Numerické metody řešení nelineárních rovnic
|
|
- Emil Vlček
- před 7 lety
- Počet zobrazení:
Transkript
1 MASARYKOVA UNIVERZITA Přírodovědecká fakulta Bakalářská práce Numerické metody řešení nelineárních rovnic Studijní program: Aplikovaná matematika Studijní obor: Matematika - ekonomie Brno 2011 Lukáš Jagoš
2 ii
3
4 Prohlašuji, že jsem svou bakalářskou práci napsal samostatně a výhradně s použitím citovaných pramenů. Souhlasím se zapůjčováním práce a jejím zveřejňováním. Jméno: Lukáš Jagoš Datum: Podpis: Vedoucí práce: Mgr. Jiří Zelinka, Dr. iv
5 v
6 Abstract Title: Numerical Methods for solving Nonlinear Equations Author: Lukáš Jagoš Department of Mathematics and Statistics, Faculty of Science, MU Supervisor: Mgr. Jiří Zelinka, Dr. Abstract: This Thesis is a Tool for Students of a Subject Numerical methods. It is divided into four Chapters including Introductory Terms, Solving Nonlinear Equations, Polynoms and Systems of Nonlinear Equations. Chapters cover Rehearsal of Essential Theory for particular Method, Sample Solved Excercise and one Solved Excercise for Comparison of listed Methods. Keywords: numerical, methods, solving, nonlinear, equations vi
7 Abstrakt Název práce: Numerické metody řešení nelineárních rovnic Autor: Lukáš Jagoš Ústav matematiky a statistiky Přírodovědecké fakulty, MU Vedoucí bakalářské práce: Mgr. Jiří Zelinka, Dr. Abstrakt: Bakalářská práce Numerické řešení nelineárních rovnic je pomůckou pro studenty předmětu Numerické metody. Práce je rozdělena do čtyř základních kapitol zahrnujících seznámení se základními pojmy, řešení nelineárních rovnic, polynomů a soustav nelineárních rovnic. Kapitoly obsahují výčet teorie nutné k aplikaci dané metody, ukázkový řešený příklad a na závěr vždy jeden společný příklad pro srovnání uvedených metod. Klíčová slova: vybrané, metody, řešení, nelineárních, rovnic vii
8 Obsah Čestné prohlášení Abstract Abstrakt iv vi vii 1 Základní pojmy Volba počáteční aproximace Zastavení výpočtu Řád metody 6 2 Řešení nelineárních rovnic Metoda bisekce Metoda prosté iterace Hledání vhodného tvaru iterační funkce Newtonova metoda Iterační metody vyšších řádů Metoda sečen Shrnutí 22 3 Polynomy Odhad polohy a počtu kořenů Laguerrova iterační metoda Graeffova-Lobačovského iterační metoda 30 4 Soustavy nelineárních rovnic 34 viii
9 Obsah 4.1 Metoda prosté iterace Newtonova metoda pro systémy nelineárních rovnic 37 Závěr 40 Literatura 42 ix
10 Úvod Řešení rovnic a jejich soustav patří mezi tradiční součásti středoškolské matematiky. Ta si ale vybírá převážně takové třídy rovnic, které je možné řešit elementárními vzorci. Obecně platí, že kořeny nelineární rovnice f(x) = 0 nelze nalézt explicitním vzorcem. K hledání kořenů tedy používáme metody iteračního charakteru. Vycházíme ze známé počáteční aproximace řešení a z ní stanovujeme novou hodnotu aproximace (iteraci) postupem, kterým se jednotlivé metody odlišují. Přesný popis kroků realizujících numerickou metodu označujeme jako algoritmus numerické metody. Jeden krok algoritmu nazýváme iterací. Obvyklým postupem pro řešení nelineárních rovnic můžeme narazit na některé problémy: jak poznat vhodný typ numerické metody jak určit hodnotu počáteční aproximace jak poznat, zda bude daná metoda konvergovat ke kořenu Protože pro řešení nelineárních rovnic neexistuje univerzální metoda, je vhodné volit metodu, která nejvíce odpovída povaze a dostupné informaci o rozložení a vlastnostech daného řešení. 1
11 Kapitola 1 Základní pojmy V rámci textu této práce budeme předpokládat hledání kořenů rovnice f(x) = 0, (1.1) kde x R. Dále budeme předpokládat, že funkce f(x) je na konkrétním intervalu spojitá a má na něm tolik spojitých derivací, kolik jich bude v daném případě potřeba. Následující kapitola představuje seznámení se základními pojmy numerických metod. Definice 1.1. Nechť X je libovolná neprázdná množina a nechť zobrazení ϱ : X X R + splňuje pro všechna x, y, z X následující axiomy: 1. ϱ(x, y) = 0 x = y 2. ϱ(x, y) = ϱ(y, x) 3. ϱ(x, y) + ϱ(y, z) ρ(x, z) Potom zobrazení ϱ nazveme metrikou a dvojici (X, ϱ) metrickým prostorem. 2
12 Kapitola 1 Základní pojmy Formální definice metrického prostoru nám dovoluje pracovat v textu s pojmem vzdálenost. Příklad 1.1. Typy některých metrik X R, ϱ(x, y) = x y X R n, ϱ(x, y) = n (x i y i ) 2 X R n, i=1 ϱ(x, y) = max i=1,...,n x i y i n X R n, ϱ(x, y) = x i y i i=1 Definice 1.2. Bod x X je limitou posloupnosti {x n } n=1 v metrickém prostoru X, jestliže platí ε > 0 n 0 N takové, že n > n 0 : ϱ(x n, x) < ε. Poznámka 1. limitu. Za konvergentní budeme považovat tu posloupnost, která má Věta 1.1. (Bolzanova) Nechť funkce f C[a, b] a nechť f nabývá v koncových bodech intervalu hodnot s opačnými znaménky, tj. f(a)f(b) < 0. Potom uvnitř tohoto intervalu existuje alespoň jeden bod c takový, že f(c) = 0. V případě, že první derivace funkce f má na tomto intervalu konstantní znaménko, pak se zde nachází právě jeden takový bod. Definice 1.3. Mějme metrický prostor (X, ϱ). Zobrazení ϕ : X X nazveme kontrakcí, jestliže existuje konstanta 0 k < 1 taková, že platí ϱ(ϕ(x), ϕ(y)) k.ϕ(x, y) Číslo k nazýváme koeficientem kontrakce. Definice 1.4. Posloupnost {x n } n=1 se nazývá cauchyovská, pokud pro ε > 0 n 0 N takové, že pro n > n 0 a pro t N platí ϱ(x n, x n+t ) < ε. 3
13 Kapitola 1 Základní pojmy Definice 1.5. Řekneme, že metrický prostor (X, ϱ) je úplný, pokud v něm má každá cauchyovská posloupnost limitu. Věta 1.2. (Banachova) Nechť A : X X je kontrakce na X a (X, ϱ) je neprázdný úplný metrický prostor. Pak existuje právě jeden prvek x X takový, že Ax = x. Věta 1.3. Nechť g C[a, b], g : [a, b] [a, b], potom g má na tomto intervalu pevný bod ξ. Je-li navíc pro q [0, 1] g(x) g(y) q x y, x, y a, b pak g má na [a, b] jednoduchý pevný bod. Definice 1.6. Pevný bod ξ funkce g C [a, b] se nazývá přitahující, pokud existuje takové okolí U bodu ξ, že pro x 0 U posloupnost { } x k konverguje k ξ, k=0 odpuzující, pokud existuje takové okolí V bodu ξ, že pro x 0 V, x 0 ξ existuje k takové, že x k / V. Věta 1.4. nazýváme Nechť g C[a, b], g : [a, b] [a, b] a nechť ξ je pevný bod. Potom ξ přitahujícím pevným bodem, jestliže g(x) g(ξ) x ξ < 1. odpuzujícím pevným bodem, jestliže g(x) g(ξ) x ξ > 1. Definice 1.7. Chybou aproximace ε nazýváme odchylku přibližné (aproximo- 4
