Eötvös Loránd Tudományegyetem Természettudományi Kar
|
|
- Dávid Gulyás
- 8 évvel ezelőtt
- Látták:
Átírás
1 Eötvös Loránd Tudományegyetem Természettudományi Kar Közönséges differenciálegyenletek numerikus megoldása Szakdolgozat Soós Ivett Matematika B.Sc., Matematikai elemz szakirány Témavezet : Mincsovics Miklós Alkalmazott Analízis és Számításmatematikai Tanszék Budapest 2010
2 Tartalomjegyzék 1. Bevezet 2 2. Dierenciálegyenletek A dierenciálegyenletek típusai A közönséges dierenciálegyenletek általános alakja A KDE típusai A dierenciálegyenletek stabilitása Stabilitási alapfogalmak Példa Dierenciálegyenletek a gyakorlatban Példa Példa A dierenciálegyenletek megoldhatósága A megoldandó probléma: Numerikus módszerek A numerikus módszerek "jósága" A numerikus módszerek hibája Numerikus módszerek konvergenciája A konvergencia rendje Numerikus módszerek 0-stabilitása Numerikus módszerek konzisztenciája A legegyszer bb megoldások Az explicit Euler módszer
3 Példa A hibaegyenlet Az explicit Euler módszer konzisztenciája Az Euler módszer lokális hibája Az Euler módszer 0-stabilitása A "jó" lépésköz megválasztása A teszt egyenlet Abszolút stabilitás A-stabilitás Az explicit Euler módszer abszolút stabilitási tartománya A módszer hiányosságai Az implicit Euler módszer Az implicit Euler módszer konzisztenciája Az implicit Euler módszer abszolút stabilitási tartománya Merev dierenciálegyenletek Példa Az implicit Euler módszer el nyei és hátrányai Szimmetrikus/ trapéz módszer A szimmetrikus módszer konzisztenciája A trapéz módszer abszolút stabilitási tartománya Runge-Kutta típusú módszerek A kvadratúra formulák A javított Euler módszer lokális hibája Az RK módszerek 0-stabilitása Az implicit Runge-Kutta módszerek Az implicit formula el nyei és hátrányai Az explicit Runge-Kutta formulák Az els rend Runge-Kutta formulák A megoldhatóság feltételei A másodrend Runge-Kutta formulák Példák másodrend formulákra Harmadrend RK formulák A klasszikus negyed rend Runge-Kutta formula
4 Az explicit Runge-Kutta módszer abszolút stabilitási tartománya RK módszerek összehasonlítása Összefoglalás 38 3
5 1. fejezet Bevezet "Bár napjaink matematika könyveiben szinte hemzsegnek az absztrakt szimbólumok, ez azonban éppúgy nem jelenti a matematika lényegét, mint ahogy a zene valódi mibenléte sem a hangjegyek jelölésrendszerében keresend." Keith Devlin A témaválasztásban számomra fontos szerepe volt annak, hogy a matematika olyan területével foglalkozzak, mely közvetlen kapcsolatban áll a gyakorlati problémák megoldásával. A dierenciálegyenletek a tudomány szinte minden területén jelen vannak, ezért a megoldhatóságuk nagyon fontos szerepet tölt be mindennapjainkban. Ám a legtöbb esetben ezeket nem olyan egyszer kiszámítani. Ahogy az idézetben is szerepel, a matematika lényege az ehhez hasonló problémák megoldása, ennek ellenére a következ néhány oldal sem fog sz kölködni "absztrakt szimbólumokban". 4
6 2. fejezet Dierenciálegyenletek 2.1. A dierenciálegyenletek típusai Egy dierenciálegyenlet egy függvény és annak dierenciáltja közötti kapcsolatot mutatja meg. Ezek az összefüggések sok esetben a tudomány egyéb területein felmerül problémák matematikai modelljei. Ezek a modellek a gyakorlatban igen hasznosak, ám elég összetettek is ahhoz, hogy a megoldásuk egzakt legyen. Legyen szó zikai, biológiai, vagy közgazdaságtani problémáról, biztosan függenek az id t l, vagy esteleg egy másik változó paramétert l, tehát a dierenciálegyenletek olyan folyamatokat írnak le, melyek nem diszkrét lépésekben zajlanak. A dierenciálegyenleteknek két f típusa van, nevezetesen 1. Közönséges dierenciálegyenletek 2. Parciális dierenciálegyenletek A f különbség e két típus között az, hogy a közönséges dierenciálegyenletekben (KDE) az ismeretlen egyváltozós, a parciális dierenciálegyenletknél pedig többváltozós ismeretlent keresünk. A továbbiakban a közönséges dierenciálegyenletekkel fogunk foglalkozni A közönséges dierenciálegyenletek általános alakja Nézzük meg el ször az els rend explicit KDE általános alakját. 5
7 Megjegyzés. A dierenciálegyenlet rendje a legmagasabb derivált rendje. x (t) = f(t, x(t)) ahol f : R R n adott függvény, és az ismeretlenünk pedig x : R R n Deníció. Legyen F : R n+2 R függvény. Az n-ed rend közönséges dierenciálegyenlet általános alakja: F (t, x(t), x (t)... x (n) (t)) = 0 Legyen f : R n+1 R adott. Az n-ed rend explicit közönsége dierenciálegyenlet általános alakja x (n) (t) = f(t, x(t), x (t)... x (n 1) (t)) A KDE típusai A közönséges dierenciálegyenleteket két nagy csoportra oszthatjuk: lineáris és nemlineáris. Ez a megoldhatóság szempontjából igen fontos, hiszen a nemlineáris egyenletek pontos megoldására nincs bevett módszer, és a közelít megoldások kiszámítása is komplikáltabb. A lineáris dierenciálegyenletek újabb két nagy csoportra oszthatók. Legyen a lineáris els rend KDE általalános alakja: y (t) = A(t)y(t) + b(t) Két esetet küönböztetünk meg: 1. ha A(t) nem függ t-t l, azaz konstans, így az egyenlet állandó együtthatós 2. ha A(t) függ t-t l, azaz az egyenlet változó együtthatós Az els esetben létezik egzakt megoldási módszer, de legtöbbször csak nagy nehézségek árán tudjuk meghatározni a pontos megoldást. A második esetre nincs olyan bevett módszer, mellyel kiszámíthatnánk a pontos értékeket Megjegyzés. A dierenciálegyenlet típusa, és megoldhatóságának nehézsége, nyílván a közelít megoldások pontosságát is befolyásolja. 6
8 2.3. A dierenciálegyenletek stabilitása Stabilitási alapfogalmak A stabilitáselméleti alapfogalmak szemléltetésére tekintsük meg el ször az alábbi egyszer zikai példát. Képzeljünk el egy golyót az alábi 3 egyensúlyi helyzetben: 1. egy gödör alján 2. egy domb tetején 3. egy vízszintes sík felületen Mindhárom helyzetben egyensúlyban van a golyó (ha nem mozdítjuk meg, helyben marad), azonban ha kicsit elmozdítjuk, majd elengedjük, akkor mindhárom esetben más történik. Az els esetben a golyó visszagurul a gödör aljára. Ezt az egyensúlyi helyzetet nevezzük asszimptotikusan stabilisnak. A második esetben a golyó legurul a domboldalon, egyre jobban eltávolodik az eredeti helyzetét l. Ezt az egyensúlyi helyzetet nevezzük instabilisnak. A harmadik esetben a golyó ott marad az elmozdítás helyén, azaz nem tér vissza az eredeti helyzetébe, de nem is távolodik el onnan. Ezt az egyensúlyi helyzetet nevezzük stabilisnak. Nézzük meg egy példa segítségével, hogy mit is jelentenek ezek a fogalmak a dierenciáálegyenletek megoldásainak körében. 7
