Very helpful python code to find coefficients of the finite difference method

差分法の重み係数を出してくれる
超ありがたいPythonコード
出川智啓

いきなりですが
2019/07/27オープンCAE勉強会@関西2
微分の差分近似式
何個暗記してますか？

1階微分の差分近似式
 𝑓𝑖
′
=
𝑓 𝑖+1−𝑓 𝑖
Δ𝑥
+ 𝑂 Δ𝑥
 𝑓𝑖
′
=
𝑓 𝑖−𝑓 𝑖−1
Δ𝑥
+ 𝑂 Δ𝑥
 𝑓𝑖
′
=
𝑓 𝑖+1−𝑓 𝑖−1
2Δ𝑥
+ 𝑂 Δ𝑥2
 𝑓𝑖
′
=
3𝑓 𝑖−4𝑓 𝑖−1+𝑓 𝑖−2
2Δ𝑥
+ 𝑂 Δ𝑥2
 𝑓𝑖
′
=
−3𝑓 𝑖+4𝑓 𝑖+1−𝑓𝑖+2
2Δ𝑥
+ 𝑂 Δ𝑥2
 𝑓𝑖
′
=
−𝑓 𝑖+2+8?𝑓 𝑖+1−8?𝑓 𝑖−1+𝑓 𝑖−2
12?Δ𝑥
+ 𝑂 Δ𝑥4

2階微分の差分近似式
 𝑓𝑖
′′
=
𝑓 𝑖+1−2𝑓 𝑖+𝑓𝑖−1
Δ𝑥2 + 𝑂 Δ𝑥2
 𝑓𝑖
′′
=
𝑓 𝑖−2𝑓 𝑖+1+𝑓𝑖+2
Δ𝑥2 + 𝑂 Δ𝑥
 𝑓𝑖
′′
=
𝑓 𝑖−2𝑓 𝑖−1+𝑓𝑖−2
Δ𝑥2 + 𝑂 Δ𝑥
 𝑓𝑖
′′
=
2?𝑓 𝑖−5?𝑓 𝑖+1+4?𝑓 𝑖+2−?𝑓 𝑖+3
 𝑓𝑖
′′
=
2?𝑓 𝑖−5?𝑓 𝑖−1+4?𝑓 𝑖−2−?𝑓 𝑖−3

重み係数の情報源
 手作業で導出
 4次精度が精一杯
 ネット
 中心差分
 https://en.wikipedia.org/wiki/Finite_difference_coefficient#Central_finite_difference
 片側差分
 https://en.wikipedia.org/wiki/Finite_difference_coefficient#Forward_finite_difference
 https://en.wikipedia.org/wiki/Finite_difference_coefficient#Backward_finite_difference
 任意階数，任意精度の式はない
 それに近いWebアプリはある
 http://web.media.mit.edu/~crtaylor/calculator.html
 自分に都合のよい導出プログラムを作ってみよう

差分法の公式の導出
 Taylor展開
 微分の公式を直接導出
 ステンシルと精度の関係がわかりやすい
 連立方程式を解く必要が生じる
 Lagrange多項式
 補間多項式を経由して間接的に導出
 ステンシルと精度の関係は明示されない
 1階微分は打切精度=ステンシル幅-1という関係を暗喩
 記号的に微分ができれば非常に楽

戦略
1. Lagrange基底多項式を作る
2. 物理量と基底多項式をかけてLagrange多項式を作る
3. Lagrange多項式を記号的に微分する

Lagrange多項式（補間多項式）
 重複のないn+1個の座標値と物理量の組 𝑥𝑖, 𝑓𝑖
 n+1点全てを通るn次多項式を作る
 n次式多項式𝑃 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥2
+ ⋯ + 𝑎 𝑛 𝑥 𝑛
の係数
𝑎0, 𝑎𝑖, … , 𝑎 𝑛を求めるのはよい手段ではない
 𝑓𝑖 = 𝑃 𝑥𝑖 = 𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖
2
+ ⋯ + 𝑎 𝑛 𝑥𝑖
𝑛
𝑖 = 0,1, … , 𝑛
 連立方程式を解く必要がある
 nが大きいときは悪条件になりやすい
 直接的な方法が望ましい
 Lagrange（補間）多項式

