ANALIZĂ NUMERICĂ

Conf. univ. dr. Gheorghe Grigore

I. APROXIMĂRI, ERORI
DefiniŃie. Dacă într-un calcul, în exprimarea unui rezultat înlocuim
numărul (vectorul) a cu numărul (vectorul) a * , spunem că l-am aproximat pe a
cu a * . DiferenŃa ∆a * = a − a * se numeşte eroarea cu care l-am aproximat pe a
prin a * .
Spre exemplu, dacă numărul real a , care este o fracŃie zecimală infinită, se
aproximează cu o fracŃie zecimală a * finită unde în fracŃia infinită a lui a s-au
înlocuit cu zero cifrele zecimale de la un rang în colo, se spune că aproximarea s-a
făcut prin rotunjire, iar diferenŃa a − a * se numeşte eroare de rotunjire. Astfel,
dacă a = a 0 , a1 a 2 ...a 2 ... şi a * = a 0 , a1 a 2 ...a n 00... = a 0 , a1 a 2 ...a n , spunem că
rotunjirea s-a făcut la zecimala de ordin n. O asemenea rotunjire se poate face şi
astfel:
a 0 , a1a 2 ...a n + 10 − n dacã a n +1 ≥ 5
a = *

 a 0 , a1 a 2 ...a n dacã a n +1 < 5

1
În acest caz a − a * ≤ ⋅ 10 − n .
2
DefiniŃie. Dacă a este un număr (vector), iar a * este numărul (vectorul)
obŃinut ca efect al unei formule matematice (egalitate, inegalitate), atunci a − a *
se numeşte eroare de metodă sau rest.
Astfel, prin aproximarea sumei unei serii convergente cu o sumă parŃială a
sa, eroarea ce se face este un rest (numit chiar restul seriei).
În formula lui Taylor:
n
f (k )
(x0 ) f ( n +1) (ξ )
f ( x) = ∑ ( x − x 0 )k + (x − x0 )n+1 ,
k =0 k! (n + 1)!
f ( n +1) (ξ )
expresia (x − x0 )n+1 este restul în aproximarea lui f ( x) prin
(n + 1)!
n
f ( k ) (x0 )
∑ ( x − x 0 )k .
k =0 k!
De obicei, nu se evaluează ∆a * ci ∆a * = a − a * numită valoarea
absolută a erorii. De regulă, se poate găsi doar un majorant a − a * ≤ ∆ ′ .
36
 DefiniŃie. O cifră zecimală de ordinul n a lui a * se numeşte cifră exactă
dacă valoarea absolută a erorii nu depăşeşte 10 − n .
De exemplu, dacă a = 1,73214 şi a * = 1,73202 , atunci primele patru
zecimale din a * sunt exacte.
În condiŃiile precedente, dacă a şi a * sunt vectori într-un spaŃiu normat,
atunci eroarea se apreciează prin a − a * , de fapt printr-un majorant pentru
a − a* .

II. METODE DIRECTE DE REZOLVARE A SISTEMELOR

DE ECUATII LINIARE

II.1. Metoda lui Gauss

Se consideră sistemul
Ax = a (1)
unde A = (a ij )i , j∈{1,..., m} este o matrice reală, a = (a1 ,..., a m ) , a ∈ R m şi
x = ( x1 ,..., x m ) , x ∈ R m . Presupunem că sistemul are soluŃie unică, deci că
det A ≠ 0 .
În metoda Gauss se transformă sistemul (1) în unul echivalent cu matricea
triunghiulară. Transformarea se face prin operaŃii liniare, realizându-se eliminarea
succcesivă a necunoscutelor. Sunt necesare şi unele permutări de linii şi de
coloane, operaŃii numite de pivotare.
Fixăm prima coloană în (1) şi permutând două linii plasăm coeficientul de
modul maxim din prima coloană în prima linie. În particular, acest coeficient
(numit pivot) este nenul. Sistemul se scrie
m

∑a (0)
ij x j = ai( 0) , i ∈ {1,..., m} (2)
j =1
( 0)
unde a11 ≥ a i(10) , ∀i ∈ {1,..., m} .
( 0)
ÎmpărŃind prima linie a sistemului cu a11 ea devine
x1 + a12(1) x 2 + ... + a1(1m) x m = b1 (3)
(0)
a a1( 0)
, j ∈ {2,..., m} , b1 =
1j
unde a1(1j) = .
a11( 0 ) a11( 0)

37
 Pentru i ∈ {2,..., m} înmulŃim ecuaŃia (3) cu a i(10 ) şi o scădem din linia i a
sistemului (2). ObŃinem sistemul:
x1 + a12(1) x 2 + ... + a1(1m) x m = b1
(1)
a 22 x 2 + ... + a 2(1m) x m = a 2(1)
(4)
⋯
a m(12) x 2 + ... + a mm
(1)
x m = a m(1)
unde
a ij(1) = aij( 0) − a i(10) a ij(1) , i, j ∈ {2,..., m}
a i(1) = a i( 0) − a i(10 ) b1 , i ∈ {2,..., m}
Determinantul matricii sistemului format cu ultimele n − 1 linii ale
sistemului (4) este nenul, căci, în caz contrar, ar rezulta det A = 0 .
Procedeul aplicat în prima etapă se poate aplica sistemului
(1)
a 22 x 2 + ... + a 2(1m) x m = a 2(1)
⋯
a x 2 + ... + a mm
(1)
m2
(1)
x m = a m(1)
După m paşi se ajunge la sistemul
x1 + a12(1) x 2 + ... + a1(m1) x m = b1
x 2 + a 23 ( 2)
x3 + ... + a 2( 2m) x m = b2
(5)
⋯
x m = bm
Sistemul (5) este atunci echivalent cu (1) şi din x m = bm obŃinem succesiv
m
xi = bi − ∑a (i )
ij x j , i ∈ {m − 1,...,1}
j = i +1
ObservaŃie. În procedeul prezentat, s-au permutat numai linii şi se spune
că rezolvarea s-a făcut prin pivotare parŃială. Dacă se permută şi coloane, se poate
realiza ca la fiecare pas să se obŃină un sistem în care coeficientul pivot să fie cel
mai mare în modul printre coeficienŃii sistemului (se spune că rezolvarea s-a făcut
prin pivotare totală). Se încearcă prin aceasta să se evite împărŃiri la numere mici,
caz în care erorile de rotunjire pot fi mai mari.
Exemplu. Folosind metoda lui Gauss să se rezolve sistemul:
8,3 x1 + 2,62 x 2 + 4,10 x3 + 1,90 x 4 = −10,65
3,92 x1 + 8,45 x 2 + 7,78 x3 + 2,46 x 4 = 12,21
3,77 x1 + 7,21x 2 + 8,04 x3 + 2,28 x 4 = 15,45
2,21x1 + 3,65 x 2 + 1,69 x3 + 6,99 x 4 = −8,35
Prin pivotare de linii şi după operaŃiile descrise mai sus se obŃine:

38
 x1 + 0,3156626 x 2 + 0,4939759 x3 + 0,2289156 x 4 = −1,2831325
7,2126026 x 2 + 5,8436144 x3 + 1,5626508 x 4 = 17,2398790
6,0193519 x 2 + 6,1777108 x3 + 1,4169881x 4 = 20,2874090
2,9523856 x 2 + 0,5983132 x3 + 6,4840965 x 4 = −5,5142771
x 2 + 0,8101949 x3 + 0,2166556 x 4 = 2,3902438
1,3003764 x3 + 0,1127318 x 4 = 5,8982563
− 1,7936942 x3 + 5,8444456 x 4 = −12,571198
x3 + 0,0866916 x 4 = 4,5358069
5,9999438 x 4 = −4,4353474
x 4 = −0,7392314
Rezultă apoi x3 = 4,599892 , x 2 = −1,1764066 , x1 = −3,0147991 .
ExerciŃiu. Folosind metoda Gauss să se rezolve sistemul:
2 x1 + x 2 − 0,1x3 + x 4 = 2,7
0,4 x1 + 0,5 x 2 +4 x3 − 8,5 x 4 = 21,9
0,3 x 2 − x 2 + x3 + 5,2 x 4 = −3,9
x1 + 0,2 x 2 + 2,5 x3 − x 4 = 9,9
R. x1 = 1 , x 2 = 2 , x3 = 3 , x 4 = −1 .

II. 2. Metoda rădăcinii pătrate

m
Pe R m se consideră produsul scalar canonic, x, y = ∑x y
i =1
i i . Matricea

reală A = a ij ( ) i , j∈{1,..., m}
se numeşte pozitiv definită dacă Ax, x > 0 , pentru orice
m
x ≠ 0 , x ∈ R m , adică dacă ∑a ij xi x j > 0 , ∀x ≠ 0 , x = ( x1 ,..., x m ) .
i , j =1

Amintim că matricea B se numeşte triunghiulară subdiagonală dacă

deasupra diagonalei principale are numai zerouri. Dacă B = bij i , j∈{1,...,m} atunci ( )
B * = (b ji )i , j∈{1,..., m} .
Fundamentul teoretic al metodei rădăcinii pătrate este următorul rezultat de
factorizare.
Teorema 1. Matricea reală A este simetrică şi pozitiv definită dacă şi
numai dacă există matricea nesingulară B astfel încât A = BB * .
Fie A simetrică, pozitiv definită, A = a ij i, j ∈ {1,..., m} şi B ( )
nesingulară, triunghiulară subdiagonală, B = bij ( ) i , j∈{1,..., m }
, astfel încât
BB * = A (1)
39
 Pentru a avea loc (1) este suficient să luăm:
ai1
b11 = a11 , bi1 = , i ∈ {2,..., m} (2)
b11
i −1
bii = aii − ∑ bik2 , i ∈ {2,..., m} (3)
k =1
i −1
1  
b ji =  a ji − ∑ b jk bik  , j ∈ {i + 1,..., m} (4)
bii  k =1 
bij = 0 dacă i < j (5)
Fie sistemul de ecuaŃii liniare
Ax = a (6)
unde A este simetrică şi pozitiv definită. Pentru rezolvarea directă a acestui
sistem, după descompunerea precedentă A = BB * se ajunge la BB * x = a şi se
rezolvă succesiv sistemele cu matrici triunghiulare By = a şi apoi B * x = y . Dacă
a = (a1 ,..., a m ) , soluŃia sistemului By = a este
a1
y1 = (7)
b11
i −1
1  
yi =  a i − ∑ bik y k  , i ∈ {2,..., m} (8)
bii  k =1 
Sistemul B x = y dă, în fine, soluŃia sistemului (6):
*

y
xm = m (9)
bmm
1  m

xi =  y i − ∑ bki xi  , i ∈ {m − 1,...,1} (10)
bii  k = i +1 
Exemplu. Folosind metoda rădăcinii pătrate să se rezolve sistemul:
x1 + 0,42 x 2 + 0,54 x3 + 0,66 x 4 = 0,3
0,42 x1 + x 2 + 0,32 x3 + 0,44 x 4 = 0,5
0,54 x1 + 0,32 x 2 + x3 + 0,22 x 4 = 0,7
0,66 x1 + 0,44 x 2 + 0,22 x3 + x 4 = 0,9
SoluŃie. Cu formulele (2), (3) şi (4) se obŃine
 1 0 0 0 
 
 0,42 0,9075241 0 0 
B= 
0,54 0,1026969 0,8353761 0
 
 0,66 0,1793891 − 0,1853329 0,7055999 
 
40
 Cu formulele (7) şi (8) se obŃine y1 = 0,3 , y 2 = 0,4121102 ,
y 3 = 0,5933585 , y 4 = 1,0459763 .
În fine, cu formulele (9) şi (10) se obŃine x 4 = 1,4823929 ,
x3 = 1,0391662 , x 2 = 0,04348 , x1 = −1,25778 .
ExerciŃii. Cu metoda rădăcinii pătrate să se rezolve sistemele:
a)
2,12 x1 + 0,42 x 2 + 1,34 x3 + 0,88 x 4 = 11,172
0,42 x1 + 3,95 x 2 + 1,87 x3 + 0,43 x 4 = 0,115
1,34 x1 + 1,87 x 2 + 2,98 x3 + 0,46 x 4 = 9,009
0,88 x1 + 0,43 x 2 + 0,46 x3 + 4,44 x 4 = 9,349
R. x1 = 3,7 , x 2 = −1,5 , x3 = 2,1 , x 4 = 1,3
b)
x1 + 0,42 x 2 + 0,54 x3 = 0,3
0,42 x1 + x 2 + 0,32 x3 = 0,5
0,54 x1 + 0,32 x 2 + x3 = 0,7
R. x1 = −0,240521 , x 2 = 0,3737264 , x3 = 0,7102889 .

II.3. Metoda lui Ritz de inversare a unei matrici

simetrice şi pozitiv definite

Ca şi în paragraful precedent, pe R m se consideră produsul scalar canonic.

( )
Fie A = a ij i , j∈{1,..., m} o matrice reală, simetrică şi pozitiv definită.

