleges 0 < t < tmax értékre, ha ∆x, ∆t → 0,
k
k∆t → t, akkor kE k → 0 (konvergenciarend:
k
kE k = O(∆tr , ∆xs )).
Konzisztencia: Azt mondjuk, hogy a numerikus módszer
konzisztens, ha a Tjk+1 képlethibája (lokális hiba / ∆t) tart
nullához, ha ∆t, ∆x → 0 (konzisztenciarend:
|Tjk+1 | = O(∆tr , ∆xs )).
Stabilitás: Azt mondjuk, hogy a numerikus módszer stabil, ha
véges idő alatt nem változhat tetszőlegesen nagyot két megoldás
eltérése a kezdeti eltéréshez képest a rács finomı́tásától
függetlenül. Most elég lesz az kAh k ≤ 1 feltétel.
Lax-tétel: Stabilitás + konzisztencia ⇒ konvergencia
(konvergenciarend = konzisztenciarend)
EE-módszer konvergenciája
Konzisztencia:
Számı́tsuk ki a képlethibát!
u(xj , tk+1 ) − u(xj , tk ) u(xkj−1 ) − 2u(xkj ) + u(xkj+1 )

Tjk+1 = −
∆t ∆x2
∆t ∂ 2 u ∆x2 ∂ 4 u
= (x j , ξ) − (η, tk ).
2 ∂t2 12 ∂x4
Ha a megoldás kellően sima függvény (peremfeltétellel konzisztens
kezdeti feltétel is kell hozzá), akkor vannak olyan pozitı́v c1 , c2
konstansok, hogy
|Tjk+1 | ≤ c1 ∆t + c2 ∆x2 .
Stabilitás:
Könnyen látható, hogy q ≤ 1/2 esetén kAh k∞ = 1, ı́gy ilyenkor a
módszer stabil lesz.
Megj.:
∆t ∂ 2 u ∆x2 ∂ 4 u
Tjk+1 = (x j , ξ) − (η, tk ) + O(∆t2 , ∆x4 )
2 ∂t2 12 ∂x4
∆t ∂ 4 u

1
= (x ,
j k t ) 1 − + O(∆t2 , ∆x4 ).
2 ∂x4 6q
q = 1/6 választással magasabbrendű módszert kapunk
(szuperkonvergencia).
Megj.: Mi történik akkor, ha a q > 1/2 választást használjuk,
hiszen csak egy elégséges feltételt használtunk a stabilitásra? A
kı́sérletek azt mutatják, hogy a q ≤ 1/2 feltétel szükséges is.
Megj.: A konvergenciához felhasználtuk, hogy a megoldás kellően
sima. Mi van akkor, ha ez nem ı́gy van?
Diszkrét Fourier-analı́zis: Legyen a szokásos módon

Ujk = g k eimj∆x . Mikor teljesül erre a differenciaséma? Akkor, ha a
növekedési faktor
g = 1 − 4q sin2 (m∆x/2).
Legyen m = lπ, amivel a numerikus megoldás

∞
X
Ujk = al (g(l))k eilπj∆x
l=1
alakot ölti.
q > 1/2 esetén a legnagyobb abszolútértékű növekedési faktor
g ≈ 1 − 4q < −1. Ez az eiπj (1, −1, 1, −1, . . .) összetevő
növekedési faktora, azaz korlátlanul nő, ha k növekszik. Ilyen
összetevő a kerekı́tési hibák miatt biztosan belekerül az iterációba.
A konvergencia igazolása abban az esetben, ha u0 Fourier-sora
abszolút konvergens és q ≤ 1/2 (azaz nem kell, hogy u
negyedrendű parciális deriváltjai is folytonosak legyenek a
megoldási tartományon).
Legyen ε > 0 tetszőleges.
P Az abszolút konvergencia miatt van
olyan l0 , hogy l≥l0 |al | ≤ ε/4. Mivel q ≤ 1/2 esetén a növekedési
faktorok 1-nél kisebb abszolút értékűek, ezért
∞
2 π 2 k∆t
X
|Ejk | = al eilπj∆x ((g(l))k − e−l )
l=1
2 π 2 k∆t 2 π 2 k∆t
X X
≤ |al ||(g(l))k − e−l |+ |al ||(g(l))k − e−l |
l<l0 l≥l0
2 π 2 k∆t
X X
≤ |al ||(g(l))k − e−l |+2 |al | ≤ . . .
l<l0 l≥l0
X 2 π 2 k∆t ε
... ≤ |al ||(g(l))k − e−l |+
2
l<l0
X ε
≤ |al |C(q)l4 π 4 ∆t2 k +
2
l<l0
 
X ε
= C(q)π 4 tmax  |al |l4  ∆t + .
2
l<l0
Mivel ε tetszőleges volt, ı́gy ∆t → 0 esetén a hiba valóban

nullához tart.
Kihasználtuk, hogy
I |a|, |b| ≤ 1 esetén |ak − bk | ≤ k|a − b|.
2 π 2 ∆t
I g(l) − e−l ≤ C(q)l4 π 4 ∆t2 , ahol C(q) q-tól függő
konstans.
Implicit Euler-módszer (IE)
Ujk+1 − Ujk k+1

Uj−1 − 2Ujk+1 + Uj+1
k+1
= ,
∆t ∆x2
Mátrixos alak:
k+1 k
tridiag [−q, 1 + 2q, −q] U =U .
Egyenletrendszert kell megoldani, de tridiagonális a mátrix, azaz az
inga módszerrel megoldható 8n flop művelettel (explicit
múveletigénye 5n flop).
1
g= ,
1 + 4q sin2 (m∆x/2)
ami minden q-ra egynél kisebb abszolút értékű lesz. Ilyenkor nincs
tehát feltétel q megválasztására. Ez egy ún. feltétel nélkül stabil
séma.
θ-módszer
Súlyozzuk egy θ ∈ [0, 1] súllyal az EE és IE sémákat az alábbi
módon:
Ujk+1 − Ujk k
Uj−1 − 2Ujk + Uj+1
k
= (1 − θ)
∆t ∆x2
k+1 k+1 k+1
Uj−1 − 2Uj + Uj+1
+θ .
∆x2
Mátrixos alak:
k+1
tridiag [−θq, 1 + 2θq, −θq] U
k
= tridiag [(1 − θ)q, 1 − 2(1 − θ)q, (1 − θ)q] U .
I θ = 0 : EE-módszer,
I θ = 1 : IE-módszer,
I θ = 1/2 : Crank-Nicolson-módszer.
Műveletszáma általában 13n flop.
θ-módszer
1 − 4(1 − θ)q sin2 (m∆x/2)

g=
1 + 4θq sin2 (m∆x/2)
g ≤ 1 mindig igaz. g ≥ −1 teljesüléséhez
1 − 2q sin2 (m∆x/2)(1 − 2θ) ≥ 0
kell. Ez θ ≥ 1/2 esetén mindig teljesül (feltétel nélkül stabil),

θ < 1/2 esetén meg elég hozzá (feltételesen stabil)
1
q≤ .
2(1 − 2θ)
Konzisztencia (képlethiba vizsgálata).
(1/2−θ)∆tu000 2 0000 2 000 2 0000

xxt −(1/12)∆x uxxxx +(1/24)∆t uttt −(1/8)∆t uxxtt +. . .
θ = 1/2 magasabbrendű lesz, mint a többi.

