Web Analytics
Avancerad

Numeriska metoder

Numeriska approximationer: Newtons metod, trapetsregeln och Simpsons regel.

Newtons metod trapetsregeln Simpsons regel numerisk integration

Ibland kan matematik inte lösas exakt - men vi kan komma förbannat nära! Numeriska metoder är matematikens 'detektiver' som löser problem genom smarta approximationer och iterationer.

Fördjupning

Numeriska metoder är avgörande i verkliga tillämpningar där exakta lösningar inte existerar eller är för komplexa att beräkna. De är grunden för all datorsimulering inom ingenjörsvetenskap, fysik och ekonomi.

Newtons metod för ekvationslösning

Newtons metod (tangentmetoden) hittar nollställen till funktioner genom att 'följa tangentlinjer' mot lösningen.

xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ)
xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ)
Visualisering av Newtons metod: tangentlinjer konvergerar mot roten
Visualisering av Newtons metod: tangentlinjer konvergerar mot roten
📋

Härledning av Newtons metod

  1. Vi vill lösa f(x) = 0 och har en approximation xₙ
  2. Tangentlinjen till f(x) vid xₙ: y - f(xₙ) = f'(xₙ)(x - xₙ)
  3. Tangentens nollställe: sätt y = 0 och lös för x
  4. 0 - f(xₙ) = f'(xₙ)(x - xₙ)
  5. -f(xₙ) = f'(xₙ)(x - xₙ)
  6. x = xₙ - f(xₙ)/f'(xₙ)
  7. Detta x blir vår nästa approximation: xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ)
🧮

Hitta √2 med Newtons metod

Exempel: Lös x² - 2 = 0 med startgissning x₀ = 1

  1. Sätt f(x) = x² - 2, så f'(x) = 2x
  2. Newtons formel: xₙ₊₁ = xₙ - (xₙ² - 2)/(2xₙ) = (xₙ + 2/xₙ)/2
  3. x₀ = 1
  4. x₁ = (1 + 2/1)/2 = 3/2 = 1.5
  5. x₂ = (1.5 + 2/1.5)/2 = (1.5 + 1.333...)/2 ≈ 1.417
  6. x₃ = (1.417 + 2/1.417)/2 ≈ 1.4142
  7. √2 ≈ 1.4142... (konvergerar snabbt!)

Trapetsregeln för numerisk integration

Trapetsregeln approximerar integraler genom att ersätta kurvan med raka linjer mellan punkter.

∫ₐᵇ f(x)dx ≈ (h/2)[f(x₀) + 2f(x₁) + 2f(x₂) + ... + 2f(xₙ₋₁) + f(xₙ)]
∫ₐᵇ f(x)dx ≈ (h/2)[f(x₀) + 2f(x₁) + 2f(x₂) + ... + 2f(xₙ₋₁) + f(xₙ)]
Trapetsregeln: approximation med trapetser under kurvan
Trapetsregeln: approximation med trapetser under kurvan
🧮

Beräkna ∫₀¹ e^x dx med trapetsregeln

Exempel: Använd n = 4 intervall

  1. h = (b-a)/n = (1-0)/4 = 0.25
  2. x₀ = 0, x₁ = 0.25, x₂ = 0.5, x₃ = 0.75, x₄ = 1
  3. f(x₀) = e⁰ = 1
  4. f(x₁) = e^0.25 ≈ 1.284
  5. f(x₂) = e^0.5 ≈ 1.649
  6. f(x₃) = e^0.75 ≈ 2.117
  7. f(x₄) = e¹ ≈ 2.718
  8. Trapetsregeln: (0.25/2)[1 + 2(1.284) + 2(1.649) + 2(2.117) + 2.718]
  9. = 0.125[1 + 2.568 + 3.298 + 4.234 + 2.718] = 0.125 × 13.818 ≈ 1.727
  10. Exakt värde: e¹ - e⁰ = e - 1 ≈ 1.718 (god approximation!)

Simpsons regel

Simpsons regel ger bättre approximation genom att använda paraboler istället för raka linjer.

∫ₐᵇ f(x)dx ≈ (h/3)[f(x₀) + 4f(x₁) + 2f(x₂) + 4f(x₃) + ... + f(xₙ)]
∫ₐᵇ f(x)dx ≈ (h/3)[f(x₀) + 4f(x₁) + 2f(x₂) + 4f(x₃) + ... + f(xₙ)]
📋

Varför 4-2-4-2 mönstret i Simpsons regel?