9 Példa Legyen y (t) = λy, dierenciálegyenlet, y(0) = y 0 kezdetiérték feltétetellel. Ha ezt az egyenltet integráljuk, akkor az y(t) = e λt y 0 egyenletet kapjuk megoldásként. Nézzük meg milyen egyensúlyi állapotok állnak fenn λ < 0, λ > 0, illetve λ = 0 esetekben. 1. λ < 0 esetben, ha t +, akkor a megoldás határétéke 0, így minden megoldás a 0 egyensúlyi ponthoz közeledik. Ez egy asszimptotikusan stabilis egyensúlyi helyzet. 2. λ > 0 esetben, ha t +, akkor a megoldás határértéke ±, azaz minden 0-tól különböz kezdetiérték feltételnek eleget tev megoldás távolodik 0 egyensúlyi ponttól. Ebben az estben az 0 egyensúlyi pont instabilis. 3. λ = 0 esetben a megoldások konstans függvények, azaz nem is közelednek és nem is távolodnak a 0 egyensúlyi ponttól, azaz a megoldás stabilis Dierenciálegyenletek a gyakorlatban A dierenciálegyenletek általában akkor jutnak szerephez, amikor olyan folyamatot próbálunk modellezni, mely nem diszkrét lépésekben zajlik (mint mondjuk egy sakkjátszma), hanem az id ben folyamatosan változnak az állapotjelz k értékei. Ilyen esetekben vagy meggyelések utalnak egy mennyiség és megváltozásának kapcsolatára, vagy feltételeznek egy elméleti relációt a jellemz k között. Például a természetben populációk növekedésének üteme általában függ magától a populáció nagyságától. Nézzünk egy ilyen példat a gyakorlatban Példa 1 Legyen x(t) a populáció mérete t id pontban. Most azt fogjuk megvizsgálni, hogy egy adott id intervallumban, milyen mértékkel n a populáció mérete: x(t + h) x(t) h x(t) a 8
10 Ebben a modellben nem számolunk a halálozással, csupán a szület utódok számát vesszük gyelembe. Az eltelt id t h-val jelöljük, a-val pedig annak a változásnak a mértékét (arányát), mely a növekv populáció következtében a szület utódok számának növekedését mutatja. A fenti egyenletet átrendezve az alábbi dierenciálegyenletet kapjuk x(t + h) x(t) = a x(t) h lim h 0 x (t) = a x(t) Tehát, ha ezt az egyenletet kiintegráljuk, akkor az alábbi megoldáshoz jutunk: x(t) = e at x 0 Ez az egyenlet azonban csak akkor ad reális eredményt, ha kis id intervallumokat vizsgálunk Ha hosszú távon szeretnénk populációs modelleket vizsgálni, akkor sajnos ennél egy jóval bonyulultabb egyenletre lesz szükségünk. Például, olyan a-t választunk arányossági tényez nek, mely függ x(t)-t l is. Például a = r (K x(t)), ahol r ismét egy arányossági tényez, K pedig az eltartó képesség, azaz, hogy egy adott terület egy adott populációnak hány tagját képes "eltartani". Sajnos az ilyen típusú egyenletek már jóval nagyobb m veletigénnyel bírnak, mint azt az el z egyszer példában láthattuk Példa 2 Ugyancsak a populáció növekedését leíró folyamat, az úgynevezett "róka-nyúl" modell, ahol már nem csak egy populáció nagyságánának a változását vizsgáljuk, hanem azt, hogy ha egy területen két különböz faj él, akkor hogyan alakul a populációk mérete. Jelöljük a rókák számát a t id pntban y(t)-vel, a nyulakét x(t)-vel, a, b, c, d számok pedig pozitív konstansok. x (t) = a x(t) b x(t)y(t) y (t) = c x(t)y(t) d y(t) Azaz minden egyes találkozási pontnál, a nyulak száma csökken, illetve a rókák száma "n ", azaz az egyed fejl dik a tápláléktól. Természetesen itt is gyelembe vehetünk még több paramétert, például, hogy a populációk növekedése milyen tényez kt l függ stb., amik tovább nehezítik az egyenlet megoldhatóságát. 9
11 2.5. A dierenciálegyenletek megoldhatósága Deníció. Kezdetiérték feltétel fogalma: Legyen y (t) = f(t, y(t)) egy dierenciálegyenlet. Legyen t 0 R, p 0 R n. Egy y megoldás teljesíti az y(t 0 ) = p 0 kezdeti feltételt, ha átmegy a (t 0, p 0 ) ponton Tétel. Egy kezdetiérték feladatnak létezik egyértelm megoldása, ha az f : R n+1 R n folytonos függvény a 2, 3,... n + 1 -edik változójában Lipschitz folytonos. Tehát a tételb l biztosan tudjuk, hogy az adott egyenlet megoldható, ám a differenciálegyenleteket kielégít megoldásfüggvények csak a legegyszer bb esetekben fejezhet k ki zárt alakban. Sok esetben szükségtelen is kiszámolni a konkrét megoldásokat, sokkal többet tudhatunk meg a folyamatokról, ha a megoldások kapcsolatait vizsgáljuk. Más esetben szükséges kiszámítani a megoldás konkrét értékeit. Mindkét feladatra számítógépes módszereket használnak, az els inkább kvalitatív, míg a második kvantitatív eredményt szolgáltat. A dierenciálegyenletek megoldási módszereit három nagy csoportba sorolhatjuk, és ebb l a három csoportból mindössze csak egy tartalmazza a pontos megoldások kiszámítását. 1. Analitikus megoldási módszerek Ezek a megoldási módszerek a dierenciálegyenlet pontos megoldásának kiszámítására alkalmasak. A probléma csak az, hogy a dierenciálegyenlteknek csupán egy kis szeletét adják azok a típusok, melyeknek ismerjük a megoldási módszerét, s t, ha ismerünk is ilyen módszert, a megoldás kiszámítása sok esetben igen költséges. Így más eszközöket kell keresnünk a megoldás kiszámításához, illetve közelítéséhez. 2. Kvázianalitikus módszerek Ebbe a kategóriába a Banach xponttételen alapuló iterációs megoldási módszerek tartoznak, ahol y (t) = f(t, y(t)) y(t 0 ) = y 0 10
12 kezdetiérték problémát a következ integrálegyenletté írjuk át: y(t) = y(t 0 ) + t t y (s)ds = y 0 + f(s, y(s))ds t 0 t 0 Ekkor a következ közelít módszerrel készítünk egy iterációs eljárást, azaz egy y 1, y 2... sorozatot, ahol az n + 1-edik tag a következ képpen néz ki: y n+1 (t) = y 0 (t) + t t 0 f(s, y n (s))ds Csakhogy a xpont közelít eljárást minden lépésben közelít integrálással kell kombinálni, ezért a megoldásunk végül nem egy intervallumon értelmezett függvény lesz, hanem ennek egy diszkretizált alakja. 3. Numerikus módszerek A numerikus módszerek már elég nagy csoportot ölelnek fel. Ezekr l részletesen olvashatunk a következ fejezetekben A megoldandó probléma: Legyen f : R n+1 R n, olyan folytonos függvény, mely a 2, 3,... n + 1 -edik változójában Lipschitz folytonos. Továbbá legyen u 0 R n vektor adott. Keressük meg azt az u : I R n dierenciálható függvényt, amelyre igaz, hogy u (t) = f(t, u(t)) (2.1) u(0) = u 0 (2.2) kezdeiérték feltétel mellett. 11
13 3. fejezet Numerikus módszerek A numerikus megoldási módszereknek két f bb osztálya van: az egy- és a többlépéses módszerek. Az alapvet különbség az, hogy az egylépéses módszerek csupán egy "lépcs t" használnak fel a már meglév n 1 darabból, azaz y n kiszámításához mindössze az y n 1 közelítést veszi segítségül. Ezzel szemben a többlépéses módszerek az n-edik közelítéshez legalább 2, és legfeljebb n 1 lépcs t használnak. Az alábbi fejezetekben az egylépéses numerikus módszerek struktúráját, el nyeit és hátrányait fogom bemutatni. Egy adott módszer attól lesz diszkrét, hogy a közelít megoldásokat véges sok pontban keressük. A numerikus módszerek esetében, egy adott [0, b] intervallum t 0 <... < t N ekvidisztáns felosztását tekintjük. Nézzük meg részletesen, hogyan is épül fel egy numerikus módszer. Legyen u (t) = f(t, u(t)) u(0) = u 0 kezdeiérték feltétellel. Koordinántánként felírva u i(t) = f i (t, u 1 (t),... u n (t)) u i (0) = u i0 Keressük az u(t) = [u 1 (t), u 2 (t)... u n (t)] vekort. Tegyük most fel, hogy n = 1, azaz u (t) = f(t, u(t)) f : R 2 R, és keressük az u(t) : I R függvényt. Deniáljunk egy rácshálófüggvényt! Legyen egy tetsz leges h > 0 esetén ω h := {t n = nh n = 0, 1... N}. 12
