Professional Documents
Culture Documents
Wyklad
Wyklad
c 2007 D.Wilczak
Daniel Wilczak
JJ II
Strona 1 z 288
Powrót
Pełny ekran
Zamknij
Spis treści
JJ II
J I
Strona 3 z 288
Powrót
Pełny ekran
c 2007 D.Wilczak
Strona tytułowa
Spis treści
JJ II
J I
Strona 4 z 288
Powrót
Zobacz film
Pełny ekran
1
c 2007 D.Wilczak
Strona tytułowa
0.5
Spis treści
SUN
0
JJ II
J I
-0.5
Strona 5 z 288
-1
Powrót
-1 -0.5 0 0.5 1
Pełny ekran
Zobacz film
Zamknij
Tory lotu sondy czerwonej i niebieskiej po pewnym czasie znacznie się różnią,
Koniec
chociaż tylko minimalnie zmieniono miejsce, skąd zostały wystartowane.
Przykład 3 (J.H. Wilkinson [10, 6]) Rozważmy wielomian zespolony
20
Y
W (z) = (z − i) = (z − 1)(z − 2) · · · (z − 20)
i=1
c 2007 D.Wilczak
Strona 6 z 288
2
Miejsca zerowe zaburzonego wielomianu.
1 Niektóre z nich są istotnie zespolone, chociaż Powrót
Strona tytułowa
2.1. Standard IEEE 754.
Spis treści
Standard IEEE 754 [3] określa między innymi
JJ II
• sposób reprezentacji liczb zmiennoprzecinkowych
J I
• zasady wykonywania obliczeń na liczbach zmiennoprzecinkowych
Strona 7 z 288
Koniec
2.2. Reprezentacja liczb zmiennoprzecinkowych.
c 2007 D.Wilczak
Koniec
Każda liczba typu double jest zakodowana w 64–bitowym ciągu
J I
x = (−1)z · 1,m · 2w+1 (1)
Strona 9 z 288
Uwagi:
Powrót
• mantysa m jest ciągiem cyfr części ułamkowej liczby zapisanej w
systemie dwójkowym Pełny ekran
000 0000000000000 ≡ 0,
c 2007 D.Wilczak
Strona 10 z 288
Definicja 1
Powrót
Zbiór wszystkich liczb, które można zakodować za pomocą wzoru (1) wraz
Pełny ekran
Koniec
Przykład 4 Liczbę x = 8 można zapisać jako
8 = 10 · 1, 0 · 22+1 = 1z · 1, m · 2w+1
• w=2 JJ II
0 10000000010
|{z} | {z } 0000000000000
| {z } Powrót
402
|{z} 0000000000000
| {z }
znak i wykładnik mantysa Koniec
Przykład 5 Liczbę x = −61 możemy zapisać jako
61 4+1
−61 = (−1)1 · ·2 .
25
Wykładnik 5 został dobrany tak, aby 25 było największą potęgą dwójki
c 2007 D.Wilczak
61 (111101)2
= = (1.11101)2. Spis treści
25 25
JJ II
W podanym przykładzie
J I
•z=1
Strona 12 z 288
• m = (11101)2
Powrót
• w = 4 = (100)2
Pełny ekran
Podsumowując, liczba −61 jest reprezentowana jako
Zamknij
C04
|{z} | {z }.
E800000000000
znak i wykładnik mantysa Koniec
Przykład 6 Liczby x = 0.1 nie można przedstawić w postaci określonej
przez wzór (1). Liczba ta nie jest reprezentowalna.
c 2007 D.Wilczak
Spis treści
Można pokazać (ćwiczenie), że
JJ II
0.1 = (0.199999 . . .)16 = (0.0001 1001 1001 . . .)2
J I
Koniec
Obserwowana niedokładność w czasie obliczeń
zmiennoprzecinkowych może być konsekwencją
• błędów wejściowych
c 2007 D.Wilczak
1. stała 0.1 już w czasie kompilacji zostanie przybliżona przez najbliższą Strona tytułowa
liczbę reprezentowalną
Spis treści
• błędów zaokrągleń - wynik operacji często nie jest reprezentowalny, Strona 14 z 288
Zamknij
Koniec
c 2007 D.Wilczak
2.3. Zasady obliczeń w standardzie IEEE 754.
Strona tytułowa
do liczb zmiennoprzecinkowych.
J I
√
• sposobu zaokrąglania wyników operacji +, −, ·, /, Powrót
Zamknij
Koniec
Oznaczenia
c 2007 D.Wilczak
aˆb
JJ II
będziemy oznaczać wynik tej operacji wykonanej w arytmetyce
zmiennoprzecinkowej. J I
Strona 17 z 288
Przez D będziemy oznaczać liczbę bitów używanych przez daną arytmetykę Powrót
Koniec
2.4. Podstawowa własność arytmetyki IEEE 754.
c 2007 D.Wilczak
Powrót
Zamknij
Koniec
2.5. Biblioteka GMP
Co to jest?
c 2007 D.Wilczak
podanych typów
Koniec
mpf t - reprezentacja liczby
najbardziej najmniej
znaczący znaczący
segment segment
c 2007 D.Wilczak
_mp_d
|---- _mp_exp ---> |
_____ _____ _____ _____ _____ Strona tytułowa
|_____|_____|_____|_____|_____|
. <------------ punkt podstawy systemu liczenia
<-------- _mp_size ---------> Spis treści
JJ II
• mp size - liczba aktualnie używanych segmentów ze znakiem,
odpowiadającym znakowi liczby (int) J I
Pełny ekran
Koniec
Oznaczenia:
c 2007 D.Wilczak
• R := R ∪ {−∞, ∞}.
Strona tytułowa
• I := {[a, b] : a, b ∈ R, a ≤ b} - zbiór wszystkich przedziałów w R.
• I := {[a, b] : a, b ∈ R, a ≤ b} - zbiór wszystkich przedziałów w R. Spis treści
Strona 22 z 288
Definicja 2
Powrót
Elementy zbioru Î będziemy nazywać przedziałami reprezentowalnymi.
Pełny ekran
Ćwiczenie Zamknij
Koniec
Definicja 3
JJ II
Powyższa formuła określa funkcję l: R −→ Î.
J I
Przykład 7 Jeśli liczba x jest reprezentowalna, to l (x) = [x, x]. Strona 24 z 288
Powrót
Koniec
3.1. Arytmetyka przedziałów rzeczywistych I.
c 2007 D.Wilczak
a b := {x y : x ∈ a, y ∈ b}. J I
Uwaga:
Pełny ekran
Koniec
c 2007 D.Wilczak
Przykład 9 Wyznaczymy sumę, różnicę, iloczyn oraz iloraz przedziałów Strona tytułowa
Pełny ekran
Zamknij
Koniec
c 2007 D.Wilczak
Przykład 10 Wyznaczymy sumę, różnicę, iloczyn oraz iloraz przedziałów Strona tytułowa
Pełny ekran
Zamknij
Koniec
c 2007 D.Wilczak
Przykład 11 Wyznaczymy sumę, różnicę, iloczyn oraz iloraz przedziałów Strona tytułowa
Pełny ekran
Zamknij
Koniec
Jak pokazują powyższe przykłady (9,10,11), wyliczanie elementarnej
operacji arytmetycznej dla przedziałów sprowadza się do wyznaczenia
wartości tej operacji na końcach przedziałów (zobacz [7, §3]). Jeśli a =
c 2007 D.Wilczak
Uwaga: Powrót
if([a1, a2] == [0, 0] or [b1, b2] == [0, 0]) return [0, 0];
if(a1 ≥ 0 and b1 ≥ 0) return [a1b1, a2b2];// (++,++) Strona tytułowa
Zamknij
Uwaga:
Podobny algorytm można sformułować dla dzielenia (ćwiczenie). Koniec
3.2. Własności arytmetyki przedziałowej.
Strona tytułowa
(a + b) + c = a + (b + c),
(a · b) · c = a · (b · c), Spis treści
a + b = b + a, JJ II
a · b = b · a.
J I
Strona 31 z 288
• mnożenie przedziałów nie jest rozdzielne względem dodawania, np.
Powrót
ale
[0, 1] · [1, 1] − [0, 1] · [1, 1] = [0, 1] − [0, 1] = [−1, 1] Zamknij
Koniec
Powrót
Uwaga:
W arytmetyce przedziałowej określonej dla przedziałów reprezentowalnych Pełny ekran
Algorytm 2 J I
return wynik;
Zamknij
}
Koniec
Analiza algorytmu 2
W pierwszym kroku pętli wynik dodawania 0+tab[0] jest dokładny.
c 2007 D.Wilczak
czyli J I
+ tab[n-1](1 + εn−1)
Zamknij
Koniec
c 2007 D.Wilczak
Wniosek:
J I
Aby zminimalizować błędy zaokrągleń należy sumować tablicę posortowaną
według rosnących wartości bezwzględnych. Strona 35 z 288
Powrót
Zamknij
Koniec
4.2. Wyznaczanie wartości wielomianu.
n
x
X xn x x2 x3 xn Powrót
e ≈ =1+ + + + ··· +
n=0
n! 1! 2! 3! n!
Pełny ekran
n(n + 1)
• liczba mnożeń:
2 Pełny ekran
• liczba dodawań: n
Zamknij
Koniec
Algorytm 3 (Schemat Hornera [5])
ScalarType Horner(ScalarType a[], size t n, ScalarType x)
{
ScalarType wynik = a[n];
c 2007 D.Wilczak
}
JJ II
Uwagi: Powrót
aˆ·a−̂bˆ·b = (a2(1 + ε1) − b2(1 + ε2))(1 + ε3) = (a2 − b2)(1 + δ) Spis treści
2 2
gdzie δ = a aε12−b
−b 2
ε2
(1 + ε3) + ε3. Jeśli a2 ≈ b2 to błąd względny może być JJ II
bardzo duży.
J I
Sposób II
Policzymy wartość wyrażenia korzystając z równości a2 −b2 = (a−b)(a+b). Strona 39 z 288
kwadratowego
ax2 + bx + c = 0 J I
Pełny ekran
Zadanie numeryczne jest dobrze określone jeśli zbiór danych wynikowych Zamknij
wejściowych.
Przez φ będziemy oznaczać rozważane zadanie numeryczne. Strona tytułowa
JJ II
Przykład 14 Problem wyznaczenia pierwiastków zespolonych równania
J I
kwadratowego ax2 + bx + c = 0 jest dobrze określony dla
Strona 41 z 288
3
D = {(a, b, c) ∈ C : a 6= 0}.
Powrót
Spis treści
Powrót
operacja – działanie arytmetyczne, logiczne, odwołanie do innego
poprawnie sformułowanego algorytmu Pełny ekran
Zamknij
Koniec
5.1. Uwarunkowanie zadania.
Oznaczenia:
• d – dane wejściowe
c 2007 D.Wilczak
k∆dk
• – błąd względny (o ile kdk =
6 0) JJ II
kdk
J I
Co się dzieje z wynikiem, jeśli trochę zmienimy dane wejściowe?
Strona 43 z 288
k∆wk
Pytanie: jak duże jest ∆w lub ? Koniec
kwk
Przykład 16 Zadanie numeryczne polega na wyznaczeniu rozwiązania
układu równań liniowych
2x + 6y = 8 x = 1
=⇒ rozwiązanie, to
2x + 6.000000001y = 8.000000001 y = 1
c 2007 D.Wilczak
Strona tytułowa
2x + 6y = 8 x = 10 Spis treści
=⇒ rozwiązanie, to
2x + 5.999999999y = 8.000000002 y = −2
JJ II
J I
1 1
0.5
Strona 44 z 288
0 0
-0.5
-1 -1 Powrót
-1.5
-2 -2 Pełny ekran
0 2 4 6 8 10 0 2 4 6 8 10
Zamknij
Uwaga: na powyższych wykresach są inne współczynniki w równaniach,
gdyż dla podanych w przykładzie linie na wykresie są nierozróżnialne. Koniec
Definicja 4
!
n n
X di ∂φ1(d) X di ∂φk (d)
JJ II
cond(d) =
,..., (5)
φ1(d) ∂di φk (d) ∂di
i=1 i=1 J I
Strona 45 z 288
Uwaga:
Powrót
Uwarunkowanie zadania to cecha samego zadania numerycznego a nie
algorytmu użytego do jego rozwiązania. Zobacz przykład Wilkinsona 3. Pełny ekran
Uwaga: Zamknij
p
p( p2 + q − p) −q J I
= +
p p p p
(p − p2 + q) p2 + q 2(p − p2 + q) p2 + q
Strona 46 z 288
p
p p + p2 + q
Powrót
= p + p
p2 + q 2 p2 + q
Pełny ekran
Strona tytułowa
Jeśli J I
k∆wk k∆dk
≤ B(d)
kwk kdk Strona 47 z 288
Pełny ekran
Zamknij
Koniec
Przykład 18 Rozważmy uwarunkowanie zadania wyznaczenia rozwiązania
c 2007 D.Wilczak
Koniec
5.2. Algorytmy numerycznie stabilne.
A.
Spis treści
Definicja 5 JJ II
przy czym zakładamy, że p, q 6= 0 oraz p2 − q > 0 (czyli ∆ > 0). Strona tytułowa
Spis treści
Sposób I (metoda “szkolna”): Sposób II:
p JJ II
x1 = p + pp2 − q, Algorytm 4 (na podstawie [6])
x2 = p − p2 − q. if(p ≥ 0) J I
{ p Strona 50 z 288
x1 = p + p2 − q;
x2 = q/x1; Powrót
}else{ p
x2 = p − p2 − q; Pełny ekran
x1 = q/x2;
Zamknij
}
Koniec
Zobacz program w C++.
6.2. Pierwiastki trzeciego stopnia.
Równanie
ax3 + bx2 + cx + d = 0
c 2007 D.Wilczak
Spis treści
JJ II
J I
Strona 51 z 288
Powrót
Pełny ekran
(1501-1576) (1499-1557)
Koniec
q 2 p3 Zamknij
∆= + .
4 27
Koniec
Przypadek ∆ > 0: oznaczmy
q √ q √
r r
3 3
u = − + ∆, v = − − ∆.
