I f - Lab4Inf
I f - Lab4Inf
I f - Lab4Inf
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Numerik in Java<br />
Einige wichtige numerische Methoden in Java<br />
Prof. Dr. Nikolaus Wulff
Ausgleichsrechnung,<br />
• Ziel der Ausgleichsrechnung ist es die unbekannten<br />
Parameter a=(a 1<br />
,...,a n<br />
) einer Funktion f an eine Reihe<br />
von (Mess)Daten (x m<br />
,y m<br />
) optimal anzupassen.<br />
• Hierzu wird die Methode der kleinsten Quadrate<br />
verwendet:<br />
2 =∑ m<br />
[ f a , x m − y m ] 2 =minimal<br />
• Dies führt auf die n Bedingungsgleichungen g k<br />
(a)<br />
g k a=∇ a 2 k ≡ ∂ 2<br />
∂ a k<br />
=0<br />
© Prof. Dr. Nikolaus Wulff Informatik III 2
Approximation<br />
• Außer bei Polynomen lassen sich die n Gleichungen<br />
meist nicht analytisch lösen.<br />
g k a=∑ m<br />
[f a , x m − y m ] ∂ f<br />
∂ a k<br />
=0<br />
• Eine iterative (Nährungs)Lösung lässt sich durch ein<br />
verallgemeinertes Newton-Verfahren finden:<br />
a n1 =a n −[∇ a g k a n ] −1 g k a n <br />
© Prof. Dr. Nikolaus Wulff Informatik III 3
Hesse-Matrix<br />
• Da die n Funktionen g k<br />
selbst bereits den Gradienten<br />
der Modellfunktion f enthalten führt dies auf die<br />
Berechnung der Hesse-Matrix H von χ 2 :<br />
∇ a j<br />
g k<br />
a= ∂<br />
∂ a j<br />
∑ m<br />
[f a, x m<br />
− y m<br />
] ∂ f<br />
∂ a k<br />
H jk =∑ m<br />
[ f a , x m − y m ]<br />
∂ 2 f<br />
∂ a j<br />
∂ a k<br />
∂ f<br />
∂ a j<br />
∂ f<br />
∂ a k<br />
• Deren Invertierung für das (naive) verallgemeinerte<br />
Newton-Verfahren erforderlich ist.<br />
© Prof. Dr. Nikolaus Wulff Informatik III 4
Numerische Optimierung<br />
• Anstatt die Hesse-Matrix zu invertieren bietet sich<br />
folgendes rekursives Newton-Verfahren an:<br />
H <br />
2a n a n1 −a n =−∇ a 2 a n <br />
• D. h. löse das entstehende Gleichungssystem<br />
H <br />
2a n y n1 =−∇ 2 a n <br />
• nach y n+1<br />
, was mit Hilfe des generischen LASolvers<br />
aus Info II geschehen kann und setze x n+1<br />
:= x n<br />
+ y n+1 .<br />
• Numerisch vorteilhaft ist insbesondere, dass die<br />
Hesse-Matrix symmetrisch ist.<br />
© Prof. Dr. Nikolaus Wulff Informatik III 5
Nichtlineare Gleichungssysteme<br />
• Die Lösung nichtlinearer Gleichungssysteme ist eine<br />
wichtige Aufgabenstellung der Numerik. Diese sind<br />
von der allgemeinen Form: f :U⊂R n R m<br />
f 1<br />
x 1<br />
,, x n<br />
=0<br />
f 2<br />
x 1<br />
,, x n<br />
=0<br />
⋮<br />
f m<br />
x 1<br />
,, x n<br />
=0<br />
• Die Sattelpunktmethode reduziert dies auf die Lösung<br />
des Problems g:U ⊂R n R<br />
m<br />
gx 1,<br />
, x n<br />
:= ∑<br />
j=1<br />
[f j<br />
x 1,<br />
, x n<br />
] 2 =0<br />
© Prof. Dr. Nikolaus Wulff Informatik III 6
Optimierung im R n<br />
• Ist als Zielfunktion eine Norm f =∥g∥:U ⊂R n R<br />
zu optimieren, so führt dies immer dazu die Nullstelle<br />
des Gradienten ∇ f zu bestimmen. Muss hierzu das<br />
Newton-Verfahren herangezogen werden, so enthält<br />
die Jakobi-Matrix die zweiten Ableitungen von f , ist<br />
also die Hesse-Matrix und die Iterationsvorschrift<br />
lautet:<br />
Bemerkung:<br />
x k1<br />
=x k<br />
−[ H f<br />
x k<br />
] −1 ∇ f x k<br />
<br />
