Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf ·...
Transcript of Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf ·...
![Page 1: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/1.jpg)
dr hab. Piotr Fronczak
Metody numeryczne
Wykład nr 2
![Page 2: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/2.jpg)
Przybliżone rozwiązywanie równań nieliniowych
Jedno równanie z jedną niewiadomą
Szukamy pierwiastków rzeczywistych równania f(x) = 0.
f(x) zwykle jest funkcją nieliniową, zatem korzystamy z metod iteracyjnych
(poprawianie kolejnych przybliżeń pierwiastków)
![Page 3: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/3.jpg)
Wykładnik zbieżności
• Określa szybkość zbieżności metod iteracyjnych
• Metoda jest rzędu p, jeżeli istnieje stała c taka, że dla dwóch kolejnych
przybliżeń xk i xk+1 zachodzi
gdzie k = xk+1 - xk .
cp
k
k
k
1
lim
liniowa z C = 10-1
liniowa z C = 10-2
superliniowa
kwadratowa
Przypadki specjalne
p=1 (metoda liniowa),
p>1 & p<2 (metoda superliniowa)
p=2 (metoda kwadratowa),
p=3 (metoda kubiczna)
![Page 4: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/4.jpg)
Kroki podstawowe
1. Przeanalizuj problem pod kątem
złożoności badanej funkcji
dokładności rozwiązań
szybkości obliczeń
3. Oceń problemy (np. rozbieżność funkcji)
4. Wybierz rozwiązanie początkowe
2. Jeśli to możliwe, narysuj funkcję
f(x) = cos(x) - x
![Page 5: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/5.jpg)
Metoda bisekcji (połowienia)
Wybieramy przedział domknięty a, b, wewnątrz którego znajduje się
pierwiastek i na którego końcach wartości funkcji f(x) mają przeciwne znaki
0)()( bfaf
UWAGA!
![Page 6: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/6.jpg)
1. Wybieramy przedział a, b , tak by f(a) f(b)<0
Metoda bisekcji (połowienia)
20
abax
2. Dzielimy przedział na połowy:
3. Mamy trzy przypadki:
),(
)()(
),(
)()(
,0)(
0
0
0
0
0
xaprzedzialewjest
kpierwiastezatembfcoznaksamtenmaxf
bxprzedzialewjest
kpierwiastezatemafcoznaksamtenmaxf
kpierwiasteznalezionoxf
4. Wybieramy przedział zawierający pierwiastek jako nowy przedział a; b i wracamy do kroku 2.
![Page 7: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/7.jpg)
Metoda bisekcji: przykład
-10
-5
0
5
10
0 0.5 1 1.5 2 2.5 3 3.5 4
x
f(x
)
![Page 8: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/8.jpg)
Metoda bisekcji (połowienia): uwagi
• Metoda zawsze zbieżna, jeśli tylko dobrze wybrano przedział początkowy.
• Metoda zawiedzie, gdy f(x) styczne z osią x dla f(x)=0.
• Wolna zbieżność p=1 (metoda liniowa)
• Po k iteracjach rozmiar przedziału zmalał do:
k
ab
200
0
• Zatem liczba iteracji konieczna do uzyskania tolerancji błędu 0:
0
002log
abk
![Page 9: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/9.jpg)
Metoda Regula Falsi
• Opisana w hinduskim tekście Vaishali Ganit (III w. p.n.e.)
• Dziewięć rozdziałów sztuki matematycznej (九章算術) (200 p.n.e. – 100 n.e.) wykorzystuje algorytm do rozwiązywania równań liniowych
• regula – linia, falsus - fałszywy
![Page 10: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/10.jpg)
1. Wybierz przedział a, b, tak by f(a) f(b)<0
2. Przybliżenie pierwiastka: punkt, w którym prosta łącząca punkty a i b
przecina oś x.