Nemnegativitás megőrzés
Mikor biztosı́tott az, hogy nemnegatı́v kezdőfüggvény esetén

nemnegatı́v lesz a numerikus megoldás?
k+1
tridiag [−θq, 1 + 2θq, −θq] U
k
= tridiag [(1 − θ)q, 1 − 2(1 − θ)q, (1 − θ)q] U .
A bal oldalon egy M-mátrix áll, aminek inverze nemnegatı́v, a jobb
oldali mátrix pedig nemnegatı́v, ha
1
q≤ .
2(1 − θ)
Igazolható, hogy ez a feltétel kell is, és hogy a maximum elv is

pontosan ekkor érvényes csak (a térbeli felosztásszámtól
függetlenül).
θ = 1/2 esetén q ≤ 1 a feltétel!
A hővezetési egyenlet két dimenzióban
∂u
= ∆u + kezdeti- és peremfeltétel
∂t
A Laplace-operátor approximációjához a Poisson-egyenletnél
tanultakat használjuk (Ah mátrix). Alkalmazzuk az egyenesek
módszerét:
u(t)
= −Ah u(t),
∆t
ahol u(t) a rácspontokbeli pontos megoldást közelı́tő függvények
vektora.
EE-módszer:
k+1 k
U = (E − ∆tAh )U .
ADI módszer a kétdimenziós hővezetési egyenletre
CN-módszer:
k+1 k
(E + (1/2)∆tAh )U = (E − (1/2)∆tAh )U .
A megoldás műveletigényes, mert nem lehet kis sávszélességű

mátrixként felı́rni Ah − t. Egy lehetséges megoldás lehet az ADI
(alternating directions implicit) módszer. Írjuk fel −∆tAh -t
−∆tAh = qx Xh + qy Yh
alakban. Ezzel a CN-módszer:

k+1 k
(E − (qx /2)Xh − (qy /2)Yh )U = (E + (qx /2)Xh + (qy /2)Yh )U
alakú lesz, ami közelı́thető az

k+1 k
(E−(qx /2)Xh )(E−(qy /2)Yh )U = (E+(qx /2)Xh )(E+(qy /2)Yh )U
formulával (a képlethiba első öt tagja azonos).

ADI módszer a kétdimenziós hővezetési egyenletre
Ez az iteráció pedig elvégezhető az alábbi módon:

k+1/2 k
(E − (qx /2)Xh )U = (E + (qy /2)Yh )U
k+1 k+1/2
(E − (qy /2)Yh )U = (E + (qx /2)Xh )U .
A módszer feltétel nélkül stabil és a maximumelv teljesülésének
feltétele qx , qy ≤ 1.
8.
A végeselem módszer elmélete (elliptikus

feladatok megoldása)
Bevezető feladatok
Bevezető feladatokként megoldottuk az y 00 = M0 , és −∆u = f

peremértékfeladatokat homogén peremfeltétellel. Mindegyik
esetben egy általánosı́tott megoldás közelı́tését állı́tottuk elő. A
közelı́téseket a folytonos, szakaszonként folytonosan deriválható
függvények terében kerestük. Megadtuk a közelı́tések hibáit is. A
végeselem módszer menete már ezekből a példákból jól látszik.
Bevezető feladatok
A végeselem módszer megvalósı́tásának menete.
I Az egyenletből megkonstruáljuk a variációs egyenleteket

(gyenge alak) vagy a minimalizálandó funkcionált.
I A megoldási tartományt szakaszokra, háromszögekre,
stb. bontjuk.
I Választunk egy végeselem teret a közelı́tésre (kis tartójú,
szakaszonként sima függvények). Hibabecslést adunk.
I Meghatározzuk az elemi merevségi mátrixot.
I Összeállı́tjuk a merevségi mátrixot és a terhelési vektort.
I Megoldjuk az egyenletrendszert.
I Szemléltetjük a megoldást.
A megoldási halmaz kiterjesztése
Tekintsük az alábbi peremérték-feladatot:
Reakció-diffúziós egyenlet homogén Dirichlet peremmel
−∆u + u = f, (x, y) ∈ Ω, u|∂Ω = 0
Keressük az u ∈ C 2 (Ω) ∩ C(Ω̄) megoldásfüggvényt.

Tegyük fel, hogy u ∈ C 1 (Ω) is igaz. Vegyünk egy tetszőleges
v ∈ C01 (Ω) függvényt (peremen nulla), szorozzunk vele, és
integráljuk a két oldalt Ω-n.
Z Z Z
− ∆uv + uv = f v,
Ω Ω Ω
alkalmazva a Green-formulát az alábbi variációs egyenletet nyerjük:
Z Z Z
∇u∇v + uv = f v, ∀v ∈ C01 (Ω).
Ω Ω Ω
Ennek teljesüléséhez elég a függvényektől gyengébb simasági

feltételeket megkövetelni.
Szoboljev-terek
Def.: Tekintsük a C k (Ω) halmazt, és lássuk el az

X Z
hg, hiH k (Ω) = (∂ α g)(∂ α h)
|α|≤k Ω
skaláris szorzattal (ez valóban skaláris szorzat). Ez normát is

definiál: v
uX Z
kgkH k (Ω) = t (∂ α g)2 .
u
|α|≤k Ω
A fenti teret a fenti normában teljessé téve Hilbert-teret kapunk.

Jelölése H k (Ω) (Szoboljev-tér).
Szoboljev-terek
Tétel. H k (Ω) izomorf azon R L2 (Ω)-beli (mérhető, négyzetesen

integrálható függvények, f 2 < ∞) g függvények terével, melyek
minden legfeljebb k-adrendű parciális deriváltja is négyzetesen
integrálható, a skaláris szorzat a fenti módon van értelmezve, és
van olyan C k (Ω)-beli függvénysorozat, ami a fenti normában a g
függvényhez tart.
Hasonlóan értelmezhető a H0k (Ω) tér is a C0k (Ω) teret teljessé téve
a korábbi normában.
Tétel. H0k (Ω) izomorf azon L2 (Ω)-beli g függvények terével,
melyek minden legfeljebb k-adrendű parciális deriváltja is
négyzetesen integrálható, a skaláris szorzat a fenti módon van
értelmezve, és van olyan C0k (Ω)-beli függvénysorozat, ami a
korábbi normában a g függvényhez tart.
Szoboljev-terek
Térjünk vissza a korábbi variációs feladathoz!

Z Z Z
∇u∇v + uv = f v, ∀v ∈ C01 (Ω).
Ω Ω Ω
A korábbiak alapján ez a feladat bővebb függvénytéren is

értelmezhető: Keressük azt az u ∈ H01 (Ω)-beli függvényt, amelyre
a fenti egyenlőség igaz tetszőleges v ∈ H01 (Ω) függvény esetén
(f -ről is elég, hogy f ∈ L2 (Ω)).
A minimalizációs feladat megfogalmazása: Keressük azt az
u ∈ H01 (Ω)-beli függvényt, ami minimalizálja az
Z
1 2 2
I(u) = ((∇u) + u ) − uf
Ω 2
funkcionált.
Neumann-feladat esete
Reakció-diffúziós egyenlet Neumann peremmel
∂u
−∆u + u = f, (x, y) ∈ Ω, = g, (x, y) ∈ ∂Ω
∂n
Tegyük fel, hogy u ∈ C 1 (Ω). Vegyünk egy tetszőleges v ∈ C 1 (Ω)

függvényt , szorozzunk vele, és integráljuk a két oldalt Ω-n.
Z Z Z
− ∆uv + uv = f v,
Ω Ω Ω
alkalmazva a Green-formulát az alábbi variációs egyenletet nyerjük:
Z Z Z Z
− ∇uvn ds + ∇u∇v + uv = f v, ∀v ∈ C 1 (Ω),
∂Ω Ω Ω Ω
azaz
Z Z Z Z
∇u∇v + uv = fv + gv ds, ∀v ∈ C 1 (Ω).
Ω Ω Ω ∂Ω
Neumann-feladat esete
Gyenge alak tehát: Keressük azt az u ∈ H 1 (Ω) függvényt, mellyel

