Preda Vanja

NUMERIKE METODE (u inenjerstvu)
Aleksandar Kara
kancelarija 1111 tel: 449 120, lok 140 akarac@mf.unze.ba
Denis Spahi
kancelarija 4106 tel: 449 120, lok 169 dspahic@mf.unze.ba
www.mf.unze.ba/osoblje/karac/NM
O kursu Numerike metode ..... Izvoenje nastave predavanja: 2 asa sedmino vjebe: 2 asa sedmino Obaveze studenata redovno prisustvo na predavanjima i vjebama uraene domae zadae (ukupno 3 zadae) PREDATE U ZADANOM ROKU!!! Provjera znanja dva testa u toku semestra (teorija, kviz pitanja) pismeni ispit (zadaci) Konana ocjena prisustvo nastavi: zadaa: testovi: pismeni ispit: 0% 30 % 20 % 50 % www.mf.unze.ba/osoblje/karac/NM
2
Napomena: Svaka od stavki mora biti ispunjena minimalno 50%!!!
NUMERIKE METODE 08/09
O kursu Numerike metode .....
Sadraj kursa
1. Osnovne ideje i koncepti u numerikoj analizi 2. Rjeavanje nelinearnih jednaina 3. Rjeavanje sistema linearnih jednaina TEST I novembar 4. Interpolacija i aproksimacija funkcija 5. Numeriko diferenciranje i integriranje 6. Rjeavanje obinih diferencijalnih jednaina TEST II januar 7. Rjeavanje parcijalnih diferencijalnih jednaina 1 sedmica 1 sedmica 2 sedmice 3 sedmice 1 sedmica 2 sedmice 2 sedmice
ODSUTAN U PERIODU 17.11-05.12.

LITERATURA osnovna Predavanja, vjebe, skripta (sve dostupno na web stranici) dodatna
I. Demirdi, Numerika matematika, IP Svjetlost, D.D., Zavod za udbenike i nastavna sredstva, 1997. M. Bertolino, Numerika analiza, Nauna knjiga, Beograd, 1981. Z. Drma i dr., Numerika analiza, Sveuilite u Zagrebu, Zagreb 2003., http://web.math.hr/~rogina/2001096/num_anal.pdf M. Mari-Dedijer, Zbirka rjeenih zadataka iz numerike analize, Nauna knjiga, Graevinski fakultet, Beograd, 1992. J. Hoffman, Numerical Methods for engineers and Scientists, Marcel Dekker, Inc., New York 1992 A. Querteroni et.al., Numerical mathematics, Springer, 2000
Korisne web stranice

Numerical Methods from Eric Weisstein's World of Mathematics http://mathworld.wolfram.com/topics/NumericalMethods.html Video of Gilbert Strang's Linear Algebra Lectures http://web.mit.edu/18.06/www/Video/video-fall-99.html http://numericalmethods.eng.usf.edu/ http://math.fullerton.edu/mathews/n2003/NumericalUndergradMod.html Doug Arnold's Page on Disasters due to Numerical Errors http://www.math.psu.edu/dna/disasters/ Numerical Methods Online Course Slides http://math.jct.ac.il/~naiman/nm/ Numerical Methods Lecture Notes: introduction http://www.damtp.cam.ac.uk/lab/people/sd/lectures/nummeth98/introduction.htm
Uvod
Osnovne ideje i koncepti u numerikoj analizi

Iteracija ponavljanje niza radnji ili postupaka s ciljem poboljanja prethodno dobivenih rezultata
x = g ( x) x1 = g ( x 0 ) x2 = g ( x1 ) ................ xn +1 = g ( x n ) - rekurzivna formula
Ako niz xn konvergira ka graninoj vrijednosti , imamo
= lim xn +1 = lim g ( xn ) = g ( )
x x
pa x = zadovoljava jednainu x = g ( x).
Uvod
a)
f(x) A1 A0 B1 g(x 0 ) M
b)
f(x) A0 A2 A4 A3 M A1
x0
x1
x2 x3
x0
x2 x4
x3 x1
c)
f(x) M B0 B1 B2 A0 A1 A2
d)
f(x)
B3
A3 x2 x1 x0 x x 0 =x 2 x 1 =x 3 x
x3
Uvod Aproksimacija Linearizacija Ekstrapolacija priblino predstavljanje funkcija aproksimacija linearnom funkcijom procjena nepoznatih veliina na proirenjem trenda dobijenog poznatim podacima
Znaajne cifre, tanost, greke i predstavljanje brojeva

Znaajne cifre cifre nekog broja za koje se zna da su tane
Sve cifre razliite od nule su znaajne. Na primjer, broj 142.56 ima pet znaajnih cifara, ili 123456 ima est znaajnih cifara. Sve nule koje se nalaze izmeu cifara razliitih od nule su znaajne. Na primjer, broj 3001.378 ima 7 znaajnih cifara.
Uvod
Sve nule koje se nalaze sa desne strane decimalne take (zareza) su znaajne ako slijede cifru razliitu od nule. Na primjer, broj 5.40 ima tri znaajne cifre. Nule koje se u broju nalaze samo da bi oznaile poziciju decimalnog zareza nisu znaajne. Na primjer, broj 0.516 ima tri znaajne cifre. I broj 0.0516 ima tri znaajne cifre, ali broj 0.05016 ima etiri znaajne cifre. Broj 0.050160 ima pet znaajnih cifara. Nule koje se mogu izostaviti bez mijenjanja numerike vrijednosti nekog broja nisu znaajne. na primjer, broj 00315.8 ima etiri znaajne cifre.
Preciznost Tanost koliko je neki broj blizu nekog broja koji predstavlja, tj. koja je pozicija posljednje znaajne cifre na desnoj strani u sluaju decimalnih brojeva. koliko se neki broj slae sa tanom vrijednosti broja koji predstavlja, tj. koliko ima znaajnih cifara.
Uvod Greke pri unosu podataka pri zaokruivanju u toku raunanja usljed prekidanja (zanemarivanja lanova vieg reda) usljed pojednostavljenja matematikog modela ljudske greke i greke raunara apsolutna greka
x = x x
x xx = x x
relativna greka
Predstavljanje brojeva brojni sistemi (decimalni, binarni, ...)
10
Uvod Taylorov red
f ( x) = an ( x x0 ) n
n =0
a0 = f ( x), a1 =
1 f '( x), ... 1! 1 1 1 2 f ( x) = f ( x0 ) + f '( x)( x x0 ) + f ''( x)( x x0 ) + ... = f ( x) = f 0(0) x n 1! 2! n =0 n !
11
Rjeavanje nelinearnih jednaina Osnovni zadatak: Za datu neprekidnu funkciju f (x), treba nai vrijednost x = takvu da je f ( ) = 0
f(x)
1
f(1 )= 0
2
f(2 )= 0 x
12
Rjeavanje nelinearnih jednaina Osnovne karakteristike u pronalaenju korijena Lokalizacija nula - crtanje grafika funkcije (runo, Excel, MathCAD, Matematica, ...) - inkrementalno pretraivanje - prethodna iskustva, ...
Poboljanje rjeenja - metode na zatvorenom intervalu (metoda polovljenja, regula falsi) - metode na otvorenom intervalu (prosta interacija, Newtonova metoda, modifikovana Newtonova metoda, metoda sjeice)
13
Rjeavanje nelinearnih jednaina Ponaanje nelinearnih jednaina u blizini korijena
a) f(x)
b) f(x)
x x
c) f(x)
d) f(x)
14
Rjeavanje nelinearnih jednaina Ponaanje nelinearnih jednaina u blizini korijena
e) f(x)
f) f(x)
1 = 2
g) f(x)
x h) f(x)
1 = 2 = 3
2 = 3
15
Rjeavanje nelinearnih jednaina Smjernice u traenju korijena
Proces lokalizacije bi trebao ograniiti korijen. Dobra poetna aproksimacija je veoma vana. Metode sa zatvorenim intervalom su sigurnije nego one sa otvorenim, jer zadravaju rjeenje u zatvorenom intervalu. Metode sa otvorenim intervalom, kada konvergiraju, openito konvergiraju bre od metoda sa zatvorenim intervalom. Za funkcije bez naglih promjena u ponaanju, veina algoritama uvijek konvergira ako je poetna aproksimacija dovoljno blizu. Za ove sluajeve unaprijed je mogue procijeniti brzinu konvergencije.
16
Rjeavanje nelinearnih jednaina Smjernice u traenju korijena
Mnogi, ako ne i veina, inenjerskih problema su jednostavni i dobro se ponaaju. U takvim sluajevima, jednostavne metode, kao to je Newtonova metoda, mogu se primijeniti bez bojazni da se radi o nekom specijalnom sluaju. Ako se neki problem treba rijeiti samo jednom, ili mali broj puta, efikasnost nije u prvom planu. Nasuprot tome, ako se rjeavanje neke jednaine obavlja veliki broj puta, veoma vano je koristiti efikasnije metode.
17
Rjeavanje nelinearnih jednaina eljene osobine metoda za rjeavanje linearnih jednaina
Treba biti poznat maksimalan broj iteracija. U sluaju da metoda koristi prvi izvod funkcije, f (x), mora se paziti da ova vrijednost u toku prorauna ne bude jednaka nuli. Test konvergencije oblika |xi+1-xi |, te vrijednost funkcije |f (xi+1 )| se moraju uzeti u obzir. Kada se dostigne konvergencija, konana procjena korijena bi se trebala uvrstiti u funkciju f (x), kako bi se zagarantovalo da je f (x)=0 u granicama eljene konvergencije.
18
Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija Ideja: prepoloviti poetni interval, u kojem se nalazi korijen, na dva podintervala, provjeriti u kojem podintervalu se nalazi korijen, i postupak nastaviti do eljene tanosti ili pronalaska rjeenja.
(a, b)
c= a+b 2
f(x)
Ako je f(a)f(c)<0: a=a, b=c Ako je f(c)f(b)<0: a=c, b=b Ako je f(a)f(c) = 0: dobiva se rjeenje
a2 a1 a=a0 c=a3 f(a) f(c) c=b 1 f(b)
=c
ili dok se ne postigne eljena tanost, tj.
c=b 2
b=b 0 x
| bi ai | 1 i/ili f ( ci ) 2
19
Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija Primjer Nai pozitivni korijen jednaine f (x) = x 2 2. Postupak rjeavanja zaustaviti kada vrijednost razlike izmeu dvije uzastopne iteracije bude manja od 10-4, tj. |xi+1 xi |
5 4 3
1. Lokalizacija nula
2 [a,b]=[1,2]
f(x)=x -2
2
f (1)= 1<0
f (2)=2>0
2 1 0 -1 -2 -3 -5
2. Primjena algoritma
1 2
c=
a + b 1+ 2 = = 1.5 2 2 f (c) = f (1.5) = 0.25 > 0, f (a ) = f (1) = 1 < 0 a = a = 1, b = c = 1.5
-4
-3
-2
-1
[1,1.5]
20
Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija
c=
a + b 1 + 1.5 = = 1.25 2 2 f (c ) = f (1.25) = 0.4375 < 0, f (b ) = f (1.5) = 0.25 > 0 a = c = 1.25, b = b = 1.5
[1.25,1.5]
c= a + b 1.25 + 1.5 = = 1.375 2 2 f (c ) = f (1.375) = 0.109375 < 0, f (1.5) = 0.25 > 0 a = c = 1.375, b = b = 1.5
[1.375,1.5]
itd., itd., itd., ............. 14. iteracija
= 1.41425
21
Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija
Prednosti: Korijen jednaine se nalazi unutar granica nekog intervala, tako da je konvergencija zagarantovana. Maksimalna greka metode je |bn-an|. S obzirom da se svakom iteracijom interval polovi, broj iteracija n, a time i broj raunanja funkcije, koji je potreban da se prvobitni interval (bn,an) smanji na odreeni interval (bn,an), dobiva se iz
(bn an ) = pa je n= b a 1 log( 0 0 ) bn an log(2) 1 (b0 a0 ) 2n
Osnovni nedostatak ove metode je spora konvergencija, odnosno veliki broj iteracija radi postizanja eljene tanosti.
22
Rjeavanje nelinearnih jednaina Metoda regula falsi Ideja: aproksimirati funkciju pravom linijom izmeu krajnjih taaka poetnog intervala, i nai taku x1, koja predstavlja prvu aproksimaciju rjeenja. Postupak ponavljati do eljene tanosti ili pronalaska rjeenja.
( a, b)
x1 = b b a f (b ) f (b ) f (a )
f(x)
Ako je f(a)f(xi)<0: a =a, b =xi Ako je f(xi)f(b)<0: a =xi, b =b Ako je f(a)f(xi)=0: dobiva se rjeenje
f(c) a f(a) c=x 2 c=x 1 b f(b)
=xi
ili dok se ne postigne eljena tanost, tj.
| b a | 1 i/ili f ( xi ) 2
23
Rjeavanje nelinearnih jednaina Metoda regula falsi Primjer Nai pozitivni korijen jednaine f (x) = x 2 2. Postupak rjeavanja zaustaviti kada vrijednost razlike izmeu dvije uzastopne iteracije bude manja od 10-4, tj. |xi+1 xi | 1. Lokalizacija nula
2 [a,b]=[1,2]
f (1)= 1<0
2. Primjena algoritma
f (2)=2>0
x1 = b
ba 2 1 f (b) = 2 2 = 1.333333 f (b) f (a ) 2 (1) f ( x1 ) = f (1.3333333) = 0.222222 < 0, f (b) = f (2) = 2 > 0 a = x1 = 1.333333, b = b = 2
[1.333333, 2]
24
Rjeavanje nelinearnih jednaina Metoda regula falsi
2 1.333333 b a 2 = 1.4 f (b ) = 2 2 (0.222222) f (b ) f (a ) f (x 2 ) = f (1.4) = 0.04 < 0, x2 =b f (b ) = f (2) = 2 > 0 a = x 2 = 1.4, b = b = 2
[1.4, 2]
b a 2 1.4 x3 =b f (b ) = 2 2 = 1.41176 f (b ) f (a ) 2 (0.04) f (x 3 ) = f (1.41176) = 0.00692 < 0, f (b ) = f (2) = 2 > 0 a = x 3 = 1.41176, b = b = 2
[1.41176, 2]
itd., itd., itd., ............. 6. iteracija
= 1.4142
25
Rjeavanje nelinearnih jednaina Metoda proste iteracije Ideja: Napisati jednainu oblika f(x)=0 u obliku x=g(x) i iterativno je rijeiti.
xi +1 = g ( xi ) | xi +1 xi | 1 i/ili f ( xi +1 ) 2
xi
xi+1
26
Rjeavanje nelinearnih jednaina Metoda proste iteracije Uslov konvergencije:
xi +1 = ei +1 = g ( xi ) g ( ) g ( ) = g ( xi ) + g '( )( xi ) + ... xi +1 = ei +1 = g '( )( xi ) xi +1 = ei +1 = g '( )ei ei +1 = g '( ) < 1 ei (xi )
27
Rjeavanje nelinearnih jednaina Metoda proste iteracije Primjer Na primjeru rjeavanja jednaine f (x) = x 2 x 2 pokazati upotrebu metode proste iteracije.
10 9
f ( x) = x = g ( x) (a) x = x 2 2 (b) x = x + 2 (c) x = 1 + 2 x x2 x 2 (d) x = x 2x

