Metody nieinkluzyjne: Metoda iteracji prostej.

Slides:



Advertisements
Podobne prezentacje
OBLICZENIA NUMERYCZNE
Advertisements

Modelowanie i symulacja
Metody numeryczne część 1. Rozwiązywanie układów równań liniowych.
IV Tutorial z Metod Obliczeniowych
Interpolacja Cel interpolacji
Różniczkowanie numeryczne
Metody rozwiązywania układów równań liniowych
Badania operacyjne. Wykład 2
Metody Numeryczne Wykład no 12.
Metody Numeryczne Wykład no 3.
Wykład no 11.
„METODA FOURIERA DLA JEDNORODNYCH WARUNKÓW BRZEGOWYCH f(0)=f(a)=0”
Wykład 3 Sparametryzowane rodziny funkcji
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Metody matematyczne w Inżynierii Chemicznej
Metody matematyczne w inżynierii chemicznej
Podstawy analizy matematycznej III
Przybliżone metody rozwiązywania równań nieliniowych
Metody numeryczne SOWIG Wydział Inżynierii Środowiska III rok
Podstawy analizy matematycznej II
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
Krzysztof Kucab Rzeszów, 2012
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
Metoda elementów skończonych dla problemów nieliniowych
Metody iteracyjne rozwiązywania układów równań liniowych
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Podstawy analizy matematycznej I
II. Matematyczne podstawy MK
Analiza matematyczna III. Funkcje Twierdzenia o funkcjach z pochodnymi
EXCEL Wykład 4.
Źródła błędów w obliczeniach numerycznych
Rozwiązywanie liniowych układów równań metodami iteracyjnymi.
Drgania punktu materialnego
Szeregi funkcyjne dr Małgorzata Pelczar.
II Zadanie programowania liniowego PL
Zadania z indywidualnością
Materiały pochodzą z Platformy Edukacyjnej Portalu
Algorytm blokowy Delta Nilu .
Metody numeryczne szukanie pierwiastka metodą bisekcji
Rozwiązywanie układów równań liniowych różnymi metodami
Metody matematyczne w Inżynierii Chemicznej
Metody matematyczne w inżynierii chemicznej Wykład 3. Całkowanie numeryczne.
Metody Numeryczne Ćwiczenia 3
opracowała: Anna Mikuć
EXCEL Wstęp do lab. 4. Szukaj wyniku Prosta procedura iteracyjnego znajdowania niewiadomej spełniającej warunek będący jej funkcją Metoda: –Wstążka Dane:
Tematyka zajęć LITERATURA
Metody matematyczne w inżynierii chemicznej
Ćwiczenia 8 Aproksymacja funkcji
Wstęp do metod numerycznych
Zagadnienie własne Macierz wektorów własnych V=(v1,v2,...,vn) przekształca zatem macierz A do postaci diagonalnej: W większości zastosowań w chemii i fizyce.
Metody rozwiązywania układów równań nieliniowych
Metody rozwiązywania układów równań liniowych
ELEMENTY METOD NUMERYCZNYCH
Na szczęście nie jesteśmy skazani na iterację funkcjonalną 2)metoda Newtona-Raphsona (stycznych) szukamy zera równania nieliniowegoF(x) F(x n +  x)=F(x.
DALEJ Sanok Spis treści Pojęcie funkcji Sposoby przedstawiania funkcji Miejsce zerowe Monotoniczność funkcji Funkcja liniowa Wyznaczanie funkcji liniowej,
© Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH Temat – 5 Modelowanie różniczkowe.
Fundamentals of Data Analysis Lecture 12 Approximation, interpolation and extrapolation.
Rozwiązywanie układów równań Radosław Hołówko Konsultant: Agnieszka Pożyczka.
Nierówności liniowe.
Matematyka przed egzaminem czyli samouczek dla każdego
Teoria sterowania Wykład /2016
Funkcja kwadratowa.
Metody matematyczne w Inżynierii Chemicznej
Analiza numeryczna i symulacja systemów
Rozkładanie wielomianów
Hiperpowierzchnia energii potencjalnej cząsteczki
Zapis prezentacji:

Metody numerycznego znajdowania miejsc zerowych funkcji jednej zmiennej Metody nieinkluzyjne: Metoda iteracji prostej. Metoda stycznych (Newtona). Metoda siecznych Metody inkluzyjne: Metoda połowienia (bisekcji). Metoda fałszywej linii (regula falsi). Metoda Pegaza. Metody znajdowania zer wielomianów

y x x* jest pierwiastkiem pojedynczym x* jest pierwiastkiem wielokrotnym rzędu n Pierwiastek wielokrotny nieparzystego rzędu y Pierwiastek wielokrotny parzystego rzędu Pierwiastek pojedynczy x* x* x* x

