(ebook pdf) a first course on numerical methods 5th edition - The latest updated ebook is now availa

Page 1


(eBook PDF) A First Course on Numerical Methods 5th Edition download

https://ebookluna.com/product/ebook-pdf-a-first-course-onnumerical-methods-5th-edition/

(eBook PDF) First Course in Statistics A 11th Edition

https://ebookluna.com/product/ebook-pdf-first-course-instatistics-a-11th-edition/

(eBook PDF) Business Statistics A First Course 7th Edition

https://ebookluna.com/product/ebook-pdf-business-statistics-afirst-course-7th-edition/

(eBook PDF) A First Course in Probability 9th Edition

https://ebookluna.com/product/ebook-pdf-a-first-course-inprobability-9th-edition/

(eBook PDF) Business Statistics: A First Course 8th Edition

https://ebookluna.com/product/ebook-pdf-business-statistics-afirst-course-8th-edition/

(eBook PDF) Business Statistics A First Course 3rd Edition

https://ebookluna.com/product/ebook-pdf-business-statistics-afirst-course-3rd-edition/

A First Course in NumeriCAl methods

11PiecewisePolynomialInterpolation 331

11.1Thecaseforpiecewisepolynomialinterpolation.... ............331 11.2BrokenlineandpiecewiseHermiteinterpolation................333 11.3Cubicsplineinterpolation............................337 11.4HatfunctionsandB-splines...........................344 11.5Parametriccurves................................349 11.6*Multidimensionalinterpolation. .......................353 11.7Exercises.....................................359 11.8Additionalnotes.................................363

12BestApproximation

13FourierTransform

14NumericalDifferentiation 409

14.1DerivingformulasusingTaylorseries......................409 14.2Richardsonextrapolation............................413 14.3DerivingformulasusingLagrangepolynomialinterpolation.. ........415 14.4Roundoffanddataerrorsinnumericaldifferentiation. ............420 14.5*Differentiationmatricesandglobalderivativeapproximation.........426 14.6Exercises.....................................434 14.7Additionalnotes.................................438

15NumericalIntegration 441

15.1Basicquadraturealgorithms...........................442 15.2Compositenumericalintegration........................446 15.3Gaussianquadrature...............................454 15.4Adaptivequadrature...............................462 15.5Rombergintegration...............................469 15.6*Multidimensionalintegration... .......................472 15.7Exercises.....................................475 15.8Additionalnotes.................................479

16DifferentialEquations 481

16.1Initialvalueordinarydifferentialequations ...................481 16.2Euler’smethod..................................485 16.3Runge–Kuttamethods...

16.4Multistepmethods. ...............................500

16.5Absolutestabilityandstiffness. ........................507

16.6Errorcontrolandestimation...........................515

16.7*BoundaryvalueODEs..... ........................520

16.8*Partialdifferentialequations..........................524

16.9Exercises.....................................531

16.10Additionalnotes.................................537 Bibliography

ListofFigures

1.1Scientificcomputing................................2

1.2Asimpleinstanceofnumericaldifferentiation:thetangent f ( x 0 )isapproximated bythechord( f ( x 0 + h ) f ( x 0 ))/ h ........................6

1.3Thecombinedeffectofdiscretizationandroundofferrors.Thesolidcurveinterpolatesthecomputedvaluesof | f ( x 0 ) f ( x 0 +h ) f ( x 0 ) h | for f ( x ) = sin( x ), x 0 = 1.2.Alsoshownindash-dotstyleisastraightlinedepictingthediscretization errorwithoutroundofferror.. ...........................9

1.4Anill-conditionedproblemofcomputingoutputvalues y givenintermsofinput values x by y = g ( x ):whentheinput x isslightlyperturbedto¯ x ,theresult¯ y = g (¯ x )isfarfrom y .Iftheproblemwerewell-conditioned,wewouldbeexpecting thedistancebetween y and¯ y tobemorecomparableinmagnitudetothedistance between x and¯ x ..................................12

1.5Aninstanceofastablealgorithmforcomputing y = g ( x ):theoutput¯ y isthe exactresult,¯ y = g (¯ x ),foraslightlyperturbedinput,i.e.,¯ x whichisclosetothe input x .Thus,ifthealgorithmisstableandtheproblemiswell-conditioned,then thecomputedresult¯ y isclosetotheexact y ....................12

2.1Adoubleword(64bits)inthestandardfloatingpointsystem.Thebluebitisfor sign,themagentabitsstoretheexponent,andthegreenbitsareforthefraction.19

2.2The“almostrandom”natureofroundofferrors...... ............21

2.3PictureofthefloatingpointsystemdescribedinExample2.8...........26

3.1Graphsofthreefunctionsandtheirrealroots(ifthereareany):(i) f ( x ) = sin( x ) on[0,4π ],(ii) f ( x ) = x 3 30 x 2 + 2552on[0,20],and(iii) f ( x ) = 10cosh( x /4) x on[ 10,10]....................................40

3.2Fixedpointiterationfor x = e x ,startingfrom x 0 = 1.Thisyields x 1 = e 1 , x 2 = e e 1 , ... .Convergenceisapparent......................47

3.3Thefunctions x and2cosh( x /4)meetattwolocations..............48

3.4Newton’smethod:thenextiterateisthe x -interceptofthetangentlineto f atthe currentiterate....................................51

3.5Graphofananonymousfunction;seeExercise18.................63

4.1Intersectionoftwostraightlines: a11 x 1 + a12 x 2 = b1 and a21 x 1 + a22 x 2 = b2 ..66

4.2Eigenvaluesinthecomplexplane,Example4.5.Notethatthecomplexones arriveinpairs:if λ isaneigenvalue,thensois λ.Also,herealleigenvalueshave nonpositiverealparts. ...............................72

4.3The“unitcircle”accordingtothethreenorms, 1 , 2 ,and ∞ .Notethatthe diamondiscontainedinthecircle,whichinturniscontainedinthesquare....75

4.4TheCartesiancoordinatesystemasasetoforthonormalvectors.... .....80

4.5Singularvaluedecomposition: A m ×n = Um ×m m ×n V T n ×n ............81

4.6Datafittingbyacubicpolynomialusingthesolutionofalinearsystemforthe polynomial’scoefficients...... ........................84

4.7AdiscretemeshforapproximatingafunctionanditssecondderivativeinExample4.17.......................................86

4.8Recoveringafunction v satisfying v (0) = v (1) = 0fromitssecondderivative. Here N = 507. ...................................87

4.9Example4.18:apointcloudrepresenting(a)asurfaceinthree-dimensionalspace, and(b)togetherwithitsunsignednormals.....................89

5.1Gaussianeliminationforthecase n = 4.Onlyareasofpotentiallynonzeroentries areshown......................................99

5.2LUdecompositionforthecase n = 10.Onlyareasofpotentiallynonzeroentries inthesquarematrices L and U areshown.....................102

5.3CompressedrowformofthematrixinExample5.14.Shownarethevectors i, j, v Thearrowsandthe“eof”nodeareintendedmerelyforillustrationofwherethe elementsofthevector i pointtoin j andcorrespondinglyin v...........118

5.4Abandedmatrixforthecase n = 10, p = 2, q = 3.Onlyareasofpotentially nonzeroentriesareshadedingreen.........................120

5.5Graphsofthematrices A (left)and B (right)ofExample5.15..........125

5.6Sparsitypatternofacertainsymmetricpositivedefinitematrix A (left),itsRCM ordering(middle),andapproximateminimumdegreeordering(right)......126