y
8 7 6 5 4 3 2 1 0 -1 -2 -3 0 1 2
g(x)=x -2 g(x)= x+ 2 g(x)= 1 + 2 /x 2 g(x)=x+ (x -x-2)/(2 x-1) f(x)=x

3 4 5
10
28
Rjeavanje nelinearnih jednaina Metoda proste iteracije

50
(a) g(x) = x 2
2
45 40 35 30
g(x)=x -2 f(x)=x
x0 =3 x 1 = g (x 0 ) = 32 2 = 7 x 2 = g (x 1 ) = 7 2 2 = 47 x 3 = g (x 2 ) = 47 2 2 = 2207 itd.
Uslov konvergencije:
y
25 20 15 10 5
g(x) = 2x < 1
za
x <
1 2
0 0 1 2
3 4 5
10
29

5
(b) g(x) = x + 2 x0 =3 x 1 = g (x 0 ) = 3 + 2 = 2.236 x 2 = g (x 1 ) = 2.236 + 2 = 2.058 x 3 = g (x 2 ) = 2.058 + 2 = 2.0014 x 4 = g (x 3 ) = 2.0014 + 2 = 2.0004 itd.
y
4 3 2 1 0 -1 -2
g(x)= x+ 2 f(x)=x
1 <1 g(x) = 2 x +2
za
7 x> 4
-3 0 1 2
30

5
(c) g(x) = 1 + 2 / x
4
x0 =3 x 1 = g (x 0 ) = 1 + 2 / 3 = 1.6666 x 2 = g (x 1 ) = 1 + 2 /1.6666 = 2.2 x 3 = g (x 2 ) = 1 + 2 / 2.2 = 1.9091 x 4 = g (x 3 ) = 1 + 2 /1.9091 = 2.0476 itd.

1 2 3
g(x)= 1 + 2 /x f(x)=x
g(x) =
1 <1 2 x
za
x >1
-1 0 1
31
Rjeavanje nelinearnih jednaina Newtonova metoda Ideja: aproksimirati funkciju tangentom u poetnoj aproksimaciji, i nai taku x1, koja predstavlja sljedeu aproksimaciju rjeenja. Postupak ponavljati (traenje tangente u novoj aproksimaciji) do eljene tanosti ili pronalaska rjeenja.
iz ili
f ( xi +1 ) f ( xi ) f '( x) = xi +1 xi f ( xi +1 ) = f ( xi ) + f '( xi )( xi +1 xi ) + ...
f(x)
M0
f ( xi ) xi +1 = xi f '( xi )
x0
M1 M2 x1 x2
dok se ne postigne eljena tanost, tj.
| xi +1 xi | 1 i/ili f ( xi +1 ) 2
32
Rjeavanje nelinearnih jednaina Newtonova metoda Primjer Nai pozitivni korijen jednaine f (x) = x 2 2. Postupak rjeavanja zaustaviti kada vrijednost razlike izmeu dvije uzastopne iteracije bude manja od 10-4, tj. |xi+1 xi |
10
f ( xi ) xi2 2 xi +1 = xi = xi f '( xi ) 2 xi 1 2 xi +1 = xi + 2 xi
y
9 8 7 6 5 4 3 2 1 0 -1 0 1
f(x)=x2-2
x0 = 3 1 2 x1 = 3 + = 1.833333 2 3 1 2 x2 = 1.833333 + = 1.462212 2 1.833333

x2 x1
2
x0
33
Rjeavanje nelinearnih jednaina Newtonova metoda

10 9
f(x)=x2-2
1 2 x3 = 1.462212 + = 1.415 2 1.462212 1 2 x4 = 1.415 + = 1.41421 2 1.415
8 7 6 5
1 2 x5 = 1.41421 + = 1.41421 2 1.41421
4 3 2 1 0 -1 0 1
x2 x1
2
x0
= 1.41421
34
Rjeavanje nelinearnih jednaina Newtonova metoda
Prednosti: Tanost metode je drugog reda, pa se svakom iteracijom udvostruava broj znaajnih cifara odline osobine lokalne konvergencije. Nedostaci: Problem odreivanja prvog izvoda
35
Rjeavanje nelinearnih jednaina Modifikovana Newtonova metoda Ideja: aproksimirati funkciju tangentom u poetnoj aproksimaciji, i nai taku x1, koja predstavlja sljedeu aproksimaciju rjeenja. Postupak ponavljati, koritenjem vrijednosti prvog izvoda za poetnu aproksimaciju, do eljene tanosti ili pronalaska rjeenja.
f ( xi ) xi +1 = xi f '( xi ) f '( x) = f '( x0 ) f ( xi ) xi +1 = xi f '( x0 )

f(x)
M0
M1
M2
M2
x0
x1 x2 x3 x3
| xi +1 xi | 1 i/ili f ( xi +1 ) 2
36
Rjeavanje nelinearnih jednaina Modifikovana Newtonova metoda Primjer Nai pozitivni korijen jednaine f (x) = x 2 2. Postupak rjeavanja zaustaviti kada vrijednost razlike izmeu dvije uzastopne iteracije bude manja od 10-4, tj. |xi+1 xi |
x i +1 = x i x0 =3
f (x i ) x 2 = xi f '(x 0 ) 2x 0
2 i
10 9 8 7 6 5
f(x)=x2-2
32 2 x1 = 3 = 1.833333 23 1.8333332 2 = 1.60648 x 2 = 1.833333 23 ... x 13 1.41437 2 2 = 1.41437 = 1.41429 23
y
4 3 2 1 0 -1 0 1
x2 x1
2
x0
= 1.41429
37
Rjeavanje nelinearnih jednaina Metoda sjeice (sekante) Ideja: nelinearna funkcija f(x) se lokalno aproksimira linearnom funkcijom g(x) (sjeica). Korijen funkcije g(x) je sljedea aproksimacija.
f ( xi ) xi +1 = xi f '( xi )
f(x)
f '( x) = g ( x) =
f ( xi ) f ( xi 1 ) xi xi 1
M0
xi xi 1 f ( xi ) xi +1 = xi f ( xi ) f ( xi 1 )
x0
M1 M2 x1 x2 M3 x3
| xi +1 xi | 1 i/ili f ( xi +1 ) 2
38
Rjeavanje nelinearnih jednaina Metoda sjeice (sekante) Primjer Nai pozitivni korijen jednaine f (x) = x 2 2. Postupak rjeavanja zaustaviti kada vrijednost razlike izmeu dvije uzastopne iteracije bude manja od 10-4, tj. |xi+1 xi |
x i +1 = x i
x i x i 1 f (x i ) f (x i ) f (x i 1 )
15 14 13 12 11 10
f(x)=x2-2
x 0 = 4, x 1 = 3 3 4 x 2 = 3 7=2 7 14 23 x3 = 2 2 = 1.6 27 ...... x 7 = 1.41423 = 1.41421

