Numeeriset Menetelmät

Samankaltaiset tiedostot
Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Numeerinen integrointi ja derivointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Numeeriset menetelmät

Matematiikan tukikurssi

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.

Matematiikka B1 - avoin yliopisto

Numeeriset menetelmät

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu

Yhden muuttujan funktion minimointi

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

Numeeriset menetelmät

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

2 Funktion derivaatta

Matemaattinen Analyysi

MS-C1340 Lineaarialgebra ja

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 8: Newtonin iteraatio. Taso- ja avaruusintegraalit

Matematiikan tukikurssi

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

3.1 Väliarvolause. Funktion kasvaminen ja väheneminen

jakokulmassa x 4 x 8 x 3x

BM20A1501 Numeeriset menetelmät 1 - AIMO

BM20A0300, Matematiikka KoTiB1

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

sin(x2 + y 2 ) x 2 + y 2

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

Derivaatta: funktion approksimaatio lineaarikuvauksella.

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Numeerinen analyysi Harjoitus 1 / Kevät 2017

Epälineaaristen yhtälöiden ratkaisumenetelmät

Potenssisummia numeerisella integroinnilla

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.

Epälineaaristen yhtälöiden ratkaisumenetelmät

Luku 4. Derivoituvien funktioiden ominaisuuksia.

Pienimmän neliösumman menetelmä

Matematiikka B1 - TUDI

Matematiikan tukikurssi, kurssikerta 3

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

MS-A0102 Differentiaali- ja integraalilaskenta 1

Johdantoa INTEGRAALILASKENTA, MAA9

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Numeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Numeeriset menetelmät

Matematiikan peruskurssi 2

Luento 9: Newtonin iteraation sovellus: optimointiongelma

Funktioiden approksimointi ja interpolointi

6 Variaatiolaskennan perusteet

2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre.

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 10: Ensimmäisen kertaluvun differentiaaliyhtälö

Numeeriset menetelmät

1 Rajoittamaton optimointi

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

Numeerinen analyysi Harjoitus 3 / Kevät 2017

Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

Ratkaisu: Tutkitaan derivoituvuutta Cauchy-Riemannin yhtälöillä: f(x, y) = u(x, y) + iv(x, y) = 2x + ixy 2. 2 = 2xy xy = 1

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Rollen lause polynomeille

infoa Viikon aiheet Potenssisarja a n = c n (x x 0 ) n < 1

MATP153 Approbatur 1B Harjoitus 4 Maanantai

k S P[ X µ kσ] 1 k 2.

4. Funktion arvioimisesta eli approksimoimisesta

Johdatus diskreettiin matematiikkaan (syksy 2009) Harjoitus 3, ratkaisuja Janne Korhonen

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

Luento 2: Liikkeen kuvausta

Ratkaisuehdotus 2. kurssikoe

Johdantoa. Jokaisen matemaatikon olisi syytä osata edes alkeet jostakin perusohjelmistosta, Java MAPLE. Pascal MathCad

Reaalilukuvälit, leikkaus ja unioni (1/2)

a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki = 16 3 =

Numeeriset menetelmät

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

1.5 Suljetulla välillä jatkuva funktio. Perusominaisuudet.

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

BM20A0900, Matematiikka KoTiB3

Matematiikan tukikurssi

DIFFERENTIAALI- JA INTEGRAALILASKENTA

2 Funktion derivaatta

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4

Numeeriset menetelmät

Opetusperiodi:I, suunnattu hakukohteille:

Transkriptio:

Numeeriset Menetelmät Kurssilla käydään läpi laskennallisen matematiikan perusteet. Opitaan kuinka matematiikkaa oikeasti käytetään sekä millaisia perustehtäviä ratkaistaan numeerisesti. (Monimutkaisemmat laskentatehtävät edellyttävät, että perustehtävät osataan ratkaista.) Nykyisin kaikki matematiikkaan liittyvä tehdään tietokoneilla kahdesta syystä. 1. Tietokoneita on kaikkialla ja ne ovat nopeita suorittamaan laskentaoperaatioita. 2. Laskennallisia ohjelmistoja on saatavilla sekä kaupallisina että ilmaisina. Kurssilla opitaan minkä typpisillä algoritmeilla tietokone ratkaisee perustehtävät, eli muun muassa -lineaarisen yhtälöryhmän ratkaiseminen -pienimmän neliösumman ongelman ratkaiseminen -epälineaarisen yhtälöryhmän ratkaiseminen -optimointi ongelma ilman rajoitusehtoja -funktioiden approksimointi -numeerinen integrointi -differentiaaliyhtälöiden numeerinen ratkaiseminen Tällaisia perustehtäviä pitää osata tunnistaa ja ratkaista mm. fysiikan ja kemian sovellutuksissa, insinööritieteissä, biotieteissä sekä taloustieteissä. Tarkoitus on myös oppia ymmärtämään algoritmien laskennallista kompleksisuutta, toisin sanoen sitä kuinka paljon työtä perustehtävien luotettava ratkaiseminen vaatii. Aikataulun tiukkuuden takia kurssille on valitettavasti hankala löytää oppikirjaa. Jos kirjaa pitäisi suositella, niin Numerical Methods: Design, Analysis, and Computer Implementation of Algorithms, Anne Greenbaum and Timothy P. Chartier, 2012 on sellainen. Siinä on materiaalia runsaammin kuin mitä tässä kurssissa ehditään käymään läpi. Huom. Tällä kurssilla emme käsittele diskreettiä matematiikkaa ja graafeja sekä niihin liittyviä algoritmeja. Jos matematiikan opintoja pitäisi täydentää, tällaisen kurssin valitseminen on suositeltavaa. 1