14 Ez lesz az úgy nevezett h lépésköz rácsháló. Deniáljunk az ω h rácshálón egy y h rácshálófüggvényt, és vezessük be a következ jelölést: y h (t n ) = y n, azaz, y n jelöli azt az értéket, ha a rácshálófüggvényünkbe behelyettesítjük a t n értéket. A cél az, hogy ezt az y n függvényt úgy válasszuk meg, hogy minél közelebb legyen u(t n )-hez, t n ω h -ra. Ez lesz a numerikus módszerek alapja A numerikus módszerek "jósága" A numerikus módszerek pontossága sok paramétert l függ. Az alábbiakban ezeket a tényez ket fogjuk vizsgálni A numerikus módszerek hibája Legyen u(t) az (2.1)(2.2) feladat pontos megoldása, t i pontban u(t i ), a továbbiakban jelöljük u i -vel. Hasonlóképpen, legyen y i a t i pontbeli közelít megoldása az (2.1)(2.2) feladatnak. A két érték közti eltérést, tehát a közelítés hibáját pedig nevezzük d i -nek. d i := y i u i, feltéve, hogy y i 1 = u i 1. Ezt nevezzük lokális vagy más néven diszkretizációs hibának. A lokális hiba, ahogy azt a neve is jelzi, azt mutatja meg, hogy egy lépés alatt mekkora hiba keletkezik. A globális hibát pedig deniáljuk úgy, hogy e i = y i u i, i = 1, 2...n, tehát itt már nem csak egy lépés alatt keletkez hibát, hanem n lépés alatt keletkez t vizsgálunk Numerikus módszerek konvergenciája Azt mondjuk, hogy egy numerikus módszer által el állított y h (t) rácsháló függvény sorozat, nomodó h lépésközök esetén konvergál az y(t) (2.1)(2.2) feladat megoldásához, a t I pontban, ha: t ω h, h-ra lim h 0 y h (t n ) y(t ) = 0, (t n = n h) 13
15 Általában a numerikus módszert konvergensnek nevezzük, ha konvergens minden t I pontban A konvergencia rendje y h (t n ) y(t ) = O(h p ), a konvergencia rendjének nevezzük, ezek szerint a numerikus módszer p-ed rendben konvergens Megjegyzés. A módszer akkor konvergens, ha lim h 0 e i = Megjegyzés. Egy numerikus módszer csak akkor "jó", ha a módszer konvergens. A konvegenciát két egyszer bben ellen rizhet tulajdonsággal lehet garantálni, ezek a 0-stabilitás és a konzisztencia Numerikus módszerek 0-stabilitása Egy numerikus módszer 0-stabil, ha K > 0, melyre e i K( e 0 + n j=1 d j ), i : 1 i N Numerikus módszerek konzisztenciája Azt mondjuk, hogy egy numerikus módszer p-ed rendben konzisztens, ha c > 0 konstans, melyre d i c h p Tétel. Ha egy numerikus módszer p-ed rendben konzisztens és 0-stabil, akkor p-ed rendben konvergens. A konvergencia általában nehezen megállapítható, hiszen kiszámításához szükséges tudni a globális hibát, és a globális hiba kiszámításához tudni kell a pontos megoldást. A megoldások nyílván nem állnak a rendelkezésünkre, hiszen akkor nem lenne szükség közelít megoldások kiszámítására. Mivel a konvergenciának kulcsfontosságú szerepe van, hiszen csak akkor "jó" egy adott numerikus módszer, ha az konvergens is, ezért valamilyen módon muszáj információt kapnunk a konvergenciáról. Egy adott módszer 0-stabilitásáról és konzisztenciájáról mindig van információnk, és e két adatból már dönthetünk a konvergenciáról is. 14
16 4. fejezet A legegyszer bb megoldások 4.1. Az explicit Euler módszer Ennek a módszernek az alapötlete igen egyszer. Nevezetesen: egy érint segítségével közelítjük a megoldást a következ képpen: Húzzuk be az y(0) = y 0 kezdetiérték érint jét, majd kössük össze egy tetsz leges t 1 ponttal, így megkapjuk az (x 1, y 1 ) pontot. Ezek után, ugyanezzel az eljárással, kapjuk meg (t 2, y 2 ),..., (t n, y n ) közelít pontokat. Azaz ha ezt felírjuk általánosan, akkor az ábrán látható Φ szög tangensét a következ képpen kaphatjuk meg: 15
17 4.1. ábra. Az explicit Euler módszer azaz tg(φ) = y i+1 y i t i+1 t i f(t i, y i ) = y i+1 y i t i+1 t i y i+1 = y i + f(t i, y i )(t i+1 t i ) ahol (t i+1 t i ) = h lépésközzel. Egy másik megközelítséb l: Legyen a [0, b] interval- 16
18 lum felosztása a következ : 0 = t 0 < t 1 <... < t n 1 < t n = b Legyen h i = t i t i 1 az i-edik lépésköz. Az egyenlet t n id pontbeli pontos megoldását jelöljük u(t n )-nel, és a t n id pontbeli közelít megoldását pedig y n -nel. A kezdeti érték problémánál, mindig tudjuk, hogy milyen értéket vesz fel a megoldás a t 0 id pontban. Ebben az esetben tegyük fel, hogy ismerjük a t n 1 id pontbeli y n 1 közelítést, és ebb l határozzuk meg a t n -beli y n közelítést. y n+1 y n h = f(t n, y n ) y(0) = y 0 átrendezve, tehát: y n+1 = y n + h f(t n, y n ). Ezt nevezzük explicit euler módszernek Példa Legyen y (t) = 3e t 0, 4y(t) y(0) = 5 y(3) =? h = 3 Helyettesítsünk be az Explicit Euler módszer egyenletébe: y 1 = 5 + f(0, 5) 3 y 1 = 5 + (3e 0 0, 4 5) 3 y 1 = 5 + (3 2) 3 = 8 Azonban az egyenlet pontos megoldása ebben az esetben 2,763, azaz a numerikus módszer lokiális hibája 5,237, ami igen nagy mérték hibát jelent. Próbáljuk meg a lépésköz csökkentésével, és a lépésszámok növelésével pontosítani a közelít megoldást. Legyen h = 1, 5 és közelítsük a megoldást két lépésben, el ször y(0) y(1, 5), majd y(1, 5) y(3)! 1.lépés x 0 = 0; y 0 = 5; h = 1, 5 17
19 y 1 = 5 + f(0, 5) 1, 5 y 1 = 5 + (3e 0 0, 4 5) 1, 5 y 1 = , 5 = 6, 5 = y(1, 5) 2. lépés x 1 = 1, 5; y 1 = 6, 5; h = 1, 5 y 2 = 6, 5 + f(1, 5; 6, 5) 1, 5 y 2 = 6, 5 + (3e 1,5 0, 4 6, 5) 1, 5 y 2 = 6, 5 + ( 1, 93061) 1, 5 = 3, 604 = y(3) Itt a pontos megoldástól való eltérés már mindössze 0,841, és ez az eredmény még tovább csökkenthet, a lépésköz csökkentésével, illetve a lépésszámok növelésével A hibaegyenlet Mivel y n a pontos megoldás közelítése, ezért felírhatjuk y n = u n + z n alakban, azaz pontos megoldás + hiba alakban. Helyettesítsük be ezt a formulát az explicit Euler módszer egyenletébe: u n+1 u n h z n+1 z n h u n+1 u n h + z n+1 z n h f(t n, u n + z n ) = 0 f(t n, u n ) + f(t n, u n ) f(t n, u n + z n ) + z n+1 z n h = u n+1 u n h = 0 + f(t n, u n ) f(t n, u n ) + f(t n, u n + z n ) Ez az úgynevezett hiba egyenlet, ami felírható Ψ n,1 + Ψ n,2 = 0 alakban, ahol Ψ n,1 = u n+1 u n h + f(t n, u n ), a lokális approximációs, vagy más néven reziduális hiba. Tehát, ha Ψ n,1 -be a pontos megoldást helyettesítjük be, akkor nyílvánvalóan 0- t kapunk. Így a lokális approximációs hiba azt fejezi ki, hogy az adott numerikus módszer milyen pontosan közelíti a folytonos (2.1)(2.2) feladatot. Ezek alapján pontosítsuk a konzisztencia denícióját: Deníció. Egy numerikus módszer konzisztens, azaz approximálja a folytonos feladatot, ha lim h 0 Ψ n,1 = 0 Nézzük meg, mit kapunk, ha Taylor sorba fejtjük az u(t n )-et. 18