Lagrange多項式（補間多項式）
 Lagrange（補間）多項式
=Lagrange基底多項式の線形結合
 𝐿 𝑥 = ∑ 𝑓𝑖ℓ𝑖(𝑥)𝑛
𝑖=0
 ℓ𝑖(𝑥) Lagrange基底多項式
 ℓ𝑖 𝑥 = ∏
𝑥−𝑥 𝑗
𝑥 𝑖−𝑥 𝑗
0≤𝑗≤𝑛
𝑖≠𝑗
=
𝑥−𝑥0
𝑥 𝑖−𝑥0
⋯
𝑥−𝑥 𝑖−1
𝑥 𝑖−𝑥𝑖−1
𝑥−𝑥 𝑖+1
𝑥 𝑖−𝑥 𝑖+1
⋯
𝑥−𝑥 𝑛
𝑥 𝑖−𝑥 𝑛

例題
 (-0.5, 1.5625),(0, 1.0625),(0.5, 1.0625)が
与えられているとき，x=0.25におけるfを求めよ
 ℓ0 0.25 =
0.25−0
−0.5−0
0.25−0.5
−0.5−0.5
= −
0.0625
0.5
= −0.125
 ℓ1 0.25 =
0.25− −0.5
0− −0.5
0.25−0.5
0−0.5
= −
0.1875
−0.25
= 0.75
 ℓ2 0.25 =
0.25− −0.5
0.5− −0.5
0.25−0
0.5−0
=
0.1875
0.5
= 0.375

𝑓 0.25 = 𝐿 0.25
= 𝑓0ℓ0 0.25 + 𝑓1ℓ1 0.25 + 𝑓2ℓ2 0.25
= −0.125 ⋅ 1.5625 + 0.75 ⋅ 1.0625 + 0.375 ⋅ 1.0625
= 1

Lagrange基底多項式を作る関数
 Sympyを使ってシンボリックに表現
import sympy as sp
def LagrangeBasis(x,degreeOfPolynomial,pointAt,xSet=None):
import sympy as sp
numDataSet = degreeOfPolynomial+1
if xSet==None:
xSet = sp.symbols('x0:{:d}'.format(numDataSet))
index = list(range(numDataSet))
index.remove(pointAt)
return sp.prod([(x-xSet[j])/(xSet[pointAt]-xSet[j])
for j in index])

Lagrange基底多項式を作る関数
 Sympyを使ってシンボリックに表現
x=sp.symbols('x')
LagrangeBasis(x,degreeOfPolynomial=5,pointAt=0)

Lagrange基底多項式を作る関数の説明
 引数
 x :物理量を補間したい座標
 degreeOfPolynomial :補間多項式の次数(=データ数-1)
 pointAt :基底多項式
 xSet :物理量が定義された座標の集合
（差分法でいうステンシル）
def LagrangeBasis(x,degreeOfPolynomial,pointAt,xSet=None):
import sympy as sp
if xSet==None:
for j in index])

 補間多項式の次数とデータ数の対応付け
 ステンシルの準備
 引数として与えられていないときは作成
 Sympyシンボルの一括作成
if xSet==None:
'x0:{:d}'.format(6)
'x0:6'
xSet=sp.symbols('x0:{:d}'.format(6))
xSet
(x0, x1, x2, x3, x4, x5)

 配列添字を参照するインデックスの作成
 listとして作成
 Lagrange基底多項式を作る点はremoveで取り除く
 Lagrange多項式の仮定を満たすため
 インデックスに基づいて座標値を参照し，基底多項式を
作成
for j in index])

Lagrange多項式
 計算したLagrange基底多項式ℓ𝑖(𝑥)と物理量𝑓𝑖の線形
結合を計算
 𝐿 𝑥 = ∑ 𝑓𝑖ℓ𝑖(𝑥)𝑛
𝑖=0
def LagrangePoly(x,xSet,fSet):
if len(xSet) != len(fSet):
raise ValueError(
"The number of elements of xSet({:d}) and fSet({:d}) does not match."¥
.format(len(xSet),len(fSet)))
return
numDataSet = len(xSet)
degreeOfPolynomial = numDataSet-1
return sum([LagrangeBasis(x,degreeOfPolynomial,i,xSet)*fSet[i]
for i in range(numDataSet)])