Amintim că vectorii u , v ∈ R m se numesc A-ortogonali dacă Au, v = 0 . Dacă

{x1 ,..., xm } sunt vectori A-ortogonali şi nenuli, atunci formează bază în Rm.
Dacă x ∈ R m , se notează x * : R m → R , x * ( y ) = x, y , iar dacă
x = (a1 , a 2 ,..., a m ) , atunci
 a12 a1 a 2 ⋯ a1 a m 
 
a a a 22 ⋯ a2 am 
xx =  2 1
*
.
 ⋮ ⋮ ⋱ ⋮ 
a a am a2 ⋯ a m2 
 m 1
Fie {x1 ,..., x m } vectori A-ortogonali şi nenuli. Notăm
k
1 1
C1 = x1 x1* , C k = ∑ xi xi* (1)
Ax1 , x1 i =1 Ax x
i i

41
 Teorema 1. Dacă x1 ,..., x k sunt A-ortogonali şi nenuli, atunci
C k Ax j = x j , j ∈ {1,..., k }
C m = A −1 .
Algoritmul următor construieşte un sistem de m vectori A-ortogonali
nenuli şi cu formulele (1) conduce la A −1 .
1
Fie x1 ≠ 0 , x1 ∈ R m , şi C1 = x1 x1* .
Ax1 , x1
Presupunem că am construit x1 ,..., x k vectori A-ortogonali şi nenuli.
Aceasta permite să construim
k
1
Ck = ∑ xi xi* .
i =1 Axi , xi
Alegem apoi y ∈ R , astfel încât C k Ay ≠ y . Fie x k +1 = y − C k Ay . Atunci
m

C m = A −1 .
Exemplu. Să considerăm matricea simetrică şi pozitiv definită
 1 0,42 0,54 
 
A =  0,42 1 0,32 
 0,54 0,32 1 

Luăm x1 = (1,0,0) şi obŃinem
1 0 0
 
C1 =  0 0 0 
 0 0 0
 
Luăm apoi y = (0,1,0 ) şi obŃinem y − C1 Ay = (−0,42;1;0) ≠ 0 . Putem
lua x 2 = (0,42;1;0) şi atunci
 1,2141816 − 0,5099562 0 
 
C 2 =  − 0,5099562 1,2141816 0 
 0 0 0 

Considerând y = (0;0;1) constatăm că
y − C 2 Ay = (− 0,492472;−0,1131617;1) şi putem lua deci
x3 = (−0,492472;−0,1131617;1) . Rezultă că
 1,5617176 − 0,4300986 − 0,7056955 
−1
 
A = C 3 =  − 0,4300986 1,2325314 − 0,1621568  .
 − 0,7056955 − 0,1621568 1,4329727 
 
42
 III. METODE ITERATIVE DE REZOLVARE A SISTEMELOR
DE ECUAłII LINIARE

III.1. Elemente de analiză funcŃională

( )
Se notează cu L R m spaŃiul operatorilor liniari definiŃi pe R m . Se ştie că,
organizat cu operaŃiile obişnuite de adunare, înmulŃire cu scalari şi cu operaŃia de
( )
compunere, L R m este o algebră cu unitate. Se notează cu I operatorul identitate
( I ( x) = x , ∀x ∈ R m ).
Se notează cu M m mulŃimea matricilor reale cu m linii şi m coloane,
organizată ca algebră cu operaŃiile obişnuite de adunare, înmulŃire cu scalari şi
înmulŃire a matricilor.
( )
Fiecărei matrici A = a ij i , j∈{1,..., m} i se asociază operatorul liniar, notat
~ ~ ~
pentru început A , A : R m → R m , definit prin A x = y , unde dacă
y = ( y1 ,..., y m ) , x = ( x1 ,..., x m ) , atunci
m
yi = ∑ a ij x j , i ∈ {1,..., m}
j =1
~ m
CorespondenŃa A ֏ A este un izomorfism de algebre între M şi
( )m
L R , deci este o bijecŃie în care sumei a două matrici îi corespunde suma
operatorilor, produsului dintre o matrice şi un număr îi corespunde produsul
operatorului corespunzător cu acel număr, iar înmulŃirii a două matrici îi
corespunde compunerea operatorilor corespunzători. Având în vedere acestea, se
~ ~
identifică A cu A şi se notează operatorul A tot cu A .
Dacă pe R m se fixează o normă, notată ⋅ , atunci pe spaŃiul L R m se ( )
consideră norma operatorială indusă:
A = sup Ax .
x ≤1

Au loc proprietăŃile:
Ax ≤ A ⋅ x , ∀x ∈ R m
AB ≤ A ⋅ B .
De exemplu, dacă operatorul A este generat de matricea a ij ( ) i , j∈{1,..., m}
, iar
pe R m se consideră ⋅ ∞
( x ∞
= max xi ), atunci se notează
1≤ i ≤ m

A ∞
= sup Ax ∞ (1)
x ∞ ≤1

43
şi are loc formula
m
A ∞ = max ∑ aij (1')
1≤i ≤ m
j =1

 m

Dacă se consideră pe R m norma ⋅ 1  x 1 = ∑ x1  , atunci, prin
 i =1 
definiŃie
A 1 = sup Ax 1 (2)
x 1 ≤1

şi are loc formula

m
A 1 = max ∑ a ij (2')
1≤ j ≤ m
i =1

( )
Deoarece dimL R m = m 2 < ∞ , orice două norme pe L R m , în ( )
particular cele date de (1) sau (2), sunt echivalente.
( )
Amintim că prezenŃa unei norme pe L R m conduce la existenŃa unei
distanŃe, d ( A, B ) = A − B şi deci se poate vorbi în acest spaŃiu de convergenŃă,
( )
continuitate etc. Astfel, dacă ( An )n∈N este un şir în L R m şi A ∈L R m , atunci ( )
lim An = A înseamnă lim An − A = 0 .
n →∞ n →∞

( )
Fie B ∈L R , B 2 = B ⋅ B , …, B n = B ⋅ B n −1 .
m

Teoremă 1. AfirmaŃiile următoare sunt echivalente:

i) lim B n = 0 ;
n →∞

ii) lim n B n < 1 ;

n →∞

iii) lim B n x = 0 , pentru orice x ∈ R m .

n →∞
Se notează
ρ(B ) = max{λ λ ∈ C , det (B − λI ) = 0}
şi se arată că ρ(B ) = lim n B n , deci afirmaŃiile din teorema precedentă sunt
n →∞

echivalente şi cu ρ(B ) < 1 . Dacă una din afirmaŃiile din teorema precedentă are
loc, se scrie lim B n = 0 .
n →∞

{ }
MulŃimea λ ∈ C det (V − λI ) = 0 se numeşte spectrul lui B şi se notează
S (B ) . Dacă matricea B este simetrică, atunci spectrul ei este format numai din
numere reale.

44
 Dacă o matrice T are spectrul format din numere reale, atunci λ ∈ S (T )
dacă şi numai dacă există x ∈ R m , x ≠ 0 , astfel încât Tx = λx . Un asemenea
vector x se numeşte vector propriu pentru T corespunzător valorii proprii λ .
Matricea T se numeşte pozitiv definită dacă Tx, x > 0 pentru orice
x ∈ Rm , x ≠ 0 ( , este produsul scalar canonic pe R m ).
Reamintim că o aplicaŃie p : R m → R se numeşte normă dacă
i) p( x) = 0 ⇒ x = 0 ;
ii) p (λx) = λ p ( x) ∀λ ∈ R , ∀x ∈ R m ;
iii) p ( x + y ) ≤ p ( x) + p ( y ) ∀x, y ∈ R m .
Atunci p ( x ) ≥ 0 pentru orice x ∈ R m . Cu ajutorul unei asemenea
aplicaŃii se introduce pe Rm noŃiunea de distanŃă între doi vectori:
d ( x, y ) = p ( x − y ) .
Se ştie că pe R m orice două norme p, q sunt echivalente în sensul :
∃λ, µ > 0 , astfel încât λp ( x) ≤ q ( x) ≤ µp ( x) ∀x ∈ R m .
Dacă p şi q sunt două norme echivalente, atunci un şir este convergent în
raport cu norma p dacă şi numai dacă este convergent în raport cu norma q.
( ) ( ) ( )
Dacă x ( n ) n∈N , x ( n ) = x1( n ) ,..., x m( n ) , atunci şirul x ( n ) n∈N se numeşte
convergent dacă există x = ( x1 ,..., x n ) ∈ R m , astfel încât lim xi( n ) = xi
n →∞

∀i ∈ {1,..., m} . Se scrie lim x ( n)

= x.
n →∞

(
Dacă p este o normă pe R m , atunci lim x ( n ) = x ⇔ lim p x ( n ) − x = 0 .
n →∞ n →∞
)
III.2. Metoda lui Jacobi
Se consideră sistemul
( I − B) x = b (1)
unde I este matricea unitate, B = (bij )i , j∈{1,...,m} , x = ( x1 ,..., x m ) , b = (b1 ,..., bm ) .
Pe componente sistemul (1) se scrie
m
xi − ∑ bij x j = bi , i ∈ {1,..., m} (1')
j =1

( )
Fie x ( 0 ) ∈ R m şi x ( n ) n∈N şirul definit prin
( n +1)
x = Bx ( n ) + b (2)

45
 ( )
Dacă x ( n ) = x1( n ) , x 2( n ) ,..., x m( n ) atunci, pe componente, şirul (2) se scrie
m
xi( n +1) = ∑ bij x (jn ) + bi , i ∈ {1,..., m} (2')
j =1
Teorema 1. AfirmaŃiile următoare sunt echivalente
i) lim B n = 0
n →∞

ii) I − B este o bijecŃie şi pentru orice x ( 0) , b ∈ R n , şirul (2) converge către

soluŃia z a sistemului (1).
Dacă ⋅ este norma operatorială indusă pe L R m şi B ≤ q < 1 , atunci ( )
au loc şi următoarele evaluări ale erorii:
q ( n −1) qn
x −z ≤ (n)
x −x
( n)
≤ x (1) − x ( 0) .
1− q 1− q
Procedeul prin care soluŃia z se aproximează prin x (n ) se numeşte metoda
lui Jacobi.
Fie sistemul
Ax = a (3)
( )
unde A = a ij i , j∈{1,..., m}
şi a = (a1 ,..., a m ) . Dacă a ii ≠ 0 pentru orice i ∈ {1,..., m},

 a11 ⋯ 0 
 
atunci matricea D= ⋮ ⋱ ⋮  este inversabilă şi
 0 ⋯ a 
 mm 

 1 
 ⋯ 0 
 a11 
D −1 = ⋮ ⋱ ⋮ .
 1 
 0 ⋯
a mm 
 
Sistemul (3) este echivalent cu
( I − B) x = b (4)
−1 −1
unde B = I − D A şi b = D a .
Pe componente, sistemul (4) se scrie
m aij bi
xi = − ∑ xj + (4')
j =1 a ii a ii
j ≠i
Presupunem că
m
a ii > ∑ a ij ∀i ∈ {1,..., m}
j =1
(5)
j ≠i

46
 Atunci
m a ij
B ∞
= max ∑ := q < 1 (6)
1≤i ≤ m j =1 aii
j ≠i
Conform teoremei Jacobi, sistemul (5), şi deci (3), are pentru orice
a ∈ R m soluŃie unică z şi pentru orice x ( 0) ∈ R m , şirul x ( n +1) = Bx ( n ) + b
converge către z. Au loc evaluările de eroare:
q ( n −1) qn
x −z ≤
(n)
x −x (n)
≤ x (1) − x ( 0) (7)
∞ 1− q ∞ 1− q ∞

Dacă x ( n ) = (x1( n ) , x 2( n ) ,..., x m( n ) ) , atunci, pe componente, şirul este definit

prin
m a ij ai
xi( n +1) = −∑ x (jn ) + , i ∈ {1,..., m}
j =1 a ii aii (8)
j ≠i

Dacă au loc relaŃiile (5), se spune că matricea A este diagonal dominantă

pe linii.
Pentru acelaşi sistem (3) şi cu aceleaşi notaŃii ca mai sus, să presupunem că
m
a jj > ∑ a ij ∀j ∈ {1,..., m}
i =1
(9)
i≠ j
Sistemul (3) este schivalent cu
(I − C )Dx = a (10)
unde C = I − AD −1 .
Considerăm sistemul
(I − C) x = a (11)
Din (9) rezultă că
m a ij
C 1 = max ∑ := q < 1 (12)
1≤ j ≤ m i =1 a jj
i≠ j
Conform teoremei lui Jacobi, sistemul (11) are soluŃie unică w şi, pentru
( )
orice y ∈ R m , şirul y ( n ) n∈N , definit prin y ( n +1) = Cy ( n ) + a , converge către
(0)

w. Atunci, sistemul (10), şi deci sistemul (3), are soluŃie unică z şi anume
( )
z = D −1 w . Şirul x ( n ) n∈N , x ( n ) = D −1 y ( n ) , converge către z şi au loc evaluările
de eroare:
1 q 1 qn
x (n) − z ≤ y ( n ) − y ( n −1) ≤ y (1) − y ( 0 )
1 min a ii 1 − q min aii 1− q
1≤i ≤ m 1≤i ≤ m

47
 ( ) (
Dacă y ( n ) = y1( n ) ,..., y m( n ) , x ( n ) = x1( n ) ,..., x m( n ) , atunci )
m aij
yi( n +1) = −∑ y (jn ) + a i
j =1 a jj
j ≠i