2 2
c 2007 D.Wilczak
Równanie zredukowane ma jeden pierwiastek rzeczywisty i dwa zespolone
Strona tytułowa
z1 = u + v,
√ √
−1+i 3 −1−i 3
z2 = 2√ u + 2 √ v,
Spis treści
z3 = −1−i 3 −1+i 3
u + v
2 2 JJ II
Strona tytułowa
wzorami Ferrari, ale nie będziemy ich tutaj przedstawiać (zobacz [9] lub
JJ II
artykuł w Wikipedii).
Dla wielomianów stopni wyższych i innych funkcji nieliniowych stosuje się J I
Pełny ekran
Zamknij
Koniec
6.3. Metoda połowienia (bisekcji).
c 2007 D.Wilczak
Strona tytułowa
Metoda połowienia przedziału opiera się na własności Darboux 22 funkcji
ciągłych. Jeśli dla pewnych wartości argumentu a, b funkcja ciągła na Spis treści
Zamknij
Koniec
Algorytm 5 Metoda bisekcji (na podstawie [5])
Start
ya=f(a)
c 2007 D.Wilczak
yb=f(b)
Strona tytułowa
dokładnością
Tak JJ II
y=0?
|b − a|
Nie return x
|xk+1−α| ≤ |xk+1−xk | =
2k J I
Tak Nie Stop 2
ya*y>0?
Oznacza to, że pozwala Strona 56 z 288
Nie
Tak Zamknij
return a Koniec
Stop 1
6.4. Metoda ‘regula falsi’ (na podstawie [5]).
• rozważana funkcja jest klasy C 2 na przedziale [a, b], czyli ma ciągłą Strona tytułowa
b a
a b
a b Pełny ekran
b a
Do dalszych iteracji wybieramy przedział [a, x1] lub [x1, b], w zależności Strona tytułowa
Strona 58 z 288
Powrót
Pełny ekran
a x1 x2 x3
b Zamknij
f(a) Koniec
Analiza metody ‘regula falsi’
Prosta poprowadzona przez punkty (a, f (a)) i (b, f (b)) ma równanie
c 2007 D.Wilczak
f (a)
x1 = a − (b − a)
f (b) − f (a) JJ II
Rozważmy przypadek kiedy f 0(x), f 00(x) > 0 na przedziale [a, b], czyli J I
wykres funkcji f wygląda tak jak na rysunku. Dlatego w kolejnych iteracjach Strona 59 z 288
będzie się zmieniał tylko lewy koniec przedziału. Stąd w kolejnej iteracji
Powrót
będziemy rozważać przedział [x1, b]. Stosując tą samą zasadę do przedziału
[x1, b] otrzymujemy ciąg określony wzorem rekurencyjnym Pełny ekran
f (xk ) Zamknij
x0 = a, xk+1 = xk − (b − xk ) (7)
f (b) − f (xk )
Koniec
Analiza metody ‘regula falsi’ c.d.
Założyliśmy, że funkcja f ma pojedynczy pierwiastek - oznaczmy go α.
W rozważanym przypadku f 0(x), f 00(x) > 0 mamy zawsze xk < α oraz
c 2007 D.Wilczak
f (xk ) < 0. Dlatego ciąg xk jest rosnący (xk+1 ∈ (xk , α), czyli xk+1 > xk )
Strona tytułowa
i ograniczony, a zatem zbieżny.
Spis treści
to α = g. Powrót
Pełny ekran
Uwaga
Pokazaliśmy, że przy przyjętych założeniach ciąg generowany przez ’regula Zamknij
Spis treści
|f (xn)| |f (xn)| |f (xn)|
|xn − α| = 0 ≤ = . (8)
|f (c)| inf c∈[a,b] |f 0(c)| min{|f 0(a)|, |f 0(b)|} JJ II
f (xk+1) xk+1 − xk
|α − xk+1| ≈ 0 ≈ · |f (xk+1)| Zamknij
ya=f(a)
yb=f(b)
c 2007 D.Wilczak
Strona tytułowa
x=a - f(a)/(f(b)-f(a))(b-a)
y=f(x)
Spis treści
Przeprowadzone wcześniej
JJ II
Tak
Tak or |x-a|<=ε or |x-b|<=ε?
y=0 analizy wskazują, że metodą
’regula falsi’ można znajdować J I
Nie return x
Stop 1 numerycznie miejsce zerowe
Tak
ya*y>0?
Nie w klasie funkcji spełniających Strona 62 z 288
jej założenia.
a=x b=x Powrót
ya=y yb=y
Pełny ekran
Zamknij
Koniec
6.5. Metoda siecznych
xk+1 = xk − (9)
f (xk ) − f (xk−1) Spis treści
JJ II
J I
x1 x3 x4 x6 x7 x8 x5 x2
Strona 63 z 288
Powrót
Pełny ekran
Zamknij
Koniec
Uwagi:
Strona 64 z 288
Powrót
Pełny ekran
Zamknij
Koniec
x3 x1 x2
6.6. Porównanie metod bisekcji, regula falsi i siecznych.
[0, 2]. -1
JJ II
x ≈ 0.73908513321516067. Koniec
6.7. Metoda Newtona (stycznych).
c 2007 D.Wilczak
Strona tytułowa
Spis treści
x4 x3 x2 x1 JJ II
Isaac Newton
(1643-1727) J I
Kolejne przybliżenie pierwiastka xn+1 jest wyznaczane jako punkt przecięcia Strona 66 z 288
f (xn)
xn+1 = x = xn − (11) Koniec
f 0(xn)
Wyznaczanie pierwiatka kwadratowego - metoda Herona.
√
Dla a > 0 wyznaczamy a korzystając z metody Herona. Jest to metoda
Newtona zastosowana do równania x2 − a = 0.
c 2007 D.Wilczak
Konstruujemy ciąg iteracji
( Strona tytułowa
a, jeśli a ≥ 1
x1 =
1, jeśli a < 1 Spis treści
x2n − a 1
f (xn) a J I
xn+1 = xn − 0 = xn − = xn +
f (xn) 2xn 2 xn
√ Strona 67 z 288
Uwaga: Zamknij
1
f (x) ≈ f (xn) + f 0(xn)(x − xn) + f 00(xn)(x − xn)2 JJ II
2
J I
Kolejne przybliżenie miejsca zerowego funkcji f definiujemy jako jedno z
miejsc zerowych powyższego wielomianu, a zatem xn+1 jest rozwiązaniem Strona 69 z 288
równania
Powrót
1
f (xn) + f 0(xn)(x − xn) + f 00(xn)(x − xn)2 = 0,
2 Pełny ekran
czyli p Zamknij
c 2007 D.Wilczak
Strona tytułowa
Spis treści
JJ II
J I
y2 x2 x1
Strona 70 z 288
Powrót
W klasycznej metodzie Newtona jako kolejne przybliżenie xn+1 pierwiastka
funkcji f bierzemy punkt przecięcia stycznej w punkcie xn (linia niebieska) Pełny ekran
• Zmodyfikowana metoda Newtona (12) daje bardzo szybką zbieżność, Strona tytułowa
Koniec
6.8. Metoda Steffensena [9].
c 2007 D.Wilczak
Metoda Newtona w wielu sytuacjach daje bardzo szybką zbieżność. Strona tytułowa
Koniec
Metoda Steffensena polega na przybliżeniu pochodnej funkcji przez
f (xn + f (xn)) − f (xn)
f 0(xn) ≈ (13)
f (xn)
c 2007 D.Wilczak
w metodzie Newtona (11). Po podstawieniu (13) do (11) otrzymujemy
f (xn)2 Strona tytułowa
xn+1 = xn − . (14)
f (xn + f (xn)) − f (xn)
Spis treści
J I
Strona 73 z 288
Powrót
Pełny ekran
Zamknij
Koniec
x3 x2 x1 x3+f(x3) x2+f(x2) x1+f(x1)
Inne warianty metody Steffensena.
Przedstawiona powyżej metoda Steffensena (14) może powodować dowolnie
c 2007 D.Wilczak
• dla ciągu yn = xn−1 jest to zwykła metoda siecznych (9). Strona 74 z 288
Pełny ekran
Ostatnia metoda gwarantuje szybką zbieżność, jeżeli ciąg γn jest dobrym
przybliżeniem [−f 0(α)]−1, gdzie α jest szukanym pierwiastkiem. Zamknij
Koniec
Wariant (a) metody Steffensena
γn = [−f 0(xn)]−1
yn = xn + γnf (xn)
c 2007 D.Wilczak
f (xn)(xn − yn)
xn+1 = xn −
f (xn) − f (yn) Strona tytułowa
JJ II
Wariant (b) metody Steffensena
J I
γ1 = 1
Strona 75 z 288
yn = xn + γnf (xn)
γnf (xn) Powrót
γn+1 =
f (yn) − f (xn)
f (xn)(xn − yn) Pełny ekran
xn+1 = xn −
f (xn) − f (yn) Zamknij
liczenia pochodnej.
6.9. Porównanie metod Newtona i Steffensena.
Eksperyment numeryczny polega na
1
wyznaczeniu miejsca zerowego funkcji
0.5
f (x) = ex − 6. Punkt początkowy dla
c 2007 D.Wilczak
1.6 1.7 1.8 1.9 2
iteracji to x0 = 2. Aby otrzymać wynik z -0.5
dokładnością do 64-bitowej reprezentacji -1
Strona tytułowa
Zamknij
Rozwiązanie dokładne, to
Koniec
x = ln 6 ≈ 1, 7917594692280550008124773583807 . . .
6.10. Rząd metody numerycznej.
Definicja 6 [8]
Niech Φ : R → R będzie pewną metodą iteracyjną poszukiwania
pierwiastków funkcji f , czyli ciąg iteracji jest wyznaczany przez xn+1 =
c 2007 D.Wilczak
Powrót
Uwaga:
Powyższa definicja jest czasem przedstawiana w innej formie: rząd metody Pełny ekran
to największa liczba p > 0 spełniająca
Zamknij
p
|xn+1 − α| ≤ C|xn − α| , dla wszystkich n > 0
Koniec
oraz pewnej stałej C > 0.
Uwaga:
Rząd metody numerycznej charakteryzuje szybkość, z jaką podana metoda
znajduje rozwiązanie. Im wyższy rząd metody, tym szybsza (teoretycznie)
c 2007 D.Wilczak
Koniec
Rzędy poznanych metod iteracyjnych
c 2007 D.Wilczak
Koniec
c 2007 D.Wilczak
Strona tytułowa
1
|xn+1 − α| ≤ |xn − α|1 J I
2
Stąd rząd metody jest równy 1 ze stałą C = 21 . Strona 80 z 288
Powrót
Pełny ekran
Zamknij
Koniec
Wyznaczenie rzędu regula falsi 6.4
Rozważmy przypadek f 0 > 0 oraz f 00 > 0. W tej sytuacji prawy koniec
odcinka początkowego [a, b] jest stały w iteracjach. Mamy
c 2007 D.Wilczak
f (x n )(b − x n ) f (x n )(b − x n )
|xn+1 − α| = xn −
− α = x n − α −
Strona tytułowa
f (b)
− f (x n ) f (b) − f (x n )
f (x n )(b − x n ) Spis treści
= |xn − α| 1 −
(xn − α)(f (b) − f (xn))
JJ II
0
Z twierdzenia Lagrange’a 24 otrzymujemy f (b) − f (xn) = f (c)(b − xn)
J I
dla pewnego c ∈ (xn, b). Również f (α) = 0. Dlatego
f (x n )(b − x n ) Strona 81 z 288
|xn+1 − α| = |xn − α| 1 −
0
(xn − α)f (c)(b − xn )
Powrót
0
f (xn) − f (α) f (d)
= |xn − α| 1 − = |x n − α| 1 − ,
(xn − α)f 0(c) f 0(c) Pełny ekran
f 0(c)(b − xn) = f (b) − f (xn) = f (b) − f (α) + f (α) − f (xn) Strona 82 z 288
przy czym nierówność f 0(e) > f 0(d) jest konsekwencją założenia f 00 > 0. Zamknij
Porównując lewą i prawą stronę widzimy, że f 0(c) > f 0(d) i obie te liczby są
Koniec
dodatnie. Dlatego f 0(d)/f 0(c) < 1. Sprawdź pozostałe 3 przypadki!
Wyznaczanie rzędu metody Newtona 6.7
Metoda stycznych jest zdefiniowana przez Φ(x) = x − ff0(x)
(x) . Rozwiniemy w
szereg Taylora funkcję Φ w punkcie α, który jest miejscem zerowym funkcji
f . W tym celu liczymy
c 2007 D.Wilczak
f (α)
Φ(α) = α − Strona tytułowa
f 0(α)
0 [f 0(α)]2 − f (α)f 00(α) f (α)f 00(α) Spis treści
Φ (α) = 1 − =
[f 0(α)]2 [f 0(α)]2
JJ II
00 (f 0(α)f 00(α) + f (α)f 000(α))[f 0(α)]2 − 2f (α)f 0(α)[f 00(α)]2
Φ (α) =
[f 0(α)]4 J I
0 1 00 f 00(α)
Φ(x) ≈ Φ(α) + Φ (α)(x − α) + Φ (α)(x − α) = α + 0 (x − α)2
2
2 2f (α) Zamknij
00
f (α)
Rząd metody Newtona jest równy 2, gdyż |Φ(x) − α| ≈ 0 (x − α)2 Koniec
2f (α)
Wyznaczenie rzędu metody Steffensena 6.8
c 2007 D.Wilczak
Koniec
c 2007 D.Wilczak
Strona tytułowa
Uwagi:
Spis treści
Pełny ekran
Zamknij
Koniec
c 2007 D.Wilczak
Spis treści
Pełny ekran
Zamknij
Koniec
7.1. Wyznacznik macierzy kwadratowej.
Strona tytułowa
Definicja 7
8 9
7 8 9
Powrót
Pełny ekran
Zamknij
Koniec
c 2007 D.Wilczak
Wzór Laplace’a
Strona tytułowa
Spis treści
Pierre-Simon Laplace
JJ II
(1749-1827)
Dla macierzy o wymiarze 4 × 4 lub większym wyznacznik macierzy można
J I
policzyć korzystając z następującego twierdzenia
Strona 89 z 288
0 2 4
Spis treści
Rozwiązanie:
JJ II
Skorzystamy z metody Sarrusa. Zgodnie z podanym wzorem, mamy
1 J I
2 3 1 2
1·1·4+2·1·0+3·2·2 Strona 90 z 288
det A = 2 1 1 2 1 =
−3 · 1 · 0 − 1 · 1 · 2 − 2 · 2 · 4
Powrót
0 2 4 0 2
Pełny ekran
Koniec
1 2 1 1
0 2 3 0
Przykład 22 Policz wyznacznik macierzy A = .