9 8 7 6 5 4 3 2 1 0 -1 0 1
1.41423 1.41606 0.000055 0.000055 0.005221
x3 x2
2
x1
x0
4 5
= 1.41421
39
Rjeavanje nelinearnih jednaina Metoda sjeice (sekante)
Prednosti: Tanost metode je reda 1.62, pa je metoda znatno bra od proste iteracije. U sluaju kada je brzina izraunavanja vrijednosti funkcije povoljna u odnosu na izraunavanje prvog izvoda funkcije (tanije, do 43% bra), metoda je bra i od Newtonove metode.
40
Rjeavanje nelinearnih jednaina Problemi u numerikom rjeavanju jednaina
nedovoljno dobra poetna aproksimacija konvergencija prema pogrenom korijenu korijeni koji su blizu jedan drugom mnogostruki korijeni take infleksije kompleksni korijeni loe postavljena nelinearna jednaina spora konvergencija
41
Rjeavanje sistema linearnih jednaina Problem rjeavanja sistema jednaina (lienarnih i nelinearnih) javlja se u gotovo svim segmentima inenjerstva i nauke. U ovom kursu panja je posveena rjeavanju sistema od n linearnih jednaina sa n nepoznatih oblika:
a11 x1 + a21 x2 + ... + an1 xn = b1 a12 x1 + a22 x2 + ... + an 2 xn = b2 ............................................ a1n x1 + a2 n x2 + ... + ann xn = bn
U matrinom obliku:
xi nepoznate promjenljive Aij koeficijenti nepoznatih promjenljivih bi nehomogeni lanovi i,j=1,2,...,n
Ax=b
a11 a = 21 M an1 a12 K a1n x1 b1 x b a22 K a2 n 2 , x = , b = 2 M M M O M an 2 K ann x n bn
A matrica sistema x kolona vektor rjeenja b kolona vektor nehomogenih lanova

42
Rjeavanje sistema linearnih jednaina Rjeenje sistema
a x
j =1 ij
= bi
(i = 1, 2,..., n)
Ax=b
moe biti: jedinstveno sistem je odreen. bez rjeenja sistem je protivrjean. beskonano mnogo rjeenja sistem ima nedovoljan broj jednaina. trivijalno (xi = 0) sistem je homogen ( bi = 0 za i = 1,2,...,n )
43
Rjeavanje sistema linearnih jednaina Metode za rjeavanje sistema linearnih jednaina
Direktne metode zasnivaju se na principu eliminacije - Cramerovo pravilo (direktna metoda, ne zasniva se na eliminaciji) - Metode eliminacije Gaussova metoda, Gauss-Jordanova metoda, matrina metoda, metode faktorizacije
Iterativne metode asimptotski dovode do rjeenja pomou neke iterativne procedure - Jacobijeva metoda - Gauss-Seidelova metoda - Metode relaksacije
44
Rjeavanje sistema linearnih jednaina direktne metode Cramerovo pravilo (reda radi!!!) Rjeenje sistema dato je sa:
det( A j ) xj = det( A )
( j = 1, 2,..., n )
Aj matrica nn, koja se dobija zamjenom kolone j matrice A sa kolonom vektora b. Za sistem sa dvije jednaine:
a11 x1 + a21 x2 = b1 a12 x1 + a22 x2 = b2
rjeenje je:
b1 a12 b a22 x1 = 2 a11 a12 a21 a22
a11 b1 a b i x2 = 21 2 a11 a12 a21 a22
Metoda je gotovo neupotrebljiva kada se determinante izraunavaju metodom kofaktora broj mnoenja i djeljenja je (n 1)(n + 1)! Za n=10 broj operacija je 360 000 000, za n =100 reda 10157!!!
45
Rjeavanje sistema linearnih jednaina direktne metode Metode eliminacije (Gaussova metoda) 1. Rijei se jedna od jednaina za neku nepoznatu u odnosu na druge nepoznate, i ta vrijednost se uvrsti u ostale jednaine sistema. Postupak se ponavlja dok se ne doe do jednaine koja sadri samo jednu nepoznatu. ( proces eliminacije )
x1 = (b1 a21 x2 ... an1 xn ) a11
x2 =
( B2 ... An1 xn ) A22
A 22 x 2 + ... + A n 2 x n = B 2 ................................. A 2 n x 2 + ... + A nn x n = B n
itd........
46
Rjeavanje sistema linearnih jednaina direktne metode Metode eliminacije (Gaussova metoda) 2. Rijei se nepozanta promjenljiva iz posljednje jednaine, njena vrijednost uvrsti u prethodnu jednainu, pa se rijei sljedea nepoznata, itd. ( zamjena unazad ) Primjer 1. Metodom eliminacije rijeiti sistem jednaina:
(1) (2) (3) 80x 1 20x 2 20x 3 = 20 20x 1 + 40x 2 20x 3 = 20 20x 1 20x 2 + 130x 3 = 20
Rjeenje 1:
20 ( 20 ) x 2 ( 20 ) x 3 iz (1) x 1 = 80 (*)
20 ( 20 ) x 2 ( 20 ) x 3 + 40x 20x = 20 20 2 3 80 (*) u (2) i (3) 20 ( 20 ) x 2 ( 20 ) x 3 20x + 130x = 20 20 2 3 80

(4) (5)
35x 2 25x 3 = 25 25x 2 + 125x 3 = 25
47
Rjeavanje sistema linearnih jednaina direktne metode Metode eliminacije (Gaussova metoda)
(4) (5) 35x 2 25x 3 = 25 25x 2 + 125x 3 = 25
25 ( 25 ) x 3 iz (4) x 2 = 35
(**)
25 ( 25 ) x 3 (**) u (5) 25 35
80x 1 20x 2 20x 3 = 20 20x 1 + 40x 2 20x 3 = 20 20x 1 20x 2 + 130x 3 = 20
iz (8) x 3 = 0.4
750 300 x3 = 7 7
(6) 80x 1 20x 2 20x 3 = 20 35x 2 25x 3 = 25 750 300 x3 = 7 7
(7) (8)
25 ( 25 ) x 3 = 1.0 iz (7), tj. (**) x 2 = 35 20 ( 20 ) x 2 ( 20 ) x 3 = 0.6 iz (6), tj. (*) x 3 = 80

48
Rjeavanje sistema linearnih jednaina direktne metode Metode eliminacije (Gaussova metoda) Rjeenje 2:
80x 1 20x 2 20x 3 = 20 20x 1 + 40x 2 20x 3 = 20 20x 1 20x 2 + 130x 3 = 20
80 20 20 20 A b = 20 40 20 20 20 20 130 20
Ax = b
80 20 20 A= 20 40 20 20 20 130
20 b= 20 20
(a) (b) (c)

(a) (b) (c)
80 20 20 20 (20 / 80) + (b), (20 / 80) + (c) 20 40 20 20 20 20 130 20

80 20 20 20 0 35 25 25 (25 / 35) + (c) 0 25 125 25
49
80 20 20 20 0 35 25 25 (25 / 35) + (c) 0 25 125 25
(a) (b) (c)
(a) 80 20 20 20 x1 = 0.6 (b) 0 35 25 25 x2 = 1.0 (c) 750 300 x3 = 0.4 0 0 7 7
50
Problemi Prilikom izvoenja metode eliminacije moe se desiti da je elemenat na glavnoj dijagonali modifikovane matrice A jednak nuli. U sluaju da su elementi po dijagonalama mnogo manji od ostalih elemenata u jednainama koje sadre glavni elemenat, moe doi do znaajne greke zaokruivanja, to, pak, moe dovesti do pogrenih rjeenja. Korisni alati: bilo koji red (jednaina) se moe pomnoiti konstantom. Ova operacija se najee koristi za skaliranje jednaina, ako je to neophodno. redovi (jednaine) mogu zamijeniti mjesta. Operacija se koristi kako bi se izbjeglo dijeljenje sa nulom i smanjile greke zaokruivanja. bilo koji red (jednaina) moe se zamijeniti linearnom kombinacijom tog reda (jednaine) i bilo kojeg drugog reda (jednaine). Ova operacija se najee koristi kako bi se implementirao proces sistematske eliminacije.
51
Rjeavanje sistema linearnih jednaina direktne metode Metode eliminacije (Gaussova metoda) Primjer 2. Metodom eliminacije rijeiti sistem jednaina:
0 2 1 x1 5 4 1 1 x = 3 2 2 3 3 x 3 5
0 2 1 5 4 1 1 3 4 1 1 3 0 2 1 5 2 3 3 5 2 3 3 5 a) 4 1 1 3 (0 / 4) + (b), (2 / 4) + (c) b) 0 2 1 5 c) 2 3 3 5 4 1 1 3 4 1 1 3 0 2 1 5 0 7 / 2 7 / 2 7 / 2 1 5 0 7 / 2 7 / 2 7 / 2 0 2
52
a) 4 1 1 3 b) 0 7 / 2 7 / 2 7 / 2 (4 / 7) + (c) c) 1 5 0 2 4 1 1 3 x 3 = 1 0 7 / 2 7 / 2 7 / 2 x 2 = 2 3 3 x3 =1 0 0
Primjer 3. Provjeriti prednosti procesa skaliranja na sistemu jednaina:

3 2 105 x 1 104 2 3 103 x = 98 2 3 1 1 x 3 3
pri emu proraun izvriti na tri znaajne cifre. Rjeenje sistema je x1 = 1, x2 = 1 i x3 = 1
53
3 2 105 x 1 104 2 3 103 x = 98 2 3 1 1 x 3 3
a) b) c)
3 2 105 104 (0.667) + (b), (0.333) + (c) 2 3 103 98 3 3 1 1
x1 = 1, x2 = 1, x3 = 1
a) 3 2 105 104 b) 0 4.334 33 28.6 (0.077) + (c) c) 0 0.334 32 31.6 a) 3 2 105 104 x 3 = 0.884 b) 0 4.334 33 28.9 x 2 = 0.924 29.5 29.4 c) 0 x 1 = 0.997 0
54
3 /105 0.0286 = 0.0194 a1 = 2 /103 1/ 3 0.3333
3 2 105 x 1 104 2 3 103 x = 98 2 3 1 1 x 3 3
x1= 1, x2=1, x3=1
3 3 3 2 105 1 1 2 3 103 2 3 103 98 3 1 1 3 2 105 104 a) b) c) 1 1 3 3 (2) + (b), (3) + (c) 2 3 103 98 3 2 105 104 1 1 3 3 0 5 97 92 0 1 96 95
= 0.0516 a2 = 5 / 97 1/ 96 0.0104
1 1 a) 1 1 3 3 3 3 x1 = 1 b) 0 5 97 92 (1/ 5) + (c) 0 5 97 92 x2 = 1 c) x3 = 1 0 1 96 95 0 0 76.6 76.6
55
Rjeavanje sistema linearnih jednaina direktne metode Gaussova metoda
Opti algoritam rjeavanja: 1. Definisati koeficijente matrice A, vektora b(, i pomonog vektora o.) 2. Poevi od prve kolone, treba normalizovati kolone k (k=1,2,..., n-1) i traiti po veliini najvei elemenat u koloni k te izmijeniti redove kako bi se taj koeficijent postavio u poziciju glavnog elementa akk. 3. Za kolonu k (k=1,2,...,n-1) se primijeni procedura eliminacije na redove i (i=k+1,k+2,...,n) kako bi se stvorile nule ispod glavnog elementa, akk. Na taj nain se dobija:
aik aij = aij (i, j = k + 1, k + 2..., n) a akj kk aik bi = bi (i = k + 1, k + 2..., n) a akj kk Nakon to se primijeni ovaj korak na svih k kolona, originalna matrica A postaje gornja trougaona.
56
Rjeavanje sistema linearnih jednaina direktne metode Gaussova metoda
4. Rijeiti nepoznanice x koristei zamjenu unazad, tako da je:

xn = bn ann bi xi =
j =i +1
a x
ij
aii
Broj mnoenja i dijeljenja priblino je jednak n3/3 n/3 + n2 za sistem od 10 jednaina to je 430, a sistem od 100 jednaina 343 000.
57
Rjeavanje sistema linearnih jednaina direktne metode Gauss-Jordanova metoda
Varijacija Gaussove metode, pri emu se i elementi iznad glavne dijagonale izjednaavaju sa nulom. Matrica A se, na taj nain, transformie u dijagonalnu matricu. Skaliranjem matrica A se pretvara u jedininu matricu. Pogodna za simultano rjeavanje sistema jednaina sa vie vrijednosti vektora b. Broj mnoenja i dijeljenja je priblino jednak n3/2 n/2 + n2 50% vie od Gaussove metode.
Primjer Rijeiti sistem jednaina koristei Gauss-Jordanovom metodom:
80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
58

80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
(a) (b) (c) (a) (b) (c)
80 20 20 20 / 80 20 40 20 20 20 20 130 20 1 0.25 0.25 0.25 ( 20) + (b), (20) + (c) 20 40 20 20 130 20 20 20
(a) (b) (c)

(a) (b) (c)
1 0.25 0.25 0.25 0 35 25 25 / 35 125 25 0 25

1 0.25 0.25 0.25 0 1 5 / 7 5 / 7 (0.25) + (a), (25) + (c) 125 25 0 25
59

80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
(a) (b) (c) (a) (b) (c) (a) (b) (c) (a) (b) (c)
1 0.25 0.25 0.25 0 1 5 / 7 5 / 7 (0.25) + (a), (25) + (c) 125 25 0 25 1 0 3 / 7 3/ 7 0 1 5 / 7 5 / 7 0 0 750 / 7 300 / 7 /(750 / 7) 1 0 3 / 7 3 / 7 0 1 5 / 7 5 / 7 1 2 / 5 0 0 (3 / 7) + (a), (5 / 7) + (b) 1 0 0 3 / 5 x 1 = 0.6 0 1 0 1.0 x 2 = 1.0 0 0 1 2 / 5 x 3 = 0.4
60
Rjeavanje sistema linearnih jednaina direktne metode Inverzija matrice Gauss-Jordanovom metodom Ideja: Matricu A proiriti jedininom matricom, te slino prethodnom postupku, lijevi dio transformisati u jedininu matricu. Desni dio, onda, predstavlja inverznu matricu, tj.
[A|I][I|A-1]
Primjer Koristei Gauss-Jordanovu metodu, nai inverznu matricu matrice:
80 20 20 20 40 20 20 20 130
80 20 20 1 0 0 / 80 1 0.25 0.25 1/ 80 0 0 (20) + (b), (20) + (c) 20 40 20 0 1 0 20 40 20 0 1 0 130 0 0 1 20 20 130 0 0 1 20 20 1 0 0 0.25 35 25 1 0.25 1/ 80 0 0 25 0.25 1 0 / 35 0 125 0.25 0 1 0 0.25 1 25 0.25 1/ 80 0 0 5 / 7 0 1/ 35 0 ( 0.25) + (a), ( 25) + (c) 125 0 0 1
61
Rjeavanje sistema linearnih jednaina direktne metode Inverzija matrice Gauss-Jordanovom metodom
1 0 0 0.25 35 25 1 0.25 1/ 80 0 0 25 0.25 1 0 / 35 0 125 0.25 0 1 0 0.25 1 25 0.25 1/ 80 0 0 5 / 7 1/140 1/ 35 0 ( 0.25) + (a), ( 25) + (c) 125 0.25 0 1
1 0 3 / 7 1/ 70 1/140 0 0 1 5 / 7 1/140 1/ 35 0 5 / 7 1 0 0 750 / 7 3 / 7 /(750 / 7) 1 0 3 / 7 1/ 70 1/140 0 0 1 5 / 7 1/140 1/ 35 0 1 1/ 250 1/150 7 / 750 0 0 (3 / 7) + (a), (5 / 7) + (b) 1 0 0 2 /125 1/100 1/ 250 2 /125 1/100 1/ 250 1/100 1/ 30 1/150 1 = A 0 1 0 1/100 1/ 30 1/150 1/ 250 1/150 7 / 750 0 0 1 1/ 250 1/150 7 / 750
62
Rjeavanje sistema linearnih jednaina direktne metode Matrina metoda

Ax = b A -1Ax = 1x = x = A -1b x = A -1b
Primjer Rijeiti sistem jednaina koristei matrinu metodu:

80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
80 20 20 20 40 20 A= 20 20 130 20 20 b= 20
Ax = b
x = A 1b
63
Rjeavanje sistema linearnih jednaina direktne metode Matrina metoda

2 /125 1/100 1/ 250 1/100 1/ 30 1/150 A 1 = 1/ 250 1/150 7 / 750 2 /125 1/100 1/ 250 20 0.6 20 = 1.0 x = A 1b = 1/100 1/ 30 1/150 1/ 250 1/150 7 / 750 20 0.4
80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
64
Rjeavanje sistema linearnih jednaina direktne metode Metode faktorizacije Ideja: Faktorizirati (razloiti) na neke dvije matrice u povoljnom obliku Na primjer,
A = LU
L donja trougaona matrica U gornja trougaona matrica
Metoda Doolitle
a11 a 21 M an1 a11 a 21 M an1
a12 K a1n 1 0 l a22 K a2 n = 21 1 M O M M M an 2 K ann ln1 ln 2 a12 a22 M an 2

K a1n l11 0 l K a2 n = 21 l22 O M M M K ann ln1 ln 2
K 0 u11 u12 0 u K 0 22 O M M M K 1 0 0
K u1n K u2 n O M K unn
K u1n K u2 n O M K 1
65
Metoda Crouta
0 1 u12 0 1 0 M M M K lnn 0 0
K K O
Rjeavanje sistema linearnih jednaina direktne metode Metode faktorizacije Metoda Doolitle Matrica U dobija se Gaussovom metodom eliminacije, a matrica L predstavlja zapis mnoitelja u procesu eliminacije. Sa poznatim U i L sistem se rjeava prema:
A = LU
Lb' = b b' Ux = b' x

Primjer Rijeiti sistem jednaina koristei matrinu metodu:
80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
66
Rjeavanje sistema linearnih jednaina direktne metode Metode faktorizacije

80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
(a) (b) (c) (a) (b) (c)
80 20 20 20 (20 / 80) + (b), (20 / 80) + (c) 20 40 20 20 20 20 130 20 80 20 20 20 0 35 25 25 (25 / 35) + (c) 0 25 125 25
(a) 80 20 20 20 x 1 = 0.6 (b) 0 35 25 25 x 2 = 1.0 (c) 750 300 x 3 = 0.4 0 0 7 7
0 0 1 L= 0.25 1 0 0.25 5 / 7 1
80 20 20 U = 0 35 25 750 0 0 7
67
Rjeavanje sistema linearnih jednaina direktne metode Metode faktorizacije