14 Kapitola 1 Základní pojmy vané) hodnoty od skutečné hodnoty. Je-li x přibližná hodnota veličiny a x její skutečná hodnota, pak absolutní chybu aproximace vyjadřuje vztah ε = x x. Relativní chyba aproximace δ je určena vztahem δ = x x x. 1.1 Volba počáteční aproximace Protože se jedná o nelineární rovnice, je možné, že počet řešení a odhad intervalů není na první pohled zřejmý. Pokud je to z hlediska složitosti výpočtu možné, postupujeme buď vyšetřením průběhu funkce užitím znalostí matematické analýzy nebo převedením rovnice f(x) = 0 na ekvivalentní tvar f 1 (x) = f 2 (x) a hledáním x-ových souřadnic průsečíků grafů funkcí f 1 a f 2. Méně praktickou, ale spolehlivou možností by byl výpočet hodnot funkce a vynesení takového množství souřadnic, aby tvar vynášeného grafu odpovídal charakteristice dané funkce. 1.2 Zastavení výpočtu Předpokládejme, že zvolená numerická metoda konverguje a generovaná posloupnost iterací se blíži ke kořenu. Potom pro posouzení přesnosti výpočtu můžeme použít některý ze vztahů kde ε je požadovaná přesnost. x k+1 x k < ε f(x k ) < ε x k+1 x k x k < ε 5
15 Kapitola 1 Základní pojmy 1.3 Řád metody Nechť posloupnost { x k} k=0 generovaná iterační metodou konverguje k x. Řekneme, že tato iterační metoda konverguje k x lineárně, pokud existuje σ (0, 1) takové, že lim k Číslo σ nazýváme řád konvergence. x k+1 x x k x = σ. Řekneme, že daná metoda je řádu p (p R, p > 1), pokud platí lim k x k+1 x x k x p = L, kde L > 0. Konvergenci, která je řádu 2 nazýváme kvadratickou, řádu 3 kubickou atd. Poznámka 2. Řád p = 1 nám říká, že chyba se v každém dalším kroku zmenšuje na konkrétní zlomek předchozí chyby, řád p = 2 nám říká, že chyba se v každém dalším kroku zmenšuje na konkrétní zlomek druhé mocniny předchozí chyby atd. 6
16 Kapitola 2 Řešení nelineárních rovnic V následující kapitole rozebereme různé typy metod, kterými lze řešit nelineární rovnice f(x) = Metoda bisekce Metoda bisekce je jednou z nejstarších metod pro hledání kořenů nelineárních rovnic. Jedná se o velmi jednoduchou a univerzální metodu, nevýhodou je však její relativně pomalá konvergence. Používá se tedy spíše k hledání přibližného řešení. Metoda využívá věty 1.1. funkce f musí být spojitá na intervalu [a, b] f(a)f(b) < 0, tedy na intervalu [a, b] se musí nacházet alespoň jeden kořen f. Pokud jsou tyto podmínky splněny, pak je metoda bisekce generuje posloupnost, která konverguje ke kořenu x. 7
17 Kapitola 2 Řešení nelineárních rovnic Nyní můžeme sestrojit posloupnost intervalů (a 1, b 1 ) (a 2, b 2 )..., které obsahují hledaný kořen. Intervaly ( a k+1, b k+1), k = 0, 1,... určímé tímto způsobem: 1. Jako počáteční interval bereme [a, b] 2. Středem intervalu ( a k, b k) je bod x k+1, x k+1 = ak + b k 2 (2.1) ( a 3. Pokud f(x k+1 ) 0, ( k, x k+1), když f ( a k) f(x k+1 ) < 0 a k+1, b k+1) = ( x k+1, b k), když f ( a k) f(x k+1 ) > 0 4. Pokud f(x k+1 ) = 0, pak x k+1 = x. Věta 2.1. Nechť jsou splněny podmínky věty 1.1 a nechť má funkce f na intervalu [a, b] jediný kořen. Potom posloupnost určená vztahem (2.1) konverguje ke kořenu x. Důkaz. konvergentní. Dále platí Pro ohraničené posloupnosti {a k }, {b k } platí, že jsou monotonní, takže a proto lim k (b k a k ) = 0. Potom b k a k = b0 a 0 2 k lim k ak = lim b k = lim x k+1. k k Z podmínek pro konvergenci funkce f (spojitost, opačná znaménka funkčních hodnot v koncových bodech intervalu) vyplývá lim k f(ak ) = lim f(b k ) = 0. k 8
18 Kapitola 2 Řešení nelineárních rovnic Protože platí f( x) = 0, dokázali jsme konvergenci metody bisekce. Jednou z výhod metody bisekce je to, že jsme při její aplikaci schopni zjistit, jak dobře daná iterace aproximuje hledaný kořen. Bez důkazu uvedeme následující větu. Věta 2.2. Nechť f C[a, b] a f(a)f(b) < 0 s tím, že funkce f má na [a, b] pouze jeden kořen x. Potom posloupnost iterací generovaná metodou bisekce aproximuje hledaný kořen podle vztahu x k+1 x b a 2 n+1 Příklad 2.1. ε < 10 4, pokud Metodou bisekce najděte odhad kořene rovnice f (x) = 0 s přesností f(x) = x 3 + 5x y x Obr 2.1: Graf funkce f(x) = x 3 + 5x 3 Řešení. Z obr. 2.1 ihned poznáváme, že se kořen bude určitě nacházet v intervalu [0, 1]. Jako počáteční interval tedy zvolíme [a 0, b 0 ] = [0, 1]. Připomeňme, že f(0) < 0, f(1) > 0. Posloupnost intervalů zaznamenáme do tabulky. 9
19 Kapitola 2 Řešení nelineárních rovnic k a k b k x k+1 f(x k+1 ) , Po deseti iteracích má interval [a 10, b 10 ] délku 0, a 11.iterace x 11 aproximuje kořen x s chybou nepřesahující f(x 11 ) f(x 10 ) = 0, Na tomto příkladu jsme mohli vidět, že metoda bisekce opravdu konverguje ke kořenu x velmi pomalu. 2.2 Metoda prosté iterace Metoda prosté iterace patří mezi základní iterační metody. Je založena na převodu původního tvaru rovnice (1.1) na ekvivalentní tvar x = g(x), který získáme vhodnými úpravami. V tomto tvaru již nehledáme průsečík funkce s osou x, ale pevný bod funkce. Je důležité si uvědomit, že úpravy funkce nejsou jednoznačné a většinou je můžeme provést více způsoby (viz podkapitola 2.2.1). Věta 2.3. Předpokládejme, že existuje funkce g, která pro x I = [a, b] splňuje Lipschitzovy podmínky uvedené ve větě 1.3. g(x) [a, b] x [a, b] (2.2) g (x) q < 1 x [a, b] (2.3) 10
20 Kapitola 2 Řešení nelineárních rovnic Potom rovnice x k+1 = g(x k ) má na intervalu [a, b] jediné řešení a posloupnost { } x k určená předpisem k=0 x k+1 = g(x k ) (2.4) k němu konverguje pro libovolný počáteční bod x 0 I. Důkaz. Věta je důsledkem Banachovy věty o pevném bodě. Metrikou je ϱ(x, y) = x y a vzhledem k ní je (I, ϱ) úplným metrickým prostorem. Jsou tedy splněny všechny podmínky věty 1.2. Příklad 2.2. Funkce x = g(x), 0 x 1 má pevný bod pro každé x [0, 1]. Funkce g(x) = x sin(πx) má na intervalu [0, 1] 2 pevné body, v bodě x = 0 a dále v bodě x = 1. Geometrická interpretace této iterační metody je zobrazena na obr Hledat pevný bod funkce geometricky znamená hledat průsečík funkcí y = x a y = g(x) Y x 0 Obr 2.2: Metoda prosté iterace x k+1 = sin(x k ) x Definice 2.1. Máme-li funkci g C [a, b], g : [a, b] [a, b], potom metoda 11
