Επαναληπτικές μέθοδοι

Σχετικά έγγραφα
Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι πολυδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Θεώρημα Bolzano. Γεωμετρική Ερμηνεία του θ.bolzano. Θ. Bolzano και ύπαρξη ρίζας

2.1 Αριθμητική επίλυση εξισώσεων

Αριθμητική Ανάλυση και Εφαρμογές

Non Linear Equations (2)

3o Επαναληπτικό Διαγώνισμα 2016

Θεώρημα Bolzano. ΑΠΑΝΤΗΣΗ. Έστω μια συνάρτηση f, ορισμένη σε ένα κλειστό διάστημα [, ]. Αν: η f είναι συνεχής στο [, ] και, επιπλέον, ισχύει

ΜΕΜ251 Αριθμητική Ανάλυση

Λύσεις των θεμάτων προσομοίωσης -2- Σχολικό Έτος

A. ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ

Επαναληπτικά θέματα στα Μαθηματικά προσανατολισμού-ψηφιακό σχολείο ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ

A. ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ

Επαναληπτικές Διαδικασίες

Κεφάλαιο 4: Διαφορικός Λογισμός

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 5)

ΜΕΜ251 Αριθμητική Ανάλυση

ΚΕΦΑΛΑΙΟ 2 ΜΗ ΓΡΑΜΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ

ΕΡΓΑΣΙΑ 1 Ημερομηνία Ανάρτησης: 02/02/2017 Ημερομηνία Παράδοσης: 16/02/2017, 09:00 π.μ. Στόχος Ορισμός

Λύσεις των θεμάτων προσομοίωσης -2- Σχολικό Έτος

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ

2ο Επαναληπτικό διαγώνισμα στα Μαθηματικά κατεύθυνσης της Γ Λυκείου Θέμα A

Διαγώνισμα Προσομοίωσης Εξετάσεων 2017

6 ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΕΣ ΓΙΑ ΠΡΟΣΕΓΓΙΣΗ ΛΥΣΕΩΝ

1.8 ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ ΘΕΩΡΗΜΑ BOLZANO A. ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 6)

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 4)

Μερικές φορές δεν μπορούμε να αποφανθούμε για την τιμή του άπειρου αθροίσματος.

Το μοντέλο Perceptron

Λύσεις των θεμάτων των Πανελλαδικών Εξετάσεων στα Μαθηματικά Προσανατολισμού 2016

Αριθμητική Λύση Μη Γραμμικών Εξισώσεων Η ΜΕΘΟ ΟΣ ΤΗΣ ΙΧΟΤΟΜΙΣΗΣ 01/25/05 ΜΜΕ 203 ΙΑΛ 2 1

Βιομαθηματικά BIO-156. Παραγώγιση. Ντίνα Λύκα. Εαρινό Εξάμηνο, 2017

ΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 5: ΘΕΩΡΗΜΑ ROLLE [Θεώρημα Rolle του κεφ.2.5 Μέρος Β του σχολικού βιβλίου]. ΣΗΜΕΙΩΣΕΙΣ

f(x) = και στην συνέχεια

Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου

Μεθοδική Επανα λήψή. Επιμέλεια Κων/νος Παπασταματίου. Θεωρία - Λεξιλόγιο Βασικές Μεθοδολογίες. Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ.

Αριθµητική επίλυση εξισώσεων και παρεµβολή µέσω υπολογιστή για την εκπαιδευτική διαδικασία

Σχολή Μηχανολόγων Μηχανικών ΕΜΠ 4 ο Εξάμηνο ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ. Πρώτη Ενότητα Αριθμητική Επίλυση Μη-Γραμμικών Εξισώσεων

Για την τοπική μελέτη μιας συνάρτησης f ενδιαφέρον έχει η συμπεριφορά της συνάρτησης γύρω απο κάποια θέση x 0

ΘΕΜΑΤΑ ΠΑΝΕΛΛΗΝΙΩΝ 2014 ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ

τα βιβλία των επιτυχιών

5ο Επαναληπτικό διαγώνισμα στα Μαθηματικά κατεύθυνσης της Γ Λυκείου Θέμα A

ΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 5: ΘΕΩΡΗΜΑ ROLLE [Θεώρημα Rolle του κεφ.2.5 Μέρος Β του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ

Μελέτη και γραφική παράσταση συνάρτησης

2 ο Διαγώνισμα περιόδου στις Συναρτήσεις και τα Όρια

Θεώρημα Βolzano. Κατηγορία 1 η Δίνεται η συνάρτηση:

ΜΑΘΗΜΑΤΙΚΩΝ ΔΑΣΟΛΟΓΙΑΣ

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ

(, ) ( x0, ), τότε να αποδείξετε ότι το. x, στο οποίο όμως η f είναι συνεχής. Αν f ( x) 0 στο

4.3 Δραστηριότητα: Θεώρημα Fermat

f '(x 0) lim lim x x x x

Συνέχεια συνάρτησης σε κλειστό διάστημα

Λύσεις των θεμάτων προσομοίωσης -2- Σχολικό Έτος

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βιομαθηματικά BIO-156

ΜΑΘΗΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΚΑΙ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ. Παύλος Βασιλείου

13 Μονοτονία Ακρότατα συνάρτησης

9 εύτερη παράγωγος κι εφαρµογές

ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 10: ΕΥΡΕΣΗ ΤΟΠΙΚΩΝ ΑΚΡΟΤΑΤΩΝ

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2015 ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ - ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ.

Παράδειγμα #2 ΑΡΙΘΜΗΤΙΚΗ ΚΙΝΗΤΗΣ ΥΠΟΔΙΑΣΤΟΛΗΣ ΚΑΙ ΡΙΖΕΣ ΕΞΙΣΩΣΕΩΝ. ΕΠΙΜΕΛΕΙΑ: Σ. Βαρούτης

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2016 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΘΕΤΙΚΩΝ ΣΠΟΥ ΩΝ / ΣΠΟΥ ΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

ΝΙΚΟΣ ΤΑΣΟΣ. Θετικής-Τεχνολογικής Κατεύθυνσης

ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ

f x x, ν Ν-{0,1} είναι παραγωγίσιμη στο R

ΑΣΥΜΠΤΩΤΕΣ ΓΡΑΦΙΚΗΣ ΠΑΡΑΣΤΑΣΗΣ ΣΥΝΑΡΤΗΣΗΣ

Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Τρίτη 10 Απριλίου 2018 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Αριθμητική Ανάλυση και Εφαρμογές

ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, 3 Ο ΕΞΑΜΗΝΟ, ΔΙΔΑΣΚΩΝ: Δρ Ιωάννης Αθ. Σταυράκης

2.6 ΣΥΝΕΠΕΙΕΣ ΤΟΥ ΘΕΩΡΗΜΑΤΟΣ ΜΕΣΗΣ ΤΙΜΗΣ

ΚΕΦΑΛΑΙΟ 4ο: ΟΛΟΚΛΗΡΩΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ 1: ΠΑΡΑΓΟΥΣΑ ΣΥΝΑΡΤΗΣΗ [Αρχική Συνάρτηση του κεφ.3.1 Μέρος Β του σχολικού βιβλίου].

ΣΕΙΡΕΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΡΙΘΜΩΝ

Κεφάλαιο 2. Πραγματικές ρίζες μη γραμμικών συναρτήσεων

Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο

ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ - ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ Γ ΛΥΚΕΙΟΥ ΘΕΩΡΙΑ & ΑΠΟΔΕΙΞΕΙΣ

1 ο Διαγώνισμα περιόδου στις Συναρτήσεις και τα Όρια

ΘΕΩΡΗΜΑ ROLLE ΘΕΩΡΗΜΑ ROLLE

Καθηγητήσ Μαθηματικών: Κωτςάκησ Γεώργιοσ windowslive. com.

1.8 ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ

Εισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί Υπολογισµοί)

Θέματα. Α1. Έστω μια συνάρτηση f παραγωγίσιμη σ ένα διάστημα (, ), με εξαίρεση ίσως ένα σημείο του x,

Ορισμός παραγώγου Εξίσωση εφαπτομένης

Κεφάλαιο 2ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ

Για την κατανόηση της ύλης αυτής θα συμβουλευθείτε επίσης το: βοηθητικό υλικό που υπάρχει στη

1) κατακόρυφη ασύµπτωτη την ευθεία x = x0 =± ( ηλαδή η ευθεία x = x0. είναι κατακόρυφη ασύµπτωτη όταν ένα τουλάχιστον από τα δύο πλευρικά όρια

ΚΕΦΑΛΑΙΟ 2 Ο «ΟΡΙΟ ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ»

Transcript:

Επαναληπτικές μέθοδοι Η μέθοδος της διχοτόμησης και η μέθοδος Regula Fals που αναφέραμε αξιοποιούσαν το κριτήριο του Bolzano, πραγματοποιώντας διαδοχικές υποδιαιρέσεις του διαστήματος [α, b] στο οποίο, το κριτήριο εγγυόταν την ύπαρξη ρίζας. Είδαμε όμως ότι είναι πιθανό οι μέθοδοι αυτές να συγκλίνουν προς την ρίζα με πολύ αργούς ρυθμούς. Στην συνέχεια θα παρουσιάσουμε άλλες μεθόδους οι οποίες δεν συγκλίνουν πάντα προς την ρίζα, όταν συγκλίνουν όμως, συγκλίνουν πολύ ταχύτερα από τις προηγούμενες μεθόδους. Οι μέθοδοι αυτές είναι γνωστές με τον τίτλο <<Γενικές επαναληπτικές μέθοδοι>> και βασίζονται στην εκτίμηση δύο αρχικών τιμών για την μέθοδο της τέμνουσας και μίας αρχικής τιμής για την μέθοδο Newton. Τότε, η γενική επαναληπτική μέθοδος μας δίνει έναν απλό κανόνα σε μορφή συνάρτησης που δημιουργεί μια αναδρομική σχέση απεικόνισης μεταξύ της ν-οστής και της (ν+)- οστής προσέγγισης της ρίζας της μορφής: g ( n) n η οποία ελπίζουμε ότι θα συγκλίνει προς τη ρίζα. Μέσω της g ( ) n n υπολογίζονται οι διαδοχικές προσεγγίσεις,..., n. Σε όλους τους αλγόριθμους των γενικών επαναληπτικών μεθόδων χρησιμοποιούμε ως εκτίμηση της σύγκλισης την απόσταση μεταξύ δύο διαδοχικών εκτιμήσεων,, και θεωρούμε ότι η μέθοδος συγκλίνει όταν η απόσταση αυτή γίνει μικρότερη από την παράμετρο ακρίβεια λύσης tol που έχει δηλώσει ο χρήστης: tol όπου 0 tol με τον αριθμό των δεκαδικών ψηφίων της επιθυμητής ακρίβειας. Αν δεν ισχύει η συνθήκη τότε δεν έχουμε ακόμα σύγκλιση. Στην περίπτωση αυτή συνεχίζουμε την εκτέλεση της μεθόδου.

Γενική επαναληπτική μέθοδος Βήμα ο ) Θεωρούμε μία αρχική εκτίμηση της ρίζας. Βήμα ο ) Σε κάθε βήμα βρίσκεται μία νέα προσέγγιση της ρίζας όπου είναι η τιμή του χ δίνεται από την σχέση: g Βήμα 3 ο ) Αν f ( ) 0 τότε το είναι η ζητούμενη ρίζα και σταματάει η διαδικασία. Αυτή η περίπτωση όμως σπάνια συμβαίνει στην πράξη. Βήμα 4 o ) Επιστρέφουμε στο ο βήμα και επαναλαμβάνουμε την διαδικασία για να βρούμε τη νέα προσέγγιση, μέχρι να εκπληρωθεί ένα από τα κριτήρια τερματισμού. Κριτήρια τερματισμού: Όταν η απόλυτη τιμή της διαφοράς μεταξύ δύο διαδοχικών εκτιμήσεων,, είναι μικρότερη από την ακρίβεια λύσης tol που έχει δηλώσει ο χρήστης, τότε θεωρούμε ότι η μέθοδος συγκλίνει. Επομένως θα ισχύει: tol Η τιμή να είναι ρίζα της συνάρτησης f (), δηλαδή να ισχύει ότι f ( ) 0. Οι επαναλήψεις που έχει δηλώσει ο χρήστης για την εύρεση της ρίζας εξαντλήθηκαν. Η γενική επαναληπτική μέθοδος μπορεί να αποτύχει να συγκλίνει σε δυο περιπτώσεις:

. Όταν η συνάρτηση g απειρίζεται.. Όταν η συνάρτηση gταλαντώνεται. Συνοπτικά Πλεονεκτήματα Μειονεκτήματα μεθόδου Πλεονέκτημα: ) Είναι η βασική επαναληπτική μέθοδος. Μειονεκτήματα: ) Η μέθοδος είναι επιρρεπής σε ταλαντώσεις. ) Δεν υπάρχει εγγύηση ότι η μέθοδος αυτή θα συγκλίνει. 3) Απαιτεί ανώτερες μαθηματικές γνώσεις για την σωστή επιλογή της συνάρτησης g Παράδειγμα Γενικής επαναληπτικής μεθόδου Εφαρμόζουμε τη γενική επαναληπτική μέθοδο για να υπολογίσουμε την ρίζα της συνάρτησης 3 f ( ) 5. Με δεδομένα την αρχική τιμή εύρεσης ρίζας, την παράμετρο επιθυμητής ακρίβειας e 0 5, και τον μέγιστο αριθμό των επαναλήψεων 00, χρησιμοποιούμε τον αλγόριθμο για την αναδρομική σχέση g. Ορίζω ως g 3 5, άρα η αναδρομική σχέση θα είναι n 3 n 5. Στον παρακάτω πίνακα φαίνονται οι διαδοχικές τιμές των,, 3,..., οι αντίστοιχες τιμές της συνάρτησης f ) (.5-4.65-0.85-3.93769535 3 -.76888476565-0.67588439668 4-3.0630674876-30.0364736

5-8.436633595-4357678.3048 6-7786967.7507-3.6993795490e+06 g Ορίζω ως 5, άρα η αναδρομική σχέση θα είναι 5 n. Στον n παρακάτω πίνακα φαίνονται οι διαδοχικές τιμές των,, 3,..., οι αντίστοιχες τιμές της συνάρτησης. f ) (.5 5.65.76470588359-5.7460883733 3-8.79775808989-53.754678 4 0.078453575708-5.5606600846 5 -.50767647735-5.7540404685 6.659486057-5.74693870997 7-7.804948565966-464.8458793504 8 0.084864830447048-5.6984603756 9 -.509035084877-5.7769506540978 0.640746837009-5.7507468379474-7.7577779998069-455.479536565 g Ορίζω ως 5 5 3, άρα η αναδρομική σχέση θα είναι 5 5n n 3 n. Στον παρακάτω πίνακα φαίνονται οι διαδοχικές τιμές των,, 3,..., οι αντίστοιχες τιμές της συνάρτησης f ) (.485748574 0.553935860058309.0698947388-0.7440044047

3.07530446 0.465389448373 4.08840373645-0.0759000540676 5.0978407843774 0.036783703755688 6.0987095750336-0.08739330748 7.0954037664 0.00958834699583 8.09478738-0.0048953009663409 9.0947756576748 0.0050087567895 0.094436960534-0.00783673863

Μέθοδος Newton Η μέθοδος Newton χρησιμοποιεί ευθεία γραμμή για την προσέγγιση της f (), μόνο που σε αντιδιαστολή με την Regula - Fals και την τέμνουσα, η ευθεία είναι εφαπτόμενη της f (). Θεωρώντας ότι η συνάρτηση που μας ενδιαφέρει να υπολογίζουμε τη ρίζα της είναι της μορφής του σχήματος, οι διαδοχικές προσεγγίσεις,, 3,... μέχρι να υπολογιστεί η ρίζα με την απαιτούμενη από τον χρήστη ακρίβεια υπολογίζονται με τον εξής τρόπο: Σχήμα: Γεωμετρική ερμηνεία μεθόδου Newton. Βήμα ο ) Θεωρούμε μία αρχική εκτίμηση της ρίζας. Βήμα ο ) Σε κάθε βήμα βρίσκεται μία νέα προσέγγιση της ρίζας όπου είναι η τιμή του χ για την οποία η εφαπτόμενη τέμνει τον χ-άξονα και δίνεται από την σχέση:

f ( ) f ( ) Η αναδρομική σχέση της μεθόδου Newton υπολογίζεται ως εξής: έστω η αρχική εκτίμηση της ρίζας, τότε η εξίσωση της εφαπτόμενης της f () στο σημείο δίνεται από τον τύπο: y f ( ) f ( )( ) Η ευθεία της εφαπτομένης τέμνει τον χ-άξονα σε ένα σημείο το οποίο βρίσκεται αν θέσουμε και y 0 στην εξίσωση. Έχουμε τότε: f ( ) f ( ) Όπου είναι ακριβώς η f ( ) για. f ( ) Βήμα 3 ο ) Αν f ( ) 0 τότε το είναι η ζητούμενη ρίζα και σταματάει η διαδικασία. Αυτή η περίπτωση όμως σπάνια συμβαίνει στην πράξη. Βήμα 4 o ) Επιστρέφουμε στο ο βήμα και επαναλαμβάνουμε την διαδικασία για να βρούμε τη νέα προσέγγιση, μέχρι να εκπληρωθεί ένα από τα κριτήρια τερματισμού. Κριτήρια τερματισμού: Όταν η απόλυτη τιμή της διαφοράς μεταξύ δύο διαδοχικών εκτιμήσεων,, είναι μικρότερη από την ακρίβεια λύσης tol που έχει δηλώσει ο χρήστης, τότε θεωρούμε ότι η μέθοδος συγκλίνει. Επομένως θα ισχύει: tol Η τιμή να είναι ρίζα της συνάρτησης f (), δηλαδή να ισχύει ότι f ( ) 0. Οι επαναλήψεις που έχει δηλώσει ο χρήστης για την εύρεση της ρίζας εξαντλήθηκαν.