80 20 20 U= 0 35 25 0 750 / 7 0 0 0 1 L= 0.25 1 0 0.25 5 / 7 1
80 20 20 x 1 20 20 40 20 x = 20 2 20 20 130 x 3 20
Lb' = b b' Ux = b' x
0 0 b '1 20 b '1 20 1 0.25 b ' = 20 b ' = 25 1 0 2 2 0.25 5 / 7 1 b '3 20 b '3 300 / 7 80 20 20 x 1 20 x 1 0.4 0 35 x = 25 x = 1.0 25 2 2 0 750 / 7 0 x 3 300 / 7 x 3 0.4
Pogodna za simultano rjeavanje sistema jednaina sa vie vrijednosti vektora b. Broj mnoenja i dijeljenja je priblino jednak n3/2 n/2 + n2 to je 50% vie od Gaussove metode.
68
Rjeavanje sistema linearnih jednaina direktne metode Nedostaci metoda eliminacije Prisustvo greaka zaokruivanja - usljed aproksimacije brojevima konane tanosti - mogue ih je smanjiti pogodnim razmjetajem jednaina ili pomou posebnog iterativnog postupka Podeenost sistema
Primjer
x1 + x 2 = 2 x 1 + 1.0001x 2 = 2.0001 (a) 1 1 2 (1) + (b) (b) 1 1.0001 2.0001 1 2 x 1 1 1 = 1 0.0001 0.0001 x 2 1
x1 + x 2 = 2 x 1 + 0.9999x 2 = 2.0001 (a) 1 1 2 (1) + (b) (b) 1 0.9999 2.0001 1 1 2 x1 3 = 1 0.0001 0.0001 x 2 1
69
Rjeavanje sistema linearnih jednaina direktne metode Nedostaci metoda eliminacije - koritenje beskonanih brojeva - skaliranje i zamjena redova Norma i broj podeenosti sistema
A 1 = max aij
1 j n i =1 n
maksimalan zbir kolone maksimalan zbir reda spektralna norma Euklidska norma
= max aij
1 j n j =1
A 2 = min i
2 A e = aij i =1 j =1 n n
70
Rjeavanje sistema linearnih jednaina direktne metode Nedostaci metoda eliminacije Primjer Procijeniti podeenost sistema sa matricom (matrica koeficijenata iz prethodnog primjera):
1 1 A= 1 1.0001
Euklidska norma za A
2 A e = aij = 12 + 12 + 12 + 1.00012 = 2.0005 i =1 j =1 n n
Inverzna matrica i Euklidska norma za A-1

10001 10000 A = 10000 10000
1
1 e
2 = aij = 100012 + (10000) 2 + (10000) 2 + 100002 = 20000.5 i =1 j =1
C ( A ) = A e A 1
= 40002 >> 1
71
Rjeavanje sistema linearnih jednaina Iterativne metode

a11 a12 a 21 a22 M M an 1 an 2 K a1n x 1 b1 x b K a2 n 2 = 2 O M M M K ann x n b n
S obzirom da je u veini velikih sistema linearnih jednaina matrica koeficijenata A rijetka, tj. veina elemenata jednaka nuli, mnogo je efikasnije koristiti iterativne metode. Opti algoritam iterativnih metoda: 1.Pretpostavi se poetno rjeenje x(0) 2.Rjeenje x(0) se koristi za dobivanje novog, boljeg, rjeenja x(1) pomou neke strategije smanjenja razlike izmeu rjeenja x(0) i stvarnog rjeenja x 3.Postupak se ponavlja do postizanja eljene tanosti
Dovoljan uslov za konvergenciju iterativnih metoda je dijagonalna dominantnost.

aii aij
j =1 j i n
(i = 1, 2,..., n)
72
Rjeavanje sistema linearnih jednaina iterativne metode Jacobijeva metoda

a
j =1
ij
x j = bi
(i = 1, 2,..., n )
1 xi = aii
i 1 n b a x a x i ij j ij j j =1 j =i +1
( k +1) i
=x
(k ) i
n 1 (k ) + bi aij x i aii j =1
(1) i
1 = aii
i 1 n (0) (0) b a x a x i ij i ij i j =1 j =i +1
x i( k +1)
(k ) R = x i( k ) + i aii
( k +1) i
1 = aii
i 1 n (k ) (k ) bi aij x i aij x i j =1 j =i +1
(k ) i
= bi aij x i( k )
j =1
73
Rjeavanje sistema linearnih jednaina iterativne metode Jacobijeva metoda Primjer Jacobijevom metodom rijeiti sljedei sistem jednaina:
4 1 0 1 0 x 1 100 1 4 1 0 1 x 100 2 0 1 4 1 0 x 3 = 100 1 0 1 4 1 x 4 100 0 1 0 1 4 100 x 5
x 1 = 25 + 0.25x 2 0.25x 4 x 2 = 25 + 0.25x 1 + 0.25x 3 0.25x 5 4x 1 x 2 + x 4 = 100 x 1 + 4x 2 x 3 + x 5 = 100 x 2 4x 3 x 4 = 100 x 1 x 3 + 4x 4 x 5 = 100 x 2 x 4 + 4x 5 = 100
a11 a 21 M an1 a12 K a1n x1 b1 x b a22 K a2 n 2 = 2 M O M M M an 2 K ann xn bn
x 3 = 25 + 0.25x 2 + 0.25x 4 x 4 = 25 0.25x 1 + 0.25x 3 + 0.25x 5 x 5 = 25 0.25x 2 + 0.25x 4
74
Rjeavanje sistema linearnih jednaina iterativne metode Jacobijeva metoda
x 1 = 25 + 0.25x 2 0.25x 4 x 2 = 25 + 0.25x 1 + 0.25x 3 0.25x 5
(*)
x 3 = 25 + 0.25x 2 + 0.25x 4 x 4 = 25 0.25x 1 + 0.25x 3 + 0.25x 5 x 5 = 25 0.25x 2 + 0.25x 4 0.0 25.0 25.00 25.000000 0.0 25.0 31.25 35.714285 (1) (2) (18) = 0.0 (*) x = 25.0 (*) x = 37.50 (*) ...... x = 42.857143 0.0 25.0 31.25 35.714285 25.000000 0.0 25.0 25.00
x (0)
75
Rjeavanje sistema linearnih jednaina iterativne metode Gauss-Seidelova metoda

a
j =1
ij
x j = bi
(i = 1, 2,..., n )
( k +1) i
1 = aii
i 1 n ( k +1) (k ) aij x i bi aij x i j =1 j =i +1
( k +1) i
=x
(k ) i
R i( k ) + aii
( k +1) i
(k ) i
= bi aij x
j =1
i 1
aij x i( k )
j =i
76
Rjeavanje sistema linearnih jednaina iterativne metode Gauss-Seidelova metoda Primjer Gauss-Seidelovom metodom rijeiti sljedei sistem jednaina:
4 1 0 1 0 x 1 100 1 4 1 0 1 x 100 2 0 1 4 1 0 x 3 = 100 1 0 1 4 1 x 4 100 0 1 0 1 4 100 x 5
4x 1 x 2 + x 4 = 100 x 1 + 4x 2 x 3 + x 5 = 100 x 2 4x 3 x 4 = 100 x 1 x 3 + 4x 4 x 5 = 100 x 2 x 4 + 4x 5 = 100
(k ) (k ) x 1( k +1) = 25 + 0.25x 2 0.25x 4 ( k +1) (k ) (k ) x2 = 25 + 0.25x 1( k +1) + 0.25x 3 0.25x 5 ( k +1) ( k +1) (k ) x3 = 25 + 0.25x 2 + 0.25x 4 ( k +1) ( k +1) (k ) x4 = 25 0.25x 1( k +1) + 0.25x 3 + 0.25x 5 ( k +1) ( k +1) ( k +1) x5 = 25 0.25x 2 + 0.25x 4
77
Rjeavanje sistema linearnih jednaina iterativne metode Gauss-Seidelova metoda

(k ) (k ) x 1( k +1) = 25 + 0.25x 2 0.25x 4 ( k +1) (k ) (k ) x2 = 25 + 0.25x 1( k +1) + 0.25x 3 0.25x 5 ( k +1) ( k +1) (k ) x3 = 25 + 0.25x 2 + 0.25x 4 ( k +1) ( k +1) (k ) x4 = 25 0.25x 1( k +1) + 0.25x 3 + 0.25x 5 ( k +1) ( k +1) ( k +1) x5 = 25 0.25x 2 + 0.25x 4
x (0)
0.0 0.0 = 0.0 0.0 0.0 25.0000 31.2500 = 32.8125 26.9531 23.9258 25.000000 35.714286 = 42.857143 35.714286 25.000000
78
x 1(1) = 25 + 0.25 0 0.25 0 = 25

(1) = 25 + 0.25 25 + 0.25 0 0.25 0 = 31.25 x2 (1) = 25 + 0.25 31.25 + 0.25 0 = 32.8125 x3 (1) = 25 0.25 25 + 0.25 32.8125 + 0.25 0 = 26.953125 x4 (1) = 25 0.25 31.25 + 0.25 26.953125 = 23.925781 x5
x (1)
x 1(1) = 25 + 0.25 31.25 0.25 26.953125 = 26.074219 x