1 Luento 1: Taylorin lause, IEEE liukulukustandardi 1.1 Kertaus: Taylorin lause Palautetaan mieleen hiukan peruskäsitteittä differentiaali- ja interaalilaskennasta. Funktion f : [a, b] R jatkuvuus pitää ymmärtää. Lisäksi seuraavat kaksi lausetta ovat osa differentiaali- ja interaalilaskennan perusteita. (Niistä on helppo vakuuttua esim. piirtämällä kokeeksi funktioiden kuvaajia.) Lause 1 (Väliarvolause.) Olkoon funktio f välillä [a, b] jatkuva ja välillä (a, b) derivoituva. Tällöin löytyy ξ (a, b) siten että f(b) f(a) = f (ξ)(b a). Lause 2 (Integraali-väliarvolause.) Olkoon ei-negatiivinen funktio w välillä [a, b] integroituva ja olkoon funktio f välillä [a, b] jatkuva. Tällöin löytyy ξ [a, b] siten että b b w(x)f(x)dx = f(ξ) w(x)dx. a a Taylorin polynomi p n astetta n on (luultavasti tärkein) tapa approksimoida annettua funktiota f : [a,b] R. Se ei oikeastaan ole pelkästään numeerinen menetelmä vaan pikemminkin työkalu, jonka avulla varsinaisia numeerisia menetelmiä voidaan johtaa. (Muun muassa numeerinen integrointi ja differentiaaliyhtälöiden numeerinen ratkaiseminen pohjautuvat Taylorin polynomiin.) Taylorin polynomi edellyttää, että funktio f on saatavilla. Tällöin f:n approksimaatio muodostetaan yhdessä pisteessä x 0 [a,b] siten, että asetetaan p n (x) = f(x 0 )+ (x x 0) f (x 0 )+ (x x 0) 2 f (x 0 )+ + (x x 0) n f (n) (x 0 ) 1! 2! n! (1) Tämä siis edyllyttää, että f:ää voidaan derivoida vähintään n kertaa k.o. pisteessä. Pistettä x 0 kutsutaan Taylorin polynomin kehityskeskukseksi. Taylorin polynomi p n antaa tietenkin f:lle erinomaisen approximaation pisteessä x 0. Mutta todellisuudessa haluamme käyttää tätä approximaatiota myös x 0 :n ympäristössä. Tällöin pitää tietää kuinka suuren virheen tuolloin teemme. (Muistutus: f : [a, b] R on jatkuvasti derivoituva jos sen derivaattafunktio f on olemassa ja se on jatkuva funktio.) 2

Lause 3 (Taylorin lause.) Olkoon funktio f välillä [a, b] vähintään n + 1 kertaa jatkuvasti derivoituva jollain n N. Olkoon x,x 0 [a,b]. Tällöin f(x) = p n (x)+r n+1 (x), (2) missä R n+1 (x) = 1 x n! x 0 (x t) n f (n+1) (t)dt. Lisäksi pätee jollain ξ [x 0,x]. R n+1 (x) = (x x 0) n+1 f (n+1) (ξ) (3) (n+1)! Taylorin lause osoitetaan esimerkiksi osittaisintegroimalla n kertaa. Ensinnäkin integraalilaskun peruslauseen perusteella päteef(x) = f(x 0 )+ x x 0 f (t)dt. Tämä osittaisintegroidaan, jolloin termejä uudelleen järjestelemällä saadaan f(x) = f(x 0 )+(x x 0 )f (x 0 )+ x (x t)f (t)dt. x 0 Jatketaan osittaisintegrointia ja termien uudelleenjärjestelyä vielä (n 1) kertaa, jolloin saadaan identiteetti (2). Virhekaava (3) seuraa Integraaliväliarvolauseesta 2. Esimerkki 1 Exponenttifunktiolle pätee (e x ) = e x. Siten jos kehityskeskus on x 0 = 0, saamme e x = 1+x+ x2 2 + + xn n! + xn+1 (n+1)! eξx. Taylorin polynomi yleistyy suoraviivaisesti usemman muuttujan tapaukseen. Käsitellään lyhyesti kahden muuttujan tapaus. Olkoon f(x, y) kahden muuttujan x ja y funktio ja tarkoituksena on muodostaa f:n Taylorin polynomi pisteessä (x 0,y 0 ) R 2. Merkitään L(x 0,y 0 ;x 1,y 1 ):llä sitä tason suoraa joka kulkee pisteiden (x 0,y 0 ) ja (x 1,y 1 ) kautta. Lause 4 Olkoot pisteet (x 0,y 0 ) ja (x 0 +ξ,y 0 +η) annettu ja f olkoon n+1 kertaa jatkuvasti differentioituva jossain janan L(x 0,y 0 ;x 0 +ξ,y 0 +η) ympäristössä. Tällöin n ( 1 f(x 0 +ξ,y 0 +η) = f(x 0,y 0 )+ (ξ j! x +η ) y )j f(x,y) x=x 0,y=y 0 jollain 0 t 1. j=1 + 1 ( (ξ (n+1)! x +η ) y )n+1 f(x,y) 3 x=x 0 +tξ,y=y 0 +tη

