ルンゲクッタ法 となる微分方程式の解を数値的に解く方法.

Slides:



Advertisements
Similar presentations
1 高速フーリエ変換 (fast Fourier transform). 2 高速フーリエ変換とは? – 簡単に言うとフーリエ変換を効率よく計算 する方法 – アルゴリズムの設計技法は分割統治法に基 づいている 今回の目的は? – 多項式の積を求める問題を取り上げ、高速 フーリエ変換のアルゴリズムを用いた解法.
Advertisements

Absolute Orientation. Absolute Orientation の問題 二つの座標系の間における剛体 (rigid body) 変換を復元す る問題である。 例えば: 2 台のステレオカメラから得られた3次元情報の間の関 係を推定する問題。 2 台のステレオカメラから得られた3次元情報の間の関.
2. 数値微分法. 数値微分が必要になる場合として、次の 2 つが考えられる。 関数が与えられていて、その微分を近似的に計算する。 (数値微分の精度が十分で、かつ、計算速度が数値微分の方が 早い場合など。) 離散的な点の上で離散的なデータしかわかっていない関数の微 分を近似的に計算する。(偏微分方程式の数値解を求めたい時.
1 設計基礎コース もう一度学ぶ材料力学の基礎 座屈 ( Buckling ) 長軸に軸方向圧縮力を作用させると、ある荷 重で急に軸が曲がる。 この急に曲がる荷重条件を探る。 X の位置での曲げモーメントは たわみの微分方程式は.
情報基礎実習 I (第6回) 木曜4・5限 担当:北川 晃. Stream クラスを用いたファイルの接続 … Dim インスタンス名 As New IO.StreamReader( _ “ ファイルの絶対パス ”, _ System.Text.Encoding.Default) … s = インスタンス名.
Determining Optical Flow. はじめに オプティカルフローとは画像内の明る さのパターンの動きの見かけの速さの 分布 オプティカルフローは物体の動きの よって変化するため、オプティカルフ ローより速度に関する情報を得ること ができる.
数理統計学(第ニ回) 期待値と分散 浜田知久馬 数理統計学第2回.
有限差分法による 時間発展問題の解法の基礎
電磁気学C Electromagnetics C 7/27講義分 点電荷による電磁波の放射 山田 博仁.
プログラミング論 I 補間
Pattern Recognition and Machine Learning 1.5 決定理論
4.3 連立1次方程式   Ax = b   (23) と書くことができる。
★どんな2次方程式でも解けるようになろう! ★公式を覚えよう! ★これは覚えんばいかんぞ!
一次関数のグラフ(式を求めること) 本時の流れ ねらい「グラフや座標など与えられた条件をもとに一次 関数の式を求める。」 ↓
一次関数のグラフ(式を求めること) 本時の流れ ねらい「グラフや座標など与えられた条件をもとに一次 関数の式を求める。」 ↓
3 一次関数 1章 一次関数とグラフ §3 一次関数の式を求めること          (3時間).
電子物性第1 第5回 ー 原子の軌道 ー 電子物性第1スライド5-1 目次 2 はじめに 3 場所の関数φ 4 波動方程式の意味
スペクトル法による数値計算の原理 -一次元線形・非線形移流問題の場合-
1 次方程式 直線   と 軸が交わる点 解ける! 解析的に解ける(解析解)   または 厳密に解ける (厳密解)
Bassモデルにおける 最尤法を用いたパラメータ推定
重力3体問題の数値積分Integration of 3-body encounter.
シミュレーション論Ⅰ 第4回 基礎的なシミュレーション手法.
ランダムウォークに関するいくつかの話題 ・ランダムウォークの破産問題 ・ランダムウォークの鏡像原理 1 小暮研究会Ⅰ 11月12日
第二回 連立1次方程式の解法 内容 目標 連立1次方程式の掃出し法 初期基底を求める 連立1次方程式を掃出し法を用いてExcelで解析する
応用統計学の内容 推測統計学(inferential statistics)   連続型の確率分布   標本分布   統計推定   統計的検定.
4.2 連立非線形方程式 (1)繰返し法による方法
非線形方程式の近似解 (2分法,はさみうち法,Newton-Raphson法)
2008年6月12日 非線形方程式の近似解 Newton-Raphson法
需要の価格弾力性 価格の変化率と需要の変化率の比.
数楽(微分方程式を使おう!) ~第4章 他分野への応用(上級編)~
電気回路Ⅱ 演習 特別編(数学) 三角関数 オイラーの公式 微分積分 微分方程式 付録 三角関数関連の公式
誤差の二乗和の一次導関数 偏微分.
第6章 カーネル法 修士2年 藤井 敬士.
情報科学 第6回 数値解析(1).
© Yukiko Abe 2014 All rights reserved
 統計学講義 第11回     相関係数、回帰直線    決定係数.
数値積分.
応用統計学の内容 推測統計学(inferential statistics)   連続型の確率分布   標本分布   統計推定   統計的検定.
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
Selfish Routing and the Price of Anarchy 4.3
原子動力工学特論 レポート1 交通電子機械工学専攻 齋藤 泰治.
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 報告書の作成 標本デザイン、データ収集
ねらい「二次方程式の解き方を理解する。」
二次方程式の解き方 ねらい「二次方程式を、平方根を利用して解くことができる。」 本時の流れ ↓ 前時の復習でax2=bの解き方を確認する。
パターン認識特論 担当:和田 俊和 部屋 A513 主成分分析
© Yukiko Abe 2015 All rights reserved
第4章 識別部の設計 4-5 識別部の最適化 発表日:2003年5月16日 発表者:時田 陽一
最尤推定・最尤法 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
1:Weak lensing 2:shear 3:高次展開 4:利点 5:問題点
回帰分析(Regression Analysis)
解析学 ー第9〜10回ー 2019/5/12.
情報科学 第6回 数値解析(1).
確率と統計2007(最終回) 平成20年1月17日(木) 東京工科大学 亀田弘之.
C:開放,L:短絡として回路方程式を解く
確率論・数値解析及び演習 (第7章) 補足資料
構造方程式ゼミナール 2012年11月14日-11月21日 構造方程式モデルの作成.
2008年6月5日 非線形方程式の近似解 2分法,はさみうち法,Newton-Raphson法)
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
パターン認識特論 カーネル主成分分析 和田俊和.
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年8月1日 3.2 競合学習
確率的フィルタリングを用いた アンサンブル学習の統計力学 三好 誠司 岡田 真人 神 戸 高 専 東 大, 理 研
Cプログラミング演習 ニュートン法による方程式の求解.
How shall we do “Numerical Simulation”?
プログラミング演習I 数値計算における計算精度と誤差
3 一次関数 1章 一次関数とグラフ §4 方程式とグラフ         (3時間).
確率的フィルタリングを用いた アンサンブル学習の統計力学 三好 誠司 岡田 真人 神 戸 高 専 東 大, 理 研
信号データの変数代入と変数参照 フィードバック制御系の定常特性 フィードバック制御系の感度特性
コンピュータの高速化により, 即座に計算できるようになってきたが, 手法的にはコンピュータ出現以前に考え出された 方法が数多く使われている。
弾力性 労働経済学.
8.数値微分・積分・微分方程式 工学的問題においては 解析的に微分値や積分値を求めたり, 微分方程式を解くことが難しいケースも多い。
Presentation transcript:

ルンゲクッタ法 となる微分方程式の解を数値的に解く方法

x=x0におけるyの値y0がわかっているときy(x0+h)のx0におけるテイラー展開は 次のようになる。 ルンゲクッタ法 x=x0におけるyの値y0がわかっているときy(x0+h)のx0におけるテイラー展開は 次のようになる。

ルンゲクッタ法 hのn次の項まで打ち切ると、 x1=x0+hのときのy1を求めることができる。 このときの誤差は、O(hn+1)となり、hのn+1乗に比例した誤差となる。 hが小さいほど、誤差も小さくなる。

ルンゲクッタ法 n=1のとき、オイラー法になる。 hの値が大きいと誤差も大きくなる。 できるだけ小さいhを求めた方が 精度よく計算できる。 そのときには計算回数が大きくなる。

ルンゲクッタ法 大きいn次まで採用→誤差は小さくなる 一回の計算に必要な処理が大きくなってしまう。 n次の導関数の算出が出来ない場合もある。      一回の計算に必要な処理が大きくなってしまう。      n次の導関数の算出が出来ない場合もある。 ↓   x0とx1の中間のxにおける値を計算し、   それらの重み付き平均を用いることで、   テイラー展開した場合とおなじ次数までをカバーする             →ルンゲクッタ法

ルンゲクッタ法 ルンゲクッタ法 2次の場合 が成り立つとする。 ここで、φはx0とx1の中間のxにおけるf(x)の値k1とk2の重み付き平均 ルンゲクッタ法 2次の場合 式(1) が成り立つとする。 ここで、φはx0とx1の中間のxにおけるf(x)の値k1とk2の重み付き平均

ルンゲクッタ法 ルンゲクッタ法 2次の場合 k2に2変数関数のテイラー展開をして2次以上を無視すると、 これを式(1)に代入すると 式(2)

ルンゲクッタ法 ルンゲクッタ法 2次の場合 2次までのテイラー展開の式 式(3)

ルンゲクッタ法 ルンゲクッタ法 2次の場合 式(2) 式(3) 式(2)と式(3)が等しく条件は、w1+w2=1, w2a=w2b=1/2

ルンゲクッタ法 ルンゲクッタ法 2次の場合 数値計算的なf(x,y)の2変数導関数fx(x,y)、fy(x,y)を直接算出する代わりに ルンゲクッタ法 2次の場合 数値計算的なf(x,y)の2変数導関数fx(x,y)、fy(x,y)を直接算出する代わりに f(x,y)の重み付き平均で求めることができる。 w2=1の場合、 2次のルンゲクッタ公式(修正オイラー法)