1 Rozwiązywanie równań nieliniowych i ich układów.
Wyznaczanie zer wielomianów.
Plan wykładu:
1. Wyznaczanie pojedynczych pierwiastków rzeczywistych równań nieliniowych metodami
a) połowienia (bisekcji) b)Regula Falsi
c) siecznych d) Newtona
2. Wyznaczanie zer wielokrotnych
a) modyfikacja metod przy znajomości krotności pierwiastka
b)modyfikacja metod siecznych i Newtona dla przypadku ogólnego c) Proces 2 Aitkena
3. Rozwiązywanie układów równań nieliniowych
4. Wyznaczanie zer rzeczywistych i zespolonych wielomianów a) metoda Lehmera-Schura
b) metoda Łobaczewskiego c) dzielenie wielomianów
d) metoda iterowanego dzielenia
Równanie nieliniowe z jedną niewiadomą Poszukujemy zera rzeczywistego ciągłej
funkcji f(x), czyli szukamy rozwiązania równania:
f (x) = 0 , x 2 fx
1; x
2; : : : ; x
kg; x 2 R
3 Uwagi:
1) Nie istnieją wzory pozwalające obliczyć dokładnie pierwiastki równania – trzeba używać schematów iteracyjnych. Często w obliczeniach inżynierskich nie jest znana postać równania nieliniowego.
2) Rozwiązanie problemu uzyskane metodą iteracyjną będzie przybliżone
(z zadaną dokładnością)
3) Jak w każdej metodzie iteracyjnej, o tym jak szybko znajdziemy zadowalające
przybliżenie pierwiastka zależeć będzie od samej metody, od przybliżenia założonego na starcie oraz od postaci funkcyjnej
równania.
Metoda połowienia (bisekcji)
Rozwiązania szukamy w przedziale, w którym znajduje się miejsce zerowe funkcji, w tzw.
przedziale izolacji pierwiastka (wewnątrz tego przedziału pierwsza pochodna funkcji nie zmienia znaku). Przedział wyznacza się na podstawie wykresu funkcji lub w przypadku wielomianów algebraicznych – analitycznie.
Założenia:
1)w przedziale [a,b] znajduje się dokładnie jeden pierwiastek
2)Na końcach przedziału wartosci funkcji mają różne znaki tj.
Algorytm
1.Dzielimy przdział izolacji na pół
2.Sprawdzamy czy spełniony jest warunek
jeśli tak to mamy rozwiązanie, jeśli nie to przechodzimy do kolejnego puntu
3.z dwóch przedziałów [a,x1] oraz [x1,b]
wybieramy ten, w którym wartości funkcji na krańcach przedziałów mają różne znaki
4.Powtarzamy kroki 1-3, co powduje że długości kolejnych przedziałów maleją
f (a) ¢ f(b) < 0
x
1= b + a 2 f (x
1) = 0
f (x
i) ¢ f(x
i+1) < 0
jx
i¡ x
i+1j = 1
2
i(b ¡ a)
Lewe krańce przedziałów tworzą ciąg niemalejący ograniczony z góry. Natomiast prawe tworzą ciąg nie rosnący ograniczony z dołu. Istnieje ich wspólna granica w punkcie . Punkt ten jest poszukiwanym rozwiązaniem równania nieliniowego.
Przykład. Znaleźć w przedziale [1,2] metodą połowienia pierwiastek równania
Wewnątrz przedziału wartość pierwszej pochodnej funkcji jest dodatnia (nie zmienia znaku) – więc jest to przedział izolacji pierwiastka.
x
3+ x
2¡ 3x ¡ 3 = 0 f (x) = x
3+ x
2¡ 3x ¡ 3
f (1) = ¡4 f (2) = 3
f (a) ¢ f(b) = f (1)f(2) = ¡12 < 0
x f(x)
1.0 -4
2.0 3
1.5 -1.874
1.75 0.17187
1.625 -0.94335
1.6875 -0.40942
1.71875 -0.12487
1.73437 0.02198
... ...
1.73205 0.0000000
Wyniki kolejnych przybliżeń rozwiązania
Wadą metody wolna zbieżność w otoczeniu punktu stanowiącego rozwiązanie. Zaletą jest natomiast niezawodność metody.
5 Wzór iteracyjny.
Jeżeli g(y) stanowi funkcję odwrotną do f(x) to dla zbioru punktów
funkcję g(y) można przybliżyć (aproksymować) wielomianem Lagrange'a
Oznaczmy
Jeśli x=a jest rozwiązaniem (pierwiastkiem) to wówczas y=0
(xi+1-j – to wcześniej wyznaczone przybliżenia) gdzie wielomian lj ma postać
Wzór na xi+1 określa metodę iteracyjną rozwiązywania równania nieliniowego.
fy
1; y
2; : : : ; y
ng
g(y) ¼ X
n j=1l
j(y)g(y
j) x
i+1¡j= g(y
j)
x
i+1= X
n j=1l
j(0)x
i+1¡jWzór ten można zapisać w bardziej ogólnej postaci
który jest n-punktowym wzorem iteracyjnym.
