Tilbake
8.2
Lineær programmering

8.2 Lineær programmering

Optimering med lineære betingelser og grafisk løsning.

55 min
19 oppgaver
Lineær programmeringTillatt områdeHjørnepunktMålfunksjonOptimering
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 19 oppgaver
Kapitlets plass i kurset

Kvifor numeriske metodar?

Mange likningar kan ikkje løysast eksakt med algebra. Til dømes har x=cosxx = \cos x inga analytisk løysing. Numeriske metodar gjev oss tilnærma løysingar med vilkårleg nøyaktigheit.

Vi ser på tre viktige metodar:
1. Halveringsmetoden - enkel og påliteleg
2. Newtons metode - rask og kraftig
3. Numerisk integrasjon - rekne ut areal når vi ikkje finn den antideriverte

Halveringsmetoden (biseksjonsmetoden)

Halveringsmetoden byggjer på skjeringspunktsetninga: Dersom ff er kontinuerleg på [a,b][a, b] og f(a)f(a) og f(b)f(b) har motsett forteikn, finst det minst eitt nullpunkt i intervallet.

Algoritme:
1. Start med eit intervall [a,b][a, b] der f(a)f(a) og f(b)f(b) har motsett forteikn
2. Rekn ut midtpunktet m=a+b2\displaystyle m = \frac{a + b}{2}
3. Rekn ut f(m)f(m)
4. Dersom f(m)=0f(m) = 0 (eller nær nok): ferdig!
5. Dersom f(a)f(a) og f(m)f(m) har motsett forteikn: nullpunktet er i [a,m][a, m]
6. Elles: nullpunktet er i [m,b][m, b]
7. Gjenta frå steg 2 med det nye intervallet

Halveringsmetoden

Gitt ff kontinuerleg på [a,b][a, b] med f(a)f(b)<0f(a) \cdot f(b) < 0:

1. Rekn ut m=a+b2\displaystyle m = \frac{a+b}{2}
2. Dersom f(a)f(m)<0f(a) \cdot f(m) < 0: nytt intervall [a,m][a, m]
3. Elles: nytt intervall [m,b][m, b]
4. Gjenta til ba|b - a| er liten nok

Etter nn halveringar er feilgrensa: ba2n\displaystyle \frac{b - a}{2^n}

✏️Eksempel 1: Halveringsmetoden

Finn nullpunktet til f(x)=x32x5f(x) = x^3 - 2x - 5 i intervallet [2,3][2, 3] med 4 halveringar.

f(2)=845=1<0f(2) = 8 - 4 - 5 = -1 < 0, f(3)=2765=16>0f(3) = 27 - 6 - 5 = 16 > 0. Motsett forteikn ✓

Halvering 1: m=2,5m = 2{,}5, f(2,5)=15,62555=5,625>0f(2{,}5) = 15{,}625 - 5 - 5 = 5{,}625 > 0. Nytt: [2,2,5][2, 2{,}5]

Halvering 2: m=2,25m = 2{,}25, f(2,25)=11,394,55=1,89>0f(2{,}25) = 11{,}39 - 4{,}5 - 5 = 1{,}89 > 0. Nytt: [2,2,25][2, 2{,}25]

Halvering 3: m=2,125m = 2{,}125, f(2,125)=9,604,255=0,35>0f(2{,}125) = 9{,}60 - 4{,}25 - 5 = 0{,}35 > 0. Nytt: [2,2,125][2, 2{,}125]

Halvering 4: m=2,0625m = 2{,}0625, f(2,0625)8,774,1255=0,35<0f(2{,}0625) \approx 8{,}77 - 4{,}125 - 5 = -0{,}35 < 0. Nytt: [2,0625,2,125][2{,}0625, 2{,}125]

Nullpunktet er ca. x2,09x \approx 2{,}09. Feilgrense: 124=0,0625\displaystyle \frac{1}{2^4} = 0{,}0625.

📝Oppgave 1

Vis at f(x)=x23f(x) = x^2 - 3 har eit nullpunkt i intervallet [1,2][1, 2]. Utfør 3 halveringar.

📝Oppgave 2

Bruk halveringsmetoden til å finne ei løysing av cosx=x\cos x = x (dvs. nullpunkt til f(x)=cosxxf(x) = \cos x - x) i [0,1][0, 1] med 4 halveringar. (Bruk kalkulator.)

📝Oppgave 3

Kor mange halveringar trengst for å få feilgrense under 0,0010{,}001 når startintervallet er [0,1][0, 1]?