(1) 2
= 25 + 0.25 26.074219 + 0.25 32.8125 0.25 23.925781 = 33.740234 ...x (15)
(1) x3 = 25 + 0.25 33.740234 + 0.25 26.953125 = 40.173340 (1) x4 = 25 0.25 26.074219 + 0.25 40.173340 + 0.25 23.925781 = 34.506225 (1) x5 = 25 0.25 33.740234 + 0.25 34.506225 = 25.191498
Rjeavanje sistema linearnih jednaina iterativne metode Metode relaksacije SOR metoda
( k +1) i
=x
(k ) i
R i( k ) + aii
n
R R
(k ) i
= bi aij x (j k )
j =1
Jacobi
(k ) i
= bi aij x
j =1
i 1
( k +1) j
aij x (j k )
j =i
Gauss-Seidel
0 2 sistem konvergira 0 1 podrelaksacija 1 2 nadrelaksacija
79
Rjeavanje sistema linearnih jednaina iterativne metode Metode relaksacije SOR metoda Primjer SOR metodom (za Jacobijevu metodu) rijeiti sljedei sistem jednaina:
4 1 0 1 0 x 1 100 1 4 1 0 1 x 100 2 0 1 4 1 0 x 3 = 100 1 0 1 4 1 x 4 100 0 1 0 1 4 100 x 5
Uzeti =1.1.
4x 1 x 2 + x 4 = 100 x 1 + 4x 2 x 3 + x 5 = 100 x 2 4x 3 x 4 = 100 x 1 x 3 + 4x 4 x 5 = 100 x 2 x 4 + 4x 5 = 100 R1 = 100 4x 1 + x 2 x 4 R 2 = 100 + x 1 4x 2 + x 3 x 5 R 3 = 100 + x 2 + 4x 3 + x 4 R 4 = 100 x 1 + x 3 4x 4 + x 5 R 5 = 100 x 2 + x 4 4x 5
80
x
(k ) (k ) x4 R1( k ) = 100 4x 1( k ) + x 2 (k ) (k ) (k ) +x3 x5 R 2( k ) = 100 + x 1( k ) 4x 2 (k ) (k ) (k ) (*) R 3( k ) = 100 + x 2 4x 3 +x4 (k ) (k ) (k ) 4x 4 +x5 R 4( k ) = 100 x 1( k ) + x 3
( k +1) 1
( k +1) x2
(**)
( k +1) x3 ( k +1) x4 ( k +1) x5
(k ) 5
= 100 x
(k ) 2
+x
(k ) 4
4x
(k ) 5
R1( k ) = x + 4 R 2( k ) (k ) = x 2 + 4 R 3( k ) (k ) = x3 + 4 R 4( k ) (k ) = x 4 + 4 R 5( k ) (k ) = x5 + 4
(k ) 1
x (0)
0.0 100.00 27.5 0.0 100.00 27.5 (0) (1) = 0.0 (*) R = 100.00 (**) x = 27.5 0.0 100.00 27.5 0.0 100.00 27.5
81
27.5 10.00 24.75 27.5 17.50 32.3125 (1) (2) = 27.5 (*) R = 45.00 (**) x = 39.875 27.5 17.50 32.3125 27.5 10.00 24.75
(k ) (k ) R1( k ) = 100 4x 1( k ) + x 2 x4 (k ) (k ) (k ) R 2( k ) = 100 + x 1( k ) 4x 2 +x3 x5
(*)
(k ) (k ) (k ) R 3( k ) = 100 + x 2 4x 3 +x4 (k ) (k ) (k ) R 4( k ) = 100 x 1( k ) + x 3 4x 4 +x5 (k ) (k ) (k ) R 5( k ) = 100 x 2 +x4 4x 5
x (1)
( k +1) 1
(2)
24.75 1 25.025 32.3125 10.625 35.2344 (2) (3) = 39.875 (*) R = 5.125 (**) x = 41.2844 32.3125 10.625 35.2344 24.75 1 25.025 25 35.7143 = 42.8571 35.7143 25
( k +1) x2 ( k +1) x3 ( k +1) x4 ( k +1) x5
(**)
R1( k ) = x + 4 R 2( k ) (k ) = x 2 + 4 R (k ) (k ) = x3 + 3 4 R 4( k ) (k ) = x 4 + 4 R 5( k ) (k ) = x 5 + 4
(k ) 1
x (23)
82
Rjeavanje sistema linearnih jednaina iterativne metode Metode relaksacije SOR metoda SOR metodom (za Gauss-Seidelovu metodu)
x (13)
25 35.7143 = 42.8571 35.7143 25
Problem optimiranja vrijednosti !!!

50
50
40
40
30
30
20
20
10
0.6
0.8
1.2
1.4
10
0.6
0.8
1.2
1.4
83
Rjeavanje sistema linearnih jednaina iterativne metode Ostale metode
Nestacionarne metode - metoda konjugovanih gradijenata (za sisteme sa simetrinom matricom sistema) - metoda bikonjugovanih gradijenata (za sisteme sa asimetrinom matricom sistema)
84
Interpolacija i aproksimacija funkcija U mnogim inenjerskim problemima, podaci koji se posmatraju su poznati samo za niz diskretnih taaka, a ne kao kontinuirana funkcija, tj.
y i = f (x i )
Interpolacija Diferenciranje Integriranje
Vrste priblinih funkcija Polinomi Trigonometrijske funkcije Eksponencijalne funkcije
eljene karakteristike Lako odreivanje Lako izraunavanje Lako diferenciranje Lako integriranje
85
Interpolacija i aproksimacija funkcija Pristupi u odreivanju priblinih funkcija Interpolacija tano poklapanje
Aproksimacija priblino poklapanje
Diskretne take
Diskretne take
86
Interpolacija i aproksimacija funkcija Interpolacija polinomima
Pn ( x ) = ao + a1x + a2 x 2 + ... + an x n
Weierstrassov aproksimacioni polinom: Ako je funkcija f (x) neprekidna na intervalu [a,b], tada za svako proizvoljno malo > 0 postoji polinom Pn(x), kod kojeg vrijednost n zavisi od vrijednosti , tako da za svako x u intervalu [a,b] vrijedi | Pn(x) f (x) | < Teorem o jedinstvenosti rjeenja: Polinom n-tog stepena koji prolazi kroz tacno n + 1 diskretnih taaka je jedinstven.
87
Interpolacija i aproksimacija funkcija Interpolacija polinomima Direktna metoda Problem: Nai interpolacioni polinom n-tog reda koji prolazi kroz n +1 taaka [xi ,yi] (i = 0,1,...,n)
Pn ( x ) = ao + a1x + a2 x 2 + ... + an x n
y 0 = ao + a1x 0 + a2 x 0 2 + ... + an x 0 n y 1 = ao + a1x 1 + a2 x 12 + ... + an x 1n y 2 = ao + a1x 2 + a2 x 2 2 + ... + an x 2 n ......................................... y n = ao + a1x n + a2 x n 2 + ... + an x n n
1 x0 1 x1 D = 1 x2 M M 1 xn
2 x0
n ... x 0
x 12
2 x2
... x 1n
n 0 ... x 2
M
2 xn
n ... x n
88
Interpolacija i aproksimacija funkcija Interpolacija polinomima Primjer Interpolirati vrijednost za x = 3.44, koristei linearnu, kvadratnu i kubnu interpolaciju, za podatke
x 3.35 3.40 3.50 3.60 f(x) 0.298507 0.294118 0.285714 0.277778
Napomena: Podaci predstavljaju vrijednosti funkcije f (x)=1/x
f (3.44)=1/3.44=0.290698 Linearni polinom (dva podatka) yi = a0 + a1xi
0.294118 = ao + a1 3.40 0.285714 = ao + a1 3.50
P1 (x ) = 0.579854 0.08404x
89

f (3.44)=1/3.44=0.290698
P1 (3.44) = 0.579854 0.08404 3.44 = 0.290756

Greka: f (3.44) P1(3.44) = 0.000058 Kvadratni polinom (tri podatka) yi = a0 + a1xi + a2xi2
x 3.35 3.40 3.50 3.60
f(x) 0.298507 0.294118 0.285714 0.277778
0.298507 = ao + a1 3.35 + a2 3.352 0.294118 = ao + a1 3.40 + a2 3.402 0.285714 = ao + a1 3.50 + a2 3.502 P2 (3.44) = 0.876561 0.256080 3.44 + 0.0249333 3.44 2 = 0.290697
Greka: f (3.44) P2(3.44) = 0.000001
P2 ( x ) = 0.876561 0.256080 x + 0.0249333x 2
90

f (3.44)=1/3.44=0.290698
Primjer Kubni polinom (etiri podatka) yi = a0 + a1xi +

2
f(x) 0.298507 0.294118 0.285714 0.277778
a2xi2+
3
a3xi3
3.35 3.40 3.50 3.60
0.298507 = ao + a1 3.35 + a2 3.352 + a3 3.353 0.294118 = ao + a1 3.40 + a2 3.40 + a3 3.40 0.285714 = ao + a1 3.50 + a2 3.502 + a3 3.503 0.277778 = ao + a1 3.60 + a2 3.602 + a3 3.603
P3 ( x ) = 1.121066 0.470839 x + 0.0878 x 2 0.00613333x 3
P3 (3.44) = 1.121066 0.470839 3.44 + 0.0878 3.44 2 0.00613333 3.44 3 = 0.290698

Greka: f (3.44) P3(3.44) = 0
91

f (3.44)=1/3.44=0.290698
Lagrangeov interpolacioni polinom
x 3.35
f(x) 0.298507 0.294118 0.285714 0.277778
P1 (x ) =
x b x a f (a ) + f (b ) a b b a
3.40 3.50 3.60
P2 ( x ) =
( x b )( x c ) ( x a )( x c ) ( x a )( x b ) f (a ) + f (b ) + f (c ) (a b )(a c ) (b a )(b c ) (c a )(c b )
Pn (x ) =
(x b )(x c ) K (x k ) (x a )(x c ) K (x k ) f (a ) + f (b ) (a b )(a c ) K (a k ) (b a )(b c ) K (b k ) (x a )(x b ) K (x j ) +K+ f (k ) (k a )(k b ) K (k j )
92
Pn ( x ) = L 0 ( x )f ( x 0 ) + L1 ( x ) f ( x 1 ) + ... + L n ( x ) f ( x n ) = L k ( x ) f ( x k )
k =0
n (x x 0 ) K (x x k 1 )(x x k +1 ) K (x x n ) x xi L k (x ) = = (x k x 0 ) K (x k x k 1 )(x k x k +1 ) K (x k x n ) i =0 x k x i i k
Primjer Interpolirati vrijednost za x = 3.44, koristei linearnu, kvadratnu i kubnu interpolaciju, za podatke
x 3.35 3.40 3.50 3.60 f(x) 0.298507 0.294118 0.285714 0.277778
Napomena: Podaci predstavljaju vrijednosti funkcije f (x)=1/x
f (3.44)=1/3.44=0.290698
93
Interpolacija i aproksimacija funkcija

f (3.44)=1/3.44=0.290698
Linearni polinom (dva podatka) yi = a0 + a1xi
x 3.35 3.40 3.50 3.60
f(x) 0.298507 0.294118 0.285714 0.277778
x 3.50 x 3.40 P1 (x ) = 0.294118 + 0.285714 3.40 3.50 3.50 3.40 P1 (x ) = 0.579854 0.0840x
Kvadratni polinom (tri podatka) yi = a0 + a1xi + a2xi2
P2 (x ) =
(x 3.40)(x 3.50) (x 3.35)(x 3.50) 0.298507 + 0.294118 (3.35 3.40)(3.35 3.50) (3.40 3.35)(3.40 3.50) (x 3.35)(x 3.40) 0.285714 + (3.50 3.35)(3.50 3.40)
P2 (x ) =0.876561-0.256080x+0.0249333x 2
94
Interpolacija i aproksimacija funkcija Interpolacija polinomima Newtonovi interpolacioni polinomi