• Neben den Konvergenzeigenschaften erweist sich<br />
hierbei die Inverse der Hesse-Matrix für große n als<br />
numerisch ungünstig.<br />
© Prof. Dr. Nikolaus Wulff Informatik III 7
Problemstellungen<br />
• Gesucht sind meistens optimale Lösungen.<br />
– Was heißt hier optimal...?<br />
• Gelingt es ein Problem mathematisch zu formulieren,<br />
so ist die optimale Lösung als das Minimum einer<br />
Kostenfunktion beschrieben.<br />
• Häufig reicht als Lösung eine Approximation aus, da<br />
– die Eingangsdaten nicht exakt vorliegen<br />
– nur ein vereinfachtes Modell vorliegt<br />
– das Modell mathematisch nicht geschlossen lösbar ist.<br />
• Die Lösung muss dann innerhalb einer vorgegebenen<br />
Fehlerschranke ε exakt sein.<br />
© Prof. Dr. Nikolaus Wulff Informatik III 8
Abstraktion<br />
• Computer bieten heute vielfältige Möglichkeiten,<br />
um komplizierte Prozesse steuern und regeln zu<br />
können. Häufig sind hierfür Methoden der<br />
Numerischen Mathematik notwendig:<br />
• Approximation von Funktionen.<br />
• Nullstellensuche von Funktionen<br />
f : C m C n<br />
• Bestimmung von Minima/Maxima von Funktionen.<br />
• Differentiation und Integration von Funktionen.<br />
• Lösung von (linearen) Gleichungssystemen.<br />
• Lösung von Differentialgleichungssystemen.<br />
© Prof. Dr. Nikolaus Wulff Informatik III 9
Normierte Räume<br />
• Ein linearer Raum V heißt normierter Raum, wenn<br />
jedem f V eine reelle Zahl || f || zugeordnet ist mit<br />
den Eigenschaften:<br />
∥ f ∥≥0 und ∥ f ∥=0⇔ f =0<br />
∥ f ∥=∣∣∥ f ∥<br />
∥ f g∥≤∥ f ∥∥g∥<br />
∈C<br />
• Bemerkung: Der Raum V muss nicht immer der<br />
sein, sondern auch Funktionenräume, wie die Menge<br />
der stetigen (p-mal differenzierbaren) Funktionen<br />
bilden „Räume“ : C X ,C p X <br />
R n<br />
© Prof. Dr. Nikolaus Wulff Informatik III 10
Beispiele von Normen<br />
• Bekannte Normen auf<br />
∥x∥ 1 :=∑ k =1<br />
∣x ∣ k<br />
n<br />
R n<br />
sind die „Manhatten Norm“<br />
• die euklidische Norm (per Skalarprodukt)<br />
∥x∥ 2 := 〈 x , x 〉= x T ⋅x= ∑ k =1<br />
• und die Maximumsnorm<br />
n<br />
x k<br />
2<br />
∥x∥ ∞ :=max ∣x 1 ∣,,∣x n ∣<br />
• allesamt Spezialfälle der generischen p-Norm<br />
n<br />
∥x∥ p :=∑ k =1<br />
∣x k ∣ p 1/ p<br />
© Prof. Dr. Nikolaus Wulff Informatik III 11
Normen für Funktionenraüme<br />
• Die Menge B(T) der beschränkten Funktionen f auf T<br />
∥ f ∥:=sup t∈T ∣ f t∣<br />
• Die Menge C(T) der stetigen Funktionen f auf<br />
kompakten T<br />
∥ f ∥:=max t ∈T ∣ f t∣<br />
• Die Menge L p (a,b) der auf dem Interval [a,b]<br />
meßbaren (integrierbaren) Funktionen<br />
b<br />
∥ f ∥ p :=∫ a<br />
∣ f t∣ p dt <br />
1/ p<br />
© Prof. Dr. Nikolaus Wulff Informatik III 12
Lineare Abbildungen<br />
• Ein Operator A heißt linear, wenn auf seiner<br />
Definitionsmenge für alle x,y und Skalare α gilt:<br />
Ax y =A x A y<br />
A x = A x<br />
• Z.B Differentiation auf C (1) (T):<br />
D x f =∇ f x <br />
D x<br />
f g =D x<br />
f D x<br />
g<br />
D x<br />
f =D x<br />
f<br />
• Oder Integration:<br />
I x f = I f x=∫ x<br />
f t dt<br />
I x f =∫ x f t dt= I x f <br />
I x<br />
f g =∫ x f t g t dt =I x<br />
f I x<br />
g <br />
© Prof. Dr. Nikolaus Wulff Informatik III 13