Newtons metode

Newtons metode er raskare enn halveringsmetoden, men krev at vi kan derivere ff.

Idé: Frå eit startpunkt x0x_0 trekkjer vi tangentlinja til ff og finn der tangenten kryssar xx-aksen. Dette gjev eit nytt, betre estimat x1x_1.

Newtons metode
Gitt ein startverdi x0x_0 nær eit nullpunkt til ff:

xn+1=xnf(xn)f(xn)x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}

Metoden konvergerer vanlegvis svært raskt (talet på korrekte siffer blir dobla for kvart steg).

Føresetnader:
- ff må vere deriverbar
- f(xn)0f'(x_n) \neq 0
- Startverdien må vere nær nok nullpunktet

✏️Eksempel 2: Newtons metode

Finn 2\sqrt{2} ved å løyse f(x)=x22=0f(x) = x^2 - 2 = 0 med Newtons metode. Start med x0=1x_0 = 1.

f(x)=x22f(x) = x^2 - 2, f(x)=2xf'(x) = 2x.

xn+1=xnxn222xnx_{n+1} = x_n - \frac{x_n^2 - 2}{2x_n}

Steg 1: x1=1122=1+0,5=1,5\displaystyle x_1 = 1 - \frac{1 - 2}{2} = 1 + 0{,}5 = 1{,}5

Steg 2: x2=1,52,2523=1,50,0833=1,4167\displaystyle x_2 = 1{,}5 - \frac{2{,}25 - 2}{3} = 1{,}5 - 0{,}0833 = 1{,}4167

Steg 3: x3=1,41672,00722,833=1,41670,0025=1,4142\displaystyle x_3 = 1{,}4167 - \frac{2{,}007 - 2}{2{,}833} = 1{,}4167 - 0{,}0025 = 1{,}4142

Etter berre 3 steg har vi 21,4142\sqrt{2} \approx 1{,}4142, korrekt til 4 desimalar!

📝Oppgave 4

Bruk Newtons metode med x0=2x_0 = 2 for å finne nullpunktet til f(x)=x32x5f(x) = x^3 - 2x - 5. Utfør 3 iterasjonar.

📝Oppgave 5

Bruk Newtons metode til å finne 103\sqrt[3]{10} (dvs. løys x3=10x^3 = 10). Start med x0=2x_0 = 2, utfør 3 iterasjonar.

📝Oppgave 6

Forklar geometrisk kva Newtons metode gjer. Kvifor konvergerer han raskare enn halveringsmetoden? Når kan han feile?

Numerisk integrasjon

Nokre gonger kan vi ikkje finne den antideriverte analytisk. Då bruker vi numerisk integrasjon for å tilnærme abf(x)dx\int_a^b f(x)\,dx.

Grunnidéen er å dele arealet under kurva inn i enkle geometriske figurar (rektangel eller trapes) og summere areala.

Trapesmetoden
Vi deler [a,b][a, b] inn i nn like store delintervall med breidd h=ban\displaystyle h = \frac{b-a}{n} og punkt x0=a,x1,x2,,xn=bx_0 = a, x_1, x_2, \ldots, x_n = b.

Trapesformelen:
abf(x)dxh2[f(x0)+2f(x1)+2f(x2)++2f(xn1)+f(xn)]\int_a^b f(x)\,dx \approx \frac{h}{2}\bigl[f(x_0) + 2f(x_1) + 2f(x_2) + \cdots + 2f(x_{n-1}) + f(x_n)\bigr]

Jo fleire delintervall (nn), desto betre tilnærming.

✏️Eksempel 3: Trapesmetoden

Rekn ut 01ex2dx\int_0^1 e^{-x^2}\,dx med trapesmetoden og n=4n = 4.

h=104=0,25\displaystyle h = \frac{1-0}{4} = 0{,}25. Punkt: x0=0x_0=0, x1=0,25x_1=0{,}25, x2=0,5x_2=0{,}5, x3=0,75x_3=0{,}75, x4=1x_4=1.

xix_if(xi)=exi2f(x_i) = e^{-x_i^2}
01
0,25e0,06250,9394e^{-0{,}0625} \approx 0{,}9394
0,5e0,250,7788e^{-0{,}25} \approx 0{,}7788
0,75e0,56250,5698e^{-0{,}5625} \approx 0{,}5698
1e10,3679e^{-1} \approx 0{,}3679