1 0 1 1
3 1 1 1
c 2007 D.Wilczak
Rozwiązanie:
Strona tytułowa
Skorzystamy z twierdzenia Laplace’a 2. Stosując wzór Laplace’a
najkorzystniej jest wybrać wiersz lub kolumnę z największą liczbą zer. W Spis treści
całkowitego.
Zamknij
Koniec
Twierdzenie 3 (własności wyznacznika)
(e) zamiana miejscami dwóch wierszy lub dwóch kolumn macierzy powoduje Zamknij
3 4 3 4
3 1 3 3 Strona tytułowa
15 = 3 · det = det
1 2 1 6 Spis treści
JJ II
Punkt (b) Twierdzenia 3
J I
1 2 3 (1 + 2 · 4) (2 + 2 · 5) (3 + 2 · 6)
7 8 9 w1 = w1 + 2w3
7 8 9
Strona 94 z 288
4 5 6 4 5 6
Powrót
1 2 3 4 5 6
Zamknij
7 8 9 = − 7 8 9
4 5 6 1 2 3 Koniec
Definicja 8
c 2007 D.Wilczak
Macierz D będziemy nazywać trójkątną dolną, jeżeli wyrazy tej macierzy Spis treści
Koniec
7.2. Algorytm Gaussa.
c 2007 D.Wilczak
Strona tytułowa
Spis treści
JJ II
a11 a12 a13 · · · a1n a11 a12 a13 ··· a1n Strona 97 z 288
if(akk == 0)
Strona tytułowa
{
size t p = znajdzElementNiezerowyPodWyrazemKK(); Spis treści
}
} Powrót
for (size t i = k + 1; i ≤ n; i + +)
aik Pełny ekran
a[i] = a[i] − · a[k];
akk
Zamknij
1 2 3 4 1 2 3 4 JJ II
2
5 5 1
w2 − 2w1 0
1 −1 −7 w3 − 3w2
J I
1 5 1 2 w3 − w1, w4 − 2w1 0 3 −2 −2 w4 + 2w2
−2 −6 −6
2 2 0 2 0 Strona 99 z 288
Powrót
1 2 3 4 1 2 3 4
Pełny ekran
0 1 −1 −7 w4 + 8w3 0 1 −1 −7
= 1 · 1 · 1 · 132 = 132.
0 0 1 19 0 0 1 19
Zamknij
−8 −20
0 0 0 0 0 132
Koniec
Przykład 24 Korzystając z algorytmu Gaussa policz wyznacznik macierzy
0 2 1
A = 1 3 2
2 2 3
c 2007 D.Wilczak
Ponieważ a11 = 0 to musimy dokonać zamiany wierszy macierzy. Szukamy Spis treści
− 0 2 1
2 2 3 2 2 3 0 −4 −1 Pełny ekran
1 3 2
w3 + 2w2 Zamknij
− 0 2 1 = −2
0 0 1 Koniec
7.3. Złożoność metody Gaussa 7.2
• (k−1)(k−1) dodawań: w każdym z (k−1) wierszy używamy dodawania Strona 101 z 288
Podsumowując, aby wykonać jeden krok algorytmu Gaussa potrzeba Pełny ekran
Wniosek: Zamknij
Złożoność algorytmu Gaussa (ok. 31 n3 mnożeń i dodawań) jest istotnie
mniejsza niż metody Laplace’a (n!). Koniec
7.4. Metoda Crouta
a11 . . . a1k
. . JJ II
.. . . ... 6= 0,
dla k = 1, . . . , n
ak1 . . . akk J I
d11 0 0 · · · 0 1 g12 g13 ··· g1n Powrót
21 22 0 · · · 0 ···
d d
0 1 g23 g2n
D = d31 d32 d33 · · · 0 G = 0 0 1 ··· g3n
Pełny ekran
.. ... ... . . . ... .. ... ... ... ...
. .
Zamknij
dn1 dn2 dn3 · · · dnn 0 0 0 ··· 1
Koniec
takie, że A = D · G.
Metoda Crouta c.d.
Metoda wyznaczania elementów macierzy D i G pochodzi od Crouta [2]
c 2007 D.Wilczak
j−1
X
dij = aij − dik gkj , dla i = j, j + 1, . . . , n Strona tytułowa
k=1
j−1
! (16)
X Spis treści
J I
Wniosek:
Dysponując rozkładem trójkątnym macierzy łatwo policzyć jej wyznacznik. Strona 104 z 288
Jeśli A = D · G to na podstawie Twierdzenia 3 punkt (d)
Powrót
det A = det(D · G) = det D · det G.
Pełny ekran
Ponieważ macierze D i G są trójkątne, to ich wyznaczniki są iloczynami
elementów na przekątnej głównej, czyli det G = 1 oraz det D = Zamknij
d11d22 · · · dnn.
Koniec
7.5. Złożoność metody Crouta 7.4
• j − 1 dodawań JJ II
• j − 1 iloczynów J I
n X n
X 1
• (j − 1) = n(n2 − 1) dodawań Powrót
j=1 i=j
6
Pełny ekran
n X n
X 1
• (j − 1) = n(n2 − 1) mnożeń
j=1 i=j
6 Zamknij
Koniec
Złożoność metody Crouta 7.4 c.d.
Przy ustalonym i koszt wyznaczenia współczynnika gji to
• j − 1 dodawań
c 2007 D.Wilczak
• j mnożeń
Strona tytułowa
n
n X
X 1 J I
• j = n(n2 − 1) mnożeń
j=1 i=j+1
6
Strona 106 z 288
6 6 6
1 1 1 Zamknij
P0
d11 = a11 − k=1 d1k gk1 = a11 = 2 Spis treści
P0 JJ II
d21 = a21 − k=1 d2k gk1 = a21 = 3
J I
d31 = a31 − 0k=1 d3k gk1 = a31 = 2
P
2 0 0 1 3 2 Zamknij
P2 1 3
d33 = a33 − k=1 d3k gk3 = a33 − d31 g13 − d32 g23 = 6 − 2 · 2 − 1 · = Pełny ekran
2 2
Zamknij
2 0 0 1 3 2
Końcowy rozkład trójkątny to D = 3 −4 0 , G = 0 1 12 Koniec
2 1 32 0 0 1
Ćwiczenie:
Wyznacz rozkład trójkątny macierzy
c 2007 D.Wilczak
1 2 2 1 Strona tytułowa
1 1 1 1
A= Spis treści
2 2 1 1
2 1 2 2 JJ II
J I
1 0 0 0 1 2 2 1 Powrót
1 −1 0 0 0 1 1 0
D= , G= Pełny ekran
2 −2 −1 0 0 0 1 1
2 −3 1 −1 0 0 0 1 Zamknij
Koniec
Uwagi:
c 2007 D.Wilczak
d11 g12 g13 · · · g1n Strona 110 z 288
d
21 d22 g23 · · · g2n
... ... Powrót
d31 d32 d33
.. ... ... ... g
.
(n−1),n Pełny ekran
Koniec
7.6. Macierze symetryczne - metoda Banachiewicza* [9].
* - rozdział nadobowiązkowy
Dla macierzy symetrycznych dodatnio określonych stosuje się metodę
Banachiewicza, spotykaną w literaturze pod nazwą metody pierwiastków
c 2007 D.Wilczak
kwadratowych.
Strona tytułowa
J I
Macierz symetryczna A = [aij ]i,j=1,...,n jest dodatnio określona wtedy i tylko Powrót
wtedy, gdy
a11 · · · a1k Pełny ekran
. .
.. . . ... > 0
ak1 · · · akk Zamknij
Strona tytułowa
Wyrazy macierzy D są dane następującymi wzorami
√
d11 = a11 Spis treści
1
Pi−1 i = 2, 3, . . . , n
dji = dii aji − k=1 djk dik , dla Strona 113 z 288
j = i + 1, i + 2, . . . , n
Powrót
Pełny ekran
Uwaga:
W zastosowaniach numerycznych zaleca się używanie Zamknij
• metody Banachiewicza dla macierzy symetrycznych dodatnio określonych
(dwa razy szybsza niż metoda Crouta) Koniec
n
X n
X Xn
(n−i)(i−1) = n (i−1)− i(i−1) ≈ (1/2)n3−(1/3)n3 = (1/6)n3 Powrót
• n-pierwiastkowań Zamknij
• n-dzieleń
Koniec
3 3 5
c 2007 D.Wilczak
Przykład 26 Znajdź rozkład trójkątny macierzy A = 3 4 9
5 9 28 Strona tytułowa
Rozwiązanie:
Spis treści
Koniec
Przykład 26 c.d.
Zgodnie z podanymi wzorami (17) obliczamy
√ √
d11 = a11 = 3
c 2007 D.Wilczak
√
d21 = a21/d11 = 3
5 Strona tytułowa
d31 = a31/d11 = √
3 Spis treści
q √
d22 = a22 − d221 = 4 − 3 = 1
JJ II
1 5 √
d32 = (a32 − d31d21) = 9 − √ · 3=4
d22 3 J I
r r
25 11
q
d33 = a33 − d231 − d232 = 28 − − 16 = Strona 116 z 288
3 3
Ostatecznie szukana macierz to Powrót
√
√3 0 0 Pełny ekran
D = 3 1 q0
Zamknij
√5 4 11
3 3
Koniec
Definicja 11
Załóżmy, że A jest macierzą kwadratową n × n. Macierz kwadratową B
będziemy nazywać macierzą odwrotną do A, jeżeli
c 2007 D.Wilczak
A · B = B · A = In , Strona tytułowa
JJ II
1 0 ··· 0
0 1 ··· 0
In = .. .. ... ... J I
. .
0 0 ··· 1 Strona 117 z 288
Zamknij
Twierdzenie 6
Macierz kwadratowa A jest odwracalna wtedy i tylko wtedy, gdy det A 6= 0. Koniec
Wyznaczanie macierzyodwrotnej - metoda “szkolna”
a11 · · · a1n
Jeżeli A = ... . . . ... jest macierzą kwadratową oraz det A 6= 0, to
an1 · · · ann
wyrazy macierzy odwrotnej
c 2007 D.Wilczak
0 0
a11 · · · a1n Strona tytułowa
A = ... . . . ...
−1
Mji J I
a0ij = (−1)i+j , dla i, j = 1, . . . , n
det A
Strona 118 z 288
Uwaga:
Pełny ekran
W obliczeniach numerycznych użyteczność tego wzoru jest znikoma, gdyż
wyznaczenie macierzy odwrotnej przy jego użyciu wymaga policzenia Zamknij
o wyrazach
Pełny ekran
d0ii = 1/dii
d0ij −d0ii i−1 0
P
= k=j dik dkj , dla i = 1, 2, . . . , n, j = 1, 2, . . . , i − 1 Zamknij
gii0 = 1/gii
0
−gii0 i−1 0
P
gji = k=j gki gjk , dla i = 1, 2, . . . , n j = 1, 2, . . . , i − 1 Koniec
Złożoność obliczeniowa odwracania macierzy trójkątnej.
Aby odwrócić macierz trójkątną dolną (lub górną) musimy wyznaczyć
1
1 + 2 + . . . + n = n(n + 1) współczynników
2
c 2007 D.Wilczak
0
d11 0 · · · 0
0 Strona tytułowa
d21 d022 · · · 0
.. ... . . . ...
. Spis treści
Pn Pi−1
• n + i=2 j=1(i − j + 1) = 16 n(n + 1)(n + 2) mnożeń Koniec
Odwracanie macierzy przez rozkład Crouta.
Jeśli A jest macierzą dowolną spełniającą założenia metody Crouta 7.4 to
macierz odwrotną można wyznaczyć w następujący sposób.
c 2007 D.Wilczak
MatrixType D, G;
JJ II
{D, G} = CroutDecomposition(A);
D = computeInverseOfLowerTriangleMatrix(D); J I
G = computeInverseOfUpperTriangleMatrix(G);
return G · D; Strona 121 z 288
}
Powrót
Uwaga:
Pełny ekran
Powyższy algorytm wykorzystuje następującą własność odwracania iloczynu
macierzy kwadratowych Zamknij
• koszt mnożenia G−1 · D−1, biorąc pod uwagę mnożenia bez czynników
Strona 122 z 288
zerowych - 31 n3 + O(n2)
Powrót
Razem n3 + O(n2) mnożen.
Pełny ekran
Zamknij
Koniec
7.8. Układy równań liniowych.
Twierdzenie 7 (Cramera)
A·X =B
Spis treści
gdzie
a11 · · · a1,k−1 b1 a1,k+1 · · · a1n Pełny ekran
Uwaga: JJ II
Koniec
Zastosowanie algorytmu Gaussa do układów równań liniowych
Wykonując operacje elementarne na macierzy powstałej przez doklejenie
do macierzy A kolumny wektora B możemy sprowadzić układ do
c 2007 D.Wilczak
równoważnego
Strona tytułowa
a11 a12 ··· a1n b1 a111 a112 ··· a1n 1
b11
Spis treści
a21 a22 ··· a2n b2 0 a122 ··· a12n b12
.. ... ... ... ... → .. ... ... ... ...
. . JJ II
an1 an2 ··· ann bn 0 a1n2 ··· a1nn b1n
J I
n−1 n−1 n−1 n−1
a a12 · · · a1n b1
11 Strona tytułowa
0 an−1 · · · a n−1
b n−1
22 2n 2
.. .