  1. Simpsons regel passar en parabel genom tre punkter åt gången
  2. För tre punkter (x₀,y₀), (x₁,y₁), (x₂,y₂) med h = x₁-x₀ = x₂-x₁
  3. Arean under parabeln från x₀ till x₂ är exakt (h/3)[y₀ + 4y₁ + y₂]
  4. För hela intervallet kombineras dessa paraboler
  5. Mellanpunkter räknas 4 gånger, skärningspunkter 2 gånger (utom ändpunkterna)

Felanalys och konvergens

Numeriska metoder ger approximationer - viktigt att förstå hur stora felen är och hur de minskar.

  • Newtons metod: kvadratisk konvergens (antalet korrekta decimaler dubbleras)
  • Trapetsregeln: fel ∝ h² (halvera h → fel minskar med faktor 4)
  • Simpsons regel: fel ∝ h⁴ (halvera h → fel minskar med faktor 16)
  • Avrundningsfel kan dominera vid mycket små h

Konvergenshastighet

Om Newtons metod ger 3 korrekta decimaler, nästa iteration ger ~6, sedan ~12, osv.

Bevis

📋

Härledning av Simpsons regel

Visar varför Simpsons formel ger exakt integral för paraboler

  1. Betrakta tre punkter: (x₀,y₀), (x₁,y₁), (x₂,y₂) med h = x₁-x₀ = x₂-x₁
  2. Flytta koordinatsystem så x₁ = 0, då är x₀ = -h och x₂ = h
  3. Parabel genom tre punkter: y = ax² + bx + c
  4. Från y₁ = c och symmetri bestäms: a = (y₀ + y₂ - 2y₁)/(2h²), b = (y₂ - y₀)/(2h)
  5. Integrera från -h till h: ∫₋ₕʰ (ax² + bx + c) dx
  6. = [ax³/3 + bx²/2 + cx]₋ₕʰ = 2ah³/3 + 2ch
  7. Substituera värden på a och c: = (h/3)[y₀ + 4y₁ + y₂]
📋

Kvadratisk konvergens för Newtons metod

Visar varför Newtons metod konvergerar så snabbt

  1. Låt r vara den exakta roten och eₙ = xₙ - r vara felet
  2. Från Taylorserie: f(r) = f(xₙ) + f'(xₙ)(r - xₙ) + f''(ξ)(r - xₙ)²/2
  3. Eftersom f(r) = 0: 0 = f(xₙ) - f'(xₙ)eₙ + f''(ξ)eₙ²/2
  4. Lös för eₙ: eₙ = f(xₙ)/f'(xₙ) + f''(ξ)eₙ²/(2f'(xₙ))
  5. Newtons iteration: eₙ₊₁ = xₙ₊₁ - r = (xₙ - f(xₙ)/f'(xₙ)) - r
  6. = eₙ - f(xₙ)/f'(xₙ) = -f''(ξ)eₙ²/(2f'(xₙ))
  7. Alltså: |eₙ₊₁| ≈ C|eₙ|² (kvadratisk konvergens)

Stegvisa uträkningar

🧮

Kombinerad Newton-Raphson för system

Funktion: Lös x² + y² = 1 och x + y = 1 samtidigt

  1. Sätt f₁(x,y) = x² + y² - 1 och f₂(x,y) = x + y - 1
  2. Jacobian-matrisen: J = [[2x, 2y], [1, 1]]
  3. Newton-iteration: [xₙ₊₁, yₙ₊₁]ᵀ = [xₙ, yₙ]ᵀ - J⁻¹[f₁, f₂]ᵀ
  4. Startgissning: x₀ = 0.5, y₀ = 0.5
  5. J⁻¹ = 1/(2x-2y) [[1, -2y], [-1, 2x]]
  6. Iteration 1: f₁ = 0.5 - 1 = -0.5, f₂ = 1 - 1 = 0
  7. J⁻¹ = [[1, -1], [-1, 1]], uppdatering ger x₁ = 1, y₁ = 0
  8. Kontroll: 1² + 0² = 1 ✓, 1 + 0 = 1 ✓ (exakt lösning hittad!)
🧮

Adaptiv integration med felkontroll

Funktion: ∫₀¹ 1/(1+x²) dx med precision 10⁻⁶

  1. Börja med trapetsregeln med n = 2: T₂ = h/2[f(0) + 2f(0.5) + f(1)]
  2. h = 0.5, T₂ = 0.25[1 + 2(0.8) + 0.5] = 0.25 × 3.1 = 0.775
  3. Dubblera antalet intervall: n = 4, h = 0.25
  4. T₄ = 0.125[1 + 2(0.941) + 2(0.8) + 2(0.64) + 0.5] = 0.785
  5. Feluppskattning: |T₄ - T₂| = 0.01 > 10⁻⁶, fortsätt
  6. n = 8: T₈ ≈ 0.7854 (≈ π/4)
  7. n = 16: T₁₆ ≈ 0.785398, |T₁₆ - T₈| < 10⁻⁶ ✓