Η μέθοδος Newton μπορεί να αποτύχει να συγκλίνει σε τρεις περιπτώσεις: ) Όταν η παράγωγος σε κάποια επανάληψη μηδενιστεί Σχ.(5). Τότε δεν είναι πλέον δυνατός ο προσδιορισμός του. Σχήμα (5): Περίπτωση αποτυχίας της εφαρμογής της μεθόδου Newton όταν η παράγωγος της συνάρτησης μηδενίζεται. ) Όταν η συνάρτηση αλλάζει πρόσημα σε δύο σημεία π.χ. τα και, ενώ η παράγωγος της στα σημεία αυτά έχει την ίδια τιμή Σχ.(6). Σε αυτή την περίπτωση, η μέθοδος Newton εισέρχεται σε ένα κλειστό βρόχο από τον οποίο δεν μπορεί να εξέλθει παρά μόνο όταν εξαντληθούν οι επαναλήψεις που έχει δηλώσει ο χρήστης για την εύρεση της ρίζας. Σχήμα (6): Περίπτωση αποτυχίας της εφαρμογής της μεθόδου Newton όταν εισέρχεται σε κλειστό βρόχο.

3) Όταν η συνάρτηση προσεγγίζει ασυμπτωτικά το 0 και έχει γίνει λανθασμένη επιλογή αρχικού σημείου. Σ αυτή την περίπτωση η μέθοδος Newton μπορεί να απομακρύνεται από την ρίζα της συνάρτησης Σχ.(7). Σχήμα (7): Περίπτωση αποτυχίας της εφαρμογής της μεθόδου Newton όταν η συνάρτηση προσεγγίζει ασυμπτωτικά το 0 και γίνει λανθασμένη επιλογή του αρχικού σημείου. Συνοπτικά Πλεονεκτήματα Μειονεκτήματα μεθόδου Πλεονέκτημα: ) Στις περισσότερες συναρτήσεις είναι και η πιο γρήγορη. Μειονεκτήματα: ) Η μέθοδος είναι επιρρεπής σε ταλαντώσεις. ) Δεν υπάρχει εγγύηση ότι η μέθοδος αυτή θα συγκλίνει. 3) Απαιτεί σε κάθε ρίζα, η παράγωγος να είναι μη μηδενική, αλλιώς η μέθοδος αποτυγχάνει. Aν μηδενιστεί, τότε τείνει στο άπειρο η προσεγγιστική ρίζα και δεν μπορούμε να την επαναφέρουμε. 4) Είναι απαραίτητος ο υπολογισμός της παραγώγου.

Παράδειγμα Newton Εφαρμόζουμε τη μέθοδο Newton για να υπολογίσουμε την ρίζα της Εξ.(.3) 3 f ( ). Με δεδομένα την αρχική τιμή εύρεσης ρίζας, την παράμετρο επιθυμητής ακρίβειας e 0 0, και τον μέγιστο αριθμό των επαναλήψεων 00, χρησιμοποιούμε το πρόγραμμα όπου βρίσκουμε μετά από 7 επαναλήψεις την προσεγγιστική ρίζα 0. 68378038. Ας δούμε στην συνέχεια τι αποτελέσματα δίνουν οι πέντε πρώτες επαναλήψεις της μεθόδου. Έτσι λοιπόν στον Πίνακα (4) φαίνονται οι τιμές των,, 3,..., οι αντίστοιχες τιμές της συνάρτησης f ) ( -.0000000000 -.0000000000-0.7500000000-0.78750000 3-0.68604656-0.008940366 4-0.68339586-0.00008306 5-0.68378039-0.0000000003

