Professional Documents
Culture Documents
Numerikus M Odszerek 2 (MSC) : Horv Ath R Obert
Numerikus M Odszerek 2 (MSC) : Horv Ath R Obert
Horváth Róbert
2015. tavasz
1.
Tantárgyismertető
Hasznos információk
Bevezetés
Mivel foglalkozik a numerikus matematika?
A valódi probléma
↓
Tudományos modell
↓
Matematikai modell → PDE
↓
Numerikus modell
↓
Számı́tógépes modell
Néhány példa (tud. és mat. modellek)
⇓
u0t (t, x) + ψx0 (t, x) = f (t, x)
Speciális esetek:
ψ(t, x) = cu(t, x) → lineáris transzportegyenlet
Diffúzió, hővezetés
Fourier-törvény, Fick-törvény: ψ(t, x) = −ku0x (t, x) →
Hullámegyenlet
Newton 2. törvénye:
- Diffúzió, hővezetés
Black–Scholes-egyenlet
Opcióárazás egyenlete:
1 00
Vt0 + σ 2 S 2 VSS + rSVS0 − rV = 0
2
Navier–Stokes-egyenlet
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
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
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
M0 H 2 πx
φ(x) = − sin .
2π H
Galjorkin-módszer
−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
max. lehajlás. Közelı́tő megoldás
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
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
Advekciós egyenlet
FTCS-séma: (k = 0, 1, . . . ; j = 1, . . . , n)
Ujk+1 − Ujk k
Uj+1 k
− Uj−1
+c = 0.
∆t 2∆x
Első próbálkozás
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
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
Ujk = g k eijl∆x ,
ha g ≡ g(l∆x) = 1 − qi sin(l∆x)
(g: növekedési faktor, amplification factor).
Vegyük észre, hogy
(
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.
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)
tehát
1
|Tjk | ≤ c∆x(1 − q)Mxx ,
2
ahol Mxx felső becslés a megoldás x szerinti második deriváltjára a
tartományon.
Az upwind séma konvergenciája (c > 0 esete)
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 upwind séma konvergenciája (c > 0 esete)
u(t, x) = A0 ei(lx−ωt)
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)
ahonnét
2 2 2 4 1
|g| = 1 − 4q (1 − q ) sin l∆x
2
(CFL elégséges is),
Ujk+1 − Ujk−1 k
Uj+1 k
− Uj−1
+c =0
2∆t 2∆x
(indı́tás pl. a Lax-Wendroff sémával).
Növekedési faktor:
q
g(l∆x) = −iq sin(l∆x) ± 1 − q 2 sin2 (l∆x),
∂2u ∂2u
−∆u = − − 2 = f (x, y), (x, y) ∈ Ω := (0, a) × (0, b)
∂x2 ∂y
u|Γ = g(x, y), Γ := ∂Ω.
i = 0, . . . , n1 , j = 0, . . . , n2 },
Ωh ∩ Ω =: Ωh ,
Ωh ∩ Γ =: Γh .
A véges differencia séma
Alkalmazzuk az
j
Ui−1 − 2Uij + Ui+1
j
Uij−1 − 2Uij + Uij+1
− − = fij , xij ∈ Ωh
h21 h22
Uij = gij , xij ∈ Γh .
kék:
zöld:
2 2
2 + 2
h1 h2
piros:
1
−
h21
narancs:
1
−
h22
Az Ah mátrix szerkezete
(Uh )1 ≥ (Uh )2 .
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
A numerikus séma konvergenciája
Ah (Uh − uh ) = −Th ,
melyből ...
A numerikus séma konvergenciája
...
kUh − uh k∞ ≤ kA−1
h k∞ kTh k∞
max(U0 ) ≤ max(g).
Maximum-elv
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
∂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
ujn1 − ujn1 −1 h1 h2
= (∂1 u)jn1 − (∂12 u)jn1 + 1 (∂13 u)jn? ,
h1 2 6 1
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
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 )):
alakban.
Nem téglalap alakú tartományok
I Sűrı́tjük a rácsot.
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
−1
2 f1 + g1 /h2
U1
−1 . . . . . . f2
U2
..
= h2
.. ..
.
.
.
fn−1
−1 Un
−1 2 fn + g2 /h2
vagy tömörebben
Ah Uh = φh .
Iterációk simı́tó tulajdonsága
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.