21 Kapitola 2 Řešení nelineárních rovnic prosté iterace generuje posloupnost { x k} k=0 definovanou pro x0 [a, b]: x k+1 = g(x k ) k = 0, 1, 2... Platí tedy, že x 1 = g(x 0 ), x 2 = g(x 1 ) = g(g(x 0 )), atd. Pracnost výpočtu metodou prosté iterace závisí na vhodné volbě iterační funkce a počáteční aproximace. Metoda prosté iterace patří mezi jednokrokové iterační metody, neboť výpočet x k+1 závisí pouze na jedné předchozí aproximaci x k Hledání vhodného tvaru iterační funkce Při hledání vhodného tvaru iterační funkce je důležité, aby byly vždy splněny předpoklady nutné pro konvergenci (2.2), (2.3). Platí, že různé tvary iteračních funkcí mají různé rychlosti konvergence. Příklad = 0. Řešení. Použitím metody prosté iterace najděte řešení rovnice x 3 + 4x 2 Zadaná rovnice má na intervalu [1, 2] jediný kořen. Algebraickými úpravami sestavíme několik ekvivalentních zápisů této rovnice a porovnáme jejich konvergenční vlastnosti metodou prosté iterace. 1. x = g 1 (x) = x 3 4x x 2. x = g 2 (x) = x 3 3. x = g 3 (x) = 10 4x 2 4. x = g 4 (x) = x x3 +4x x 2 +8x x Za startovací bod bereme x 0 = 1.5. Výsledky opět shrneme do tabulky. 12
22 Kapitola 2 Řešení nelineárních rovnic k ( g ) 1 x k ( g ) 2 x k ( g ) 3 x k ( g ) 4 x k Kořenem rovnice x 3 + 4x 2 10 = 0 je číslo x = 1, Ke správnému kořenu tedy konvergovala funkce g 2 a g 4, g 4 navíc velmi rychle. Funkce g 1 a g 3 divergovala. Důvod je jednoduchý. Pro funkci g 1 a g 3 nejsou splněny podmínky konvergence. Platí g 1(1, 5) = 17, 75 g 2(1, 5) = 0, g 3(1, 5) = 5, 17 g 4(1, 5) = 0, 1148 Bod x 0 = 1, 5 byl tedy pro funkce g 1 a g 3 odpuzující. Geometrickou interpretaci iteračního procesu jednotlivých funkcí můžeme pozorovat na následujícím obrázku. 13
23 Kapitola 2 Řešení nelineárních rovnic y 4 y x 1 x 0 0 x 1 x 2 x x a) x b) y 2 y x 1 x 0 0 x 1 x x x c) d) Obr 2.3: Metoda prosté iterace pro iterační funkci: a) g 1 (x), b) g 2 (x) c) g 3 (x) d) g 4 (x). 2.3 Newtonova metoda Někdy se této metodě říká také metoda tečen. Její princip je odvozen z nahrazení křivky v okolí kořene tečnou procházející bodem [ x k, f(x k ) ]. Jako počáteční aproximaci volíme x 0. Obecný předpis pro výpočet iterace x k+1 získame tak, že bodem [ x k, f(x k ) ] vedeme tečnu ke křivce y = f(x). Průsečíkem tečny s osou x je pak bod [ x k+1, 0 ]. 14
24 Kapitola 2 Řešení nelineárních rovnic Y x x 2 1 x x Obr. 2.4: Newtonova metoda pro funkci f(x) = x 2 5.1x Do rovnice tečny y = f(x k ) + f (x k )(x x k ) dosadíme y := 0, vyjádříme x a položíme x := x k+1. 0 = f(x k ) + f (x k )x f (x k )x k x = f (x k )x k f(x k ) f (x k ) x k+1 = x k f(xk ) f (x k ) (2.5) Ke stejnému předpisu dospějeme také odvozením z Taylorova rozvoje. Předpokládejme jednoduchý reálný kořen na intervalu I = [a, b]. Pokud na I existují nenulové derivace funkce f, můžeme ji v okolí libovolného bodu x I rozvinout do Taylorovy řady: f(x) = f(x 0 ) + f (x 0 )(x x 0 ) + 1 2! f (x 0 )(x x 0 ) Nyní proveďme linearizaci prvních dvou členů rozvoje, tzn. v rovnici f(x) = 0 na- 15
25 Kapitola 2 Řešení nelineárních rovnic hradíme f(x) prvními dvěma členy Taylorova rozvoje a určíme kořen x 1. f(x 0 ) + f (x 0 )(x x 0 ) = 0 x 1 = x 0 f(x 0) f (x 0 ) Stejně můžeme postupovat i v okolí bodu x i, i = 1,... Obecný předpis bude opět odpovídat vztahu (2.5). Definice 2.2. Za předpokladu, že f (x k ) 0 pro k = 0, 1,..., nazýváme metodu určenou vztahem (2.5) Newtonovou metodou. Výpočet ukončíme a x k+1 bereme za dostatečně přesnou aproximaci kořene pokud jsou splněny podmínky uvedené v podkapitole 1.2. Věta 2.4. Nechť f C 2 [a, b]. Nechť x [a, b] je kořenem rovnice f(x) = 0 a f ( x) 0. Pak existuje δ > 0 tak, že posloupnost { x k+1} generovaná Newtonovou metodou konverguje k bodu x pro každou počáteční aproximaci x 0 [ x δ, x + δ] [a, b]. Řád metody je 2. k=0 Důkaz je uveden v [4]. Monotonní konvergenci Newtonovy metody zajišťují Fourierovy podmínky, které jsou shrnuty v následující větě. Věta 2.5. Nechť funkce f C 2 [a, b] a nechť rovnice f(x) = 0 má na intervalu [a, b] jediné řešení x. Nechť f (x) a f (x) jsou spojité a nemění znaménko na intervalu [a, b], přičemž f (x) 0, x [a, b]. Nechť počáteční aproximace x 0 je ten z krajních bodů [a, b], v němž je znaménko funkce f stejné jako znaménko funkce druhé derivace f. Pak posloupnost { x k+1} generovaná Newtonovou metodou konverguje monotonně k bodu x. k=0 Důkaz. Pro f(a) < 0 a f, f > 0 platí podle Fourierových podmínek x 0 = b. Dokážeme, že potom x < x k+1 < x k. 16
26 Kapitola 2 Řešení nelineárních rovnic Platí, že 0 = f( x) = f(x k ) + ( x x k )f (x k ) ( x x k) 2 f (y) Vzhledem k předpokladu nezápornosti f (y) musí platit f(x k ) + ( x x k )f (x k ) < 0 Z čehož plyne x < x k f(x k) f (x k ) x k+1 < x k. Indukcí se dokazují ostatní případy. Příklad 2.4. Newtonovou metodou nalezněte kořen rovnice f(x) = x y x Obr Funkce f(x) = x 3 6 Dosazením funkce f do předpisu (2.5) dostáváme Newtonovu metodu ve tvaru x k+1 = x k (xk ) (x k ) 2. Jako počáteční aproximaci volíme bod x 0 = 2. Posloupnost iterací sepíšeme do tabulky. 17
27 Kapitola 2 Řešení nelineárních rovnic k x k f(x k ) Je patrné, že již u 4. iterace získáváme velmi dobrý odhad kořene x. Newtonova metoda tedy konvergovala dostatečně rychle. Na tom samém příkladu ještě otestujeme, jak bude Newtonova metoda konvergovat v případě, že počáteční aproximaci zvolíme x 0 = 1 3, x0 = 9, x 0 = 1 5. k x(k) f(x k ) x(k) f(x k ) x k f(x k )
28 Kapitola 2 Řešení nelineárních rovnic Iterační metody vyšších řádů Nyní uvedeme dvě iterační metody, jejichž řád konvergence je v případě jednoduchého kořene větší než 2. Uvažujme nejprve metodu určenou předpisem x k+1 = x k f(xk ) f (x k ) [f(xk )] 2 f (x k ) 2[f (x k )] 3 (2.6) Řád této metody je 3. Další z používaných metod je tzv. Halleyova metoda x k+1 = x k f(x k )f (x k ) [f (x k )] f(xk )f (x k ), (2.7) která konverguje rovněž kubicky. Obě tyto metody jsou příkladem toho, že jednobodová iterační metoda vyžaduje k výpočtu jedné iterace hodnoty tím vyšších derivací, čím vyššího je řádu. Protože výpočty vyšších derivací mohou být v některých případech náročné na použití, můžeme dosáhnout zjednodušení aproximací pomocí prvních derivací nebo funkčních hodnot (viz metoda sečen). Zjednodušení metody (2.6) dosáhneme následující úpravou ˆf (x k 6 ) = (x k x k 1 ) 2 [f(xk ) f(x k 1 2 )] + x k x [2f (x k ) + f (x k 1 ] k 1 x k+1 = x k f(xk ) f (x k ) [ f(x k ) ] 2 2[f (x k )] 3 ˆf (x k ). Tento vzorec závisí, podobně jako v případě Newtonovy metody, na f a f a pro řád konvergence platí, že je přibližne roven číslu 2,732. Podmínkou je ovšem zmiňovaná existence jednoduchého kořene. 2.4 Metoda sečen Z důvodu výpočtu první derivace u Newtonovy metody je možné, že výpočet bude mnohem obtížnější, než tomu bylo v případě příkladu 2.4. Je-li zadaná rovnice na výpočet derivace náročná, můžeme dosáhnout zjednodušení vhodnou úpravou New- 19