.. . . . .. ...
.
.
Spis treści
0 0 · · · an−1nn bn−1
n
JJ II
Strona tytułowa
Pełny ekran
Zamknij
Koniec
Algorytm Gaussa w układach równań liniowych, c.d.
a11 · · · a1n b11 · · · b1k J I
... . . . ... ... . . . ...
an1 · · · ann bn1 · · · bnk Strona 128 z 288
i
z}|{ Zamknij
Bi = (0, · · · , 0, 1 , 0, · · · , 0), dla i = 1, . . . , n.
Koniec
Przykład 27 Rozwiąż układ
1 1 1 2 x1 1
1 2 1 1 x2 1
=
c 2007 D.Wilczak
1 1 2 2 x3 0
1 2 1 2 x4 1 Strona tytułowa
Rozwiązanie: Stosujemy algorytm Gaussa do macierzy [A, B], czyli Spis treści
1 1 1 2 1 1 1 1 2 1 1 1 1 2 1 JJ II
1 2 1 1 1 0 1 0 −1 0 0 1 0 −1 0
→ →
1 1 2 2 0 0 0 1 0 −1 0 0 1 0 −1
J I
1 2 1 2 1 0 1 0 0 0 0 0 0 1 0
Strona 129 z 288
x4 = 0 Pełny ekran
x3 = −1
Zamknij
x2 = x4 = 0
Koniec
x1 = 1 − 2x4 − x3 − x2 = 2
7.9. Algorytm ortonormalizacji Grama-Schmidta.
Definicja 12
Układ wektorów X1, . . . , Xk , k ≥ 1 nazywamy ortonormalnym jeżeli
c 2007 D.Wilczak
• kXik = 1 dla i = 1, . . . , k
Strona tytułowa
• iloczyn skalarny hXi; Xj i = 0 dla i, j = 1 . . . , k oraz i 6= j
Spis treści
Definicja 13 JJ II
Twierdzenie 8
Jeśli macierz Q jest ortogonalna, to wiersze i kolumny tej macierzy tworzą Powrót
kryteria
Strona tytułowa
Xi − i−1
P
j=1 hXi ; Yj i Yj
Yi = Pi−1 dla i = 1, . . . , k (21)
kXi − j=1 hXi; Yj i Yj k Pełny ekran
Pi−1 Zamknij
o ile Xi − j=1 hXi; Yj i Yj 6= 0.
Pi−1
Jeżeli Xi − j=1 hXi; Yj i Yj = 0 to przyjmujemy Yi = 0. Koniec
Algorytm Grama-Schmidta, c.d.
Pokażemy, że jeśli pierwszych n wektorów tworzy układ ortonormalny oraz
Yn+1 6= 0 to wektory {Y1, . . . , Yn+1} również tworzą układ ortonormalny.
c 2007 D.Wilczak
Ustalmy p ∈ {1, . . . , n} takie, że Yp 6= 0. Wtedy
Strona tytułowa
* n
+
X
C hYp; Yn+1i = Yp; Xn+1 − hXn+1; Yj i Yj
Spis treści
j=1
* n
+
JJ II
X
= hYp; Xn+1i − Yp; hXn+1; Yj i Yj
j=1 J I
= hYp; Xn+1i − hYp; hXn+1; Ypi Ypi
Strona 132 z 288
= hYp; Xn+1i − hYp; Xn+1i hYp; Ypi = 0
Pn Powrót
Zamknij
=
(2, 1, 1) − (2, 0, 0) − (0, 2 , 6 )
Zamknij
5 5
3 1 3 1
√ √ !
(0, 5 , − 5 ) (0, 5 , − 5 ) 3 10 10
=
(0, 3 , − 1 )
= √ = 0, , − Koniec
5 5
10 10 10
5
Koszt obliczeń ortonormalizacji.
Załóżmy, że na wejściu algorytmu jest dana baza {X1, . . . , Xn}. Po
c 2007 D.Wilczak
ortonormalizacji otrzymujemy bazę ortonormalną {Y1, . . . , Yn}.
Strona tytułowa
Koszty cząstkowe:
• koszt policzenia iloczynu skalarnego to n mnożeń oraz n − 1 dodawań Spis treści
• jedna norma
Pełny ekran
• i − 1 iloczynów skalarnych
• i iloczynów wektora przez liczbę (w tym iloraz przez normę) Zamknij
• i − 1 dodawań wektorów
Koniec
Koszt policzenia wektora Yi w ortonormalizacji to:
iloczyn skalarny
iloczyn przez liczbę
norma
z }| { z}|{
• n + (i − 1)n + in mnożeń
z}|{
c 2007 D.Wilczak
JJ II
n
X
• (n + (i − 1)n + in) = n3 + O(n2) mnożeń Strona 135 z 288
i=1
Powrót
Xn
• (n − 1 + (i − 1)(n − 1) + (i − 1)(n − 1)) = n3 + O(n2) dodawań Pełny ekran
i=1
• n pierwiastkowań Zamknij
Koniec
7.10. Rozkład QR macierzy.
Rozkład QR macierzy A polega na konstrukcji macierzy ortogonalnej Q
(zobacz 7.9) oraz trójkątnej górnej R takiej, że A = Q·R. Istnienie rozkładu
QR jest gwarantowane przez następujące
c 2007 D.Wilczak
Pełny ekran
Wniosek:
Jeżeli An×n jest nieosobliwą macierzą kwadratową, to istnieje macierz Zamknij
kolumn macierzy A.
Strona tytułowa
Uwaga: J I
Jeżeli {u1, . . . , un} jest bazą ortonormalną, to dla każdego wektora x ∈ Rn
zachodzi Strona 137 z 288
Koniec
2 1 2
Przykład 29 Znajdź rozkład QR macierzy A = 0 1 1
0 2 1
Rozwiązanie: macierz Q wyznaczamy korzystając z algorytmu
c 2007 D.Wilczak
Q3 = = 0, ,−
kA3 − hA3; Q1i Q1 − hA3; Q2i Q2k 5 5 Powrót
1 √0 0 2 1 √ 2 Pełny ekran
√ √
Stąd macierz Q = 0 √55 2 5√5 . Macierz R = QT A = 0 5 3√5 5 .
Zamknij
0 2 5 5 − 55 0 0 5
5
Koniec
• n pierwiastkowań
Pełny ekran
Zamknij
Koniec
Odwracanie dowolnej macierzy nieosobliwej metodą QR
c 2007 D.Wilczak
Do odwrócenia dowolnej macierzy możemy użyć rozkładu QR 7.10.
Załóżmy, że wyznaczyliśmy rozkład macierzy A = Q · R, gdzie Strona tytułowa
Powrót
gdyż macierz odwrotna do unitarnej to macierz transponowana. W
powyższym wzorze, odwrotną do R możemy wyznaczyć stosując wzory na Pełny ekran
Koniec
c 2007 D.Wilczak
Strona tytułowa
Koszta odwracania dowolnej macierzy nieosobliwej metodą QR
Na ten koszt składa się Spis treści
Łaczny koszt 53 n3 + O(n2) mnożeń (gorzej niż przez rozkład Craouta) Powrót
Pełny ekran
Zamknij
Koniec
7.11. Wartości własne macierzy - metody dokładne.
Wyznaczanie wartości i wektorów własnych macierzy jest jednym z
trudniejszych zagadnień w algorytmice algebry liniowej.
c 2007 D.Wilczak
Definicja 14
Strona tytułowa
Liczbę (rzeczywistą lub zespoloną) λ nazywamy wartością własną
macierzy kwadratowej A, jeżeli istnieje wektor v (o współrzędnych Spis treści
Pełny ekran
Uwaga:
Jeżeli v jest wektorem własnym dla λ, to każdy wektor postaci αv, gdzie Zamknij
i=1
Strona 143 z 288
Pełny ekran
Uwaga:
Powyższe twierdzenie nie podaje sposobu wyznaczania wartości własnych Zamknij
C3 = {z ∈ C : |z − 3| ≤ |a31| + |a32| = 1 + 1 = 2}
JJ II
4
J I
-4 Koniec
2 4 6 8 10
Wyznaczanie wartości własnych macierzy metodą dokładną.
c 2007 D.Wilczak
Definicja 15
Strona tytułowa
Wielomian
WA(λ) = det(A − λI) Spis treści
Powrót
Twierdzenie 11
Pełny ekran
Wszystkie wartości własne macierzy A są pierwiastkami jej wielomianu
charakterystycznego, czyli σ(A) = WA−1({0}). Zamknij
Koniec
1 2 1
Przykład 31 Wyznacz wartości własne macierzy A = 3 1 1
c 2007 D.Wilczak
2 −1 0
Strona tytułowa
Spis treści
Rozwiązanie: Zgodnie z Definicją 15 wielomian charakterystyczny A to
JJ II
1 − λ 2 1
WA(λ) = det(A − λI) = 3 1 − λ 1 = −λ3 + 2λ2 + 6λ
J I
2 −1 −λ
Strona 146 z 288
Pierwiastki tego wielomianu to
√ √ Powrót
λ1 = 0, λ2 = 1 − 7, λ3 = 1 + 7
Pełny ekran
Koniec
Uwaga:
W niektórych zadaniach numerycznych dokładne wyznaczenie wartości
własnych macierzy nie jest konieczne, np. przy badaniu istnienia ekstremów
c 2007 D.Wilczak
Uwaga: Powrót
∗ ∗
∗ ∗ · 0 J I
∗ · ·
T =
Strona 148 z 288
· · ∗
0 · ∗ ∗
Powrót
∗ ∗
Pełny ekran
Definicja 17 Zamknij
macierzy.
Strona tytułowa
Jeśli H jest macierzą Hessenberga, to określamy R(1) oraz Q(1) jako rozkład
Spis treści
H (1) = H = Q(1)R(1)
J I
∗ ∗ . . .
Pełny ekran
∗ ∗ . . .
0 0 ∗ . . zobacz notebook Mathematica
Zamknij
0 0 0 ∗ ∗
0 0 0 ∗ ∗ Koniec
7.13. Wartości własne macierzy dowolnej.
obliczeń korzystniej jest najpierw zwykłą macierz przekształcić do postaci Strona tytułowa
Uwaga:
Zamknij
Aby sprowadzić macierz do postaci Hessenberga stosuje się najczęściej
algorytmy Householdera, Givensa lub Gaussa. Koniec
1 2 3 4
1 1 2 4
Przykład 32 Przekształć do postaci Hessenberga A =
2 3 4 5
3 5 7 8
c 2007 D.Wilczak
Strona tytułowa
Rozwiązanie: zastosujemy zmodyfikowany algorytm Gaussa.
Spis treści
1 2 3 4 1 2 3 4 1 8 3 4
1 1 2 4 w3=w3−2w2 1 1 2 4 k2=k2+2k3 1 5 2 4 w4=w4−3wJJ
2
−→ −→ −→ II
2 3 4 5 0 1 0 −3 0 1 0 −3
3 5 7 8 3 5 7 8 3 19 7 8 J I
1 8 3 4 1 20 3 4 1 20 3 4 Strona 152 z 288
0 4 1 −4 0 −8 1 −4 0 0 1 −1
Pełny ekran
1 20 7 4 15.581718738763179
1 17 6 4 −1.
Zamknij
wartości własne to
0 8 −3 −3 −0.43376283428410867
Koniec
0 0 0 −1 −0.14795590447907
Start
Wyznacz spośród
aki, i =maxModul ai i
i1, i , ... , a n , i
element o największym module
c 2007 D.Wilczak
Tak
Czy aki, i =0 ? Strona tytułowa
Nie
Sprowadzanie dowolnej
macierzy kwadratowej do Spis treści
Koniec
Stop
c 2007 D.Wilczak
GAG−1 lub zmian wierszy i kolumn (tez typu P AP −1). To pokazuje, że Powrót
Zamknij
Koniec
c 2007 D.Wilczak
JJ II
• wyznaczenie wartości własnych macierzy trójdiagonalnych symetrycznych jest relatywnie
łatwe J I
• każdą macierz symetryczną można przekształcić w macierz trójdiagonalną symetryczną o Strona 155 z 288
takich samych wartościach własnych
Powrót
• przekształcenie macierzy symetrycznej w trójdiagonalną symetryczną jest ortogonalne.
Pełny ekran
Zamknij
Koniec
Macierze trójdiagonalne symetryczne c.d.
Macierz trójdiagonalna symetryczna ma postać
b1 a2
c 2007 D.Wilczak
a b · 0
2 2
· · ·
Strona tytułowa
T = · · ·
· · · Spis treści
· · an
0 JJ II
an bn
J I
Dla dowolnie wybranej liczby λ wartość wielomianu charakterystycznego
WT (λ) = det(T − λI) można policzyć wykorzystując wzory rekurencyjne Strona 156 z 288
ω0(λ) = 1
Powrót
ω1(λ) = b1 − λ
(22) Pełny ekran
są pojedyncze.
Spis treści
1 J I
Krok III. Wyznaczamy środek przedziału t = (α + β) oraz obliczamy
2
ω0(t), ω1(t), . . . , ωn(t). Strona 158 z 288
Powrót
Krok IV. Jeżeli ωn(t) = 0 to znaleźliśmy pewną wartość własną. Jeżeli
liczba zmian znaków w ciągu ω0(t), ω1(t), . . . , ωn−1(t) jest równa n − k − 1 Pełny ekran
Obliczamy wartości
Nie Spis treści
0 t ,1 t ,... , n t
JJ II
Nie Tak
Czy n t =0?
J I
oblicz liczbę m oblicz liczbę m
zmian znaków w ciągu zmian znaków w ciągu
0 t ,1 t , ... , n t 0 t ,1 t ,... , n−1 t Strona 159 z 288
Powrót
Tak
Czy m=n−k −1?
Nie Pełny ekran
Problem badania zer funkcji wielu zmiennych jest o wiele bardziej złożony Spis treści
Zamknij
Koniec
Rozważmy funkcję dwóch zmiennych f = (f1, f2) : R2 → R2. Na rysunku
poniżej przedstawiono wykresy pewnych funkcji f1 i f2.
f1 f2
c 2007 D.Wilczak
Strona tytułowa
Spis treści
JJ II
J I
zobacz
notebook Zamknij
Mathematica.