3. Mamy trzy przypadki:
),(
)()(
),(
)()(
,0)(
app
app
app
app
app
xaprzedzialewjest
kpierwiastezatembfcoznaksamtenmaxf
bxprzedzialewjest
kpierwiastezatemafcoznaksamtenmaxf
kpierwiasteznalezionoxf
4. Wybierz przedział zawierający pierwiastek jako nowy przedział a, b
i wróć do kroku 2.
Metoda Regula Falsi
)()()()(
bfbxab
afbfy
równanie prostej:
Stąd, gdy y=0, mamy: )()(
)()(
afbf
abfbafxapp
![Page 11: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/11.jpg)
-10
-5
0
5
10
0 0.5 1 1.5 2 2.5 3 3.5 4
x
f(x)
Metoda Regula Falsi: przykład
![Page 12: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/12.jpg)
Metoda Regula Falsi: uwagi
• Metoda zawsze zbieżna, jeśli tylko dobrze wybrano przedział początkowy.
• Metoda zawiedzie, gdy f(x) styczne z osią x dla f(x)=0.
• Wolna zbieżność p=1 (metoda liniowa)
prawidłowerozwiązanie
x1x2
a1a2 a3 x
f(x)
f(a )1
f(a )2
f(b )1
b1
![Page 13: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/13.jpg)
Metoda Newtona
Wybierzmy pewien punkt początkowy xk i rozwińmy funkcję f(x) w szereg Taylora
Podstawmy i weźmy tylko dwa wyrazy rozwinięcia:
Niech . Wtedy
rozwiązanie
x1
x
y y=f(x)
f(x )3
x2x3x4
f(x )2
f(x )1 f’(x )1
f’(x )2f’(x )3
![Page 14: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/14.jpg)
styczna
-10
-5
0
5
10
0 0.5 1 1.5 2 2.5 3 3.5 4
x
f(x)
Metoda Newtona: przykład
![Page 15: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/15.jpg)
Metoda Newtona: przykład c.d.
Szukamy pierwiastków
Liczymy pochodną
Równanie iteracyjne
![Page 16: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/16.jpg)
Metoda Newtona: uwagi
• Szybka zbieżność p=2 (metoda kwadratowa)
• Wymaga analitycznej znajomości f’(x)
• Metoda zbieżna, gdy f(x), f’(x), f’’(x) ciągłe, f’(x)<>0 w pobliżu rozwiązania,
początkowa wartość x1 leży blisko rozwiązania
![Page 17: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/17.jpg)
![Page 18: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/18.jpg)
Fraktale
• mają nietrywialną strukturę w każdej skali,
• struktura ta nie daje się łatwo opisać w języku tradycyjnej geometrii euklidesowej,
• są samo-podobny,
• mają wymiar wymierny (fractional) a nie całkowity
obraz Lichtenberga:
wyładowanie elektryczne w dielektryku.
![Page 19: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/19.jpg)
Brokuł romanesco
Drzewo
![Page 20: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/20.jpg)
Liście
Linia brzegowa
![Page 21: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/21.jpg)
Fraktale Netwona
Weźmy równanie f(z) = 0, z C, np. z3 – 1 = 0
Równanie zespolone stopnia n ma n pierwiastków.
W zależności od wyboru punktu warunku początkowego (x + iy) metoda
Newtona doprowadzi nas do jednego z n pierwiastków.
Punkty te następnie oznacza się różnym kolorem w zależności od:
rozwiązania, do którego dąży dany punkt: prędkości znalezienia rozwiązania:
![Page 22: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/22.jpg)
… lub oba warunki naraz:
![Page 23: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/23.jpg)
Metoda siecznych
Do wyznaczenia k+1 przybliżenia
korzystamy z punktów k-1 i k.