Μέθοδος τέμνουσας Η μέθοδος της τέμνουσας χρησιμοποιεί τις δύο προηγούμενες προσεγγίσεις, n n μίας ρίζας προκειμένου να υπολογίσει την επόμενη n προσέγγιση. Θεωρώντας ότι η συνάρτηση που μας ενδιαφέρει να υπολογίζουμε τη ρίζα της είναι της μορφής του Σχ.(6), οι διαδοχικές προσεγγίσεις,, 3,... μέχρι να υπολογιστεί η ρίζα με την απαιτούμενη από τον χρήστη ακρίβεια υπολογίζονται με τον εξής τρόπο: Σχήμα(6): Γεωμετρική ερμηνεία μεθόδου της τέμνουσας. Βήμα ο ) Επιλέγουμε σημεία, τέτοια ώστε f ) f ( ) 0 (δεν είναι ( απαραίτητη προϋπόθεση) δηλαδή υπάρχει ρίζα στο διάστημα ( )., Βήμα ο ) Υπολογίζουμε ως νέα ρίζα ( ), το σημείο τομής της ευθείας που διέρχεται από τα σημεία (, f ( )), (, f ( )), με τον χ-άξονα και δίνεται από την εξίσωση

( ) f ( ) ) f ( ) f ( Βήμα 3 ο ) Αν f ( ) 0 τότε το είναι η ζητούμενη ρίζα και σταματάει η διαδικασία. Αυτή η περίπτωση όμως σπάνια συμβαίνει στην πράξη. Βήμα 4 o ) Επιστρέφουμε στο ο βήμα και επαναλαμβάνουμε την διαδικασία για να βρούμε τη νέα προσέγγιση, μέχρι να εκπληρωθεί ένα από τα κριτήρια τερματισμού. Κριτήρια τερματισμού: Όταν η απόλυτη τιμή της διαφοράς μεταξύ δύο διαδοχικών εκτιμήσεων,, είναι μικρότερη από την ακρίβεια λύσης tol που έχει δηλώσει ο χρήστης, τότε θεωρούμε ότι η μέθοδος συγκλίνει. Επομένως θα ισχύει: tol Η τιμή να είναι ρίζα της συνάρτησης f (), δηλαδή να ισχύει ότι f ( ) 0. Οι επαναλήψεις που έχει δηλώσει ο χρήστης για την εύρεση της ρίζας εξαντλήθηκαν. Η μέθοδος δεν απαιτεί έλεγχο για να καθοριστεί η δράση στο επόμενο βήμα (π.χ. να προσδιοριστεί νέο διάστημα εγκλωβισμού της ρίζας). Επίσης δεν υπάρχει εγγύηση ότι θα συγκλίνει, αν όμως συγκλίνει η σύγκλιση θα είναι ταχύτερη από τη μέθοδο Regula - Fals. Τέλος όσο προχωρούν οι επαναλήψεις, τόσο η μέθοδος της τέμνουσας δημιουργεί ακριβέστερες προσεγγίσεις της ρίζας. Συνοπτικά Πλεονεκτήματα Μειονεκτήματα μεθόδου

Πλεονεκτήματα: ) Μπορούμε να βρούμε την ρίζα ακόμη κι αν δεν βρίσκεται ανάμεσα στις αρχικές τιμές,. ) Είναι ταχύτερη από την μέθοδο της Regula Fals. 3) Δεν χρειάζεται ο υπολογισμός της παραγώγου. Μειονέκτημα: ) Επειδή η ρίζα δεν εγκλωβίζεται σε διάστημα, δεν υπάρχει εγγύηση ότι η μέθοδος θα συγκλίνει. Παράδειγμα τέμνουσας Ομοίως και σε αυτή την περίπτωση έχουμε να υπολογίσουμε την ρίζα της Εξ.(.3) 3 f ( ) με τη μέθοδο της τέμνουσας. Με δεδομένα τις αρχικές τιμές και 0, την παράμετρο επιθυμητής ακρίβειας e 0, και τον μέγιστο αριθμό των επαναλήψεων 00, χρησιμοποιούμε το πρόγραμμα όπου βρίσκουμε μετά από 9 επαναλήψεις την προσεγγιστική ρίζα 0.68378038. Ας δούμε στην συνέχεια τι αποτελέσματα δίνουν οι πέντε πρώτες επαναλήψεις της μεθόδου. Έτσι λοιπόν στον πίνακα φαίνονται οι τιμές των,, 3,..., οι αντίστοιχες τιμές της συνάρτησης f ) ( -.0000000000 -.0000000000 +.0000000000 +3.0000000000 3-0.5000000000 +0.3750000000 4-0.7485743-0.078770 5-0.677084337 +0.0453744 Πίνακας: Αποτελέσματα 5 πρώτων επαναλήψεων της μεθόδου τέμνουσας