Koniec
Jeśli f = (f1, f2, f3) : R3 → R3, to zera funkcji f są punktami przecięcia
powierzchni zer każdej funkcji f1, f2, f3, np.
Na podanym rysunku wszystkie trzy
c 2007 D.Wilczak
JJ II
J I
−0.2x + 0.2y − z + 6 = 0 (płaszczyzna)
Pełny ekran
x2 + y 2 + z 2 = 36 (sfera) Zamknij
x2 + y 2 = (.65)2(z − 2)2
(stożek)
Koniec
8.1. Różniczki funkcji wielu zmiennych.
Definicja 18
kf (x + h) − f (x) − Ahk
lim =0 Strona tytułowa
khk→0 khk
Spis treści
przy dowolnym wyborze wektorów h zmierzających do zera.
Macierz A nazywamy pochodną Frécheta funkcji f w punkcie x. JJ II
-1 -0.5
0
0.5
1
J I
1
Strona 163 z 288
0 W przypadku funkcji f : R2 →
Powrót
R wykres funkcji f (x0) + A(x −
-1
x0) tworzy płaszczyznę styczną do Pełny ekran
-2
wykresu f w punkcie x0.
Zamknij
0
0.5
1
Koniec
1.5
2
Definicja 19
Niech f : Rn → R. Jeżeli istnieje granica
f (x0, x1, . . . , xk−1, xk + t, xk+1, . . . , xn) − f (x0, x1. . . . , xn)
lim =g
t→0 t
c 2007 D.Wilczak
-1
J I
1
Pełny ekran
-2
0 Zamknij
0.5
1
Koniec
1.5
2
8.2. Metoda Newtona dla funkcji wielu zmiennych.
f (x0)
x = x0 −
f 0(x0) Zamknij
gdzie ∂f JJ II
∂f1 ∂f1
1
(x0)
∂x1 ∂x2 (x0 ) ··· ∂xn (x0 )
∂f2 ∂f2 ∂f2
(x )
∂x1 0 ∂x2 (x0 ) ··· ∂xn (x 0 ) J I
Df (x0) = ..
. ... ... ... Strona 166 z 288
∂fn ∂fn ∂fn
∂x1 (x0 ) ∂x2 (x0 ) · · · ∂xn (x0 )
Powrót
jest macierzą różniczki funkcji f . Jeżeli założymy, że x ≈ x0 (jako wektory)
to zera funkcji f mogą być bliskie miejscom zerowym funkcji afinicznej Pełny ekran
Twierdzenie 15
Załóżmy, że funkcja f : Rn → Rn jest różniczkowalna w sensie Frécheta Powrót
f (x, y) = (x2 + y 2 − 4, x2 + 4y 2 − 6)
c 2007 D.Wilczak
Rozwiązanie: Wyznaczamy najpierw pochodne cząstkowe
∂f1 ∂f1 Strona tytułowa
(x, y) = 2x (x, y) = 2y
∂x ∂y
Spis treści
∂f2 ∂f2
(x, y) = 2x (x, y) = 8y
∂x ∂y JJ II
2x 2y
Stąd macierz różniczki to Df (x, y) = . Jeśli x 6= 0 i y =
6 0 to J I
2x 8y
2 1
− Strona 168 z 288
macierz ta jest odwracalna, a jej odwrotna to [Df (x, y)]−1 = 3x1 16x .
− 6y 6y
Powrót
Zgodnie z wzorem (24) metoda Newtona dla tego problemu to Pełny ekran
(i+1)
• Podczas wyznaczania kolejnego punktu iteracji x musimy rozwiązać
c 2007 D.Wilczak
−1
układ równań liniowych Df (x(i)) f x(i) . Należy tutaj zastosować
Strona tytułowa
jedną z efektywnych metod, najlepiej eliminację Gaussa zamiast
odwracania macierzy. Spis treści
zmiennych.
Koniec
8.3. Metoda Steffensena dla funkcji wielu zmiennych.
odwzorowania.
J I
Metoda Steffensena dla funkcji jednej zmiennej była określona wzorem (14), Strona 170 z 288
czyli Powrót
f (xn)2
xn+1 = xn − .
f (xn + f (xn)) − f (xn) Pełny ekran
∂xj
Spis treści
fi(x1, . . . , xj−1, xj + ∆j , xj+1, . . . , xn) − fi(x1, x2, . . . , xn)
Sij (x) =
∆j (25) JJ II
Jeśli przez
S11(x) . . . S1n(x) Strona 171 z 288
h i−1
(k+1)
x = x − S x(k)
(k)
f x(k) Koniec
Przykład 34 Wyznacz metodę iteracyjną Steffensena dla funkcji
S11(x, y) = =
f1(x, y) x3 + y 2 − 3 Spis treści
gdzie u(k) = x(k), y (k) . Zobacz notebook Mathematica. Koniec
8.4. Wielowymiarowa metoda siecznych.
poprzednich punktów oraz wartości badanej funkcji w tych punktach. Strona tytułowa
h i−1
(i+1) (i) (i) (i)
x = x − ∆Y ∆f f x(i) , J I
(i)
(i−n+1)
(i−n)
(i)
(i−1)
(26)
∆f = f x −f x ··· f x − f x Pełny ekran
f x(i−j+1) − f x(i−j) , dla j = n, n − 1, . . . , 1 odpowiednio. Koniec
Przykład 35 Wyznacz metodę iteracyjną siecznych dla funkcji
y y
x(i) + 4 y (i) − 8
Koniec
Strona tytułowa
Pełny ekran
Zamknij
Koniec
9.1. Podstawowe definicje.
Definicja 20
Niech f : Rn → R będzie pewną funkcją. Mówimy, że funkcja f ma w
punkcie x0 ∈ Rn minimum lokalne, jeżeli istnieje kula o promieniu r > 0
c 2007 D.Wilczak
i środku x0 taka, że
f (x) ≥ f (x0) Strona tytułowa
0.5
0 JJ II
Powyższa definicja mówi, że w
-0.5
pewnym otoczeniu punktu x0 J I
1
wartości funkcji f nie są większe niż
0.75
f (x0). Na przedstawionym rysunku Strona 176 z 288
wartości funkcji
0.5 Powrót
2 2
f (x, y) = (x − y )
0.25
Pełny ekran
1
Definicja 21
Niech f : Rn → R będzie pewną funkcją. Mówimy, że funkcja f ma
w punkcie x0 ∈ Rn minimum lokalne właściwe, jeżeli istnieje kula
o promieniu r > 0 i środku x0 taka, że
c 2007 D.Wilczak
0 JJ II
-1
J I
0
-0.75
istotnie większe of f (x0). Pełny ekran
-1
-1 Zamknij
0
Koniec
1
9.2. Wyznaczanie minimów funkcji jednej zmiennej.
Zadanie poszukiwania minimów funkcji jednej zmiennej w przypadku funkcji
różniczkowalnych można łatwo sprowadzić do poszukiwania miejsc zerowych
pochodnej funkcji. Mówi o tym następujące twierdzenie.
c 2007 D.Wilczak
JJ II
Uwaga:
Powyższe twierdzenie wskazuje, że jeśli funkcja f jest różniczkowalna, J I
wartości funkcji f niezbędnych do zlokalizowania jej minimum. Okazuje się, Pełny ekran
Krok II. Jeżeli f (t1) ≥ f (t2) to a = t1, natomiast b bez zmiany. Strona tytułowa
Jeżeli f (t1) < f (t2) to b = t2, natomiast a pozostaje bez zmian. Spis treści
Analiza: Powrót
Krok II. Jeżeli f (t1) ≤ f (t2) to b = t2, natomiast a pozostaje bez zmiany. Strona tytułowa
Powrót
Analiza:
W każdym kroku (z wyjątkiem być może pierwszego) wyznaczamy wartość Pełny ekran
funkcji dwa razy (jeden raz jest pamiętany z poprzedniego kroku). Zamknij
Spis treści
Metoda złotego podziału różni się od podziału na trzy części jedynie
sposobem określenia punktów pośrednich t1 i t2. Należy tak dobrać punkty JJ II
5−1
Stąd τ spełnia równanie τ 2 + τ − 1 = 0, czyli τ = ≈ 0.618. Pełny ekran
2
W metodzie tej na jedno obliczenie funkcji przypada zmniejszenie szerokości Zamknij
2
przedziału √5−1 ≈ 1.681 razy. Jest to metoda prawie optymalna
(najlepsza jest oparta o ciąg Fibonacciego i wymaga o jeden mniej obliczeń Koniec
-0.5 JJ II
J I
0
Strona 183 z 288
-1
Powrót
-2
-0.5
Pełny ekran
0
0.5
1
Zamknij
punkcie x.
1
Metoda najszybszego spadku 0.5
0
Metoda najszybszego spadku (gradientu)
-0.5
to metoda iteracyjna, polegająca
na kolejnym przybliżaniu szukanego 3
c 2007 D.Wilczak
1
Spis treści
(k)
Jeśli mamy dany punkt x to kolejne 0
φ(λ) = f x − λ∇f x(k)
(k) Pełny ekran
Zamknij
Współczynnik λk wyznaczamy jako
(przybliżone) minimum funkcji jednej Koniec
∂f ∂f Strona tytułowa
(x1, . . . , xn) = 0, · · · , (x1, . . . , xn) = 0 (27)
∂x1 ∂xn
Spis treści
Oznaczmy przez
∂ 2f ∂ 2f JJ II
∂x1 ∂x1 (x) ··· ∂x1 ∂xn (x)
H(x) =
... ... ...
J I
∂ 2f ∂ 2f
∂xn ∂x1 (x) ··· ∂xn ∂xn (x)
Strona 185 z 288
∂f (k)
∂x1 (x )
Pełny ekran
−1
x(k+1) = x(k) − H x(k) ·
...
Zamknij
∂f (k)
∂xn (x )
Koniec
J I
15
10
Powrót
5 Pełny ekran
Zamknij
5 10 15 20
Koniec
c 2007 D.Wilczak
Definicja 23
Strona tytułowa
Niech dane będą liczby x0 < x1 < · · · < xn ∈ R oraz y0, y1, . . . , yn ∈ R.
Problem wyznaczenia funkcji F : [x0, xn] → R spełniającej warunki Spis treści
Zamknij
Koniec
10.1. Interpolacja za pomocą wielomianów.
Twierdzenie 17
Istnieje dokładnie jeden wielomian interpolacyjny stopnia co najwyżej n,
n ≥ 0, który w punktach x0, x1, . . . , xn przyjmuje wartości y0, y1, . . . , yn.
c 2007 D.Wilczak
2 n
Szkic dowodu: Szukamy wielomianu W (x) = a0 +a1x+a2x +· · ·+anx .
Podstawiając punkty x0, x1, . . . , xn otrzymujemy układ równań Strona tytułowa
2 n
a 0 + a 1 x 0 + a 2 x 0 + · · · + a n x 0 = y0
Spis treści
2 n
1 x0 x0 · · · x0 Powrót
1 x1 x21 · · · xn1
A = .. .. ... . . . ...
. . Pełny ekran
Q
o wyznaczniku det A = 0≤j<i≤n(xi − xj ) 6= 0. Na mocy Twierdzenia Koniec
Y
D = det A = (xi − xj ) 6= 0 Spis treści
0≤j<i≤n
JJ II
a następnie skorzystać z wzorów Cramera (19-20) w celu wyznaczenia
J I
współczynników a0, a1, . . . , an wielomianu interpolacyjnego W , czyli ai =
Di/D, gdzie Strona 189 z 288
1 x x2 · · · xi−1 y xi+1 · · · xn
0 0 0 0 0 0 Powrót
i−1 i+1
1 x1 x1 · · · x1 y1 x1 · · · xn1
2
Di =
............... Pełny ekran
1 xn x2n · · · xi−1 yn xi+1 · · · xnn
n n Zamknij
Koniec
Przykład 36 Wyznacz wielomian interpolacyjny dla problemu
x0 = 0, x1 = 1, x2 = 2, y0 = 3, y1 = 2, y2 = 5
2
a0 + a1 · 0 + a2 · 0 = 3
Spis treści
a 0 + a 1 · 1 + a 2 · 12 = 2
JJ II
a 0 + a 1 · 2 + a 2 · 22 = 5
J I
Z pierwszego równania mamy natychmiast a0 = 3 a po podstawieniu do
równań (2-3) otrzymujemy Strona 190 z 288
(
a1 + a2 = −1 Powrót
wielomian interpolacyjny to
Koniec
W (x) = 3 − 3x + 2x2
10.2. Wzór interpolacyjny Lagrange’a.
Wzór interpolacyjny Lagrange’a daje gotowy przepis na wyznaczanie
wielomianu interpolacyjnego. Oznaczmy przez Φj (x) wielomian, który
spełnia następujące kryteria (
c 2007 D.Wilczak
0, gdy j 6= i
Φj (xi) = Strona tytułowa
1, gdy j = i
Spis treści
Łatwo sprawdzić, że wielomian
(x − x0)(x − x1) · · · (x − xj−1)(x − xj+1) · · · (x − xn) JJ II
Φj (x) = (29)
(xj − x0)(xj − x1) · · · (xj − xj−1)(xj − xj+1) · · · (xj − xn)
J I
x − 7x2 + 14x − 8
Φ0(x) = =−
(−2 − 1)(−2 − 2)(−2 − 4) 72
JJ II
(x + 2)(x − 2)(x − 4) 1 3 2
Φ1(x) = = x − 4x − 4x + 16
(1 + 2)(1 − 2)(1 − 4) 9 J I
(x + 2)(x − 1)(x − 4) 1 3 2
Φ2(x) = = x − 3x − 6x + 8
(2 + 2)(2 − 1)(2 − 4) 8 Strona 192 z 288
(x + 2)(x − 1)(x − 2) 1 3 2
Φ3(x) = = x − x − 4x + 4 Powrót
(4 + 2)(4 − 1)(4 − 2) 36
Pełny ekran
Ostatecznie szukany wielomian interpolacyjny, to
2 3 25 Zamknij
• Często interpolacja wielomianem wysokiego stopnia jest zbyt kosztowna Strona tytułowa
funkcji.
