Numeeriset menetelmät

Samankaltaiset tiedostot
Numeeriset menetelmät

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

Numeerinen integrointi ja derivointi

Numeeriset menetelmät

Numeeriset menetelmät

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

Numeerinen integrointi

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

Numeerinen integrointi

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

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

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

Potenssisummia numeerisella integroinnilla

Numeeriset menetelmät

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

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

Numeeriset menetelmät

Numeeriset menetelmät

Integrointi ja sovellukset

Numeerinen integrointi

MS-C1340 Lineaarialgebra ja

Yhden muuttujan funktion minimointi

MS-A0202 Di erentiaali- ja integraalilaskenta 2 (SCI) Luento 8: Taso- ja avaruusintegraalit

Tee kokeen yläreunaan pisteytysruudukko. Valitse kuusi tehtävää seuraavista kahdeksasta. Perustele vastauksesi!

Numeeriset menetelmät

Määrätty integraali. Markus Helén. Mäntän lukio

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

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

f[x i ] = f i, f[x i,..., x j ] = f[x i+1,..., x j ] f[x i,..., x j 1 ] x j x i T n+1 (x) = 2xT n (x) T n 1 (x), T 0 (x) = 1, T 1 (x) = x.

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

Harjoitustehtävien ratkaisut

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

integraali Integraalifunktio Kaavoja Integroimiskeinoja Aiheet Linkkejä Integraalifunktio Kaavoja Integroimiskeinoja Määrätty integraali

Luku 4. Derivoituvien funktioiden ominaisuuksia.

Numeeriset Menetelmät

Muutoksen arviointi differentiaalin avulla

Numeeriset menetelmät

Pienimmän neliösumman menetelmä

Numeeriset menetelmät

jakokulmassa x 4 x 8 x 3x

Numeeriset menetelmät Pekka Vienonen

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

Kun yhtälöä ei voi ratkaista tarkasti (esim yhtälölle x-sinx = 1 ei ole tarkkaa ratkaisua), voidaan sille etsiä likiarvo.

1 Peruskäsitteet. Dierentiaaliyhtälöt

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29

Schildtin lukio

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

(0 desimaalia, 2 merkitsevää numeroa).

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

n. asteen polynomilla on enintään n nollakohtaa ja enintään n - 1 ääriarvokohtaa.

VI. TAYLORIN KAAVA JA SARJAT. VI.1. Taylorin polynomi ja Taylorin kaava

Perusidea: Jaetaan väli [a, b] osaväleihin ja muodostetaan osavälejä vastaavat suorakulmiot/palkit, joiden korkeus funktion arvot kyseisellä välillä.

BM20A1501 Numeeriset menetelmät 1 - AIMO

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

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

1 Määrittelyjä ja aputuloksia

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

Funktioiden approksimointi ja interpolointi

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

Harjoituskokeiden ratkaisut Painoon mennyt versio.

Luento 8: Epälineaarinen optimointi

KOMPLEKSIANALYYSI I KURSSI SYKSY exp z., k = 1, 2,... Eksponenttifunktion z exp(z) Laurent-sarjan avulla

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

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

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

MS-A0102 Differentiaali- ja integraalilaskenta 1

Matematiikan tukikurssi

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

Numeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55

Keskusteluaiheita Discussion papers

2.2.1 Ratkaiseminen arvausta sovittamalla

Anna jokaisen kohdan vastaus kolmen merkitsevän numeron tarkkuudella muodossa

5 Differentiaalilaskentaa

H5 Malliratkaisut - Tehtävä 1

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

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

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

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

4 Integrointimenetelmiä

DIFFERENTIAALI- JA INTEGRAALILASKENTA

Dierentiaaliyhtälöistä

f(x, y) = x 2 y 2 f(0, t) = t 2 < 0 < t 2 = f(t, 0) kaikilla t 0.

