Sunteți pe pagina 1din 48

Calcul Numeric

Cursul 10

2011-2012



Anca Ignat

1
Algoritmul QR de aproximare a valorilor proprii ale unei
matrici oarecare

Prezentm n continuare cel mai folosit algoritm de aproximare
a valorilor proprii pentru matrici ptratice oarecare.

Spunem c o matrice
n n
S

e este n form Schur real dac
matricea S este n form superior Hessenberg i n plus este bloc-
diagonal:

11 12 1
22 2
0
p
p
pp
S S S
S S
S
S
| |
|
|
=
|
|
|
\ .


0

0

2

blocurile S
ii
sunt astfel ca:
-
ii
S e - este valoare proprie real
-
2 2
ii
S

e - este bloc corespunztor valorilor proprii
complexe
Valorile proprii corespunztoare blocului
2 2
ii
a b
S
c d

| |
= e
|
\ .




sunt rdcinile ecuaiei :


2
-
( - )( - ) - ( ) 0
- -
a b
a d bc a d ad bc
c d

= = + + =




Se presupune c aceast ecuaie de gardul 2 are rdcini
complexe.
3
Algoritmul QR de aproximare a valorilor proprii construiete un
ir de matrici
( ) k n n
A

e , matrici asemenea cu matricea A,
( )
,
k
A A k , ir care converge la o matrice n form Schur real,
( )
,
k
A S k . Matricea limit S este asemenea cu matricea
A, valorile prorii ale matricii S fiind uor de calculat. irul A
(k)
se
construiete astfel:
descomp. calc. pentru matricea
descomp. calc pentru matricea
descomp. calc pentru matricea
(0) (0) (0)
0 0
(1) (1) (1)
0 0 1 1
( 2)
1 1
( ) ( )
( 1)
: , ( )
: , ( . )
:
( . ) ,
:
k k
k k
k
A A A Q R QR A
A R Q A Q R QR A
A R Q
A Q R QR A
A
+
= =
= =
=
=
=




, 0,1, 2,
k k
R Q k =

4

Matricile Q
k
sunt matrici ortogonale (
1 T
k k
Q Q

= ) iar matricile R
k

sunt superior triunghiulare.

Matricile A
(k)
i A
(k+1)
sunt asemenea:

( ) ( )
( 1) ( ) ( 1) ( )
|
,
T k T k
k k k k k
k T k k k
k k k k
Q A Q R R Q A
A R Q Q A Q A A k
+ +
= =
= =
-



Matricile irului construit sunt toate asemenea prin urmare au
aceleai valori proprii anume cele ale matricii iniiale A= A
(0)
:

(0) (1) ( ) k
A A A A S =

5
Dac matricea A
(k)
este n form superioar Hessenberg, atunci
descompunerea QR realizat cu algoritmul lui Givens se
simplific. Reamintim algoritmul lui Givens:

1 1 1 1 1 1 12 12
( ) ( ) ( ) ( ) ( )
n n n n pn pn pp pp n n
R R R R R A R u u u u u
+ +
=

Dac matricea A este n form Hessenberg n algoritmul lui
Givens, din cele
( 1)
2
n n
nmuliri cu matrici de rotaie rmn
doar (n-1):

1 1 1 1 23 23 12 12
( ) ( ) ( ) ( )
n n n n pp pp
R R R R A R u u u u
+ +
= .

Problema care se pune este dac pornind cu o matrice n form
Hessenberg, toate matricile irului rmn n form Hessenberg:
6

n form Hessenberg) cu Givens)
este tot n form Hessenberg
( )
( 1) ( )
( ( ?
k
k T k T
A H QR
A H RQ Q A Q Q HQ
+
= =
= = = =

?



Avem:

12 12 1 1 1 1
( ) ( ) ( )
T T T T
rr rr n n n n
H Q HQ R R R R u u u
+ +
= =

Notm cu:
12 12
( )
T
R R R u =
pentru care avem:

7
1 1 2 1 1
2 1 2 2 2
, 0, 2, , 0, 3, ,
, 0, 3, , 0, 3, ,
i i i i i
i i i i i
r cr sr i r i n r i n
r sr cr i r i n r i n
= + = = = =


= + = = = =




+



deci coloana 1 se transform n form Hessenberg iar coloana 2
rmne n form suprior triunghiular.