Tämä osoitetaan käyttämällä yhden muuttujan Taylorin lausetta rajoitumalla suoralle L(x 0,y 0 ;x 0 +ξ,y 0 +η). (Siis f:ää tarkastellaan vain tällä suoralla muodossa f(x 0 +tξ,y 0 +tη) missä t R on muuttuja. Kyseessä on tällöin yhden muuttujan funktio.) Huomaa, että tässä tarvitaan paljon osittaisderivaattoja. Esimerkiksi = ξ 2 2 f(x,y) x 2 (ξ x +η y )2 f(x,y) +2ξη 2 f(x,y) x y +η 2 2 f(x,y) y 2. Edellinen useamman muuttujan Taylorin lause sisältää siis virhetermin. Varsinaisessa Taylorin polynomissa muuttujina käytetään x = x 0 + ξ:ää ja y = y 0 +η:tä. Esimerkki 2 Olkoon f(x,y) = x/y ja kehityskeskus (x 0,y 0 ) = (6,2). Tällöin 1. asteen Taylorin polynomi on p 1 (x,y) = f(6,2)+(x 6) f(6,2) +(y 2) f(6,2) = 3+ 1 x y 2 (x 6) 3 2 (y 2). Tämän voi mieltää f:n kuvaajan pisteeseen (6, 2, 3) asetetuksi tangenttitasoksi. 1.2 IEEE liukulukustandardi Ennen kuin siirrymme varsinaisesti käsittelemään algoritmeja, on välttämätöntä lyhyesti käydä läpi kuinka tietokone käsittelee numeroita. Nykyinen on ns. IEEE liukulukustandardi ja lähes kaikki tietokonevalmistajat käyttävät kyseistä standardia. Käytetty tarkkuus on ns. kaksoistarkkuus. Tällöin siis R "diskretoidaan"siten, että se korvataan äärellisellä joukolla rationaalilukuja F Q. Luvut voivat olla itseisarvoltaan sellaisia, että jos x F, niin 2.23 10 308 x 1.79 10 308. Muutoin tapahtuu joko yli- tai alivuoto. (Se yleensä ei ole ongelma.) Koska siis käytetään vain äärellistä joukkoa F, jää R:ään paljon aukkoja seuraavasti. Väli [1,2] R esitetään F:ssä siten että F muodostuu luvuista 1, 1+2 52, 1+2 2 52, 1+3 2 52,...,2. (4) Muut välit saadaan skaalaamalla siten, että väli [2 j,2 j+1 ] esitetään kertomalla rationaaliluvut (4) luvulla 2 j. Näin tehdään kunnes yli-tai alivuotoraja saavutetaan. Esimerkiksi väli [2, 4] R korvataan F:n luvuilla 2, 2+2 51, 2+2 2 51, 2+3 2 51,...,4. 4

Tämä tarkoittaa, että R:ään jää suhteellisesti yhtä suuria aukkoja. Kun IEEE liukulukustandardia mallinnetaan, oletetaan että yli-tai alivuotoa ei tapahdu. Lisäksi käytössä on luku 0. Tällöin tietokone ottaa vastaan realilukuja siten, että tapahtumaa kuvaa funktio f l : R F joka toteuttaa fl(x) = x(1+ǫ), missä ǫ ǫ kone. Tämä on IEEE liukulukustandardin kaksoistarkkuudessa ǫ kone = 2 53 1.11 10 16. Näin tietokone mielletään pyöristävän reaalilukuja siten että noin 16 ensimmäistä merkitsevää numeroa säästetään. Kun luvut on pyöristetty ja laitettu tietokoneeseen, niillä voidaan laskea peruslaskutoimituksia eli yhteen-, vähennys- kerto- ja jakolaskuja. Olkoon jokin näistä. Tällöin jos x,y F, niin x y R liukulukuaritmetiikassa laskettuna on (x y)(1+ǫ) F, missä ǫ ǫ kone. Eli tietokone tekee (mahdollisesti) laskuissaan pyöristysvirheitä. Vaikka ne ovatkin pikkiriikkisiä, niillä on merkitystä kun algoritmeja kehitetään. Kaksi saman tehtävän ratkaisevaa algoritmia voivat olla sellaisia, että toinen on pyöristysvirheiden suhteen stabiili kun taas toinen ei ole, jolloin virheet saattavat kertyä ja aiheuttaa sen, että numeerinen ratkaisu on luokaton. 5