Lagrange多項式を作る関数の説明
 引数
 x :物理量を補間したい座標
 xSet :物理量が定義された座標の集合
（差分法でいうステンシル）
 fSet :物理量の集合
def LagrangePoly(x,xSet,fSet):
raise ValueError(
"The number of elements of xSet({:d}) and fSet({:d}) does not match."¥
return

Lagrange多項式を作る関数の説明
 エラー処理
 物理量が定義された座標と物理量の要素数が異なれば
ValueErrorを発生させる
 Lagrange多項式の作成
 基底多項式ℓ𝑖(𝑥)と物理量𝑓𝑖の積の線形結合をreturn
raise ValueError(
"The number of elements of xSet({:d}) and fSet({:d}) do not match."¥
return

Lagrange多項式を作ってみる
 座標値
 -Δx, 0, Δxの3点を通るLagrange多項式
 微分を計算したい点を0とした相対座標系とみなせる
 物理量の集合
 Sympyシンボルとして作成
 Lagrange多項式の作成
x=sp.symbols('x')
Δx=sp.symbols('Δx')
xi=[-Δx,0,Δx]
fi=sp.symbols('f0:{:d}'.format(len(xi)))
LagrangePoly(x,xi,fi)

Lagrange多項式の微分
 sympy.diff(式, 微分変数[,階数])
 1階微分
 2階微分
sp.diff(LagrangePoly(x,xi,fi),x)
sp.diff(LagrangePoly(x,xi,fi),x,2)

 xの設定
 -Δx, 0, Δxの3点を通るLagrange多項式
 微分を計算したい点を0とした相対座標系とみなせる
 Lagrange多項式を微分して得られた式のxに0を代入
 subsメソッドによるSympyシンボルへの値の代入
 （ついでに）simplify関数で整理
sp.diff(LagrangePoly(x,xi,fi),x).subs([(x,0)])
sp.simplify(sp.diff(LagrangePoly(x,xi,fi),x).subs([(x,0)]))

 一連の作業をまとめて関数化
 function :微分する式
LagrangePoly()の戻り値を与える
 x :微分する記号
 orderOfDifference :微分の階数
def Derivative(function,x,orderOfDifference=1):
import sympy as sp
return sp.simplify(
sp.diff(function,x,orderOfDifference).subs([(x,0)]))
xi=[-Δx,0,Δx]
Derivative(LagrangePoly(x,xi,fi), x, orderOfDifference=1)

高次精度差分にも対応
xi=[-5*Δx, -4*Δx, -3*Δx, -2*Δx, -Δx, 0, Δx, 2*Δx, 3*Δx, 4*Δx, 5*Δx]

片側に重みを付けた差分にも対応
xi=[0, Δx, 2*Δx]
xi=[-Δx, 0, Δx, 2*Δx]
xi=[-3*Δx, -2*Δx, -Δx, 0, Δx]

スタガード格子もいけるっぽいけど要検証
xi=[-Δx/2, Δx/2]
xi=[-5*Δx/2,-3*Δx/2,-Δx/2]
xi=[-5*Δx/2,-3*Δx/2,-Δx/2,Δx/2]

プログラムの改善点
 座標値を数字だけで指定したい
 [-3*Δx,-2*Δx,-Δx,0,Δx]->[-3,-2,-1,0,1]
 これは簡単にできそう
 だがスタガード格子との親和性に難あり
 差分を計算する点をf0としたい
 今は数直線上の一番左が0
 ついでに数字を下付きにしたい
 [-3*Δx,-2*Δx,-Δx,0,Δx]に対応する物理量は
(f0,f1,f2,f3,f4)->(f-3,f-2,f-1,f0,f1)
 関数をもう少しわかりやすく
 微分記号のxと値を計算する座標値xの区別とか

Very helpful python code to find coefficients of the finite difference method

More Related Content

What's hot

Similar to Very helpful python code to find coefficients of the finite difference method

More from 智啓 出川

Very helpful python code to find coefficients of the finite difference method

More from 智啓出川