29 Kapitola 2 Řešení nelineárních rovnic tonovy metody. Uvažujme následující aproximaci: f (x k ) f(xk+1 ) f(x k ) x k+1 x k k = 0, 1,... Po dosazení f (x k ) do vztahu (2.5) získáváme vzorec pro výpočet iterací metodou sečen. Při výpočtu vycházíme ze dvou počátečích aproximací x 0, x 1 s tím, že každou další aproximaci počítáme podle předpisu x k+1 = x k xk x k 1 f(x k ) f(x k 1 ) f(xk ). (2.8) Definice 2.3. Iterační metodu vyjádřenou vztahem (2.8) nazýváme metodou sečen. Název této metody pochází z její geometrické interpretace: x k+1 je označení x- ové souřadnice průsečíku osy x a přímky vedené body[x k 1, f(x k 1 )] a [x k, f(x k )]. y = f(x k ) + f(xk ) f(x k 1 ) x k x k 1 (x x k ) = 0 x = x k+1 Konvergence metody sečen je ilustrována na obr
30 Kapitola 2 Řešení nelineárních rovnic x 1 x yx0x2 x x Obr Metoda sečen pro funkci y = arctan(x), x 0 = 1.7, x 1 = 0.4. Věta 2.6. Nechť rovnice f(x) má na intervalu [a, b] kořen x a nechť derivace f a f jsou v okolí bodu x spojité, přičemž f (x) 0 v tomto okolí. Potom posloupnost určená metodou sečen konverguje pro dostatečně blízké počáteční aproximace x 0 a x 1 ke kořenu x. Řád metody je přibližně 1,618. Důkaz je uveden v [6]. Příklad 2.5. Metodou sečen najděte kořen funkce f(x) = xsin(x) x ležící v intervalu I = [1, 5; 2, 5]. Řešení. x 0 = 1, 5 x 1 = 2, 5 Dosazováním do (2.8) získáváme následující iterace 21
31 Kapitola 2 Řešení nelineárních rovnic k x f(x k ) Přicházíme k závěru, že metoda sečen konverguje také dostatečně rychle. 2.5 Shrnutí Metoda bisekce byla první z uvedených metod. Její výhodou jsou především nízké nároky na vlastnosti vyšetřované funkce a dále fakt, že při splnění podmínek konverguje vždy. Je to metoda jednoduchá a efektivní. V případě, že se na počátečním intervalu nachází více kořenů, nalezneme metodou bisekce vždy jen jeden. Hlavní nevýhodou je její pomalá konvergence, jak jsme se mohli přesvědčit na příkladu 2.1. Další z uváděných metod byla metoda prosté iterace. Rychlost její konvergence záleží na vhodně zvoleném tvaru iterační funkce. Výhodou je zejména nenáročnost na výpočet. Newtonova metoda je ze všech uváděných metod patrně nejznámější. Její podmínkou je jednoduchý kořen, ke kterému po splnění daných podmínek konverguje dostatečně rychle. Jak jsme mohli vidět, rychlost konvergence je závislá na vhodné volbě počáteční aproximace. Pokud derivaci ze vztahu pro výpočet iterací Newtonovou metodou nahradíme diferencí, získáme metodu sečen. Ta konverguje vždy, pokud zvolíme počáteční hodnoty dostatečně blízko kořene. Výhodou této metody je vysoká efektivnost. Při výpočtu není potřeba pracovat s derivací, ve srovnání s Newtonovou metodou je tedy jednodušší na výpočet. Mezi její nevýhody patří opět podmínka, že hledaný kořen dané rovnice musí být jeden a prostý. Srovnání metod nyní předvedeme na příkladu. 22
32 Kapitola 2 Řešení nelineárních rovnic Příklad 2.6. Najděte odhad kořene rovnice 6x 4 2x 2 x + 1 = 0. ležícího v intervalu [ 1, ] K výpočtu použijte probírané metody a proveďte jejich srovnání. Řešení. Metoda bisekce. k a k b k x k+1 f(x k+1 ) Metoda prosté iterace. Iterační funkci zvolíme ve tvaru g(x) = x + 1 6x
33 Kapitola 2 Řešení nelineárních rovnic k x(k) g(x k ) f(x k ) Newtonova metoda. x k+1 = x k 6 ( ) 4 ( x ) k 2 x k 2 x k (x k ) 3 4x k 1 k x k+1 f(x k+1 ) Metoda sečen. x 0 = 0.25, x 1 =
34 Kapitola 2 Řešení nelineárních rovnic k x k+1 f(x k+1 ) Vyhodnocení. Nejrychleji konvergovala jednoznačne Newtonova metoda, pro tento typ úloh se tedy hodí nejvíce. V případě, že by zadaná rovnice byla složitější na výpočet derivace, tak bychom mohli úspěšně využít metodu sečen. Ta konvergovala také velmi rychle. Rychlost Newtonovy metoda i metody sečen je podmíněna vhodnou volbou počátečních aproximací. V praxi se může stát, že při jejich nesprávné volbě budou dané metody konvergovat pomaleji. Metoda bisekce byla jednoduchá na výpočet, konvergovala ale velmi pomalu. Je ideální pro nalezení dobré počáteční aproximace. Metoda prosté iterace konvergovala nejpomaleji. Zrychlení bychom mohli dosáhnout jinou volbou iterační funkce. 25
35 Kapitola 3 Polynomy Polynomem nazýváme výraz tvaru P n (x), kde P n (x) = a n x n + a n 1 x n a 1 x + a 0, n N. Platí, že pro odhad reálných kořenů polynomu můžeme použít všechny dosud uvedené iterační metody. Polynomy se ale často vyskytují v nejrůznějších aplikacích a mají své vlastní specifické vlastnosti, věnujeme jim tedy tuto samostatnou kapitolu. 3.1 Odhad polohy a počtu kořenů Označme x 1, x 2,..., x n kořeny polynomu P n (x). Nechť A = max ( a n 1,..., a 0 ), B = max ( a n,..., a 1 ), 26
36 Kapitola 3 Polynomy kde a i, i = 0,..., n, a a 0 a n 0 jsou koeficienty polynomu P. Potom pro všechny kořeny x i polynomu P platí\gg B a 0 x i 1 + A a n. Příklad 3.1. Odhadněte polohu kořenů pro rovnici P 5 (x) = 0, kde P 5 (x) = x x x 3 425x x 16. Pro P 5 (x) máme A = 425, B = 425 a po dosazení získáme x i , x i 426. Absolutní hodnota všech kořenů polynomu P 5 (x) bude tedy patřit do intervalu [0, 03628; 426]. Bez důkazu uvedeme ještě větu 4.1, které se říká také Cauchyova věta o poloze kořenů. Věta 3.1. Všechny kořeny polynomu P n (x) náleží do kruhu τ v komplexní rovině, kde τ = {z C : z 1 + κ k } κ k = max a k 0 k n 1 a. n Nyní budeme věnovat pozornost určení počtu kořenů polynomu P n (x). Definice 3.1. Označme M(x) = P n (x), M 1 (x) = M (x), M 2 (x) zbytek po dělení M(x) : M 1 (x) násobený číslem (-1), M 3 (x) zbytek po dělení M 1 (x) : M 2 (x) násobený číslem (-1),...,M r (x) zbytek po dělení M r 2 (x):m r 1 (x) násobený číslem (-1), přičemž zbytek M r+1 (x) po dělení M r 1 (x):m r (x) je nulový. Potom posloupnost M(x), M 1 (x),..., M r (x) nazýváme Sturmovou posloupností. 27