Twierdzenia. 1. Niech fÎCn[a,b]. Wtedy x*Î[a,b] jest pierwiastkiem n- krotnym f wtedy i tylko wtedy gdy f(x*)=f’(x*)=...=f(n-1)(x*)=0 i f(n)(x*)¹0. 2. Jeżeli x* jest pierwiastkiem n-krotnym f i f jest odpowiednio wysokiej klasy to x* jest pierwiastkiem pojedynczym funkcji g(x)=f(x)/f’(x). 3. Jeżeli f jest ciągła w [a,b] i f(a)f(b)<0 to f ma przynajmniej jeden pierwiastek w [a,b] (twierdzenie Bolzano).

Ogólny schemat metod iteracyjnego znajdowania zer funkcji Przekształcamy równanie f(x)=0 do postaci x=f(x) poprzez podstawienie f(x)=x-g(x)f(x) gdzie g jest funkcją ciągłą i g¹0. Punkt x* taki, że równanie jest spełnione nazywa się punktem stałym. Często postać x=f(x) równania jest jego postacią „naturalną”; wtedy mówimy o metodzie iteracji prostej (przykład z mechaniki kwantowej: SCF). 2. Tworzymy ciąg kolejnych przybliżeń x(0),x(1),...,x(p),... (w założeniu zbieżny do x*) taki, że x(p+1)=f(x(p)) gdzie x(0) jest przybliżeniem początkowym. Taka procedura jest nazywana procedurą iteracyjną a funkcja f funkcją iteracyjną. 3. Procedurę iteracyjną kończymy jeżeli kolejne przybliżenia x* różnią się odpowiednio mało (zbieżność) lub wykonaliśmy maksymalną zadaną liczbę kroków (brak zbieżności).

Twierdzenie o istnieniu punktu stałego: Równania x=f(x) posiada przynajmniej jedno rozwiązanie w przedziale I=[a,b], jeżeli f jest funkcją ciągłą w I, f(x)ÎI dla wszystkich x ÎI. Twierdzenie o jednoznaczności punktu stałego: Równanie x=f(x) posiada co najwyżej jedno rozwiązanie w przedziale I jeżeli pierwsza pochodna f jest w tym przedziale ograniczona w sensie Lipschitza, tj. istnieje taka stała L, że dla każdego x1 i x2 z przedziału I mamy |f’(x1)-f’(x2)|£L|x1-x2|, 0<L<1 Jeżeli f spełnia warunki zawarte w obu twierdzeniach, to równanie x=f(x) ma jedno i tylko jedno rozwiązania w I (istnienie i jednoznaczność).

y y x x y y x x Zbieżność jednostajna (0<f’(x)<1) x(2) x(1) x(0) Rozbieżność (|f’(x)|>1) Zbieżność oscylacyjna (0>f’(x)>-1) y y x(2) x(0) x(1) x x(0) x(2) x(1) x

Metoda iteracyjna ma rząd zbieżności r, jeżeli Numeryczne szacowanie rzędu zbieżności dla odpowiednio dużych p. Metoda iteracji prostej jest na ogół rzędu pierwszego.

Metoda Newtona (metoda Newtona-Raphsona, metoda stycznych) x(0) x(1) x(2) x Metoda Newtona jest zawsze zbieżna dla funkcji wypukłych i monotonicznych (f’(x)¹0 i f’’’(x)>0 dla każdego x) Metoda Newtona jest zbieżna kwadratowo dla pierwiastków pojedynczych a liniowo dla pierwiastków wielokrotnych.

Tłumiona metoda Newtona (pewniejsza zbieżność) k jest najmniejszą liczbą całkowitą nieujemną taką, że Zmodyfikowana metoda Newtona do znajdowania pierwiastków wielokrotnych jeżeli znamy rząd pierwiastka (r). jeżeli nie znamy rzędu pierwiastka. W tym przypadku oryginalne równanie f(x)=0 zastępujemy równaniem f(x)/f’(x)=0.

