Analisi numerica del comportamento di paratie soggette a ...
Analisi Numerica - II modulo · 2016. 1. 22. · Analisi Numerica - II modulo D. Lera LEZIONE 6...
Transcript of Analisi Numerica - II modulo · 2016. 1. 22. · Analisi Numerica - II modulo D. Lera LEZIONE 6...
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Analisi Numerica - II modulo
Daniela Lera
Università degli Studi di CagliariDipartimento di Matematica e Informatica
A.A. 2014-2015
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Problemi non lineari
Iterazioni di punto fisso
I metodi fin qui trattati possono essere considerati comecasi particolari di un procedimento iterativo generale per laricerca di un punto fisso di una trasformazione
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Problemi non lineari
Iterazioni di punto fisso
Si consideri le funzioni f , g : R→ R Se
f (x) = x− g(x)
allora
f (α) = 0 ⇔ α = g(α)
α é uno zero di f (x) sse α é punto fisso di g(x).
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Punto fisso di una funzione
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Problemi non lineari
Iterazioni di punto fisso
Ogni equazione può generare diversi processi iterativi:
f (x) = 0 ⇒ x− g(x) = 0 ⇒ x = g(x)
Metodo delle iterate successive
xn+1 = g(xn)
g(x) è detta funzione di iterazione, ed è definita a partiredalla funzione f .
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio
f (x) = x2 − x− 2 = 0
x = x2 − 2 ⇒ xn+1 = x2n − 2
x =√
x + 2 ⇒ xn+1 =√
xn + 2
x = 1 + 2/x ⇒ xn+1 = 1 + 2/xn
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempi
Il metodo di Newton e il metodo delle corde possono essereconsiderati casi particolari di iterazioni di punto fisso.
g(x) = x− 1m
f (x) CORDE
g(x) = x− 1f ′(x)
f (x) NEWTON
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Nel caso più generale:
xn+1 = g(xn, xn−1, ..., xn−r+1)
r = 1 ⇒ Corde, Newton
r = 2 ⇒ Secanti
g(x, y) = x− f (x)x− y
f (x)− f (y)
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Domande
1. La successione {xn} é nell’insieme didefinizione della funzione g(x)?
2. {xn} converge?3. {xn} converge ad α, punto fisso di g(x)?
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio
g(x) = −√
x
Se x0 > 0 ⇒ x1 = g(x0) < 0
La condizione 1 non é verificata.
Occorre che la g(x) trasformi l’insieme didefinizione in se stesso.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Teoremi di punto fisso
Analizziamo il problema da un punto di vista generale.
Dato un operatore T, definito in uno spazio qualunque M, sicercano le condizioni per cui l’equazione non lineare:
x = Tx, x ∈ M
può essere risolta mediante il metodo delle iteratesuccessive definito dalla relazione:
xk+1 = Txk, x0 ∈ M, k = 0, 1, 2, ...
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Richiami
Spazio completo
Uno spazio metrico (X, d) si dice completo se tutte lesuccessioni di Cauchy convergono a punti x dello spaziostesso.
Successione di Cauchy
Una successione {xk} è detta di Cauchy se ∀ε > 0, esisteun N = N(ε) tale che:
d(xn, xm) < ε n,m > N
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Richiami
Insieme convessoIn uno spazio vettoriale V su R un insieme A si diceconvesso se per ogni coppia di punti in A il segmento che licongiunge è interamente contenuto in A.
Spazio compattoUno spazio si dice compatto se da ogni ricoprimentocostituito da una famiglia di insiemi aperti si può estrarre unsottoricoprimento finito.Intuitivamente uno spazio compatto è piccolo, nel sensoche i suoi punti non possono allontanarsi arbitrariamentel’uno dall’altro.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Teorema di Banach
Sia X uno spazio metrico completo rispetto alla distanza d,M un sottospazio non vuoto e chiuso di X e T un operatoretale che:
T : M → M
Se T é L-contrattivo, cioé esiste una costante L, 0 ≤ L < 1tale che :
d(Tx,Ty) ≤ Ld(x, y), ∀x, y ∈ M
allora si ha:
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Teorema di Banach
1. Esistenza e unicità: l’equazione x = Tx ha una ed unasola soluzione, cioé T ha un unico punto fisso α ∈ M.
2. Convergenza: la successione {xk} converge ad α,∀x0 ∈ M.
3. Stima dell’errore: per k = 0, 1, 2, ... si hanno leseguenti stime dell’errore:
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Teorema di Banach
A priori:
d(xk, α) ≤ Lk(1− L)−1d(x0, x1)
A posteriori:
d(xk+1, α) ≤ L(1− L)−1d(xk, xk+1)
4. Velocità di convergenza: per k = 0, 1, 2, ... si ha:
d(xk+1, α) ≤ Ld(xk, α)
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Per stima a priori si intende una stima che può esserecalcolata prima di effettuare il calcolo.
La stima a posteriori invece fornisce una indicazionedell’errore mentre il calcolo procede.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Le ipotesi del teorema di Banach sono essenziali.
Esempio.T : M → M
M = (0, 1), Tx =x2
M non é chiuso.L’assenza di tale ipotesi fa mancare l’esistenza del puntofisso, infatti il punto fisso x = 0 non appartiene a M.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Il teorema di Banach contiene elementi fondamentali per iltrattamento sia teorico che numerico delle equazionimatematiche.