1 m aij ai
xi( n +1) = −
a ii
∑a
j =1
y (jn ) +
aii
jj
j ≠i

Dacă au loc inegalităŃile (9), se spune că matricea A este diagonal

dominantă pe coloane.
Exemplul 1. Să rezolvăm sistemul următor cu o eroare mai mică decât
−3
10 :
1,02 x1 − 0,25 x 2 − 0,3 x3 = 0,515
− 0,41x1 + 1,13 x 2 − 0,15 x3 = 1,555
− 0,25 x1 − 0,14 x 2 + 1,21x3 = 2,78
Este evident că sunt adevărate inegalităŃile (5). Rezultă că sistemul este cu
matrice diagonal dominantă pe linii şi deci are soluŃia unică z. SoluŃia se poate
aproxima cu termenii şirului (8), care în acest caz devine:
x1( n +1) = 0,245098 x 2( n ) + 0,2941176 x3( n ) + 0,5049019
x 2( n +1) = 0,3628318 x1( n ) + 0,1327433 x3( n ) + 1,3761061
x3( n +1) = 0,2066115 x1( n ) + 0,1157024 x 2( n ) + 2,2975206
Parametrul q din (6) este în acest caz q = 0,5392156 . Eroarea se
evaluează conform formulei (7), care în acest caz este
( n −1)
x (n)
−z ≤ 1,17 x (n)
−x
∞ ∞

Luând x (0)
= (0;0;0) , se obŃine
x (10 ) = (1,9988054; 2,498743; 2,9991238)
x (11) = (1,9994339; 2,4994498; 2,9996073)
şi avem x (11) − z ≤ 1,17 ⋅ 10 −3 ≈ 10 −3 .
Exemplul 2. Să rezolvăm cu o eroare mai mică decât 10 −2 sistemul
8,714 x1 + 2,18 x 2 + 5,68 x3 = 59,91
− 1,351x1 + 10,724 x 2 + 5,224 x3 = 50,17
2,489 x1 − 0,459 x 2 + 6,799 x3 = 32,68

48
 Matricea sistemului este diagonal dominantă pe linii. Şirul (8) este acum
x1( n +1) = −0,2501721x 2( n ) − 0,6522836 x3( n ) + 6,8751434
x 2( n +1) = 0,1259791x1( n ) − 0,4871316 x3( n ) + 4,678229
x3( n +1) = −0,3660832 x1( n ) + 0,0675099 x 2( n ) + 4,8065892
Evaluarea erorii se face conform formulei
x (n) − z ≤ 9,25 x ( n ) − x ( n −1)
∞ ∞

Luând x (0)
= (3;3;5) obŃinem
x (11) = (3,6252229; 3,3304719; 3,7037528)
x (12 ) = (3,626055; 3,330778; 3,7042958)
x (13) = (3,6256242; 3,3304516; 3,7040118)

III.3. Metoda Gauss-Seidel

Se consideră sistemul
(I − B )x = b (1)
 b11 ⋯ b1m 
 
Dacă B = (bij )i , j∈{1,...,m} , se notează R =  ⋮ ⋱ ⋮  şi L = B − R .
 0 ⋯ b 
 mm 
Sistemul (1) este echivalent cu
(I − C) x = c (2)
unde C = (I − L ) R , c = (I − L ) b .
−1 −1

Metoda Gauss-Seidel este metoda Jacobi pentru sistemul (2). Se consideră

( )
deci şirul x ( n ) n∈N , definit prin x ( n +1) = Cx ( n ) + c , şi se aproximează cu x (n )
soluŃia sistemului (1) atunci când aceasta există şi este unică.
( )
Şirul x ( n ) n∈N poate fi descris prin construcŃia echivalentă
x ( n +1) = Lx ( n+1) + Rx ( n ) + b (3)
care pe componente este
i −1 m
xi( n +1) = ∑ bij x (jn +1) + ∑ bij x (jn ) + bi (3')
j =1 j =i
Se observă că specificul acestei metode este că în schema de construcŃie de
la teorema Jacobi se intervine cu următoarea modificare: în construcŃia
componentei de ordin i a lui x ( n +1) se utilizează componentele lui x ( n +1) anterior
evaluate.

49
 Fie
m
q1 = ∑ b1 j ,
j =1
i −1 m
q i = ∑ bij q j + ∑ bij , i ∈ {1,..., m}
j =1 j =i

q = max{qi i ∈ {1,..., m}}

Teorema 1. Dacă q < 1 , atunci sistemul (1) are soluŃie unică z şi pentru
orice x ∈ R m , şirul (3) converge către z. Au loc atunci următoarele formule de
(0)

evaluare a erorii:
q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0)
∞ 1− q ∞ 1− q ∞

Teorema 2. Dacă au loc inegalităŃile

m

∑b ij ≤ 1 ∀i ∈ {1,..., m}
j =1
m
(4)
∑b ij < 1 ∀i ∈ {1,..., m}
j =i

atunci q < 1 şi deci are loc teorema 1. În plus, şirul dat de metoda Jacobi este de
asemenea convergent către soluŃia sistemului (1).
ObservaŃie. Dacă sistemul de rezolvat este dat sub forma Ax = a , şi dacă
poate fi adus la forma echivalentă
(I − B )x = b (5)
unde B = I − D −1 A , b = D −1 A , atunci inegalitătile (4) pentru sistemul (5) sunt:
m

∑a ij ≤ a ii ∀i ∈ {1,..., m}
j =1
j ≠i (6)
m

∑a ij < a ii ∀i ∈ {1,..., m}
j = i +1
CondiŃiile (6) ne asigură deci că pentru sistemul (5) se poate aplica
teorema 1. Atunci
m a1 j i −1 aij m a ij
q1 = ∑ , qi = ∑a qj + ∑a , i ∈ {1,..., m}
j =2 a11 j =1 ii j =i +1 ii

50
 Pe componente şirul (3) este
m a1 j a1
x ( n +1)
1 = −∑ x (jn ) +
j =2 a11 a11
(7)
aij m aij a
x ( n +1)
i = −∑ x (n)
j − ∑a x (n)
j + i , i ∈ {2,..., m}
a ii j =i +1 ii a ii
Exemplul 1. Folosind metoda Gauss-Seidel, să se rezolve sistemul:
10 x1 − 2 x 2 + x3 = 108
− 2 x1 + 10 x 2 + x3 = −6
x1 + x 2 + 10 x3 = −16,5
SoluŃie. Se verifică pentru început că au loc inegalităŃile (6). Şirul (7) este:
x1( n +1) = 0,2 x 2( n ) − 0,1x3( n ) + 10,8
x 2( n +1) = 0,2 x1( n +1) − 0,1x3( n ) − 0,6
x3( n +1) = −0,1x1( n+1) − 0,1x 2( n +1) − 1,65
Parametrii q i sunt q1 = 0,3 ; q 2 = 0,16 ; q 3 = 0,046 şi deci q = 0,3 .
Pornind de la iteraŃia iniŃială x ( 0 ) = (0;0;0) , după patru paşi se obŃine
soluŃia cu cinci zecimale exacte (soluŃia exactă este (11,5; 2; − 3) ).
ExerciŃiu. Folosind metoda Gauss-Seidel, să se aproximeze, cu o eroare
mai mică decât 10 −5 , soluŃia sistemului:
3,82 x1 + 1,02 x 2 + 0,75 x3 + 0,81x 4 = 16,855
1,05 x1 + 4,53 x 2 + 0,98 x3 + 1,53 x 4 = 22,705
0,73 x1 + 0,85 x 2 + 4,71x3 + 0,81x 4 = 22,48
0,98 x1 + 0,81x 2 + 1,28 x3 + 3,5 x 4 = 16,11
IndicaŃie. q = 0,7106315 ; soluŃia exactă este z = ( 2,5; 3; 3,5; 2) .

III.4. Metode de relaxare

Sub acest nume sunt cunoscute unele variaŃiuni ale metodelor Jacobi şi
Gauss-Seidel. Dacă în una din metodele amintite, şirul aproximant x ( n ) n∈N este ( )
prezentat schematic prin x ( n +1) = x ( n ) + ∆x ( n ) , relaŃie care se citeşte "pentru a
oŃine pe x ( n +1) i se adaugă lui x (n ) corecŃia ∆x (n ) ", atunci într-o metodă de
relaxare se supracorectează înmulŃimd corecŃia cu un parametru pozitiv. Se face
deci o construcŃie de forma x ( n +1) = x ( n ) + α∆x ( n ) .

51
 III.4.1. Metoda relaxării simultane
Se consideră sistemul
Ax = a (1)
unde A este simetrică şi pozitiv definită. Atunci A este inversabilă şi deci sistemul
( )
(1) are soluŃie unică. Dacă A = a ij i , j∈{1,..., m} , atunci a ii > 0 pentru orice
i ∈ {1,..., m}. Diagonala D a lui A este atunci o matrice inversabilă şi sistemul (1)
este echivalent cu
(I − Bα )x = bα (2)
−1 −1
unde Bα = I − αD A şi bα = αD a .
Metoda relaxării simultane este metoda Jacobi pentru sistemul (2). SoluŃia
ecuaŃiei (1) se aproximează deci cu termenii şirului x ( n ) n∈N , unde ( )
( n +1)
x = Bα x ( n)
(3) + bα
ConvergenŃa metodei Jacobi pentru (2) este echivalentă cu faptul că
ρ(Bα ) < 1 şi avem:
PropoziŃie 1. Spectrul matricii D −1 A este format din numere reale strict
( )
pozitive. Dacă S D −1 A = (λ 1 , λ 2 ,..., λ m ) , atunci
S (Bα ) = (1 − αλ 1 ,1 − αλ 2 ,...,1 − αλ m ) .
În continuare, se presupune că spectrul lui D −1 A este ordonat:
m
λ 1 ≤ λ 2 ≤ ... ≤ λ m . Se notează x D
= ∑a
i =1
ii xi2 . Fie α ≠ 0 , α ∈ R .

Teorema 1. Dacă A este o matrice simetrică şi pozitiv definită, atunci

următoarele afirmaŃii sunt echivalente:
i) Pentru orice x ( 0 ) ∈ R m şirul (3) converge către soluŃia z a ecuaŃiei (1);
2
ii) 0<α< .
λm
Dacă are loc ii), atunci evaluarea erorii se face prin
q qn
x (n)
−z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0)
D 1− q D 1− q D

unde q = max 1 − αλ i .
1≤ i ≤ m
ObservaŃia 1. Pe componente şirul (3) este
m a ij ai
xi( n +1) = (1 − α )xi( n ) − α ∑ x (jn ) + α (4)
j =1 aii aii
j ≠i

52
 ObservaŃia 2. Dacă ⋅ este o normă operatorială pe L R m ( ) şi
2 2
0<α< , atunci 0 < α < şi deci se poate aplica teorema 1.
−1
D A λm
Dacă notăm q (α ) = max 1 − αλ i , o valoare mai mică a lui q (α ) asigură
1≤i ≤ m
o convergenŃă mai rapidă.
Teorema 2.
 2   2  λ m − λ1
min q (α ) 0 < α <  = q  = .
 λ m  λ
 1 + λ m  λ m + λ 1

2
Spunem că este valoarea optimă a parametrului de relaxare.
λ1 + λ m

III.4.2. Metoda relaxării succesive

Este vorba de o relaxare a metodei Gauss-Seidel, corespunzătoare
sistemului (1), modelat, spre exemplu, ca în metoda lui Jacobi pentru matrici
diagonal dominante pe linii.
Se consideră deci sistemul (1) în care matricea A este simetrică şi pozitiv
( )
definită. Dacă A = a ij i , j∈{1,..., m} , se notează

 0 0 ⋯ 0 0  a11 0 ⋯ 0 
   
 a 21 0 ⋯ 0 0  0 a 22 ⋯ 0 
L= , D = , R = A−L−D.
⋮ ⋮ ⋱ ⋮ ⋮  ⋮ ⋮ ⋱ ⋮ 
   
a 0 ⋯ a m , m −1 0   0 0 ⋯ a mm 
 m1 
Pentru α ≠ 0 sistemul (1) este echivalent cu
(I − Cα )x = cα (5)
−1 −1
1   1   1 
unde C α =  D + L   − 1 D − R  . cα =  D + L  a .
α   α   α 
SoluŃia z a sistemului (1) se aproximează cu termenii şirului x ( n ) ( )n∈N ,
unde
x ( n +1) = C α x ( n ) + cα (6)

53
 Teoremă. Dacă matricea A este simetrică şi pozitiv definită, atunci
următoarele afirmaŃii sunt echivalente:
i) Pentru orice x ( 0 ) ∈ R m , şirul (6) converge către soluŃia z a sistemului (1);
ii) 0 < α < 2.
Dacă 0 < α < 2 , atunci evaluarea erorii se face prin
q qn
x (n)
−z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0) (7)
A 1− q A 1− q A

unde
m m
x A
= ∑∑ a
i =1 j =1
ij x j xi

iar
q = Cα A
= sup C α x A .
x A ≤1

ObservaŃie. Pe componente, şirul (6) este

α i −1
α m
αa i
xi( n +1) = −
a ii
∑ aij x (jn+1) + (1 − α )xi( n) −
j =1 a ii
∑a
j = i +1
ij x (jn ) +
a ii
(8)