37 Kapitola 3 Polynomy Věta 3.2. Pokud platí, že polynom P n (x) nemá násobné kořeny a P n (a), P n (b) 0, potom počet reálných kořenů daného polynomu ležících v intervalu (a, b) je roven N(a) N(b), kde N(α) značí počet znaménkových změn ve Sturmově posloupnosti pro x = α při vynechání nulových prvků. Důkaz je uveden v [6]. Poznámka 3. Pokud nebude v textu uvedeno jinak, budeme v následující části předpokládat reálné koeficienty polynomu P. 3.2 Laguerrova iterační metoda Předpokládejme prosté, reálné kořeny polynomu P n (x), označme je λ 1, λ 2,..., λ n. Tyto kořeny si seřadíme vzestupně podle velikosti: λ 1 < λ 2 <... < λ n. Nyní definujme interval I i = [λ i, λ i+1 ], i = 0,..., n, kde koeficienty λ 0 =, λ n+1 = +. Potom pro každé λ λ j, j = 0,..., n + 1 existuje právě jedno i takové, že platí λ I i. Nyní sestrojíme takovou kvadratickou funkci, jejíž oba kořeny budou ležet v intervalu I i a v bodě λ bude nabývat záporné hodnoty 1. Princip Laguerrovy metody spočívá v sestrojení takové křivky kvadratické funkce, která by osu x protla co nejblíže krajním bodů intervalu I i. Tímto odvozením dostáváme předpis Laguerrovy iterační metody ve tvaru λ k+1 = λ k np n (λ k ) P n(λ k ) ± Γ(λ k ), (3.1) kde Γ(λ) = (n 1)((n 1)(P n(λ)) 2 np n (λ)p n (λ)). Poznámka 4. Znaménko před odmocninou volíme rovné znaménku P (λ k ). Platí-li pro první iteraci P (λ k ) = 0, volíme znaménko libovolně. 1 Platí, že takovýchto funkcí můžeme sestrojit nekonečně mnoho. 28
38 Kapitola 3 Polynomy Věta 3.3. Mějme reálný polynom P n (x) stupně n 1, jehož kořeny jsou prosté a reálné. Nechť λ 0 je počáteční aproximace a P (λ 0 ) 0. Potom posloupnost iterací generovaná předpisem (4.1) konverguje k některému z kořenů P n (x). Důkaz je uveden v [3]. Příklad 3.2. Určete kořeny rovnice x 4 2x 3 + 6x 2 + 2x 3 = 0. Řešení: Zádán máme polynom 4. stupně. Začneme výpočtem Laguerrovy metody. Za počáteční aproximaci zvolíme λ 0 =0,9. λ k+1 = λ k np n (λ k ) P n(λ k ) ± Γ(λ k ), Γ(λ k ) = (n 1)[((n 1)(P n(λ k )) 2 np n (λ k )P n (λ k )]. Posloupnost iterací zapíšeme do tabulky. k λ k P (λ k )
39 Kapitola 3 Polynomy 3.3 Graeffova-Lobačovského iterační metoda Tato iterační metoda slouží k přibližnému určení polohy všech kořenů polynomu. Budeme předpokládat a 0 0. Upravme polynom P na rozklad kořenových činitelů a n x n + a n 1 x n a 1 x + a 0 = a n (x x 1 )(x x 2 )...(x x n ). Roznásobením pravé strany a následným srovnáním koeficientů získáme tzv. Vietovy vzorce a n 1 = (x 1 + x x n ), a n a n 2 = ( 1) 2 (x 1 x 2 + x 1 x x n 1 x n ), a n a 0 a n = ( 1) n (x 1 x 2...x n ). Princip metody předvedeme na příkladu. Uvažujme následující rovnici a 2 x 2 + a 1 x + a 0 = 0. Podle Vietových vzorců platí x 1 + x 2 = a 1 a 2, x 1 x 2 = a 0 a 2. (3.2) V případě, že se kořeny x 1 a x 2 od sebe výrazně liší (tj. x1 x 2 ), platí potom x 2 x 1, 1 x 1 + x 2 = a 1, a 2 ( x x ) 2 = a 1. x 1 a 2 Zanedbáním členu x 2 x 1 získáme x 1 a 1 a 2 a následným dosazením do vztahu x 1 x 2 = a 0 a 2 dostáváme hodnotu x 2 a 0 a 1, 30
40 Kapitola 3 Polynomy kterou můžeme považovat za první přiblížení. Nyní umocníme vztah (4.2), úpravou dostaneme x x 2 2 = a2 1 2a 0 a 2 a 2 2, x 2 1x 2 2 = a2 0. a 2 2 Protože součet i součin druhých mocnin kořenů známe, můžeme sestavit rovnici b 2 y 2 + b 1 y + b 0 = 0, která má kořeny y 1 = x 2 1 a y 2 = x 2 2, kde b 2 = a 2 2, b 1 = (a 2 1 2a 0 a 2 ), b 0 = a 2 0. Analogicky určíme i jejich aproximace y 1 b 1 b 2, y 2 b 0 b 1, z čehož vyplývá x 1 b 1 b 2, x 2 b 0 b 1. Poznámka 5. Pro x 2 x x 1 1 platí, že zlomek 2 2 x 2 bude ještě menší a aproximace 1 ještě přesnější. Nyní jsme popsali základní princip Graeffovy-Lobačovského iterační metody a můžeme tak shrnout obecný postup. Hledáme aproximace kořenů x 1,..., x n rovnice P n (x) = 0. Předpokládáme, že kořeny jsou dobře rozlišitelné, tzn. jsou reálné a prosté. Vytvoříme posloupnost polynomů P 0, P 1,..., P k, kde P 0 = P n (x), P k = a k nx n + a k n 1x n a k 1x + a k 0 a k n = (a k 1 n ) 2, a k n 1 = (a k 1 n 1) 2 2a k 1 n a k 1 n 2, a k n 2 = (a k 1 n 2) 2 2a k 1 n 1a k 1 n 3 + 2a k 1 n... ( 1) n 1 a k 1 = (a k 1 1 ) 2 2a k 1 2 a k 1 0, 31 a k 1 n 4,
41 Kapitola 3 Polynomy ( 1) n a k 0 = (a k 1 0 ) 2. Pro kořeny platí x j = 2k a k n j a k n j+1, j = 1, 2,..., n. Výpočet zastavíme, pokud a k i (a k 1 i ) 2 i = 0, 1, 2,... Příklad 3.3. Použitím Graeffovy-Lobačovského metody určete kořeny rovnice x 4 4x 3 + 3x 2 + 2x 6 = 0. Řešení. Nejprve sestavíme odpovídající posloupnost polynomů s koeficienty a 0,..., a 4 k a 4 a 3 a 2 a 1 a A dále pokračujeme výpočtem α = dosazením do rovnice polynomu ze zadání dostáváme P (α 1 ) , P ( α 1 ) Za první odhad tedy bereme x 1 = Spočítáme další iteraci α = P (0.9854) , P 4 ( )
42 Kapitola 3 Polynomy Vidíme, že v dalších sloupcích se mění znaménka a je tedy třeba hledat komplexní kořeny. Pro náročnost výpočet nyní ukončíme. Jak je vidět, aplikace této metoda je poměrně komplikovaná. Její výhodou je to, že nevyžaduje odhad počáteční aproximace. Jejím použitím můžeme navíc hledat více než 1 kořen. V praxi bychom tedy mohli v této části výpočtu vzít hodnoty α 1 a α 2 a použít je jako dobré startovací aproximace pro některou z rychleji konvergujících metod. 33
43 Kapitola 4 Soustavy nelineárních rovnic Nyní se budeme zabývat soustavami nelineárních rovnic o n neznámých f 1 (x 1,..., x n ) = 0 f n (x 1,..., x n ) = 0. (4.1) Soustavu (4.1) můžeme zapisovat také ve vektorovém tvaru: f(x) = 0, kde f(x) = f 1 (x 1,..., x n ). f n (x 1,..., x n ) = f 1 (x). f n (x) a 0 = 0. 0 Rn Řekneme, že řešením soustavy (4.1) je každý vektor x =( x 1,..., x n ) T, pro který platí f(x) = 0. V textu budeme dále předpokládat, že funkce (4.1) jsou spojité a mají v daném případě tolik spojitých derivací, kolik jich je potřeba. Při hledání kořenů soustav nelineárních rovnic je získání řešení podmíněno splněním konvergenčních podmínek, proto je důležité umět polohu vektoru x buď vhodně 34
44 Kapitola 4 Soustavy nelineárních rovnic odhadnout nebo se k ní umět přiblížit. Pro soustavy nelineárních rovnic neexistuje univerzální metoda, která by se dala použít ke spolehlivému odhadu počáteční aproximace. Více je o této problematice pojednáno v [2]. Definice 4.1. Metriku v R n definujeme jako ϱ(x, y) = max 1 i n x i y i. Prostor s touto metrikou se nazývá úplný metrický prostor. Poznámka 6. O ukončení výpočtu se rozhodujeme na základě některého z kriterií kde ε je požadovaná přesnost. x k+1 x k ε x k+1 x k ε x k f(x k+1 ) ε, 4.1 Metoda prosté iterace Věta 4.1. Nechť (M, ϱ) je úplný metrický prostor s metrikou ϱ(x, y) a zobrazení G : M M má vlastnost ϱ(g(x), G(y)) kϱ(x, y) pro x, y X M, 0 k < 1. Pak soustava rovnic x = G(x) má na X jediné řešení x. Důkaz plyne z aplikace Banachovy věty o pevném bodě. Požadované řešení x lze získat následujícím algoritmem: 1. Zvolíme vhodnou počáteční aproximaci x 0 X 35
