7 Numerische Integration

Transkript

1 Numerische Mathematik Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefert Meßwerte x i = x i + ε i. Angenommen, die Meßfehler ε i sind standardnormalverteilt (wähle Einheiten entsprechend!): Wie groß ist die Wahrscheinlichkeit P, dass ein spezifischer Meßwert den wirklichen Wert um weniger als zwei Einheiten überschätzt? P = 1 2π 2 0 exp ( t2 2 ) dt = Φ(2) Φ(0) (.477). 7 Numerische Integration Technische Universität Bergakademie Freiberg

2 Numerische Mathematik (2π) 1/2 exp( t 2 /2) 0.7 Φ(x) Aber: Es gibt keine geschlossene Formel für den Wert von Φ(x) = 1 x ( ) exp t2 dt 2π 2 (und vieler anderer Integrale). Selbst wenn geschlossenene Formeln bekannt sind, ist eine numerische Approximation oft ökonomischer. 7 Numerische Integration Technische Universität Bergakademie Freiberg

3 Numerische Mathematik Newton-Cotes-Formeln Gesucht: Wert von I := b a f(x) dx. Idee der interpolatorischen Quadraturformeln: Wähle (n + 1) Knoten a x 0 < x 1 < < x n 1 < x n b, bestimme das zugehörige Interpolationspolynom p n P n für f p n (x) = n f(x j )l j (x) mit l j (x) = j=0 (Lagrange-Form) und betrachte als Näherung für I n i=0 i j x x i x j x i b a p n (x)dx = n f(x j ) j=0 b l j (x)dx a } {{ } =:γ j = n γ j f(x j ). j=0 γ j bzw. x j heißen Gewichte bzw. Knoten der Integrationsformel. 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

4 Numerische Mathematik 321 Newton-Cotes-Formeln I n j=0 γ (n) j f(x j ) sind interpolatorische Quadraturformeln mit äquidistanten Knoten x j = a + jh (j = 0, 1,..., n), wobei h = (b a)/n. Bestimmung der Gewichte. Mit der Substitution x = a + ht, t [0, n]: γ (n) j = b a n i=0 i j x x i x j x i dx = h n 0 n i=0 i j t i dt =: hα(n) j j i (α (n) j sind unabhängig von f, a und b). Für jedes n gelten und α (n) 0 + α (n) α n (n) α (n) j = n = α (n) n j, j = 0, 1,..., n. 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

5 Numerische Mathematik 322 Tabelle der Newton-Cotes-Gewichte: I b a n n j=0 α (n) j f(a + jh) n Name α (n) j (j = 0, 1,..., n) 1 Trapezregel Simpson-Regel /8-Regel Milne-Regel Weddle-Regel Für größere n treten negative Gewichte auf, die Newton-Cotes-Formeln werden numerisch unbrauchbar. 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

6 Numerische Mathematik 323 Fehler der Newton-Cotes-Formeln: Ist f C (n+1) [a, b], so folgt aus der Fehlerformel für Interpolationspolynome E n (f) = b a f(x)dx h n j=0 α (n) j f(a + jh) = b a ω n+1 (x) (n + 1)! f (n+1) (ζ(x))dx. Insbesondere werden Polynome vom Grad n durch die n-te Newton-Cotes-Formel exakt integriert. Man kann zeigen: Ist n gerade, so werden sogar Polynome vom Grad n + 1 exakt integriert. Exaktheitsgrad der n-ten Newton-Cotes-Formel = { n, falls n ungerade, n + 1, falls n gerade. 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

7 Numerische Mathematik 324 Wir bezeichnen die dividierten Differenzen einer Funktion bezüglich der n + 2 paarweise verschiedenen Knoten x 0,..., x n, x mit f[x 0, x 1,..., x n, x]. Lemma 7.1 (Alternatives Restglied bei Polynominterpolation) Wird die Funktion f durch das Polynom p P n an den Knoten a x 0 < x 1 < < x n 1 < x n b interpoliert, so gilt f(x) p(x) = ω n+1 (x)f[x 0, x 1,..., x n, x]. Lemma 7.2 Für das Knotenpolynom ω n+1 (x) = (x x 0 ) (x x n ) bezüglich der Knoten x j = a + jh, h = (b a)/n, gilt mit x n/2 := x 0 + hn/2 (a) ω n+1 (x n/2 + ξ) = ( 1) n+1 ω n+1 (x n/2 ξ). (b) Für a < ξ + h x n/2 mit ξ x 0,..., x n gilt ω n+1 (ξ + h) < ω n+1 (ξ). (c) Für x n/2 ξ < b mit ξ x 0,..., x n gilt ω n+1 (ξ) < ω n+1 (ξ + h). 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