Z Z Z Z
∇u∇v + uv = fv + gv ds, ∀v ∈ H 1 (Ω).
Ω Ω Ω ∂Ω
A variációs feladat: Keressük azt az u ∈ H 1 (Ω) függvényt, ami

minimalizálja az
Z Z
1 2 2
I(u) = ((∇u) + u ) − uf − gu
Ω 2 ∂Ω
funkcionált.
Lényeges és természetes peremfeltételek
Def.: Egy peremfeltétel lényeges, ha azt a tesztfüggvényeknek is ki

kell elégı́teniük, különben természetes peremfeltételről beszélünk.
Vegyük észre, hogy a Neumann-feltétel nem ad megkötést u
megválasztására H 1 (Ω)-ból, a peremfeltételt csak implicit módon
tartalmazza a variációs egyenlet. A korábbi Dirichlet-peremfeltétel
lényeges peremfeltétel volt.
A Neumann-feladat végeselemes megoldása
Háromszögrácsot generálunk (τh ), most a peremen is definiálunk
csúcsokat. Legyen Vh a szokásos sátorfüggvények tere.
Keressük azt az uh ∈ Vh függvényt, mellyel
Z Z Z Z
∇u∇v + uv = fv + gv ds, ∀v ∈ Vh .
Ω Ω Ω ∂Ω
Kiszámoljuk a merevségi mátrixot és a terhelési vektort. Megoldjuk

az egyenletrendszert. Így megkapjuk uh -t.
Tétel.
ku − uh kH 1 (Ω) ≤ ku − vkH 1 (Ω) , ∀v ∈ Vh .
Tétel.
ku − uh kH 1 (Ω) ≤ Ch.
A minimalizációs és variációs feladatok
Legyen V valós vektortér és a : V × V → R szimmetrikus
(a(u, v) = a(v, u), ∀u, v ∈ V ), pozitı́v (a(u, u) > 0, ha u 6= 0) és
bilineáris (mindkét változóban lineáris) forma, továbbá legyen
l : V → R lineáris funkcionál.
Tekintsük az alábbi ún. minimalizációs feladatot: Keressük meg
azt az u ∈ V elemet, ami minimalizálja a
1
(M ) J(v) = a(v, v) − l(v)
2
függvényt V -n!
Tekintsük az alábbi ún. variációs feladatot: Keressük meg azt az
u ∈ V elemet, mellyel
(V ) a(u, v) = l(v), ∀v ∈ V !
(M) és (V) ekvivalenciája
Tétel. u pontosan akkor megoldása (V)-nek, ha (M)-nek. Az (M)

feladatnak maximum egy megoldása lehet csak.
Biz.: (V)⇒(M) Legyen u a variációs feladat megoldása, továbbá
0 6= v ∈ V tetszőleges elem és t tetszőleges valós szám. Ekkor
1
I(u + tv) = a(u + tv, u + tv) − l(u + tv)
2
1
= (a(u, u) + 2ta(u, v) + t2 a(v, v)) − l(u) − tl(v)
2
t2
= I(u) + t (a(u, v) − l(v)) + a(v, v) .
| {z } 2 | {z }
(V )⇒0 >0
Azaz u az egyetlen elem, ami minimalizálja J-t.

(M) és (V) ekvivalenciája
Biz. (folyt.): (M)⇒(V) Legyen u a minimalizációs feladat
megoldása. Az előzőek alapján a
t2
I(u + tv) = I(u) + t(a(u, v) − l(v)) + a(v, v)
2
t-től függő egyváltozós függvénynek minimuma van t = 0-ban,
azaz a derivált itt nulla:
(a(u, v) − l(v)) + 0 · a(v, v) = a(u, v) − l(v) = 0.
Ezt akartuk igazolni.

Megj.: A bizonyı́tásból kiderült, hogy
1
I(u + v) = I(u) + a(v, v) > I(u), ∀0 6= v ∈ V.
2
Megj.: Hasonló tételt igazoltunk LER-re NM1-ből.
A megoldás létezése
Mi biztosı́tja, hogy van megoldása (M)-nek vagy (V)-nek? Több

feltétel kell V -ről, a-ról és l-ről.
I Legyen V Hilbert-tér a h., .i skaláris szorzattal és a vele

indukált k.k normával.
I a legyen koercı́v (V -elliptikus) (szimmetrikus, folytonos
(|a(u, v)| ≤ γkukkvk, ∀u, v ∈ V ) és ∃α > 0, a(v, v) ≥ αkvk2 ,
∀v ∈ V ).
I l legyen korlátos lineáris funkcionál (∃Λ > 0, |l(v)| ≤ Λkvk).
Megj.: A fenti feltételek

p mellett hu, via = a(u, v) skaláris szorzat
V -n, és a kvka = a(v, v) kifejezés a k.k normával ekvivalens
normát definiál V -n (energianorma).
Lax-Milgram-tétel
Tétel. Legyen V Hilbert-tér, legyen továbbá a : V × V → R

koercı́v bilineáris forma, és l : V → R korlátos lineáris funkcionál.
Ekkor az (M) minimalizációs feladatnak (és a korábbiak szerint
(V)-nek is) egyetlen megoldása van H-ban.
Biz.: Az I(v) értékek alulról korlátosak V -ben, ugyanis
1 α
I(v) = a(v, v) − l(v) ≥ kvk2 − Λkvk
2 2
1 Λ2 Λ2
= (αkvk − Λ)2 − ≥− .
2α 2α 2α
Legyen c1 = inf{I(v) | v ∈ V }, és legyen {vk } ⊂ V olyan sorozat,
melyre I(vk ) → c1 . Megmutatjuk, hogy {vk } Cauchy-sorozat.
Lax-Milgram-tétel
αkvn − vm k2 ≤ a(vn − vm , vn − vm )
= 2a(vn , vn ) + 2a(vm , vm ) − a(vn + vm , vn + vm )
−4l(vn ) − 4l(vm ) + 8l((vn + vm )/2)
= 4I(vn ) + 4I(vm ) − 8I((vn + vm )/2)
≤ 4I(vn ) + 4I(vm ) − 8c1 .
Mivel vk → c1 , ezért minden ε > 0 számhoz van olyan n0 , hogy
minden n, m ≥ n0 esetén
αkvn − vm k2 ≤ 4I(vn ) + 4I(vm ) − 8c1 < ε.
Így a sorozat valóban Cauchy. Mivel V Hilbert-tér, ı́gy van u ∈ V ,

hogy vk → u. A folytonosság miatt pedig I(u) = c1 . u tehát
megoldása az (M) feladatnak (a korábbiak szerint (V)-nek is).
Lax-Milgram-tétel
Az egyértelműség igazolása: Tegyük fel, hogy az u1 6= u2 elemek is

megoldásai (M)-nek. Ekkor I(u1 ) = I(u2 ) = c1 , és az u1 , u2 , u1 ,
u2 , stb. sorozatra nyilván I(uk ) → c1 , azaz a sorozat a korábbiak
szerint Cauchy, de ez csak úgy lehet, ha ku1 − u2 k = 0, ami
ellentmondást ad.
Megj.: A tétel általánosabban kimondható úgy, hogy V helyett V
egy zárt és konvex részhalmazát tekintjük.
Köv.: Legyen a V Hilbert-téren a(u, v) = hu, vi. Ez valóban
szimmetrikus, bilineáris, folytonos (C-B-Sch) és koercı́v. Tehát
minden l korlátos lineáris funkcionálhoz egyértelműen létezik olyan
u ∈ V elem, mellyel
hu, vi = l(v), ∀v ∈ V.
Riesz reprezentációs tétele.

Lax-Milgram-tétel
Köv.: Igaz az
Λ
kuk ≤
α
stabilitási becslés, hiszen v = u választással
αkuk2 ≤ a(u, u) = l(u) ≤ Λkuk,
melyből kuk-val és α-val való osztás után adódik az állı́tás.

A Galjorkin-módszer
Legyen VN a V Hilbert-tér egy N dimenziós altere, legyen ennek

egy bázisa φ1 , . . . , φN . A Lax–Milgram-tétel szerint egyértelműen
létezik olyan uN ∈ VN elem, melyre
(V ) a(uN , v) = l(v), ∀v ∈ VN ,
ill. minimalizálja az
1
(M ) I(v) = a(v, v) − l(v)
2
funkcionált.
Azt a módszert, amikor a (V) feladat megoldásával adunk
közelı́tést u-ra Galjorkin-módszernek nevezzük. (Nemszimmetrikus
bilineáris formák esetén is használható.)
Keressük uN -t uN = N
P
k=1 ci φi alakban, a tetszőleges VN -beli
elemet pedig ı́rjuk v = N
P
k=1 di φi alakban. Ekkor a variációs
feladat alakja
N N N
! !
X X X
a ci φi , di φi = l di φi , ∀dN ∈ RN ,
k=1 k=1 k=1
amely az
T T
dN AN cN = dN bN
egyenletre vezet, ahol (AN )ij = a(φj , φi ) és (bN )i = l(φi ). Mivel
ennek minden dN ∈ RN vektorra teljesülni kell, ezért az ismeretlen
együtthatók az
AN cN = bN
egyenletrendszer megoldásával nyerhetők. (AN elnevezése
merevségi (stiffness) mátrix, bN elnevezése terhelési (load)
vektor.)
Az
N N N
!
T X X X
dN AN dN =a di φi , di φi ≥ αk di φi k2
k=1 k=1 k=1
egyenlőség miatt AN pozitı́v definit, a szimmetrikusság a

szimmetriájából következik. Így a korábbi egyenletrendszer
egyértelműen megoldható.
Megj.: A korábbiakhoz hasonlóan igazolható, hogy az uN
megoldásra ugyanolyan stabilitási becslés igaz, mint az u-ra, azaz
Λ
kuN k ≤ .
α
Ritz-módszer
Azt a módszert, ahol az (M) feladat megoldásával adunk becslést

u-ra, Ritz-módszernek nevezzük.
N N N N
! ! !
X 1 X X X
I ci φi = a ci φi , ci φi − l ci φi
2
k=1 k=1 k=1 k=1
1
= cTN AN cN − cTN bN ,
2
melynek minimuma szintén az AN cN = bN egyenletrendszer
megoldásánál van.
Megj.: Szimmetrikus formák esetén a Galjorkin és Ritz-módszerek
ugyanarra az egyenletrendszer megoldására vezetnek. Emiatt a
módszert ebben az esetben Ritz–Galjorkin-módszernek nevezzük.
Céa-lemma
Legyen a koercı́v bilineáris forma és l korlátos lineáris funkcionál a