La pasul p avem:

( )
12 12 1 1 1 1 1 1
12 12 1 1
( ) ( ) ( ) ( ) ,
( ) ( )
T T T T
p p p p pp pp pp pp
T T
p p p p
R R R R R R R
R R R R
u u u u
u u
+ + + +

= =
=






matricea

R are primele (p-1) coloane n form Hessenberg iar


8
restul coloanelor sunt n form superior triunghiular. Vom arata
c la acest pas matricea R va avea primele p coloane n form
Hessenberg iar restul coloanelor n form superior triunghiular.
Operaia
1 1
( )
T
pp pp
R R R u
+ +

:= presupune doar schimbarea


elementelor coloanelor p i p+1:

1
1 1 1
1
, 0, 1, ,
, 0, 2, ,
0, 2, ,
0, 2, ,
ip ip ip ip
ip ip ip ip
ip
ip
r cr sr i r i p n
r sr cr i r i p n
r i p n
r i p n
+
+ + +
+
= + = = +




= + = = +


= = +

= = +


+




.



9

Observm din relaia de mai sus c n matricea R coloana p are
form Hessenberg iar coloana p+1 rmne n form superior
triunghiular (celelalte elemente din matrice nu se modific).
Prin urmare dup pasul n-1 matricea
( 1) k
H A
+
= este n form
superioar Hessenberg. Algoritmul QR de aproximare a valorilor
proprii folosind descompunerea Givens pstreaz forma
Hessenberg.







10

Algoritmul QR pentru valori proprii

se aduce matricea la forma Hessenberg
while forma Schur real
se ca
;
0;
( )
; / /
T
A
A Q AQ
k
A
A QR
-
- =
- =
- =
/ /
=




lculeaz cu algoritmul Givens
sau ;
1;
T
A RQ Q AQ
k k

- =

- = +








11
n practic se presupune c matricea A este n form
Hessenberg neredus, adic:

1
0 2, ,
ii
a i n

= =

Dac matricea nu este n form neredus, problema se
decupleaz:

sau
11 12
21 22
, 1 2
A A
p
A p n n
A A n p
p n p
(
= =
(









12
Algoritmului QR cu deplasare (shift) simpl

Algoritmul cu deplasare simpl este urmtorul:

aducerea la forma Hessenberg neredus
while forma Schur real
se calc cu alg.
;
0;
( )
; / / .
T
k n
A Q AQ
k
A
A d I QR
- =
- =
- =
- =
/ /




Givens
: ;
1;
k n
A RQ d I
k k

- = +

- = +





k
d e sunt constantele de deplasare.
13
Dac A - d I
n
= QR (A
(k)
) i
n
A RQ d I + = ( A
(k+1)
), se pune
problema dac cele dou matrici sunt asemenea ( A A ) (irul de
matrici construit cu pasul QR cu deplasare simpl au aceleai
valori proprii).

( )
T T T T
n
A Q QRQ d Q Q Q QR d I Q Q AQ A A = + = + =

Varianta cu deplasare se efectueaz pentru a accelera
convergena algoritmului. Dac
1
,
2
,...,
n
sunt valorile proprii
ale matricii A ordonate astfel ca:

1 2 n
d d d > > >


14
Rapiditatea cu care
( )
1
0 ,
k
p p
a k
+
este dat de rata de
convergena a expresiei
1
k
p
p
d
d

. Dac se alege
n
d ~
convergena
( )
1
0
k
n n
a

este rapid. Avem urmtoarul rezultat:

Teorem
Fie d o valoare proprie a unei matrici Hessenberg nereduse H.
Dac
n
H RQ d I = + , cu
n
H d I QR = descompunerea QR a
matricii
n
H d I QR = . Atunci:
1
0 ,
nn nn
h h d

= =


15
Alg. QR cu deplasare simpl gs. val. proprie d ntr-un sg. pas.
Euristic s-a constatat c la fiecare pas, cea mai bun aproximare a
unei valori proprii este
( ) k
nn
a .
( ) k
k nn
d a =
Algoritmul QR cu deplasare simpl
aducerea la forma Hessenberg neredus
while forma Schur real
se calc cu algoritmul Given
;
0;
( )
; / / .
T
nn n
A Q AQ
k
A
A a I QR
-
- =
- =
- =
= / /




s
: ;
1;
nn n
A RQ a I
k k

- = +

- = +




16
Algoritmului QR cu deplasare (shift) dubl

n cazul cnd valorile proprii a
1
, a
2
corespunztoare blocului:

, 1
pp pn
np nn
a a
G p n
a a
(
= =
(
(






sunt complexe,
1 2
, a a e, abordarea cu deplasare simpl nu mai
asigur accelerarea convergenei. Avem:

2 1 2
2 2
1 2 1 2
det( ) ( )( ) ( )( )
( ) ( )
pp nn pn np
pp nn pp nn pn np
I G a a a a a a
a a a a a a a a a a


= = =
= + + = + +




17
1 2 1 2
( ) , det
pp nn pp nn pn np
a a a a trace G a a a a a a G + = + = = =

Algoritmul QR cu deplasare dubl const n trecerea de la
matricea A = A
(k)
la matricea A
2
= A
(k+1)
realiznd doi pai cu
deplasare simpl :
A A
1
(deplasare simpl a
1
), A
1
A
2
(deplasare simpl a
2
)
1 1 1
1 1 1 1
1 2 2 2
2 2 2 2
n
n
n
n
A a I Q R
A R Q a I
A a I Q R
A R Q a I
=
+
=
+

=
=


Fie matricea :
18

( ) ( ) ( ) ( )
( )
( ) ( ) ( )
1 2 2 1 1 2 2 1 1 1 2 1
1 1 1 2 1 1 1 1 1 2 1 1
2 1 1 2 1
:
n
T T
n
n n n
M Q Q R R Q Q R R Q A a I R
Q Q AQ a I R Q Q AQ R a Q R
A a I Q R A a I A a I
= = =
=
=
=
= =
=

( ) ( ) ( ) ( )
1 2 2 1 2 1
2
1 2 1 2
( )
n n
n
M Q Q R R A a I A a I
A a a A a a I
= = =
= + +




Avem urmtoarele relaii de asemnare:

( ) ( )
( ) ( )
1 1 1 2 2 1 2 2 1 1 2 1 2 1 2
2 1 2 1 2 1 2
, :
T
T T T T
T
T
A A Q AQ A Q AQ Q Q AQ Q Q Q A Q Q
A Q Q A Q Q Q AQ Q Q Q
= = = =
= = =



19
Matricea Q care asigur trecerea de la matricea A la matricea A
2

este matricea ortogonal din descompunerea QR a matricii
( ) ( )
2 1 n n
M A a I A a I = . Pasul QR cu deplasare dubl se face
urmnd etapele:
1) se calculeaz matricea
2
n
M A s A qI = + cu

s = a
1
+a
2
= a
pp
+a
nn
, q = a
1
a
2
= a
pp
a
nn
- a
pn
a
np
;

2) se calculeaz descompunerea QR a matricii M;

3) A
2
:=Q
T
AQ.

20
Vectori proprii

Considerm dou matrici asemenea A i B:
matrice nesingular
1
, A B A PBP P

=
tim c cele dou matrici au acelai polinom caracteristic,
( ) ( )
A B
p p , deci au aceleai valori proprii. Ne intereseaz
care este legtura ntre vectorii proprii asociai aceleiai valori
proprii. Fie u vector propriu asociat valorii proprii pentru
matricea A i w vector propriu asociat valorii proprii pentru
matricea B. Care este relaia ntre u i w?

21
1 1
1 1 1
, ,
,
Au u Bw w A PBP PBP u u
BP u P u w P u u Pw



= = = =
= = =




Dac se aplic algoritmul QR unei matrici simetrice, forma Schur
real la care se ajunge este o matrice diagonal:
S = = diag[
1
,
2
, ...,
n
]
Legtura dintre matricea simetric iniial A i matricea
diagonal este de forma:

S = = diag[
1
,
2
, ...,
n
] = U
T
A U

unde U este o matrice ortogonal, coloanele matricii U fiind
vectori proprii asociai valorilor proprii reale
1
,
2
, ...,
n
.
Matricea U se poate calcula astfel:
22
Algoritmul QR pentru matrici simetrice (valori +vectori proprii)

se aduce matricea la forma Hessenberg


;
;
0;
while ( matricediagonal )
; / /
T
T
A
A Q AQ
U Q
k
A
A QR
-
- =
- =
- =
- =
/ /
=




se calculeaz cu algoritmul Givens
sau AQ;
;
1;
T
A RQ Q
U UQ
k k

- =

- =

- = +







23
Descompunerea dup valori singulare
(Singular Value Decomposition)

Teorem
Fie
m n
A

e . Atunci exist o matrice ortogonal ptratic de
dimensiune m,
m m
U

e , o matrice ortogonal ptratic de
dimensiune n,
n n
V

e i constantele pozitive:

o
1
> o
2
> . > o
r
>0, r s min{m,n} a..
( )
( ) ) ( )
1
0
, , ,
0 0
, diag , ,
r n r
T m n
m r r m r n r
r r
r
D
A U V
D D o o