8 Numerische Mathematik Knotenpolynom, n=6 2 Knotenpolynom, n= Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

9 Numerische Mathematik 326 Lemma 7.3 Definiert man Ω n+1 (x) := x a ω n+1(ξ) dξ, (n 1), so gilt (a) Ω n+1 (a) = Ω n+1 (b) = 0 und Ω n+1 (x) > 0, x (a, b) für n gerade. (b) Ω n+1 (a) = 0, Ω n+1 (b) = 2Ω n+1 (x n/2 ), sowie Ω n+1 (x) < 0, x (a, b], für n ungerade. Satz 7.4 Ist f C n+2 [a, b], so gilt für den Fehler der Newton-Cotes Formeln für n gerade E n (f) = K n (n + 2)! f (n+2) (η), η (a, b) mit K n := b a xω n+1 (x) dx < Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

10 Numerische Mathematik 327 Fehlerschranken E n (f) = b a f(x)dx h n j=0 α (n) j f(a + jh) S n(f) n Name S n (f) 1 Trapezregel h M 2 2 Simpson-Regel h M 4 3 3/8-Regel h M 4 4 Milne-Regel h M 6 5 h M 6 6 Weddle-Regel h M 8 mit M k := max a x b f (k) (x) und h = (b a)/n. 7.1 Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

11 Numerische Mathematik 328 Beispiel. 1 0 exp(x) dx = e n Name E n (f) S n (f) 1 Trapezregel Simpson-Regel /8-Regel Milne-Regel Weddle-Regel Newton-Cotes-Formeln Technische Universität Bergakademie Freiberg

12 Numerische Mathematik Zusammengesetzte Integrationsformeln Idee: Unterteile das Integrationsintervall [a, b] in N Teilintervalle der Länge H := (b a)/n und wende auf jedes Teilintervall [a + jh, a + (j + 1)H] (j = 0, 1, 2,..., N 1), d.h. zur näherungsweisen Berechnung von a+(j+1)h f(x) dx, die n-te a+jh Newton-Cotes-Formel (mit Schrittweite h = H/n) an: b a f(x) dx = = N 1 j=0 N 1 j=0 (j+1)h h jh n k=0 f(x) dx N 1 j=0 h n k=0 α (n) k f(a + (jn + k)h). α (n) k f(a + jh + kh) 7.2 Zusammengesetzte Integrationsformeln Technische Universität Bergakademie Freiberg

13 Numerische Mathematik 330 Beispiel für n = 1: zusammengesetzte Trapezregel. Hier H = (b a)/n = h, also N + 1 Stützstellen: x j = a + jh, j = 0, 1,..., N: b a f(x) dx h 2 [ N 1 f(x 0 ) + 2 j=1 ] f(x j ) + f(x N ) =: T (h). (7.1) Fehler: b a f(x) dx T (h) b a 12 M 2 h 2 mit M 2 := max f (x). a x b Aufwand zur Berechnung von T (h): N + 1 Funktionsauswertungen. 7.2 Zusammengesetzte Integrationsformeln Technische Universität Bergakademie Freiberg

14 Numerische Mathematik 331 Beispiel für n = 2: zusammengesetzte Simpson-Regel. Hier H = (b a)/n = 2h, d.h. h = (b a)/(2n), also 2N + 1 Stützstellen: x j = a + jh, j = 0, 1,..., 2N: b a f(x) dx h 3 [ N 1 f(x 0 ) + 4 j=0 f(x 2j+1 ) + 2 N 1 j=1 ] f(x 2j ) + f(x 2N ) =: S(h). Fehler: b a f(x) dx S(h) b a 180 M 4 h 4 = b a 2880 M 4 H 4 mit M 4 := max a x b f (iv) (x). Aufwand zur Berechnung von S(h): 2N + 1 Funktionsauswertungen. 7.2 Zusammengesetzte Integrationsformeln Technische Universität Bergakademie Freiberg

15 Numerische Mathematik Romberg-Extrapolation Idee der Extrapolation: Es bezeichne T (h) den Näherungswert für das Integral I = b f(x) dx, den die zusammengesetzte Trapezregel liefert. Ist f a genügend glatt, dann gilt lim T (h) = I. h 0 Wir interpretieren I als den Wert von T an der Stelle h = 0: I = T (0). Wir können T (h) nur für h > 0, aber nicht an der Stelle h = 0 auswerten. Um T (0) zu approximieren, interpolieren wir T an den Stützstellen h 0, h 1,..., h k > 0, d.h. wir bestimmen ein Polynom P k P k mit P k (h j ) = T (h j ) (j = 0, 1,..., k), und betrachten P k (0) als eine Näherung für T (0) = I. 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

16 Numerische Mathematik 333 T(h 3 ) P 2 (0) T(h 2 ) T(h 1 ) P k (0) ist (hoffentlich) eine bessere Näherung für I = T (0) als T (h 0 ), T (h 1 ), T (h 2 ), Romberg-Extrapolation Technische Universität Bergakademie Freiberg

