Nullstellen von algebraischen Gleichungen

Transkript

1 Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar auflösbar - in mehreren Dimensionen: Linearisierung Lösung wird durch Iteration gefunden, für glatte Funktionen wird ein guter Algorithmus immer konvergieren, vorausgesetzt, die Anfangswahl war hinreichend genau. Tip: Immer zuerst Wurzel einklammern (z.b. raten, graphisch), dann Iterieren Eine einfache erste Möglichkeit bietet die graphische Darstellung. Schreibe die Gleichung um in g(x) = h(x), plotte y = g(x), und y = h(x) und suche den Schnittpunkt der zwei Kurven. Phys. Beispiele: - Minimum oder Maximum einer Fkt. g(x) - GGW eines Teilchens im Potential - Potentialflächen (Roche-Potential) - Energie-Niveaus - Keplergleichung bei der Planetenbewegung. In mehreren Dimensionen: Matrixproblem 2.2 Bisektion Prinzip: (siehe auch Abb. 2.1) Gegeben f(x) = 0 mit den Startwerten a und b mit a < b und f(a)f(b) < 0. D.h. mindestens eine Wurzel liegt im Interval [a, b]. Sei f(b) > 0. while b a > ɛ c = (a + b)/2 if f(c) > 0 then b = c else a = c end while 7

2 8 KAPITEL 2. NULLSTELLEN VON ALGEBRAISCHEN GLEICHUNGEN Y f(b) f(x) f(c) f(d) a e d c b X f(e) f(a) Abbildung 2.1: Die Intervallhalbierungsmethode (Bisektion) graphisch angedeutet. Das aktuelle Intervall wird jeweils halbiert und die neuen Grenzen so gewählt, dass die Nullstelle immer innerhalb des aktuellen Intervalls liegt: [a, b] [a, c] [a, d] [e, d] Anzahl der Rechenschritte Beim Start ist die Größe des Intervalls a b Nach der ersten Iteration a b /2 Nach der k-ten a b /2 k Bei einem gegebenen ɛ brechen wir nach a b /2 K ɛ ab. Nach Runden auf den nächsten Integer Wert: K log 2 ( a b /ɛ) (2.2) Z.B. a b = 1, ɛ = K 13, also 13 oder mehr Iterationen. Die Methode konvergiert linear, d.h. k+1 = const. m k, mit m = 1. (2.3) wobei k die Größe des Intervalls nach dem k-ten Schritt ist. Für m > 1 heißt eine Methode superlinear. Bem:. Y Bisektion muss konvergieren. Bei zwei Nullstellen wird eine gefunden, bei keinen Nullstellen, aber Singularitäten konvergiert die X Methode zu einer Singularität (siehe nebenstehende Skizze) Abbruchkriterium: verschiedene Möglichkeiten Intervallgröße: ɛ = ɛ m (a + b)/2. Residum der Funktion: f(x) < ɛ.

3 2.3. SEKANTENMETHODE UND REGULA FALSI 9 Änderung des Intervalls: b a ɛ. Iterationszahl: It < It max Vorsicht in der Nähe des Nullpunktes. 2.3 Sekantenmethode und Regula Falsi Bei glatten Funktionen in der Nähe einer Nullstelle konvergieren die Sekantenmethode, bzw. die Regula Falsi schneller als Bisektion. Methode: Die zwei Enden des Intervalls (a, f(a)) und (b, f(b)) werden durch eine Gerade verbunden, und die nächste Verbesserung der Wurzel ist der Punkt, den die Gerade mit der x-achse schneidet (siehe Abbildung 2.2). Der Unterschied zwischen den beiden Methoden besteht Y f(b) f(c) f(d) a d c b X f(a) Abbildung 2.2: Die regula falsi, graphisch angedeutet. Die Wurzel wird immer von den beiden Intervallgrenzen eingeklammert im Wesentlichen darin, dass bei der regula falsi jeweils der Schnittpunkt als neuer Approximations wert an die Nullstelle gewählt, so dass die Nullstelle immer innerhalb der aktuellen Intervallgrenzen liegt Bei der Sekantenmethode wird durch den Funktionswert zum Schnittpunkt der regula falsi Methode eine Gerade (Sekante) gelegt. Deren Schnittpunkt mit der x-achse liefert den neuesten Approximationspunkt unabhängig davon, ob er in das ursprüngliche Intervall fällt (siehe Abb. 2.3) Im obigen Schema der Bisektionmethode wird bei der Regula Falsi einfach c = f(b)a f(a)b f(b) f(a) gesetzt. Dies folgt mit dem Ansatz einer linearen Funktion p(x) = a 1 x + a 0 mit der Forderung p(a) = f(a) und p(b) = f(b). Dies liefert die Konstanten a 1, a 0, und der neue