Luento 8: Epälineaarinen optimointi

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA

Jatkuvat satunnaismuuttujat

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

Harjoitus 7 -- Ratkaisut

(iv) Ratkaisu 1. Sovelletaan Eukleideen algoritmia osoittajaan ja nimittäjään. (i) 7 = , 7 6 = = =

4.3.7 Epäoleellinen integraali

Numeeriset menetelmät

Luentoesimerkki: Riemannin integraali

Numeerinen analyysi Harjoitus 1 / Kevät 2017

A Lausekkeen 1,1 3 arvo on 1,13 3,3 1,331 B Tilavuus 0,5 m 3 on sama kuin 50 l 500 l l C Luvuista 2 3, 6 7

Koodausteoria, Kesä 2014

Transkriptio:

Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35

Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f 1 ) h3 12 f (η) Simpsonin kaava/sääntö b a f(x)dx = h 3 (f 0 + 4f 1 + f 2 ) h5 90 f(4) (η) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 2/35 p. 2/35

Integroimisvälin jakaminen Jos integroimisväli [a, b] pitkä: Matala-asteiset polynomit antavat epätarkkoja tuloksia Korkea-asteiset polynomit usein oskilloivat Ratkaisu: Jaetaan integroimisväli lyhyempiin osaväleihin Käytetään osaväleillä matala-asteisia kaavoja Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 3/35 p. 3/35

Esimerkki: Puolisuunnikassääntö [a, b] n kpl h:n pituisia osavälejä [x i, x i+1 ] x i = x 0 + ih, (i = 0, 1,..., n) x 0 = a, x n = b, h = (b a)/n Puolisuunnikassääntö yhdellä osavälillä: xi+1 x i f(x)dx h 2 (f i + f i+1 ) E[f] i = h3 12 f (x i + ξ i h), ξ i ]0, 1[ Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 4/35 p. 4/35

Esimerkki jatkuu b a f(x)dx = = h 2 n 1 i=0 n 1 i=0 xi+1 x i f(x)dx h 2 (f i + f i+1 ) ( f 0 + 2 n 1 i=1 f i + f n ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 5/35 p. 5/35

Esimerkki jatkuu Virhetermi: E[f] = n 1 i=0 E[f] i = h3 12 n 1 i=0 E[f] h3 12 n max f (x) x [a,b] f (x i + ξ i h) = h2 (b a) max 12 f (x) x [a,b] ( h = (b a)/n nh = b a ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 6/35 p. 6/35

Esimerkki: Simpsonin kaava [a, b] 2n kpl h:n pituisia osavälejä [x i, x i+1 ] x i = x 0 + ih, (i = 0, 1,..., 2n) x 0 = a, x 2n = b, h = (b a)/2n Simpsonin kaava kahdella osavälillä: x2i+2 x 2i f(x)dx h 3 (f 2i + 4f 2i+1 + f 2i+2 ) E[f] 2i = h5 90 f(4) (x 2i + ξ 2i h), ξ 2i ]0, 2[ Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 7/35 p. 7/35

Esimerkki jatkuu b a f(x)dx = = h 3 n 1 i=0 n 1 i=0 x2i+2 x 2i f(x)dx h 3 (f 2i + 4f 2i+1 + f 2i+2 ) ( f 0 + 4f 1 + 2f 2 + 4f 3 +... + 2f 2n 2 + 4f 2n 1 + f 2n ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 8/35 p. 8/35

Esimerkki jatkuu Virhetermi: E[f] = n 1 i=0 E[f] 2i = h5 90 E[f] h5 90 n max n 1 i=0 x [a,b] f(4) (x) f (4) (x 2i + ξ 2i h) = h4 (b a) max 180 x [a,b] f(4) (x) ( h = (b a)/2n nh = (b a)/2 ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 9/35 p. 9/35

Yleinen integrointikaava b a Aikaisemmin: f(x)w(x)dx = k i=1 A i f(x i ) + E[f] Etukäteen kiinnitetty, tasavälinen pisteistö x i Johdettiin painokertoimet A i Seuraavaksi: Sekä x i :t että A i :t vapaita parametreja 2k parametria paras mahdollinen tarkkuusaste 2k 1 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 10/35 p. 10/35

Parametrien määrääminen P k = enintään k-asteiset polynomit [a, b]:llä Lause: Olkoon q P k (q 0) siten, että b a q(x)p(x)w(x)dx = 0 p P k 1 Olkoot x i polynomin q nollakohdat ja A i = b a l j (x)w(x)dx = b a k m=1 m j x x m x j x m w(x)dx Kaavan tarkkuusaste on 2k 1 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 11/35 p. 11/35

Todistus Aikaisemmin tarkka kaikille f P k 1 Olkoon f P 2k 1 f = qp + r, missä p, r P k 1 f(x i ) = q(x i ) }{{} =0 p(x i ) + r(x i ) = r(x i ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 12/35 p. 12/35

Todistus jatkuu b a f(x)w(x)dx = = = b q(x)p(x)w(x) dx } a {{ } b =0 a k i=1 r(x) w(x)dx = }{{} P k 1 A i f(x i ) + k i=1 b a r(x)w(x) dx A i r(x i ) }{{} =f(x i ) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 13/35 p. 13/35