17 Numerische Mathematik Die Euler-Maclaurinsche Summenformel Die Konvergenz dieses Extrapolationsverfahrens wird wesentlich dadurch beschleunigt, dass T (h) eine asymptotische Entwicklung in h 2 besitzt. Dies ist eine Folgerung aus folgendem Ergebnis: Lemma 7.5 Ist g C 2m+2 [0, 1], so gilt 1 0 g(t) dt = 1 2 [g(0) + g(1)] + m k=1 B 2k (2k)! [g(2k 1) (0) g (2k 1) (1)] B 2m+2 (2m + 2)! g(2m+2) (ξ), ξ (0, 1). (7.2) Hierbei sind B k die Bernoulli-Zahlen B 2 = 1 6, B 4 = 1 30, B 6 = 1 42, B 8 = 1 30, Romberg-Extrapolation Technische Universität Bergakademie Freiberg

18 Numerische Mathematik 335 Hintergrund: Die Funktion t f(x, t) := tetx e t 1 (x C) besitzt eine hebbare Singularität in t = 0. Setzt man f(x, 0) = 1, so f(x, ) analytisch in t = 0 mit der Taylor-Reihe te tx e t 1 = k=0 p k (x) t k ( t < 2π). Der k-te Koeffizient p k (x) ist ein Polynom vom Grad k (in x) mit bemerkenswerten Eigenschaften: p 0 (x) = 1, p k+1 (x) = p k(x) (k = 0, 1,...). 1 0 p k(x)dx = 0 (k = 1, 2,...). 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

19 Numerische Mathematik 336 Normiert man diese Polynome auf Höchstkoeffizienten 1, so erhält man die Bernoulli-Polynome Die Bernoulli-Zahlen sind dann durch B k (x) := k! p k (x) (k = 0, 1,...). B k := B k (0) (k = 0, 1,...) definiert. Es ist B 0 = 1, B 1 = 1/2, B 2 = 1/6, B 2k+1 = 0 (k = 1, 2,...) sowie B k t k = t e t 1. k=0 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

20 Numerische Mathematik 337 Lemma 7.5 enthält die einfachste Variante der Euler-Maclaurinschen Summenformel. Die allgemeinere Form erhält man durch Anwendung von (7.2) auf die Integrale und Aufsummieren: i+1 i g(t) dt (i = 0,..., N 1) N 1 2 g(0) + g(1) + + g(n 1) g(n) = + m k=1 mit einem ξ (0, 1). 0 g(t) dt B 2k (2k)! [g(2k 1) (N) g (2k 1) (0)] + B 2m+2 (2m + 2)! N g(2m+2) (ξ) (7.3) 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

21 Numerische Mathematik 338 Anwendung auf beliebiges Intervall [a, b], äquidistante Knoten {x i = a + ih} N i=0, h = (b a)/n, f C 2m+2 [a, b] : Transformation von b a T (h) = b a f(t) dt + f(t) dt auf [0, N] und Anwendung von (7.3) liefert m k=1 h 2k B 2k (2k)! [f (2k 1) (b) f (2k 1) (a)] + h 2m+2 B 2m+2 (2m + 2)! (b a) f (2m+2) (ξ), ξ (a, b) (7.4) mit T (h) die Approximation der zusammengesetzten Trapezregel gemäß (7.1). Entscheidend: (7.4) stellt eine asymptotische Entwicklung von T (h) in Potenzen von h 2 dar. Auf diese Entwicklung wird das Extrapolationsverfahren angewandt. 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

22 Numerische Mathematik Das Romberg-Verfahren Wähle Schrittweitenfolge h 0 = b a, h j = h j 1 /2 = (b a)/2 j und bestimme P k (0) mit dem Algorithmus von Neville-Aitken (die Abszissen sind hier h 2 j ): T 0,0 = T (h 0 ) = b a [f(a) + f(b)], 2 [ 2 j 1 f(a) + 2 T j,0 = T (h j ) = h j 2 i=1 = 1 j T j 1,0 + h j i=1 ] f(a + ih j ) + f(b) f(a + (2i 1)h j ), (j = 1, 2,...) T j,k = 22k T j,k 1 T j 1,k 1 2 2k 1 = 4k T j,k 1 T j 1,k 1 4 k 1 für k j, j Romberg-Extrapolation Technische Universität Bergakademie Freiberg

23 Numerische Mathematik 340 Die Rombergsche T-Tafel T 0,0 T 1,0 T 1,1 T 2,0 T 2,1 T 2,2 T 3,0 T 3,1 T 3,2 T 3, wird in der Reihenfolge T 0,0, T 1,0, T 1,1, T 2,0, T 2,1, T 2,2, T 3,0,... berechnet. Praxis: Berechne nur wenige (etwa m) Spalten der T-Tafel und breche ab, wenn T j,m 1 T j+1,m 1 ε erfüllt ist. 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

24 Numerische Mathematik 341 Beispiel. T-Tafel: dx x = log(2) = Romberg-Extrapolation Technische Universität Bergakademie Freiberg