Exemplul 1. Cu notaŃiile din acest paragraf să se afle valoarea optimă a

parametrului de relaxare şi folosind atunci metoda relaxării simultane să se
aproximeze soluŃia sistemului cu o eroare mai mică decât 10 −3 .
a)
11x1 + 2 x 2 − 2 x3 = 48
2 x1 + 11x 2 + x = −51
− 2 x1 + x 2 + 11x3 = 15
SoluŃie.
 21 − 33 12 21 + 33 
(
S D −1 A = ) , , .
 22 11 22 
44
Metoda relaxării simultane converge dacă 0 < α < .
21 − 33
22
Valoarea optimă a parametrului de relaxare este α = . Pentru acest α
21
şirul (4) din paragraful 4 este
1 ( n ) 4 ( n ) 4 ( n ) 96
x1( n +1) = − x1 − x 2 + x3 +
21 21 21 21
( n +1) 4 ( n ) 1 ( n ) 2 ( n ) 102
x2 = − x1 − x 2 − x3 −
21 21 21 21
( n +1) 4 ( n ) 2 ( n ) 1 ( n ) 30
x3 = x1 − x 2 − x3 +
21 21 21 21
54
 Pornind cu iteraŃia iniŃială x ( 0 ) = (0;0;0) , se obŃine
x ( 7 ) = (5,9992418; − 5,999463; 2,9996218) .
SoluŃia exactă este z = (6; − 6; 3) .
b)
7 x1 + 3 x 2 − x3 = 72
3 x1 + 7 x 2 + x3 = 48 .
− x1 + x 2 + 7 x3 = −32
10 11 − 17 11 + 17 
(
S D −1 A =  , ) , 
7 14 14 
14
Metoda relaxării simultane converge dacă 0 < α < . Valoarea optimă a
10
parametrului de relaxare este α = 1,041787 . Pentru această valoare se obŃine cel
mai mic q , care este q 0 = 0,4882671 . Vom lua α = 1,04 . Şirul (4) din
paragraful 4 este
3,12 ( n ) 1,04 ( n ) 74,88
x1( n +1) = −0,04 x1( n ) − x2 + x3 +
7 7 7
3,12 1, 04 49 ,92
x 2( n +1) = − x1( n ) − 0,04 x 2( n ) − x3( n ) + .
7 7 7
1,04 ( n ) 1,04 ( n ) 33,28
x3( n +1) = x1 − x 2 − 0,04 x3( n ) −
7 7 7
Pornind de la iteraŃia iniŃială x = (0;0;0) , se obŃine
(0)

x (11) = (8,0004329; 4,0005719; − 4,000039) .

SoluŃia exactă este z = (8; 4; − 4) .
Exemplul 2. Folosind metoda relaxării succesive cu α = 1,5 , să se rezolve
sistemul:
7 x1 + 3 x 2 − x3 = 72
3 x1 + 7 x 2 + x3 = 48
− x1 + x 2 + 7 x3 = −32
IndicaŃie. Şirul (8) din paragraful 4 este:
4,5 ( n ) 1,5 ( n )
x1( n +1) = −0,5 x1( n ) − x2 + x3 + 15,428571
7 7
4,5 ( n +1) 1,5 ( n )
x 2( n +1) = − x1 − 0,5 x 2( n ) − x3 + 10,285714
7 7
1,5 ( n +1) 1,5 ( n +1)
x3( n +1) = x1 − x 2 − 0,5 x3( n ) − 6,8571428
7 7

55
 IV. METODE NUMERICE DE REZOLVARE A SISTEMELOR
DE ECUAłII NELINIARE
EcuaŃiile studiate în acest capitol vor fi de forma f ( x) = 0 sau f ( x) = x .
Pentru început, va fi studiată posibilitatea rezolvării unor asemenea ecuaŃii în cazul
funcŃiilor reale de o variabilă reală.

IV.1. Metoda bisecŃiei

Fie [a, b] f : [a, b] → R o funcŃie continuă.

un interval în R şi
Presupunem că există şi este unic z ∈ (a, b ) , astfel încât f ( z ) = 0 . Atunci
f (a ) ⋅ f (b) < 0 .

Fie a 0 = a , b0 = b şi fie [a1 , b1 ] ∈ a0 , a0 + b0 ,  a0 + b0 , b0   ,

 2   2 
astfel încât f (a1 ) ⋅ f (b1 ) ≤ 0 . Dacă f (a1 ) ⋅ f (b1 ) = 0 , atunci rădăcina căutată este
a 0 + b0
. Dacă f (a1 ) ⋅ f (b1 ) < 0 , continuăm construcŃia. Alegem
2

[a2 , b2 ] ∈ a1 , a1 + b1 ,  a1 + b1 , b1   astfel încât f (a 2 ) ⋅ f (b2 ) ≤ 0 . Dacă

 2   2 
a1 + b1
f (a 2 ) ⋅ f (b2 ) = 0 , atunci rădăcina căutată este . În caz contrar,
2
f (a 2 ) ⋅ f (b2 ) < 0 şi aşa mai departe.
Să presupunem că procesul este infinit, deci că se construieşte un şir
b−a
([a n , bn ])n∈N de intervale, astfel încât f (a n ) ⋅ f (bn ) < 0 şi bn − a n = .
2n
Avem atunci a n < z < bn pentru orice n ∈ N . Se aproximează z cu a n (sau cu
bn ) , alegerea făcându-se în funcŃie de eroarea propusă folosind următoarele
formule de evaluare a erorii:
b−a
0 ≤ z − an ≤ ,
2n
b−a
0 ≤ bn − z ≤ n .
2
Exemplul 1. Să rezolvăm cu o eroare mai mică decât 10 −2 ecuaŃia
2 sin x − x = 0 .
SoluŃie. Prin metode elementare se constată că ecuaŃia are trei rădăcini:
π 
x0 = 0 , x1 ∈  , π  , x 2 = − x1 . Considerăm deci funcŃia f ( x) = 2 sin x − x .
2 
56
 π
Avem f   ⋅ f (π ) < 0 . Pentru a aproxima rădăcina x1 cu o eroare mai mică
2
π 1
decât 10 −2 va trebui să avem n +1
< , pentru care este suficient să luăm
2 100
 308π 309π 
n = 8 . Folosind metoda bipartiŃiei, constatăm că [a8 , b8 ] =  , şi deci
 512 512 
308π 309π
rădăcina x1 se poate aproxima cu sau cu , făcând o eroare mai mică
512 512
π
decât ≈ 6,13 ⋅ 10 −3 .
512
Exemplul 2. Să aproximăm prin metoda bipartiŃiei, făcând o eroare mai
 π 3π 
mică decât 10 −2 , rădăcina din intervalul 
,  a ecuaŃiei 2tgx − x − 2 = 0 .
4 4 
 π 3π 
SoluŃie. Se consideră funcŃia f :  ,  → R , f ( x) = 2tgx − x − 2 .
4 4 
 π   3π 
Avem f   ⋅ f   < 0 şi prin metode elementare se constată că rădăcina este
4  4 
unică în intervalul considerat. Pentru ca în metoda bipartiŃiei eroarea să fie mai
π 1
mică decât 10 −2 este suficient ca < , adică 2 n + 3 > 100π . Este suficient
8⋅ 2 n
100
319π 320π
să luăm n = 6 . După realizarea calculelor avem a 6 = , b6 = .
1024 1024
319π 320π
Rădăcina se poate aproxima deci cu sau cu , făcând o eroare mai
1024 1024
π
mică decât ≈ 3,6 ⋅ 10 −3 .
1024

IV.2. Metoda aproximaŃiilor succesive

Metoda este folosită pentru rezolvarea aproximativă a unor ecuaŃii de
forma f ( x) = x . Aproximarea se face prin termenii unui şir ( x n )n∈N construit
după formula x n +1 = f ( x n ) . Suportul teoretic este dat de principiul contracŃiei pe
care îl vom prezenta pentru funcŃii reale de o variabilă reală.
Fie I un interval în R .
DefiniŃie. FuncŃia f : I → R se numeşte contracŃie dacă există q ∈ [0,1) ,
astfel încât f ( x) − f ( y ) ≤ q x − y , pentru orice x, y ∈ I .
ObservaŃie 1. Orice contracŃie este uniform continuă şi este deci continuă.
57
 ObservaŃie 2. Constanta q nu este unică.
PropoziŃie. Fie f : I → R o funcŃie derivabilă, pentru care există
q ∈ [0,1) , astfel încât f ′( x) ≤ q pentru orice x ∈ I . Atunci f este o contracŃie.
Teoremă (principiul contracŃiei). Fie I un interval închis în R şi
f : I → I o contracŃie. Atunci există şi este unic z ∈ I , astfel încât f ( z ) = z .
Pentru orice x0 ∈ I , şirul ( x n )n∈N , definit prin x n +1 = f ( x n ) , converge către z.
Dacă f ( x) − f ( y ) ≤ q x − y pentru orice x, y ∈ I ( q ∈ [0,1) ), atunci
q qn
xn − z ≤ x n − x n −1 ≤ x1 − x0 .
1− q 1− q
ObservaŃie. Aproximarea lui z prin x n (teorema precedentă) este cu atât
mai eficientă cu cât q este mai mic.
Exemplu. Fie funcŃia f ( x) =
1
3
( )
2 − x3 . Să se arate că

  2  2
f  0,   ⊂ 0,  şi că pe acest interval f este o contracŃie. Să se rezolve
  3  3
ecuaŃia f ( x) = x cu o eroare mai mică decât 10 −5 .
2
SoluŃie. FuncŃia f este strict descrescătoare, continuă, f (0) = ,
3
 2  46   2  2 4
f = , deci f  0,   ⊂ 0.  . Apoi, f ′( x) ≤ pentru orice
 3  81   3  3 9
 2 4
x ∈ 0,  şi deci f ( x) − f ( y ) ≤ x − y . Conform principiului contracŃiei,
 3 9
 2 2
există şi este unic un punct z ∈ 0,  , astfel încât f ( z ) = z . Fie x0 = şi
 3 3
4
x n +1 = f ( x n ) . La fiecare pas eroarea se evaluează prin x n − z < x n − x n −1 .
5
Avem
4 4
x11 − x10 = 0,5960707 − 0,596077 = 5,04 ⋅ 10 − 6
x11 − z ≤
5 5
Se aproximează z cu x11 = 0,5960707 , făcând o eroare mai mică decât
5,04 ⋅ 10 −6 .
ObservaŃie. În exemplul precedent s-a modelat ecuaŃia x 3 + 3 x − 2 = 0 ,
astfel încât să se ajungă la forma f ( x) = x .

58
 ExerciŃiu 1. Fie a > 0 şi f : [ )
a ,+∞ → R , f ( x) =
1
x+
2
a
.
x
Folosind principiul contracŃiei, să se arate că şirul (xn )n∈N , definit prin
1 a 
x n +1 =  x n +  , x0 > a , este convergent şi că x n − a ≤ x n − x n −1 .
2 xn 
ExerciŃiul 2. Folosind metoda din exemplul 1, să se aproximeze cu o
 1
eroare mai mică decât 10 −5 rădăcina din intervalul 0, 2  a ecuaŃiei
x 5 − 5x + 1 = 0 .
IndicaŃie. Cu şirul lui Rolle se arată că ecuaŃia are trei rădăcini reale în
intervalele (− ∞,−1) , (− 1,1) , (1,+∞ ) . Cu metoda bipartiŃiei se reduce intervalul

(− 1,1) la 1 1 5
(
0, 2  . Pe acest interval se modelează ecuaŃia sub forma 5 x + 1 = x . )
1
( )  1
FuncŃia f ( x) = x 5 + 1 este atunci o contracŃie pe 0,  .
5  2

IV.3. Metoda lui Newton

Cunoscută şi sub numele de metoda tangentei, metoda aproximează
rădăcinile unor ecuaŃii de forma f ( x) = 0 .
Fie [a, b] ⊂ R .
Teorema 1 (metoda lui Newton). Fie f : [a, b] → R o funcŃie de clasă
C , astfel încât f ′( x), f ′′( x) ≠ 0 pentru orice x ∈ [a, b ] şi f (a ) ⋅ f (b) < 0 .
2

Atunci există şi este unic z ∈ (a, b ) , astfel încât f ( z ) = 0 . Pentru orice

x0 ∈ [a, b ] , astfel încât f ( x0 ) ⋅ f ′′( x0 ) > 0 , şirul ( x n )n∈N definit prin
f (xn ) f (xn )
x n +1 = x n − rămâne în [a, b ] , converge către z şi x n − z ≤ .
f ′( x n ) inf f ′( x)
x∈[a ,b ]

Teorema 2 (metoda lui Newton simplificată). Fie f : [a, b] → R o

funcŃie de clasă C 2 , astfel încât f ′( x), f ′′( x) ≠ 0 pentru orice x ∈ [a, b ] şi
f (a ) ⋅ f (b) < 0 . Atunci există şi este unic z ∈ (a, b ) , astfel încât f ( z ) = 0 . Dacă
x0 ∈ [a, b ] este astfel încât f ( x0 ) ⋅ f ′′( x0 ) > 0 , atunci şirul ( x n )n∈N definit prin
f (xn ) f (xn )
x n +1 = x n − rămâne în [a, b ] , converge către z şi x n − z ≤ .
f ′( x0 ) inf f ′( x)
x∈[a ,b ]

59
 Exemplul 1. Să se rezolve, cu o eroare mai mică decât 10 −6 , ecuaŃia
x 3 − 3x − 7 = 0 .
SoluŃie. Prin metode elementare se constată că ecuaŃia are o singură
rădăcină reală, aflată în intervalul [2,3] , unde f ′( x), f ′′( x) ≠ 0 pentru orice x.
Dacă x0 = 3 , atunci f ( x0 ) f ′′( x0 ) > 0 şi deci, conform teoremei 1, şirul ( x n )n∈N ,
f ( x n ) 2 x n3 + 7
definit prin x n +1 = x n − = , converge către rădăcina ecuaŃiei
f ′( x n ) 3 x n2 − 3
considerate.
Deoarece inf f ′( x) = 9 , eroarea se evaluează prin
x∈[2 , 3 ]

1 3
xn − z ≤ x n − 3 x n − 7 . Se obŃine x 4 = 2,4259887 , iar eroarea este mai mică
9
decât 7 ⋅ 10 −8 .
Exemplul 2. Să se rezolve ecuaŃia x − 1 − arctg x = 0 .
SoluŃie. Folosind pentru început metoda bipartiŃiei, se constată că ecuaŃia
x2
are soluŃie unică aflată în intervalul [2,3] . Avem f ′( x) = ,
1+ x2
2x
f ′′( x) = , funcŃii care nu se anulează în intervalul [2,3] . Se poate lua
(1 + x )
2 2

4
x0 = 3 . Deoarece min f ′( x) = , pentru şirul ( x n )n∈N definit prin
x∈[2 , 3 ] 5
x n +1
(
(x − 1 − arctg xn ) 1 + xn2
= xn − n
)
x n2
sau
 1  1
x n +1 = 1 + 2 (1 + arctg x n ) − ,
 xn  xn
5
eroarea se evaluează după formula x n − z ≤ f ( x n ) . Se obŃine
4
x3 = 2,1322679 , f ( x3 ) = 10 şi rădăcina se aproximeazăă cu x3 , făcându-se o
−7

eroare mai mică decât 1,25 ⋅ 10 −7 .