Gaussin ja Legendren kaavat Olkoon w 1 ja [a, b] = [ 1, 1] Lauseen polynomi q on Legendren polynomi: L 0 (x) = 1 L 1 (x) = x L m+1 (x) = 2m + 1 m + 1 xl m(x) m m + 1 L m 1(x), m = 1, 2,... Legendren polynomien juuret ovat reaalisia, yksinkertaisia ja välillä ] 1, 1[ Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 14/35 p. 14/35

Gaussin ja Legendren kaavat k = 1: L 1 (x) = x x 1 = 0 ( l j (x) = k m=1 m j x x m x j x m ja l 1 (x) = 1, jos k = 1 ) A 1 = 1 1 1 1 l 1 (x)dx = 1 1 f(x)dx 2f(0) 1dx = 2 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 15/35 p. 15/35

Gaussin ja Legendren kaavat k = 2: L 2 (x) = 3 2 xl 1(x) 1 2 L 0(x) = 1 2 + 3 2 x2 x 1 = 1 3, x 2 = + 1 3 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 16/35 p. 16/35

Gaussin ja Legendren kaavat k = 2 jatkuu: A 1 = 1 1 l 1 (x)dx = 1 1 x x 2 x 1 x 2 dx = 1 A 2 = 1 1 l 2 (x)dx = 1 1 x x 1 x 2 x 1 dx = 1 1 1 f(x)dx f( 1/ 3) + f(1/ 3) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 17/35 p. 17/35

Gaussin ja Legendren kaavat k = 3: L 3 (x) = 5 3 xl 2(x) 2 3 L 1(x) = 3 2 x + 5 2 x3 3 3 x 1 = 5, x 2 = 0, x 3 = + 5 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 18/35 p. 18/35

Gaussin ja Legendren kaavat k = 3 jatkuu: 1 1 A 1 = A 2 = A 3 = 1 1 1 1 1 1 (x x 2 )(x x 3 ) (x 1 x 2 )(x 1 x 3 ) dx = 5 9 (x x 1 )(x x 3 ) (x 2 x 1 )(x 2 x 3 ) dx = 8 9 (x x 1 )(x x 2 ) (x 3 x 1 )(x 3 x 2 ) dx = 5 9 f(x)dx 5 9 f( 3/5) + 8 9 f(0) + 5 9 f( 3/5) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 19/35 p. 19/35

Esimerkki Tehtävä: 1 1 e x dx (Arvo viiden numeron tarkkuudella: 2.3504) k = 1: 1 1 e x dx 2e 0 = 2 k = 2: 1 1 e x dx e 1/ 3 + e 1/ 3 2.3427 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 20/35 p. 20/35

Yleinen integroimisväli Gaussin ja Legendren kaavoissa integroimisväli [ 1, 1] Yleinen väli [a, b] saadaan muuttujanvaihdolla b a f(x)dx = b a 2 x = b a 2 z + a + b 2 1 1 f( b a 2 z + a + b 2 )dz Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 21/35 p. 21/35

Esimerkki [a, b] = [0, 2] x = 2 0 2 z + 0 + 2 2 = z + 1 k = 2: 2 0 e x dx = 1 1 e z 1 dz = e 1/ 3 1 + e 1/ 3 1 0.86183 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 22/35 p. 22/35

Automaattiset integrointialgoritmit Numeerisen integroinnin tarkkuuteen vaikuttaa valitun menetelmän tarkkuusaste d käytetyn osavälin pituus h Automaattinen integrointialgoritmi valitsee sellaisen menetelmän, joka sopii kyseiselle tehtävälle Adaptiivinen integrointialgoritmi määrää osavälien pituudet siten, että ennalta asetettu tarkkuusvaatimus toteutuu Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 23/35 p. 23/35

Integrointiohjelmistot Käyttäjä määrittelee välin [a, b] tekee aliohjelman, joka laskee f:n arvoja asettaa tarkkuusvaatimuksen ε (raja absoluuttiselle ja/tai suhteelliselle virheelle) Ohjelma päättää, onko tarkkuusvaatimus saavutettavissa laskee integraalin halutulla tarkkuudella palauttaa vastauksen (ja muuta tietoa) Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 24/35 p. 24/35