25 Numerische Mathematik 342 Fehler beim Romberg-Verfahren: Ist f C 2m+2 [a, b], so besitzt die Trapezsumme T (h) zur Schrittweite h = (b a)/n gemäß (7.4) die asymptotische Entwicklung T (h) = I + α 1 h 2 + α 2 h α m h 2m + β m+1 (h)h 2m+2. Dabei sind I = b a f(x) dx das gesuchte Integral, α 1,..., α m von h unabhängige Konstanten und β m+1 (h) bleibt beschränkt für h 0. Die Fehler in der ersten Spalte der T-Tafel (d.h. die Fehler von {T j,0 } = {T (h j )}) streben also wie h 2 j gegen 0. Behauptung: Die Fehler in der k-ten Spalte der T-Tafel (d.h. die Fehler von {T j,k 1 } j k 1 ) streben wie h 2k j gegen Romberg-Extrapolation Technische Universität Bergakademie Freiberg

26 Numerische Mathematik 343 Aus der asymptotischen Entwicklung folgt T j 1,0 = T (2h j ) = I + α 1 (2h j ) 2 + O(h 4 j), T j,0 = T (h j ) = I + α 1 h 2 j + O(h 4 j). Multipliziert man die zweite Gleichung mit 4 und subtrahiert beide Gleichungen, so ergibt sich: T j,1 = 4T j,0 T j 1,0 4 1 = I + O(h 4 j), die Fehler in der zweiten Spalte der T-Tafel (d.h. die Fehler von {T j,1 } j 1 ) streben also wie h 4 j gegen Null. Auf ähnliche Weise lässt sich zeigen: T j,k = I + O ( h 2(k+1) ) j (k fest mit 0 k m). 7.3 Romberg-Extrapolation Technische Universität Bergakademie Freiberg

27 Numerische Mathematik Adaptive Integrationsverfahren Wendet man eine zusammengesetzte Quadraturformel auf I = b f(x) dx an, a so ist es nicht immer sinnvoll, das Integrationsintervall [a, b] in gleich lange Teilintervalle der Länge H zu unterteilen: Der Quadraturfehler hängt von einer (höheren) Ableitung von f ab, und diese kann in [a, b] stark variieren. Für f(x) = x/(x 2 1), x [1.001, 10], bewegt sich die vierte Ableitung (die den Fehler bei der zusammengesetzten Simpson-Regel kontrolliert) zwischen (am linken Rand) und (am rechten Rand). Man erwartet, dass man am rechten Ende des Intervalls mit wesentlich weniger Stützstellen (d.h. wesentlich geringerem Rechenaufwand) eine akzeptable Näherung des Integrals bestimmen kann als in der Umgebung von Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

28 Numerische Mathematik 345 Gegeben ist eine Quadraturformel, z.b. die Simpson-Regel S(H), mit einer Fehlerabschätzung, hier: I S(H) = c H 4 + O(H 5 ). Gesucht ist eine Näherung für I, die sich zusammensetzt aus Näherungen I (j) 0 für x j+1 x j f(x) dx über Teilintervalle unterschiedlicher Länge H j = x j+1 x j, so dass N I j=0 I (j) 0 b ε := tol f(x) dx gilt. Weder die Anzahl (N + 1) der Teilintervalle noch die Unterteilungspunkte x j+1 := x j + H j (j = 0,..., N 1) sind bekannt. a 7.4 Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

29 Numerische Mathematik 346 Wir wollen den Fehler gleichmäßig auf die Teilintervalle verteilen, d.h. H j soll so gewählt werden, dass xj +H j f(x) dx I (j) 0 H j b a ε erfüllt ist. x j Wichtige Beobachtung: Aus folgt I S(H) = c H 4 + O(H 5 ) und I S(H/2) = c (H/2) 4 + O(H 5 ) also, falls H genügend klein ist, S(H/2) S(H) = c (1 2 4 ) H 4 + O(H 5 ) I S(H) S(H/2) S(H) ( ) 7.4 Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

30 Numerische Mathematik 347 Strategie zur Schrittweitenwahl (Schrittweitensteuerung): Angenommen H 0,..., H j 1 (dh. x 0,... x j ) sind bereits bestimmt. Außerdem ist eine Vorschlagsschrittweite H j gegeben. 1. Setze H j = H j. Bestimme mit I (j) 0 = S(H j ) eine Näherung für xj +H j f(x) dx. x j 2. Bestimme mit I (j) 1 = S(H j /2) eine bessere Näherung für xj +H j f(x) dx. x j 3. Überprüfe, ob I (j) 1 I (j) 0 (1 2 4 ) H j b a ε erfüllt ist (vgl. ( )). Falls ja: Akzeptiere I (j) 1 als Näherung. Falls nein: Setze H j = H j /2, I (j) 0 = I (j) 1 und gehe zu Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