Szczególnym przypadkiem są metody jednopunktowe wykorzystujące do
znalezienia przybliżenia w i+1 iteracji przy znajomości przybliżenia wyznaczonego w i- tym kroku
Zbieżność metody iteracyjnej Ciąg przybliżeń jest zbieżny gdy
Błąd rozwiązania w i-tej iteracji
W punkcie x=a metoda jest rzędu p, jeśli istnieje liczba rzeczywista
x
i+1= F (x
i; x
i¡1; : : : ; x
i¡n+1)
x
i+1= F (x
i)
"
i+1= a ¡ x
i+1i
lim
!1x
i= a
p ¸ 1 l
j= (y ¡ y
1) : : : (y ¡ y
j¡1)(y ¡ y
j+1) : : : (y ¡ y
n)
(y
j¡ y
1) : : : (y
j¡ y
j¡1)(y
j¡ y
j+1) : : : (y
j¡ y
n)
i
lim
!1jx
i+1¡ aj
jx
i¡ aj
p= lim
i!1
j"
i+1j
j"
ij
p= C 6= 0
dla której zachodzi
Liczbę C nazywamy stałą asymptotyczną błędu
Metoda Regula Falsi
W metodzie tej wykorzystuje się założenie istnienia lokalnej liniowości funkcji (fałszywe, stąd nazwa). Zakładamy ponadto:
1) w przedziale [a,b] funkcja ma tylko jeden pierwiastek pojedynczy
2) f(a)f(b)<0
3) funkcja jest klasy C2
4) pierwsza i druga pochodna nie zmieniają znaku w przedziale [a,b]
Rys. Idea metody Regula Falsi dla funkcji wypukłej
j"
i+1j = Cj"
ij
pj"j < 1 ) j"
i+1j << j"
ij
p7 Sposób postępowania:
1.przez punkty A i B prowadzimy prostą o równaniu:
2.punkt x1 w którym prosta przecina oś 0x przyjmuje się za pierwsze przybliżenie szukanego pierwiastka równania:
3.sprawdzamy warunek, czy: f(x1)=0, jeśli tak to przerywamy oblicznia
4.jeśli to sprawdzamy na końcach którego przedziału ([A,x1], [x1,B]) wartości funkcji mają różne znaki – przez te punkty prowadzimy kolejną prostą powtarzając kroki 1-4
Jeśli w przedziale [A,B]
a) f(1)(x)>0 oraz f(2)(x)>0 to B jest punktem stacjonarnym (prawy brzeg ustalony) b) f(1)(x)>0 oraz f(2)(x)<0 to A jest punktem
stacjonarnym
Metoda generuje ciąg przybliżeń. Elementy ciągu można wyznaczyć rekurencyjnie
y ¡ f(a) = f (b) ¡ f(a)
b ¡ a (x ¡ a)
x
1= a ¡ f (a)
f (b) ¡ f(a) (b ¡ a)
f (x1) 6= 0
x
k+1= x
k¡ f (x
k)
f (b) ¡ f(x
k) (b ¡ x
k) k = 1; 2; 3; : : : x
0= a
Błąd przybliżenia szacujemy korzystając z tw.