Korzystając z podobieństwa trójkątów:
32
2
21
21 0)()()(
xx
xf
xx
xfxf
Stąd )()(
))((
21
21223
xfxf
xxxfxx
)()(
))((
1
11
kk
kkkkk
xfxf
xxxfxx
Ogólnie
![Page 24: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/24.jpg)
Metoda siecznych: przykład
-10
-5
0
5
10
0 0.5 1 1.5 2 2.5 3 3.5 4
x
f(x
)
![Page 25: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/25.jpg)
Metoda między Regula falsi a Newtona
Zbieżność szybsza niż liniowa 618.12
51
Metoda siecznych: uwagi
)()(
))((
1
11
kk
kkkkk
xfxf
xxxfxx
)(
)()(
)(
1
11
kk
kk
kkk
xx
xfxf
xfxx
Przybliżenie pochodnej
Newton Nie musimy znać analitycznej postaci f’(x) !
Ale te same problemy ze zbieżnością co w metodzie Newtona.
Najpierw wolna ale pewna bisekcja, potem szybka metoda siecznych.
![Page 26: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/26.jpg)
Metoda szukania punktu stałego
Równanie f(x) = 0 zastępujemy równaniem x - g(x) = 0, czyli x = g(x)
Rozwiązania szukamy iteracyjnie: )(1 kk xgx
![Page 27: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/27.jpg)
Metoda szukania punktu stałego
![Page 28: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/28.jpg)
Metoda szukania punktu stałego: przykład
023/1 xx
3
21 )2()( kkk xxgx
3/2
3/1
313
26)(
k
kkk
x
xxgx
2)( 3/1
11 kkk xxgx
Trzy sposoby zapisu:
Czy jest jakaś różnica?
zbieżność rozbieżność szybka
zbieżność
![Page 29: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/29.jpg)
Metoda szukania punktu stałego: zbieżność
Twierdzenie:
Jeśli funkcja 𝑔 jest ciągła w pewnym przedziale wokół punktu x* takiego, że
𝑔 𝑥∗ =𝑥∗, to mówimy, że x* jest punktem stałym odwzorowania g.
Jeśli ponadto 𝑔′(𝑥) jest ciągła w tym przedziale i spełniona jest nierówność:
𝑔′ 𝑥∗ ≤ 𝑐 < 1, to ciąg iteracji 𝑥𝑛+1 = 𝑔(𝑥𝑛) jest zbieżny do punktu stałego.
Dla opornych: jeśli g(x) jest gładka i ograniczona i niezbyt stroma,
to proces iteracyjny jest zbieżny.
![Page 30: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/30.jpg)
Metoda szukania punktu stałego: zbieżność
![Page 31: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/31.jpg)
Metoda szukania punktu stałego: przykład
023/1 xx
2)( 3/1
11 kkk xxgx
3
21 )2()( kkk xxgx
3/2
3/1
313
26)(
k
kkk
x
xxgx
Trzy sposoby zapisu:
Czy jest jakaś różnica? zbieżność rozbieżność
szybka
zbieżność
3/2
'
13
1)(
xxg
2.5 3.0 3.5 4.0
0.16
0.18
0.20
2'
2 )2(3)( xxg
2.5 3.0 3.5 4.0
2
4
6
8
10
12
23/23/1
3/1'
3)31(
)2(2)(
xx
xxxg
2.5 3.0 3.5 4.0
0.14
0.12
0.10
0.08
0.06
0.04
0.02
![Page 32: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/32.jpg)
![Page 33: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/33.jpg)
Równania z wieloma pierwiastkami
krok = 1; //<------ szerokość przedziału
a = 0; //<--------- lewa granica pierwszego przedziału
b = a + krok; //<------ prawa granica pierwszego przedziału
while(b < bmax)
{
if(f(a)*f(b) < 0) //<-- sprawdź, czy funkcja zmienia znak
{
root[i] = FindRoots(f,a,b); //<-- np. bisekcja
i = i + 1;
}