31 Numerische Mathematik Überprüfe, ob I (j) 1 I (j) 0 (2.5) 4 (1 2 4 ) H j b a ε erfüllt ist (2.5 = Sicherheitsfaktor). Falls ja: Neue Vorschlagsschrittweite: Hj+1 = 2H j. Falls nein: Neue Vorschlagsschrittweite: Hj+1 = H j. Praxis: Unter- und Oberschranken für H j (zu kleine Schrittweiten führen zu verstärktem Rundungsfehlereinfluss, zu große Schrittweiten können dazu führen, dass Bereiche, in denen f stark variiert, übersprungen werden). 7.4 Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

32 Numerische Mathematik 349 Beispiel: f(x) = 1 (x.3) (x.9) , a = 0, b = Integral = Adaptive Integrationsverfahren Technische Universität Bergakademie Freiberg

33 Numerische Mathematik Gauß-Quadratur Die in diesem Abschnitt behandelte Theorie der Gauß-Quadratur gilt allgemein für Integrale der Form I = f(x) dµ(x). R Hierbei ist µ ein positives Maß auf R und es wird lediglich gefordert, dass die sogenannten Momente µ k := x k dµ(x), k = 0, 1,... existieren. R 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

34 Numerische Mathematik 351 Wichtige Spezialfälle sind diskrete Maße, welche auf endlich viele Punkte x i konzentriert sind, R f(x) dµ(x) = N w i f(x i ), w i > 0, x i R, i=1 sowie absolutstetige Maße mit dµ(x) = w(x)dx mit Träger (a, b) = supp(µ) R b f(x) dµ(x) = f(x) dµ(x) = f(x)w(x) dx. R supp(µ) Im letzteren Fall, mit dem wir uns ausschließlich befassen, ist a = bzw. b = ausdrücklich zugelassen. a 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

35 Numerische Mathematik 352 Die Gewichtsfunktion w(x) muß dabei gewisse Bedingungen erfüllen (z.b. w(x) 0 für alle x [a, b]). Gebräuchliche Gewichtsfunktionen sind: [a, b] w(x) Bezeichnung [ 1, 1] 1 Gauß-Legendre [ 1, 1] (1 x 2 ) 1/2 Gauß-Tschebyscheff [ 1, 1] (1 x) α (1 + x) β, α, β > 1 Gauß-Jacobi [0, ] exp( x) Gauß-Laguerre [, ] exp( x 2 ) Gauß-Hermite 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

36 Numerische Mathematik 353 Prinzip: Gauß-Formeln sind interpolatorische Quadraturformeln b a f(x) w(x)dx = R n (f) bezeichnet den Quadraturfehler. n η j f(ξ j ) + R n (f). (7.5) Im Gegensatz zu den Newton-Cotes-Formeln wählt man die Knoten ξ j nicht äquidistant, sondern bestimmt Knoten ξ j und Gewichte η j so, dass sich ein möglichst hoher Exaktheitsgrad ergibt. Heuristik: b a xk w(x)dx = n j=1 η jξj k ist für jedes k = 0, 1,... eine nichtlineare Gleichung mit 2n freien Parametern ξ j, η j (j = 1,..., n). Es scheint möglich, diese Gleichung für k = 0,..., 2n 1 zu erfüllen (Exaktheitsgrad 2n 1). j=1 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

37 Numerische Mathematik 354 Es bezeichne P den Raum aller Polynome (beliebigen Grades) in einer Variablen. Satz 7.6 (Jacobi,1826) Sei m N 0. Die Quadraturformel (7.5) besitzt genau dann Exaktheitsgrad d = n 1 + m, wenn folgende beide Bedingungen erfüllt sind: (a) (7.5) ist interpolatorisch. (b) Das Knotenpolynom ω n (x) = n j=1 (x ξ j) ist orthogonal zu P m 1 bezüglich des Innenproduktes (p, q) = b a p(x)q(x) w(x)dx, p, q P. (7.6) Bemerkung 7.7 Der maximale Exaktheitsgrad ist d = 2n 1, also m = n 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

38 Numerische Mathematik 355 Satz 7.6 legt ein Konstruktionsprinzip nahe für (7.5) mit möglichst hohem Exaktheitsgrad: wähle als Knoten die Nullstellen des Orthogonalpolynoms vom Grad n bezüglich (7.6) und die Gewichte so, dass (7.5) interpolierend ist. Definition. Eine Folge {p k } k 0 von Polynomen heißt System von Orthogonalpolynomen bezüglich eines Innenproduktes (, ), falls (a) deg p k = k, k = 0, 1,... und (b) (p j, p k ) = 0 falls j k. Orthogonalpolynome sind bis auf einen konstanten Faktor eindeutig bestimmt. Als monisch bezeichnet man Polynome mit Höchstkoeffizient 1, Orthonormalpolynome sind durch (p k, p k ) = 1 charakterisiert. Satz 7.8 Die Nullstellen der Orthogonalpolynome bezüglich (7.6) sind reell, einfach und liegen in (a, b). 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