ObservaŃie. În cele două exemple precedente este de remarcat numărul
mic de iteraŃii făcute pentru obŃinerea unei aproximări bune, aceasta în comparaŃie
cu metoda bipartiŃiei.

60
 IV.4. Metoda lui Newton (cazul funcŃiilor de mai multe variabile)

Se consideră pe spaŃiul R m una din normele uzuale, spre exemplu

x ∞ 1≤ i ≤ m
( )
= max xi , iar pe spaŃiul L R m norma operatorială indusă A = sup Ax .
x ≤1

( )
m
Astfel, dacă A = a ij i , j∈{1,..., m}
, atunci A ∞
= max ∑ aij .
1≤i ≤ m
j =1

Amintim că dacă f : D ⊂ R → R , f = ( f1 ,... f m ) este derivabilă,

m m

atunci
 ∂f 1
 (x0 ) ⋯ ∂f1 (x0 )
 ∂x1 ∂x m 
f ′( x0 ) =  ⋮ ⋱ ⋮ .
 ∂f m ∂f m 
 ∂x ( x0 ) ⋯ ∂x ( x0 )
 1 m 
Metoda urmăreşte rezolvarea aproximativă a sistemului de ecuaŃii neliniare
f 1 ( x1 ,..., x m ) = 0
f 2 ( x1 ,..., x m ) = 0
(1)
⋯
f m ( x1 ,..., x m ) = 0
Sistemul precedent se scrie f ( x) = 0 , unde f = ( f 1 ,..., f m ) .
PropoziŃiile care urmează produc tehnicile necesare obŃinerii metodei lui
Newton în acest cadru..
Amintim că
{ } {
B ( x, r ) = y ∈ R m x − y < r ; B ( x, r ) = y ∈ R m x − y ≤ r . }
PropoziŃia 1. Fie D o mulŃime deschisă şi convexă în R m şi f : D → R m
o funcŃie derivabilă, pentru care există M > 0 , astfel încât
f ′( x) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Fie w ∈ D un punct în care
derivata f ′(w) este inversabilă şi fie α ≥ ( f ′(w))−1 . Fie r > 0 , astfel încât

B ( w, r ) ⊂ D şi αMr < 1 . Atunci, pentru orice x ∈ B ( w, r ) , există ( f ′( x) )

−1
şi

( f ′( x) )−1 ≤ α .
1 − αMr
FuncŃia f este injectivă pe B ( w, r ) .

61
 PropoziŃia 2. Fie D ⊂ R m o mulŃime deschisă şi convexă, fie
f : D → R m o funcŃie derivabilă pentru care există M > 0 , astfel încât
f ′( x) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Atunci
M 2
f ( x) − f ( y ) − f ′( y )( x − y ) ≤
x − y ∀x, y ∈ D .
2
Teorema 1 (metoda lui Newton). Fie D ⊂ R m o mulŃime deschisă şi
convexă, f : D → R m o funcŃie derivabilă pentru care există M > 0 , astfel încât
f ′( x) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Presupunem că există
z ∈ D , astfel încât f ( z ) = 0 şi că f ′(z ) este inversabilă. Fie α ≥ ( f ′( z ) )−1 ,
2q
q ∈ (0,1) şi r > 0 , astfel încât B ( z , r ) ⊂ D şi r < . Atunci, pentru
(1 + 2q ) Mα
( )
orice x ( 0 ) ∈ B ( z , r ) , şirul x ( n ) n∈N , construit prin
( ( )) ( f (x )) ,
x ( n +1) = x ( n ) − f ′ x ( n )
−1 ( n)

rămâne în B ( z , r ) , converge către z şi

n −1
x (n) − z ≤ q 2 r.
Teorema 2 (metoda lui Newton simplificată). Cu aceleaşi ipoteze şi
notaŃii ca în teorema precedentă, fie r > 0 , astfel încât B ( z , r ) ⊂ D şi

r<
q
(q + 2) Mα
. Atunci, pentru orice x ( 0 ) , w ∈ B ( z , r ) , şirul x ( n ) ( ) n∈N definit

prin
x ( n +1) = x ( n ) − ( f ′( w) )
−1
( f (x ))
( n)

rămâne în B ( z , r ) , converge către z şi

x (n) − z ≤ q n r .
ObservaŃie. În prezentarea teoremei 1, prezenŃa unui parametru iniŃial
q ∈ (0,1) şi alegerea corespunzătoare a razei r, astfel încât
2q
r< ,
(1 + 2q ) Mα
este făcută pentru a pune în evidenŃă superrapiditatea procesului în vecinătatea
soluŃiei z. O variantă mai acceptabilă în eventualitatea în care se doreşte verificarea
îndeplinirii ipotezelor este următoarea:

62
 Teorema 3. Fie D ⊂ R m o mulŃime deschisă şi convexă, f : D → R m o
funcŃie derivabilă pentru care există M > 0, astfel încât
f ′( x) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Presupunem că există
z ∈ D , astfel încât f ( z ) = 0 , şi că există ( f ′( z ) )−1 . Fie α > ( f ′( z ))−1 şi
2
r > 0 , astfel încât B( z, r ) ⊂ D şi αMr < . Atunci, pentru orice
3
x ( 0) ∈ B ( z , r ) , şirul (x ( n ) )n∈N , construit prin
( ( )) ( f (x )) ,
x ( n +1) = x ( n ) − f ′ x ( n )
−1 ( n)

rămâne în B ( z , r ) , converge către z şi

n −1
x (n) − z ≤ q 2 r,
unde
αMr
q= .
2(1 − αMr )
1
În metoda Newton simplifiată se poate impune restricŃia αMr < ,
3
3αMr
evaluarea erorii fiind x ( n ) − z ≤ q n r cu precizarea că q = .
2(1 − αMr )
Exemplu. Fie sistemul
x 2 + y − 20 x + 40 = 0
y 2 + x − 20 y + 20 = 0
Prin metode grafice, construind în acelaşi sistem de axe graficele curbelor
de ecuaŃii y = 20 x − 40 − x 2 şi x = 20 y − 20 − y 2 , constatăm că sistemul are
două rădăcini, ambele în primul cadran şi că una dintre rădăcini este localizată în
[2,3]× [1,2]. Pentru a aproxima aceastăă rădăcină considerăm funcŃia
(
f ( x, y ) = x 2 + y − 20 x + 40, y 2 + x − 20 y + 20 )
Atunci
 2 x − 20 1 
f ′( x, y ) =  
 1 2 y − 20 
20 y − 20 −1 
( f ′( x, y) )−1 = 1  
δ  −1 2 x − 20 
unde δ = det f ′( x, y ) = 4 xy − 40 y − 40 x + 399 .
Se poate arăta că sunt îndeplinite condiŃiile din teorema 3, spre exemplu că
pe dreptunghiul considerat derivata este în fiecare punct inversabilă. Fie
( ( )) ( f (x )) . Atunci
x ( 0) = (2,1) şi x ( n +1) = x ( n ) − f ′ x ( n )
−1 ( n)

63
 −1  5  1 18 1  5 
x (1) = (2,1) − ( f ′(2,1))   = (2,1) +    .
 3 287  1 16  3 
Se obŃine x (1) = ( 2,324; 1,184) . Apoi
1 17,63 1  0,105 
x ( 2) = (2,324; 1,184 ) +   .
270  1 15,352  0,046 
Se găseşte x ( 2 ) = ( 2,331; 1,187) .
( )
ObservaŃie. f x ( 2 ) = (0,0005; − 0,00003) .

IV.5. Metoda Newton-Kantorovici

Metoda lui Newton prezentată în paragraful precedent are avantajul de a fi
foarte rapid convergentă şi dezavantajul de a localiza procesul iterativ în jurul
soluŃiei necunoscute. Acest dezavantaj este înlăturat în varianta următoare a
metodei, datorată lui Kantorovici. În acest procedeu stabilitatea metodei în
domeniul de definiŃie se face pas cu pas prin intermediul următoarei proprietăŃi:
PropoziŃia 1. Cu ipotezele şi notaŃiile din paragraful 1, fie
g ( x) = x − ( f ′( x) ) ( f ( x) ) .
−1
Dacă există x ∈ B ( w, r ) astfel încât
g ( x) ∈ B ( w, r ) , atunci
2
αM g ( x ) − x
g ( g ( x)) − g ( x) ≤ .
2(1 − αM g ( x) − w )
Teorema 1 (metoda Newton-Kantorovici). Fie f : D ⊂ R m → R m , o
funcŃie derivabilă pentru care există M > 0, astfel încât
f ′( x) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Fie α ≥ ( f ′(w))−1 ,
1
β≥ ( f ′(w))−1 ( f ( w)) . Dacă αβM < şi B ( w, r ) ⊂ D , unde
2
1
αM
r= (
1 − 1 − 2αβ M , )
atunci ecuaŃia f ( x) = 0 are soluŃie unică z ∈ B ( w, r ) . Dacă x ( 0 ) = w şi
( ( )) ( f (x )) ,
x ( n +1) = x ( n ) − f ′ x ( n )
−1 ( n)

atunci x ( n ) ∈ B (w, r ) şi lim x ( n ) = z .

n →∞

64
 Teorema 2 (metoda Newton-Kantorovici simplificată). Cu notaŃiile şi
ipotezele din teorema precedentă, există şi este unic z ∈ B ( w, r ) , astfel încât
f ( z) = 0 . Pentru orice x ( 0) ∈ B ( w, r ) , şirul (x )
(n)
n∈N ,
x ( n +1) = x ( n ) − ( f ′( w) )
−1
( f (x )) rămâne în B( w, r ) , converge către z şi
( n)

q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0)
1− q 1− q
unde q = αMr ( r =
1
αM
(
1 − 1 − 2αβ M ). )
Teorema 3. Fie D ⊆ R m o mulŃime deschisă şi convexă, f : D → R m o
funcŃie derivabilă pentru care există M > 0, astfel încât
f ′( x ) − f ′( y ) ≤ M x − y pentru orice x, y ∈ D . Fie x ∈ D , astfel încât
(0)

( )
f ′ x (0 ) este inversabilă şi fie α ≥ f ′ x (0 ) ( ( )) −1
. Fie β ≥ ( f ′(x ( ) )) ( f (x ( ) ))
0 −1 0
şi

presupunem că 2αβM <

8
9
. Fie r =
1
αM
1 − 1 − 2αβ M ( ) şi presupunem că
B (x0 , r ) ⊂ D .
( )
Atunci există şi este unic z ∈ B x (0 ) , r , astfel încât f ( z ) = 0 . Şirul
(x )
(n)
n∈N ( ( )) ( f (x ( ) ))
, x ( n +1) = x ( n ) − f ′ x ( n )
−1 n
( )
rămâne în B x ( 0 ) , r , converge
1 − 1 − 2αβ M
către z şi x ( n ) − z ≤ q 2
n −1
r unde q = .
2 1 − 2αβ M

IV.6. Metoda aproximaŃiilor succesive (cazul funcŃiilor de mai multe variabile)

Ca şi în paragraful 2, metoda se ocupă de rezolvarea aproximativă a unor
ecuaŃii de forma f ( x) = x , unde f : D ⊂ R m → R m .
DefiniŃie. FuncŃia f : D ⊂ R m → R m se numeşte contracŃie dacă există
q ∈ [0,1) , astfel încât f ( x) − f ( y ) ≤ q x − y pentru orice x, y ∈ D .
Exemplu. Amintim că dacă D ⊂ R m este o mulŃime deschisă şi
f : D → R m este derivabilă pe segmentul [x, y ] ⊂ D , atunci
f ( x) − f ( y ) ≤ sup f ′(t ) ⋅ x − y
t∈[ x , y ]