La proprietà di convergenza 2. ci assicura che uncambiamento del punto iniziale x0 non influenza il valore dellimite della successione fintanto che x0 rimane in M. Si dice,in tal caso, che il punto fisso è un attrattore.
Per il calcolo numerico è importante perché i valori xk sonoin generale valori arrotondati.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Trasformazione continua
Per quanto riguarda l’esistenza di un punto fisso di unatrasformazione continua il risultato di base è fornito dalseguente:
Teorema di BrowerSia M un sottoinsieme non vuoto, convesso, compatto di Rn,con n ≥ 1 e sia T : M → M una trasformazione continua.Allora T ha un punto fisso.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Trasformazione continua
Esempio
T : [0, 1]→ [0, 1] continua⇒ T interseca la retta y = x.
I punti di intersezione sono i punti fissi di T.
Il punto fisso non é necessariamente unico e non é, ingenerale, limite delle iterate successive.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Risultati locali di punto fisso
Dal teorema di Banach si ricavano interessanti risultati localidi punto fisso, cioè relativi ad una sfera contenente il puntofisso di raggio piccolo.
Consideriamo il caso di una funzione in R.La contrattività in un intervallo I si esprime con la relazione:
|g(x)− g(y)| ≤ L|x− y|
Una funzione contrattiva è anche continua. Se è anchederivabile, dal Teorema del valor medio di Lagrange siricava che
L = maxx∈I|g′(x)|
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Risultati locali di punto fisso
La condizione di contrattività per una funzione derivabile siriassume quindi nel fatto che la derivata prima sia in modulominore di 1.
Per una funzione contrattiva la distanza tra le immagini didue punti è minore di quella tra i punti stessi, mentre peruna funzione non contrattiva questa distanza aumenta.
La contrattività esprime quindi la capacità di una funzione gdi avvicinare tra loro due punti e si capisce come essa siacollegata alla convergenza di una iterazione costruita su diessa.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Funzioni contrattive e non contrattive
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Risultati locali di punto fisso
TeoremaSia g(x) : R→ R, supponiamo che esista x∗ tale cheg(x∗) = x∗.Se |g′(x∗)| < 1 e se esiste un intorno di x∗ in cui g é definita
allora
1. esiste una sfera B(x∗, r) tale che per ogni x ∈ B
d(g(x), g(x∗)) ≤ Ld(x, x∗) L < 1
2. il metodo delle approssimazioni successive converge,cioé {xn} → x∗, x0 ∈ B;3. x∗ é l’unico punto fisso di g in B.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Risultati locali di punto fisso
OsservazioneIn dimensione n, considerando cioé un sistema di equazioninon lineari, la condizione
|g′(x∗)| < 1
diventa‖J(x∗)‖ < 1, ‖.‖ norma in Rn
dove
J =
(∂gi
∂xj
)matrice jacobiana di g = [g1, ..., gn]T
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Risultati locali di punto fisso
CorollarioSia g(x) : R→ R tale che g(x∗) = x∗. Se g′(x∗) = 0, alloraesiste una sfera B(x∗, r) tale che per x0 ∈ B la successione{xk} → x∗.
Inoltre se g′(x) é continua in B̄ e se esiste limitata g”(x),allora:
|xk+1 − x∗| ≤ c|xk − x∗|2
cioé il metodo é del secondo ordine.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio: Metodo di Newton
f (x) = 0 ⇒ g(x) = x− f (x)
f ′(x)
Sia x∗ lo zero di f .
Se f ′(x∗) 6= 0 ed f (x) é derivabile 2 volte⇒ g′(x∗) = 0
⇒ dal corollario Newton ha convergenza quadratica.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio: Metodo di NewtonSe
f ′(x∗) = 0 ⇒ g′(x∗) = 1− 12
Hint: Si pone f (x) = (x− x∗)2h(x)con h(x∗) 6= 0
Generalizzando, se
f (m)(x∗) = 0 m = 0, 1, ..., r − 1
si hag′(x∗) = 1− 1
rQuindi per r > 1 il metodo di Newton è lineare.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio 1
Se |g′(x∗)| = 1 ci può essere sia convergenza chedivergenza.
g1(x) =
{ 12 x2 + 1
2 x ≤ 12√
x− 1 x ≥ 1
Convergenza ∀x0 ∈ R.
g2(x) =
{2√
x− 1 x ≤ 112 x2 + 1
2 x > 1
Divergenza ∀x0 ∈ R.
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio 2: sistema non lineare{x1 + 2x2 = 32x2
1 + x22 = 5
Graficamente si individua una radice nel rettangolo:
R := {1 ≤ x1 ≤ 2, 0.5 ≤ x2 ≤ 1.5}
Si considera x = g(x), x = (x1, x2)T e
g(x) :
{x1 =
√5−x2
22
x2 = 12(3− x1)
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio 2
AnalisiNumerica - II
modulo
D. Lera
LEZIONE 6
Iterazioni di punto fisso
Esempio 2: sistema non lineare
J =
(0 −x2/(10− 2x2
2)1/2
−12 0
)
Si ha:supx∈R‖J‖1 =
3√22
< 1
Il metodo converge alla radice [1.488, 0.7560].