20 Az explicit Euler módszer konzisztenciája Ψ n,1 = u n+1 u n h + f(t n, u n ) = Tudjuk, hogy a lépésköz hossza h, ezért t n+1 felírható t n + h alakban. u(t n ) u(t n ) + hu (t n ) h2 u (t n ) + O(h 3 ) h 1 2 hu (t n ) + O(h 2 ) + u (t n ) = A konzisztencia rendjére vonatkozó tétel alapján az explicit Euler módszer konzisztens és rendje Az Euler módszer lokális hibája Az i-edik lépésben elkövetett lokális hibát jelöljük d i -vel,amit nyílván a pontos és a közelít megoldás különbségeként fogunk meghatározni. d i = y i u i Fejtsük Taylor sorba u(t i 1 + h)-t! y i 1 = h f(t i 1, y i 1 ) u(t i ) u(t i 1 ) = h f(t i 1, u(t i 1 )) u(t i ) u(t i 1 ) = h f(t i 1, u(t i 1 )) u(t i 1 + h) u(t i 1 + h) = u(t i 1 ) + h u (t i 1 ) + h2 2 u (t i 1 ) O(h 3 ) Ezt behelyettesítve megkapjuk a módszer lokális hibáját: h 2 2 u (t i 1 ) + o(h 3 ) = h2 2 u (t i 1 ) + O(h 3 ) Azaz a lokális hiba másodrend, ami a gyakorlatban azt jelenti, hogy a választott lépésköz zsugorításakor annak második hatványával zsugorodik a hibára adott fels becslés. 19
21 Az Euler módszer 0-stabilitása Ha e i (globális hiba) abszolút értékéhez létezik olyan K konstans, hogy a globális hiba abszolút értéke kisebb legyen, mint K( e 0 + n j=1 d j ), akkor a módszer 0- stabil. e i+1 = e i + h(f(t i, y(t i )) f(t i, y i )) + d j+1 e i+1 = e i + hα e i + d j+1 = = (1 + hα) e i + d j+1 (1 + hα)( e i 1 + hα e i 1 + d j ) + d j+1 e i+1 (1 + hα) e i + d i+1 (1 + hα) 2 e i 1 + (1 + hα)d j + d j+1... (1 + hα) i+1 e 0 + (1 + hα) i j d j+1 (1 + hα) k e hαk e tkα e αb i i+1 e αb e 0 + e αb d j+1 = e αb ( e 0 + d j ) j=0 j=1 Azaz K := e αb választással a módszer 0-stabil Megjegyzés. t k -val a k-adik osztópontot jelöltem A "jó" lépésköz megválasztása A lépésköz kiválasztása nagy szerepet tölt be a numerikus módszer pontosságában. Az adott egyenlet és a választott numerikus módszer azonban korlátozza a lépéshosszt illet választási lehet ségek számát. Így nemcsak megfelel lépésközr l, hanem megfelel numerikus módszerr l is beszélnünk kell, hiszen a módszert úgy kell megválasztanunk, hogy h lépésközre vonatkozó korlátozások száma és mértéke minimális legyen. Ezek a korlátok általában szoros összefüggésben állnak a numerikus módszer stabilitásával. 20
22 A teszt egyenlet Tekintsük azt az esetet, mikor az egyenlet y = Ay alakú, ahol A R nxn mátrix. Ha A diagonizálható, akkor ezt az egyenletet felírhatjuk az alábbi módon: w = Dw ahol D egy diagonális mátrix. Ha mindezt koordinátákra bontjuk, akkor a következ n ismeretlenes egyenletrendszert kapjuk: w 1 = d 1 w 1 w 2 = d 2 w 2. w n = d n w n Itt természetesen d i i-re a D diagonális mátrix sajátértékei. Ezt az egyenletrendszert reprezentáljuk a y = λy teszt egyenlettel, ugyanis csak akkor lesz az eredeti egyenlet stabil, ha az egyenletrendszer d i sajátértékére stabil a teszt egyenlet Abszolút stabilitás Ha tudjuk, hogy y(0) = c, ahol c > 0 konstans, akkor a teszt egyenlet pontos megoldása y(t n ) = ce λtn lenne. Ezek alapján három esetet különböztethetünk meg: ha Re(λ) > 0, akkor y(t) = ce Re(λ)t exponenciálisan növekszik t szerint. Ez egy instabilis helyzet. ha Re(λ) = 0, akkor a megoldás oszcillál. ha Re(λ) < 0, akkor y(t) exponenciálisan csökken, így a megoldások egyre közelednek egymáshoz. Ez egy asszimptotikusan stabil helyzet A-stabilitás Vizsgáljuk tovább a tesztegyenletet a harmadik esteben: y(t) = λy(t), ahol λ C megoldása 0-hoz tart t határesetben, (Re(λ) < 0). 21
23 Deníció. Egy numerikus módszer A-stabil, ha a teszt egyenletre alkalmazva rendelkezik a fenti tulajdonsággal, lépéshossztól függetlenül. Másképpen megfogalmazva: Legyen y(1) = 1 a kezdeti feltétel. Ha a tesztegyenletb l kapott y 1, y 2,... sorozatra lim n y n = 0, h-ra, akkor a módszer A-stabil. Ez egy nagyon er s feltétel. Az ilyen módszerek a gyakorlatban nem mutatnak stabilitási problémakat Az explicit Euler módszer abszolút stabilitási tartománya A leírtak alapján már tudjuk, hogy egy módszernél fontos tulajdonság az A- stabilitás. Vizsgáljuk meg az explicit Euler módszert ebb l a szempontból. y n+1 = y n + h f(t n, y n ), y n+1 = y n + h λy n = (f(t, y) = λy) y n+1 = (1 + hλ)y n = (1 + hλ) 2 y n 1 =... = (1 + hλ) n y 0 Tehát, most azt kell megvizsgálnuk, hogy y n sorozat 0-hoz tart-e? y n+1 = (1 + hλ) n y 0 0 n Az alábbi állítás akkor igaz, ha 1 + hλ < 1, ez például valós λ-ra is megkötés: h < 2. Tehát az explicit Euler módszer nem A-stabil. λ 22
24 4.2. ábra. Az explicit Euler módszer abszolút stabilitási tartománya A módszer hiányosságai A módszer nagy el nye, hogy nagyon egyszer, illetve a m veletigénye alacsony. Ám sajnos az explicit Euler módszer nyílván nem a "legjobb" közelít megoldást adja hiszen csak els rend vannak stabilitási problémái, azaz, nem A-stabil 4.2. Az implicit Euler módszer Nézzünk most az (2.1)(2.2) feladtra egy másik közelítési módszert. Írjuk fel u(t n )- et a következ alakban: u(t n ) = u(t n+1 h) alakban, és fejtsük Taylor sorba: u(t n+1 h) = u(t n+1 ) hu (t n+1 ) + O(h 2 ) azaz, u(t t+1 ) u ( t n ) h y n+1 y n h = u (t n+1 ) + O(h 2 ) = f(t n+1, u(t n+1 )) = f(t n+1, y n+1 ) y(0) = y 0 23
25 Az egyenletet rendezzük y n+1 -re, így megkapjuk az implicit Euler módszer általános alakját: y n+1 = y n hf(t n+1, y n+1 ) Nézzük meg, mit kapunk n = 0 behelyettesítésével: y 1 y 0 h = f(h, y 1 ) Így láthatjuk, hogy y n kiszámításához, egy általános nemlineáris algebrai egyenlet megoldása szükséges, melyre több módszert is ismerünk (például Newton iteráció). Ez a módszer ugyan költségesebb, mint a fent említett explicit Euler módszer, azonban sok szempontból praktikusabb annál Az implicit Euler módszer konzisztenciája Helyettesítsünk be a lokális approximációs hiba képletébe, majd fejtsük Taylor sorba u(t n+1 h)-t! Ψ n,1 = u(t n+1) u(t n+1 h) + u (t n+1 ) h = u(t n+1) (u(t n+1 ) hu (t n+1 )) + O(h 2 ) h = O(h) + u (t n+1 ) Az implicit Euler módszer is 1. rendben konzisztens, tehát nem sikerült az explicit formulánál pontosabb közelítést létrehozni, legalábbis a konzisztencia szempontjából. Nézzük meg mi a helyzet a stabilitási tartományával Az implicit Euler módszer abszolút stabilitási tartománya A teszt egyenletb l megkapjuk, hogy y (t) = f(t, y(t)) = λy(t) Helyettesítsük be ezt az implicit Euler módszer n + 1-edik egyenletébe: y n+1 = y n + hλy n+1 y n+1 (1 + hλ) = y n 1 y n+1 = 1 hλ y n 24
26 Legyen z := hλ, így feltételként az 1 1 z < 1 egyenletet kapjuk. Ebb l már látható az implicit Euler módszer stabilitási tartománya: ha 1 < 1 z, azaz ha h > 0. Tehát az implicit Euler módszer A-stabil. Nézzük meg egy gyakorlati példán keresztül, hogy miért fontos szempont az A-stabilitás ábra. Az implicit Euler módszer stabilitási tartományát a satírozott területen kívüli rész jelöli Merev dierenciálegyenletek A merev dierenciálegyenletek és ezek megoldási módszerei egy elég nagy témát ölelnek fel ráadásul nincs általánosan elfogadott egzakt deníció, ezért csak néhány példával érzékeltetném, hogy mely esetekben beszélünk merev derenciálegyenletelr l: y = Ky + f(t), ahol y R m, K R mxm és "nagy" abszolútérték negatív sajátértéke, vagy y = f(t, y) és f Jacobi mátrixának létezik "nagy" abszolútérték negatív sajátértéke. Az ilyen típusú egyenleteknél nagy szerepet játszik, hogy a használni kívánt numerikus módszer A-stabil vagy nem. A továbbiakban nézzünk olyan módszereket, melyek alkalmasak a merev dierenciálegyenletek megoldására. 25