Atunci, dacă funcŃia f este derivabilă pe mulŃimea deschisă şi convexă D şi

f ′( x) ≤ q < 1 pentru orice x ∈ D , funcŃia f este o contracŃie pe D.
Amintim că se spune că funcŃia f este derivabilă pe mulŃimea închisă A
dacă există o mulŃime deschisă D pe care funcŃia f este derivabilă şi A ⊂ D .
65
 Dacă funcŃia f este derivabilă, cu derivata continuă pe mulŃimea compactă
şi convexă A, atunci
f ( x) − f ( y ) ≤ sup f ′(t ) ⋅ x − y
t∈A

pentru orice x, y ∈ A , iar dacă f ′(t ) ≤ q < 1 pentru orice t ∈ A , atunci funcŃia f
este o contracŃie pe A.
Teorema 1 (principiul contracŃiei). Fie A ⊂ R m o mulŃime închisă şi
f : A → A o contracŃie. Atunci există şi este unic z ∈ A , astfel încât f ( z ) = z .
Pentru orice x ( 0 ) ∈ A şirul (x ) (n)
n∈N ( )
definit prin x ( n +1) = f x ( n ) converge
către z. Dacă f ( x) − f ( y ) ≤ q x − y pentru orice x, y ∈ A ( q < 1 ), atunci
q ( n −1) qn
x (n)
−z ≤ x −x
( n)
≤ x (1) − x ( 0) .
1− q 1− q
Metoda rezultată, în care z se aproximează cu termenii şirului x ( n ) , se
numeşte metoda aproximaŃiilor succesive.
Exemplul 1. Fie f : [a, b ]× [c, d ] → [a, b ]× [c, d ] , f = (ϕ, ψ ) , o funcŃie
derivabilă pentru care există q ∈ [0,1) , astfel încât
∂ϕ ∂ϕ
( x, y ) + ( x, y ) ≤ q
∂x ∂y
∂ψ ∂ψ
( x, y ) + ( x, y ) ≤ q
∂x ∂y
pentru orice ( x, y ) ∈ [a, b ]× [c, d ] . Atunci funcŃia f este o contracŃie pe
[a, b]× [c, d ] ( f ′( x, y ) ∞ ≤ q ∀( x, y ) ∈ [a, b]× [c, d ] ) şi deci exisŃă şi este unic
(α, β) ∈ [a, b]× [c, d ] , astfel încât f (α, β) = (α, β) , iar pentru aproximare se poate
folosi metoda aproximaŃiilor succesive.
Exemplul 2. Se consideră sistemul
1 3
6
(1
x + y3 + = x
2
)
.
1 3
6
(
x −y + =y
3 1
3
)
 9  9  9  9
Fie f : 0,  × 0,  → 0,  × 0,  , f = (ϕ, ψ ) ,
 10   10   10   10 
1
6
( 1
2
) 1
6
1
ϕ( x, y ) = x 3 + y 3 + , ψ( x, y ) = x 3 − y 3 + ,
3
( )

66
  x2 y2 
 
f ′( x, y ) =  22 2 .
x y2 
 − 
 2 2 
Atunci
x2 + y2
f ′( x, y )
∞
= ≤ 0,81 .
2
 9  9
Rezultă că funcŃia f este o contracŃie pe 0,  × 0,  :
 10   10 
f ( x, y ) − f (u , v) ∞ ≤ 0,81 max{ x − u , y − v } = 0,81 ( x, y ) − (u , v) ∞ .
EcuaŃia f ( x, y ) = ( x, y ) are atunci soluŃie unică în dreptunghiul
considerat şi pentru aproximarea acestei soluŃii se poate folosi metoda
aproximaŃiilor succesive. Fie x ( 0 ) = (0,0) şi x ( n +1) = f x ( n ) . Eroarea se ( )
aproximează prin
0,81
x (n) − z ≤ x ( n ) − x ( n −1)
∞ 1 − 0,81 ∞

adică prin
x ( n ) − z ≤ 4,24 x ( n ) − x ( n −1)
∞
Se obŃine
x ( 7 ) = (0,5323985; 0,3512868) ,
x (8) = (0,5323761; 0,3512597)
şi atunci x (8 ) − z < 10 −3 .
∞
Exemplul 3. Se consideră sistemul
x2 + y
2+ =x
20
x + y2
1+ =y
20
 x2 + y x + y2 
FuncŃia f ( x, y ) =  2 + ,1 +  are proprietăŃile:
 20 20 
 x 1 
 
f : [2,3]× [1,2] → [2,3]× [1,2] , f ( x, y ) =
′  10 20 
 1 y 
 
 20 10 
x 1 1 y 7
f ′( x, y ) ∞ = max  + , +  ≤
10 20 20 10  10
67
 Rezultă că
7
f ( x, y ) − f (u , v) ∞
≤ ( x, y ) − (u , v) ∞
10
şi deci f este o contracŃie pe [2,3]× [1,2] . Există atunci şi este unic z = (α, β ) ,
astfel încât z ∈ [2,3] × [1,2] , f (α, β) = (α, β) . Pentru aproximarea soluŃiei z se
poate folosi metoda aproximaŃiilor succesive. Formula de evaluare a erorii este
atunci
7 (n)
x (n) − z ≤ x − x ( n −1) .
∞ 3 ∞

V. APROXIMAREA SPECTRULUI UNEI MATRICI

REALE SIMETRICE

V.1. Spectrul unei matrici simetrice

m
Pe spaŃiul R m se consideră produsul scalar canonic x, y = ∑ x i y i ,
i =1

x = ( x1 ,..., x m ) , y = ( y1 ,..., y m ) şi se notează x 2

= x, x (norma euclidiană).
Dacă T : R → R m m
este un operator liniar, atunci T 2
este norma operatorială
generată de norma euclidiană: T 2
= sup Tx 2 . Dacă T = (t ij )i , j∈{1,...,m} , atunci
x 2 ≤1

(t )
ji i , j∈{1,..., m} generează operatorul adjunct T * , ce poate fi definit şi prin

proprietatea Tx, y = x, T * y , pentru orice x, y ∈ R m . Dacă matricea

(t )
ij i , j∈{1,..., m } este simetrică, atunci operatorul generat T este autoadjunct:
Tx, y = x, Ty ∀x, y ∈ R m .
{ }
MulŃimea λ ∈ C det (T − λI ) = 0 , adică familia rădăcinilor polinomului
caracteristic se numeşte spectrul lui T şi se notează S (T ) . Dacă T este
autoadjunct, atunci spectrul este format numai din numere reale.
Fie A o matrice reală simetrică. Se ordonează spectrul lui A:
S ( A) = (λ 1 , λ 2 ,..., λ m ) , λ 1 ≤ λ 2 ≤ ... ≤ λ m .
Unul din rezultatele cu importanŃă mai mult calitativă, care stă la baza
realizării unor metode de aproximare a spectrului, este:

68
 Teorema 1 (E. Fischer). Dacă A este o matrice reală simetrică şi
S ( A) = (λ 1 , λ 2 ,..., λ m ) , λ 1 ≤ λ 2 ≤ ... ≤ λ m , atunci
Ax, x
λ j = inf sup 2
,
X ∈S j x∈X , x ≠ 0
x 2

unde S j este familia subspaŃiilor de dimensiune j în R m .

Ca o consecinŃă a teoremei precedente are loc un prim fenomen de
aproximare:
Teorema 2. Fie A, B matrici reale simetrice ale căror spectre, scrise în
ordine crescătoare, sunt λ 1 , λ 2 ,..., λ m , respectiv µ1 , µ 2 ,..., µ m . Atunci
λ i − µ i ≤ A − B 2 , ∀i ∈ {1,..., m} . (1)
Dacă T = t ij( ) i , j∈{1,..., m}
, se notează
m
T F
= ∑t
i , j =1
2
ij .

Aceasta este o normă pe mulŃimea metricilor m × m , numită norma

Frobenius, şi avem
T 2≤ T F (2)
Din (1) şi (2) rezultă că avem
λi − µi ≤ A − B F (3)
Pentru matricea simetrică A se notează
 a11 ⋯ 0 
 
D = diagA =  ⋮ ⋱ ⋮  .
 0 ⋯ a 
 mm 

Să presupunem că elementele de pe diagonala matricii A , scrise în ordine

crescătoare, sunt α 1 , α 2 ,..., α m şi că spectrul lui A este λ 1 , λ 2 ,..., λ m . Atunci
λ i − α i ≤ A − D F , ∀i ∈ {1,..., m} (4)

Se notează A − D F
=| A|, deci | A|= ∑a
i≠ j
2
ij şi relaŃia (4) se scrie

λ i − α i ≤| A|, ∀i ∈ {1,..., m} (5)

69
 V.2. Metoda rotaŃiilor

Fie A = a ij ( )
i , j∈{1,..., m}
o matrice reală simetrică. Fie
1 
 
 ⋱ 
 1 
 
 cos θ ⋯ ⋯ ⋯ − sin θ  linia σ
 ⋮ 1 ⋮ 
 
T = ⋮ ⋱ ⋮  (1)
 ⋮ 1 ⋮ 
 
 sin θ ⋯ ⋯ ⋯ cos θ  linia τ
 1 
 
 ⋱ 
 1 

Matricea T are m linii şi m coloane şi în afara elementelor specificate are
numai zerouri.
Metoda rotaŃiilor este un procedeu iterativ de aproximare a spectrului
( )
matricii A constând în construcŃia unui şir de matrici A ( n ) n∈N , unde A ( 0 ) = A ,
( n +1)
A = T A Tn , iar Tn este de forma (1). Fiecare matrice A (n ) are acelaşi
n
* ( n)

spectru ca şi A , iar şirul se construieşte astfel încât lim | A ( n ) |= 0

n →∞
în (5), paragraful 1, va rezulta că spectrul lui A poate fi aproximat cu diagonala lui
A (n ) , scrisă în ordine crescătoare.
( )
Fie B = T * AT , B = bij i , j∈{1,...,m} .
Dacă i ∉ {σ, τ}, j ∉ {σ, τ}, atunci bij = b ji = a ij .
Dacă j ∉ {σ, τ}, atunci bσj = b jσ = a σj cos θ + a τj sin θ ,
bτj = b jτ = − a σj sin θ + a τj cos θ .
bστ = bτσ = a στ (cos 2 θ − sin 2 θ) + (a ττ − a σσ )sin θ cos θ .
bσσ = a σσ cos 2 θ + 2a στ sin θ cos θ + a ττ sin 2 θ
bττ = a σσ sin 2 θ − 2a στ sin θ cos θ + a ττ cos 2 θ
Au loc următoarele proprietăŃi:
T −1 = T *
S ( A ) = S (B )
trA = trB
| B | =| A|2 +2(bστ
2 2
− a στ
2
).
70
 Din egalitatea precedentă se observă că dacă bστ = 0 , atunci | B |≤| A| şi
aceasta, împreună cu (5) paragraful 1 va permite construcŃia unui şir de matrici în
care diagonalele pot aproxima spectrul lui A.
2a στ π
Dacă a σσ ≠ a ττ şi tg 2θ = , atunci bστ = 0 ( θ < ).
a σσ − a ττ 4
π
Dacă a σσ = a ττ şi θ =
, atunci bστ = 0 .
4
Teoremă (metoda rotaŃiilor). Fie m ≥ 3 şi A o matrice reală simetrică.
Se consideră şirul de matrici (A ( n ) )n∈N , unde A ( 0 ) = A , A ( n +1) = Tn* A ( n )Tn , Tn
fiind de tipul (1), în care, dacă A ( n ) = a ij( n ) ( ) i , j∈{1,..., m}
, parametrii σ n , τ n ,

σ n ≠ τ n sunt astfel încât a σ( nn)τn = max aij( n ) , iar parametrul θ n este ales astfel
i≠ j
( n +1)
încât a σn τn = 0 . Fie α ,..., α
(n)
1
(n)
m elementele de pe diagonala matricii A ( n ) scrise
în ordine crescătoare şi λ 1 ,..., λ m spectrul lui A scris, de asemenea, în ordine
crescătoare.
Atunci lim α (jn ) = λ j , ∀j ∈ {1,..., m} şi
n →∞

α (jn ) − λ j ≤| A ( n ) |≤ q n | A|,
2
unde q = 1 − .
m −m
2

ExerciŃii. Folosind metoda rotaŃiilor, să se aproximeze cu o eroare mai

mică decât 10 −4 spectrele matricilor următoare:
1.
 3 2 1 0
 
2 3 2 1
A=
1 2 3 2
 
 0 1 2 3
 
R. S ( A) = (0,585787; 0,837723; 3,41422; 7,16228)
2.
14 14 10 4 
 
14 18 16 10 
A=
10 16 18 14 
 
 4 10 14 14 
 
R. S ( A) = (0,3431464; 0,7017798; 11,656898; 51,298254)

71
3.
 2 2 1 0
 
2 2 2 1
A=
1 2 2 2
 
 0 1 2 2
 
R. S ( A) = (−0,41423; − 0,162277; 2,41422; 6,16228)

VI. INTERPOLARE
Aproximarea funcŃiilor prin polinoame este legată în cazul funcŃiilor
analitice de chiar definiŃia analiticităŃii, iar în cazul general al funcŃiilor continue pe
un interval compact, de existenŃa unui şir de polinoame uniform convergent către
funcŃie. Interpolarea cu polinoame este un fenomen de aproximare, în general
punctual, în care, cunoscând valorile unei funcŃii în anumite puncte, se
aproximează acea funcŃie cu un polinom având proprietatea că în acele puncte ia
aceleaşi valori ca şi funcŃia. Această coincidenŃă este cerută uneori şi pentru
derivatele până la un anumit ordin.