Metoda siecznych (nazywana również metodą regula falsi) x(2) x(0) x(1) x Rząd zbieżności metody siecznych wynosi Metoda siecznych nie musi być zawsze zbieżna. Dla pierwiastków wielokrotnych f(x) zastępujemy przez

Metoda fałszywej linii (regula falsi) (nazywana również uproszczoną metodą regula falsi) Start z x(0) i x(1) takich, że f(x(0))f(x(1))<0 (funkcja ma różne znaki). Do obliczenia następnego x stosujemy zmodyfikowany wzór metody siecznych gdzie q jest największą liczbą całkowitą nie większą niż p-2 taką, że f(x(p))f(x(q))<0 (tj. funkcja ma różne znaki w x(p) i x(q) a zatem pierwiastek musi zawierać się w przedziale [x(p),x(q)] jeżeli funkcja jest ciągła Metoda ma gwarantowaną zbieżność dla funkcji ciągłych ale jej rząd w ogólności wynosi 1 (wolna zbieżność).

Metoda Pegaza – ilustracja graficzna y f(1)+f(2) f(2) f(1) x(0) x(2) x(1) x f*(0) f(0)

Metoda Pegaza - algorytm Startujemy jak w metodzie fałszywej linii z takich x(0) i x(1), że f(x(0))f(x(1))<0. Obliczamy punkt x(2) zgodnie z algorytmem metody siecznych. Jeżeli |f(x(2))|<e, kończymy proces iteracyjny. Jeżeli f(x(1))f(x(2))<0 (pierwiastek leży pomiędzy x(1) i x(2)) wstawiamy x(0)=x(1) i x(1)=x(2) i przechodzimy do następnego kroku. Jeżeli f(x(0))f(x(2))<0 (pierwiastek leży pomiędzy x(0) i x(2)) zastępujemy we wzorze metody siecznych f(0) przez f*(0)=f(0)f(2)/(f(1)+f(2)), wyliczamy x(2) jeszcze raz i wstawiamy x(1)=x(2). Sprawdzamy, czy |x(2)-x(1)|<e. Jeżeli tak, to za rozwiązanie przyjmujemy x(1), jeżeli f(x(1))<f(x(2)) a x(2) w przeciwnym przypadku. Rząd zbieżności metody Pegaza wynosi 1.642.

Metoda połowienia (bisekcji) y x(0) x(2) x(1) x Startujemy z takich x(0) i x(1), że f(x(0))f(x(1))<0. Obliczamy x(2)=(x(0)+x(1))/2. Jeżeli |f(x(2))|<e kończymy proces iteracyjny. Jeżeli f(x(0))f(x(2))<0 wstawiamy x(1)=x(2), w przeciwnym przypadku x(0)=x(1), x(1)=x(2). Metoda bisekcji jest rzędu pierwszego.

Inne metody znajdowania zer Metoda Andersona-Björcka (rząd zbieżności od 1.682 do 1.710, inkluzyjna) – jak metoda Pegaza ale z inną formułą obliczania f*(0); f*(0)=f(0)(1-f(2)/f(1)) jeżeli 1-f(2)/f(2)>0 i f(0)/2 w przeciwnym przypadku. Metoda Kinga (rząd zbieżności od 1.710 do 1.732, inkluzyjna) – w odróżnieniu od metody Pegaza po każdej iteracji metody siecznych następuje iteracja z modyfikacją f(0). Metoda Andersona-Björcka-Kinga (rząd zbieżności od 1.710 do 1.732, inkluzyjna) – formuła Andersona-Björcka obliczania f*(0) ze schematem iteracyjnym Kinga. Metoda Illinois (rząd zbieżności 1.442, inkluzyjna) – jak metoda Pegaza ale f*(0)=f(0)/2.

Znajdowanie wszystkich pierwiastków równań algebraicznych (wielomianów) Metoda Mullera Lokalizujemy pierwiastek o najmniejszym module (x*1). Po znalezieniu jego przybliżonej wartości dzielimy wielomian przez (x-x*1), ignorujemy resztę z dzielenia a następnie szukamy następnego pierwiastka aż do rzędu n. Po znalezieniu przybliżeń wszystkich pierwiastków porządkujemy je od nowa od wartości najmniejszej do największej i powtarzamy cykl (procedura Wilkinsona). Przybliżenia poszczególnych pierwiastków poprawiamy stosując jakąkolwiek metodę szybko zbieżną (np. Newtona).

Do efektywnego znajdowania dobrych przybliżeń pierwiastków bardzo dobrze nadaje się metoda iteracji Mullera, w której wielomian interpoluje się odcinkami paraboli. Pozwala to na lokalizację zarówno pierwiastków rzeczywistych jak i zespolonych.