39 Numerische Mathematik 356 Lemma 7.9 Der Vektor [a (n) 0,..., a(n) n 1 ] der Koeffizienten des n-ten monischen Orthogonalpolynoms bezüglich (7.6) p n (x) = x n + a (n) n 1 xn a (n) 1 x + a(n) 0 ist die eindeutig bestimmte Lösung des linearen Gleichungssystems µ 0 µ 1... µ n 1 µ 1 µ 2... µ n M n x = m n, M n =, m n =.. µ n µ n+1. µ n 1 µ n... µ 2n 2 µ 2n 1 mit der Momentenmatrix M n gegeben durch [M n ] j,k = (x j, x k ) = b a x j+k w(x)dx = (x j+k, 1) =: µ j+k. 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

40 Numerische Mathematik 357 Satz 7.10 Ein System von Orthogonalpolynomen bezüglich (7.6) genügt einer dreistufigen Rekursionsformel γ n p n (x) = (x α n )p n 1 (x) β n p n 2 (x), n = 1, 2,... mit p 1 := 0 und p 0 (x) konstant ( 0). Die Koeffizienten sind gegeben durch α n = (xp n 1, p n 1 ), (p n 1, p n 1 ) n = 1, 2,... γ n = (xp n 1, p n ), (p n, p n ) n = 1, 2,... β n = (xp n 2, p n 1 ) (p n 2, p n 2 ) = γ (p n 1, p n 1 ) n 1 (p n 2, p n 2 ), n = 2, 3,..., β 1 beliebig. 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

41 Numerische Mathematik 358 Bemerkungen 7.11 (a) Mit {p k } k 0 sind auch p k = δ k p k, δ k 0, Orthogonalpolynome. Die zugehörigen Rekursionskoeffizienten lauten α k = α k, γ k = δ k 1 δ k γ k, k = 1, 2,..., β k = δ k 1 δ k 2 β k, k = 2, 3,.... (b) Für die monischen Orthogonalpolynome ergibt sich für die Rekursion γ k = 1 k. d.h. p 1 = 0, p 0 (x) = 1, p k (x) = (x α k )p k 1 (x) β k p k 2 (x). Ferner gilt β k = (p k 1, p k 1 ) (p k 2, p k 2 ) > 0, k 2. (c) Für Orthonormalpolynome ist β k = γ k 1, k Gauß-Quadratur Technische Universität Bergakademie Freiberg

42 Numerische Mathematik 359 Satz 7.12 Seien α k, β k, k 1 die Rekursionskoeffizienten der monischen Orthogonalpolynome bezüglich (7.6) und sei α 1 β2. β2 α.. 2 J n = R n n, βn βn α n (Jacobi-Matrix). Dann gilt. (a) Die Knoten der n-ten Gauß-Quadraturformel (7.5) bezüglich (7.6) sind die Eigenwerte von J n. (b) Sind u j die normalisierten Eigenvektoren von J n zu den Eigenwerten λ j, d.h. J n u j = λ j u j, u j 2 = 1 (j = 1,..., n) so sind die Gewichte η j von (7.5) gegeben durch η j = β 0 [u j ] 2 1 (j = 1,..., n), β 0 = b a w(x)dx. 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

43 Numerische Mathematik 360 Beispiel: Für die Gewichtsfunktion w(x) = (1 x 2 ) 1/2 erhält man Knoten: ξ j = cos (2j 1)π 2n, Gewichte: η j = π/n, j = 1, 2,..., n. (Dass die Gewichte unabhängig von j sind, trifft auf andere Gauß-Formeln nicht zu!) Gauß-Tschebyscheff-Quadraturformel: 1 f(x) (1 x 2 ) 1/2 dx = π n ( ) (2j 1)π f cos + R n (f). 1 n 2n j=1 Satz 7.13 Ist f C 2n [a, b] und bezeichnen {p n } die monischen Orthogonalpolynome zu (7.6), so besitzt das Restglied der Gauß-Quadraturformal (7.5) die Darstellung R n (f) = f (2n) (ξ) (p n, p n ), ξ (a, b). (2n)! 7.5 Gauß-Quadratur Technische Universität Bergakademie Freiberg

44 Numerische Mathematik Kubatur Unter Kubatur versteht man Näherungsverfahren für mehrdimensionale Integrale, d.h. mit Teilgebieten des R m, m > 1 als Integrationsbereichen. Diese haben wie im Eindimensionalen die Form n I = f(x ) w(x )dx = γ i f(x i ) + R n (f). (7.7) Ω i=1 mit Knoten x i und Gewichten γ i, i = 1,..., n. Erwünschte Eigenschaften: 1. x i Ω, i = 1,..., n. 2. γ i > 0, i = 1,..., n. 7.6 Kubatur Technische Universität Bergakademie Freiberg