Lagrange'a o przyrostach:
gdzie:
Ponieważ
więc dostajemy oszacowanie
gdzie
m -oznacza kres dolny pierwszej pochodnej Błąd bezwzględny można oszacować znając wartości dwóch kolejnych przybliżeń xk i xk+1. Przekształcając wzór rekurencyjny otrzymujemy:
I dodajemy z lewej strony wyraz
f (®) = 0
m = inf
x2[a;b]
jf
0(x) j
¡f(x
k) = f (x
k) ¡ f(b)
x
k¡ b (x
k+1¡ x
k)
f (®) = 0
f (®) ¡ f(x
k) = f (x
k) ¡ f (b)
x
k¡ b (x
k+1¡ x
k) f (x
k) ¡ f(®) = f
0(c)(x
k¡ ®)
c 2 [x
k; ®]
jx
k¡ ®j · jf(x
k) j
m
8 Po zastosowaniu tw. Lagrange'a otrzymujemy:
Następnie przekształcamy do postaci
Dla
gdzie:
kres dolny
kres górny
oszacowanie błędu bezwględnego ma postać
»
k2 (x
k; ®) x ¹
k2 (x
k; b) (® ¡ x
k)f
0(»
k) = (x
k+1¡ x
k)f
0(¹ x
k)
j® ¡ x
k+1j = jf
0(¹ x
k) ¡ f
0(»
k) j
jf
0(»
k) j jx
k+1¡ x
kj
jf
0(x
k) ¡ f
0(»
k) j · M ¡ m m = inf
x2[a;b]
jf
0(x) j M = sup
x2[a;b]
jf
0(x) j
j® ¡ x
k+1j · M ¡ m
m jx
k+1¡ x
kj
Nie znamy wartości m i M. W niewielkim otoczeniu pierwiastka można pochodną można zastąpić
ilorazem różnicowym:
Metoda Regula Falsi jest zbieżna do dowolnej funkcji ciągłej w przedziale [a,b] jeśli wartość pierwszej pochodnej jest ograniczona i różna od zera w
otoczeniu pierwiastka. Obliczenia przerywa się jeśli dwa kolejne przybliżenia różnią się o mniej niż
założone . Wadą jest wolna zbieżność ciągu przybliżeń – rząd metody p=1.
j® ¡ x
k+1j »
¯ ¯
¯ ¯ f (x
k+1) f
0(x
k+1)
¯ ¯
¯ ¯
»
¯ ¯
¯ ¯ x
k+1¡ x
kf (x
k+1) ¡ f (x
k)
¯ ¯
¯ ¯jf(x
k+1) j
9 Metoda siecznych
Jest modyfikacją metody Regula Falsi. Prostą przeprowadza się przez dwa ostatnie
przybliżenia xk i xk-1 (metoda dwupunktowa).
Kolejne przybliżenia w metodzie siecznych wyznacza się według relacji rekurencyjnej:
Zbieżność metody jest znacznie szybsza niż w metodzie RF. Rząd metody
Należy dodatkowo przyjąć, że |f(xk)| mają tworzyć ciąg wartości malejących. Jeśli w kolejnej iteracji |f(xk)|zaczyna rosnąć, należy przerwać obliczenia i ponownie wyznaczyć punkty startowe zawężając przedział izolacji.
Przykład. szukamy dodatniego pierwiastka równania
p = 1
2 (1 + p
5) ¼ 1:618 x
k+1= x
k¡ f (x
k)(x
k¡ x
k¡1)
f (x
k) ¡ f(x
k¡1)
f (x) = sin(x) ¡ 1 2 x
Regula Falsi Metoda siecznych
x3 1.75960 1.75960
x
4 1.84420 1.93200x
5 1.87701 1.89242x
6 1.88895 1.89543x
7 1.89320 1.89549x
8 1.89469x
9 1.89521x
10 1.89540x
11 1.89546x
12 1.89548x
13 1.89549x
1= ¼=2 x
2= ¼
Metoda Newtona (metoda stycznych)
Algorytm:
1) z końca przedziału [a,b] w którym funkcja ma ten sam znak co druga pochodna należy
poprowadzić styczną do wykresu funkcji y=f(x) 2) styczna przecina oś 0X w punkcie x1 który
stanowi pierwsze przybliżenie rozwiązania 3) sprawdzamy czy f(x1)=0, jeśli nie to z tego
punktu prowadzimy kolejną styczną
4) druga styczna przecina oś 0X w punkcie x2 ktróry stanowi drugie przybliżenie
5) kroki 3-4 powtarzamy iteracyjne aż spełniony będzie warunek
Równanie stycznej poprowadzonej z punktu B:
i dla y=0, otrzymujemy pierwsze przybliżenie:
y ¡ f(b) = f
0(b)(x ¡ b)
x
1= b ¡ f (b)
f
0(b)
jx
k+1¡ x
kj · "
11 Korzystamy z rozwinięcia Taylora:
Gdzie
Wiemy że f()=0 , więc po przekształceniu wzoru Taylora otrzymujemy
Korzystając ze wzoru na pierwsze przybliżenie, możemy oszacować odległość nowego przybliżenia od dokładnego rozwiązania:
czyli punkt x1 leży na prawo od pierwiastka Natomiast z tw. Lagrange'a wynika że
czyli punkt x1 leży po lewej stronie punktu B.