V Hilbert-téren. Legyen a variációs egyenletek megoldása V -n u,
és VN -en uN . Ekkor
γ
ku − uN k ≤ inf ku − vk.
α v∈VN
Biz.: Vonjuk ki egymásból a
a(u, v) = l(v), ∀v ∈ V,
a(uN , v) = l(v), ∀v ∈ VN ,
variációs egyenleteket VN -beli függvényekre alkalmazva:
a(u − uN , v) = 0, ∀v ∈ VN .
Írjuk fel v-t vN − uN alakban, ahol vN tetszőleges VN -beli elem.

Céa-lemma
Ekkor kapjuk az ún. Galjorkin-ortogonalitás képletét:
a(u − uN , vN − uN ) = 0, ∀vN ∈ VN .
Továbbá
αku − uN k2 ≤ a(u − uN , u − uN )
= a(u − uN , u − vN ) + a(u − uN , vN − uN ) ≤ γku − uN kku − vN k,
| {z }
=0
amiből következik a lemma állı́tása.

A végeselem módszernél v-t az u függvény interpolációs
közelı́tésének választva a Céa-lemma segı́tségével becsülhető a
hiba.
Feladat. Gondoljuk át a korábban megoldott feladatokat, hogy
hogy illeszkednek a fent ismertetett elméleti keretbe!
A végeselem tér definı́ciója
Def.: A (K, PK , Σ) rendezett hármast végeselem térnek hı́vjuk, ha

K valamilyen geometriai alakzat, PK egy K-n értelmezett
függvényekből álló véges dimenziós vektortér, és Σ PK
függvényeinek szabadságfokainak halmaza (Pk minden eleme
egyértelműen meghatározott a Σ-beli szabadságfokokkal).
Megj.:
1. K általában szakasz, háromszög, téglalap, tetraéder, téglatest.
2. PK általában polinomokat tartalmaz (Pr (K): legfeljebb
r-edfokú polinomok halmaza K-n).
3. A szabadságfokok a polinomok és deriváltjainak értékei
bizonyos pontokban.
Regularitási követelmények
A Vh tér olyan v függvények vektortere, melyekre v|K ∈ Pr (K). A

K halmazok belsejeinek nincs közös pontja, lezártjaik uniója Ω
(korlátos). Egyik K halmaz csúcsa sem eshet egy másik élére vagy
lapjára.
Könnyen látható, hogy
Vh ⊂ H 1 (Ω) ⇔ Vh ⊂ C 0 (Ω̄)
és
Vh ⊂ H 2 (Ω) ⇔ Vh ⊂ C 1 (Ω̄).
Néhány konkrét végeselem tér
I (1D szakaszok,P1 ,fv.-értékek a végpontokban)

I (1D szakaszok,P2 ,fv.-értékek a végpontokban és középen)
I (1D szakaszok,P3 ,fv. értékek és deriváltak a két szélső
pontban)
I (2D háromszögek,P1 ,fv. értékek a csúcspontokban)
I (2D háromszögek,P2 ,fv. értékek a csúcspontokban,
oldalfelezőkön)
I (2D téglalapok,Q1 ,fv. értékek a csúcspontokban)
I (3D tetraéderek,P1 ,fv. értékek a csúcspontokban)
I stb.
Végeselem hibabecslések
Előzmények
Korábban láttuk az egydimenziós u00 = M0 , u(0) = u(H) = 0

peremértékfeladat esetén, hogy
ku − uh kL2 (0,H) ≤ hM2 H.
Tehát a
−u00 = f, u(0) = u(1) = 0
feladat végeselemes uh megoldására érvényes
ku − uh kL2 (0,1) ≤ hM2
(elsőrendű konvergencia).
Lehet-e jobb (magasabb rendű) becslést adni?
L2 (0, 1) hibabecslés
Gyakorlaton láttuk, hogy a −u00 = f , u(0) = u(1) = 0

peremértékfeladat esetén a rácspontokban a végeselemes megoldás
a pontos megoldást adja.
Így tehát érvényes az ek (x) = u(x) − uh (x) hibára a k.
osztóintervallumon, hogy
u00 (ξk )
ek (x) = (x − xk−1 )(x − xk ).
2!
Ebből kapjuk, hogy
s
1
h2
Z
ke(x)kL2 (0,1) = |e(x)|2 dx ≤ M2
0 8
(másodrendű konvergenciát mutat).

H 1 (0, 1) hibabecslés
Def.: Vezessük be az alábbi ún. szeminormát H k (Ω)-n:
vZ
u X
|v|H k (Ω) = t (∂ α v)2 .
u
Ω |α|=k
Példa. Ezzel a jelöléssel pl.

kvk2H 1 (Ω) = kvk2L2 (Ω) + |v|2H 1 (Ω) . ♦
Korábban láttuk, hogy |e0 (x)| ≤ hM2 , azaz most
|e0 (x)|H 1 (0,1) ≤ hM2 ,
és ı́gy érvényes, hogy
ke(x)k2H 1 (0,1) = ku − uh k2H 1 (0,1) = ku − uh k2L2 (0,1) + |u − uh |2H 1 (0,1)
2 2
h
≤ M2 + (hM2 )2 . ⇒ ke(x)kH 1 (0,1) = O(h)M2
8
(elsőrendű konvergencia).
Hibabecslés általában
Eml.: Céa-Lemma: Legyen a variációs egyenletek megoldása V -n

u, és Vh -n uh . Ekkor
γ
ku − uh k ≤ inf ku − vk ≤ Cku − Ph uk.
α v∈Vh
Amennyiben v-t a pontos u megoldást interpoláló szakaszonként
polinomiális függvénynek választjuk, és az interpolációs hibát
becsülni tudjuk, akkor ezzel a módszerrel hibabecslés nyerhető.
Így tehát az ku − Ph uk normát kell becsülnünk.
Tétel. Ha az interpolációra szakaszonként r-edfokú polinomokat
használunk egy poligonális tartomány egy háromszögrácsán
(szakasz, háromszög, tetraéder), és a rácsfinomı́tás során a
(maximális élhossz) / (beı́rható gömb sugara)
korlátos marad, akkor
ku − Ph ukL2 (Ω) ≤ Chr+1 |u|H r+1 (Ω) ,
|u − Ph u|H 1 (Ω) ≤ Chr |u|H r+1 (Ω) ,

|u − Ph u|H 2 (Ω) ≤ Chr−1 |u|H r (Ω) , stb.
Megj.: Ha u csak H s (Ω)-beli (s ≤ r + 1), akkor
ku − Ph ukL2 (Ω) ≤ Chs |u|H s (Ω) ,
|u − Ph u|H 1 (Ω) ≤ Chs−1 |u|H s (Ω) .