VI.1. ExistenŃa şi unicitatea polinomului de interpolare

Se consideră următorul sistem de date:
m∈ N*
xi ∈ R , i ∈ {1,..., m}, puncte distincte două câte două
(D)
a i ∈ N * , i ∈ {1,..., m}
z ij ∈ R , i ∈ {1,..., m}, j ∈ {0,1,..., a i − 1}
m m

∑a ∏ (x − x )
ai
Fie n = i şi ω( x) = i .
i =1 i =1
DefiniŃie. Se numeşte polinom de interpolare asociat sistemului (D), un
polinom P ∈ R[x ] cu proprietăŃile:
gradP ≤ n − 1 ,
P ( j ) ( xi ) = z ij , i ∈ {1,..., m}, j ∈ {0,1,..., a i − 1} .
Teorema 1.Există şi este unic un polinom de interpolare asociat sistemului
(D).

72
 Teorema 2 (formula lui Hermite). Polinomul de interpolare asociat
sistemului (D) se poate scrie sub forma
ai −1
n
ω( x)
P( x) = ∑ z (x − x )
(x − x ) ∑
j
ai ij i rij ( x)
i =1 i j =0

unde
1  (x − xi ) i
(k )
1
ai − j −1 a

rij ( x) = ∑  (xi )(x − xi )k .
j! k =0 k!  ω( x) 

DefiniŃie. Dacă a1 = ... = a m = 1 , polinomul de interpolare corespunzător
se numeşte polinom de interpolare Lagrange.
Dacă în cazul descris în definiŃia precedentă notăm z i = z i 0 , atunci
polinomul de interpolare Lagrange este un polinom P, de grad cel mult m − 1 şi
având proprietatea P ( xi ) = z i , i ∈ {1,..., m}. Se poate uşor constata că are loc
formula lui Lagrange:
n n x − xj
P( x) = ∑ z i ∏ .
i =1 j =1 xi − x j
j ≠i

Exemple
1. Fie x1 ,..., x n numere reale distincte două câte două şi k ∈ N * , k ≤ n − 1 ,
z i 0 = xik , i ∈ {1,..., n} . Atunci polinomul de interpolare asociat acestui sistem de
date este P ( x) = x k .
1 1 4
2. Fie x1 = − , x 2 = 0 , x3 = , a i = 1 , i ∈ {1,2,3} , z1 = , z 2 = 1 , z 3 = 0 .
2 2 5
Atunci polinomul de interpolare asociat acestui sistem de date este
12 2 4
P( x) = − x − x + 1.
5 5
1 1 4 16
3. Fie x1 = − , x 2 = 0 , x3 = , a i = 2 , i ∈ {1,2,3} , z10 = , z11 = ,
2 2 5 25
16 16 4 24 2
z 20 = 1 , z 21 = 1 , z 30 = 0 , z 31 = − . Atunci P ( x) = x − x +1.
25 25 25

VI.2. Polinoame de interpolare asociate funcŃiilor

Fie D un domeniu în R, x1 ,..., x n puncte din D nu neapărat distincte două

câte două şi {y1 ,..., y m } mulŃimea elementelor distincte două câte două din
m
x1 ,..., x n . Să presupunem că y i apare de a i − ori printre x1 ,..., x n şi ∑a
i =1
i = n.

73
Fie f : D → R o funcŃie derivabilă de a i − 1 ori în y i , pentru fiecare
i ∈ {1,..., m}.
DefiniŃie. Se numeşte polinom de interpolare asociat funcŃiei f şi
sistemului ( x1 ,..., x n ) un polinom P, de grad cel mult n − 1 , astfel încât
P ( j ) ( yi ) = f ( yi ) , i ∈ {1,..., m}, j ∈ {0,1,..., ai − 1} .
( j)

Se notează P ( x) = P ( f ; x1 ,..., x n ; x ) .
Se spune că x1 ,..., x n sunt noduri, iar dacă x este un asemenea nod şi dacă
apare de a − ori printre x1 ,..., x n se spune că x are multiplicitatea a. Dacă a = 1 ,
nodul x se numeşte simplu, şi se numeşte multiplu dacă a > 1 . De exemplu, în
P ( f ;1,1,2,8,8,8; x) nodul 1 este dublu, nodul 2 este simplu, iar nodul 8 este triplu.
Exemple:
1. P ( f ; x1 ; x) = f ( x1 ) .
f ( x 2 ) − f ( x1 )
2. Fie x1 ≠ x 2 şi P ( x) = f ( x1 ) + (x − x1 ) . Deoarece
x 2 − x1
gradP ≤ 1 , P( x1 ) = f ( x1 ) , P( x 2 ) = f ( x 2 ) , din definiŃia şi unicitatea
polinomului de interpolare rezultă că P ( x) = P ( f ; x1 , x 2 ; x) .
3. Dacă f
este derivabilă în punctul x, atunci
P( x) = f ( x1 ) + f ′( x1 )( x − x1 ) este polinomul de interpolare asociat funcŃiei f şi
nodului dublu x1 , adică P ( x) = P ( f ; x1 , x1 ; x) . Se observă pentru acesta că
gradP ≤ 1 , P( x1 ) = f ( x1 ) şi P ′( x1 ) = f ′( x1 ) .
DefiniŃie. Se numeşte diferenŃă divizată asociată funcŃiei f şi nodurilor
x1 ,..., xn coeficientul lui x n −1 din P ( f ; x1 ,..., x n ; x ) .
Se notează f [x1 ,..., x n ] .
ObservaŃie. Atât P ( f ; x1 ,..., x n ; x ) , cât şi f [x1 ,..., x n ] nu depind de
ordinea nodurilor.
Teorema 1 (formulă de recurenŃă). Dacă n ≥ 2 şi x1 ≠ x n , atunci
x − x1 x − xn
P( f ; x1 ,..., x n ; x ) = P( f ; x 2 ,..., x n ; x ) + P( f ; x1 ,..., x n −1 ; x ) .
x n − x1 x1 − x n
Corolar 1. Dacă x1 ≠ x 2 , atunci
x − x1 x − x2
P( f ; x1 , x 2 ; x ) = f ( x 2 ) + f ( x1 )
x 2 − x1 x1 − x 2
iar P se numeşte polinom de interpolare liniară.

74
 Corolar 2. Dacă n ≥ 2 şi x1 ≠ x n , atunci
f [x 2 ,..., x n ] − f [x1 ,..., x n −1 ]
f [x1 ,..., x n ] = .
x n − x1
În particular
f ( x 2 ) − f ( x1 )
f [x1 , x 2 ] = .
x 2 − x1
PropoziŃie 1. Dacă x1 = x 2 = ... = x n , atunci
1
f [x1 ,..., x1 ] = f ( n −1) ( x1 ) .
  (n − 1)!
n − ori
Teorema 2 (formulă de recurenŃă). Dacă n ≥ 2 , atunci
P ( f ; x1 ,..., x n ; x ) = P ( f ; x1 ,..., x n −1 ; x ) + f [x1 ,..., x n ]( x − x1 )...( x − x n −1 ) .
Mai general
ω( x)
P ( f ; x1 ,..., x n ; x ) = P ( f ; x1 ,..., xi −1 , xi +1 ,..., x n ; x ) + f [x1 ,..., x n ] .
x − xi
Teorema 3 (formula lui Newton cu diferenŃe divizate).
n
P ( f ; x1 ,..., x n ; x ) = ∑ f [x1 ,..., xi ]( x − x1 )...( x − xi −1 ) .
i =1

VI.3. Evaluarea erorii

Fie ω( x) = ( x − x1 )...( x − x n ) .
PropoziŃia 1. Dacă funcŃia f este cel puŃin de a i − ori derivabilă în
fiecare nod de multiplicitate a i , atunci pentru orice x ∈ D avem
f ( x) = P( f ; x1 ,..., x n ; x ) + f [x1 ,..., x n , x ]ω( x) .
PropoziŃia 2. Fie f : D → R o funcŃie de clasă C n
şi x1 ,..., x n puncte
din D. Atunci, pentru orice x ∈ D , există ξ ∈ D , astfel încât
1
f ( x) = P( f ; x1 ,..., x n ; x ) + f (n)
(ξ)ω(x ) .
n!
ObservaŃie. Punctul ξ din teorema precedentă aparŃine intervalului
[min{x1 ,..., xn , x}, max{x1 ,..., xn , x}].
n
Corolar (formulă de evaluare a erorii). Dacă f este de clasă C pe
intervalul D, atunci
1
f ( x) − P ( f ; x1 ,..., x n ; x ) ≤ ω( x) sup f ( n ) ( x) .
n! x∈D

75
 n −1
PropoziŃia 3. Dacă n ≥ 2 şi dacă funcŃia f este de clasă C pe
intervalul D, atunci există ξ ∈ D , astfel încât
1
f [x1 ,..., x n ] = f ( n −1) (ξ ) .
(n − 1)!
Teorema 4 (continuitatea diferenŃelor divizate). Dacă n ≥ 2 , iar funcŃia
f este de clasă C n −1 pe intervalul D, atunci diferenŃa divizată f [x1 ,..., x n ] , ca
funcŃie de n variabile, este continuă pe D n .
Teorema 5 (derivabilitatea diferenŃelor divizate). Dacă funcŃia f este de
clasă C n+i , atunci
∂′
f [x1 ,..., x n , x ] = i! f [x1 ,..., x n , 
x
, x,...,
x] .
∂x ′ i +1 ori

Algoritmul lui Aitkien

Fie x0 ,..., x n puncte distincte două câte două din D şi f : D → R . Fie
Pk 0 ( x) = f ( x k ) , k = 1,..., n şi
(xk − x )Pdd ( x) − (xd − x )Pkd ( x)
Pk ,d +1 ( x) = , k ∈ {d + 1,..., n} .
xk − xd
Atunci Pnn ( x) = P ( f ; x1 ,..., x n ; x ) .
π
Exemplul 1. Să aproximăn sin prin interpolare prin
4
 1 πx
P f ;−2,−1,0,1,2,3;  , unde f ( x) = sin .
 2 2
Pentru controlul rezultatelor intermediare din algoritmul lui Aitkien se
1 1
poate utiliza tabloul următor, în care x = şi se scriu Pki   .
2 2
xi Pk 0 Pk 1 Pk 2 Pk 3 Pk 4 P55 xk − x

-2 0 -2,5
-1 -1 -2,5 -1,5
0 0 0 1,25 -0,5
1 1 0,8(3) 0 0,625 0,5
2 0 0 -1,25 0,625 0,625 1,5
3 -1 -0,5 -1,75 0,75 0,59375 0,671875 2,5
π
Atunci sin ≈ 0,671875 .
4

76
 1 1
Exemplul 2. Fie funcŃia f ( x) = şi nodurile duble x1 = x 2 = − ,
1+ x 2
2
1
x3 = x 4 = 0 , x5 = x 6 = . Cu ajutorul formulei lui Newton cu diferenŃe divizate
2
1
să se calculeze polinomul de interpolare. Să se verifice evaluarea erorii în x = .
4
SoluŃie. Calculul diferenŃelor divizate este prezentat în următorul tablou:
1 1 1 1
− − 0 0 xi
2 2 2 2
4 4 4 4
1 1 f (xi )
5 5 5 5
16 10 10 16
0 − − f [xi , xi +1 ]
25 25 25 25
12 20 20 12
− − − − f [xi , xi +1 , xi + 2 ]
25 25 25 25
16 16
− 0 f [xi , xi +1 , xi + 2 , xi + 3 ]
25 25
16 16
f [xi , xi +1 , xi + 2 , xi + 3 , xi + 4 ]
25 25
0 f [x1 , x 2 , x3 , x 4 , x5 , x6 ]
Atunci
2 2 2
4 16  1  12  1  16  1 16  1
P ( f ; x1 ,..., x 6 ; x ) = +  x +  −  x +  −  x +  x +  x +  x2 ,
5 25  2  25  2 25  2 25  2
deci
16 4 24 2
P ( f ; x1 ,..., x6 ; x ) =
x − x +1.
25 25
1 1
Avem f   = 0,9411764 , iar aproximarea se face cu P  = 0,9425 . Formula
4 4
de evaluare a erorii dă majorarea cu
1 1 9
sup f (6) ( x) ω   = = 0, 00219726
6! x∈− 1 , 1 
 
 2  4096
 2 2
şi evaluările propuse verifică relaŃia de evaluare a restului.