Powyższe warunki pokazują, że kolejne iteracje przybliżają nas do rozwiązania dokładnego
f (®) = f (b) + f
0(b)(® ¡ b) + 1
2 f
00(c)(® ¡ b)
2c 2 [®; b]
® = b ¡ f (b)
f
0(b) ¡ 1 2
f
00(c)
f
0(b) (® ¡ b)
2® ¡ x
1= ¡ 1 2
f
00(c)
f
0(b) (® ¡ b)
2< 0
x
1¡ b = ¡ f (b)
f
0(b) < 0 x
12 [®; b]
Równanie stycznej w k-tym przybliżeniu
Równanie rekurencyjne na położenie k-tego
przybliżenia pierwiastka równania nieliniowego w metodzie Newtona jest następujące
Metoda Newtona jest więc metodą jednopunktową.
Oszacowanie błędu przybliżenia w metodzie Newtona
Rząd zbieżności metody wynosi p=2.
y ¡ f(x
k) = f
0(x
k)(x ¡ x
k)
x
k+1= x
k¡ f (x
k)
f
0(x
k) (k = 1; 2; : : :)
"
i+1= ¡ f
00(»)
2f
0(x
i) "
2iPrzykład. Zastosować metodę Newtona do znalezienia pierwiastka kwadratowego dodatniej liczby c
Szukamy miejsca zerowego funkcji
Wykorzystujemy relację rekurencyjną
co poprzekształceniu daje
Rozwiązania szukamy w takim przedziale [a,b], w którym spełnione są warunki
x
2¡ c = 0
f (x) = x
2¡ c f
0(x) = 2x
x
k+1= x
k¡ x
2k¡ c 2x
k0 < a < c
1=2b > 1
2 (a + c=a) x
k+1= 1
2 µ
x
k+ c x
k¶
Poszukiwanie pierwiastków wielokrotnych równania nieliniowego
def. Liczbę nazywamy r-krotnym (r≥ 2 ) pierwiastkiem równania f(x)=0 wtedy i tylko wtedy, gdy jest (r-1) -krotnym pierwiastkiem równania:
Metody: połowienia, RF, siecznych nadają się do poszukiwania pierwiastków tylko o nieparzystej krotności. Rząd metody siecznych obniża się (wolniejsza zbieżność). Metoda Newtona pozwala znaleźć pierwiastki o parzystej i nieparzystej krotności.
Aby utrzymać rząd metody (przyśpieszyć zbieżność) stosuje się modyfikacje wzorów rekurencyjnych.
a) Znamy krotność r pierwiastka równania.
Wówczas możemy wykorzystać tę informację w metodzie Newtona
(w praktyce bardzo rzadko znamy wartość r przez co zastosowanie powyższego wzoru jest mocno
ograniczone)
f
0(x) = 0
x
k+1= x
k¡ r f (x
k)
f
0(x
k)
13
a ¡ x
k+1= a ¡ x
k+ r f (x
k) f
0(x
k) (a ¡ x
k+1)f
0(x
k) = G(x
k)
Obliczmy różnicę pomiędzy rozwiązaniem dokładnym a k+1 przybliżeniem
Gdzie
Różniczkujemy G(x) j-krotnie
Wykorzystujemy fakt że a jest pierwiastkiem r- krotnym
Z rozwinięcia Taylora w punkcie x=a dostajemy
oraz
G(x) = (a ¡ x)f
0(x) + rf (x)
G
(j)(x) = (a ¡ x)f
(j+1)(x) ¡ jf
(j)(x) + rf
(j)(x)
G
(j)(a) = 0 (j = 0; 1; : : : ; r) G
(r+1)(a) 6= 0
G(x) = (x ¡ a)
r+1(r + 1)! G
(r+1)(»
1) f
0(x) = (x ¡ a)
r¡1(r ¡ 1)! f
(r)(»
2)
Kombinacja dwóch ostatnich zależności prowadzi do związku pomiędzy błędami w k i w k+1 iteracji
Ponieważ
Więc metoda Newtona dla pierwiastka krotności r ma rząd zbieżności p=2.