Köv.:
ku − Ph ukH 1 (Ω) ≤ Chr |u|H r+1 (Ω) ,
azaz a Céa-lemma miatt
ku − uh kH 1 (Ω) ≤ Chr |u|H r+1 (Ω) ,
továbbá nyilvánvalóan
ku − uh kL2 (Ω) ≤ Chr |u|H r+1 (Ω) .
(1D esetben eggyel nagyobb rend jött ki. Hogy lehetne ezt
kihozni?)
Pl.: 1D, folytonos, szakaszonként elsőfokú végeselemek esetén,
r = 1-gyel érvényesek a korábbi becslések.
Pl.: 1D, folytonos, szakaszonként másodfokú végeselemek esetén,
r = 2-vel érvényesek a korábbi becslések.
A pontos megoldás regularitása
Tekintsük a Poisson-egyenletet kétdimenzióban:
−∆u = f, u|∂Ω = 0.
Ha Ω pereme sima (sarkok és csúcsok nélküli) és f ∈ H s (Ω), akkor

kukH s+2 (Ω) ≤ Ckf kH s (Ω) .
Ez a becslés nem teljesül, ha Ω-nak csúcsai is vannak.
Pl.: Igazoljuk, hogy egy ω-szögű körcikkben az u(r, θ) = rδ sin(δθ)
polárkoordinátákban felı́rt függvény megoldása a ∆u = 0, u = 0 a
körcikk két szélén feladatnak!
A fenti feltételek mellett látható, hogy u 6∈ H 2 (Ω). ♦
Tétel. Ha a tartomány egy konvex poligon, akkor igaz, hogy
kukH 2 (Ω) ≤ Ckf kL2 (Ω) ,
azaz a megoldás H 2 (Ω)-beli lesz.

A pontos megoldás regularitása
Ahhoz, hogy u H s (Ω)-beli legyen, az

Z R
(rδ−s )2 r dr
0
integrálnak kell végesnek lenni. Ez akkor és csak akkor teljesül, ha

s < δ + 1.
Ha pl. a maximális szög a tartomány csúcsainál 3π/2, akkor
δ = 2/3, és ı́gy az alábbi becslést nyerjük:
|u − uh |H 1 (Ω) ≤ Chδ = Ch2/3 ,
azaz nem kapjuk meg a teljes konvergenciarendet.

Hibabecslés L2 -ben
Tétel. Tegyük fel, hogy Ω konvex poligonális tartomány, és legyen
e = u − uh (uh lin. bázisfüggvényes megoldás). Ekkor
kekL2 (Ω) ≤ Ch2 |u|H 2 (Ω) .
Biz.: Tekintsük az alábbi ún. kiegészı́tő egyenletet:
−∆ψ = e, ψ|∂Ω = 0.
A korábbiak szerint ennek megoldására igaz, hogy
kψkH 2 (Ω) ≤ CkekL2 (Ω) .
R
Azt is láttuk, hogy h∇e, ∇vh i = Ω ∇e∇vh = 0 minden vh ∈ Vh
esetén. Így
kek2L2 (Ω) = he, ei = he, −∆ψi = h∇e, ∇ψi = h∇e, ∇(ψ − Ph ψ)i
≤ kekH 1 (Ω) kψ − Ph ψkH 1 (Ω) ≤ ChkekH 1 (Ω) |ψ|H 2 (Ω)
≤ ChkekH 1 (Ω) kekL2 (Ω) ,
ahonnét kekL2 (Ω) -val osztással adódik az állı́tás.
9.
Időfüggő másodrendű
differenciálegyenletek (végeselem
módszer)
Hővezetési egyenlet
Hővezetési egyenlet, homogén Dirichlet-peremfeltétel
∂t u − ∆u = f, (t, x) ∈ (0, T ) × Ω,
u|(0,T )×∂Ω = 0,
u(0, x) = u0 (x) adott.
Az elliptikus esethez hasonlóan szorozzuk az egyenlet mindkét

oldalát egy tetszőleges, megfelelően sima v(x) tesztfüggvénnyel
(peremen nulla), majd integráljuk mindkét oldalt Ω-n!
Z Z Z
∂t uv − ∆uv = f v,
Ω Ω
Z Z Z
∂t uv + ∇u∇v = f v.
Ω Ω Ω
Gyenge alak
Így tehát az alábbi gyenge alakhoz jutunk: Keressük minden
t ∈ (0, T ) esetén azt az u(t) ∈ H01 (Ω) függvényt, melyre
Z Z Z
∂t uv + ∇u∇v = fv
Ω Ω Ω
minden v ∈ H01 (Ω) tesztfüggvény esetén, továbbá u(0) = u0 (x).

Ebből a gyenge alakból származtathatjuk az ún. szemidiszkrét (a
térbeli diszkretizációt a Galjorkin végeselem módszer adja) alakját
az egyenletnek:
Legyen Vh a szokott módon egy véges dimenziós altere H01 (Ω)-nak
a φ1 , . . . , φN bázisfüggvényekkel. Keressük minden t ∈ (0, T )
esetén azt az uh (t) ∈ Vh függvényt, melyre
Z Z Z
∂t uh v + ∇uh ∇v = f v,
Ω Ω Ω
R R
továbbá Ω uh (0)v = Ω u0 v minden v ∈ Vh tesztfüggvény esetén.
A szemidiszkrét megoldás előállı́tása
Keressük uh (t)-t uh (t) = N

P
i=1 ci (t)φi (x) alakban! Helyettesı́tsük
ezt a szemidiszkretizált egyenletbe (legyen v = φj (x) korábban
láttuk, hogy elég csak a bázisfüggvényekre teljesülni a gyenge
alaknak)!
Z ! Z ! Z
X X
∂t ci (t)φi φj + ∇ ci (t)φi ∇φj = f φj ,
Ω i Ω i Ω
ahonnét az alábbi mátrixos alakban felı́rt KDE-rendszert nyerjük:
Bh c0h (t) + Ah ch (t) = bh ,
ahol (AhR)ij = a(φj , φi ) a korábbi merevségi (stiffness)

R mátrix,
(bh )i = Ω f φi a terhelési (load) vektor és (Bh )ij = Ω φj φi az
ún. tömeg (mass) mátrix.
A Bh tömeg mátrix szimmetrikus és pozitı́v definit. Így az alábbi
KDE-rendszert kell megoldanunk:
c0h (t) = −B−1 −1

h Ah ch (t) + Bh bh .
Ezt a differenciálegyenlet-rendszert megoldhatjuk bármely
korábban tanult numerikus módszerrel is. Általában ez egy merev
rendszer, ı́gy ennek megfelelően implicit módszereket kell a
megoldáshoz használni.
Tétel. Ha u megoldása a kétdimenziós hővezetési egyenletnek egy
Ω konvex, poligonális tartományon és uh (t) megoldása a
szemidiszkrét feladatnak lineáris végeselemes térbeli diszkretizáció
esetén, akkor van olyan C pozitı́v konstans, mellyel
max ku(t) − uh (t)kL2 (Ω)
t∈(0,T )
≤ C 1 + ln(T /h2 ) max h2 ku(t)kH 2 (Ω) .

t∈(0,T )
Teljes (tér-idő) diszkretizáció
Alkalmazzuk a θ-módszert a gyenge egyenletben a deriváltak
közelı́tésére!
Legyen ukh ∈ Vh (k = 0, 1, . . . , kmax , kmax ∆t < T , ∆t > 0) az
uh (∆tk) függvény egy közelı́tése! Keressük azokat az ukh ∈ Vh
függvényeket, melyekre
!
ukh − uhk−1
Z
v
Ω ∆t
Z
+ ∇(θukh + (1 − θ)uk−1
h )∇v
Ω
Z
= (θf (k∆t) + (1 − θ)f ((k − 1)∆t))v,
Ω
( Ω u0h v = Ω u0 v) minden v ∈ Vh tesztfüggvény esetén

R R
(θ ∈ [0, 1]).
Teljes (tér-idő) diszkretizáció
Keressük az ukh függvényeket ukh = N