5.7SparsitypatternoftheCholeskyfactorsof A (left),itsRCMordering(middle), andapproximateminimumdegreeordering(right)................127

5.8Stretchingtheunitcirclebyasymmetricpositivedefinitetransformation.....133

6.1Matricesandvectorsandtheirdimensionsin 2 datafitting............143

6.2Discreteleastsquaresapproximation........................145

6.3Linearregressioncurve(inblue)throughgreendata.Here, m = 25, n = 2....148

6.4Thefirst5bestpolynomialapproximationsto f (t ) = cos(2π t )sampledat0:.05: 1.Thedatavaluesappearasredcircles.Clearly, p4 fitsthedatabetterthan p2 , whichinturnisabetterapproximationthan p0 .Note p2 j +1 = p2 j ........150

6.5RatioofexecutiontimesusingQRvs.normalequations.Thenumberofrowsfor each n is3n + 1fortheuppercurveand n + 1forthelowerone.........157

6.6Householderreflection.Depictedisa20 × 5matrix A after3reflections.....160

7.1Atwo-dimensionalcrosssectionofathree-dimensionaldomainwithasquare gridadded......................................169

7.2Atwo-dimensionalgridwithgridfunctionvaluesatitsnodes,discretizingthe unitsquare.Thelengthofeachedgeofthesmallsquaresisthegridwidth h , whiletheirunionisasquarewithedgelength1.Thelocationsof u i , j andthose ofitsneighborsthatareparticipatinginthedifferenceformula(7.1)aremarked inred........................................170

7.3Thesparsitypatternof A forExample7.1with N = 10.Notethatthereare nz = 460nonzerosoutof10,000matrixlocations.................172

7.4Red-blackordering.Firstsweepsimultaneouslyovertheblackpoints,thenover thered........................................177

7.5Example7.10,with N = 31:convergencebehaviorofvariousiterativeschemes forthediscretizedPoissonequation........................185

7.6SparsitypatternsforthematrixofExample7.1with N = 8:topleft,theIC factor F withnofill-in(IC(0));topright,theproduct FF T ;bottomleft,thefull Choleskyfactor G ;bottomright,theICfactorwithdroptolerance.001.See Figure7.3forthesparsitypatternoftheoriginalmatrix..............189

7.7IterationprogressforCG,PCGwiththeIC(0)preconditionerandPCGwiththe ICpreconditionerusingdroptolerance tol= 0.01................190

7.8ConvergencebehaviorofrestartedGMRESwith m = 20,fora10,000 × 10,000 matrixthatcorrespondstotheconvection-diffusionequationona100 × 100uniformmesh......................................201

7.9ThepolynomialsthatareconstructedinthecourseofthreeCGiterationsforthe smalllinearsystemofExamples7.9and7.14.Thevaluesofthepolynomialsat theeigenvaluesofthematrixaremarkedonthelinear,quadratic,andcubiccurves.202

7.10Anillustrationofthesmoothingeffect,usingdampedJacobiwith ω = 0.8applied tothePoissonequationinonedimension.....................205

7.11ConvergencebehaviorofvariousiterativeschemesforthePoissonequation(see Example7.17)with n = 2552 ............................209

7.12Example7.17:numberofiterations(toppanel)andCPUtimes(bottompanel) requiredtoachieveconvergenceto tol=1.e-6forthePoissonproblemofExample7.1(page168)with N = 2l 1, l = 5,6,7,8,9.................209

8.1Convergencebehaviorofthepowermethodfortwodiagonalmatrices,Example8.2........................................223

8.2AtoynetworkforthePageRankExample8.3...................224

8.3Thingsthatcangowrongwiththebasicmodel:depictedareadanglingnode (left)andaterminalstrongcomponentfeaturingacyclicpath(right)... ....225

8.4ConvergencebehavioroftheinverseiterationinExample8.4...........229

8.5Original200 × 320pixelimageofaclown.....................232

8.6Arank-20SVDapproximationoftheimageofaclown..............232

8.7Theresultofthefirststageofatypicaleigensolver:ageneralupperHessenberg matrixfornonsymmetricmatrices(left)andatridiagonalformforsymmetric matrices(right)...................................237

8.8TheresultofthefirststageofthecomputationoftheSVDisabi-diagonalmatrix C (left).Thecorrespondingtridiagonalmatrix C T C isgivenontheright.....243

8.9MandrillimageandadrawingbyAlbrechtDürer;seeExample11........248

9.1Aparabolameetsacircle..............................252

9.2Thepoint x,thedirection p,andthepoint x + p..................254

9.3TwosolutionsforaboundaryvalueODE... ...................257

9.4Thefunction x 2 1 + x 4 2 + 1hasauniqueminimumattheorigin(0,0)andnomaximum.Uponflippingit,theresultingfunction ( x 2 1 + x 4 2 + 1)wouldhaveaunique maximumattheorigin(0,0)andnominimum...................258

9.5ThefunctionofExample9.5hasauniqueminimumat x∗ = (3,.5) T aswellasa saddlepointat ˆ x = (0,1) T .............................262

9.6Convergencebehaviorofgradientdescentandconjugategradientiterativeschemes forthePoissonequationofExample7.1......................266

9.7Nonlineardatafitting;seeExample9.8......................270

9.8Equalityandinequalityconstraints.Thefeasibleset consistsofthepointson thethickredline...................................271

9.9Afeasibleset withanonemptyinterior,andlevelsetsof φ ;largerellipses signifylargervaluesof φ ..............................272

9.10Oneequalityconstraintandthelevelsetsof φ .At x∗ thegradientisorthogonalto thetangentoftheconstraint............................273

9.11CenterpathintheLP primal feasibilityregion... ................278

9.12Twominimumnormsolutionsforanunderdeterminedlinearsystemofequations. The 1 solutionisnicelysparse...........................286

9.13Adepictionofthenoisyfunction(insolidblue)andthefunctiontoberecovered (inred)forExercise17...............................291

10.1Differentinterpolatingcurvesthroughthesamesetofpoints.. .........296

10.2Quadraticandlinearpolynomialinterpolation... ................299

10.3ThequadraticLagrangepolynomials L 0 ( x ), L 1 ( x ),and L 2 ( x )basedonpoints x 0 = 1, x 1 = 2, x 2 = 4,usedinExample10.2...................303

10.4TheLagrangepolynomial L 2 ( x )for n = 5.Guesswhatthedataabscissae x i are.304

10.5Theinterpolatingpolynomials p2 and p3 forExample10.4............310

10.6Globalpolynomialinterpolationatuniformlyspacedabscissaecanbebad.Here thebluecurvewithonemaximumpointistheRungefunctionofExample10.6, andtheothercurvesarepolynomialinterpolantsofdegree n ...........317

10.7PolynomialinterpolationatChebyshevpoints,Example10.6.Resultsaremuch improvedascomparedtoFigure10.6,especiallyforlarger n ...........317

10.8Toppanel:thefunctionofExample10.7isindistinguishablefromitspolynomial interpolantat201Chebyshevpoints.Bottompanel:themaximumpolynomial interpolationerrorasafunctionofthepolynomialdegree.Whendoublingthe degreefrom n = 100to n = 200theerrordecreasesfromunacceptable(> 1)to almostroundingunitlevel..... ........................318