f
(r)(»
2) 6= 0 G
(r+1)(a) 6= 0
"
k+1= 1 r(r + 1)
G
(r+1)(»
1) f
(r)(»
2) "
2kj"
k+1j
j"
kj
2· C
"
k+1= (a ¡ x
k+1) = G(x
k)
f
0(x
k)
x
k+1= x
k¡ u(x
k) x
k¡ x
k¡1u(x
k) ¡ u(x
k¡1)
x
k+1= x
k¡ u(x
k) u
0(x
k)
u
0(x
k) = 1 ¡ f
00(x
k)
f
0(x
k) u(x
k) u(x) = f (x)
f
0(x)
b) Jeśli wiemy że pierwiastek jest wielokrotny ale nie znamy jego krotności r wówczas
możemy badać zera funkcji
Funkcja u(x) ma zero krotności 1 w punkcie x=a. We wzorach iteracyjnych dokonujmey podstawienia u(x) za f(x)
a) w metodzie siecznych
b) w metodzie Newtona
gdzie:
Przykład. Wyznaczyć dodatni pierwiastek równania
µ
sin(x) ¡ 1 2 x
¶
2= 0
m. Newtona m. Newtona - r m. Newtona - u(x)
x2 1.78540 2.00000 1.80175
x3 1.84456 1.90100 1.88963
x4 1.87083 1.89551 1.89547
x5 1.88335 1.89549 1.89549
x6 1.88946 x7 1.89249 x8 1.89399 x9 1.89475 x10 1.89512 x11 1.89531 x12 1.89540 x13 1.89545 x14 1.89547 x15 1.89548 x16 1.89549
x
1= 1
2
15 Proces 2 Aitkena
Jeśli metoda jest zbieżna liniowo to można ją w prosty sposób przyśpieszyć
gdzie |Ci| dąży do stałej asymptotycznej błędu. Po wielu iteracjach powinniśmy otrzymać przybliżenie
Zwiększamy indeks i o 1 i eliminujemy stałą
Następnie obliczamy a
Procedurę tę można stosować jedynie dla metod zbieżnych liniowo, gdy kolejne 3 przybliżenia są bliskie poszukiwanemu rozwiązaniu.
a ¡ x
i+1= C
i(a ¡ x
i) ( jC
ij < 1)
a ¡ x
i+1¼ ¹ C(a ¡ x
i); j ¹ C j = C
a ¡ x
i+2a ¡ x
i+1¼ a ¡ x
i+1a ¡ x
ia ¼ x
ix
i+2¡ x
2i+1x
i+2¡ 2x
i+1+ x
i16 Układy równań nieliniowych
Układ równań nieliniowych
zapisujemy w postaci wektorowej
Dla takiej postaci układu wyprowadza się wzory iteracyjne. Ogólny wzór iteracyjny
(wielokrokowy)
Zakladamy że funkcja wektorowa f ma w otoczeniu rozwiązania
funkcję odwrotną
Jeśli punkt
jest odwrotny do punktu x (wektora
f
j(x
(1); x
(2); : : : ; x
(n)) = 0; (j = 1; 2; : : : ; n)
To można funkcję g(y) rozwinąć w szereg Taylora w otoczeniu punktu yi
Gdzie: jest pochodną cząstkową funkcji h względem zmiennych
w punkcie x wektor s:
x
(i1); x
(i2); : : : ; x
(in)fff (x x x) = 0
fff = (f
1; f
2; : : : ; f
n)
x x x = (x
(1); x
(2); ; : : : ; x
(n); )
F F F = (F
1; F
2; : : : ; F
n)
®
® ® = (®
1; ®
2; : : : ; ®
n) ggg = (g
1; g
2; : : : ; g
n)
yyy = (y
(1); y
(2); : : : ; y
(n); )
x x x = ggg(yyy) = ggg(yyy
i) +
m+1
X
j=1
1
j! d
jggg(yyy
i; yyy ¡ yyy
i)
+ 1
(m + 2)! d
m+2ggg(»»»; yyy ¡ yyy
i)
»»» 2 [yyy; yyy
i] d
jh(x x x; sss) =
X
n i1=1X
n i2=1: : : X
n ij=1D
i1;i2;:::;ijh(x x x)s
i1s
i2: : : s
ijD
i1;i2;:::;ijh(x x x)
sss = (s
i1; s
i2; : : : ; s
ij)
x x x
i+1= F F F (x x x
i; x x x
i¡1; : : : ; x x x
i¡n+1)
17 Szukane rozwiązanie ma postać
Po odrzuceniu reszty w rozwinięciu Taylora i
uwzględnieniu powyższego warunku otrzymujemy n-wymiarowy odpowiednik metody Newtona.
Dla m=0 (metoda jednokrokowa)
Pochodne funkcji g można wyrazic poprzez pochodne funkcji f. Dla n=2 otrzymujemy
Rząd zbieżności metody wynosi 2. Zazwyczaj zbieżność uzyskujemy tylko jeśli startujemy już z dobrym przybliżeniem rozwązania.
® ® ® = ggg(000) ) yyy = 000
Problem poszukiwania rozwiązań układu równań nieliniowych można sformułować jako problem poszukiwania minimum poniższej fukcji
Funkcja osiąga minimum globalne dla dokładnego rozwiązania x. Do jego znalezienia można użyć metody największego spadku (minimalizacja wartości funkcji).