I0,252[1+2(0,9394)+2(0,7788)+2(0,5698)+0,3679]I \approx \frac{0{,}25}{2}[1 + 2(0{,}9394) + 2(0{,}7788) + 2(0{,}5698) + 0{,}3679]
=0,125[1+1,8788+1,5576+1,1396+0,3679]=0,1255,94390,7430= 0{,}125 \cdot [1 + 1{,}8788 + 1{,}5576 + 1{,}1396 + 0{,}3679] = 0{,}125 \cdot 5{,}9439 \approx 0{,}7430
(Eksakt verdi: 0,7468\approx 0{,}7468. Feil: 0,5%0{,}5\,\%.)
📝Oppgave 7

Rekn ut 02x2dx\int_0^2 x^2\,dx med trapesmetoden og n=4n = 4. Samanlikn med eksakt verdi.

📝Oppgave 8

Rekn ut 131xdx\displaystyle \int_1^3 \frac{1}{x}\,dx med trapesmetoden og n=4n = 4. Samanlikn med eksakt verdi ln31,0986\ln 3 \approx 1{,}0986.

📝Oppgave 9

Farten til ein bil (km/h) blir målt kvart 10. sekund: 0, 25, 45, 60, 70, 75, 78. Bruk trapesmetoden til å estimere strekninga som er tilbakelagd i dei 60 sekunda. (Hugs å rekne om einingar.)

📝Oppgave 10

Kva skjer med nøyaktigheita i trapesmetoden når vi aukar talet på delintervall nn?

📝Oppgave 11

Bruk både halveringsmetoden (3 steg) og Newtons metode (2 steg) for å finne nullpunktet til f(x)=ex3xf(x) = e^x - 3x i [1,2][1, 2]. Samanlikn resultata.

📝Oppgave 12

Straumen gjennom ein krets blir målt kvart 0,1 sekund over 0,5 sekund: I(0)=0I(0)=0, I(0,1)=3,2I(0{,}1)=3{,}2, I(0,2)=5,1I(0{,}2)=5{,}1, I(0,3)=4,8I(0{,}3)=4{,}8, I(0,4)=2,9I(0{,}4)=2{,}9, I(0,5)=0,5I(0{,}5)=0{,}5 (ampere). Bruk trapesmetoden til å rekne ut total ladning Q=00,5I(t)dtQ = \int_0^{0{,}5} I(t)\,dt (i coulomb).

📝Oppgave 13

Rekn ut 0πsinxdx\int_0^{\pi} \sin x\,dx med trapesmetoden og n=6n = 6. Samanlikn med eksakt verdi 2.

📝Oppgave 14

Samanlikn halveringsmetoden og Newtons metode langs tre aksar: konvergenshastigheit, pålitelegheit og krav til funksjonen.

Oppsummering

I dette kapittelet har du lært:

- Halveringsmetoden: Finn eit intervall [a,b][a, b] med forteiknsskifte for ff, og halver intervallet gong på gong. Påliteleg, men langsam. Feilgrense: ba2n\displaystyle \frac{b-a}{2^n}.
- Newtons metode: xn+1=xnf(xn)f(xn)x_{n+1} = x_n - \dfrac{f(x_n)}{f'(x_n)} — svært rask når startverdien er god, men kan feile dersom f(xn)0f'(x_n) \approx 0.
- Trapesmetoden: Tilnærmar areal under graf med trapes: T=h2(f0+2f1++2fn1+fn)\displaystyle T = \frac{h}{2}\bigl(f_0 + 2f_1 + \ldots + 2f_{n-1} + f_n\bigr).
- Kvifor numerikk: Mange likningar og areal kan ikkje løysast eksakt — numeriske metodar gjev kontrollerbare tilnærmingar.

Nøkkelomgrep


OmgrepForklaring
HalveringsmetodenIntervallhalvering med forteiknstest
Newtons metodeTangentbasert iterasjon
TrapesmetodenNumerisk integrasjon
FeilgrenseGarantert maksimal feil

Viktige formlar


- Halvering: feil ba2n\leq \dfrac{b-a}{2^n}
- Newton: xn+1=xnf(xn)f(xn)x_{n+1} = x_n - \dfrac{f(x_n)}{f'(x_n)}
- Trapes: T=h2(f0+2f1++fn)T = \dfrac{h}{2}(f_0 + 2f_1 + \ldots + f_n)
Repetisjonsoppgåver
Din fremgang
0deloppgaver0 / 5 oppgaver

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.