27 Példa Az alábbi egyenletet programozzuk le mindkét módszer szerint Matlab-ban! y (t) = 100(y(t) sin(t)) 4.4. ábra. Explicit Euler 26
28 4.5. ábra. Implicit Euler Láthatjuk, hogy a megadott merev dierenciálegyenletet, hogyan közelíti meg egy olyan módszer, mely A-stabil, és egy olyan, amelyik nem. A különbség szembet n Az implicit Euler módszer el nyei és hátrányai Az implicit módszer tehát stabilitását tekintve jobb az explicitnél, viszont ez még mindig csak egy els rend közelítés, így a következ lépésben próbáljunk meg olyan módszert keresni, amely legalább egy másodrend approximáció. 27
29 4.3. Szimmetrikus/ trapéz módszer Próbáljuk meg a következ t: vegyük az explicit és az implicit Euler módszer számtani közepét! y n+1 y n h = 1 2 [f(t n, y n ) + f(t n+1, y n+1 )] y n+1 = y n + h 2 [f(t n, y n ) + f(t n+1, y n+1 )] A szimmetrikus módszer konzisztenciája Ψ n,1 = u(t n+1) u(t n ) h [f(t n, y n ) + f(t n+1, y n+1 )] = = u(t n) + hu (t n ) + h2 2 u (t n ) + O(h 3 ) u(t n ) + 1 h 2 [u (t n ) + u(t n+1 )] = = u (t n ) h 2 u (t n ) + o(h 2 ) [u (t n ) + u (t n ) + hu (t n ) + O(h 2 )] = O(h 2 ) Tehát sikerült pontosabb módszerhez jutnunk, hiszen a trapéz módszer már 2. rendben konzisztens. Vizsgáljuk meg, hogy a stabilitási tartomány hogyan alakul ebben az esetben! A trapéz módszer abszolút stabilitási tartománya A szokásos módon helyettesítsünk be a teszt egyenlet alapján a szimmetrikus trapéz formulába. y n+1 = y n + h 2 (λy n + λy n+1 ) y n+1 = y n hλ(y n + y n+1 ) y n+1 = y n hλy n hλy n+1 ( hλ)y n = y n+1 (1 1 2 )hλy n+1 y n+1 = hλ hλy n Azaz a stabilitási tartomány a következ lesz: 2+z < z < 2 z. Ezt az 2 z egyenl tlenséget próbáljuk tovább alakítani, hogy z-re megoldást kapjunk. Írjuk fel 28
30 z := a + bi alakban, és oldjuk meg az egyenl tlenséget: ( 2 + a + bi ) 2 < ( 2 (a + bi) ) 2 (2 + a) 2 + b 2 < (2 a) 2 + b 2 Tehát,a < 0, így Re(z) < 0, azaz a trapéz módszer is A-stabil ábra. A szimmetrikus módszer stabilitási tartománya 29
31 5. fejezet Runge-Kutta típusú módszerek Vizsgáljuk meg újra a fent említett módszereket egy másik megközelítésb l, ahol a közelít eljárások alapját az úgynevezett kvadratúra formulák adják, vagyis dolgozzunk numerikus integrálokkal! 5.1. A kvadratúra formulák A Runge-Kutta módszerek ötletének alapját a kvadratúra formulák, azaz a numerikus integrálás szabályai adják. Nézzük meg, mit is jelent ez pontosan! Vegyünk egy [a,b] intervallumot, és készítsünk egy t 1, t 2,... t n ekvidisztáns felosztást. Az f függvény az [a, b] intervallumon felírhatjuk az n 1 darab részintervallum integráljának összegeként is, azaz: b f(t) = n ti+1 a i=1 t i f(t)dt Ez akkor hajtható végre, ha ismerjük a függvény [(t 1, f(t 1 )),..., (t n, f(t n ))] alappontjait. Ezeket a pontokat felhasználva el állítunk egy Lagrange interpolációs polinomot, mellyel közelítjük az eredeti függvényünket, majd ezt a polinomot integráljuk: L j (t) = t t i t j t i ω j = b a L j (t)dt 30
32 Végül a kapott értékeket szorozzuk f(t 1 ),... f(t n ) értékekkel, így megkapjuk f(t) közelít integrálját. b a f(t)dt n ω j f(t j ) Vegyük az y(t n ) y(t n 1 ) = t n t n 1 y (t)dt egyenletet. A görbe alatti területet approximálhatjuk bal (Explicit -Euler) és jobb (Implicit Euler) közelít integrálokkal. Ezek az els rend módszerek. j=1 Próbáljuk meg az explicit Euler módszert "nomítani"! Eddig y n kiszámításához csak az y n 1 értéket használtuk fel. Azonban ha felvennénk egy köztes pontot, például y (n 1)/2 -t, akkor elméletileg pontosabb megoldást kapnánk. Vizsgáljuk meg ezt az esetet. ỹ (n 1)/2 = y n 1 + h 2 f(t n 1, y n 1 ) y n = y n 1 + hf(t (n 1)/2, ỹ (n 1)/2 ) Ezt a módszert javított Euler módszernek nevezzük. Nézzük meg, hogy mennyivel közelíti jobban a pontos megoldást! A javított Euler módszer lokális hibája Ψ n,1 = y(t n) y(t n 1 ) h f(t n 1 ), y(t n 1 + h 2 f(t n 1, y(t n 1 ))) = y + h 2 y + h2 6 y (f + h 2 (f t + f y f) + h2 8 (f tt + 2f ty f + f yy f 2 )) + O(h 3 ) Tehát a módszer 2. rendben konzisztens, így valóban sikerült növelni a pontosságot. Ennek alapján próbáljunk meg minél magasabb rend módszereket létrehozni. Ehhez vezessük be az alábbi jelöléseket. k 1 :=f(t n, y n ) k 2 :=f(t n + 0, 5h, y n + 0, 5h k 1 ) y n+1 =y n + hk 2 31
33 A javított Euler módszer példájára, általánosítsuk ezt jelölést m lépésre. k 1 = f(t n, y n ) k 2 = f(t n + a 2 h, y n + hb 21 k 1 ) k 3 = f(t n + a 3 h, y n + h(b 31 k 1 + b 32 k 2 )). k m = f(t n + a m h, y n + h(b m1 k b m,m 1 k m 1 )) y n+1 = y n + h(c 1 k 1 + c 2 k c m k m ) Ez az úgynevezett általános m lépéses (explicit) Runge-Kutta módszer, melyet 1900 körül dolgozotak ki Karl Runge és Martin Kutta német matematikusok. A javított Euler módszernél láthattuk, hogy a "javítással" sikerült növelni a módszer rendjét. Itt az a 2,..., a m ; b ik ; és c 1,..., c m tetsz leges paraméterek, illetve (b ik )-k által el állított B mátrixot a Runge-Kutta módszer mátixának, a k -kat a módusainak, c i -ket pedig a mátrix súlyainak nevezzük. (Éppen ezért m i=1 c i = 1.) A Runge-Kutta formula lényege, hogy minél magasabb rend módszereket tudjunk létrehozni. Az adott módszerhez kapott konstansokat egy úgynevezett Butcher-tábla foglalja össze. (Butcher tableau, John C. Butcher neve után) a 2 b a 3 b 31 b a 4 b 41 b 42 b a m b m1 b m2 b m3... b m,m 1 c 1 c 2 c 3... c m Az egyszer ség kedvéért vezessük be az alábbi jelöléseket: y n+1 = y n + h φ(x n, y n, h) (5.1) m φ(x, y, h) = = c i k i (5.2) k i = f(t n + a i h, y n + i=1 m b ij k j ) (5.3) Megjegyzés. Ahhoz, hogy p-ed rend RK módszert kapjunk a a 2,..., a m ; b ik ; és c 1,..., c m együtthatókat úgy kell megválasztani, hogy a módszer lokális hibája 32 i=1
34 p + 1 rend legyen. Azaz, egy p-ed rend a következ egyenl ségnek kell teljesülnie: d(t, y, h) = u(t + h) u(t) hφ(t, y, h) = O(h p+1 ) Ahol d(t, y, h) a lokális hibát, u(t) pedig az egyenlet pontos megoldását jelöli. Els lépésként fejtsük Taylor sorba d(t, y, h)-t, u(t + h) u(t)-t, és φ(t, y, h)-t h szerint h = 0 pontban.(ahhoz, hogy az egyenl ség teljesüljön, az kell, hogy a d lokális hiba Taylor-sorának els p tagja t njön el.) i d d(t, y, h) = h i hi (5.4) i=1 u(t + h) = u(t) + hu (t) + h 2 u (t) 2! h p z(p) (t) p! + O(h p+1 ) (5.5) φ(t, y, h) = φ(t, y, 0) + hφ (t, y, h) + h2 2! φ (t, y, h) +... (5.6) + hp 1 (p 1)! φp 1 (t, y, h) + O(h p ) (5.7) Ahhoz, hogy a módszer p-ed rend legyen az szükséges, hogy p i d i=1 = 0 h i feltétel teljesüljön. Második lépésként szorozzuk be mindkét oldalt h-val. d(t, y, h) = hu (t) + h 2 u (t) 2! h p z(p) (t) p! φh(t, y, 0) h 2 φ (t, y, h)... d(x, y, 0) = h(u (t) φ(t, y, 0)) + h 2 ( 1 2 u (t) + O(h p+1 ) hp (p 1)! φ(p 1) (t, y, h) O(h p ) φ (t, y, 0)) h p ( 1 p! z(p) φ (p 1) (t, y, 0) + O(h p+1 ) Így egy p egyenletb l álló egyenletrendszert kapunk, mely megoldható, ha a i = p j=1 b ij Az RK módszerek 0-stabilitása A Runge-Kutta formulát az 5.1 egyenletben, olyan alakra hoztuk, mely nagyon hasonlít az explicit Euler módszerhez. Ennek alapján, hasonló levezetéssel megkaphatjuk, hogy a Runge-Kutta módszer 0-stabil. Természetesen most is beszélhetünk explicit és implicit módszerekr l. Nézzünk most mindkét esetre néhány példát! 33