(
= E Ee E =
(
(

e = . (

(




(1)

Constanta r este chiar rangul matricii A, r = rang(A).
24
Constantele o
1
, o
2
, . , o
r
poart numele de valori singulare ale
matricii A.
Folosind relaia (1) avem:

( )
2
( )
( ) ( ) ( )
,
,
0
0 0
T
T T T T
T T T T T T T
m
r m r
T m m
m
m r r m r m r
A U V V U
AA U V V U U U U U
D



= E = E
E E EE A
(
A = EE = e
(
(



= = =





2
( )
( ) ( ) ( )
,
0
0 0
T T T T T T T
n
r n r
T n n
n
n r r n r n r
A A V U U V V V V V
D



E E E E A
(
A = E E = e
(
(

= = =



25

innd cont de ortogonalitatea matricilor U i V, putem rescrie
relaiile de mai sus astfel:

2 2 2
1 2
2 2 2
1 2
( ) , diag , , , , 0, , 0
( ) , diag , , , , 0, , 0
T m m
m m r
T n n
n n r
AA U U
A A V V
o o o
o o o

(
= A A = e

(
= A A = e







Din aceste relaii deducem c
2 2 2
1 2
, , ,
r
o o o sunt valorile proprii
strict pozitive ale matricilor AA
T
i/sau A
T
A iar matricile U i V
sunt matrici ale cror coloane sunt vectorii proprii asociai (cei ce
formeaz baze ortonormate). Matricile AA
T
i A
T
A sunt matrici
26
simetrice:

( ) ( ) ( ) ( )
,
T T T T
T T T T T T T T
AA A A AA A A A A A A = = = =

i au toate valorile proprii nenegative:
( ) ( )
( )
( )
( )
2
2
2
2
, ,
, ,
0
,
T T
T T T
AA u u AA u u u u
A u A u A u
u u
u

= =
= = >



Putem folosi descompunerea dup valori singulare pentru a
defini pseudo-inversa unei matrici oarecare
m n
A

e (n=m).

27
( ) ( )
1 1
1 1 1 1
? ? ?
,
T T T T
A U V A U V V U V U


= E = E = E = E

Rmne de definit matricea
1
?

E . Urmnd acest raionament se


definete pseudoinversa Moore-Penrose a unei matrici
m n
A

e
astfel:
1
( )
( ) ) ( )
1 1
1
, , ,
0
1 1
, diag , , .
r m r
I I T I n m I n m
n r r n r m r
r r
r
D
A V U A
D D
o o





(
= E e E = e
(
(

(
e = .
(

(
0

0


Pseudoinversa definit mai sus satisface urmtoarele proprieti:

28
( ) ( ) ( )
, ; ,
I I T
I m n T I m n
A A A A A A

= e e =
,
I I I I
AA A A A AA A = =
Exist o proprietate care nu mai este satisfcut de psudoinvers
dei este respectat de inversa clasic:

( )
. , a.
I
I I
A B AB B A - = .
Descompunerea dup valori singulare poate fi utilizat i pentru
rezolvarea sistemelor liniare cu matrici oarecare (mn)

, , , :
m n m I n
Ax b A b x A b

= e e = e .




29
Problema celor mai mici ptrate

, , ,
m n m n
A b Ax b x

e e = e (1)

11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
1 1 2 2
=
=
=
=
n n
n n
i i in n i
m m mn n m
a x a x a x b
a x a x a x b
a x a x a x b
a x a x a x b
+ + +
+ + +
+ + +
+ +





30
Sistemul are soluii clasice dac:

rang A = rang [A | b]

- m < n - o infinitate de soluii
- m n
- dac rang A = rang [A | b] soluii clasice
- dac rang A rang [A | b] soluii n sensul celor mai mici
ptrate

Vectorul reziduu:

( )
m
r x b Ax = e


31
Vectorul
n
x e se numete soluie n sensul celor mai mici
ptrate pentru sistemul (1) dac este soluia urmtoarei probleme
de optimizare:


2 2
2 2
min{ ( ) ; }
n
r x b Ax x = e (LSP)

3 2
1 4 0
2 5 , 0 , 3, 2
3 6 1
A b m n

( | |
| (
= e = = =
| (
|
(
\ .


rang A = 2 rang [A | b] = 3



32
Sistemul:

1 2
1 2
1 2
4 0
2 5 0
3 6 1
x x
x x
x x
+ =
+ =
+ =
(2)

nu are soluie clasic (nu exist x
1
, x
2
care s satisfac toate cele
3 ecuaii simultan). Vectorul reziduu are forma:

1 2
1
1 2
2
1 2
0 1 4 4
( ) 0 2 5 2 5
1 3 6 1 3 6
x x
x
r x b Ax x x
x
x x

| | | | (
| |
| | (
= = =
|
| | (
\ .
| |
(
\ . \ .


Soluia n sensul celor mai mici ptrate a acestui sistem este
definit ca soluia problemei de optimizare:
33

( )
2
2 2
1 2 1 2 1 2 1 2
min{( 4 ) ( 2 5 ) 1 3 6 ; , } x x x x x x x x + + e

2 2
1 2 1 2 1 2 1 2
min{1 6 12 64 14 77 ; , } x x x x x x x x + + + e

Aceast problem de minimizare are soluia:

1 2
13 2 1
, , ( )
18 9 6
x x r x = = =

i este soluia n sensul celor mai mici ptrate a sistemului (2).

( )
1 2
1 2
range A { y ; , , 1, }
m n
n i
y a A a A a A a i n = e = + + + e =

34
1 2
, sunt coloanele matricii
n i m
A A A A A A
(
= e


Teorem

Fie ( ),
m n m
A m n b

e > e . Un vector
n
xe minimizeaz
norma euclidian a vectorului reziduu ||r(x)||
2
=||b-Ax||
2
,
rezolvnd problema (LSP), dac i numai dac:

( ) range( ) ( ) 0
T
r x A A r x =

sau echivalent

T T
A Ax A b = (3)


35
Sistemul (3) poart numele de sistemul de ecuaii normale i
este un sistem ptratic de dimensiune n, matricea sistemului
T n n
A A

e este simetric. Sistemul de ecuaii normale (3) este
nesingular dac i numai dac rangA = n, n acest caz soluia x a
sistemului (3) este unic.
det 0 rang
T
A A A n = =

1 4
14 32 3
2 5 , ,
32 77 6
3 6
T T
A A A A b
(
( | |
(
= = =
| (
(
\ .
(



36
1 2
1 2
1 2
14 32 3
13 2
,
32 77 6 18 9
x x
x x
x x
+ =
= =
+ =


Pseudo-inversa matricii A

Presupunem c A are rang A = n. Atunci pseudo-inversa poate fi
definit ca:

( )
1
T T n m
A A A A

+
= e ( ?)
I
A A
+
=

1
14 32 1 2 3
*
32 77 4 5 6
A

+
( (
=
( (



37
Rezolvarea sistemului de ecuaii normale

1) Folosind factorizarea Cholesky (descompunere LU) pentru
matrici simetrice:
, matrice inferior triunghiular
T T n n
A A LL L

= e
- Se calculeaz matricea A
T
A i vectorul A
T
b;
- Se calculeaz factorizarea Cholesky a matricii A
T
A=LL
T
;
- Se rezolv sistemul inferior triunghiular Ly= A
T
b pentru y;
- Se rezolv sistemul superior triunghiular L
T
x= y pentru x;


38
2) Se calculeaz descompunerea QR (cu algoritmul lui
Householder adaptat) pentru matricea A:
( )
, matrice ortogonal , ,
, matrice superior triunghiular
0
m m m n
n n
m n n
A QR Q R
R
R R


= e e
(
e
=
(


- Se calculeaz factorizarea QR modificat a matricii A;
- Se calculeaz vectorul Q
T
b ;
- Se rezolv sistemul sup. triunghiular
( )
1,
T
i n
Rx Q b
=
= ;

39
3) Se folosete desc. dup valori singulare a matricii A
, , ,
T m n m m n n
A U V U V

= E Ee e e
- Se calculeaz SVD pentru matricea A=UV
T
;
- Se calculeaz vectorul U
T
b;
- Se rezolv sistemul diagonal w = U
T
b pentru w;
- Soluia este x=Vw;

1), 2) sau 3) ? se recomand 2)



40
Rezolvarea ecuaiilor neliniare

Fie :[ , ] f a b o funcie continu pe intervalul [a,b]
astfel ca f(a)f(b) < 0. n aceste condiii, exist x
*
e(a,b) astfel ca
f(x
*
)=0. n cele ce urmeaz ne propunem s aproximm soluia x
*

a ecuaiei neliniare f(x)=0.