10.9Aquadraticinterpolant p2 ( x )satisfying p2 (0) = 1.5, p2 (0) = 1,and p2 (5) = 0..320

10.10TheosculatingHermitecubicforln( x )atthepoints1and2............322

10.11Quadraticandlinearpolynomialinterpolation... ................324

11.1Apiecewisepolynomialfunctionwithbreakpoints ti = i , i = 0,1, ,6.....333

11.2Dataandtheirbrokenlineinterpolation......................334

11.3Matching si , si ,and si at x = x i withvaluesof si 1 anditsderivativesatthesame point.Inthisexample, x i = 0and yi = 1......................338

11.4Not-a-knotcubicsplineinterpolationfortheRungeExample10.6at20equidistantpoints.Theintervalhasbeenrescaledtobe[0,1]...............340

11.5TheinterpolantofExample11.6..........................341

11.6Hatfunctions:acompactbasisforpiecewiselinearapproximation........346

11.7BasisfunctionsforpiecewiseHermitepolynomials....... .........348

11.8B-splinebasisforthe C 2 cubicspline.......................349

11.9Parametricbroken-lineinterpolation........................350

11.10Parametricpolynomialinterpolation.... ....................351

11.11Asimplecurvedesignusing11Bézierpolynomials....... .........352

11.12Bilinearinterpolation.Leftgreensquare:dataaregivenattheunitsquare’scorners(redpoints),andbilinearpolynomialvaluesaredesiredatmid-edgesandat thesquare’smiddle(bluepoints).Rightbluegrid:dataaregivenatthecoarser gridnodes(bluepoints)andabilinearinterpolationisperformedtoobtainvaluesatthefinergridnodes,yieldingvalues f i , j forall i = 0,1,2, , N x , j = 0,1,2, , N y ....................................355

11.13Trianglemeshintheplane.ThisoneisMATLAB’sdataset trimesh2d....356

11.14Linearinterpolationoveratrianglemesh.Satisfyingtheinterpolationconditions attriangleverticesimpliescontinuityacrossneighboringtriangles... .....357

15.1Areaunderthecurve.Topleft(cyan):for f ( x )thatstaysnonnegative, I f equals theareaunderthefunction’scurve.Bottomleft(green):approximationbythe trapezoidalrule.Topright(pink):approximationbytheSimpsonrule.Bottom right(yellow):approximationbythemidpointrule....... .........444

15.2Compositetrapezoidalquadraturewith h = 0.2fortheintegralofFigure15.1..448

15.3NumericalintegrationerrorsforthecompositetrapezoidalandSimpsonmethods; seeExample15.3..................................450

15.4NumericalintegrationerrorsforthecompositetrapezoidalandSimpsonmethods; seeExample15.4..................................451

15.5ThediscontinuousintegrandofExample15.10.. ................459

15.6Theintegrand f ( x ) = 200 2 x 3 x 2 (5sin( 20 x ))2 withquadraturemeshpointsalongthe x -axisfor tol = 5 × 10 3 .............................467

15.7Approximatinganiteratedintegralintwodimensions.Foreachofthequadrature pointsin x weintegratein y toapproximate g ( x ).................474

15.8Gaussianpoints;seeExercise10..........................477

16.1Asimplependulum.. ...............................483

16.2TwostepsoftheforwardEulermethod.Theexactsolutionisthecurvedsolid line.ThenumericalvaluesobtainedbytheEulermethodarecircledandlieatthe nodesofabrokenlinethatinterpolatesthem.Thebrokenlineistangentialatthe beginningofeachsteptotheODEtrajectorypassingthroughthecorresponding node(dashedlines).. ...............................486

16.3ThesixthsolutioncomponentoftheHIRESmodel....... .........490

16.4RKmethod:repeatedevaluationsofthefunction f inthecurrentmeshsubinterval [ti , ti +1 ]arecombinedtoyieldahigherorderapproximation yi +1 at ti +1 .....493

16.5Predator-preymodel: y1 (t )isnumberofprey, y2 (t )isnumberofpredator....497

16.6Predator-preysolutioninphaseplane:thecurveof y1 (t )vs. y2 (t )yieldsalimit cycle.........................................498

16.7Multistepmethod:knownsolutionvaluesof y or f (t , y )atthecurrentlocation ti andpreviouslocations ti 1 , ... , ti +1 s areusedtoformanapproximationforthe nextunknown yi +1 at ti +1 ..............................500

16.8Stabilityregionsfor q -stageexplicitRKmethodsoforder q , q = 1,2,3,4.The innercirclecorrespondstoforwardEuler, q = 1.Thelarger q is,thelargerthe stabilityregion.Notethe“earlobes”ofthefourth-ordermethodprotrudinginto therighthalfplane..................................508

16.9SolutionoftheheatproblemofExample16.17at t = 0.1.............512

16.10Theexactsolution y (ti ),whichliesonthelowestofthethreecurves,isapproximatedby yi ,whichliesonthemiddlecurve.Ifweintegratethenextstepexactly, startingfrom(ti , yi ),thenweobtain(ti +1 ,¯ y (ti +1 )),whichalsoliesonthemiddle curve.Butwedon’t:rather,weintegratethenextstepapproximatelyaswell, obtaining(ti +1 , yi +1 ),whichliesonthetopcurve.Thedifferencebetweenthe twocurvevaluesattheargument ti +1 isthelocalerror..............516

16.11Astronomicalorbitusing ode45;seeExample16.20...............518

16.12OscillatoryenergiesfortheFPUproblem;seeExample16.21. .........520

16.13OscillatoryenergiesfortheFPUproblemobtainedusingMATLAB’s ode45 with defaulttolerances.ThedeviationfromFigure16.12depictsasignificant,nonrandomerror......................................520

ListofTables

7.1ErrorsforbasicrelaxationmethodsappliedtothemodelproblemofExample7.1 with n = N 2 = 225.. ...............................178

9.1ConvergenceofNewton’smethodtothetworootsofExample9.1........256

9.2Example9.5.Thefirstthreecolumnstotherightoftheiterationcountertrack convergencestartingfrom x0 = (8,.2) T :Newton’smethodyieldstheminimum quickly.Thefollowing(rightmost)threecolumnstrackconvergencestartingfrom x0 = (8,.8) T :Newton’smethodfindsacriticalpoint,butit’snottheminimizer..262

9.3Example9.14.Trackingprogressoftheprimal-dualLPalgorithm.........284

14.1Errorsinthenumericaldifferentiationof f ( x ) = e x at x = 0usingmethodsof order1,2,and4...................................413

14.2Errorsinthenumericaldifferentiationof f ( x ) = e x at x = 0usingthree-point methodsonanonuniformmesh,Example14.6.Theerror e g inthemoreelaborate methodissecondorder,whereasthesimplermethodyieldsfirstorderaccuracy es .Theerrorvalue0atthebottomofthesecondcolumnisaluckybreak.....419

16.1AbsoluteerrorsusingtheforwardEulermethodfortheODE y = y .Thevalues ei = y (ti ) ei arelistedunderError.. .......................487

16.2Errorsandcalculatedobservedorders(rates)fortheforwardEuler,theexplicit midpoint(RK2),andtheclassicalRunge–Kutta(RK4)methods.. ........496

16.3Example16.12:errorsandcalculatedratesforAdams–Bashforthmethods;(s , q ) denotesthe s -stepmethodoforder q ........................503

