数值模拟的基本知识 - Read.PPT

數值方法 呂凌霄中央大學　太空科學研究所 大綱數值模擬運算與分析要用到的數值方法 差分法與數值誤差的估算 空間的微分與積分 時間的積分 認識電腦運算的極限 疊代法與機器誤差估算 亂數產生器 求根 內差與分散 總結 差分法與數值誤差估算 差分法： 中央差分法、前差分法、後差分法 中央差分法：一般空間的微分與積分 前差分法：快速流問題 後差分法：對時間的積分 差分法的數值誤差估算： 直覺的看法：微積分的定義 進一步的探究：Taylor series expansion 微積分的定義 利用差分法求空間微分 求積分 差分法之準確度與誤差估算 Taylor series expansion 差分法之準確度與誤差估算 Taylor series expansion 計算效率評估 考慮：長條圖積分（一階）與 The 4th order Simpson’s rule 積分法 每一個積分步驟： 四階積分法 比 一階積分法 多3倍 欲達到準確度 s： 一階積分法 比 四階積分法 多走s(-3/4) 倍 故一階積分法 比 四階積分法 慢 s(-3/4)/3 倍 For s=0.01, s(-3/4)/3 is about 10 如果容許百分之一以下的誤差， 四階積分法 比 一階積分法 快 10 倍 For s=0.0001, s(-3/4)/3 is about 300 如果只容許萬分之一以下的誤差， 四階積分法 比 一階積分法 快 300 倍 計算效率評估： 高階差分法遠高於低階差分法 但是如果只算一次，用高階差分法運算，寫程式所用的時間，可能比運算所省下來的時間還多！ 求積分（曲線下面積） 非差分法之空間微分與積分計算法 Life is more than the finite differences FFT （Fast Fourier Transform，fast:預先建立好轉換table） df (x)/dx=F-1{ ik F[f (x)] } Int[f (x)]=F-1{F[f (x)] / ik } 適用於求週期性函數或數值模擬的微分與積分 波動現象的微分與積分，FFT比起差分法，準確度高又有效率 非週期函數用 FFT 求微分與積分時，可能產生巨大誤差。 Fast Cubic Spline （fast:預先建立好反矩陣table） 分段連續之三次多項式 f (x) = Ax3 + Bx2 + Cx + D 在連接點上，相鄰兩段區間之函數值、函數一次微分值、與函數二次微分值，均連續。 適用於求週期性或非週期性函數的微分與積分 準確度與三階差分法相似（高階差分法的微分見補充教材） 補充教材：微分之高階中央差分表示式 假設微分結果可寫成鄰近網格點處 y 值的線性組合。 將 { y-N ～ yN } 相對 x0 這點做Taylor expansion然後代入上式得 比較 y0(n) 項的係數，忽略 n 2N 之高階餘數項，可得 2N+1 個 { a-N ～ aN} 之一階聯立方程式。求解 { a-N ～ aN } ，即得 y0(s) 之 2N 階中央差分表示式。 第二類型積分問題 Trace a curve of a given field f (x,y) y(t) 對時間的積分 y(x,t) 對時間的積分 其中y(x,t)對空間的偏微分，可由前述差分法、FFT、Cubic Spline、或其他高階中央差分求得 以下將以 dy(t)/dt = f (t,y) 為範例，進行討論 時間積分 Solve y(t) for dy(t)/dt = f (t,y) with a given y0 = y(t = 0) Explicit scheme 利用過去與現在的資訊，估算時間積分之值，以預測未來的結果。 運算比較快、 程式比較好寫，但是誤差會不斷地累積。 Implicit scheme 利用過去、現在、與未來的資訊，估算時間積分之值。其中未來的資訊，可藉由聯立方程式求解，或利用疊代法求解。 運算費時、程式難寫，但是誤差不會累積。 The explicit time integrations 圖解法 The 1st order Euler method The 2nd order Runge-Kutta method The 4th order Runge-Kutta method 圖解法 The 4nd order Runge-Kutta method The implicit time integrations 如果可能，直接解線性聯立方程式。 當問題為三元一次聯立方程式 當問題為n元一次聯立方程式，且係數矩陣為tri-diagonal matrix Examples