Iterációk simı́tó tulajdonsága
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.
Iterációk simı́tó tulajdonsága
unew
h = Ũh + PhH eH .
1. 10k1 nk : elősimı́tás
2. 10nk : maradékszámı́tás
3. 10nk /4: teljes restrikció
4. 6nk /4: bilineáris interpoláció
5. 10k2 nk : utósimı́tás
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
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 hővezetési vagy diffúziós egyenlet
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)
|Tjk+1 | ≤ c1 ∆t + c2 ∆x2 .
Stabilitás:
Könnyen látható, hogy q ≤ 1/2 esetén kAh k∞ = 1, ı́gy ilyenkor a
módszer stabil lesz.
EE-módszer konvergenciája
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?
EE-módszer konvergenciája
g = 1 − 4q sin2 (m∆x/2).
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.
EE-módszer konvergenciája
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
EE-módszer konvergenciája
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
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
Növekedési faktor:
∂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 .
−∆tAh = qx Xh + qy Yh
funkcionált.
Neumann-feladat esete
Reakció-diffúziós egyenlet Neumann peremmel
∂u
−∆u + u = f, (x, y) ∈ Ω, = g, (x, y) ∈ ∂Ω
∂n
azaz
Z Z Z Z
∇u∇v + uv = fv + gv ds, ∀v ∈ C 1 (Ω).
Ω Ω Ω ∂Ω
Neumann-feladat esete
funkcionált.
Lényeges és természetes peremfeltételek
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
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:
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
hu, vi = l(v), ∀v ∈ V.
Köv.: Igaz az
Λ
kuk ≤
α
stabilitási becslés, hiszen v = u választással
(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.)
A Galjorkin-módszer
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.)
A Galjorkin-módszer
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
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 .
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
Vh ⊂ H 1 (Ω) ⇔ Vh ⊂ C 0 (Ω̄)
és
Vh ⊂ H 2 (Ω) ⇔ Vh ⊂ C 1 (Ω̄).
Néhány konkrét végeselem tér
Tehát a
−u00 = f, u(0) = u(1) = 0
feladat végeselemes uh megoldására érvényes
(elsőrendű konvergencia).
Lehet-e jobb (magasabb rendű) becslést adni?
L2 (0, 1) hibabecslés
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
továbbá nyilvánvalóan
(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.
Időfüggő másodrendű
differenciálegyenletek (végeselem
módszer)
Hővezetési egyenlet
∂t u − ∆u = f, (t, x) ∈ (0, T ) × Ω,
u|(0,T )×∂Ω = 0,
u(0, x) = u0 (x) adott.
Z ! Z ! Z
X X
∂t ci (t)φi φj + ∇ ci (t)φi ∇φj = f φj ,
Ω i Ω i Ω
(θ ∈ [0, 1]).
Teljes (tér-idő) diszkretizáció
Z ! Z ! Z
X X
∂t2 ci (t)φi φj + ∇ ci (t)φi ∇φj = f φj ,
Ω i Ω i Ω
ε∂t E = ∇ × H − σE − Je ,
µ∂t H = −∇ × E
+ divergence equations.
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
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]
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 ) 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
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]
azonosság felhasználásával.
exp(τ Akg ) exp(τ Akr ) exp(τ Akv ) exp(τ Akb )Ψn =: Ψn+1
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$, akkor
Béla nem hı́vja le az opciót.
Néhány opcióárazási alapfogalom
1 részvény ára 10$, 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,
A Black–Scholes-egyenlet
∂V 1 ∂2V ∂V
+ σ 2 S 2 2 + rS − rV = 0
∂t 2 ∂S ∂S
+ vég- és peremfeltételek.
A Black–Scholes-egyenlet
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
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 ,
Crank–Nicolson-módszer
k k+1
(E − AIE /2)pk+1 = (E + AEE /2)pk + f /2 + f /2.
Európai eladási opció megoldásfüggvény
∂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 (0, t) = E,
P Am (S, t) → 0, ha S → ∞.
Amerikai eladási opciók
∂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
pk+1,j+1 = max{pk+1,j+1 , p0 }.
A lineáris komplementaritási feladat numerikus megoldása
kpk+1,j+1 − pk+1,j k ≤ ε,
k k+1
(E − AIE /2)pk+1 − (E + AEE /2)pk − f /2 − f /2 ≥ 0,