16.4Example16.12:errorsandcalculatedratesforAdams–Moultonmethods;(s , q ) denotesthe s -stepmethodoforder q ........................503

16.5CoefficientsofBDFmethodsuptoorder6.. ...................505

16.6Example16.14:errorsandcalculatedratesforBDFmethods;(s , q )denotesthe s -stepmethodoforder q ...............................505

Preface

Thisbookisdesignedforstudentsandresearcherswhoseekpracticalknowledgeofmoderntechniquesinscientificcomputing.Thetextaimstoprovideanin-depthtreatmentoffundamentalissues andmethods,andthereasonsbehindsuccessandfailureofnumericalsoftware.Ononehand,we avoidanextensive,encyclopedic,heavilytheoreticalexposition,andtrytogettocurrentmethods, issues,andsoftwarefairlyquickly.Ontheotherhand,thisisbynomeansaquickrecipebook, sincewefeelthattheintroductionofalgorithmsrequiresadequatetheoreticalfoundation:havinga solidbasisenablesthosewhoneedtoapplythetechniquestosuccessfullydesigntheirownsolution approachforanynonstandardproblemstheymayencounterintheirwork.

Therearemanybooksonscientificcomputingandnumericalanalysis,andanaturalquestion herewouldbewhywethinkthatyetanothertextisnecessary.Itismainlybecausewefeelthatinan agewhereyesterday’sconceptsarenotnecessarilytoday’struths,scientificcomputingisconstantly redefiningitselfandisnowpositionedasadisciplinetrulyatthejunctionofmathematics,computer science,andengineering.Booksthatrelyheavilyontheory,oronalgorithmrecipes,donotquite capturethecurrentstateofthisbroadanddynamicareaofresearchandapplication.Wethustakean algorithmicapproachandfocusontechniquesofahighlevelofapplicabilitytoengineering,computerscience,andindustrialmathematicspractitioners.Atthesametime,weprovidemathematical justificationthroughoutforthemethodsintroduced.Whilewerefrainfromatheorem–prooftypeof exposition,weconstructthetheorybehindthemethodsinasystematicandfairlycompletefashion. Wemakeastrongefforttoemphasizecomputationalaspectsofthealgorithmsdiscussedbywayof discussingtheirefficiencyandtheircomputationallimitations.

ThisbookhasbeendevelopedfromnotesfortwocoursestaughtbytheDepartmentofComputerScienceattheUniversityofBritishColumbia(UBC)forover25years.Thefirstauthor developedasetofnotesbackinthelate1970s.ThesewerebasedonthebooksbyConteandde Boor[13],DahlquistandBjorck[15],andothers,aswellasonnotesbyJimVarah.Improvements tothesenotesweresubsequentlymadebyIanCavers,bythesecondauthor,andbyDhavideAruliah.Asubstantialadditionofmaterialwasmadebythetwoauthorsinthelastfewyears.Afewof ourcolleagues(JackSnoeyink,OliverDorn,IanMitchell,KeesvandenDoelandTyroneReesat UBC,JimLambersatStanfordUniversity,MarshaBergerandMichaelOvertonatNYU,Edmond ChowatColumbiaUniversity,AndréWeidemannatStellenbosch,andothers)haveusedthenotes andprovideduswithinvaluablefeedback.

Mostofthematerialcontainedinthisbookcanbecoveredintworeasonablypacedsemesterial courses.ApossiblemodelhereistheonethathasbeenadoptedatUBC:onecoursecoversChapters 3to9,whileanotherconcentratesonChapters10to16.Thetwopartsaredesignedsothattheydo notheavilyrelyoneachother,althoughwehavefounditusefultoincludethematerialofChapter 1andasubsetofChapter2inbothsemesterialcourses.Moreadvancedmaterial,containedin sectionsdenotedbyanasterisk,isincludedinthetextasanaturalextension.However,withoneor twoexceptions,wehavenottaughttheadvancedmaterialinthetwobasiccourses.

Anotheruseofthistextisforabreadth-typeintroductorycourseonnumericalmethodsat thegraduatelevel.Thetargetaudiencewouldbebeginninggraduatestudentsinavarietyofdisci-

Preface plinesincludingcomputerscience,appliedmathematics,andengineering,whostartgraduateschool withouthavingtakenundergraduatecoursesinthisarea.Suchacoursewouldalsouseourmore advancedsectionsandpossiblyadditionalmaterial.

Thedivisionofthematerialintochapterscanbejustifiedbythetypeofcomputationalerrors encountered.Theseconceptsaremadeclearinthetext.Westartoffwith roundofferror,which appearsinallthenumericalprocessesconsideredinthisbook.Chapters1and2systematically coverit,andlaterchapters,suchas5and6,containassessmentsofitseffect.Chapter3andChapters 7to9areconcernedmainlywithiterativeprocesses,andassuch,thefocusisontheiteration,or convergenceerror.Finally,controlandassessmentof discretizationerror isthemainfocusin Chapters10to16,althoughtheothererrortypesdoarisethereaswell.

WeillustrateouralgorithmsusingtheprogrammingenvironmentofMATLABandexpectthe readertobecomegraduallyproficientinthisenvironmentwhile(ifnotbefore)learningthematerial coveredinthisbook.Butatthesametime,weusetheMATLABlanguageandprogramming environmentmerelyasatool,andwerefrainfromturningthebookintoalanguagetutorial.

Eachchaptercontainsexercises,orderedbysection.Inaddition,thereisanexercisenumbered 0whichconsistsofseveralreviewquestionsintendedforself-testingandforpunctuatingtheprocess ofreadingandabsorbingthepresentedmaterial.Instructorsshouldresistthetemptationtoanswer thesereviewquestionsforthestudents.

Wehavemadeanefforttomakethechaptersfairlyindependentofoneanother.Asaresult, webelievethatreaderswhoareinterestedinspecifictopicsmayoftenbeabletosettleforreading almostexclusivelyonlythechaptersthatarerelevanttothematerialtheywishtopursue.

Wearemaintainingaprojectwebpageforthisbookwhichcanbefoundat

http://www.siam.org/books/cs07

Itcontainslinkstoourprograms,solutionstoselectedexercises,errata,andmore.

Lastbutnotatallleast,manygenerationsofstudentsatUBChavehelpedusovertheyearsto shape,define,anddebugthistext.Thelistofindividualswhohaveprovidedcrucialinputissimply toolongtomention.Thisbookisdedicatedtoyou,ourstudents.

Chapter1

NumericalAlgorithms

Thisopeningchapterintroducesthebasicconceptsofnumericalalgorithmsandscientificcomputing.

Webeginwithageneral,briefintroductiontothefieldinSection1.1.Thisisfollowedbythe moresubstantialSections1.2and1.3.Section1.2discussesthebasicerrorsthatmaybeencountered whenapplyingnumericalalgorithms.Section1.3isconcernedwithessentialpropertiesofsuch algorithmsandtheappraisaloftheresultstheyproduce.

Wegettothe“meat”ofthematerialinlaterchapters.

1.1Scientificcomputing

Scientificcomputingisadisciplineconcernedwiththedevelopmentandstudyof numericalalgorithms forsolvingmathematicalproblemsthatariseinvariousdisciplinesinscienceandengineering.