a = b; //<------- lewa granica nowego przedziału
b = a + krok; //<---- prawa granica nowego przedziału
};
![Page 34: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/34.jpg)
Układy równań nieliniowych
Metoda Newtona
0),(
0),(
2
1
yxf
yxfDla układu dwóch równań:
Wybieramy rozwiązania początkowe x1 i y1. Jeśli są one blisko rozwiązań
prawdziwych x2 i y2, to rozwinięcie Taylora funkcji f1 i f2 wokół x1 i y1:
...)()(),(),(
...)()(),(),(
1111
1111
,
212
,
212112222
,
112
,
112111221
yxyx
yxyx
y
fyy
x
fxxyxfyxf
y
fyy
x
fxxyxfyxf
0
0
![Page 35: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/35.jpg)
),(
),(
112
,
2
,
2
111
,
1
,
1
1111
1111
yxfyy
fx
x
f
yxfyy
fx
x
f
yxyx
yxyx
)),(),,((
),(),(
)),(),,((
),(),(
112111
,
2111
,
1112
112111
,
1112
,
2111
1111
1111
yxfyxfJ
x
fyxf
x
fyxf
y
yxfyxfJ
y
fyxf
y
fyxf
x
yxyx
yxyx
Czyli układ dwóch równań liniowych. Korzystając z reguły Cramera:
gdzie J – jakobian:
y
f
x
f
y
f
x
f
ffJ22
11
21 det),(
yyy
xxx
12
12
Zatem nowe przybliżenie rozwiązań:
![Page 36: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/36.jpg)
Układy równań nieliniowych: przykład
-6 -4 -2 0 2 4 6-4
-2
0
2
4
6
y
x
0225259),(
0),(
22
2
2/2/
21
1
yxyxf
eeyyxf xx
xyeeyx
ee
y
f
x
f
y
f
x
f
ffJ xx
xx
18505018
1detdet),( 2/2/
41
2/2/
41
22
11
21
![Page 37: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/37.jpg)
F1(x,y) = function { y -0.5*(exp(x/2)+exp(-x/2)) }
F2(x,y) = function { 9*x^2+25*y^2-225 }
F1x(x,y) = function { -(exp(x/2)+exp(-x/2))/4 }
F1y(x,y) = function { 1 }
F2x(x,y) = function { 18*x }
F2y(x,y) = function { 50*y }
Jacob(x,y) = function { -(exp(x/2) + exp(-x/2))/4*50*y-18*x }
xi = 2.5; yi = 2; Err = 0.001;
while(1)
{
Delx = (-F1(xi,yi)*F2y(xi,yi)+F2(xi,yi)*F1y(xi,yi)) / Jacob(xi,yi);
Dely = (-F2(xi,yi)*F1x(xi,yi)+F1(xi,yi)*F2x(xi,yi)) / Jacob(xi,yi);
xip1 = xi + Delx;
yip1 = yi + Dely;
Errx = abs((xip1 - xi)/xi);
Erry = abs((yip1 - yi)/yi);
if(Errx<Err && Erry<Err) break;
xi = xip1; yi = yip1;
};
Warunki początkowe i dopuszczalny błąd
x i y xk+1 i yk+1
Błąd względny rozwiązania
i x y Errx Erry
1 3.0731 2.4296 0.22926 0.21479
2 3.0345 2.3849 0.01258 0.01840
3 3.0314 2.3858 0.00102 0.00037
4 3.0312 2.3859 0.00007 0.00004
![Page 38: Wykład nr 2 - Warsaw University of Technologyif.pw.edu.pl/~agatka/numeryczne/wyklad_02.pdf · Wykładnik zbieżności • Określa szybkość zbieżności metod iteracyjnych •](https://reader034.fdocument.pub/reader034/viewer/2022050208/5f5b3b5e9b148357012382f0/html5/thumbnails/38.jpg)
Układy równań nieliniowych: uwagi
nnx
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
f
f
f
x
x
x
n
nnn
n
n
2
1
2
1
21
2
2
2
1
2
1
2
1
1
1
W ogólności:
1. Zbieżność nie jest gwarantowana.
2. Funkcje f1, … , fn i ich pochodne muszą być ciągłe i ograniczone w pobliżu
rozwiązania
3. J(f1, … , fn) <> 0 w pobliżu rozwiązania
4. Warunki początkowe wystarczająco blisko prawdziwego rozwiązania
5. Dla układu n>3 równań powyższe równanie trzeba rozwiązać numerycznie.