©(x x x) = X
ni=1
f
i2(x x x)
J = 2 4
@f1
@x(1)
@f1
@x(2)
@f2
@x(1)
@f2
@x(2)
3 5 x x x
i+1= x x x
i+ dggg(yyy
i; ¡yyy
i) =
= x x x
i¡ X
n j=1@ggg(yyy
i)
@y
jy
i(j)x
x x
i+1= x x x
i¡ 1 J
2 4
@f2
@x(2)
¡
@x@f(2)1¡
@x@f(1)2 @x@f(1)13 5
2 4 f
1f
23 5
x x x=xxxi
Wyznaczanie zer wielomianów
Szukamy zer rzeczywistych i zespolonych wielomianu
Metoda Lehmera-Schura
Dla pierwotnego wielomianu f(z) definiujemy wielomian
(kreska pozioma – sprzężenie zespolone) i wprowadzamy operator T
dla z=0
f (z) = a
nz
n+ a
n¡1z
n¡1+ : : : + a
0= 0 z 2 C
a
i2 R; (i = 0; 1; : : : ; n)
f
¤(z) = z
nf (¹ ¹ z
¡1) = ¹ a
n+ ¹ a
n¡1z + : : : + ¹ a
0z
0T [f (z)] = ¹ a
0f (z) ¡ a
nf
¤(z)
T [f (0)] = ¹ a
0a
0¡ ¹a
na
n= ja
0j
2¡ ja
nj
22 R
Operator T działając na f(z) obniża stopień
wielomianu o 1. Działając nim wielokrotnie na f(z)
otrzymamy ciąg wielomianów corza niższego stopnia.
Tw. Jeśli dla
istnieje takie h, że
to f(z) ma co najmniej jedno zero wewnątrz koła jednostkowego.
Jeśli
to wewnątrz koła jednostkowego nie leży żadne zero f(z).
T
j[f (z)] = T £
T
j¡1[f (z)] ¤
f (0) 6= 0
T
h[f (0)] < 0
0 < h < k; h; k 2 Z
k = min f1; 2; : : : ; ng $ T
k[f (0)] = 0
T
i[f (0)] > 0; 1 · i < k
T
k¡1[f (z)] = const
19
T [f (0)] < 0
T
j[f (z)](j = 1; 2; : : :) T
j[f (0)] < 0 (j < k)
T
k[f (0)] = 0
Jeśli f(z) ma zero wewnątrz koła
to wielomian
ma zero wewnątrz koła jednostkowego.
Algorytm lokalizacji zer metodą LS:
1.Jeśli f(0)=0 to z=0 jest zerem. Jeśli nie to przechodzimy do 2.
2.Obliczamy T[f(z)]. Jeśli
to wewnątrz koła jednostkowego leży
pierwiastek. Jeśli nie to przechodzimy do 3.
3.Obliczamy
aż do uzyskania
(w kole jednostkowym leży pierwiastek) lub
(jeśli Tk-1[f(0)]=const to w kole nie ma pierwiastka)
jz ¡ cj = ½
4. Jeśli wewnątrz koła jednostkowego nie ma zera to sprawdzamy funkcję g(2z) (wewnątrz koła jednostkowego)
5. Zgodnie z punktami 3 i 4 lokalizujemy zero w pierścieniu
(jeśli zero jest w kole to połowimy jego promień tak długo aż zero znajdzie się w pierścieniu).
6. Znaleziony pierścień można pokryć 8 kołami
badając każde koło znajdziemy na pewno zero w jednym z nich.
7. W wybranym kole (Cj) stosujemy kroki 3-4 (stosując połowienie promienia) i
lokalizujemy zero w pierścieniu
8. Następnie powtarzamy kroki 6-7
R = 2
j· jzj < 2
j+1= 2R
r = 4
5 R (promien) C
i= 3R
2cos(¼=8) e
¼4ik; k = 0; 1; : : : ; 7
R
1= 4
5 R2
¡j1· jz ¡ C
jj < 4
5 R2
¡(j1¡1)= 2R
1g(z) = f
µ z ¡ c
½
¶
Rys. Lokalizacja zer w metodzie Lehmera-Schura.
Inne zero leżące blisko pierwotnego koła
21 Po k krokach zero leży w kole o promieniu 2Rk
Własności metody Lehmera-Schura:
1) Szybkość zbieżności metody jest niewielka ale nie zależy od krotności pierwiastka równania
2) Pozwala lokalizować zera rzeczywiste i zespolone z zadaną dokładnością
3) Po znalezieniu pierwiastka można go wyrugować z równania dzieląc wielomian przez odpowiedni dwumian i szukać jego kolejne zera
R
k· µ 2
5
¶
kR
Metoda Łobaczewskiego (Graeffego) Dla wielomianu n-tego stopnia w postaci
można zdefiniować wielomian stopnia 2n
Zera wielomianu f1 są kwadratami zer f0
(rozdzielamy zera). Ogólnie można to zapisać
Pomiędzy współczynnikami wielomianów fr+1 oraz fr zachodzi związek
W metodzie Łobaczewskiego współczynniki
wielomianu fr wykorzystujemy do obliczenia jego zer.