45 Kapitola 4 Soustavy nelineárních rovnic 2. x k+1 = G(x k ) pro n = 0, 1, 2,... Jestliže je funkce G diferencovatelná, pak můžeme podmínku 2 nahradit podmínkou q : G (X) q < 1 X D kde G (X) je matice s prvky a i,j = ϕ(x 1,...,x n) x j. V případě dvou rovnic můžeme použít vzorce kde G (X) = 1 ad bc G(X) = a c d b c a b d., Příklad 4.1. Metodou prosté iterace určete řešení soustavy rovnic x = 0, 2 + 0, 1( xy 2 + 3x) y = 0, 6 + 0, 1( x 2 y 3 2y) v oblasti Ω = {[x, y]; 0 x 1, 0 y 1}. Řešení. Platí, že pro [x, y] Ω je [g 1 (x, y), g 2 (x, y)] Ω, 1. podmínka je tedy splněna. Dále je nutno sestavit si Jacobiovu matici G (X) = g 1 (x,y) x g 2 (x,y) x a pro ni provést odhad např. v normě. g 1 (x,y) y g 2 (x,y) = 0, 1y2 + 0, 3 0, 2xy 0, 2xy 3 0, 3x 2 y 2 0, 2 y G (X) = max{ 0, 1y 2 + 0, 3 + 0, 2xy ; 0, 2xy 3 0, + 3x 2 y 2 0, 2 } Zřejmě platí G (X) max{ 0, 3 + 0, 2; 0, 2 + 0, 5 } = 0, 7 pro X = [x, y] Ω. Pro q = 0, 7 je tedy splněna i druhá podmínka. Počáteční aproximace zvolíme 36
46 Kapitola 4 Soustavy nelineárních rovnic [x 0, y 0 ] = [0, 0]. x 1 = g 1 (x 0, y 0 ) y 1 = g 2 (x 0, y 0 ) x 2 = g 1 (x 1, y 1 ) y 2 = g 2 (x 1, y 1 ) x 3 =... y 3 =... Posloupnosti iterací zaznamenáme do tabulky. k x k y k x k x k 1 y k y k Newtonova metoda pro systémy nelineárních rovnic Odvození Newtonovy metody v n dimenzích se dá opět provést pomocí Taylorova rozvoje. Uvažujme soustavu nelineárních rovnic (4.1) s předpokládaným řešením x =( x 1,..., x n ) T a počáteční aproximací x 0 = (x 0 1,.., x 0 n) T. Linearizací (analogicky jako v jednorozměrném případě) dospějeme ke vztahu f (x k )(x k+1 x k )+f(x k ) = 0 (4.2) 37
47 Kapitola 4 Soustavy nelineárních rovnic kde f (x) je Jacobiova matice funkce f(x) f (x) = f 1 (x) f 1 (x) x n x f n(x) x 1... f n(x) x n Vztah (4.2) nyní upravíme do tvaru, s nímž můžeme počítat jednotlivé iterace: x k+1 = x k f (x k )f(x k ), k = 0, 1,... (4.3) Věta 4.2. Nechť soustava f(x) = 0 má řešení x, nechť f (x) je regulární matice se spojitými prvky v okolí O( x), přičemž (f (x)) 1 k, k = konst. pro všechna x z tohoto okolí. Dále nechť funkce f i, i = 1,..., n mají spojité druhé parciální derivace v okolí O( x). Potom při dostatečně blízké počáteční aproximaci x 0 bude posloupnost generovaná Newtonovou metodou konvergovat ke kořenu x. Důkaz je uveden v [6]. Příklad 4.1. Newtonovou metodou určete řešení soustavy rovnic g 1 (x, y) = 0, g 2 (x) = 0 ležící ve čtverci Ω = {[x, y]; 2 x 1, 1 y 2}, kde Řešení. g 1 (x, y) = x 3 xy 2 1 g 2 (x, y) = y 3 2x 2 y
48 Kapitola 4 Soustavy nelineárních rovnic Iterace budeme počítat podle předpisu (4.3). Položme f(x, y) = x3 xy 2 1 y 3 2x 2 y + 2 a f (x, y) = 3x2 y 2 2xy 4x 3y 2 2x 2. Budeme začínat s počáteční aproximací [x 0, y 0 ] = [ 1, 1]. k x k y k g 1 (x k, y k ) g 2 (x k, y k ) Jak již bylo zmíněno, problematika stanovení počáteční aproximace pro tuto metodu je mnohem náročnější, než v případě nelineárních rovnic. Při aplikaci Newtonovy metody pro systémy nelineárních rovnic je navíc potřeba na každém kroku iterace řešit soustavu (4.2), z čehož vyplývá náročnost této metody na praktické použití. 39
49 40
50 Závěr Hlavním cílem této práce bylo seznámit čtenáře s běžně používanými metody pro řešení nelineárních rovnic. Existuje spousta dalších metod, které v textu nebyly zmiňovány, protože by tím byl výrazně překročen plánovaný rozsah práce. V úvodní části jsme se věnovali základním definicím a pojmům. Protože uváděné věty nebyly cílem této práce, byly vypsány bez důkazů. Pro bližší seznámení se doporučuje literatura [5], [1]. 41
51 Literatura [1] Horský, Z., Vektorové prostory, SNTL: MVšT-II, [2] Keller, H.B., Isaacson, E., Analysis of numerical methods, New York: Dover publications inc., [3] Mekwi, W.R., Iterative methods for roots of polynomials, Trinity: University of Oxford, [4] Stoer, J., Bulirsch,R., Introduction to numerical analysis, New York: Heidelberg, Berlin, [5] Šalát, T., Metrické priestory, Bratislava: Alfa, [6] Zelinka, J., Horová, I., Numerické metody, Brno: Masarykova univerzita,
Numerická matematika 1
Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 40 regula Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague regula 1 2 3 4 5 regula 6 7 8 2 / 40 2 / 40 regula Iterační pro nelineární e Bud f reálná funkce
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/ navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
VíceDRN: Kořeny funkce numericky
DRN: Kořeny funkce numericky Kořenem funkce f rozumíme libovolné číslo r splňující f(r) = 0. Fakt. Nechť f je funkce na intervalu a, b. Jestliže f(a) f(b) < 0 (tj. f(a) a f(b) mají opačná znaménka) a f
VíceMETODA PŮLENÍ INTERVALU (METODA BISEKCE) METODA PROSTÉ ITERACE NEWTONOVA METODA
2-3. Metoda bisekce, met. prosté iterace, Newtonova metoda pro řešení f(x) = 0. Kateřina Konečná/ 1 ITERAČNÍ METODY ŘEŠENÍ NELINEÁRNÍCH ROVNIC - řešení nelineární rovnice f(x) = 0, - separace kořenů =
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/ navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/~navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
VíceTexty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech
Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech 1. července 2008 1 Funkce v R n Definice 1 Necht n N a D R n. Reálnou funkcí v R n (reálnou funkcí n proměnných) rozumíme zobrazení
VíceHledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012 Opakování rovnice přímky Úloha: Určete rovnici přímky procházející body A[a, f(a)] a B[b, f(b)], kde f je funkce spojitá
VíceNewtonova metoda. 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné Newtonova metoda Michal Čihák 23. října 2012 Newtonova metoda (metoda tečen) využívá myšlenku, že tečna v daném bodě grafu funkce nejlépe aproximuje graf funkce
VíceNumerické metody I. Jaro Normy vektorů a matic 1. 2 Nelineární rovnice Metoda bisekce (půlení intervalu) Iterační metody...