P k
i ci φi alakban, és ı́rjuk fel
az egyenleteket csak a v = φj bázisfüggvényekre! Ekkor a
ckh = [ck1 , . . . , ckN ]T vektorokra az alábbi egyenlőségeket kapjuk
(k = 1, . . . , kmax ):
1
Bh (ckh − ck−1 k k−1
h ) + θAh ch + (1 − θ)Ah ch
∆t
θ,k
= θbh (k∆t) + (1 − θ)bh ((k − 1)∆t) =: bh .
Ez ugyanazt az iterációt adja, amit a szemidiszkretizáció után nyert
KDE-rendszer szokásos θ-módszeres megoldása során nyerünk.
Emlékezzünk, hogy a θ-módszer θ ≥ 1/2 esetén lesz feltétel nélkül
stabil (pl. Crank–Nicolson-módszer, implicit Euler-módszer).
Nemnegativitás megőrzése
Mi biztosı́tja, hogy ha f ≥ 0, u0 (x) ≥ 0, akkor a megoldásra is a

fizikából elvárt ukh ≥ 0 teljesül?
Elég ehhez, hogy
(Bh + θ∆tAh )−1 ≥ 0,
és
(Bh + θ∆tAh )−1 (Bh − (1 − θ)∆tAh ) ≥ 0
teljesüljön.
Nemnegativitás megőrzése
Pl. az egydimenziós feladat lineáris végeselemes megoldása esetén,

amikor ekvidisztáns a felosztás:
h 1
Bh = tridiag[1, 4, 1], Ah = tridiag[−1, 2, −1].
6 h
Így az előbbi egyszerű elégséges feltétellel kapjuk, hogy az 1D

lineáris végeselemes megoldás nemnegativitásmegőrző lesz, ha
θ ∈ [1/3, 1] és
1 1
≤q≤ .
6θ 3(1 − θ)
(Igazolható (Faragó, 1996), hogy ez a feltétel szükséges is
tetszőleges felosztás esetén.)
Tanulság
I A másodrendű Crank–Nicolson-módszer ”hiába” feltétel nélkül

stabil, a nemnegativitásmegőrzéshez q nem lehet tetsz. nagy
(2D és 3D-ben sem!)
I Alsó korlát is van q-ra! (mass lumping esetén nincs)
I Implicit Euler-módszer úgy nemnegativitásmegőrző, hogy csak
alsó korlát van q-ra.
Hullámegyenlet megoldása
Tekintsük az alábbi hullámegyenletet homogén peremfeltétellel:

Hullámegyenlet
∂2u
− ∆u = f,
∂t2
u|∂Ω = 0, u0 (x) = u(0, x) és u1 (x) = ∂t u(0, x) adottak.
Keressük az u megoldást a (0, T ) intervallumon!

Gyenge alak: Keressük minden t ∈ (0, T ) esetén azt az
u(t) ∈ H01 (Ω) függvényt, melyre
Z Z Z
2
∂t uv + ∇u∇v = fv
Ω Ω Ω
minden v ∈ H01 (Ω) tesztfüggvény esetén, továbbá u(0) = u0 (x),

∂t u(0) = u1 (x).
Szemidiszkrét megoldás
Keressük minden t ∈ (0, T ) esetén azt az uh (t) ∈ Vh függvényt,

melyre Z Z Z
2
∂t uh v + ∇uh ∇v = f v,
Ω Ω Ω
R R R R
továbbá Ω uh (0)v = Ω u0 v, Ω ∂t uh (t)v = Ω u1 v minden v ∈ Vh
tesztfüggvény esetén.
Keressük uh (t)-t uh (t) = N

P
i=1 ci (t)φi (x) alakban! Helyettesı́tsük
ezt a szemidiszkretizált egyenletbe (legyen v = φj (x) korábban
láttuk, hogy elég csak a bázisfüggvényekre teljesülni a gyenge
alaknak)!
Z ! Z ! Z
X X
∂t2 ci (t)φi φj + ∇ ci (t)φi ∇φj = f φj ,
Ω i Ω i Ω
ahonnét az alábbi mátrixos alakban felı́rt KDE-rendszert nyerjük:
Bh c00h (t) + Ah ch (t) = bh .
(A kezdeti feltételt az eredeti kezdeti feltételekből nyerhetünk.)

Meg kell oldani a másodrendű KDE-rendszert az adott kezdeti
feltételekkel. Ez hatékonyan megtehető a
1 k k−1
Bh (dh − dh ) + θAh ckh + (1 − θ)Ah ck−1
h
∆t
θ,k
= θbh (k∆t) + (1 − θ)bh ((k − 1)∆t) =: bh ,
ck − ck−1 k k−1
− (αd + (1 − α)d ) = 0,
∆t
0
c0 és d a kezdeti feltételekből ismert.
A módszer θ, α ≥ 1/2 esetén feltétel nélkül stabil, és pl. ha
mindkettő 1/2, akkor másodrendű.
Megj.: Kellően sima kezdeti függvények esetén jól viselkedik a
módszer, de nemfolytonos kezdeti függvények esetén hamis
oszcillációk lépnek fel a megoldásban.
10.
Az FDTD módszer a Maxwell-egyenletek

numerikus megoldására
Maxwell-egyenletek
ε∂t E = ∇ × H − σE − Je ,
µ∂t H = −∇ × E
+ divergence equations.
E = E(t, x, y, z) elektromos térerősség

H = H(t, x, y, z) mágneses térerősség
ε = ε(x, y, z), µ = µ(x, y, z), σ = σ(x, y, z)
anyagi paraméterek
Je = Je (t, x, y, z) forrásfüggvény
Numerikusan kell megoldani!

FDTD (Finite difference time domain) vagy Yee-módszer
(1966)
I Két eltolt rács.

I Térbeli lépéstávolságok:
∆x, ∆y, ∆z
I Időlépés: ∆t
I Leapfrog séma
Yee-módszer (1966)
Előnyök Hátrányok
I A divergenciafeltétel I Numerikus diszperzió.
automatikusan teljesül I Lépcsőzetes perem.
I Explicit módszer. (Nem kell I Szigorú stabilitási
megoldani feltétel.
egyenletrendszert.) ∆
I Csak a ∆t < √
c 3
térerősségkomponenseket kell
tárolni.
I Könnyen implementálható.
I Az anyagi paraméterek
függhetnek a helytől és az
iránytól.
Villámcsapás hatása repülőn
Frequency: 10kHz −→ hullámhossz: 30km

↓
3km-es rácstávolság elegendő lenne, de
a rácstávolságot kb. ∆x = ∆y = ∆z = 30cm-nek kell választani.
Forrás: www.efieldsolutions.com/Pics/SAAB2000.gif
Eltolt rácsos szemidiszkretizáció
ε∂t E = ∇ × H,
µ∂t H = −∇ × E.
√
E(t, x, y, z) −→ εE(t, x, y, z)
√
H(t, x, y, z) −→ µH(t, x, y, z)
[Kole et al, 2001]
Ψ0 (t) = AΨ(t), Ψ(0) = Ψ0 is given.
I Az ún. Yee-cellák száma: Y .

I A ∈ R6Y ×6Y , A ferdén szimmetrikus.
I A ritka mátrix, max. 4 nemnulla elem soronként az
√
1/( εµ∆) alakban.
2D példa
Tökéletes vezető perem.

ε=µ≡1
1 −1 −1 1
 

 1 1 −1 −1 

 −1 
 
 −1 
0 1  
Ψ (t) = AΨ(t) =  −1  Ψ(t)
∆ 

 1 

 1 
 
 1 
−1 1
Yee-módszer
A = Ayr + Ayg ,
Szekvenciális szeletelés
Tétel.
(Ayr )2 = (Ayg )2 = 0,
exp(τ Ayr ) = E + τ Ayr ,

exp(τ Ayg ) = E + τ Ayg .
exp(τ Ayr ) exp(τ Ayg )Ψn = (I + τ Ayr )(E + τ Ayg )Ψn =: Ψn+1
Elsőrendű módszer.
Yee-módszer
1

ΨM = exp 2 τ Ayr exp (τ Ayg )

1
exp(τ Ayr ) exp(τ Ayg ) . . . exp(τ Ayr ) exp(τ Ayg )exp τ Ayr Ψ0
2
↓

1 1
exp τ Ayr exp τ Ayr
2 2
Eltolt kezdeti függvényekkel másodrendű sémát kapunk (klasszikus

Yee-módszer, Strang-Marcsuk szeletelés).
Szigorú stabilitási feltétel.
ADI-FDTD-módszer [Namiki, Zheng et al 1999]
A = Anr + Anb
SM-szeletelést használjuk.
A részfeladatokat az EE-, CN-,
IE-módszerekkel oldjuk meg.
τ τ
Anr exp(τ Anb ) exp
exp Anr Ψn =
2 2
∆t ∆t ∆t ∆t
= (E− Anr )−1 (E− Anb )−1 (E+ Anb )(E+ Anr )Ψn =: Ψn+1
2 2 2 2
∆t: a numerikus módszer lépéstávolsága (∆t = τ ).
Másodrendű, feltétel nélkül stabil.
Térbeli irányok szerinti szeletelés [Kole et al, 2001]
A = Akb + Akv + Akr + Akg ,

Szekvenciális vagy Strang-Marcsuk szeletelések használhatók.
Térbeli irányok szerinti szeletelés
Tétel. A részfeladatok egzaktul megoldhatók az

0 α cos α sin α
exp =
−α 0 − sin α cos α
azonosság felhasználásával.
exp(τ Akg ) exp(τ Akr ) exp(τ Akv ) exp(τ Akb )Ψn =: Ψn+1
A módszer rendje az alkalmazott szeletelés rendjével egyezik meg.