f
0(z) = (z ¡ ®
1)(z ¡ ®
2) : : : (z ¡ ®
n)
f
1(w) = ( ¡1)
nf
0(z)f
0( ¡z) =
= (w ¡ ®
21)(w ¡ ®
22) : : : (w ¡ ®
2n) w = z
2f
r+1(w) = ( ¡1)
nf
r(z)f
r( ¡z); (r = 0; 1; : : :)
a
(r+1)j= ( ¡1)
n¡j0
@ ³
a
(r)j´
2+ 2
minfn¡j;jg
X
k=1
( ¡1)
ka
rj¡ka
(r)j+k1
A
22 Związek współczynników wielomianu z jego
zerami:
gdzie Sk(x1,x2,...,xn) jest k-tą funkcją symetryczną zmiennych x1,x2,...,xn
np.: dla j=n-1, k=n-j=1
Zera wielomianu możemy zapisać w postaci
i załóżmy, że pierwiastki mają różne moduły
Wówczas dla j=n-1 otrzymujemy
a
jr= ( ¡1)
n¡jS
n¡j(®
12r; ®
22r; : : : ; ®
2nr; ) j = 0; 1; : : : ; n ¡ 1
S
k(x
1; x
2; : : : ; x
n) =
= X
1·r1<r2<:::<rk·n
x
r1x
r2: : : x
rka
(r)n¡1= ¡S
1³
®
21r; ®
22r; : : : ; ®
2nr´
= ¡ X
n k=1®
2kr®
k= ½
ke
i'k; k = 1; 2; : : : ; n
½
1> ½
2> : : : ½
n>
a
(r)n¡1= ¡®
21r"
1 +
X
nµ
®
k®
1¶
2r#
I w granicy
Dla dostatecznie dużego r możemy oszacować moduł zera (1)
Dla j=n-2 mamy
i analogicznie dla pozostałych modułów r
lim
!1ja
(r)n¡1j
1=2r= j®
1j
½
1¼ ja
(r)n¡1j
1=2ra
(r)n¡2= X
1·r1<r2·n
®
2rr1®
2r2r=
= ®
21r®
22r2
6 41 + X
1·r1<r2·n (r1;r2)6=(1;2)
µ ®
r1®
r2®
1®
2¶
2r3 7 5
½
2¼ 1
½
1ja
(r)n¡2j
1=2r¼
¯ ¯
¯ ¯
¯
a
(r)n¡2a
(r)n¡1¯ ¯
¯ ¯
¯
1=2r
½
k¼
¯ ¯
¯ ¯
¯
a
(r)n¡ka
(r)n¡k+1¯ ¯
¯ ¯
¯
1=2r
; k = 2; 3; : : : ; n
23 Wartość r określa się empirycznie badając
stabilizację cyfr znaczących wyznaczanych modułów.
Znaki zer wyznacza się określają znak wartości wielomianu po podstawieniu do niego
odpowiedniego modułu.
Przykład. Wyznaczyć zera wielomianu
z
3¡ 5z
2¡ 17z + 21 = 0
r
1 1 -59 499 -441
2 1 -2483 196963 -194481
3 1 -5771363 37828630723 -37822859361
a
(r)3a
(r)2a
(r)1a
(r)0r
1 7.68 2.91 0.94
2 7.06 2.98 0.997
3 7.001 2.999 0.99998
½
1½
2½
3Dokładne wartości:
®
1= 7
®
2= ¡3
®
3= 1
a) Metodę modyfikuje się dla zer zespolonych oraz przypadku gdy pierwiastki równania mają identyczne moduły.
b) Szybki wzrost wartości współczynników eliminuje się normalizując współczynniki.
Do wyznaczania zer wielomianów stosuje się też metody Bernoulliego oraz Laguerre'a.
Metoda Laguerre'a jest zbieżna dla zer
rzeczywistych i wielokrotnych, a rząd zbieżności wynosi 2. W przypadku pojedynczych zer
zespolonych rząd metody wynosi 3.