4 10 KAPITEL 2. NULLSTELLEN VON ALGEBRAISCHEN GLEICHUNGEN Y f(b) f(c ) a f(c) c c b X f(a) Abbildung 2.3: Die Sekantenregel, graphisch angedeutet. Durch den Funktionswert (f(c )) zum Schnittpunkt (c ) der Sekante von (f(a), f(b)) mit der x-achse wird eine neue Gerade gelegt, und der alte Punkt (a) verworfen. Damit kann die neue Approximation an die Wurzel möglicherweise außerhalb der aktuellen Intervallgrenzen liegen. Intervallpunkt c wird gefunden durch p(c) = 0. Ansonsten vollzieht sich der Algorithmus wie oben. Bei der Sekantenmethode wird der neue Punkt ebenso durch die obige Formel gegeben, und der älteste Punkt wird weggeworfen. Die Konvergenz der Sekantenmethode ist durch den Goldenen Schnitt gegeben: lim k+1 const. k (2.4) k Die Konvergenzordnung ist also = (1 + 5) / 2 Bem: Nachteil der Sekantenmethode: Die Nullstelle wird nicht immer durch Intervall eingeschlossen (nach unendlich geschickt). Die Sekantenmethode konvergiert schneller als die Regula Falsi, weil immer die neuesten Werte für das neue Intervall verwendet werden. Die Regula Falsi und Sekantenmethode konvergieren dann langsam, wenn sich in der Nähe der Nullstelle die Funktion schnell ändert. 2.4 Newton Methode Die Newton Methode (oder auch Newton-Raphson) ist eine Tangentenmethode bei der die Annäherung an die Nullstelle über den Schnittpunkt der Tangente an die Funktion f(x) an einer Näherung x 0 der Nullstelle mit der x-achse als neuer Iterationswert gewählt wird. Es wird immer nur ein Punkt bei der Iteration benutzt, keine Einschachtelung (siehe Abb. 2.4). Lege an Funktion Tangente im Punkt x k (s. Abb.2.4), d.h. ich schreibe p(x) = f (x k ) x + a 0

5 2.4. NEWTON METHODE 11 Y f(x1) T2 T1 x2 x3 x1 X f(x2) Abbildung 2.4: Beim Newton-Verfahren wird die neue Näherung durch den Schnittpunkt der Tangente (T i ) an den letzten Funktionswert gefunden. Die Abb. verdeutlicht die schnelle Konvergenz des Newtonverfahrens. mit den Bedingungen p(x k ) = f(x k ). Daraus folgt a 0 = f(x k ) f (x k ) x k. Nullsetzten p(x k+1 ) = 0 liefert den nächsten Schnittpunkt Newton-Formel x k+1 = x k f(x k) f (x k ) (2.5) verwendet Konvergenz des Newton-Verfahrens Die Konvergenzanalyse wird mit Hilfe einer Taylorentwicklung durchgeführt. Wir schreiben für die Wurzel r = x k + ɛ k, x k = r ɛ k wobei r die Wurzel bezeichnet, und ɛ k den Fehler nach der k-ten Iteration. Nach k + 1 Iterationen gilt r = x k+1 + ɛ k+1, x k+1 = r ɛ k+1 Eingesetzt in die Newton-Methode r ɛ k+1 = x k+1 = r ɛ k f(r ɛ k) f (r ɛ k ) oder ɛ k+1 = ɛ k + f(r ɛ k) f (r ɛ k ) Entwickle f(x k ) und f (x k ) in Taylor-Reihen um r (2.6) f(r ɛ k ) = f(r) ɛ k f (r) + ɛ2 k 2 f (r)...