JJ II
• Często stosuje się wielomiany niższego stopnia (np. 1, 2, 3) interpolując
funkcję pomiędzy kolejnymi węzłami. J I
• Wartości funkcji w węzłach yi = F (xi) są często wynikiem pewnego Strona 193 z 288
dla węzłów xi i wartości f (xi). Ustalimy teraz maksymalny błąd interpolacji, Strona tytułowa
φ(u) = f (u) − W (u) − K(u − x0)(u − x1) · · · (u − xn) (31) Pełny ekran
Zamknij
Obserwacja:
Koniec
(1) (1)
φ0(ξ0 ) = φ0(ξ1 ) = · · · = φ0(ξn(1)) = 0 Strona tytułowa
Obserwacje:
Zamknij
W (n+1)(x) = 0 gdyż W jest wielomianem stopnia co najwyżej n
[(x − x0)(x − x1) · · · (x − xn)](n+1) = (n + 1)!, gdyż jest to wielomian Koniec
stopnia n + 1.
Oszacowanie błędu interpolacji,c.d.
Korzystając z definicji funkcji φ, czyli (31) mamy
(n + 1)!
Jeśli przez M oznaczymy największą wartość (n + 1) pochodnej f , czyli Powrót
M
|f (x) − W(x)| ≤ |(x − x0)(x − x1) · · · (x − xn)| Koniec
(n + 1)!
Przykład 38 (na podstawie [5]) Z jaką dokładnością można obliczyć
π
sin korzystając z wielomianu interpolacyjnego Lagrange’a i znając
36 π π π
wartości sin 0, sin , sin , sin .
6 4 3
c 2007 D.Wilczak
(4)
Rozwiązanie: Wiemy, że sin (x) = sin(x). Stąd wnioskujemy, że
√
3 Strona tytułowa
M = sup sin(4)(x) =
x∈[0, π3 ] 2
Spis treści
Korzystając z oszacowania
M JJ II
|f (x) − W (x)| ≤ |(x − x0)(x − x1) · · · (x − xn)|
(n + 1)!
J I
π π π
dla n = 3, x0 = 0, x1 = 6,x2 = x3 = dostajemy
4, 3
π π √ Strona 197 z 288
3 π π π π π π π
sin −W ≤ −0 − − −
36 36 2 · 4! 36 36 6 36 4 36 3 Powrót
0.05
1 2 3 4 5 6 1 2 3 4 5 6 Pełny ekran
-0.05
-0.5 -0.1
Zamknij
-0.15
-1
Koniec
3.5
3 Strona tytułowa
2.5
Spis treści
2
1.5 JJ II
1
J I
0.5
Jeśli dane są węzły interpolacji x0, x1, . . . , xn, to wartość funkcji Powrót
następujący sposób
Zamknij
JJ II
jeżeli
• w każdym przedziale (xi−1, xi) dla i = 0, 1, . . . , n + 1 (przyjmujemy J I
czyli S ∈ C m−1.
Pełny ekran
całą oś rzeczywistą, np. F (x) = y0 dla x < x0 oraz F (x) = yn dla x > xn.
10.6. Interpolacja funkcjami sklejanymi stopnia 2.
Zgodnie z Definicją 24 od funkcji interpolującej stopnia 2 będziemy
oczekiwać, że jest wielomianem stopnia co najwyżej 2 na każdym przedziale
c 2007 D.Wilczak
2
ai + bixi + cixi = yi, dla i = 0, 1, . . . , n JJ II
ai + bixi−1 + cix2i−1 = yi−1, dla i = 1, . . . , n + 1
J I
bi + 2cixi = bi+1 + 2ci+1xi, dla i = 0, 1, . . . , n
Strona 201 z 288
Zamknij
Wniosek: Funkcja sklejana stopnia 2 nie jest wyznaczona jednoznacznie.
Można określić dodatkowe 3 warunki jakie powinna spełniać. Koniec
Przykład 39 Wyznacz funkcję sklejaną stopnia 2, która w punktach x0 =
0, x1 = 1, x2 = 2, x3 = 3 ma wartości 1, 9, 2, 0.
c 2007 D.Wilczak
Rozwiązanie: Musimy wyznaczyć 5 wielomianów na 5 przedziałach.
Szukamy współczynników (ai, bi, ci) dla i = 0, 1, . . . , 4, czyli Strona tytułowa
2 2
a0 + b0 0 + c 0 0 = 1
a1 + b10 + c10 = 1
b0 + 2c00 = b1 + 2c10 Spis treści
a + b 1 + c 12 = 9 a + b 1 + c 12 = 9 b + 2c 1 = b + 2c 1
1 1 1 2 2 2 1 1 2 2
JJ II
2 2
a 2 + b 2 2 + c 2 2 = 2
a 3 + b 3 2 + c 3 2 =2
b2 + 2c22 = b3 + 2c32
a + b 3 + c 32 = 0 a + b 3 + c 32 = 0 b + 2c 3 = b + 2c 3
J I
3 3 3 4 4 4 3 3 4 4
Mamy 15 zmiennych i tylko 12 równań. Narzucamy dodatkowe warunki: Strona 202 z 288
tego układu, to
Pełny ekran
a0 = 1, a1 = 1, a2 = 22, a3 = 18, a4 = 0
b0 = 26, b1 = 26, b2 = −16, b3 = −12, b4 = 0 Zamknij
c0 = 0, c1 = −18, c2 = 3, c3 = 2, c4 = 0 Koniec
Przykład 39 c.d. Ostatecznie funkcja interpolowana, to
1 + 26x, dla x < 0
c 2007 D.Wilczak
2
1 + 26x − 18x dla x ∈ [0, 1]
F (x) = 22 − 16x + 3x2 dla x ∈ [1, 2] Strona tytułowa
18 − 12x + 2x2 dla x ∈ [2, 3]
Spis treści
0 dla x > 3
JJ II
10
J I
5
Strona 203 z 288
1 2 3 Powrót
-5 Pełny ekran
Zamknij
-10
Koniec
10.7. Interpolacja funkcjami sklejanymi stopnia 3.
Jedną z częściej stosowanych metod interpolacji jest interpolacja Hermite’a
stopnia 3. Zgodnie z Definicją 24 funkcja interpolująca musi mieć ciągłe
drugie pochodne. Jeśli przez ai + bix + cix2 + dix3 oznaczymy wielomian
c 2007 D.Wilczak
2 3
a i + b i x i + c i x i + di x i = yi , dla i = 0, 1, . . . , n Spis treści
a + b x + c x2 + d x3 = y ,
dla i = 1, . . . , n + 1
i i i−1 i i−1 i i−1 i−1
JJ II
bi + 2cixi + 3dix2i = bi+1 + 2ci+1xi + 3di+1x2i , dla i = 0, 1, . . . , n
c + 3d x = c
i i i i+1 + 3di+1xi, dla i = 0, 1, . . . , n J I
niewiadomych (ai, bi, ci, di) dla i = 0, 1, . . . , n+1, natomiast liczba równań, Powrót
to 4(n + 1) = 4n + 4.
Pełny ekran
2 2
b0 + 2c00 + 3d00 = b1 + 2c10 + 3d10
c00 + 3d002 = c10 + 3d102
b + 2c 1 + 3d 12 = b + 2c 1 + 3d 12
c 1 + 3d 12 = c 1 + 3d 12
Powrót
1 1 1 2 2 2 1 1 2 2
b2 + 2c22 + 3d222 = b3 + 2c32 + 3d322
c22 + 3d222 = c32 + 3d322 Pełny ekran
b + 2c 3 + 3d 32 = b + 2c 3 + 3d 32
c 3 + 3d 32 = c 3 + 3d 32
3 3 3 4 4 4 3 3 4 4
Zamknij
c4 = d4 = 0.
Przykład 40 c.d.
Rozwiązanie otrzymanych układów równań to
c 2007 D.Wilczak
a0 = 1, b0 = 37
3, c0 = 0, d0 =0 Strona tytułowa
a1 = 1, b1 = 37
3, c1 = 0, d1 = − 133
a2 = −10, b2 = 136
3 , c2 = −33, d2 20
= 3 Spis treści
1 + 37
3 x, dla x < 0 Strona 206 z 288
37 13 3
1 + 3 x − 3 x , dla x ∈ [0, 1]
Powrót
Koniec
10.8. Porównanie metod interpolacji.
0, 1, 2, 3 przyjmuje wartości 1, 9, 2, 0.
10 Strona tytułowa
8
6 5
Spis treści
4
2 1 2 3
JJ II
1 2 3 -5
-2
-10 J I
-4
8 8
6 6 Powrót
4 4
Pełny ekran
2 2
Zamknij
0.5 1 1.5 2 2.5 3
0.5 1 1.5 2 2.5 3
Koniec
Spis treści
5
JJ II
J I
1 2 3
Strona 208 z 288
-5 Powrót
Pełny ekran
-10
Zamknij
Koniec
Hermite’a, kwadratowa, kawałkami liniowa, Lagrange’a
11. Metody aproksymacji.
Zadanie interpolacji 10 polega na wyznaczeniu funkcji F : [a, b] → R, której
wartości na pewnym skończonym zbiorze argumentów są z góry zadane.
c 2007 D.Wilczak
Takie podejście jest często niedogodne, gdyż zbiór narzuconych wartości Strona tytułowa
J I
2.5
1
wielomian intepolacyjny Lagrange’a
aproksymacja średniokwadratowa Pełny ekran
0.5
Zamknij
wielomianów trygonometrycznych.
11.2. Aproksymacja średniokwadratowa.
Załóżmy, że mamy dane funkcje bazowe (liniowo niezależne) φ0, φ1, . . . , φm.
W przypadku bazy wielomianowej mogą to być 1, x, x2, . . . , xm.
c 2007 D.Wilczak
J I
S(x) = a0φ0 + a1φ1 + · · · + amφm
Strona 211 z 288
n
X
M (a) = (S(xi) − yi)2 (33) Pełny ekran
i=0
Zamknij
gdzie a = (a0, a1, . . . , am). Dodatkowo żądamy, aby istniało dokładnie
jedno rozwiązanie tego zadania. Koniec
Aproksymacja średniokwadratowa, c.d.
Zadanie aproksymacji polega na znalezieniu takich współczynników
a0, a1, . . . , am ∈ R, aby wyrażenie (33) było jak najmniejsze. Funkcja M
c 2007 D.Wilczak
jest funkcją zależną od m zmiennych. Jej minimum zostanie osiągnięte w
punkcie, w którym pochodne cząstkowe są równe zero, czyli Strona tytułowa
n
∂M X Spis treści
g00 · · · g0m a0 ρ0 Pełny ekran
.. . . . .. · .. = ...
. . . (34)
gm0 · · · gmm am ρm Zamknij
Pn Pn
gdzie gik = j=0 φi(xj )φk (xj ) oraz ρi = j=0 φi(xj )yj . Koniec
Przykład 41 Wyznacz funkcję liniową aproksymującą punkty (1, 1),
(2, 2.5), (3, 3.5), (4, 4)
5 J I
3
Powrót
2
Pełny ekran
1
Zamknij
1 2 3 4 5 Koniec
Przykład 42 Wyznacz parabolę aproksymującą punkty (1, 1), (2, 2.5),
(3, 3.5), (4, 4).
g00, g01, g10, g11 oraz ρ0, ρ1 są takie same jak w przykładzie 41. Wyznaczamy
Strona tytułowa
g02 = 12 + 22 + 32 + 42 = 30 = g20
Spis treści
3
4a0 + 10a1 + 30a2 = 11 Powrót
2
10a0 + 30a1 + 100a2 = 32.5
Pełny ekran
30a0 + 100a1 + 354a2 = 106.5
1
Zamknij
1 2 3 4 5
którego rozwiązaniem jest
-1
Koniec
punkty, natomiast użyty wielomian jest niskiego stopnia (powinien być Strona tytułowa
niskiego stopnia!)
• jeśli użyjemy wielomianu stopnia o jeden mniejszego jak liczba Spis treści
5
Strona 216 z 288
aproksymacja liniowa
4
aproksymacja kwadratowa Powrót
3 aproksymacja sześcienna
aproksymacja Pełny ekran
2
wielomianem
Zamknij
1
czwartego stopnia
interpolacja Lagrange’a Koniec
2 4 6 8 10
11.3. Aproksymacja funkcjami trygonometrycznymi.
Wzory (34) definiują aproksymację średniokwadratową dla dowolnego
wyboru funkcji bazowych. Jeżeli odległość pomiędzy węzłami aproksymacji
jest zawsze taka sama oraz aproksymowana funkcja jest okresowa, to można
c 2007 D.Wilczak
układu (34) jest diagonalna i układ ten można bardzo szybko rozwiązać.
Spis treści
iπ
xi = , dla i = 0, 1, . . . , 2L − 1
L Powrót
K
a0 X
f (x) ≈ + (ai cos(ix) + bi sin(ix)) Zamknij
2 i=1
Koniec
Strona tytułowa
2L−1 0
dla m 6= k
X
• cos mxi · cos kxi = L dla m = k 6= 0 Spis treści
i=0 2L dla m = k = 0
JJ II
2L−1
X
• sin mxi · cos kxi = 0 dla m, k – dowolnych J I
i=0
Strona 218 z 288
Podstawiając te własności do układu (34) otrzymujemy następujące wzory
na współczynniki Powrót
2L−1 2L−1
1 X 1 X πij Pełny ekran
aj = yi cos(jxi) = yi cos , dla j = 0, 1, . . . , K (35)
L i=0 L i=0 L
Zamknij
2L−1 2L−1
1 X 1 X πij
bj = yi sin(jxi) = yi sin , dla j = 1, 2, . . . , K Koniec
L i=0 L i=0 L
Przykład 43 Wyznacz aproksymację trygonometryczną dla punktów
(0, 3), ( π3 , 2), ( 2π
3 , 3), (π, 1), ( 4π
3 , 1), ( 5π
3 , 2).