Prvi Newtonov interpolacioni polinom (za diferenciranje unaprijed)
n s s 2 s n s Pn (x ) = f 0 + f 0 + f 0 + K + f 0 = k =0 k 1 2 n x x0 s= x = x 0 + sh h f 0 = f 1 f 0
k f 0
Tabela podijeljenih razlika xi x1 fi(0) f1(0) f1(1) x2 x3 x4 f2(0) f2(1) f3(0) f3(1) f4(0)
95
2 f 0 = f 1 f 0 = f 2 2f 1 + f 0 .............................................. f0 =
n n 1
fi(1)
fi(2)
fi(3)
f1
n 1
n f 0 = (1) f i i =0 i
n i
f1(2) f1(3) f2(2)
Interpolacija i aproksimacija funkcija Interpolacija polinomima Primjer (prvi Newtnonov interpolacioni polinom) Interpolirati vrijednost za x = 3.44, koristei linearnu, kvadratnu i kubnu interpolaciju, za podatke
96

f (3.44)=1/3.44=0.290698
n s s 2 s n s Pn (x ) = f 0 + f 0 + f 2 + K + f 0 = k =0 k 1 2 n x x0 s= x = x 0 + sh h
k f 0
s (s 1) 2 s (s 1)(s 2) 3 P (3.44) = f (3.4) + s f (3.4) + f (3.4) + f (3.4) + K 2 3!
97

f (3.44)=1/3.44=0.290698
P (3.44) = f (3.4) + s f (3.4) +
s (s 1) 2 s (s 1)(s 2) 3 f (3.4) + f (3.4) + K 2 3! 0.4 (0.4 1) (0.000468) P (3.44) = 0.294118 + 0.4 (0.008404) + 2 0.4(0.4 1)(0.4 2) (0.0004) + K + 3!
98

f (3.44)=1/3.44=0.290698
Drugi Newtonov interpolacioni polinom (za diferenciranje unazad)

n + s + s + 2 s + n s Pn (x ) = f 0 + f 0 + f 2 + K + f 0 = k f 0 k =0 k 1 2 n
s + s (s + 1)(s + 2) K[s + (i 1)] = i! i
99
Interpolacija i aproksimacija funkcija Interpolacija polinomima Primjer (drugi Newtnonov interpolacioni polinom) Interpolirati vrijednost za x = 3.44, koristei linearnu, kvadratnu i kubnu interpolaciju, za podatke i x0=3.5
100
s=
x x0 h
101
Greka interpolacije
102
Interpolacija i aproksimacija funkcija Aproksimacija funkcija
y(x) Yi(xi) Yi ei y(x)
ei =Y i y i
Diskretne take
xi
Metoda najmanjih kvadrata
min(S )
103
y = ao + a1x + a2 x 2 + ... + an x n
ei =Y i y i
S ( a0 , a1 , a2 , K , an ) = ( ei ) = (Yi a0 a1 xi a2 xi2 K an xin ) 2

2 i =1 i =1
min(S )
N S = S (a0 , a1 , a2 , K , an ) = 2(Y i a0 a1x i a2 x i2 K an x in )( x ik ) = 0 a k i =1
104
105
106
Interpolacija i aproksimacija funkcija Aproksimacija funkcija Primjer 1. Za podatke u tabeli potrebno je odrediti aproksimacioni polinom prvog reda koristei metodu najmanjih kvadrata u obliku:
Cp=a +bT
107
108
Interpolacija i aproksimacija funkcija
Primjer 2. Za podatke u tabeli potrebno je odrediti aproksimacioni polinom drugog reda koristei metodu najmanjih kvadrata u obliku:
Cp = a + bT + cT 2
109
110
Interpolacija i aproksimacija funkcija Nelinearna aproksimacija

Stepena funkcija
y = ax b y = ax b /ln ln( y ) = ln(a ) + b ln(x ) Y = ln( y ), A = ln(a ), X = ln(x ) i B = b Y = A + BX
111

Eksponencijalna funkcija
y = a e bx y = a e bx /ln
ln( y ) = ln(a ) + bx Y = ln( y ), A = ln(a ), X = x i B = b Y = A + BX
112
Interpolacija i aproksimacija funkcija Nelinearna aproksimacija Primjer Za podatke u tabeli potrebno je odrediti nelinearni aproksimacioni polinom oblika
y = ae b x
113
ln( y ) = ln(a ) + bx Y = ln( y ), A = ln(a ), X = x i B = b Y = A + BX
114
Y = ln( y ), A = ln(a ), X = x i B = b a = e A = e 1.09861 = 3 b = B = 0.69315 y = ae bx = 3 e 0.69315 x = 3 (e 0.69315 ) x = 3 2 x y = 3 2x

115
Numeriko diferenciranje i integriranje funkcija Numeriko diferenciranje
Diferenciranje priblinim funkcijama Formule za diferenciranje Diferenciranje priblinim funkcijama
116
117
Numeriko diferenciranje i integriranje funkcija Numeriko diferenciranje Primjer Za podatke u tabeli potrebno je odrediti vrijednost prvog izvoda u taki x = 3.5 Napomena: Podaci predstavljaju vrijednosti funkcije f (x)=1/x f (3.5)= -1/3.52 = -0.081633...
118
Formule za diferenciranje
f (x )
A
tC t tc B t+ f (x i-h) f ( x i) f (x i+h)
x1
x2
x
119
120
Numeriko diferenciranje i integriranje funkcija Numeriko diferenciranje Primjer Za podatke u tabeli potrebno je odrediti vrijednost prvog izvoda u taki x = 3.5 Napomena: Podaci predstavljaju vrijednosti funkcije f (x)=1/x f (3.5)= -1/3.52 = -0.081633...
Diferenciranje unaprijed
Diferenciranje unazad
121

f (3.44)= -1/3.442 = -0.081633...
Centralno diferenciranje
122
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje

f (x )
Integriranje priblinim funkcijama Newton-Cotesove formule Gaussove kvadraturne formule
I=
f(x)dx
a
Integriranje priblinim funkcijama
123
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Primjer Izraunati vrijednost integrala:
koristei podatke iz tabele.
124
125
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Newton-Cotesove formule
126
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Newton-Cotesove formule trapezno pravilo
127
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Newton-Cotesove formule trapezno pravilo
128
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Primjer trapezno pravilo Izraunati vrijednost integrala:
Za jedan interval:
129
Za dva intervala:
Za etiri intervala:
130
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Newton-Cotesove formule Simpsonovo 1/3 pravilo
131
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Primjer Simpsonovo 1/3 pravilo Izraunati vrijednost integrala:
Za jedan interval:
132
Za dva intervala:
133
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Gaussove kvadraturne formule
n=2
134
x = mt + c b a m= 2 I =
b 1 a
b +a c= 2
b a 1 f (x )dx = f (mt + c )m dt = F [t ]dt 1 1 2
135
I =
b a 1 f (x )dx = f (mt + c )m dt = F [t ]dt 1 2 1