Typically,thestartingpointisagiven mathematicalmodel whichhasbeenformulatedin anattempttoexplainandunderstandanobservedphenomenoninbiology,chemistry,physics,economics,oranyotherscientificorengineeringdiscipline.Wewillconcentrateonthosemathematical modelswhichare continuous (or piecewisecontinuous)andaredifficultorimpossibletosolveanalytically;thisisusuallythecaseinpractice.Relevantapplicationareaswithincomputerscienceand relatedengineeringfieldsincludegraphics,visionandmotionanalysis,imageandsignalprocessing, searchenginesanddatamining,machinelearning,andhybridandembeddedsystems.

Inordertosolvesuchamodelapproximatelyonacomputer,thecontinuousorpiecewise continuousproblemisapproximatedbyadiscreteone.Functionsareapproximatedbyfinitearrays ofvalues.Algorithmsarethensoughtwhichapproximatelysolvethemathematicalproblemefficiently,accurately,andreliably.Thisistheheartofscientificcomputing. Numericalanalysis may beviewedasthetheorybehindsuchalgorithms.

Thenextstepafterdevisingsuitablealgorithmsistheirimplementation.Thisleadstoquestionsinvolvingprogramminglanguages,datastructures,computingarchitectures,etc.ThebigpictureisdepictedinFigure1.1.

Thesetofrequirementsthatgoodscientificcomputingalgorithmsmustsatisfy,whichseems elementaryandobvious,mayactuallyposeratherdifficultandcomplexpracticalchallenges.The mainpurposeofthisbookistoequipyouwithbasicmethodsandanalysistoolsforhandlingsuch challengesastheyariseinfutureendeavors.

Figure1.1. Scientificcomputing.

Problemsolvingenvironment

Asacomputingtool,wewillbeusingMATLAB:thisisaninteractivecomputerlanguage,which forourpurposesmaybestbeviewedasaconvenient problemsolvingenvironment. MATLABismuchmorethanalanguagebasedonsimpledataarrays;itistrulyacomplete environment.Itsinteractivityandgraphicscapabilitiesmakeitmoresuitableandconvenientinour contextthangeneral-purposelanguagessuchas C++, Java, Scheme,or Fortran90.Infact, manyofthealgorithmsthatwewilllearnarealreadyimplementedinMATLAB Sowhylearn thematall? Becausetheyprovidethebasisformuchmorecomplextasks,notquiteavailable(that istosay,notalreadysolved)inMATLABoranywhereelse,whichyoumayencounterinthefuture. RatherthanproducingyetanotherMATLABtutorialorintroductioninthistext(thereare severalverygoodonesavailableinothertextsaswellasontheInternet)wewilldemonstratethe useofthislanguageonexamplesaswegoalong.

1.2Numericalalgorithmsanderrors

Themostfundamentalfeatureofnumericalcomputingistheinevitablepresenceoferror.Theresult ofanyinterestingcomputation(andofmanyuninterestingones)istypicallyonlyapproximate,and ourgoalistoensurethattheresultingerroristolerablysmall.

Relativeandabsoluteerrors

Thereareingeneraltwobasictypesofmeasurederror.Givenascalarquantity u anditsapproximation v :

• The absoluteerror in v is

• The relativeerror (assuming u = 0)is

Therelativeerrorisusuallyamoremeaningfulmeasure.Thisisespeciallytrueforerrorsinfloating pointrepresentation,apointtowhichwereturninChapter2.Forexample,werecordabsoluteand relativeerrorsforvarioushypotheticalcalculationsinthefollowingtable:

Evidently,when |u |≈ 1thereisnotmuchdifferencebetweenabsoluteandrelativeerrormeasures. Butwhen |u | 1,therelativeerrorismoremeaningful.Inparticular,weexpecttheapproximation inthelastrowoftheabovetabletobesimilarinqualitytotheoneinthefirstrow.Thisexpectation isborneoutbythevalueoftherelativeerrorbutisnotreflectedbythevalueoftheabsoluteerror. Whentheapproximatedvalueissmallinmagnitude,thingsarealittlemoredelicate,andhere iswhererelativeerrorsmaynotbesomeaningful.Butletusnotworryaboutthisatthisearlypoint.

Example1.1. TheStirlingapproximation

isusedtoapproximate u = n ! = 1 2 n forlarge n .Theformulainvolvestheconstant e = exp(1) = 2.7182818 ... .ThefollowingMATLABscriptcomputesanddisplays n !and Sn ,aswellastheir absoluteandrelativedifferences,for1 ≤ n ≤ 10:

e=exp(1); n=1:10;%array Sn=sqrt(2*pi*n).*((n/e).^n);%theStirlingapproximation.

fact_n=factorial(n); abs_err=abs(Sn-fact_n);%absoluteerror rel_err=abs_err./fact_n;%relativeerror formatshortg

[n;fact_n;Sn;abs_err;rel_err]’%printoutvalues

GiventhatthisisourfirstMATLABscript,letusprovideafewadditionaldetails,thoughwe hastentoaddthatwewillnotmakeahabitoutofthis.Thecommands exp, factorial,and abs usebuilt-infunctions.Thecommand n=1:10 (alongwithasemicolon,whichsimplysuppresses screenoutput)definesanarrayoflength10containingtheintegers1,2, ... ,10.Thisillustratesa fundamentalconceptinMATLABofworkingwitharrayswheneverpossible.Alongwithitcome arrayoperations:forexample,inthethirdline“.*”correspondstoelementwisemultiplicationof vectorsormatrices.Finally,ourprintinginstructions(thelasttwointhescript)areabitprimitive here,asacrificemadeforthesakeofsimplicityinthis,ourfirstprogram.

Theresultingoutputis

1 10.922140.0778630.077863

2 21.9190.0809960.040498

3 65.83620.163790.027298

4 2423.5060.493820.020576

5 120118.021.98080.016507

6 720710.089.92180.01378

7 50404980.459.6040.011826 84032039902417.60.010357

93.6288e+0053.5954e+0053343.10.0092128 103.6288e+0063.5987e+006301040.008296

Thevaluesof n !becomeverylargeveryquickly,andsoarethevaluesoftheapproximation Sn .Theabsoluteerrorsgrowas n grows,buttherelativeerrorsstaywellbehavedandindicatethat infactthelarger n is,the better thequalityoftheapproximationis.Clearly,therelativeerrorsare muchmoremeaningfulasameasureofthequalityofthisapproximation.

Errortypes

Knowinghowerrorsaretypicallymeasured,wenowmovetodiscusstheirsource.Thereareseveral typesoferrorthatmaylimittheaccuracyofanumericalcalculation.

1.Errorsintheproblemtobesolved.

Thesemaybeapproximation errorsinthemathematicalmodel.Forinstance:

• Heavenlybodiesareoftenapproximatedbysphereswhencalculatingtheirproperties; anexamplehereistheapproximatecalculationoftheirmotiontrajectory,attemptingto answerthequestion(say)whetheraparticularasteroidwillcollidewithPlanetEarth before11.12.2016.

• Relativelyunimportantchemicalreactionsareoftendiscardedincomplexchemical modelinginordertoobtainamathematicalproblemofamanageablesize.

Itisimportanttorealize,then,thatoftenapproximationerrorsofthetypestatedaboveare deliberatelymade:theassumptionisthatsimplificationoftheproblemisworthwhileevenif itgeneratesanerrorinthemodel.Note,however,thatwearestilltalkingaboutthemathematicalmodelitself;approximationerrorsrelatedtothenumericalsolutionoftheproblem arediscussedbelow.