Feltétel nélkül stabil.
11.
A Black–Scholes-egyenlet
Néhány opcióárazási alapfogalom
Def. Vagyoni érték: olyan dolog, melynek ismerjük az árát a
jelenben, ami változhat az idő folyamán. (Pl. részvény, arany, olaj,
elektromos áram, deviza, stb.
Def. Európai vételi opció: (European call option, elővásárlási jog)
birtokosának megadja a jogot (de nem a kötelességet), hogy
megvegye az előre rögzı́tett vagyoni értéket az opció jegyzőjétől az
előre rögzı́tett lehı́vási áron és előre rögzı́tett időpontban (lejárati
idő).
Pl. Aladár (a jegyző) köt egy európai vételi opciót Bélával (a
birtokos). Ez megadja a jogot Bélának arra, hogy vegyen Aladártól
100 IBM részvényt 1000$-ért 3 hónap múlva. Mi történik három
hónap múlva?
I a) Ha 100 IBM részvény értéke több lesz, mint 1000$, akkor
Béla lehı́vja az opciót, és az aktuális értéknél olcsóbban kapja
meg a részvényt, ı́gy profithoz jut.
I b) Ha 100 IBM részvény ára kevesebb, mint 1000$, akkor
Béla nem hı́vja le az opciót.
Néhány opcióárazási alapfogalom
Def. Az európai eladási opció (put option) hasonló a vételi

opcióhoz, csak eladási jogot ad. Az amerikai opciók pedig a
lejárati idő előtt bármikor lehı́vhatók.
Probléma: Ez ı́gy nem igazságos. Mennyibe kerüljön az opció
jegyzése?
Előnyök:
I a) Az opció ára meghatározható, és mindenki megelégedésére
adható és vehető.
I b) Az opció ára sokkal kevesebb, mint a vagyoni érték ára. A
befektetéshez képest nagyobb profit érhető el, mint a vagyoni
érték megvásárlásával.
I c) Opciókat kombinálva a vagyoni érték különböző
változásaiból nyereségre tehetünk szert
Egy példa
1 részvény ára 10$, és az ára 1 év múlva vagy 8$ lesz, vagy 12$. A
banki kamatláb 10%. Tegyük fel, hogy 10$-os lejárati áron lehet
európai vételi opciót jegyezni. Az opció ára 1$ részvényenként.
1. stratégia: vegyünk 200 opciót és adjunk el 100 részvényt
S(T ) = 12 S(T ) = 8
200 opció vétele -200 400 0
100 részvény eladása 1000 -1200 -800
Befektetés -800 880 880
Nyereség 0 +80 +80
Arbitrázs: kockázat nélküli pénzszerzés. Nem megengedett.
Egy példa
A vételi opció ára legyen 2$. Akkor adjunk el 200 opciót és
vegyünk 100 részvényt.
S(T ) = 12 S(T ) = 8
Eladás 200 opció 400 -400 0
Vétel 100 részvény -1000 1200 800
Kölcsön 600 -660 -660
Nyereség 0 +140 +140
Megj.: 1.36$-os opcióár mellett nincs arbitrázs.
A kifizetési függvény (payoff function)
Jelölések: S(t): a vagyoni érték ára a t időpillanatban.
T : lejárati idő.
E: lehı́vási ár.
C(t): a vételi opció ára a t időpontban.
P (t): az eladási opció ára a t időpontban.
V (t): egy általános opció értéke a t időpontban.
σ: vagyoni érték árának volatilitása (változékonysága, kb. 0.05 és
0.5 között).
r: kamattényező (pl. 0.1 10% kamatláb esetén).
Def. A kifizetési függvény azt adja meg, hogy mekkora lesz a
birtokos nyeresége az opción a lejáratkor.
Pl. tekintsük az európai eladási opciót. Ennek kifizetési függvénye:
(
E − S(T ), ha S(T ) ≤ E,
P (T ) = = max{E − S(T ), 0}.
0, ha S(T ) > E,
Fischer Black, Myron Scholes (1973)

Robert Merton az opcióárazási technika pontos matematikai
megfogalmazása.
1997: Merton és Scholes közgazdasági Nobel-dı́j
Európai opciókra:
∂V 1 ∂2V ∂V
+ σ 2 S 2 2 + rS − rV = 0
∂t 2 ∂S ∂S
+ vég- és peremfeltételek.
Európai eladási opciókra:
∂P 1 ∂2P ∂P
+ σ 2 S 2 2 + rS − rP = 0
∂t 2 ∂S ∂S
+
P (S, T ) = max{E − S(T ), 0},
P (0, t) = Ee−r(T −t) ,
P (S, t) → 0, ha S → ∞.
Kezdetiérték-feladatot csinálunk: (t = (T − t))
∂P 1 ∂2P ∂P
− σ 2 S 2 2 − rS + rP = 0
∂t 2 ∂S ∂S
+
P (S, 0) = max{E − S(0), 0},
P (0, t) = Ee−rt ,
P (S, t) → 0, ha S → ∞.
A BSch-egyenlet véges differenciás megoldása
S = ∞ helyett csak Smax -ig vesszük fel az S értékeket.
∆S = Smax /(n + 1), ∆t az időlépés.
Explicit Euler-módszer
Pik+1 − Pik 1 P k − 2Pik + Pi+1

k
− σ 2 (i∆S)2 i−1
∆t 2 (∆S)2
k − Pk
Pi+1 i−1
−ri∆S + rPik = 0,
2∆S
amely bevezetve a Q = tridiag[1, −2, 1], D = tridiag[−1, 0, 1],
N1 = diag(1, 2, . . . , n), N2 = diag(12 , 22 , . . . , n2 ) mátrixokat, és a
pk vektort a rácspontokbeli közelı́tésekre a k-adik időrétegen, az
alábbi numerikus sémát nyerjük:
1 1 k
pk+1 = pk + ((−r∆t)E + ∆tσ 2 N2 Q + ∆trN1 D) pk + f .
| 2 {z 2 }
AEE
A BSch-egyenlet véges differenciás megoldása
k
Az f vektor tartalmazza a peremfeltételeket az alábbi módon.
k
f = [(1/2)∆t(σ 2 − r)P0k , 0, 0, . . . , 0, (1/2)∆tn(σ 2 n + r)Pn+1
k
]T ,
ahol P0k és Pn+1

k a peremfeltételből ismertek, a p0 vektor pedig a
kezdeti feltételből.
Implicit Euler-módszer
1 1 k+1
pk+1 = pk + ((−r∆t)E + ∆tσ 2 N2 Q + ∆trN1 D) pk+1 + f .
| 2 {z 2 }
AIE
Crank–Nicolson-módszer
k k+1
(E − AIE /2)pk+1 = (E + AEE /2)pk + f /2 + f /2.
Európai eladási opció megoldásfüggvény
E = 40, Smax = 100, r = 0.1, T = 1, σ = 0.4

Amerikai opciók vizsgálata
Vételi opció esetén nem érdemes kihasználni a korábbi lehı́vás

lehetőségét. Ugyanis
I Ha t-ben S(t) > E, akkor lehı́vás esetén S(t) − E lenne a

nyereség. (t = T -ben er(T −t) (S(t) − E))
I Helyette adjunk el egy részvényt a t időpontban. (Bevétel:
S(t), t = T -ben er(T −t) S(t))
I t = T -ben: ha drágább a részvény, mint E, akkor hı́vjuk le az
opciót és vegyük meg E-ért, ha nem drágább, akkor S(T )-ért.
I Bevétel: er(T −t) S(t), kiadás maximum E. Nyereség nem
kevesebb, mint er(T −t) S(t) − E ≥ S(t) − E > 0.
I Így a korai lehı́vásnál van jobb stratégia.
Tehát az amerikai vételi opció ára ugyanaz mint az európaié.