35 5.2. Az implicit Runge-Kutta módszerek Az implicit és explicit módszerek közti legszembet n bb különbség, a Butcher tábla, hiszen implicit esetben a B mátrix nem feltétlenül alsó háromszög mátrix. Éppen ezért az implicit formulákat sokszor nevezik általános RK módszereknek Az implicit formula el nyei és hátrányai Az implicit módszer nagy hátránya, hogy a (4.3) egyenletrendszer egy nemlineáris rendszer lesz k i -kre, amit minden egyes lépésben iterációval kell megoldani, így a m veletigénye igen nagy. El nyei közül a két legjelent sebbet említeném meg: stabilitás tulajdonságuk Tétel. Minden p 1 számhoz létezik pontosan egy 2p-ed rend implicit Runge-Kutta módszer Az explicit Runge-Kutta formulák Deníció. Egy Runge-Kutta módszer explicit, ha b ik = 0; i < k. Ekkor a k i -k explicit módon számolhatóak Az els rend Runge-Kutta formulák Az els rend RK módszert fel tudom írni a következ alakban: φ(x, y, h) = c 1 k 1 = f(t, y), illetve az el z ek alapján u(t + h) u(t) = hu (t) + O(h 2 ). Ezek alapján írjuk fel az els rend módszerek lokális hibáját. d(t, y, h) = u(t + h) u(t) hφ(t, y, h) = hf(t, y) hc 1 + f(t, y) + O(h 2 ) = h(1 c 1 )f(t, y) + O(h 2 ) Az egyenletet megoldva azt kapjuk, hogy c 1 = 1 választással kapunk els rend módszert, és ezt visszahelyettesítve a y n+1 = y n +hf(t n, y n ) formulát, azaz az explicit Euler módszert kapjuk. Ez ez egyetlen els rend (explicit) RK módszer. 34
36 A megoldhatóság feltételei A a i = p j=1 b ij feltétel mellett, minden p-ed rend formulának vannak csak rá vonatkozó feltételei is. Az els rend módszer pontosan akkor oldható meg, ha teljesül a ce = 1 (5.8) feltétel, ahol e az (1... 1) T vektort jelenti, c pedig a Butcher tábla c i elemib l álló vektor A másodrend Runge-Kutta formulák A másodrend Runge-Kutta formulák pontosan akkor oldhatók meg, ha teljesül az 5.7 feltétel, és c a = 1 2 (5.9) egyenl ség is. (Az a j elemekb l álló vektort jelöltük a-val.) Hasonlóképpen mint az els rend nél φ(t, y, h) = c 1 k 1 + c 2 k 2 = c 1 f(t, y) + c 2 f(t + a 2 h, y n + hb 21 f(t, y)) Ha Taylor sorba fejtjük k 2 -t, és d(t, y, h)-t, akkor megkapjuk h 0, h 1, h 2 együtthatóit. (A Taylor sorfejtés ebben az esetben igen hosszadalmas, ezért csak a megoldásokat írom le). b 1 = 0 1 c 1 c 2 f = 0 ( 1 2 c 2a 2 ) t f + ( 1 2 c 2b 21 ) y f = 0 Így a másodrend RK módszerre a következ együtthatókat kapjuk. a 1 = 0 a 2 = b 21 a 2 = 1 2c 2 c 1 + c 2 = 1 Látható, hogy az egyenletünk határozatlan, c 1, c 2 szabad paraméterek, így igen sok másodrend formula létrehozható. 35
37 Példák másodrend formulákra Harmadrend RK formulák A harmadrend RK formulák megoldhatóságának feltételei, az 5.7 és az 5.8 feltételek, tehát minden, ami az alacsonyabb rend formuláknál kellett és teljesülnie kell az ca 2 = 1 3 cba = 1 6 (5.10) (5.11) egyenleteknek is, ahol B a Butcher tábla b ij elemeib l álló mátrixa. Példák harmadrend formulákra: A klasszikus negyed rend Runge-Kutta formula A megoldhatóság feltételei természetesen az összes eddigi feltétel és az alábbiak együttes teljesülése: ca 3 = 1 4 cba 2 = 1 24 cabc = 1 8 (5.12) (5.13) (5.14) 36
38 A-val az a i értékekb l álló mxm-es diagonális mátrixot jelöltem. k 1 = f(t n, y n ) k 2 = f(t n + h 2, y n + h 2 k 1) k 3 = f(t n + h 2, y n + h 2 k 2) k 4 = f(t n + h, y n + hk 3 ) y n+1 = y n + h 6 [k 1 + 2k 2 + 2k 3 + k 4 ] Ha jobban megnézzük ezt a módszert, akkor láthatjuk, hogy az y(t n ) y(t n 1 ) közelít integrál a Simpson formulával felírva közel hasonló eredményt ad: y(t n ) y(t n 1 ) h 6 (y (t n 1 ) + 4y (t (n 1)/2 ) + y (t n )) Ha összevetjük az els -, a másod-, a harmad-, és a negyed rend formulákat, akkor azt a hasonlóságot fedezhetjük fel, hogy p = 1, 2, 3, 4 rend formuláknál a módszerek lépésszáma is rendre m = 1, 2, 3, 4. Valójában a lépések számából nem következik a módszer rendje, amit már m = 5 lépés esetén is láthatunk. lépések száma módszer rendje Az explicit Runge-Kutta módszer abszolút stabilitási tartománya A Runge-Kutta módszerek családja széleskörben elterjedt közelítési eljárás, annak ellenére, hogy ezeknek a módszereknek is vannak stabilitási problémáik. Abszolút stabilitási tartományuk korlátos, így sajnos nem A-stabilak. 37
39 RK módszerek összehasonlítása Nézzük meg az alábbi példán keresztül, hogy milyen pontossággal közelít egy els -, egy másod-, illetve egy negyed rend Runge-Kutta formula: y (t) = 5t(y(t)) 2 + 5/t 1/(t 2 ), y(1) = ábra. Els rend RK formula 5.2. ábra. Másodrend RK formula 38
40 5.3. ábra. Negyedrend RK formula Els rend RK Másodrend RK Negyedrend RK maximális hiba 0, , ,
Differenciálegyenletek numerikus megoldása
a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens
RészletesebbenTaylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!
Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el
RészletesebbenGyakorló feladatok. Agbeko Kwami Nutefe és Nagy Noémi
Gyakorló feladatok Agbeko Kwami Nutefe és Nagy Noémi 25 Tartalomjegyzék. Klasszikus hibaszámítás 3 2. Lineáris egyenletrendszerek 3 3. Interpoláció 4 4. Sajátérték, sajátvektor 6 5. Lineáris és nemlineáris
RészletesebbenMerev differenciálegyenletek numerikus megoldása
Eötvös Loránd Tudományegyetem Természettudományi Kar Szabó-Pinczel Orsolya Merev differenciálegyenletek numerikus megoldása BSc szakdolgozat Témavezet : Mincsovics Miklós, tudományos segédmunkatárs Alkalmazott
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
RészletesebbenUtolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20
Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális
Részletesebbenvalós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.
2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve
RészletesebbenVégeselem modellezés alapjai 1. óra
Végeselem modellezés alapjai. óra Gyenge alak, Tesztfüggvény, Lagrange-féle alakfüggvény, Stiness mátrix Kivonat Az óra célja, hogy megismertesse a végeselem módszer (FEM) alkalmazását egy egyszer probléma,
RészletesebbenNumerikus integrálás
Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál
RészletesebbenNUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertet Tartalomjegyzék Pályázati támogatás Gondozó
FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2013 Ismertet Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezet Lektor Technikai szerkeszt Copyright Az Olvasó most egy egyetemi jegyzetet tart
RészletesebbenEgyenletek, egyenlőtlenségek VII.
Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós
RészletesebbenGauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenDifferenciálegyenletek numerikus megoldása
Eötvös Loránd Tudományegyetem Természettudományi Kar Somogyi Crescencia Kornélia Differenciálegyenletek numerikus megoldása BSc szakdolgozat Témavezet : Dr. Kovács Sándor Numerikus Analízis Tanszék Budapest,
RészletesebbenEgylépéses módszerek 0- és A-stabilitása
Balázsi Judit Egylépéses módszerek 0- és A-stabilitása B.Sc. Szakdolgozat Témavezet : Fekete Imre Doktorandusz Alkalmazott Analízis Tanszék Tudományos segédmunkatárs MTA-ELTE NUMNET Eötvös Loránd Tudományegyetem
RészletesebbenSzakdolgozat. M esz aros Mirjana
tvo s Lora nd Tudoma nyegyetem Eo szettudoma nyi Kar Terme K oz ons eges differenci alegyenletek numerikus megold asa Szakdolgozat M esz aros Mirjana Matematika BSc - Matematikai elemz o szakir any T emavezet
Részletesebben2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése
2 SZÉLSŽÉRTÉKSZÁMÍTÁS DEFINÍCIÓ 21 A széls érték fogalma, létezése Azt mondjuk, hogy az f : D R k R függvénynek lokális (helyi) maximuma (minimuma) van az x 0 D pontban, ha van olyan ε > 0 hogy f(x 0 )
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenKözönséges differenciál egyenletek megoldása numerikus módszerekkel: egylépéses numerikus eljárások
Közönséges differenciál egyenletek megoldása numerikus módszerekkel: egylépéses numerikus eljárások Bevezetés Ebben a cikkben megmutatjuk, hogyan használhatóak a Mathematica egylépéses numerikus eljárásai,
RészletesebbenHajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel
Hajlított tartó elmozdulásmez jének meghatározása Ritz-módszerrel Segédlet az A végeselem módszer alapjai tárgy 4. laborgyakorlatához http://www.mm.bme.hu/~kossa/vemalap4.pdf Kossa Attila (kossa@mm.bme.hu)
Részletesebben1. Parciális függvény, parciális derivált (ismétlés)
Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
RészletesebbenLineáris algebra numerikus módszerei
Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y
RészletesebbenA Richardson-extrapoláció és alkalmazása a Dániai Euleri Modellben
A Richardson-extrapoláció és alkalmazása a Dániai Euleri Modellben Faragó István 1, Havasi Ágnes 1, Zahari Zlatev 2 1 ELTE Alkalmazott Analízis és Számításmatematikai Tanszék és MTA-ELTE Numerikus Analízis
RészletesebbenKomplex számok trigonometrikus alakja
Komplex számok trigonometrikus alakja 015. február 15. 1. Alapfeladatok 1. Feladat: Határozzuk meg az alábbi algebrai alakban adott komplex számok trigonometrikus alakját! z 1 = 4 + 4i, z = 4 + i, z =
RészletesebbenNumerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
RészletesebbenLagrange-féle multiplikátor módszer és alkalmazása
Eötvös Loránd Tudományegyetem Természettudományi Kar Nemesné Jónás Nikolett Lagrange-féle multiplikátor módszer és alkalmazása Matematika BSc, Matematikai elemz szakirány Témavezet : Szekeres Béla János,
RészletesebbenDifferenciálegyenletek. Vajda István március 4.
Analízis előadások Vajda István 2009. március 4. Függvényegyenletek Definíció: Az olyan egyenleteket, amelyekben a meghatározandó ismeretlen függvény, függvényegyenletnek nevezzük. Függvényegyenletek Definíció:
RészletesebbenSkalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.
1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége
RészletesebbenNumerikus módszerek beugró kérdések
1. Definiálja a gépi számok halmazát (a tanult modellnek megfelelően)! Adja meg a normalizált lebegőpontos szám alakját. (4 pont) Az alakú számot normalizált lebegőpontos számnak nevezik, ha Ahol,,,. Jelöl:
Részletesebben1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor
. Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következ végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle bels konvergenciakritérium) A a n végtelen sor akkor és csakis
RészletesebbenKonjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 11. előadás: A Newton-módszer és társai Lócsi Levente ELTE IK 2013. november 25. Tartalomjegyzék 1 A Newton-módszer és konvergenciatételei 2 Húrmódszer és szelőmódszer 3 Általánosítás
RészletesebbenFolytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja
Folytonos rendszeregyenletek megoldása 1. Folytonos idejű (FI) rendszeregyenlet általános alakja A folytonos rendszeregyenletek megoldásakor olyan rendszerekkel foglalkozunk, amelyeknek egyetlen u = u(t)
RészletesebbenExponenciális RungeKutta módszerek
Eötvös Loránd Tudományegyetem Természettudományi Kar Kálmán Dávid Sámuel Exponenciális RungeKutta módszerek BSc Szakdolgozat Matematika BSc, Matematika elemz szakirány Témavezet : Dr. Csomós Petra Egyetemi
RészletesebbenMolnár Viktória. Közönséges differenciálegyenletek numerikus megoldása
Eötvös Loránd Tudományegyetem Természettudományi Kar Molnár Viktória Matematika Bsc - Alkalmazott matematikus szakirány Közönséges differenciálegyenletek numerikus megoldása Egylépéses módszerek Témavezet
RészletesebbenNumerikus módszerek 1.
Numerikus módszerek 1. 10. előadás: Nemlineáris egyenletek numerikus megoldása Lócsi Levente ELTE IK 2013. november 18. Tartalomjegyzék 1 Bolzano-tétel, intervallumfelezés 2 Fixponttételek, egyszerű iterációk
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenMODELLEK ÉS ALGORITMUSOK ELŐADÁS
MODELLEK ÉS ALGORITMUSOK ELŐADÁS Szerkesztette: Balogh Tamás 214. december 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így
RészletesebbenPéldatár Lineáris algebra és többváltozós függvények
Példatár Lineáris algebra és többváltozós függvények Simonné Szabó Klára. február 4. Tartalomjegyzék. Integrálszámítás.. Racionális törtek integrálása...................... Alapfeladatok..........................
RészletesebbenNagy Levente. Runge Kutta módszerek implementálása és alkalmazása
Eötvös Loránd Tudományegyetem Természettudományi Kar Nagy Levente Runge Kutta módszerek implementálása és alkalmazása BSc Elemz Matematikus Szakdolgozat Témavezet : Fekete Imre Alkalmazott Analízis és
RészletesebbenFeladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.
Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai.). Feladat. Határozzuk meg az alábbi integrálokat: a) x x + dx d) xe x dx b) c)
Részletesebben0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)
Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses
Részletesebben15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
RészletesebbenFüggvények határértéke, folytonossága
Függvények határértéke, folytonossága 25. február 22.. Alapfeladatok. Feladat: Határozzuk meg az f() = 23 4 5 3 + 9 a végtelenben és a mínusz végtelenben! függvény határértékét Megoldás: Vizsgáljuk el
RészletesebbenNumerikus integrálás április 20.
Numerikus integrálás 2017. április 20. Integrálás A deriválás papíron is automatikusan elvégezhető feladat. Az analitikus integrálás ezzel szemben problémás vannak szabályok, de nem minden integrálható
RészletesebbenParciális dierenciálegyenletek
Parciális dierenciálegyenletek 2009. május 25. A félév lezárásaként néhány alap-deníciót és alap-példát szeretnék adni a Parciális Dierenciálegynletek (PDE) témaköréb l. Épp csak egy kis izelít t. Az alapfeladatok
RészletesebbenNormák, kondíciószám
Normák, kondíciószám A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Lineáris egyenletrendszerek Nagyon sok probléma közvetlenül lineáris egyenletrendszer megoldásával kezelhetı Sok numerikus
Részletesebben4. Laplace transzformáció és alkalmazása
4. Laplace transzformáció és alkalmazása 4.1. Laplace transzformált és tulajdonságai Differenciálegyenletek egy csoportja algebrai egyenletté alakítható. Ennek egyik eszköze a Laplace transzformáció. Definíció:
RészletesebbenIpari matematika 2. gyakorlófeladatok
Ipari matematika. gyakorlófeladatok. december 5. A feladatok megoldása általában többféle úton is kiszámítató. Interpoláció a. Polinom-interpoláció segítségével adjunk közelítést sin π értékére a sin =,
Részletesebben1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1
numerikus analízis ii 34 Ezért [ a, b] - n legfeljebb n darab gyöke lehet = r (m 1) n = r m + n 1 19 B - SPLINEOK VOLT: Ω n véges felosztás S n (Ω n ) véges dimenziós altér A bázis az úgynevezett egyoldalú
RészletesebbenKOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor
RészletesebbenHatározott integrál és alkalmazásai
Határozott integrál és alkalmazásai 5. május 5.. Alapfeladatok. Feladat: + d = Megoldás: Egy határozott integrál kiszámolása a feladat. Ilyenkor a Newton-Leibniz-tételt használhatjuk, mely azt mondja ki,
RészletesebbenA derivált alkalmazásai
A derivált alkalmazásai Összeállította: Wettl Ferenc 2014. november 17. Wettl Ferenc A derivált alkalmazásai 2014. november 17. 1 / 57 Tartalom 1 Függvény széls értékei Abszolút széls értékek Lokális széls
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 6. Differenciálegyenletekről röviden Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés 2 Elsőrendű differenciálegyenletek Definíciók Kezdetiérték-probléma
RészletesebbenOptimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és
RészletesebbenTartalomjegyzék. Typotex Kiadó, 2010
Tartalomjegyzék 15. Elliptikus egyenletek 7 15.1. Bevezetés: Elliptikus egyenletek alkalmazott feladatokban... 7 15.2. Elméleti háttér.......................... 9 15.3. Véges dierencia eljárások II...................