45 Numerische Mathematik 362 Die Theorie der numerischen Kubatur ist nicht annähernd so vollständig wie die der Quadraturverfahren. Dies hat im Wesentlichen zwei Ursachen: (i) Die Geometrie des R 1 ist entscheidend einfacher als die mehrdimensionaler Räume. So sind etwa alle kompakte und zusammenhängende Teilmengen im R 1 affin äquivalent. (ii) Die im Eindimensionalen so hilfreiche Theorie der Orthogonalpolynome ist im Mehrdimensionalen komplizierter. So gibt es ( ) m+k k Polynome vom Grad k in m Variablen, also ( ) m+k 1 k Polynome vom exakten Grad k. Hier kommen also nur gemeinsame Nullstellen von mehreren Orthogonalpolynomen als Knoten in Frage. Wir geben hier lediglich einen kurzen Überblick über Konstruktionsprinzipien von Kubaturformeln und beschränken uns einfachheitshalber auf den Fall m = Kubatur Technische Universität Bergakademie Freiberg

46 Numerische Mathematik 363 Eine Kubaturformel (7.7) besitzt den Exaktheitsgrad d, wenn sie für alle Polynome p(x, y) vom Grad d, d.h. für alle p Pd 2 := α i,j x i y j : α i.j R i+j d (z.b. P 2 1 = {α 0,0 + α 1,0 x + α 0,1 y}, P 2 2 = {α 0,0 + α 1,0 x + α 0,1 y + α 2,0 x 2 + α 1,1 xy + α 0,2 y}), den exakten Integralwert liefert. 7.6 Kubatur Technische Universität Bergakademie Freiberg

47 Numerische Mathematik Interpolatorische Quadraturformeln Wie im Eindimensionalen kann man bei n vorgegebenen verschiedenen Knoten x i die Gewichte w i zum Erreichen eines maximalen Exaktheitsgrades wählen. Im R 2 sind hierfür erforderlich ( ) d + 2 n = = d (d + 2)(d + 1) 2 Knoten für Exaktheitsgrad d. Satz 7.14 (Tchakaloff, 1957) Sei Ω R 2 kompakt, w eine nichtnegative, integrierbare Gewichtsfunktion mit 0 < w(x )dx < R 2 sowie d eine feste natürliche Zahl. Dann existiert eine Kubaturformal der Form (7.7) vom Exaktheitsgrad d mit n (d + 1)(d + 2)/2, positiven Gewichten γ i und x i Ω für alle i. 7.6 Kubatur Technische Universität Bergakademie Freiberg

48 Numerische Mathematik Produktformeln Ist es möglich eventuell nach geeigneter Substitution Integrale über Monome x i y j, i, j N 0, so umzuformen, dass 1 ( 1 ) x i y j w(x, y)dxdy = ξ i w 1 (ξ) η j w 2 (η)dη dξ, Ω 1 so kann man auf die eindimensionalen Integrale jeweils eine Quadraturformel 1 1 g(ζ) w s(ζ)dζ n s i=1 γ(s) i f(ζ (s) i ) (s = 1, 2) mit Exaktheitsgrad d s anwenden und erhält mit n 1 n 2 ( ) f(x, y) w(x, y)dxdy γ (1) i γ (2) j f ζ (1) i, ζ (2) j Ω i=1 eine Kubaturformel mit n 1 n 2 Knoten {(ζ (1) i, ζ (2) j )} und Gewichten {γ (1) i γ (2) j }, 1 i n 1, 1 j n 2 sowie Exaktheitsgrad d = min{d 1, d 2 } (eigentlich etwas mehr, wieso?). j= Kubatur Technische Universität Bergakademie Freiberg

49 Numerische Mathematik 366 Beispiel 1: Die Gauß-Legendre Formel (w(x) 1) mit zwei Knoten 1 1 f(ζ) dζ f(ζ 1 ) + f(ζ 2 ), ζ 1,2 = ±1 3, (γ 1 = γ 2 = 1), besitzt Exaktheitsgrad d = 3. Mittels der Substitution [ ] ([ ] [ ] [ ]) x(ξ, η) = ξ +, ξ, η [ 1, 1], y(ξ, η) η approximieren wir damit das Integral = i,j=1 exp(x 2 y 2 ) dxdy = exp ( x(ζ i, ζ j ) 2 y(ζ i, ζ j ) 2) = exp(x(ξ, η) 2 y(ξ, η) 2 ) dξdη 7.6 Kubatur Technische Universität Bergakademie Freiberg

50 Numerische Mathematik 367 Beispiel 2: Die Gauß-Hermite Formeln approximieren Integrale der Bauart f(ζ) exp( ζ 2 )dζ n 1 i=1 und lassen sich daher zu Produktformeln für Integrale kombinieren. γ i f(ζ i ) R 2 f(x, y) exp( x 2 y 2 )dxdy 7.6 Kubatur Technische Universität Bergakademie Freiberg

51 Numerische Mathematik 368 Beispiel 3: Das Integral I = f(x, y) dxdy, = {(x, y) : 0 x 1, 0 y x} über das Dreieck geht durch die Substitution x = u, y = uv über in I = f(u, uv) udvdu, was wie in Beispiel 1 durch eine Produktformel für ein Quadrat approximiert werden kann. Für die 3-Punkt Gauß-Legendre Formel erhalten wir rechtsstehende Knoten im Dreieck. 7.6 Kubatur Technische Universität Bergakademie Freiberg