Amerikai eladási opciók
Jelölje a kifizetési függvényt Λ(S(t)) := max{E − S(t), 0}.
Állı́tás. P Am (S, t) ≥ Λ(S(t)).
Biz.: Különben vegyünk egy opciót és egyszerre hı́vjuk is le.
Bevétel: −P Am (S, t) + Λ(S(t)) > 0. Ez nem lehet (arbitrázs).
Igazolható, hogy a fenti feltételen kı́vül teljesül az alábbi parciális
differenciálegyenlőtlenség:
∂P Am 1 2 2 ∂ 2 P Am ∂P Am
+ σ S + rS − rP Am ≤ 0.
∂t 2 ∂S 2 ∂S
A peremfeltételek és végfeltétel:
P Am (S, T ) = max{E − S(T ), 0},
P Am (0, t) = E,
P Am (S, t) → 0, ha S → ∞.
Minden t ∈ [0, T ]-re van egy S ? (t) érték, aminél kisebb S

értékekre érdemes lehı́vni az opciót, nagyobbakra érdemes
megtartani. S ? (T ) = E, továbbá S ? (t) t függvényében növekszik.
Hol van ez a határ egy adott t esetén?
S ? (t)-nél kisebb S értékekre nyilván az opció értéke éppen a
kifizetési függvény, nagyobbakra pedig kielégı́ti a
Black–Scholes-egyenletet az értéke (mozgó peremű
peremértékfeladat).
Az alábbi ún. lineáris komplementaritási feladatot kell megoldani

(áttérünk kezdetiérték-feladatra):
∂P Am 1 2 2 ∂ 2 P Am ∂P Am

Am
− σ S − rS + rP (P Am −Λ(S(t))) = 0,
∂t 2 ∂S 2 ∂S
∂P Am 1 2 2 ∂ 2 P Am ∂P Am
− σ S − rS + rP Am ≥ 0,
∂t 2 ∂S 2 ∂S
P Am − Λ(S(t)) ≥ 0.
A lineáris komplementaritási feladat numerikus megoldása
k k+1

(E − AIE /2)pk+1 − (E + AEE /2)pk − f /2 − f /2 .·(pk+1 −p0 ) = 0
A bal oldali zárójelben egy lineáris egyenletrendszert kell megoldani

pk+1 -re. Ezt az ún. projekciós SOR-módszerrel oldjuk meg. Azaz
Gauss–Seidel-iterációt alkalmazunk a megoldásra, és minden
lépésben vesszük a pk+1,j+1 és p0 vektorok maximumát addig,
mı́g ”nem konvergál” az iteráció.
Legyen E − AIE /2 = F − L − R, F a diagonális, L és R pedig az
alsó és felső háromszögrész -1-szerese. Legyen pk+1,0 = pk , és
tekintsük az alábbi iterációt:
k k+1
pk+1,j+1 = (F−L)−1 (Rpk+1,j +(E+AEE /2)pk +f /2+f /2),
pk+1,j+1 = max{pk+1,j+1 , p0 }.
A lineáris komplementaritási feladat numerikus megoldása
Addig iterálunk, mı́g
kpk+1,j+1 − pk+1,j k ≤ ε,
ahol ε egy előre rögzı́tett toleranciaérték. Ezek után

pk+1 := pk+1,j+1 , amivel befejeztük a (k + 1). lépést.
Ekkor nyilván a konstrukció miatt pk+1 ≥ p0 is teljesül, továbbá
k k+1
(E − AIE /2)pk+1 − (E + AEE /2)pk − f /2 − f /2 ≥ 0,
azaz pk+1 megoldása lesz a lineáris komplementaritási feladatnak.

Numerikus M Odszerek 2 (MSC) : Horv Ath R Obert

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

Numerikus M Odszerek 2 (MSC) : Horv Ath R Obert

Uploaded by

Copyright:

Available Formats

Numerikus módszerek 2 (MSc)

Budapesti Műszaki és Gazdaságtudományi Egyetem

I Elérhetőségeim: e-mail: rhorvath@math.bme.hu, Iroda:

- Arent, Urban, Partielle Differenzialgleichungen, Spektrum, 2010.

A numerikus matematika a folytonos matematika problémáinak

”A boldog családok hasonlók egymáshoz; minden boldogtalan

u0t (t, x) + cu0x (t, x) = f (t, x),

u0t (t, x) + cu0x (t, x) − λu(t, x) = 0

vt0 (t, x) + v(t, x)vx0 (t, x) = 0.

u0t (t, x) = ku00xx (t, x) + f (t, x).

u00tt = c2 u00xx + f (t, x).

Ugyanezek magasabb térdimenzióban:

u0t (t, x) = k∆u + f (t, x).

Spec.: (∆u = f Poisson-egyenlet, ∆u = 0 Laplace-egyenlet)

u00tt (t, x) = c2 ∆u + f (t, x).

Nemösszenyomható folyadék áramlása:

% ~vt0 + ~v · ∇~v = −∇p + µ∆~v + f~.

I. Véges differenciák módszere

Lehajló rúd egyenlete:

Az ismeretlen függvényt rácsfüggvénnyel közelı́tjük, a deriváltakat

Tesztfüggvények Vh N dim. vektorteréből választjuk ki valamilyen

Súlyozott reziduum módszer: Az Lu? = f (u? a pontos megoldás)

egyenlőség minden w(x) ún. súlyfüggvényre fennáll, ha a

Walter Ritz (1878-1909) svájci elméleti fizikus.

N tetszőleges pontban a tartományon belül legyen a reziduum

A példabeli reziduum: r(x) = M0 − y 00 (x). A tesztfüggvényeken az

A példában csak egy résztartomány van:

A értéke tehát A = −M0 H 2 /(2π) = −0.1592M0 H 2 , ez a

Borisz Grigorjevics Galjorkin (1871-1945) orosz

Ez a módszer a végeselem módszer alapja.

egyenlőségeket. Azaz a reziduum deriváltjai a súlyok ebben a

I Önadjunált operátorok esetén a Ritz- és Galjorkin módszerek

Az advekciós egyenlet megoldása (véges

u0t (t, x) + cu0x (t, x) = f (t, x),

KDER megoldásgörbéiből ([t(0), x(0), u(t(0), x(0))]T adott

Legyen u(0, x) = u0 (x) adott kezdeti függvény.

Numerikus megoldási módszerek lehetnek:

Vizsgáljuk az alábbi feladatot:

u0t (t, x) + cu0x (t, x) = 0, u0 (x) adott, u(t, 0) = u(t, 1).

Konvergencia: A rács finomı́tásával a numerikus megoldás tart a

I Richard Courant (1888-1972) német származású (amerikai)

Piros pontok: A P pontbeli numerikus megoldás függőségi

A numerikus sémát kielégı́tik az alábbi komplex számok:

|g|2 = 1 + q 2 sin2 (l∆x),

amely általában nagyobb lesz, mint 1, azaz általában a

CFL-feltétel: teljesül, ha |q| ≤ 1.

g ≡ g(l∆x) = 1 − |q|(1 − e−il∆x ),

Legyen a pontos megoldás jelölése: ukj = u(k∆t, j∆x) (hasonlóan

Az iterációs mátrix maximumnormája 1, ı́gy adódik a

λ: hullámhossz, λ = 2π/l (l: hullámszám)

alakban. Ez a hullám kielégı́ti az advekciós egyenletet, ha c = ω/l

A numerikus séma fáziseltolódása:

Ujk = g k eijl∆x = eln(|g|)k ei(jl∆x+arg(g)k)

Látható, hogy |g| =6 1 esetén változik az amplitúdó és a

Az upwind séma esetén:

= −ql∆x(1 − (1 − q)(1 − 2q)(l∆x)2 /6 + . . .).

Lax Péter (1926, Budapest), magyar származású amerikai

arg(g) = −ql∆x(1 − (1 − q 2 )l2 ∆x2 /6 + . . .).

ha a CFL-feltétel teljesül, akkor nincs csillapı́tás.

arg(g) = −ql∆x(1 − (1 − q 2 )l2 ∆x2 /6 + . . .).

Elliptikus egyenletek numerikus

Véges differencia megoldáshoz rácsot definiálunk:

Ωh := {(x, y) ∈ Ω | x = ih1 , y = jh2 ,