Vanliga misstag

❌ Dålig startgissning för Newtons metod

Newtons metod kan divergera eller hitta fel rot med dålig startgissning

Exempel: För f(x) = x³ - 2x + 2, startgissning x₀ = 0 ger division med noll i f'(0) = -2

❌ För få intervall i numerisk integration

Oscillerande eller snabbt föränderliga funktioner kräver många intervall

Exempel: ∫₀^π sin(10x) dx med endast 4 intervall ger mycket dålig approximation

❌ Ignorera avrundningsfel

Vid mycket små h dominerar avrundningsfel över approximationsfel

Exempel: h = 10⁻¹⁶ kan ge sämre resultat än h = 10⁻⁸ på grund av avrundning

❌ Anta att Newtons metod alltid konvergerar

Metoden kan cykla, divergera eller fastna vid platåer där f'(x) ≈ 0

Exempel: f(x) = x³ - x har tre rötter - vilken du hittar beror på startgissning

Tillämpningar

Ingenjörsberäkningar

Strukturanalys, värmeutbredning och flödessimuleringar kräver numeriska metoder

Exempel: FEM (Finite Element Method) använder numerisk integration för styvhetsmatriser

Ekonomisk modellering

Optionsprissättning och riskanalys med komplexa integraler och ekvationer

Exempel: Black-Scholes ekvation löses numeriskt för exotiska optioner

Medicinsk bildbehandling

CT- och MRI-rekonstruktion använder numeriska metoder

Exempel: Radon-transform inverteras numeriskt för att rekonstruera bilder

Klimatmodellering

Väderprognoser och klimatsimulationer kräver massiva numeriska beräkningar

Exempel: Navier-Stokes ekvationer för atmosfärisk strömning löses numeriskt

Övningar

1 Lätt

Använd Newtons metod för att hitta roten till x³ - 3x + 1 = 0 nära x = 0

Tips

Börja med x₀ = 0.5 och iterera några steg

Visa facit
  1. f(x) = x³ - 3x + 1, f'(x) = 3x² - 3
  2. Newtons formel: xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ)
  3. x₀ = 0.5
  4. x₁ = 0.5 - (0.125 - 1.5 + 1)/(0.75 - 3) = 0.5 - (-0.375)/(-2.25) ≈ 0.333
  5. x₂ = 0.333 - f(0.333)/f'(0.333) ≈ 0.347
  6. x₃ ≈ 0.347 (konvergens)
  7. Roten är ungefär x ≈ 0.347

Svar: x ≈ 0.347

2 Lätt

Beräkna ∫₀¹ √(1+x²) dx med trapetsregeln, n = 4

Tips

h = 0.25, beräkna funktionsvärden vid x = 0, 0.25, 0.5, 0.75, 1

Visa facit
  1. n = 4, h = (1-0)/4 = 0.25
  2. Punkter: x₀ = 0, x₁ = 0.25, x₂ = 0.5, x₃ = 0.75, x₄ = 1
  3. f(x) = √(1+x²)
  4. f(0) = 1, f(0.25) ≈ 1.031, f(0.5) ≈ 1.118
  5. f(0.75) ≈ 1.250, f(1) ≈ 1.414
  6. Trapetsregeln: T = (h/2)[f(x₀) + 2f(x₁) + 2f(x₂) + 2f(x₃) + f(x₄)]
  7. = (0.25/2)[1 + 2(1.031) + 2(1.118) + 2(1.250) + 1.414]
  8. ≈ 0.125[1 + 2.062 + 2.236 + 2.500 + 1.414] ≈ 1.294

Svar: ≈ 1.294

3 Medel

Jämför trapetsregeln och Simpsons regel för ∫₀^π sin(x) dx med n = 4

Tips

Exakt värde är 2. Vilken metod ger bättre approximation?