Anothertypicalsourceoferrorintheproblemis errorintheinputdata.Thismayarise,for instance,fromphysicalmeasurements,whichareneverinfinitelyaccurate.

Thus,itmaybethatafteracarefulnumericalsimulationofagivenmathematicalproblem,the resultingsolutionwouldnotquitematchobservationsonthephenomenonbeingexamined.

Atthelevelofnumericalalgorithms,whichisthefocusofourinteresthere,thereisreally nothingwecandoabouttheabove-describederrors.Nevertheless,theyshouldbetakeninto consideration,forinstance,whendeterminingtheaccuracy(tolerancewithrespecttothenext twotypesoferrormentionedbelow)towhichthenumericalproblemshouldbesolved.

2.Approximationerrors

Sucherrorsarisewhenanapproximateformulaisusedinplaceoftheactualfunctiontobe evaluated.

Wewilloftenencountertwotypesofapproximationerrors:

• Discretizationerrors arisefromdiscretizationsofcontinuousprocesses,suchasinterpolation,differentiation,andintegration.

• Convergenceerrors ariseiniterativemethods.Forinstance,nonlinearproblemsmust generallybesolvedapproximatelybyaniterativeprocess.Suchaprocesswouldconvergetotheexactsolutionininfinitelymanyiterations,butwecutitoffafterafinite (hopefullysmall!)numberofsuchiterations.Iterativemethodsinfactoftenarisein linearalgebra.

3.Roundofferrors

Anycomputationwithrealnumbersinvolvesroundofferror.Evenwhennoapproximation errorisproduced(asinthedirectevaluationofastraightline,orthesolutionbyGaussian eliminationofalinearsystemofequations),roundofferrorsarepresent.Thesearisebecause ofthefiniteprecisionrepresentationofrealnumbersonanycomputer,whichaffectsbothdata representationandcomputerarithmetic.

Discretizationandconvergenceerrorsmaybeassessedbyananalysisofthemethodused, andwewillseealotofthatinthistext.Unlikeroundofferrors,theyhavearelativelysmooth structurewhichmayoccasionallybeexploited.Ourbasicassumptionwillbethatapproximation errorsdominateroundofferrorsinmagnitudeinactual,successfulcalculations.

Theorem:TaylorSeries.

Assumethat f ( x )has k + 1derivativesinanintervalcontainingthepoints x 0 and x 0 + h . Then

Discretizationerrorsinaction

Letusshowanexamplethatillustratesthebehaviorofdiscretizationerrors.

Example1.2. Considertheproblemofapproximatingthederivative f ( x 0 )ofagivensmooth function f ( x )atthepoint x = x 0 .Forinstance,let f ( x ) = sin( x )bedefinedontherealline

−∞ < x < ∞,andset x 0 = 1.2.Thus, f ( x 0 ) = sin(1.2) ≈ 0.932

Further,considerasituationwhere f ( x )maybeevaluatedatanypoint x near x 0 ,but f ( x 0 ) maynotbedirectlyavailableoriscomputationallyexpensivetoevaluate.Thus,weseekwaysto approximate f ( x 0 )byevaluating f at x near x 0 .

Asimplealgorithmmaybeconstructedusing Taylor’sseries.Thisfundamentaltheoremis givenontheprecedingpage.Forsomesmall,positivevalue h thatwewillchooseinamoment,write

Then

Our algorithm forapproximating f ( x 0 )istocalculate f ( x

Theobtainedapproximationhasthe discretizationerror

Geometrically,weapproximatetheslopeofthetangentatthepoint x 0 bytheslopeofthechord throughneighboringpointsof f .InFigure1.2,thetangentisinblueandthechordisinred.

Figure1.2. Asimpleinstanceofnumericaldifferentiation:thetangentf ( x 0 ) isapproximatedbythechord ( f ( x 0 + h ) f ( x 0 ))/ h.

Ifweknow f ( x 0 ),anditisnonzero,thenfor h smallwecanestimatethediscretizationerror by

( x 0 )

Usingthenotationdefinedintheboxonthenextpagewenoticethattheerroris O (h )solongas

Discovering Diverse Content Through Random Scribd Documents

XII.

Ristiin naulitun ääni.

Seuraavana aamuna hyvin aikaiseen poistui apotti Capdepont yliseminaarista, sulkeutuakseen yksinäisyyteen piispanviraston suureen saliin. Suuri kirjekasa odotti häntä pöydän kulmalla, jonka tuntematon käsi oli puhdistanut tarpeettomista papereista. Herra varapiispa selaili kiireisesti kirjeitään, ja säihkyvin silmin tarttui hän äkkiä pieneen neliskulmaiseen kirjeeseen, jonka kuoren karkea kirjoitus melkein kokonaan peitti. Capdepont luki alun kirjettä… Kasvonsa kirkastuivat ja huulet vetäytyivät hymyyn… Hän käänsi lehden ja jatkoi… Samassa oli hänen muotonsa jälleen synkistynyt, ja sileä otsa vetäytynyt syviin kurttuihin.

— Siihen se päättyi! mutisi hän. Irvissä hampain rutisti hän kirjettä luisien sormiensa väliin. Hän vaipui tuolilleen, voimatonna ja masentuneena ikäänkuin olisi voimallinen isku häntä kohdannut.

Tuo kirje, jonka ensi rivit olivat saaneet julman papin hymyilemään, mutta jonka loppusanat näyttivät hänen kukistaneen, oli parooni Thévenot'ilta.

Tuo Ternisien, joka asettui hänen kunnianhimonsa tielle, syöksi Rufin Capdepont'in alakuloisuuden ja epätoivon tuskalliseen taisteluun. Uskallettiinko todellakin hänen rinnallensa asettaa miestä, joka tuskin oli neljääkymmentä vuotta täyttänyt, ja joka oli kirkolle aivan tuntematon, eikä sanalla taikka kynällä koskaan pienintäkään palvelusta sille tehnyt. Mikä olikaan tuo Tivolin Fransiskaanein luostarista äskettäin päässyt nuori, kaikkia todellisia ansioita kaipaava pappi hänen rinnallaan, joka kahdenkymmenen vuoden kuluessa ei ollut päiväksikään lakannut puhumasta eikä kirjoittamasta; joka oli kirkolle lahjoittanut useita polvikuntia eteviä ja hyväavuisia pappeja; joka oli toimittanut uuden painoksen pyhän Thomas Aqvinolaisen teoksista, julaissut useampia tieteellisiä tutkimuksia, joista yhtä "De Auctoritate", luettiin useammassa kuin kolmessakymmenessä seminaarissa; joka oli selityksillä varustanut pyhän Augustinon ihanat "Solilogues"; joka paraikaa valmisteli teosta, missä selitettäisiin hämäräksi jäänyttä historiallista seikkaa: PaaviSixtusV:njaEspanjankuninkaanFiilipII:nvälisetsuhteet?

Tuntien kieltämättömän etevämmyytensä ajatteli hän tavasta säälien kilpailijaansa.

— Mitä vielä! sanoi hän itsekseen ylenkatseellisesti olkapäitään kohottaen, me emme ole luodut yhteen törmäämään samalla tiellä.

Mutta kumminkaan hän ei voinut epäillä, että se juuri oli herra de Roquebrun'in entinen sihteeri, joka seisoi häntä vastaan.