1
I =
b a 1 1 f (x )dx = +F F 2 3 3
136
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje Primjer Gaussove kvadraturne formule Izraunati vrijednost integrala:
I = f (x )dx =
a
b a 1 1 + F F 2 3 3 b +a = 3.5 2 1 F (t ) = 0.4t + 3.5
f (x ) =
1 x
x = mt + c b a m= =0.4 2 x = 0.4t + 3.5
c=
137
1 1 b a 1 1 +F I = dx = F (t )dt = F 1 a x 2 3 3 I = 0.22957092
b
Za dva intervala:
138
m=
b a =0.2 2
c=
x = 0.2t + 3.3
b +a = 3.3 2 1 F (t ) = 0.2t + 3.3
139
m=
b a =0.2 2
c=
x = 0.2t + 3.7
b +a = 3.7 2 1 F (t ) = 0.2t + 3.7
140
Numeriko diferenciranje i integriranje funkcija Numeriko integriranje viestrukih integrala
141
Rjeavanje obinih diferencijalnih jednaina O obinim diferencijalnim jednainama (ODJ)
ODJ daju zavisnost izmeu funkcije sa jednom nezavisnom promjenljivom i njenih totalnih izvoda u odnosu na tu nezavisnu promjenljivu
ODJ sa poetnim vrijednostima Cauchijev problem
ODJ sa graninim vrijednostima
142
Podjela fizikih problema problemi irenja (ODJ sa poetnim vrijednostima) problemi ravnotee (ODJ sa graninim vrijednostima) problemi sopstvenih vrijednosti (rjeenje postoji samo za odreene parametre)
143
jednokorane metode koriste podatke samo jedne take (koraka) viekorane metode koriste podatke vie taaka (koraka) ekstrapolacione metode
144
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Taylorova metoda
145
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer Taylorova metoda Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
Rijeiti datu jednainu za t = 0 do 10 s ako je = 410-12, Ta = 250 K, T (0) = 2500 K Tano rjeenje
146
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima
147
148
149
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Metoda konanih razlika Tranfromacija problema rjeavanja diferencijalnih jednaina na algebarki problem.
1. Neprekidna oblast (domena rjeavanja) se prekrije numerikom mreom 2. Tani izvofi diferencijalne jednaine se aproksimiraju algebarskim aproksimacijama konanih razlika 3. Algebarske aproksimacije konanih razlika se smjennom uvrste u diferencijalnu jednainu 4. Rjeava se rezultujua jednaina konanih razlika
150
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Eulerova metoda eksplicitna implicitna
Eksplicitna Eulerova metoda
151
Karakteristike eksplicitna Eulerova metode Metoda je eksplicitna, tj. funkcija f (x) ne zavisi od yn+1 Potrebna je jedna vorna taka Samo jedno izraunavanje izvoda funkcije po iteraciji Lokalna greka je drugog, a globalna prvog reda Metoda je uslovno stabilna, tj. stabilnost zavisi od koraka h
152
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer Eulerova eksplicitna metoda Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
Rijeiti datu jednainu za t = 0 do 10 s ako je = 410-12, Ta = 250 K, T (0) = 2500 K
153
154
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Implicitna Eulerova metoda
Karakteristike eksplicitna Eulerova metode Metoda je implicitna, tj. funkcija f (x) zavisi od yn+1 Potrebna je jedna vorna taka Samo jedno izraunavanje izvoda funkcije po iteraciji Lokalna greka je drugog, a globalna prvog reda Metoda je stabilna, tj. stabilnost ne zavisi od koraka h www.mf.unze.ba/osoblje/karac/NM
155
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer Eulerova implicitna metoda Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
156
157
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima O stabilnosti Eulerovih metoda
eksplicitna
implicitna
158
159
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Runge-Kutta metode
Runge-Kutta metode drugog reda
160
Modifikovana Eulerova metoda
C1=C2=1/2
= =1
161
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer modifikovana Eulerova metoda Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
162
163
Modifikovana metoda srednje vrijednosti
C1= 0, C2=1
= =1/2
164
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer modifikovana metoda srednje vrijednosti Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
165
166
167
Runge-Kutta metode etvrtog reda (standardna)
168
Karakteristike Runge-Kutta metode etvrtog reda
Aproksimirane jednaine su eksplicitne i zahtijevaju etiri izraunavanja izvoda funkcije u jednom koraku (iteraciji) Jednaine su konzistentne, sa lokalnom grekom petog i globalnom etvrtog reda Jednaine su uslovno stabilne (npr. za y+ y = 0, t 2.785) S obzirom da su jednaine konzistentne i uslovno stabilne, one su i konvergentne.
169
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa poetnim vrijednostima Primjer Runge-Kutta 4. reda Prenos toplote zraenjem sa tijela mase m u okolinu se moe opisati jednainom
170
171
172
173
Ostale metode
viekorane (Adamsova i njene varijacije, ...) ekstrapolacione
174
Rjeavanje obinih diferencijalnih jednaina Rjeavanje ODJ vieg reda sa poetnim vrijednostima
175
Rjeavanje obinih diferencijalnih jednaina Rjeavanje ODJ vieg reda sa poetnim vrijednostima Primjer Diferencijalnu jednainu drugog reda koja opisuje vertikalni let rakete svesti na sistem dvije diferencijalne jednaine prvog reda.
176
Rjeavanje obinih diferencijalnih jednaina Rjeavanje ODJ vieg reda sa poetnim vrijednostima
177
Rjeavanje obinih diferencijalnih jednaina Rjeavanje sistema ODJ sa poetnim vrijednostima Primjer Rijeiti diferencijalnu jednainu drugog reda koja opisuje vertikalni let rakete. Uzeti da je T = 10000 N, m 0= 100 kg, g = 9.8 m/s2, m =5 kg/s, t = 1 s.
178
Rjeavanje obinih diferencijalnih jednaina Rjeavanje sistema ODJ sa poetnim vrijednostima
179
180
181
182
183
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima
Granini uslovi Dirichlet y (x) = y0 Neumann y (x) = y0 Mjeoviti
184
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Metode rjeavanja Metoda gaanja Metoda ravnotee Rezleigh-Ritz metoda metoda kolokacija Galerkinova metoda metoda konanih elemenata metoda konanih volumena ......................
185
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Metoda gaanja 1. 2. 3. 4. 5. Diferencijalna jednaina sa graninim uslovima se transformie na sistem diferencijalnih jednaina prvog reda Granini uslovi na jednoj strani se koriste kao poetni uslovi Pretpostavi se dodatni poetni uslov Rijei se sistem, a rjeenje na drugoj granici se uporedi sa drugim graninim uslovom Postupak 1-4 se ponavlja dok se ne dobije traeno rjeenje
186
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Primjer metoda gaanja Stacionarni problem jednodimenzionalnog prenosa toplote sastoji se od toplotne difuzije, odnosno kondukcije, uzdu ipke sa konstantnim poprenim presjekom i toplotne konvekcije na okolinu. Moe se pokazati da se ovaj problem opisuje sljedeom obinom diferencijalnom jednainom drugog reda sa graninim vrijednostima:
Nai raspodjelu temperature u ipki, ako je zadato: L = 0.01 m, T1 = 0 C, T2 = 100 C, = 400 m-1, Ta = 100 C, x = 0.0025 m
187
u1 (0) = T (0) = 1000 C/m
u2 (0) = T (0) = 1000 C/m
188
u1 (0) = T (0) = 1487.4459 C/m
189
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Primjer metoda gaanja Stacionarni problem jednodimenzionalnog prenosa toplote sastoji se od toplotne difuzije, odnosno kondukcije, uzdu ipke sa konstantnim poprenim presjekom i toplotne konvekcije na okolinu. Moe se pokazati da se ovaj problem opisuje sljedeom obinom diferencijalnom jednainom drugog reda sa graninim vrijednostima:
Nai raspodjelu temperature u ipki, ako je zadato: L = 0.01 m, T1 = 100 C, T (L) = 0, = 400 m-1, Ta = 100 C, x = 0.0025 m
190
u1 (0) = T (0) = -40000 C/m
u2 (0) = T (0) = -35000 C/m
191
u1 (0) = T (0) = -39970.6068 C/m
192
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Metoda ravnotee Neprekidna oblast interesa (domena) se prekrije numerikom mreom, tj. podijeli na odreeni broj pod-domena. Tani izvodi diferencijalne jednaine sa graninim vrijednostima se aproksimiraju algebarskim aproksimacijama konanih razlika. Algebarske aproksimacije konanih razlika se smjenom uvrste u diferencijalnu jednainu kako bi se dobila algebarska jednaina konanih razlika. Rjeava se rezultujua jednaina konanih razlika.
193
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Primjer 1. metoda ravnotee Stacionarni problem jednodimenzionalnog prenosa toplote sastoji se od toplotne difuzije, odnosno kondukcije, uzdu ipke sa konstantnim poprenim presjekom i toplotne konvekcije na okolinu. Moe se pokazati da se ovaj problem opisuje sljedeom obinom diferencijalnom jednainom drugog reda sa graninim vrijednostima:
Nai raspodjelu temperature u ipki, ako je zadato: L = 0.01 m, T1 = 0 C, T2 = 100 C, = 400 m-1, Ta = 100 C, x = 0.0025 m
194
195
196
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Primjer 2. metoda ravnotee Stacionarni problem jednodimenzionalnog prenosa toplote sastoji se od toplotne difuzije, odnosno kondukcije, uzdu ipke sa konstantnim poprenim presjekom i toplotne konvekcije na okolinu. Moe se pokazati da se ovaj problem opisuje sljedeom obinom diferencijalnom jednainom drugog reda sa graninim vrijednostima:
Nai raspodjelu temperature u ipki, ako je zadato: L = 0.01 m, T1 = 100 C, T (L) = 0, = 400 m-1, Ta = 100 C, x = 0.0025 m Za unutranje take
197
Rjeavanje obinih diferencijalnih jednaina Rjeavanje problema sa graninim vrijednostima Za graninu vornu taku 5
198
199
O rjeavanju parcijalnih diferencijalnih jednaina
Podjela PDJ drugog reda Eliptike Laplaceova jednaina; problemi ravnotee Hiperbolike talasna jednaina, problemi vibracija; nestacionarni problemi Parabolike nestacionarna toplotna kondukcija Metode za numeriko rjeavanje PDJ Metoda konanih razlika Metoda konalnih volumena Metoda konanih elemenata
200
S R E T N O !!!
201

Preda Vanja

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Preda Vanja

Uploaded by

Copyright:

Available Formats

NUMERIKE METODE (u inenjerstvu)

Napomena: Svaka od stavki mora biti ispunjena minimalno 50%!!!

NUMERIKE METODE 08/09

O kursu Numerike metode .....

ODSUTAN U PERIODU 17.11-05.12.

O kursu Numerike metode .....

NUMERIKE METODE 08/09

O kursu Numerike metode .....

Korisne web stranice

NUMERIKE METODE 08/09

Osnovne ideje i koncepti u numerikoj analizi

Ako niz xn konvergira ka graninoj vrijednosti , imamo

pa x = zadovoljava jednainu x = g ( x).

NUMERIKE METODE 08/09

NUMERIKE METODE 08/09

Znaajne cifre, tanost, greke i predstavljanje brojeva

NUMERIKE METODE 08/09

NUMERIKE METODE 08/09

Predstavljanje brojeva brojni sistemi (decimalni, binarni, ...)

NUMERIKE METODE 08/09

Uvod Taylorov red

1 f '( x), ... 1! 1 1 1 2 f ( x) = f ( x0 ) + f '( x)( x x0 ) + f ''( x)( x x0 ) + ... = f ( x) = f 0(0) x n 1! 2! n =0 n !

NUMERIKE METODE 08/09

NUMERIKE METODE 08/09

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Ponaanje nelinearnih jednaina u blizini korijena

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Ponaanje nelinearnih jednaina u blizini korijena

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Smjernice u traenju korijena

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Smjernice u traenju korijena

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina eljene osobine metoda za rjeavanje linearnih jednaina

NUMERIKE METODE 08/09

a + b 1+ 2 = = 1.5 2 2 f (c) = f (1.5) = 0.25 > 0, f (a ) = f (1) = 1 < 0 a = a = 1, b = c = 1.5

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija

itd., itd., itd., ............. 14. iteracija

Rjeavanje nelinearnih jednaina Metoda polovljenja intervala - bisekcija

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda regula falsi

2 1.333333 b a 2 = 1.4 f (b ) = 2 2 (0.222222) f (b ) f (a ) f (x 2 ) = f (1.4) = 0.04 < 0, x2 =b f (b ) = f (2) = 2 > 0 a = x 2 = 1.4, b = b = 2

itd., itd., itd., ............. 6. iteracija

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda proste iteracije Uslov konvergencije:

xi +1 = ei +1 = g ( xi ) g ( ) g ( ) = g ( xi ) + g '( )( xi ) + ... xi +1 = ei +1 = g '( )( xi ) xi +1 = ei +1 = g '( )ei ei +1 = g '( ) < 1 ei (xi )

NUMERIKE METODE 08/09

f ( x) = x = g ( x) (a) x = x 2 2 (b) x = x + 2 (c) x = 1 + 2 x x2 x 2 (d) x = x 2x

g(x)=x -2 g(x)= x+ 2 g(x)= 1 + 2 /x 2 g(x)=x+ (x -x-2)/(2 x-1) f(x)=x

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda proste iteracije

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda proste iteracije

NUMERIKE METODE 08/09

Rjeavanje nelinearnih jednaina Metoda proste iteracije

x0 =3 x 1 = g (x 0 ) = 1 + 2 / 3 = 1.6666 x 2 = g (x 1 ) = 1 + 2 /1.6666 = 2.2 x 3 = g (x 2 ) = 1 + 2 / 2.2 = 1.9091 x 4 = g (x 3 ) = 1 + 2 /1.9091 = 2.0476 itd.

NUMERIKE METODE 08/09

f ( xi +1 ) f ( xi ) f '( x) = xi +1 xi f ( xi +1 ) = f ( xi ) + f '( xi )( xi +1 xi ) + ...

dok se ne postigne eljena tanost, tj.

NUMERIKE METODE 08/09

x0 = 3 1 2 x1 = 3 + = 1.833333 2 3 1 2 x2 = 1.833333 + = 1.462212 2 1.833333

Rjeavanje nelinearnih jednaina Newtonova metoda

1 2 x3 = 1.462212 + = 1.415 2 1.462212 1 2 x4 = 1.415 + = 1.41421 2 1.415