Rombergin menetelmä Lasketaan integraali osavälin pituudella h Lasketaan integraali osavälin pituudella h/2 Richardsonin ekstrapolaatio: Muodostetaan em. likiarvoista lineaarikombinaatio siten, että sen virhe on pienempi kuin kummankin likiarvon virhe Osavälin puolittamista jatketaan kunnes virhe on riittävän pieni Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 25/35 p. 25/35

Rombergin menetelmä Sovelletaan puolisuunnikassääntöön x i = x 0 + ih, (i = 0, 1,..., n) x 0 = a, x n = b, h = (b a)/n Lause: Jos f on 2m kertaa jatkuvasti derivoituva, niin puolisuunnikassäännön virhetermi voidaan kirjoittaa muodossa E[f] = m j=1 α j h 2j missä kertoimet α j eivät riipu h:sta Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 26/35 p. 26/35

Rombergin menetelmä Merkitään: I = b a f(x)dx Merkitään: T k,0 = puolisuunnikassäännön antama likiarvo I:lle, kun osavälien pituus on h k = (b a)/2 k Lause I = T k,0 + α 1 h 2 k + α 2 h 4 k + α 3 h 6 k + Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 27/35 p. 27/35

Rombergin menetelmä jatkuu I = T k,0 + α 1 h 2 k + α 2 h 4 k + α 3 h 6 k + Puolitetaan h k ( hk ) 2 ( hk ) 4 ( hk ) 6 I = T k+1,0 + α 1 + α2 + α3 + 2 2 2 = T k+1,0 + 1 4 α 1h 2 k + 1 16 α 2h 4 k + 1 64 α 3h 6 k + Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 28/35 p. 28/35

Rombergin menetelmä jatkuu I = T k,0 + α 1 h 2 k + α 2 h 4 k + α 3 h 6 k + ( 1) I = T k+1,0 + 1 4 α 1h 2 k + 1 16 α 2h 4 k + 1 64 α 3h 6 k + 4 3I = 4T k+1,0 T k,0 3 4 α 2h 4 k 15 16 α 3h 6 k I = 4 3 T k+1,0 1 3 T k,0 1 4 α 2h 4 k 5 16 α 3h 6 k Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 29/35 p. 29/35

Rombergin menetelmä jatkuu I = 4 3 T k+1,0 1 3 T k,0 }{{} =T k+1,1 1 4 α 2h 4 k 5 16 α 3h 6 k T k+1,1 ensimmäinen Rombergin ekstrapolaatio T k,0 ja T k+1,0 ovat O(h 2 )-approksimaatioita, mutta T k+1,1 on O(h 4 )-approksimaatio Jatketaan samalla tavalla, puolittamalla h k uudestaan Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 30/35 p. 30/35

Rombergin menetelmä jatkuu I = T k+1,1 1 4 α 2h 4 k 5 16 α 3h 6 k (muutetaan merkintöjä) I = T k,1 + β 1 h 4 k + β 2 h 6 k + Puolitetaan h k I = T k+1,1 + β 1 ( hk 2 ) 4 + β2 ( hk 2 ) 6 + = T k+1,1 + 1 16 β 1h 4 k + 1 64 β 2h 6 k + Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 31/35 p. 31/35

Rombergin menetelmä jatkuu I = T k,1 + β 1 h 4 k + β 2 h 6 k + ( 1) I = T k+1,1 + 1 16 β 1h 4 k + 1 64 β 2h 6 k + 16 15I = 16T k+1,1 T k,1 3 4 β 3h 6 k I = 16 15 T k+1,1 1 15 T k,1 }{{} =T k+1,2 1 20 β 3h 6 k Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 32/35 p. 32/35

Rombergin menetelmä jatkuu T k+1,2 toinen Rombergin ekstrapolaatio, O(h 6 )-approksimaatio... missä I = T k+1,j+1 + O(h 2j+4 ) T k+1,j+1 = 4j+1 T k+1,j T k,j 4 j+1 1 Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 33/35 p. 33/35

Rombergin menetelmä jatkuu Rombergin ekstrapolaatit taulukkona: T 0,0 T 1,0 T 1,1 T 2,0 T 2,1 T 2,2. Lasketaan riveittäin: T k,0 uusi puolisuunnikasaapproksimaatio, muut arvot ekstrapoloidaan Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 34/35 p. 34/35

Rombergin menetelmä jatkuu Jatketaan kunnes T k,k on riittävän tarkka approksimaatio integraalille Lopetuskriteeri esimerkiksi T k,k T k 1,k 1 ε T k,k Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 35/35 p. 35/35