Poznámky k přednášce 1 Numerické metody I Jaro 2010 Tomáš Řiháček Obsah 1 Normy vektorů a matic 1 2 Nelineární rovnice 3 2.1 Metoda bisekce (půlení intervalu).............................. 3 2.2 Iterační
VíceObyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých
Obyčejné diferenciální rovnice Obyčejnými diferenciálními rovnicemi (ODR) budeme nazývat rovnice, ve kterých se vyskytují derivace neznámé funkce jedné reálné proměnné. Příklad. Bud dána funkce f : R R.
Více11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah
11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
VíceZavedeme-li souřadnicový systém {0, x, y, z}, pak můžeme křivku definovat pomocí vektorové funkce.
KŘIVKY Křivka = dráha pohybujícího se bodu = = množina nekonečného počtu bodů, které závisí na parametru (čase). Proto můžeme křivku také nazvat jednoparametrickou množinou bodů. Zavedeme-li souřadnicový
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
VíceŘešení nelineárních rovnic
Řešení nelineárních rovnic Metody sečen (sekantová a regula falsi) Máme dva body x 1 a x mezi nimiž se nachází kořen Nový bod x 3 volíme v průsečíku spojnice bodů x 1, f x 1 a x, f x (sečny) s osou x ERRBISPAS
VícePŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
VíceBAKALÁŘSKÁ PRÁCE. Metody pro výpočet kořenů polynomů
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Metody pro výpočet kořenů polynomů Vedoucí diplomové práce: RNDr. Horymír Netuka,
VíceDnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
VíceZáklady matematické analýzy
Základy matematické analýzy Spojitost funkce Ing. Tomáš Kalvoda, Ph.D. 1, Ing. Daniel Vašata 2 1 tomas.kalvoda@fit.cvut.cz 2 daniel.vasata@fit.cvut.cz Katedra aplikované matematiky Fakulta informačních
VíceAfinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.
4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,
VíceCo je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VíceNumerické řešení rovnice f(x) = 0
Numerické řešení rovnice f(x) = 0 Přemysl Vihan 9.10.2003 Katedra fyziky, Pedagogická fakulta Univerzity J.E. Purkyně v Ústí n.l. 2. ročník, PMVT-mag. Abstrakt Seminární práce se zabývá numerickým řešením
VíceDefinice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:
Přednáška 1. Definice 1.1. Nechť je množina. Funkci ρ : R nazveme metrikou, jestliže má následující vlastnosti: (1 pro každé x je ρ(x, x = 0; (2 pro každé x, y, x y, je ρ(x, y = ρ(y, x > 0; (3 pro každé
VíceOtázku, kterými body prochází větev implicitní funkce řeší následující věta.
1 Implicitní funkce Implicitní funkce nejsou funkce ve smyslu definice, že funkce bodu z definičního oboru D přiřadí právě jednu hodnotu z oboru hodnot H. Přesnější termín je funkce zadaná implicitně.
VíceI. Diferenciální rovnice. 3. Rovnici y = x+y+1. převeďte vhodnou transformací na rovnici homogenní (vzniklou
Typy příkladů pro I. část písemky ke zkoušce z MA II I. Diferenciální rovnice. 1. Určete obecné řešení rovnice y = y sin x.. Určete řešení rovnice y = y x splňující počáteční podmínku y(1) = 0. 3. Rovnici
Více5.3. Implicitní funkce a její derivace
Výklad Podívejme se na následující problém. Uvažujme množinu M bodů [x,y] R 2, které splňují rovnici F(x, y) = 0, M = {[x,y] D F F(x,y) = 0}, kde z = F(x,y) je nějaká funkce dvou proměnných. Je-li F(x,y)
VíceDefinice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s
Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných
VíceGreenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VícePřednáška 11, 12. prosince Část 5: derivace funkce
Přednáška 11, 12. prosince 2014 Závěrem pasáže o spojitých funkcích zmíníme jejich podtřídu, lipschitzovské funkce, nazvané podle německého matematika Rudolfa Lipschitze (1832 1903). Fukce f : M R je lipschitzovská,
Vícef(c) = 0. cn pro f(c n ) > 0 b n pro f(c n ) < 0
KAPITOLA 5: Spojitost a derivace na intervalu [MA-8:P5] 5 Funkce spojité na intervalu Věta 5 o nulách spojité funkce: Je-li f spojitá na uzavřeném intervalu a, b a fa fb < 0, pak eistuje c a, b tak, že
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálních rovnic Omezení: obyčejné (nikoli parciální) diferenciální rovnice, Cauchyho počáteční úloha, pouze jedna diferenciální rovnice 1. řádu 1/1 Numerické řešení diferenciálních
VíceAplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
VíceNumerická matematika Banka řešených příkladů
Numerická matematika Banka řešených příkladů Radek Kučera, Pavel Ludvík, Zuzana Morávková Katedra matematiky a deskriptivní geometrie Vysoká škola báňská Technická Univerzita Ostrava K D M G ISBN 978-80-48-894-6
VíceNumerické metody a programování. Lekce 7
Numerické metody a programování Lekce 7 Řešení nelineárních rovnic hledáme řešení x problému f x = 0 strategie: odhad řešení iterační proces postupného zpřesňování řešení výpočet skončen pokud je splněno
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
Více10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
VíceRiemannův určitý integrál
Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami
Vícel, l 2, l 3, l 4, ω 21 = konst. Proved te kinematické řešení zadaného čtyřkloubového mechanismu, tj. analyticky
Kinematické řešení čtyřkloubového mechanismu Dáno: Cíl: l, l, l 3, l, ω 1 konst Proved te kinematické řešení zadaného čtyřkloubového mechanismu, tj analyticky určete úhlovou rychlost ω 1 a úhlové zrychlení
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VícePřipomenutí co je to soustava lineárních rovnic
Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a
VíceHledání extrémů funkcí
Hledání extrémů funkcí Budeme se zabývat téměř výhradně hledáním minima. Přes nost nalezeného extrému Obecně není hledání extrému tak přesné jako řešení rovnic. Demonstrovat to můžeme na příkladu hledání
VíceANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,
VícePolynomy. Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1.1 Teorie Zavedení polynomů Operace s polynomy...
Polynomy Obsah Mgr. Veronika Švandová a Mgr. Zdeněk Kříž, Ph. D. 1 Základní vlastnosti polynomů 2 1.1 Teorie........................................... 2 1.1.1 Zavedení polynomů................................
VíceČebyševovy aproximace
Čebyševovy aproximace Čebyševova aproximace je tzv hledání nejlepší stejnoměrné aproximace funkce v daném intervalu Hledáme funkci h x, která v intervalu a,b minimalizuje maximální absolutní hodnotu rozdílu
VíceExtrémy funkce dvou proměnných
Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže
VíceMatematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
VíceDiferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)
2. Diferenciál funkce, tečná rovina. Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci) df(a, h) = x (a)h + (a)h 2, h = (h, h
VíceBAKALÁŘSKÁ PRÁCE. Numerické metody jednorozměrné minimalizace
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Numerické metody jednorozměrné minimalizace Vedoucí bakalářské práce: RNDr. Horymír
VícePOSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky
POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu
VíceMatematika I (KX001) Užití derivace v geometrii, ve fyzice 3. října f (x 0 ) (x x 0) Je-li f (x 0 ) = 0, tečna: x = 3, normála: y = 0
Rovnice tečny a normály Geometrický význam derivace funkce f(x) v bodě x 0 : f (x 0 ) = k t k t je směrnice tečny v bodě [x 0, y 0 = f(x 0 )] Tečna je přímka t : y = k t x + q, tj y = f (x 0 ) x + q; pokud
Více- funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte. V obou případech vyzkoušejte Taylorovy řady
Vzorové řešení domácího úkolu na 6. 1. 1. Integrály 1 1 x2 dx, ex2 dx spočítejte přibližně následují metodou - funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte.
Více18 Fourierovy řady Úvod, základní pojmy
M. Rokyta, MFF UK: Aplikovaná matematika III kap. 18: Fourierovy řady 7 18 Fourierovy řady 18.1 Úvod, základní pojmy Otázka J. Fouriera: Lze každou periodickou funkci napsat jako součet nějakých "elementárních"
VíceEuklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.
Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a
VíceDrsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál
Drsná matematika III 1. přednáška Funkce více proměnných: křivky, směrové derivace, diferenciál Jan Slovák Masarykova univerzita Fakulta informatiky 16. 9. 2008 Obsah přednášky 1 Literatura 2 Funkce a
VíceNelineární rovnice. Numerické metody 6. května FJFI ČVUT v Praze
Nelineární rovnice Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod Ohraničení kořene Hledání kořene Soustava Programy 1 Úvod Úvod - Úloha Hledáme bod x, ve kterém je splněno pro zadanou funkci
VíceTexty k přednáškám z MMAN3: 3. Metrické prostory
Texty k přednáškám z MMAN3: 3. Metrické prostory 3. července 2012 1 Metrika na množině, metrický prostor Pojem vzdálenosti dvou reálných (komplexních) čísel, nebo bodů v rovině či prostoru je známý ze
VíceDůvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo
0.1 Numerická matematika 1 0.1 Numerická matematika Důvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo π. = 22/7 s dovětkem, že to pro praxi stačí. Položme
VícePosloupnosti a jejich limity
KMA/MAT Přednáška č. 7, Posloupnosti a jejich ity 5. listopadu 203 Motivační příklady Prozkoumejme, zatím laicky, následující posloupnosti: Posloupnost, 4, 9,..., n 2,... : Hodnoty rostou nade všechny
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
VíceFP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
FP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci OBSAH A CÍLE SEMINÁŘE: Opakování a procvičení vybraných
VíceDerivace funkcí více proměnných
Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,
VíceANALYTICKÁ GEOMETRIE V ROVINĚ
ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii
VíceMatematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.
3.4. Výklad Předpokládejme, že v prostoru E 3 jsou dány body A, B, C neležící na jedné přímce. Těmito body prochází jediná rovina, kterou označíme ABC. Určíme vektory u = B - A, v = C - A, které jsou zřejmě
Vícea vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.
Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační
VíceMATLAB a numerické metody
MATLAB a numerické metod MATLAB je velmi vhodný nástroj pro numerické výpočt mnoho problémů je již vřešeno (knihovní funkce nebo Toolbo), jiné si můžeme naprogramovat sami. Budeme se zabývat některými
VíceTo je samozřejmě základní pojem konvergence, ale v mnoha případech je příliš obecný a nestačí na dokazování některých užitečných tvrzení.
STEJNOMĚRNÁ KONVERGENCE Zatím nebylo v těchto textech věnováno příliš pozornosti konvergenci funkcí, at jako limita posloupnosti nebo součet řady. Jinak byla posloupnosti funkcí nebo řady brána jako. To
VícePřednáška 6, 6. listopadu 2013
Přednáška 6, 6. listopadu 2013 Kapitola 2. Posloupnosti a řady funkcí. V dalším jsou f, f n : M R, n = 1, 2,..., reálné funkce jedné reálné proměnné definované na (neprázdné) množině M R. Co to znamená,
VícePOSLOUPNOSTI A ŘADY INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ
POSLOUPNOSTI A ŘADY Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu
Více1 Mnohočleny a algebraické rovnice
1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem
VíceZákladní spádové metody
Základní spádové metody Petr Tichý 23. října 2013 1 Metody typu line search Problém Idea metod min f(x), f : x R Rn R. n Dána počáteční aproximace x 0. Iterační proces (krok k): (a) zvol směr d k, (b)
VíceMatematická analýza III.
3. Implicitní funkce Miroslav Hušek, Lucie Loukotová UJEP 2010 V této kapitole se seznámíme s dalším možným zadáním funkce jejím implicitním vyjádřením. Doplní tak nám již známé explicitní a parametrické
Více4. Diferenciál a Taylorova věta
4. Diferenciál a Taylorova věta Definice 4.1. Buď f : R n R, a Df. Řekneme, že f je diferencovatelná v bodě a, když h V n takový, že a + h Df platí f(a + h) f(a) gradf(a) h + h τ(h), kde lim τ(h) 0. Funkce
VíceAlgebraické rovnice. Obsah. Aplikovaná matematika I. Ohraničenost kořenů a jejich. Aproximace kořenů metodou půlení intervalu.
Algebraické rovnice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Základní pojm 2 Metod řešení algebraických rovnic Algebraické řešení Grafické řešení Numerické řešení 3 Numerické řešení Ohraničenost
VíceDefinice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně
7 Náhodný vektor Nezávislost náhodných veličin Definice 7 Nechť je dán pravděpodobnostní prostor (Ω, A, P) Zobrazení X : Ω R n, které je A-měřitelné, se nazývá (n-rozměrný) náhodný vektor Měřitelností
VíceDiferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program
Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí
VíceArnoldiho a Lanczosova metoda
Arnoldiho a Lanczosova metoda 1 Částečný problém vlastních čísel Ne vždy je potřeba (a někdy to není ani technicky možné) nalézt celé spektrum dané matice (velké řídké matice). Úloze, ve které chceme aproximovat
Více(4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74,
1. V oboru celých čísel řešte soustavu rovnic (4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74, kde (n) k značí násobek čísla k nejbližší číslu n. (P. Černek) Řešení. Z první rovnice dané soustavy plyne, že číslo
Vícea počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:
Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se
Více1 Řešení soustav lineárních rovnic
1 Řešení soustav lineárních rovnic 1.1 Lineární rovnice Lineární rovnicí o n neznámých x 1,x 2,..., x n s reálnými koeficienty rozumíme rovnici ve tvaru a 1 x 1 + a 2 x 2 +... + a n x n = b, (1) kde koeficienty
VíceKapitola 10: Diferenciální rovnice 1/14
Kapitola 10: Diferenciální rovnice 1/14 Co je to diferenciální rovnice? Definice: Diferenciální rovnice je vztah mezi hledanou funkcí y(x), jejími derivacemi y (x), y (x), y (x),... a nezávisle proměnnou
Více11. Číselné a mocninné řady
11. Číselné a mocninné řady Aplikovaná matematika III, NMAF072 M. Rokyta, KMA MFF UK ZS 2017/18 11.1 Základní pojmy Definice Necht {a n } C je posloupnost komplexních čísel. Pro m N položme s m = a 1 +
VícePosloupnosti a řady. 28. listopadu 2015
Posloupnosti a řady Přednáška 5 28. listopadu 205 Obsah Posloupnosti 2 Věty o limitách 3 Řady 4 Kritéria konvergence 5 Absolutní a relativní konvergence 6 Operace s řadami 7 Mocninné a Taylorovy řady Zdroj
VíceSoustavy lineárních rovnic-numerické řešení. October 2, 2008
Soustavy lineárních rovnic-numerické řešení October 2, 2008 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2... a n1 x 1 + a n2 x 2 + + a
VíceMatematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
Vícei=1 Přímka a úsečka. Body, které leží na přímce procházející body a a b můžeme zapsat pomocí parametrické rovnice
I. Funkce dvou a více reálných proměnných 1. Úvod Značení: V textu budeme používat označení: N pro množinu všech přirozených čísel; R pro množinu všech reálných čísel; R n pro množinu všech uspořádaných
VícePrincip řešení soustavy rovnic
Princip řešení soustavy rovnic Tomáš Kroupa 20. května 2014 Tento studijní materiál je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Obsah Formulace úlohy Metody řešení
VíceV předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
VíceLimita a spojitost funkce
Přednáška 5 Limita a spojitost funkce V této přednášce se konečně dostaneme k diferenciálnímu počtu funkce jedné reálné proměnné. Diferenciální počet se v podstatě zabývá lokálním chováním funkce v daném
Vícef(x) = arccotg x 2 x lim f(x). Určete všechny asymptoty grafu x 2 2 =
Řešení vzorové písemky z předmětu MAR Poznámky: Řešení úloh ze vzorové písemky jsou formulována dosti podrobně podobným způsobem jako u řešených příkladů ve skriptech U zkoušky lze jednotlivé kroky postupu
VíceParciální derivace a diferenciál
Parciální derivace a diferenciál Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceSoustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda.
Úvod Soustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda. Mnoho technických problémů vede na řešení matematických úloh, které se následně převedou na úlohy řešení soustav nelineárních rovnic
Více