Visa facit
  1. Exakt värde: ∫₀^π sin(x) dx = [-cos(x)]₀^π = 2
  2. n = 4, h = π/4
  3. Punkter: 0, π/4, π/2, 3π/4, π
  4. f(0) = 0, f(π/4) = √2/2, f(π/2) = 1, f(3π/4) = √2/2, f(π) = 0
  5. Trapetsregeln: T = (π/8)[0 + 2√2/2 + 2·1 + 2√2/2 + 0] = (π/8)(2√2 + 2) ≈ 1.8961
  6. Simpsons regel: S = (π/12)[0 + 4√2/2 + 2·1 + 4√2/2 + 0] = (π/12)(4√2 + 2) ≈ 2.0944
  7. Simpsons regel ger bättre approximation (närmre 2)

Svar: Simpsons regel: ≈ 2.0944, Trapetsregeln: ≈ 1.8961

4 Medel

Hitta skärningspunkten mellan y = x² och y = 2 - x med Newtons metod

Tips

Lös x² + x - 2 = 0. Du vet att en rot är nära x = 1

Visa facit
  1. Skärning: x² = 2 - x ⟹ x² + x - 2 = 0
  2. f(x) = x² + x - 2, f'(x) = 2x + 1
  3. Vi kan faktorsera: x² + x - 2 = (x-1)(x+2)
  4. Rötterna är x = 1 och x = -2
  5. Med Newtons metod från x₀ = 1.1:
  6. x₁ = 1.1 - f(1.1)/f'(1.1) = 1.1 - (0.31)/(3.2) ≈ 1.003
  7. x₂ ≈ 1.000
  8. Skärningspunkten är (1, 1)

Svar: x = 1 (exakt)

5 Medel

Uppskatta ∫₀¹ e^(-x²) dx (denna integral har ingen elementär primitiv)

Tips

Använd Simpsons regel med n = 8. Resultatet bör vara cirka 0.747

Visa facit
  1. Använd Newtons metod för f(x) = x³ - 2
  2. f'(x) = 3x²
  3. x_{n+1} = x_n - f(x_n)/f'(x_n) = x_n - (x_n³ - 2)/(3x_n²)
  4. Välj x₀ = 1.5 (nära ∛2 ≈ 1.26)
  5. x₁ = 1.5 - (1.5³ - 2)/(3·1.5²) = 1.5 - 1.375/6.75 ≈ 1.296
  6. x₂ = 1.296 - (1.296³ - 2)/(3·1.296²) ≈ 1.260
  7. x₃ ≈ 1.2599 (konvergerar snabbt)

Svar: ∛2 ≈ 1.2599 (efter 3 iterationer)

6 Medel

Visa att Newtons metod för √a ger formeln xₙ₊₁ = (xₙ + a/xₙ)/2

Tips

Lös x² - a = 0 med Newtons metod

Visa facit
  1. Trapetsmetoden: ∫₀¹ e^(-x²) dx ≈ (h/2)[f(0) + 2f(h) + 2f(2h) + ... + f(1)]
  2. Med h = 0.25: x₀=0, x₁=0.25, x₂=0.5, x₃=0.75, x₄=1
  3. f(0) = e⁰ = 1
  4. f(0.25) = e^(-0.0625) ≈ 0.9394
  5. f(0.5) = e^(-0.25) ≈ 0.7788
  6. f(0.75) = e^(-0.5625) ≈ 0.5698
  7. f(1) = e^(-1) ≈ 0.3679
  8. Approximation ≈ (0.25/2)[1 + 2(0.9394) + 2(0.7788) + 2(0.5698) + 0.3679]
  9. ≈ 0.125[1 + 1.8788 + 1.5576 + 1.1396 + 0.3679] ≈ 0.747

Svar: ≈ 0.747

7 Svår

Använd numeriska metoder för att hitta maximum av f(x) = x·e^(-x²)

Tips

Hitta var f'(x) = 0 med Newtons metod

Visa facit
  1. Simpsons regel: ∫ₐᵇ f(x)dx ≈ (h/3)[f(a) + 4f(a+h) + 2f(a+2h) + 4f(a+3h) + ... + f(b)]
  2. För ∫₀² √(1+x³) dx med h = 0.5: x₀=0, x₁=0.5, x₂=1, x₃=1.5, x₄=2
  3. f(0) = √1 = 1
  4. f(0.5) = √(1+0.125) = √1.125 ≈ 1.061
  5. f(1) = √2 ≈ 1.414
  6. f(1.5) = √(1+3.375) = √4.375 ≈ 2.092
  7. f(2) = √9 = 3
  8. ≈ (0.5/3)[1 + 4(1.061) + 2(1.414) + 4(2.092) + 3]
  9. ≈ (1/6)[1 + 4.244 + 2.828 + 8.368 + 3] ≈ 3.24

Svar: ≈ 3.24

Sammanfattning

Numeriska metoder löser problem som inte kan lösas exakt. Newtons metod: xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ) för rötter. Trapetsregeln och Simpsons regel för integraler. Viktigt att förstå konvergens, fel och när metoderna kan misslyckas.