Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a

Transcript

1 Dott.ssa Maria Carmela De Bonis a.a

2 Risoluzione di Equazioni non lineari Sia F C 0 ([a, b]), cioé F è una funzione continua in un intervallo [a, b] R, tale che F(a)F(b) < F(b) a b F(a) Vogliamo trovare le radici dell equazione non lineare F(x) = 0. La condizione F(a)F(b) < 0 è una condizione sufficiente per l esistenza di almeno una radice di F in [a, b].

3 Metodo di Bisezione Questo metodo consiste nel costruire, a partire dall intervallo [a, b], una successione di intervalli incapsulati [a, b] = [a 0, b 0 ] [a 1, b 1 ] [a n, b n ], tutti contenenti la radice x di F, tale che b n a n 0 per n +

4 Se, ad esempio, F(a) = F(a 0 ) < 0 e F(b) = F(b 0 ) > 0, gli intervalli [a k, b k ], k = 1,..., n, della successione vengono determinati come segue: dato [a k 1, b k 1 ], determiniamo il punto medio m k = a k 1 + b k 1 2 = a k 1 + b k 1 a k 1 ; 2 se F(m k ) = 0 allora x = m k e abbiamo terminato; se F(m k ) 0 allora analizziamo il segno di F(m k ) e poniamo { [a k 1, m k ] se F(m k ) > 0 [a k, b k ] = [m k, b k 1 ] se F(m k ) < 0

5 Metodo di Bisezione Dopo n passi si giunge all intervallo [a n, b n ] contenente la radice x e di ampiezza b n a n = b n 1 a n 1 2 = b n 2 a n = = b a 2 n Come stima di di x scegliamo x n+1 = m n+1 = a n + b n 2 così che x = x n+1 ± ε n+1, dove ε n+1 = x x n+1 < b a 2 n+1 è l errore assoluto di approssimazione della radice x di F.

6 Fissata una tolleranza TOLL, è possibile determinare il numero di iterazioni k necessarie per approssimare la radice x con precisione TOLL imponendo che Infatti, possiamo scrivere log x x n < b a 2 n < TOLL. b a TOLL < 2n ( ) b a < log(2 n ) = n log 2 TOLL n > log ( ) b a TOLL log 2

7 Dunque prendiamo ( log b a ) TOLL n = + 1 log 2 dove a denota la parte intera inferiore di a. Ogni 3.3 passi circa prendiamo una cifra decimale corretta

8 Metodo di Bisezione Per stimare la velocità di convergenza del metodo di bisezione utilizziamo il seguente teorema che vale per tutte le successioni numeriche convergenti Teorema Sia {x n } n una successione convergente al valore x. Poniamo ε n = x x n. Se esiste un numero reale p 1 e una costante reale positiva C tale che ε n+1 lim n + ε p = C n allora la successione {x n } n ha ordine di convergenza p.

9 Poiché per il metodo di bisezione si ha ε n+1 ε n = 1 2 il suo ordine di convergenza è 1, cioè converge molto lentamente. Va però osservato che il metodo richiede solo la continuità della funzione F e la conoscenza del segno di F negli estremi dell intervallo [a, b].

10 Metodi Iterativi Partendo dal punto iniziale x 0, generiamo i valori x 1, x 2,..., x n nel seguente modo: Conduciamo dal punto (x 0, F(x 0 )) una retta con pendenza m 0 e scegliamo come approssimazione x 1 l intersezione di tale retta con l asse delle x; Conduciamo dal punto (x 1, F(x 1 )) una retta con pendenza m 1 e scegliamo come approssimazione x 2 l intersezione di tale retta con l asse delle x;...

11 Dunque ad ogni passo scegliamo come approssimazione della radice x di F, la radice dell equazione lineare cioè F(x n ) + m n (x x n ) = 0, x n+1 = x n F(x n) m n (1) Una formula del tipo (1) viene detta formula iterativa e si dice che la successione x 1, x 2,..., x n,... viene costruita mediante un procedimento iterativo.

12 Metodi Iterativi La funzione tale che g(x) = x F(x) m n x n+1 = g(x n ) viene detta funzione di iterazione semplice perchè per la costruzione della successione {x n } n utilizza solo il punto x 0. Si parla di procedimenti iterativi multipli quando x n+k = g(x n+k 1, x n+k 2,..., x n ), k > 1, cioè la successione {x n } n è costruita a partire dai punti x 0, x 1,..., x k 1.

13 Metodi Iterativi Per determinare l ordine di convergenza di un procedimento iterativo semplice utilizziamo il seguente Teorema Condizione necessaria e sufficiente affinchè un procedimento iterativo semplice e convergente ad x abbia ordine di convergenza n è che, se la funzione di iterazione g è dotata di derivata n esima continua per x = x, risulti g ( x) = g ( x) = = g (n 1) ( x) = 0 e g (n) ( x) 0.