52 Numerische Mathematik Zusammengesetzte Kubaturformeln Hat man ein beschränktes Gebiet Ω R 2 vollständig oder näherungsweise in Dreiecke oder Rechtecke {K i } N i=1 zerlegt, so kann man gemäß I = Ω f(x, y) dxdy = N i=1 K i f(x, y) dxdy mit Hilfe einer Kubaturformel für Dreiecke bzw. Rechtecke I beliebig genau approximieren, sofern die Zerlegung nur hinreichend fein gewählt ist. Von einer zulässigen Zerlegung verlangt man, dass Ω = N i=1 K i und dass K i K j für i j entweder leer ist oder nur aus gemeinsamen Randpunkten besteht. Folgende Bilder zeigen Beispiele für Triangulierungen, d.h. Zerlegungen in Dreiecke. 7.6 Kubatur Technische Universität Bergakademie Freiberg

53 Numerische Mathematik 370 Triangulierung eines Polygons: 7.6 Kubatur Technische Universität Bergakademie Freiberg

54 Numerische Mathematik 371 Triangulierung des Außengebiets eines Tragflächenquerschnitts. 7.6 Kubatur Technische Universität Bergakademie Freiberg

55 Numerische Mathematik 372 Durch die affine Transformation [ ] [ ] ξ x(ξ, η) [ x1 ] [ x2 x 1 x 3 x 1 ] [ ξ ] ϕ : η y(ξ, η) = y 1 + y 2 y 1 y 3 y 1 η wird das gleichschenklig rechtwinklige Referenzdreieck K bijektiv auf ein bel. Dreieck K Ω abgebildet mit (0, 0) P 1 = (x 1, y 1 ), (1, 0) P 2 = (x 2, y 2 ), (0, 1) P 3 = (x 3, y 3 ). η 1 K ξ 0 1 ϕ y P 3 K P 1 x P Kubatur Technische Universität Bergakademie Freiberg

56 Numerische Mathematik 373 Mit Hilfe der Substitutionsregel f(x, y) dxdy = f(ϕ(ξ, η)) det ϕ dξdη = D K wobei bk D = det ϕ := det [ x2 x 1 x 3 x 1 y 2 y 1 y 3 y 1 bk f(ϕ(ξ, η)) dξdη, die Funktionaldeterminante von ϕ ist, lassen sich alle Einzelintegrale K i f(x, y) dxdy auf Integrale über K zurückführen. Es genügt daher, Integrale der Bauart g(ξ, η) dξdη zu approximieren. bk ] 7.6 Kubatur Technische Universität Bergakademie Freiberg

57 Numerische Mathematik 374 Wir betrachten einige Kubaturformeln g(ξ, η) dξdη bk n γ i g(ξ i, η i ) i=1 für das Referenzdreieck K. Beispiel 1:. Die Schwerpunktregel g(ξ, η) dξdη 1 2 g( 1 3, ) 1 3 besitzt den Exaktheitsgrad 1. bk 7.6 Kubatur Technische Universität Bergakademie Freiberg

58 Numerische Mathematik 375 Beispiel 2: Die Formel g(ξ, η) dξdη 1 6 bk [ g(0, 1 2 ) + g( 1 2, 1 2 ) + g(0, 1 2 )], kompakter: i ξ i η i γ i 1 1/2 0 1/ /2 1/6 3 1/2 1/2 1/6, besitzt den Exaktheitsgrad 2. Symbolisch: 1/6 1/6 1/6 7.6 Kubatur Technische Universität Bergakademie Freiberg

59 Numerische Mathematik 376 Beispiel 3: Die Formel b K g(ξ, η) dξdη 7 k=1 γ ig(ξ i, η i ) mit i ξ i η i γ i / / /40 4 1/2 0 1/15 5 1/2 1/2 1/ /2 1/15 7 1/3 1/3 27/120 besitzt den Exaktheitsgrad Kubatur Technische Universität Bergakademie Freiberg

60 Numerische Mathematik Die Monte-Carlo Methode Bei der Approximation sehr hochdimensionaler mehrfacher Integrale sind die bisher beschriebenen Methoden zu aufwendig. Hier hat sich ein stochastisches Simulationsverfahren, die sog. Monte-Carlo Methode, als letztes Mittel bewährt. Hierbei wird der Integrand an einer großen Zahl N Stützstellen mit konstantem Gewicht 1/Volumen(Ω) ausgewertet, wobei die Stützstellen durch einen Zufallsgenerator erzeugt werden. Man kann Aussagen beweisen über die Wahrscheinlichkeit, dass der Wert des Integrals innerhalb einer vorgegebenen Schranke von der so berechneten Approximation liegt. Typisches Verhalten des Fehlers ist, unabhängig von der Raumdimension, eine Konvergenzrate von I N I = O(N 1/2 ). 7.6 Kubatur Technische Universität Bergakademie Freiberg