41


Metoda biseciei (a njumtirii intervalului)

Pp. f(a)f(b) < 0!!! Pentru a aproxima soluia x
*
cutat, vom
construi un ir de intervale {[ , ]; 0}
k k
a b k > ce satsifac:
1 1
1 1
,
, ,
2
k k
k k k k
k k
k k
x a b
a b a b
b a
b a
-
+ +
+ +
e (

c ( (

=





Pentru primul interval vom considera:
0 0
, , 0 a a b b k = = = .

42
Considerm punctul c de mijloc al intervalului [a
k
,b
k
]:
k k
a b
c
+
=
2

Avem urmtoarele 3 variante:
1. f(c)=0 - soluia cutat este x
*
=c, algoritmul se oprete;
2. f(a
k
)f(c) < 0 soluia se gsete n intervalul (a
k
,c),
continum procedeul cu intervalul [
1 1
,
k k k
a a b c
+ +
= = ];
3. f(b
k
)f(c) < 0 soluia se gsete n intervalul x
*
e(c,b
k
)
procedeul continu cu intervalul [
1 1
,
k k k
a c b a
+ +
= = ].


43

Dat c > 0 exist un interval ,
k k
a b
(

astfel ca
( )
,
k k
x a b
-
e i
k k
b a c < (
2
log
b a
k
c

> ). Pentru c suficient de mic att


k
a
ct i
k
b pot fi considerate aproximri ale soluiei x
*
(
k
a x
-
~ prin
lips iar
k
b x
-
~ prin adaos).





44

Metoda tangentei (Newton-Raphson)

Vom presupune c funcia
| |
1
, f C a b e este derivabil pe
[a,b] cu derivata continu n acest interval i satisface relaia
f(a)f(b) < 0. Pentru a aproxima soluia x
*
a ecuaiei f(x)=0 vom
construi un ir
{ }
k
x _ care s convearg la x
*
,
, pentru
k
x x k
-
. Primul element din ir, x
0
, considerm
c este dat. Urmtorul element din ir se construiete ca fiind
intersecia tangentei la graficul funciei f n punctul ( x
0
, f(x
0
) )
cu axa absciselor. Procedeul se repet cu x
1
pentru a-l obine pe
x
2
, .a.m.d.
45

( )
( )
( )


.
1 0 0
2 1 1
1
O tangenta la graficul func iei n punctul , ( )
O tangenta la graficul func iei n punctul , ( )
O tangenta la graficul fc n pt. , ( ) , 0,1, 2,
k k k
x x f x f x
x x f x f x
x x f x f x k
+
=
=
= =






Ecuaia tangentei la graficul funciei f ntr-un punct (a, f(a)) este
urmtoarea (pentru o funcie derivabil):

( ) ( )( ) y f a f a x a
'
= +



46
Pentru a calcula x
k+1
din x
k
vom considera ecuaia tangentei:

( ) ( )( )
k k k
y f x f x x x
'
= +

unde lum y = 0. Avem:

1 0
( )
, 0,1, 2, , dat
( )
k
k k
k
f x
x x k x
f x
+
= =
'


Formula de mai sus poate fi folosit doar dac la fiecare pas
( ) 0
k
f x
'
= . Dac la un pas avem ( ) 0
k
f x
'
= putem calcula
cteva iteraii x
k
(k k > ) folosind
1
( )
k
f x

'
.


47
Teorem de convergen

Fie
| |
2
, f C a b e , cu ( ) ( ) 0 f a f b < , ( ) 0 f x
'
= i ( ) 0 f x
''
=
| |
, x a b e . Dac alegem
0
pentru ( ) ( ) 0
pentru ( ) ( ) 0
a f a f a
x
b f b f b
''
>

=

''
>





atunci irul
{ }
; 0
k
x k > construit cu metoda tangentei este
monoton, mrginit i convergent la unica soluie x
*
a ecuaiei
f(x)=0. Ordinul de convergen este mai mare dect 2.