14 Criteri di Arresto Quando si implementa in maniera automatica un procedimento iterativo del tipo x n+1 = g(x n ), n = 0, 1,..., occorrono uno o più criteri per arrestare tale procedimento. Fissata una tolleranza TOLL arbitrariamente piccola, i criteri di arresto usualmente utilizzati sono: 1 F(x n ) < TOLL, tanto più è piccolo TOLL tanto più x n è vicino ad x; 2 x n+1 x n < TOLL oppure x n+1 x n < TOLL, x n+1 tanto più è piccolo TOLL tanto più x n è vicino al limite della successione x; 3 numero delle iterazioni ITMAX, ITMAX è una variabile intera fissata

15 Il criterio 3 entra in gioco quando i primi due falliscono, cioè quando la funzione y = F(x) ha un andamento del seguente tipo: x n+1 x n x n+1 > TOLL ma f (x n ) < TOLL

16 x n+1 x n x n+1 < TOLL ma f (x n ) > TOLL

17 La variabile ITMAX viene anche detta variabile tappo. In generale è preferibile utilizzare tutti e tre i criteri.

18 Metodo di Newton o delle tangenti Nella formula x n+1 = x n F(x n) m n le direzioni m n possono essere scelte in vari modi. In questo metodo la direzione scelta ad ogni passo è quello della tangente alla curva y = F(x) nel punto x n, cioè m n = F (x n )

19 Dunque il metodo è dato da x n+1 = x n F(x n) F, n = 0, 1,... (x n ) La funzione di iterazione è quindi g(x) = x F(x) F (x). Appare evidente che il metodo perde di significato se per qualche n risulta F (x n ) = 0. Dunque in generale si suppone che F (x) 0, x [a, b].

20 La formula iterativa x n+1 = x n F(x n) F, n = 0, 1,... (x n ) ci permette di calcolare la successione x 1, x 2,... a partire dal punto x 0. Domanda Come scegliamo il punto x 0?

21 Il seguente teorema stabilisce delle condizioni per la determinazione di un intervallo [a, b] per il quale il metodo di Newton converge per ogni scelta di x 0 [a, b] Teorema Sia F(x) C 2 ([a, b]) con [a, b] chiuso e limitato. Se 1 F(a)F(b) < 0; 2 F (x) 0, x [a, b]; 3 F (x) 0 oppure F (x) 0, x [a, b]; 4 < (b a) e F(b) < (b a); F(a) F (a) F (b) allora il Metodo di Newton converge all unica soluzione x [a, b] per ogni scelta di x 0 [a, b].

22 Ordine di convergenza del Metodo di Newton g (x) = 1 (F (x)) 2 F(x)F (x) (F (x)) 2 = F(x)F (x) (F (x)) 2 ma, poichè assumiamo che F( x) = 0, si ha g ( x) = 0. e quindi g (x) = (F (x)f (x)+f(x)f (x))(f (x)) 2 2F (x)f(x)(f (x)) 2 (F (x)) 4 che, in generale, è diverso da 0. g ( x) = F ( x) F ( x) Dunque, in generale, il metodo ha ordine di convergenza 2.

23 Domanda Cosa succede se x è uno zero doppio, cioè F( x) = F ( x) = 0 e F ( x) 0? In questo caso non è possibile calcolare né g né g in x, ma è possibile definirli per continuità: F(x) F (x) g( x) = x lim x x F = x lim (x) x x F (x) = x g ( x) = F ( x) lim x x F(x) (F (x)) 2 = F ( x) lim x x F (x) 2F (x)f (x) = 1 2 Dunque se x è uno zero doppio, essendo g ( x) 0, il metodo di Newton ha ordine di convergenza 1.

24 Piú in generale, se x è uno zero d ordine r, cioè F( x) = F ( x) = = F (r 1) ( x) = 0 e F (r) ( x) 0, allora g ( x) = 1 1 r 0, dunque il metodo di Newton ha ancora ordine di convergenza 1.

25 Metodo di Newton per radici multiple Quando x è uno zero multiplo è possibile modificare leggermente il metodo di Newton per recuperare l ordine 2. Si considera la seguente formula iterativa: la cui funzione di iterazione è x n+1 = x n 2 F(x n) F, n = 0, 1,... (x n ) g(x) = x 2 F(x) F (x).

26 La precedente formula iterativa ha ordine di convergenza 2, infatti, poiché otteniamo g (x) = 1 2 (F (x)) 2 F(x)F (x) (F (x)) 2 = 2 F(x)F (x) (F (x)) 2 1, g ( x) = 2F F(x) ( x) lim x x (F (x)) 2 1 = 1 1 = 0.

27 Metodo di Newton per radici multiple In generale se x è una radice multipla di ordine r si utilizza la seguente formula iterativa x n+1 = x n r F(x n) F, n = 0, 1,... (x n ) il cui ordine di convergenza è ancora 2.

28 Esistono opportune modifiche anche nei casi in cui la molteplicità della radice è > 1 ma non è nota e nei casi in cui la molteplicità è infinita. Esistono delle varianti del Metodo di Newton che hanno ordine di convergenza > 2.

29 Osservazione Quando la funzione F ha radici multiple, abbiamo visto che da un punto di vista teorico il Metodo di Newton converge. Tuttavia, spesso si verifica che esso numericamente non converge. La stessa cosa certe volte accade quando F ha radici quasi multiple.

30 Osservazione La convergenza del Metodo di Newton è garantita quando, supposte soddisfatte le ipotesi del teorema, l approssimazione iniziale x 0 è sufficientemente vicina alla radice x. Pertanto tale metodo si rivela spesso efficiente soprattutto per migliorare un approssimazione sufficientemente buona ottenuta con un metodo di ordine più basso la cui convergenza è assicurata. In generale, anzichè verificare le ipotesi del teorema, è preferibile utilizzare il Metodo di bisezione per determinare un approssimazione della radice con 1 o 2 cifre decimali corrette, e poi applicare il Metodo di Newton per ottenere con pochissime iterazioni la precisione desiderata.