Capdepont jäi liikkumattomana seisomaan, tuijottaen asiamiehensä parooni Thévenot'in kirjeeseen. Tuo onneton paperilappu käpertyi yhdeksi mytyksi hänen kangistuneissa sormissaan.

Mitä aikoi hän?

Hän näytti miettivältä…

Yhtäkkiä kohotti hän molemmat kätensä ylös ja laski ne sitten pöydälle. Paperit kahisivat hänen käsissään, vihot irtautuivat ompeleistaan ja hajosivat pitkin lattiaa. Viha kuohui korkeammilleen, ja jos Seneca'n sanoissa todellakin on perää, että ihmisessä ovat Jumala ja eläin toisiinsa sidotut, niin voidaan sanoa, että meidän raivopäässä tiikeri, jonka toverit olivat hänessä nähneet, nyt oli murtanut kahleensa ja alkoi kiljua.

Tapansa mukaan, kun myrskyiset ajatukset häntä vaivasivat, rupesi hän tietämättään kulkemaan edestakasin huoneessa. Hän kulki seinästä toiseen, otsa rypyssä ja tukka pystyssä kuin jalopeuran harja, milloin liikuntoihin, milloin sanoihin vihaansa purkaen. Hän, joka oli selittänyt Augustinon yksinpuhelot (Soliloques), tuon suuren miehen, jolla myöskin oli intohimoinen, vaikka rakkauden kautta (caritate, niinkuin hän itse sanoo) kukistettu luonto, hän antautui nyt vuorostaan katkeran suloiseen nautintoon antaa ajatuksensa vapaasti vieriä yksinäisyydessä.

Tuossa hurjasti kävellessään tulkitsi hän itsekseen suurella tarkkuudella elämänsä pitkälliset kärsimykset.

Noin kaksikymmentä vuotta sitten oli hänen tautinsa alkanut. Mielihyvällä hän muisteli oloansa Pariisissa. Kaikki näytti hänestä silloin niin kauniilta; tulevaisuus avautui suuremmoisena ja loistavana hänen edessään; olihan hän silloin niin nuori! Oi! sitä nuoruutta!…

Mutta äkkiä olivat hänen ajatuksensa siirtyneet piispa de Roquebrun'iin. Hän pysähtyi. Pimennosta näki hän leppymättömän vihollisensa ilmestyvän, hän seisoi siinä, aivan lähellä häntä…

Capdepont seisoi paikallaan, eikä uskaltanut hievahtaakaan.

Liiallinen vihansa oli tehnyt hänet tunnottomaksi, mykäksi, jähmettyneeksi. Silmät loistivat päässä kuin hehkuvat hiilet, tuijottaen olentoon, jonka hän oli edessään näkevinään. Vaivalla saatuaan jalkansa maasta irroitetuksi, astui hän askeleen eteenpäin, ja samalla irtautui hervoton kielensäkin suussa.

Jonkinmoinen kiihkeä mielenhäiriö kohotti hänen raivonsa ylinamilleen. Vast'ikään oli hän syyttänyt herra Jérôme Bonnardot'a välinpitämättömyydestä, Thévenot'in perhettä yksinkertaisuudesta, Pariisin arkkipiispaa, jonka hän oli saanut apuansa lupaamaan, itsekkäisyydestä, ja kaikkia ystäviänsä typeryydestä; mutta mitä olikaan, josta hän ei syyttänyt hänen ylhäisyyttään de Roquebrunia?

Hänen mielestään oli Lormières'in piispa vainaja todellinen, ehkäpä ainoakin syyllinen. Syydettyään häntä vastaan hävyttömimpiä herjauksia, meni hän ilkeydessään niin pitkälle, että kielsi vainajaparalta yksinkertaisimman rehellisyyden käsitteenkin. Saatuaan tilaisuuden todeksinäyttää erään kolmentuhannen frangin vaillingin hiippakunnan kassassa, vaillingin, joka piispavainajan runsaisiin almunantoihin katsoen oli varsin oikeutettu, syytti hän häntä nyt rahan varkaudesta, samoin kuin ennen oli häntä piispansauvan varkaudesta syyttänyt.

Onko ihmislapsi todellakin semmoiseksi luotu, että hän, himojen valtaan jouduttuaan, saattaa siihen määrin alentua? Oh! semmoiseksi hän on luotu. Heikompana luonteena, olisi Capdepont kenties ollut hillitympi; mutta tuon voimakkaan, riippumattoman, hallitsemaan luodun luonteen täytyy jo verensä ja hermostonsakin määräämänä esiintyä liiallisena. Muutamissa luonteissa, kuulukootpa

ne sitten mihin yhteiskuntaluokkaan tahansa, on olemassa vastustamaton taipumus julmuuteen.

Äkkiä kuului liikettä ja ihmisääni oli lausunut jotakin suuressa huoneessa…

Herra varapiispa, joka juuri paraillaan oli pahasti parjaamassa apotti Ternisien'iä, tuota loukkauskiveä, jonka piispa de Roquebrun hautansa syvyydestä heitti häntä vastaan, jäi äkillisen kauhun valtaamana äänettömänä seisomaan…

Mistä tuli tuo ääni, jonka hän niin selvään oli kuullut?

Kauhistuneena katseli hän joka nurkkaan ja pitkin paljaita seiniä. Ei mitään. Hän käänsi katseensa pöytään. Oi kauhistusta! Oi ihmettä! Eikö ristiinnaulitun pää liikkunut? Kenties hän se oli puhunut. Mitä oli hän sanonut?

Hän kuunteli…

Rufin Capdepont vapisi koko ruumiistaan, sillä eivät pitkälliset opinnot, eikä seurustelu yksistään miesten kanssa ollut poistanut tästä kokonaisesta luonteesta taikauskoisuutta. Pappina ja talonpoikana uskoi hän aina ihmeitä… Jumala oli astunut väliin…

Jumala oli tullut häntä tuomitsemaan… Ehkä hän uhkasi häntä!

Hän lähestyi kunnioituksella pöytää, ja notkistaen polvensa pyhän ristiinnaulitun eteen, niinkuin hän oli edellisenäkin iltana Mical'in kanssa tehnyt, antautui hän hartaaseen rukoukseen.

XIII.

Pyhän Ireneon tuomiokapituli.

Tässä papille niin luonnollisessa asemassa tapasi tuomiokapituli Rufin Capdepont'in, astuessaan sisään apotti Mical'in johdolla.

Arkkipappi Clamouse lähestyi häntä ja kosketti vapisevalla kädellä polvistuneen virkaveljensä olkapäätä. Tämä katsahti äkkiä ylös: kasvot olivat kalpeat ja hehkuvilla poskipäillä saattoi eroittaa paikkapaikoin kosteita kyyneleen jälkiä. Rukous, tuo ihmisen käsillä oleva, pyhä uhrikirves, oliko se avannut hänen sydämensä? Oliko hän itkenyt?…

Hän nousi ylös ja tervehti tuomiokapitulin jäseniä.

— Herra varapiispa, alkoi arkkipappi Clamouse puhua, tuomiokapitulin ja koko hiippakunnan papiston paraillaan riemuitessa teidän läheisestä piispanistuimelle nousemisestanne, on ikäviä ja huolestuttavia huhuja alkanut liikkua. Toivossa saada kotisihteerinsä korotetuksi piispanistuimelle saakka, oli hänen ylhäisyytensä de Roquebrun kuolemansa edellisenä iltana ilmiantanut teidät paaville harhaoppisten mielipiteiden kannattajana. Pyhän Ireneon tuomiokapituli ei ole voinut jäädä välinpitämättömäksi tällaisen

loukkauksen suhteen, joka sitä kohtaa sen etevimmän jäsenen persoonassa, ja tuntien teidän oppinne puhtauden, sekä luettuaan teidän teoksenne, on se laatinut seuraavan vastalauseen, jonka se jo tänäpäivänä lähettää Vatikaaniin.