Metody dzielenia wielomianów
Aby wyznaczyć zera zespolone konieczne jest przeprowadzenie dzielenia wielomianów
a) przez czynniki liniowe (dwumian) b) przez czynniki kwadratowe (trójmian) Dzielenie wielomianu przez czynnik liniowy Wielomian
dzielimy przez dwumian:
f (z) = a
nz
n+ a
n¡1z
n¡1+ : : : + a
0= 0
(z ¡ z
j)
Wynikiem dzielenia jest
Z porównania współczynników przy jednakowych potęgach otrzymujemy zależności
Zatem współczynnki nowego wielomianu można obliczać rekurencyjnie
a
n= b
n¡1a
n¡1= b
n¡2¡ z
jb
n¡1.. .
a
1= b
0¡ z
jb
1a
0= R
j¡ z
jb
0b
n= 0
b
k= a
k+1+ z
jb
k+1k = n ¡ 1; n ¡ 2; : : : ; 0 R
j= a
0+ z
jb
0Dzieląc jeszcze raz wielomian otrzymamy
Wartości współczynników ci wyznaczamy analogicznie jak w poprzednim przypadku.
Obliczanie zer za pomocą iterowanego dzielenia
Zera wielomianu możemy wyznaczyć
iteracyjnie stosując zmodyfikowane wzory jednokrokowe np.. metodę siecznych czy Newtona.
Kolejne przybliżenia w metodzie siecznych wyznaczamy ze wzoru
oraz w metodzie Newtona
z
j+1= z
j¡ R
j(z
j¡ z
j¡1) R
j¡ R
j¡1z
j+1= z
j¡ R
jR
0jf (z) = (z ¡ z
j) ¡
b
n¡1z
n¡1+ b
n¡2z
n¡2+ : : : + b
0) + R
jf (z) = (z ¡ z
j)
2¡
c
n¡2z
n¡2+ c
n¡3z
n¡3+ : : : + c
0) + R
0j(z ¡ z
j) + R
j25 Metodę Newtona można jeszcze zmodyfikować
jeśli zauważymy, że Rj=0 gdy zj jest pierwiastkiem równania. Wtedy kolejne przybliżenie ma postać
Wzór
określa metodę Lina, która jest wolniej
zbieżna od metody Newtona (rząd zbieżności p=1). W jednym kroku wymaga ona wykonania mniej działań niż metoda Newtona. Może być tez rozbieżna.
Chcąc wyznaczyć pierwiastek zespolony należy wykonywać działana na liczbach zespolonych.
Ponadto pierwotne przybliżenie pierwiastka powinno być zespolone.
Postępowanie w przypadku zer zespolonych
z
j+1= ¡ a
0b
0= z
j¡ z
j¡ a
0b
0=
= z
j¡ b
0z
j+ a
0b
0= z
j¡ R
jb
0z
j+1= z
j¡ R
jb
0z
j= x
j+ iy
jb
k= °
k+ i±
kc
k= "
k+ i´
k°
n= ±
n= 0
°
k= a
k+1+ x
j°
k+1¡ y
j±
k+1; (k = n ¡ 1; n ¡ 2; : : : ; 0)
±
n¡1= "
n¡1= ´
n¡1= 0
±
k= x
j±
k+1+ y
j°
k+1;
(k = n ¡ 2; n ¡ 3; : : : ; 0)
"
k= °
k+1+ x
j"
k+1¡ y
j´
k+1´
n¡2= 0
´
k= ±
k+1+ x
j´
k+1+ y
j"
k+1; (k = n ¡ 3; n ¡ 4; : : : ; 0) R
j= b
¡1= °
¡1+ i±
¡1R
0j= c
¡1= "
¡1+ i´
¡1x
j+1= x
j¡ "
¡1°
¡1+ ´
¡1±
¡1"
2¡1+ ´
¡12y
j+1= y
j¡ ±
¡1"
¡1¡ °
¡1´
¡1"
2¡1+ ´
¡1226 Wpływ błędów współczynników
wielomianu podczas wyznaczania zer wielomianów.
Dokładny wielomian (współczynniki bez błędów)
oraz wielomian ze współczynnikami zaburzonymi
błędy współczynników
Z0 (dokładne zero) i z0 (obliczone zero) łączy zależność
Po podstawieniu i oraz Z0 do F(z) otrzymujemy
Oszacowanie traci sens gdy pochodna jest
F (z) = A
nz
n+ A
n¡1z
n¡1+ : : : + A
0Z
0= z
0+ "
±
i= A
i¡ a
i(i = 0; 1; : : : ; n)
Okazuje się, że istnieją wielomiany (wysokiego stopnia) dla których nawet niewielkie zaburzenie współczynników powoduje duże zmiany wartości zer (np.. zera rzeczywiste staja się zespolonymi).
Przykład: wielomian Wilkinsona.
Wielomiany takie nazywamy źle uwarunkowanymi.
Uzyskanie dokładniejszych przybliżeń zer wielomianu mozliwe jest wówczas tylko jeśli obliczenia
wykonywane przy użyciu silniejszej arytmetyki.