2L−1 5
1 X 1X 12
a0 = yi cos(0xi) = yi · 1 = =4 Spis treści
L i=0 3 i=0 3
1 π 2π 4π 5π 2 JJ II
a1 = 3 cos 0 + 2 cos + 3 cos + cos π + cos + 2 cos =
3 3 3 3 3 3 J I
1 2π 4π 8π 10π
a2 = 3 cos 0 + 2 cos + 3 cos + cos 2π + cos + 2 cos
3 3 3 3 3 Strona 219 z 288
= 0 √
1 π 2π 4π 5π 3 Powrót
2.5
Strona tytułowa
2
1 2 3 4 5 6 JJ II
0.5
J I
Zobacz notebook Mathematica z przykładem aproksymacji
Strona 220 z 288
trygonometrycznej dla większej liczby punktów, np.
1
Powrót
0.8
Pełny ekran
0.6
0.4
Zamknij
0.2
Koniec
1 2 3 4 5 6
11.4. Aproksymacja na dowolnym przedziale.
trygonometrycznej na przedziale [0, 2π]. Przez łatwe przeskalowanie można Strona tytułowa
punktów ( iπ
L , yi ), dla i = 0, 1, . . . , 2L − 1. Funkcja aproksymująca na
Powrót
przedziale [a, b] jest dana wzorem
Pełny ekran
K
a0 X 2πi(x − a) 2πi(x − a)
f (x) = + ai cos + bi sin
2 i=1
(b − a) (b − a) Zamknij
Koniec
11.5. Aproksymacja wielomianowa i trygonometryczna.
2
aproksymacja trygonometryczna Powrót
aproksymacja wielomianowa
1 dla przykładowych 10 punktów. Pełny ekran
Zamknij
1 2 3 4 5 6 Zobacz notebook Mathematica
z przykładem. Koniec
-1
11.6. Krzywe Béziera.*
* rozdział nadobowiązkowy
Prace nad krzywymi rozpoczęto na początku lat 60-tych XX w. Początkowo Spis treści
Pełny ekran
Zamknij
Koniec
Wielomianowe krzywe Béziera
Wielomianowa krzywa Béziera to krzywa zadana parametrycznie przez dwa
wielomiany. Zwykle zapisuje się je w bazie wielomianów Bernsteina.
c 2007 D.Wilczak
Koniec
Przykład 44 Ustalmy punkty p0 = (0, 0), p1 = (1, 2), p2 = (2, 2), p3 =
(3, 0).
Wielomianowa krzywa Béziera dla tych punktów to
c 2007 D.Wilczak
3 3
p(t) = (0, 0) (1 − t)3 + (1, 2) t(1 − t)2
0 1 Strona tytułowa
3 2 3 3
+ (2, 2) t (1 − t) + (3, 0) t
2 3 Spis treści
= (3, 6)t(1 − t)2 + (6, 6)t2(1 − t) + (3, 0)t3 = (3t, −6t(t − 1))
JJ II
2
Strona 225 z 288
1.5
Powrót
1
Pełny ekran
0.5
Zamknij
Koniec
Zamknij
Koniec
c 2007 D.Wilczak
Krzywe B-sklejane.
Strona tytułowa
wielomianowych, z których składa się cała krzywa B-sklejana to m−2n. Pełny ekran
Zamknij
Koniec
Wyznaczanie krzywych B-sklejanych.
1 t ∈ [ui, ui+1)
Ni0(t) = JJ II
0 w przeciwnym razie
t − ui ui+k+1 − t
Nik (t) = Nik−1(t) + k−1
Ni+1 (t), dla k > 0 J I
ui+k − ui ui+k+1 − ui+1
Strona 228 z 288
Funkcja B-sklejana dla punktów p0, . . . , pn i węzłów w0, . . . , wm jest
określona wzorem Powrót
n
X
piNim−n−1(t),
Pełny ekran
p(t) = dla t ∈ [un, um−n)
i=0
Zamknij
Strona tytułowa
0.8
0.6
Spis treści
0.4 P
JJ II
0.2
Z b
P = f (x)dx Powrót
a
Pełny ekran
Przedstawiony na rysunku przykład można łatwo policzyć analitycznie, gdyż
funkcja podcałkowa f jest wielomianem. Policzenie pola jest na ogół Zamknij
przybliżonej wartości P
12.1. Całki - definicje i własności.
Jeśli funkcja ciągła f : [a, b] → R przyjmuje wartości zarówno dodatnie jak
i ujemne, to całkę oznaczoną definiuje się jako
Z b Z b Z b
c 2007 D.Wilczak
gdzie
Spis treści
f+(x) := max{0, f (x)}, f−(x) := min{0, f (x)}
JJ II
W powyższej definicji zakładamy dodatkowo, że chociaż jedna z całek
Rb Rb
f (x)dx, a −f− (x)dx, jest skończona.
J I
a +
2
1 2 3 4
Powrót
-2
-4
P- Pełny ekran
-6
Zamknij
-8
Z b
Koniec
W podanym przykładzie f (x)dx = P+ − P−.
a
Twierdzenie 20 Podstawowe twierdzenie rachunku całkowego.
Z x
Jeżeli f : [a, b] → R jest funkcją ciągłą, to funkcja F (x) = f (τ )dτ jest
a
0
różniczkowalna oraz F (x) = f (x). W szczególności, jeżeli G jest dowolną
c 2007 D.Wilczak
funkcją pierwotną dla funkcji f (czyli G0 = f ), to
Z b Strona tytułowa
JJ II
Przykład 45 Wyznacz pole pod wykresem y = sin(x) na przedziale [0, π].
Rozwiązanie: J I
Zauważmy, że (− cos x)0 = sin x. Czyli − cos x jest funkcją pierwotną dla
Strona 231 z 288
sin x. Dlatego
Z π Powrót
1
0.8 Zamknij
0.6
0.4 P= 2
0.2 Koniec
z = x2 + 1, dz = 2xdx
Strona tytułowa
Z 3 3
xdx 1 2 1 1 Strona 232 z 288
2
= ln(x + 1) = (ln(10) − ln(1)) = ln(10)
0 x +1 2 0 2 2
Powrót
0.5
0.3
0.2
P=lnH10L2 Zamknij
0.1
Koniec
Zamknij
Oznaczmy Powrót
Z b
Ak = Φk (x)dx, dla k = 0, 1, . . . , N. (37) Pełny ekran
a
Zgodnie z definicją (29) wielomiany Φk zależą tylko od węzłów interpolacji, Zamknij
(0 − 1)(0 − 2)(0 − 3) 6 6
(x − 0)(x − 2)(x − 3) x3 5x2 Spis treści
Φ1(x) = = − + 3x
(1 − 0)(1 − 2)(1 − 3) 2 2
JJ II
(x − 0)(x − 1)(x − 3) x3 3x
Φ2(x) = = − + 2x2 −
(2 − 0)(2 − 1)(2 − 3) 2 2 J I
(x − 0)(x − 1)(x − 2) x3 x2 x
Φ3(x) = = − +
(3 − 0)(3 − 1)(3 − 2) 6 2 3 Strona 235 z 288
Z 3 Z 3
3 9 Pełny ekran
A0 = Φ0(x)dx = , A1 = Φ1(x)dx =
8 8
Z0 3 Z0 3
9 3 Zamknij
A2 = Φ2(x)dx = , A3 = Φ3(x)dx =
0 8 0 8 Koniec
Z 3
xdx
Przykład 48 Policz przybliżoną wartość całki funkcji 2+1
stosując
c 2007 D.Wilczak
0 x
kwadraturę dla węzłów 0, 1, 2, 3 o współczynnikach 83 , 98 , 98 , 38 . Strona tytułowa
9
Czyli S(f ) = 8 = 1.125. Strona 236 z 288
Z 3
xdx 1 Pełny ekran
2+1
= ln(10) ≈ 1.15129
0 x 2
Zamknij
Koniec
Rπ
Przykład 49 Policz 0 sin xdx korzystając z przybliżenia funkcji
podcałkowej wielomianem interpolacyjnym Lagrange’a dla węzłów
0, π/3, 2π/3, π.
Rozwiązanie: Wyznaczymy najpierw wielomian interpolacyjny Lagrange’a
c 2007 D.Wilczak
Z π √
3 3π Zamknij
W (x)dx = ≈ 2.040524284763495
0 8
Koniec
Rπ
Dokładna wartość całki 0 sin xdx = 2
Błąd kwadratury opartej na interpolacji Lagrange’a.
Przypuśćmy, że wielomian interpolacyjny W : [a, b] → R dla węzłów a =
x0 < . . . < xN = b przybliża funkcję f : [a, b] → R na całym przedziale z
dokładnością do ε > 0, czyli
c 2007 D.Wilczak
Spis treści
Wtedy różnica pomiędzy całką z funkcji f oraz całką z wielomianu spełnia
Z b Z b JJ II
f (x)dx − W (x)dx ≤ (b − a)ε
a a J I
pochodnych, to
Powrót
M
|f (x) − W (x)| ≤ |(x − x0)(x − x1) · · · (x − xN )|
(N + 1)! Pełny ekran
Z b
f (x) − W (x)dx ≤ M · K(b − a) , K = sup |(x−x0) · · · (x−xN )|
Koniec
a
(N + 1)! x∈[a,b]
Błąd kwadratury opartej na interpolacji Lagrange’a, c.d.
• Błąd kwadratury może być trudny do policzenia, jeśli ilość węzłów jest
duża - konieczne jest oszacowanie stałej M , czyli największej co do
c 2007 D.Wilczak
moduły wartości N + 1-szej pochodnej funkcji podcałkowej.
Strona tytułowa
• Jeśli K1 jest stałą dla równo odległych węzłów
Spis treści
K2 h2
=
K1 h1 Pełny ekran
Rozwiązanie:
c 2007 D.Wilczak
Wyznaczamy największą wartość modułu wielomianu
Strona tytułowa
π4 Koniec
Stąd, szukana stała, to K =
81
Przykład 51 Podaj górne oszacowanie na błąd kwadratury, dla węzłów
0, π/3, 2π/3, π i funkcji f (x) = sin(x).
Rozwiązanie:
c 2007 D.Wilczak
π4 JJ II
Stałą K = 81 wyznaczyliśmy w Przykładzie 50.
Stała M to największa wartość 4-tej pochodnej funkcji f na przedziale J I
Zamknij
Ak = Φk (x)dx = dt
a N k!(N − k)! 0 (t − k) Spis treści
J I
2
1.5
Strona 242 z 288
Powrót
0.5
1 2
Na rysunku powyżej przedstawiono wykres funkcji f (x) = sin(x)e 4 x na Zamknij
2
J I
1.5
Strona 243 z 288
Powrót
0.5
Pełny ekran
1 2 3 4
X N
Ćwiczenie: wyznacz współczynniki Ak we wzorze S(f ) = Ak f (xk ). Koniec
k=0
12.4. Wzór Simpsona (parabol).
Z 2
(b − a) (−1)N −0 (b − a) 2 (b − a)
A0 = (t − 1)(t − 2)dt = · = Powrót
2 0!(N − 0)! 0 4 3 6
2
(b − a) (−1)N −1
−(b − a) 2(b − a)
Z
4 Pełny ekran
A1 = t(t − 2)dt = · − =
2 1!(N − 1)! 0 2 3 3
2
(b − a) (−1)N −2
Zamknij
(b − a) 2 (b − a)
Z
A2 = t(t − 1)dt = · =
2 2!(N − 2)! 0 4 3 6 Koniec
Wzór Simpsona 12.4, c.d.
Ostatecznie wzór Simpsona (zwany również wzorem parabol) na
przedziale [a, b] to
c 2007 D.Wilczak
(b − a) 1
S(f ) = f (a) + 4f (a + b) + f (b)
6 2 Strona tytułowa
Spis treści
Z π/2
Przykład 52 Wyznacz przybliżoną wartość sin(x)dx stosując wzór
0 JJ II
Simpsona.
J I
Rozwiązanie: Zgodnie z podanym wzorem obliczamy
π √
Strona 245 z 288
(π/2 − 0) π π
S(f ) = sin 0 + 4 sin + sin = 2 2+1
6 4 2 12 Powrót
Z π/2
Wartość dokładna całki, to sin(x)dx = 1 Koniec
0
Interpretacja geometryczna wzoru Simpsona
2 2
c 2007 D.Wilczak
1.5 1.5
Strona tytułowa
1 1
Spis treści
0.5 0.5
JJ II
Koniec
Błąd kwadratury dla interpolacji liniowej (na podstawie [5]).
c 2007 D.Wilczak
Stosując uogólnione tw. o wartości średniej dla całek 26 otrzymujemy Strona 247 z 288
Z b Z b
1 Powrót
Koniec
Przykład 53 Wyznacz oszacowanie błędu metody trapezów dla funkcji
f (x) = sin(x) oraz węzłów 0, π/4, π/2
1 π 3
00 1 π π 3 00
E(f ) = − 0 sin (ξ1) + − sin (ξ2)
12 4 12 2 4 Spis treści
√ !
1 π
3 2 J I
|E(f )| ≤ + 1 ≈ 0.0689206
12 4 2
Strona 248 z 288
π √ 1 √
S(f ) = 0+ 2+1 = 1 + 2 π ≈ 0.948059
8 8 Pełny ekran
Strona tytułowa
Spis treści
5
1 b−a J I
E(f ) = − f (4)(ξ1)
90 2
Strona 249 z 288
Powrót
Pełny ekran
Zamknij
Koniec
Przykład 54 Wyznacz oszacowanie błędu metody Simpsona dla funkcji
f (x) = sin(x) na przedziale [0, π/2]
c 2007 D.Wilczak
1 π/2 − 0
E(f ) = − sin(4)(ξ1)
90 2 Spis treści
1 π 5
|E(f )| ≤ ≈ 0.00332053 J I
90 4
Strona 250 z 288
Wartość całki policzona za pomocą metody Simpsona, to
π √ Powrót
S(f ) = 0 + 2 2 + 1 ≈ 1.00228
12
Pełny ekran
a popełniony błąd
Zamknij
JJ II
N σi r błąd nazwa
1
1 11 2 h3 f (2)(ξ) wzór trapezów J I
12
1
2 141 6 h5 f (4)(ξ) wzór Simpsona Strona 251 z 288
90
3
h5 f (4)(ξ) wzór “trzech ósmych”
Powrót
3 1331 8
80
8 (6)
90 h7
Pełny ekran
4 7 32 12 32 7 f (ξ) wzór Milne’a
945
275 (6) Zamknij
5 19 75 50 50 75 19 288 h7 f (ξ) brak nazwy
12096
9 (8) Koniec
6 41 216 27 272 27 216 41 840 h9 f (ξ) wzór Weddle’a
1400
12.5. Rząd kwadratury.
Definicja 28
Mówimy, że kwadratura jest rzędu r, jeżeli
c 2007 D.Wilczak
JJ II
• istnieje wielomian stopnia dokładnie r, dla którego kwadratura nie jest
zgodna. J I
Twierdzenie 21
Spis treści
Dla N + 1 węzłów istnieje dokładnie jedna kwadratura rzędu 2(N + 1).