Silloin alkoi arkkipappi lukea, niin suurella tarmolla ja juhlallisuudella kuin hänen korkea ikänsä suinkin salli, kuuden sivun pituista kirjoitusta, johon oli sekoitettu koko joukko otteita yliseminaarin ylijohtajan teoksista. Tämä kaikki oli kirjoitettu sillä yksinkertaisella ja raa'alla latinan kielellä, jota ei tunnettu keisarikunnan Roomassa, mutta jonka paavikunnan Rooma on levittänyt ympäri maailmaa.

Apotti Capdepont oli kuunnellut vakavasti silmäkulmiaan rypistämättä.

— Hyvät herrat, sanoi hän vihdoin, en voi olla lausumatta syvää liikutusta, jonka teidän kaunis ja hyväntahtoinen yrityksenne minun maineeni puhdistamiseksi pyhän isän luona, on minussa herättänyt; minä kiitän teitä. Kiitän erittäinkin teitä, herra arkkipappi, joka olette aina ollut ensimmäinen ryhtymään aseisiin, kun minun puolustuksestani on ollut kysymys, ja väsymättömästi olette edestäni taistelleet vihollisiani vastaan. En tiedä mikä kohtalo tulee tuon tärkeän Roomaan lähetettävän paperin osaksi, mutta en voi epäilläkään ettei se, paavin käsiin jouduttuaan, tulisi tekemään tyhjäksi piispa de Roquebrun'in valheelliset syytökset. Olen kirjoittanut esipuheen Bossuet'in "Déclaration'iin" (Julistukseen). Mutta mitäpä se merkitsee? Sentähden, että olen suuren Meaux'in piispan esimerkkiä noudattaen puolustanut muutamia Ranskan kirkon vanhoja oikeuksia, tahdotaan minua syyttää kapinallisuudesta paavia kohtaan. Pius IX, kaikkia edeltäjiänsä kokeneempi, tietää

— Herra varapiispa, sanoi apotti Ternisien erinomaisella lempeydellä, tulen juuri Pariisista, josta tuon hänen ylhäisyytensä de Roquebrun-vainajan ruumiin.

— Eikö Arras'in hautausmaassa ollut sijaa hänen ruumiilleen?

— Ettekö tiedä, herra, että vuosisatojen kuluessa, Lormières'in piispat ovat haudatut tuomiokirkon hautaholviin?

— Pyhän Ireneon holviinko, piispa de Roquebrun?

— Vanha tapa…

— Ja oletteko otaksunut minun rupeavan hautausta toimittamaan?

— Olen, hyvä herra… Mutta jos te kieltäydytte, niin luotan Lormières'in kaupunkiin, joka on piispavainajalleen varmaan toimittava kunnialliset hautajaiset.

— Se on häväistys!

— Itsehän niin tahdotte… Kansa kokoontuu jo lukuisasti asemalle, ja tehdaskaupungin naiset, jotka eivät voi hyväntekijäänsä unhoittaa, ripottelevat sypressin oksia kaduille, joita myöten juhlasaatto tulee kulkemaan.

— Juhlasaatto!… Mistä juhlasaatosta te puhutte, jos saan luvan kysyä? virkkoi apotti Capdepont ivailevalla kummastuksella.

— Siitä, jonka etupäähän te, varapiispan arvonne tähden, olette velvollinen asettumaan.

— Minäkö velvollinen! Uskallatteko te puhua minun velvollisuuksistani? Minä en ole niitä koskaan laiminlyönyt, ja

suokoon taivas että piispa de Roquebrun'kin olisi ollut omilleen yhtä kuuliainen. Hiippakunta ei ole missään kiitollisuuden velassa tuolle miehelle, joka on sen saattanut onnettomuuteen ja perikatoon. Eikö hän ollut se, joka muka parantaakseen liturgiiaamme (käsikirjaamme), mullisti sen perin pohjin. Eikö se ollut hän, joka aina säälimättömyydellä kohteli maaseutumme pappiparkoja. Eikö se ollut sama mies, joka tuonoin karkoitti yliseminaarista kaikki sen etevimmät ja kunnioitettavimmat opettajat? Ja eikö se vihdoin ollut hän, joka vasten koko hiippakunnan toivoa saada nähdä minut kerran Lormières'in piispanistuimella, lähti salaisesti Pariisiin tehdäksensä minulle mahdottomaksi tulla piispaksi nimitetyksi?

— Rauhoittukaa, hyvä herra, teidän asianne eivät ole niin huonolla kannalla kuin näytte luulevan.

— Mistä te sen tiedätte?

— Jos olette pelänneet minun nimeni olevan teidän tiellänne, niin saatte olla aivan huoletta, sillä minä en koskaan tule piispaksi.

Tämä odottamattoman suora tunnustus saattoi Capdepont'in hämilleen. Mutta muistaen Machiavel'iä, pelkäsi hän herkkäuskoisuudessaan, tulevansa petetyksi.

"Itaalialainen!" mutisi hän hampaittensa välissä. Ja korotetulla äänellä tiukasti aukonaisilla suurilla silmillään tähystäen Ternisien'iä jatkoi hän:

— Ja kumminkaan ette voi valheeksi väittää, että olette Pariisissa ollessanne tavannut paavin lähettilään, ministerin ja ehkäpä keisarinkin…

— Olen tuntenut hänen ylhäisyytensä paavillisen lähettilään jo Rooman ajoiltani asti, kaksitoista vuotta sitten.

— Entäs ministerin?

— Hänen ylhäisyytensä de Roquebrun'in terveyden tila oli niin huono, että pidin velvollisuutenani seurata häntä kaikkialla.

— Tuileries'iinkin?

— Sinnekin, kun hänen asiansa niin vaativat.

— Hänen asiansa! huudahti apotti Capdepont kiihtyvällä vihalla.

Tarkoitatte epäilemättä omia asioitanne?

— Teidän ansanne eivät ole erittäin hyvästi kätketyt, hyvä herra, enkä minä niihin mene. Koska minulla ei ole tapana kiivastua, niin puhun ainoastaan sen, minkä pidän tarpeellisena.

Tämä kylmäverinen hillitty vastaus koski Rufin Capdepont'ia niin kuin ruoskan isku kasvoihin.

— Kuuletteko, hyvät herrat, kuuletteko! huusi hän vihan vimmassa. Olenhan teille sanonut, että apotti Ternisien on tarkkaan tutkinut kirjaa Ruhtinaasta! [Machiavel'in kuuluisa teos]. Hän osaa vaieta ja puhua asianhaarain mukaan. Siinä se on valtioviisauden ydin. Minkälainen piispa hänestä tulisi, jos hänen suosijansa puoltosanaa todellakin kuultaisiin!…

Apotti Ternisien astui tyynenä askeleen eteenpäin.

— Kieltäydyttekö siis lopullisesti toimittamasta hänen ylhäisyytensä de Roquebrun'in juhlallisia hautajaismenoja?

Turn static files into dynamic content formats.

Create a flipbook
Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.