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
RészletesebbenDIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC
BSC MATEMATIKA II. MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC MÁSODRENDŰ DIFFERENCIÁLEGYENLETEK Egy explicit közönséges másodrendű differenciálegyenlet általános
RészletesebbenNumerikus matematika vizsga
1. Az a = 2, t = 4, k = 3, k + = 2 számábrázolási jellemzők mellett hány pozitív, normalizált lebegőpontos szám ábrázolható? Adja meg a legnagyobb ábrázolható számot! Mi lesz a 0.8-hoz rendelt lebegőpontos
RészletesebbenNyitrai Károly. Kezdeti érték feladatok numerikus vizsgálata. Eötvös Loránd Tudományegyetem. Természettudományi Kar. Témavezet : Csörg Gábor
Eötvös Loránd Tudományegyetem Természettudományi Kar Nyitrai Károly Kezdeti érték feladatok numerikus vizsgálata BSc Szakdolgozat Témavezet : Csörg Gábor Alkalmazott Analízis és Számításmatematikai Tanszék
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
Részletesebben1. Analizis (A1) gyakorló feladatok megoldása
Tartalomjegyzék. Analizis A) gyakorló feladatok megoldása.................... Egyenl tlenségek, matematikai indukció, számtani-mértani közép....... Számsorozatok............................... 5... Számorozatok................................
Részletesebbenösszeadjuk 0-t kapunk. Képletben:
814 A ferde kifejtés tétele Ha egy determináns valamely sorának elemeit egy másik sor elemeihez tartozó adjungáltakkal szorozzuk meg és a szorzatokat összeadjuk 0-t kapunk Képletben: n a ij A kj = 0, ha
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
RészletesebbenDifferenciálegyenletek numerikus integrálása április 9.
Differenciálegyenletek numerikus integrálása 2018. április 9. Differenciálegyenletek Olyan egyenletek, ahol a megoldást függvény alakjában keressük az egyenletben a függvény és deriváltjai szerepelnek
RészletesebbenL'Hospital-szabály. 2015. március 15. ln(x 2) x 2. ln(x 2) = ln(3 2) = ln 1 = 0. A nevez határértéke: lim. (x 2 9) = 3 2 9 = 0.
L'Hospital-szabály 25. március 5.. Alapfeladatok ln 2. Feladat: Határozzuk meg a határértéket! 3 2 9 Megoldás: Amint a korábbi határértékes feladatokban, els ként most is a határérték típusát kell megvizsgálnunk.
Részletesebben11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
RészletesebbenFüggvény határérték összefoglalás
Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis
RészletesebbenDinamikai rendszerek, populációdinamika
Dinamikai rendszerek, populációdinamika Számítógépes szimulációk 1n4i11/1 Csabai István ELTE Komplex Rendszerek Fizikája Tanszék 5.102 Email: csabaiθcomplex.elte.hu 2009 tavasz Dierenciálegyenletek a zikán
RészletesebbenRunge-Kutta módszerek
Runge-Kutta módszerek A Runge-Kutta módszerek az Euler módszer továbbfejlesztésének, javításának tekinthetők, kezdeti értékkel definiált differenciál egyenletek megoldására. Előnye hogy a megoldás során
Részletesebben10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
RészletesebbenSorozatok és Sorozatok és / 18
Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle
RészletesebbenBaran Ágnes, Burai Pál, Noszály Csaba. Gyakorlat Differenciálegyenletek numerikus megoldása
Matematika Mérnököknek 2. Baran Ágnes, Burai Pál, Noszály Csaba Gyakorlat Differenciálegyenletek numerikus megoldása Baran Ágnes, Burai Pál, Noszály Csaba Matematika Mérnököknek 2. Gyakorlat 1 / 18 Fokozatos
RészletesebbenPénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt!
NÉV: NEPTUN KÓD: Pénzügyi matematika Vizsgadolgozat I. RÉSZ Az ebben a részben feltett 4 kérdés közül legalább 3-ra kell hibátlan választ adni ahhoz, hogy a vizsga sikeres lehessen. Kett vagy kevesebb
Részletesebben0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 11 XI LINEÁRIS EGYENLETRENDSZEREk 1 LINEÁRIS EGYENLETRENDSZER A lineáris egyenletrendszer általános alakja: (1) Ugyanez mátrix alakban: (2), ahol x az ismeretleneket tartalmazó
RészletesebbenGibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén
Matematikai modellek, I. kisprojekt Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Unger amás István B.Sc. szakos matematikus hallgató ungert@maxwell.sze.hu, http://maxwell.sze.hu/~ungert
RészletesebbenNumerikus integrálás április 18.
Numerikus integrálás 2016. április 18. Integrálás A deriválás papíron is automatikusan elvégezhető feladat. Az analitikus integrálás ezzel szemben problémás vannak szabályok, de nem minden integrálható
RészletesebbenFourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.
ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés
Részletesebben1 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
RészletesebbenSorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)
Sorozatok I. DEFINÍCIÓ: (Számsorozat) A számsorozat olyan függvény, amelynek értelmezési tartománya a pozitív egész számok halmaza, értékkészlete a valós számok egy részhalmaza. Jelölés: (a n ), {a n }.
Részletesebben8. Egyenletek, egyenlőtlenségek, egyenletrendszerek II.
8 Egyenletek, egyenlőtlenségek, egyenletrendszerek II Elméleti összefoglaló Az a + b+ c, a egyenletet másodfokú egyenletnek nevezzük A D b ac kifejezést az egyenlet diszkriminánsának nevezzük Ha D >, az
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 5 V ELEmI ALGEbRA 1 BINÁRIS műveletek Definíció Az halmazon definiált bináris művelet egy olyan függvény, amely -ből képez -be Ha akkor az elempár képét jelöljük -vel, a művelet
RészletesebbenFüggvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:
Függvények 015. július 1. 1. Feladat: Határozza meg a következ összetett függvényeket! f(x) = cos x + x g(x) = x f(g(x)) =? g(f(x)) =? Megoldás: Összetett függvény el állításához a küls függvényben a független
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
RészletesebbenKOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA MATEmATIkA II 8 VIII Elsőrendű DIFFERENCIÁLEGYENLETEk 1 Alapvető ÖSSZEFÜGGÉSEk Elsőrendű differenciálegyenlet általános és partikuláris megoldása Az vagy (1) elsőrendű differenciálegyenlet
RészletesebbenFeladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.
Feladatok a Diffrenciálegyenletek IV témakörhöz 1 Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel (a) y 3y 4y = 3e t (b) y 3y 4y = sin t (c) y 3y 4y = 8t
RészletesebbenGyakorlo feladatok a szobeli vizsgahoz
Gyakorlo feladatok a szobeli vizsgahoz Függvények. Viszgaljuk meg, hogy az alabbi fuggvenyek kozuk melyik injektv, szurjektv, illetve bijektv? F : N N, n n b) F : Q Q, c) F : R R, d) F : N N, n n e) F
Részletesebben(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0,
Feladatok az 5. hétre. Eredményekkel és kidolgozott megoldásokkal. Oldjuk meg az alábbi másodrend lineáris homogén d.e. - et, tudva, hogy egy megoldása az y = x! x y xy + y = 0.. Oldjuk meg a következ
Részletesebben1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények
1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási
RészletesebbenKözönséges differenciálegyenletek kétpontos peremérték-feladatai a numerikus modellezésben
Eötvös Loránd Tudományegyetem Természettudományi Kar Közönséges differenciálegyenletek kétpontos peremérték-feladatai a numerikus modellezésben BSc Szakdolgozat Készítette: Horváth Eszter Matematika BSc,
RészletesebbenDIFFERENCIAEGYENLETEK, MINT A MODELLEZÉS ESZKÖZEI AZ ISKOLAI MATEMATIKÁBAN
DIFFERENCIAEGYENLETEK, MINT A MODELLEZÉS ESZKÖZEI AZ ISKOLAI MATEMATIKÁBAN KOVÁCS ZOLTÁN 1. Bevezetés A természeti jelenségeket sokszor differenciálegyenletekkel lehet leírni: a vizsgált mennyiség például
RészletesebbenHatványsorok, Fourier sorok
a Matematika mérnököknek II. című tárgyhoz Hatványsorok, Fourier sorok Hatványsorok, Taylor sorok Közismert, hogy ha 1 < x < 1 akkor 1 + x + x 2 + x 3 + = n=0 x n = 1 1 x. Az egyenlet baloldalán álló kifejezés
RészletesebbenPopulációdinamika. Számítógépes szimulációk szamszimf17la
Populációdinamika Számítógépes szimulációk szamszimf17la Csabai István, Stéger József ELTE Komplex Rendszerek Fizikája Tanszék Email: csabai@complex.elte.hu, steger@complex.elte.hu Bevezetés Dierenciálegyenletek
RészletesebbenCsomós Petra. Loránd Tudományegyetem, Budapest. függvénytan, valós és komplex vonalintegrál)
Oktatási és témavezetői tevékenység Csomós Petra 1. Oktatás 2001.09 12. 2003.09 12. 2001.02 06. 2003.02 06. 2002.09 12. 2004.09 12. 2003.02 06. 2005.02 06. Analízis I. gyakorlat meteorológus és geofizikus
RészletesebbenMátrixfüggvények. Wettl Ferenc április 28. Wettl Ferenc Mátrixfüggvények április / 22
Mátrixfüggvények Wettl Ferenc 2016. április 28. Wettl Ferenc Mátrixfüggvények 2016. április 28. 1 / 22 Tartalom 1 Diagonalizálható mátrixok függvényei 2 Mátrixfüggvény a Jordan-alakból 3 Mátrixfüggvény
Részletesebben