Nazywana jest kwadraturą Gaussa-Legendre’a. JJ II
J I
Dla przedziału [−1, 1] węzłami tej kwadratury są miejsca zerowe
ortogonalnych wielomianów Legendre’a zdefiniowanych następująco Strona 253 z 288
1 2 n (n)
Pn(x) = n (x − 1) Powrót
2 n!
Pełny ekran
Współczynniki tej kwadratury wyrażają się następująco
2 Zamknij
Ak = −
(N + 2)PN +2(xk )PN0 +1(xk )
Koniec
1 00 1
(x2 − 1)2 = 3x2 − 1
P2(x) =
222! 2 Strona tytułowa
1 000 1
(x2 − 1)3 = x 5x2 − 3
P3(x) =
233! 2 Spis treści
1 2 4 0000
1 4 2
P4(x) = (x − 1) = 35x − 30x + 3 JJ II
244! 8
Zgodnie z podaną procedurą, węzły dla ustalonego N to pierwiastki J I
wielomianuq
PN +1. Stąd np. dla N = 2 węzłami będą miejsca zerowe P3, Strona 254 z 288
n o
3
czyli 0, ± 5 . Wartości współczynników, to
Powrót
2
Ak = − 0 (x ) Pełny ekran
(2 + 2)P2+2(xk )P2+1 k
czyli Zamknij
5 8 Koniec
A0 = A2 = , A1 =
9 9
Początkowe wartości węzłów i współczynników
dla kwadratur Gaussa-Legendre’a
c 2007 D.Wilczak
N węzły
n o współczynniki Ak
1
1 ± √3 {1} Strona tytułowa
n q o 8 5
2 0, ± 35 ,
q √6 q √6 9 9 Spis treści
2 2
3 ± 37 + 7 5 , ± 37 − 7 5 49
√
6(18+ 30)
, 49√
108−6 30 JJ II
r q r q n o
4 0, ± 31 5 + 2 107 , ± 31 5 − 2 107 128
, 5103 √
, 5103 √
225 16100+650 70 16100−650 70 J I
1 {±0.57735} {1}
Pełny ekran
gdzie
Strona 256 z 288
a+b b−a
t = + x
2 2
Powrót
a+b b−a
g(x) = f (t) = f + x Pełny ekran
2 2
Zamknij
Koniec
R π/2
Przykład 55 Wyznacz całkę 0 sin xdx stosując kwadraturę Gaussa-
Legendre’dla trzech węzłów.
Rozwiązanie:
c 2007 D.Wilczak
n q q o
Węzłami kwadratury Gaussa-Legendre’a są − 35 , 0, 35 . Po
Strona tytułowa
π 1
Z
sin tdt = g(x)dx
0 4 −1 JJ II
r ! r !!
π 3 3 Strona 257 z 288
S(g) = 5g − + 8g (0) + 5g
36 5 5
5 √ 8 5 √ Powrót
≈ 1.0000081215554981
Zamknij
wykonywanych działań. JJ II
J I
Są jednak sytuacje, gdzie
• najlepsza znana złożoność jest bardzo zła i wykonanie algorytmu jest Powrót
Zamknij
Koniec
c 2007 D.Wilczak
Zamknij
Koniec
Prawo wielkich liczb - ilustracja.
Przykład 56 Rozważmy powtarzane zdarzenia losowe
c 2007 D.Wilczak
• zdarzenie - rzut dwoma kostkami do gry, przestrzeń probabilistyczna to
zbiór uporządkowanych par oczek, ilość możliwości to 36 Strona tytułowa
wartości z zakresu 0, 1, 2, 3, 4, 5. JJ II
5
X 6 10 8 6 4 2 35
EX = iP (X = i) = 0· +1· +2· +3· +4· +5· = Powrót
i=0
36 36 36 36 36 36 18
Pełny ekran
następująco
Spis treści
nw
• przybliżona wartość całki, to S(f ) = M (b − a), gdzie nw to liczba Strona 261 z 288
n
wylosowanych punktów, które znalazły się pod wykresem funkcji Powrót
Pełny ekran
Koniec
Zastosowanie metod typu Monte Carlo do liczenia całek, cd.
Przedstawiona powyżej metoda ma kilka wad
JJ II
Możemy zastosować następujące podejście
J I
• przy pomocy prób losowych ustalamy średnią wartość funkcji na
przedziale [a, b] Strona 262 z 288
Z b n
b−aX
f (x)dx ≈ f (xlosowe) Zamknij
a n 1
Koniec
1
Strona tytułowa
JJ II
0
-1 J I
0
2
Powrót
• szukana całka, to
Pełny ekran
N 0
|S| X
Z
f (x)dx1dx2 . . . dxn ≈ f (pi) Zamknij
S N 0 i=1
Koniec
Jeśli |S| jest trudne do policzenia, to możemy przyjąć |S| ≈ |D| · N0/N .
Z
Przykład 57 Policz całkę x2 + y 2 + 1dxdy, gdzie S jest pełną elipsą
S
2 2 2
S = {x, y ∈ R : x + 4y ≤ 1}
0.5
-1
0.25 -0.5
0 0
Rozwiązanie: Obszar S jest zawarty w -0.25
-0.5
0.5
1
c 2007 D.Wilczak
2
kwadracie D = [−1, 1] × [−1, 1]. Pole elipsy i
Strona tytułowa
kwadratu to |S| = 21 π ≈ 1.5707963267948966, 1.5
|D| = 4. 1
Spis treści
0.5
W tabeli poniżej przedstawiono wyniki dla
0
różnych ilości prób losowych JJ II
0 N 0 N 0 N J I
|D|N0 1 X |D|N0 1 X π 1 X
N N0 f (pi) f (pi) f (pi)
N N0 i=1 N N0 i=1 2 N0 i=1 Strona 265 z 288
Koniec
Przypuśćmy, że ustaliliśmy początkową wysokość obiektu na s0, a
początkową prędkość na v0. Wówczas zagadnienie początkowe dla równania
c 2007 D.Wilczak
x00 = a
x(0) = s0 (40) Spis treści
0
x (0) = v0
JJ II
Rozwiązaniem takiego zagadnienia początkowego jest funkcja
J I
Koniec
Przykład 59 Ruch ciężarka zaczepionego na sprężynie.
Zgodnie z drugą zasadą dynamiki, siła działająca na ciało to
F = ma = mx00
c 2007 D.Wilczak
Przypuśćmy, że siła nie jest stała (np. umocujemy ciężarek na końcu Strona tytułowa
sprężyny nie jest duże, to siła sprężystości działająca na ciało jest równa
JJ II
P = −kx,
J I
F = mg − kx − lx0.
Pełny ekran
−1
x̃(t) = e 4 t (c1 cos(2t) + c2 sin(2t)) Strona 269 z 288
13
Przykład 60, c.d.
Jeśli uwzględnimy dodatkowo warunki początkowe, czyli x(0) = 0, x0(0) =
0, to rozwiązanie (41) spełnia
32 32 −32
c 2007 D.Wilczak
0 = x0(0) = − c1 + 2c2, =⇒ c2 = c1 =
4 8 13 Spis treści
Powrót
Pełny ekran
Zamknij
Koniec
t
2 4 6 8 10 12 14
Definicja 29
F = ma
c 2007 D.Wilczak
Porównując otrzymujemy
Spis treści
a = −g sin θ (42)
JJ II
v = =l
dt dt Powrót
2
ds d2θ
a = =l 2
dt2 dt Pełny ekran
d2θ g
+ sin θ = 0 Koniec
dt2 l
Przykład 62
Równania Voltery-Lotki opisują idealny matematyczny model, w którym
w zamkniętym środowisku w czasie s > 0 żyje x(s) ofiar i y(s) drapieżników.
Równania opisujące liczność każdej z populacji w czasie, to
c 2007 D.Wilczak
0
x (t) = x(s)(a − b · y(s))
(43) Strona tytułowa
J I
6
3
- dynamika równań Voltery-Lotki.
Pełny ekran
2
Zamknij
1
Koniec
xHtL
1 2 3 4 5 6
13.1. Metoda Eulera
Metoda Eulera, to najprostsza metoda numerycznego rozwiązywania
równań różniczkowych. Opiera się ona na rozwinięciu w szereg Taylora
rozwiązania równania różniczkowego do pierwszego rzędu.
c 2007 D.Wilczak
4.5 J I
4.25
Strona 274 z 288
4
Powrót
yHtL
3.75
Pełny ekran
3.5
3.25 Zamknij
3
2 2.5 3 3.5 4 Koniec
xHtL
Wejście metody Eulera:
J I
x(t1), x(t2), . . . , x(tn)
Strona 275 z 288
Powrót
2
0.5
Koniec
0.5 1 1.5 2
xHtL
Metoda Eulera dla różnych kroków czasowych.
W przedstawionej metodzie Eulera ustaliliśmy krok czasowy na h = 0.1.
c 2007 D.Wilczak
Przybliżone rozwiązanie istotnie zależy od tego parametru.
Strona tytułowa
2.5
2.25
Spis treści
2
2
JJ II
1.75
1.5
1.5 J I
yHtL
yHtL 1.25
Strona 277 z 288
1 1
0.75
Powrót
0.5 0.5
Pełny ekran
0.5 1 1.5 2 0.5 0.75 1 1.25 1.5 1.75 2
xHtL xHtL
Zamknij
h = 0.1 h = 0.05
Koniec
Oszacowanie błędu w metodzie Eulera.
Założenia i oznaczenia:
• krok czasowy jest stały i równy h = tn+1 − tn, n > 0. Spis treści
εn = Xn − xn Koniec
Oszacowanie błędu w metodzie Eulera, cd.
Z Twierdzenia Taylora 23 wnioskujemy, że
c 2007 D.Wilczak
gdzie
1 Zamknij
T = h2 max |x00(t)|
2 t∈(tn,tn+1)
Koniec
13.2. Metoda Rungego-Kutty czwartego rzędu.
Opis: Jeśli mamy już skonstruowany punkt xk oraz jest ustalony krok Spis treści
h Koniec
xk+1 = xk + (k1 + 2k2 + 2k3 + k4)
6
Inne metody typu Rungego-Kutty
Ogólnie, metody Rungego-Kutty są określone wzorem
s
X
xn+1 = xn + w i Ki , gdzie
c 2007 D.Wilczak
i=1
K1 = hf (xn) Strona tytułowa
i
X
Ki = hf xn + bij Kj , i>1 Spis treści
j=1
JJ II
oraz wi, ai, bij są pewnymi stałymi. Najczęściej stosowanymi są wzór Gilla
J I
oraz wzór Ralstona - zainteresowanych odsyłam do [5, str.311].
Inne metody: Strona 281 z 288
00
X qj − qi Strona tytułowa
miqi (t) = mi mj 3,
j6=i
kqj − qik Spis treści
(planet). Powrót
Pełny ekran
Koniec
14. Dodatki.
Twierdzenie 22 Własność Darboux [4]
30
-4 -3 -2 -1 1 2 JJ II
-50
J I
-100
Strona 283 z 288
-150
-168
Powrót
-200
Pełny ekran
J I
4
Strona 284 z 288
2
Kolejne przybliżenia funkcji
Powrót
x3 x5 x7
1 2 3 4 5 6 sin x = x − + − + ··· Pełny ekran
3! 5! 7!
-2 Zamknij
Zobacz notebook Mathematica
-4 Koniec
Twierdzenie 24 Lagrange’a [4].
Spis treści
JJ II
f(a)
J I
f(b) Powrót
a c b
Pełny ekran
Jeżeli
lim an = lim cn = g ∈ R ∪ {∞, −∞}
n→∞ n→∞
c 2007 D.Wilczak
oraz istnieje N ∈ N takie, że dla n > N zachodzi
Strona tytułowa
an ≤ bn ≤ cn
Spis treści
to ciąg bn ma granicę równą g, limn→∞ bn = g.
JJ II
4
3 J I
2
Strona 286 z 288
Powrót
2 4 6 8 10 12 14 16 18 20
-1 Pełny ekran
-2
Zamknij
Strona tytułowa
taki, że Z b Z b J I
Powrót
Pełny ekran
Zamknij
Koniec
Literatura
[1] CAPD – Computer Assisted Proofs in Dynamics group, http://capd.wsb-nlu.edu.pl.
[2] P.D. Crout, A short method for evaluating determinants and solving systems of linear equations with real and
complex coefficients, Trans. AIEE 60, (1941), str. 1235-1240.
[3] The IEEE Standard for Binary Floating-Point Arithmetics, ANSI-IEEE Std 754, (1985).
c 2007 D.Wilczak
[5] Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, Warszawa, WNT 1998. Strona tytułowa
[6] Janina i Michał Jankowscy, Przegląd metod i algorytmów numerycznych, Część I, Warszawa, WNT 1981.
[7] R.E. Moore, Interval analysis, Prentice-Hall Inc., Englewood Cliffs, N.J. 1966. Spis treści
[10] J.H. Wilkinson, Błędy obliczeń w procesach algebraicznych, Warszawa, PWN 1967.
J I
Powrót
Pełny ekran
Zamknij
Koniec