6 12 KAPITEL 2. NULLSTELLEN VON ALGEBRAISCHEN GLEICHUNGEN und f (r ɛ k ) = f (r) ɛ k f (r) + ɛ2 k 2 f (r)... mit f(r) = 0, eingesetzt in Gl.(2.6) nun ɛ k mit Nenner erweitern D.h. das Verfahren konvergiert quadratisch: ɛ k+1 = ɛ k + ɛ kf (r) ɛ2 k f (r) f (r) ɛ k f (r) +... ɛ k+1 = ɛ2 k f (r) 2f (r) + ɛ3 k... ɛ k+1 const. ɛ 2 k Bem.: diskrete Newtonmethode Falls Ableitung f (x) nicht bekannt, Approximation durch numerische Differenzbildung x k x k 1 x k+1 = x k f(x k ) f(x k ) f(x k 1 ) = x k 1f(x k ) f(x k 1 )x k f(x k ) f(x k 1 ) 2.5 Allg. Iterationsverfahren Das Newton-Verfahren kann geschrieben werden als eine Iteration der Form x k+1 = G(x k ) (2.7) Ein Iterationsverfahren der Form (2.7) heißt Fixpunkt-Iteration. Die Konvergenz wird mit Hilfe einer Taylor-Entwicklung durchgeführt. Wir schreiben wieder Aus der Fixpunkt Gleichung (2.7) folgt und eine Taylor-Entwicklung liefert: Für die Wurzel gilt r = G(r) und somit x k = r ɛ k, x k+1 = r ɛ k+1 r ɛ k+1 = G(r ɛ k ) r ɛ k+1 = G(r) ɛ k G (r) + ɛ 2 G (r) k ɛ k+1 G (r)ɛ k (2.8) D.h. die Fixunkt-Iteration ist erster Ordnung, falls G (r) 0. Für den Fehler beim k-ten Schritt gilt, falls für den ersten ɛ 1 = G (r)ɛ 0 galt, ɛ n [G (r)] n ɛ 0 (2.9)

7 2.6. BEISPIEL 13 Der Fehler reduziert sich, falls G (r) < 1 ist. Zusammenhang mit Newton: Für die Newton-Iteration gilt: für die erste Ableitung gilt also G N (x) = x f(x) f (x) G N (x) = [ x f f ] = ff f 2 (2.10) Wegen f(r) = 0 und f (r) 0 gilt G N(r) = 0 D.h. Newton ist zweiter Ordnung. G N (r) = f (r) f (r) 0 Daraus folgt dann die Konvergenzgleichung für die Newton-Iteration. 2.6 Beispiel Zu berechnen sei die Nullstelle der Funktion f(x) = e x ln(x) x 2 Mit der Wahl x 0 = a = 1, x 1 = b = 2. Ein einfacher Test liefert f(a) f(b) < 0. Der exakte Wert liegt bei Die drei Verfahren liefern: Typ Ergebnis Iterationen Bisektion Sekante Newton Pathologische Fälle Je nach auszuwertender Funktion kann es zu Fällen kommen, bei denen einige Verfahren schlecht konvergieren. In Abb. (2.5) konvergiert die Regula-Falsi schlecht. Das Newton- Verfahren wäre hier deutlich besser. In Abb. (2.6) liegt der neue Schätzwert aufgrund des verschwindenen Gradienten weit im Negativ-Unendlichen. In Abb. (2.7) liegt eine Hysterese Situation vor, welche nur extrem langsam konvergiert.

8 14 KAPITEL 2. NULLSTELLEN VON ALGEBRAISCHEN GLEICHUNGEN Abbildung 2.5: Die Regula-Falsi konvergiert in diesem Beispiel sehr schlecht. Abbildung 2.6: Das lokale Maximum führt zu schlechter Konvergenz des Newton- Verfahrens.

9 2.7. PATHOLOGISCHE FÄLLE 15 Abbildung 2.7: Hysterese-Verhalten beim Newton-Verfahren.

10 16 KAPITEL 2. NULLSTELLEN VON ALGEBRAISCHEN GLEICHUNGEN