77
 VI.4. Polinoame de interpolare cu noduri simple echidistante

Fie D un interval în R, h > 0 şi f : D → R . Notăm

∆h f : D − h ∩ D → R ,
(∆ h f )( x) = f ( x + h) − f ( x ) .
Operatorul ∆ h , cât şi numărul f ( x + h) − f ( x) se numesc diferenŃă
nedivizată ascendentă de ordinul întâi.
Dacă {x, x + h,..., x + nh} ⊂ D se defineşte
(∆ f )( x) = (∆
n
h
n −1
h f )( x + h) − (∆nh−1 f )( x)
adică ∆nh = ∆ h
∆nh−1 . Operatorul ∆nh , cât şi numărul (∆ f )(x)
n
h se numesc
diferenŃă nedivizată ascendentă de ordinul n. Prin convenŃie, ∆0 f = f .
PropoziŃia 1. Fie f : D → R , h > 0 şi {x, x + h,..., x + nh} ⊂ D . Atunci
(∆ f )( x) = n!h
n
h
n
f ( x, x + h,..., x + nh) .
Corolar 1. Dacă f este de clasă C n
pe intervalul [x, x + nh] , atunci
există ξ ∈ [x, x + nh] , astfel încât
(∆ f )( x) = h
n
h
n
f ( n ) (ξ ) .
Corolar 2. Dacă f este de clasă C n
pe intervalul [x, x + nh] , atunci

lim
(∆ f )( x) = f
n
h (n)
( x) .
h →0 n
h
Cu ajutorul diferenŃelor nedivizate se obŃin formule cu o anumită simetrie,
cu o anumită independenŃă faŃă de intervalul în care se face interpolarea.
Fie x0 ∈ R , h > 0 şi xi = x0 + ih , i ∈ Z . Fie {x0 , x1 ,..., x n } ⊂ D şi
f : D → R . Pentru x ∈ D , fie t astfel încât x = x0 + th . Avem atunci

( )
n
P ( f ; x0 , x1 ,..., x n ; x0 + th ) = ∑ C ti ∆ih f ( x0 ) ,
i =0
t (t − 1)...(t − i + 1)
unde C ti = , C t0 = 1 .
i!
În această prezentare polinomul de interpolare se numeşte polinomul lui
Newton de interpolare ascendentă. Evaluarea erorii, pentru cazul în care funcŃia f
este de clasă C n +1 şi în raport cu schimbarea de variabilă folosită este:
h n +1
f (x0 + th ) − P( f ; x0 , x1 ,..., x n ; x0 + th ) ≤ t (t − 1)...(t − n) sup f ( n +1) ( x) .
(n + 1)! x∈D

Formula de interpolare precedentă se dovedeşte a fi mai bună (în sensul

unei minimizări a restului) dacă punctul în care se face aproximarea se află în
intervalul [x0 , x0 + h] .

78
 Se notează (∇ h f )( x) = f ( x) − f ( x − h) şi se numeşte diferenŃă
( ) (
nedivizată descendentă. Ca mai sus , ∇ nh f ( x) = ∇ nh −1 f ( x) − ∇ nh −1 f ( x − h)) ( )
Are loc:

( )
n
P ( f ; x0 , x −1 ,..., x − n ; x0 − sh ) = ∑ (− 1) C si ∇ ih f ( x0 )
i

i =0
numită formula lui Newton de interpolare descendentă. Se preferă în cazul în care
punctul în care se face aproximarea aparŃine intervalului [x 0 − h, x 0 ] .
( )
În formula următoare se notează ∆ih f ( x k ) = ∆i f k , k ∈ Z . Are loc:
P ( f ; x0 , x 0 + h, x0 − h, x0 + 2h, x0 − 2h,..., x0 + nh, x0 − nh ) =

= f ( x 0 ) + ∆f 0 t + ∆2 f −1
t (t − 1)
+ ∆3 f −1
t t 2 −1 (
+
)
2! 3!

+ ∆ f −2
4 (
t t 2 − 1 (t − 2)) + ... +
4!

+ ∆2 n−1 f − n+1
( )(
t t 2 − 1 ... t 2 − (n − 2 ) t 2 − (n − 1) 2
2
+
)( )
(2n − 1)!

+ ∆ f −n
2n ( )(
t t 2 − 1 ... t 2 − (n − 1) (t − n )
2
)
(2n)!
numită formula lui Gauss ascendentă.
2 x 2
Exemplul 1. Sunt cunoscute valorile funcŃiei φ( x) =
π
∫ 0
e −t dt în

i
punctele 1 + , i ∈ {0,1,...,10} . Folosind formula de interpolare Newton
10
ascendentă cu 4 noduri să se aproximeze φ(1,43) . Valorile funcŃiei cât şi ale
diferenŃelor nedivizate sunt prezentate în tabelul următor ( h = 0,1 ).
x φ(x) ∆hφ ∆2h φ ∆3h φ ∆4h φ
1 0,8427 0,0375 -0,0074 0,001 0
1,1 0,8802 0,0301 -0,0064 0,001 -0,0001
1,2 0,9103 0,0237 -0,0054 0,0009 0
1,3 0,9340 0,0183 -0,0045 0,0009 0
1,4 0,9523 0,0138 -0,0036 0,0009 -0,0004
1,5 0,9661 0,0102 -0,0027 0,0005 0,0001
1,6 0,9763 0,0075 -0,0022 0,0006 -0,0002
1,7 0,9838 0,0053 -0,0016 0,0004
1,8 0,9891 0,0037 -0,0012
1,9 0,9928 0,0025
2 0,9953
79
 Conform notaŃiilor precedente x = 1,43 , se alege x0 = 1,4 . Atunci
x − x0
t= = 0,3 şi deci:
h
P(φ; x0 , x1 , x 2 , x3 ;1,43) = φ( x0 ) + C t1 (∆ h φ)( x0 ) + C t2 ∆2h φ ( x0 ) + ( ) ,
t ( )
+ C ∆ φ (x0 ) + C ∆ φ (x0 )
3 3
h t
4
( )
4
h
unde:
φ( x0 ) = 0,9523 ; (∆ h φ )( x0 ) = 0,0138 ; (∆2h φ )( x0 ) = −0,0036 ;
(∆ φ)(x ) = 0,0009 ; (∆ φ)(x ) = −0,0004 .
3
h 0
4
h 0

C = t = 0,3 ; C = −0,105 ; C = 0,0595 ; C t4 = −0,0401

1
t t
2
t
3

şi se obŃine P (φ; x0 , x1 , x 2 , x3 ;0,43) ≈ 0,95688 . Se aproximează deci

φ(1,43) ≈ 0,95688 . Se poate arăta că eroarea este mai mică decât 10 , deci −4

primele 3 zecimale sunt exacte.

Exemplul 2. Folosind metoda şi tabelul din exerciŃiul precedent, să se
aproximeze cu formula lui Newton ascendentă cu patru noduri φ(1,53) .
Se va lua x0 = 1,5 şi se obŃine φ(1,53) ≈ 0,9694737 eroarea teoretică
fiind mai mică decât 1,2 ⋅ 10 −5 .

VI.5. Interpolare cu funcŃii spline cubice

Fie f : [a, b] → R şi nodurile a = x1 < x 2 < ... < x n +1 = b .

DefiniŃie. Se numeşte funcŃie spline cubică asociată funcŃiei f şi nodurilor
x1 ,..., x n+1 , o funŃie de clasă C 2 , s : [a, b] → R , astfel încât s ( xi ) = f ( xi )
∀i ∈ {1,..., n + 1} şi restricŃia funcŃiei s la fiecare interval [xi , xi+1 ] este
polinomială de grad cel mult 3.
Teorema 1. Există şi este unică o funcŃie spline cubică asociată funcŃiei f
şi nodurilor x1 ,..., x n +1 , astfel încât s ′′( a ) = s ′′(b) = 0 .
Să notăm hi = xi +1 − xi , a i = s ′′(xi ) , i ∈ {1,..., n + 1}. Atunci
a1 = a n+1 = 0 . Se arată că pentru x ∈ [xi , xi +1 ] avem:
(xi +1 − x )3 (x − xi )3
s ( x) = a i + a i +1 +
6hi 6hi
 h2  x − x  h2  x − xi
+  f ( xi ) − i ai  i +1 +  f ( xi +1 ) − i ai +1 
 6  hi  6  hi
Se arată că necunoscutele rămase a 2 ,..., a n sunt soluŃiile sistemului
Ax = b , unde x = (a 2 ,..., a n ) ,
80
  h1 + h2 h2 
 0 0 ⋯ 0 0 
 3 6 
 h2 h2 + h3 h3 
A= 6 0 ⋯ 0 0
3 6 
 ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ 
 hn −1 hn −1 + hn 
 0 0 0 0 ⋯ 
 6 3 
1 1 1  1
b = (b1 ,..., bn −1 ) , bi = f ( xi ) −  +  f ( xi +1 ) + f (xi + 2 ) .
hi  hi hi +1  hi +1
Matricea A este diagonal dominantă pe linii şi deci sistemul Ax = b are
soluŃie unică, iar aceasta se poate aproxima cu metoda lui Jacobi.
Pe fiecare interval [xi , xi +1 ] evaluarea erorii se face cu formulele stabilite
la interpolare cu polinoame.
Fie
{
X = g ∈C [ a2,b ] g ( xi ) = f ( xi ), i ∈ {1,..., n + 1} }
şi
φ : X → R , φ( g ) = ∫ ( g ′′( x) ) dx .
b 2
a
Are loc următoarea caracterizare variaŃională:
Teorema 2. Dacă s ∈ X este funcŃia spline cubică din teorema 1, atunci
φ( s ) = min φ( g ) . Reciproc, dacă u ∈ X şi φ(u ) = min φ( x ) , atunci u este
g∈X g∈X
funcŃia spline cubică din teorema 1.

VII. FORMULE DE CUADRATURA

VII.1. ConvergenŃa punctuală

Problema aproximării integralei Riemann a unei funcŃii continue pe un
interval compact [a, b ] presupune, în partea calitativă a fenomenului, unele
consideraŃii de analiză funcŃională.
Se consideră mulŃimea C [ a ,b ] a funcŃiilor reale continue pe [a, b ] ,
organizat ca spaŃiu normat cu norma f = max f ( x) . Integrala Riemann
x∈[ a ,b ]
b
I ( f ) = ∫ f ( x)dx este o funcŃională liniară şi continuă pe C [ a ,b ] , iar aproximarea
a
n
ei se face punctual cu funcŃionale de tipul J ( f ) = ∑ α i f ( xi ) , unde
i =1

{x1 ,..., x n } ⊂ [a, b] sunt puncte distincte două câte două, iar {α 1 ,..., α n } ⊂ R .

81
AplicaŃia J este funcŃională liniară şi continuă pe C [ a ,b ] care, prin abuz, se va numi
în acest context "formulă de cuadratură", căci se va proceda la aproximarea
b
∫a
f ( x)dx ≈ J ( f ) .
Pentru stabilirea convergenŃei punctuale a unui şir de formule de
cuadratură către integrală este util următorul rezultat:
{ }
Teorema 1. Fie x1( n ) ,..., x k( nn ) un sistem de puncte distincte două câte

[a, b] , {α1( n ) ,..., α (knn) } ⊂ R

kn
două din intervalul şi J n ( f ) = ∑α (n)
i ( )
f xi( n ) .
i =1
AfirmaŃiile următoare sunt echivalente:
b
i) lim J n ( f ) = ∫ f ( x)dx pentru orice f ∈C [ a ,b ] ;
n →∞ a
kn
ii) Există M > 0 , astfel încât ∑α
i =1
(n)
i ≤ M , pentru orice n ∈ N şi

( ) b
lim J n t k = ∫ t k dt , pentru orice k ∈ N .
n →∞ a
Cu notaŃiile din teorema precedentă are loc:
Corolar. Dacă α i( n ) ≥ 0 pentru orice i ∈ {1,..., k n } şi orice n ∈ N , atunci
b
lim J n ( f ) = ∫ f ( x)dx pentru orice f ∈ C [ a ,b ] dacă şi numai dacă
n →∞ a

( ) b
lim J n t k = ∫ t k dt pentru orice k ∈ N .
n →∞ a

VII.2. Formulele Newton-Côtes

b−a
Fie n ∈ N * , h = , xi = a + ih , i ∈ {0,..., n} . Prin integrarea
n
polinomului de interpolare P ( f ; x0 ,..., x n ; x ) se obŃine formula

J n ( f ) = ∫ P( f ; x0 ,..., x n ; x )dx . Are loc

b

a
n
J n ( f ) = (b − a )∑ H i( n ) f ( xi ) (1)
i =0

FuncŃionala J n se numeşte "formula de cuadratură Newton-Côtes".

CoeficienŃii H i(n ) au proprietăŃile:
n

∑H
i =0
i
(n)
=1 (2)

H i
(n)
= H n( n−)i (3)
Evaluarea erorii se obŃine folosind rezultatele de la interpolare.
82
 PropoziŃie. Dacă f ∈C [ an,+b1] , atunci
n
h n+2
f ( x)dx − (b − a )∑ H i( n ) f ( xi ) ≤
b b
∫a
i=0
sup f ( n + ) ( x) ∫ t (t − 1)...(t − n) dt .
(n + 1)! x∈[ a ,b ] a

1
Pentru n = 1 avem H 0(1) = H 1(1) = , iar formula ce se obŃine
2
b−a
T( f ) = ( f (a) + f (b) )
2
se numeşte "formula de cuadratură a trapezului".
Dacă f ∈C [ a2,b ] , evaluarea erorii rezultă din propoziŃia precedentă:
b−a (b − a ) 3
( )
b
∫a f ( x)dx −
2
f ( a ) + f ( b ) ≤ sup f ′′( x) .
12 x∈[ a ,b ]
1 4
Pentru n = 2 avem H 0( 2 ) = H 2( 2 ) = , H 1( 2 ) = , iar formula care se
6 6
obŃine:
b−a a+b 
S( f ) =  f (a ) + 4 f   + f (b) 
6   2  
poartă numele de "formula de cuadratura a lui Simpson".
Dacă f ∈C [ a4,b ] , formula de evaluare a erorii este:
b b−a a+b  (b − a ) 5
∫a
f ( x)dx −  f (a ) + f 
6   2
 + f (b)  ≤
  2880
sup f ( 4 ) ( x) .
x∈[ a ,b ]

VII.3. Formule sumate

b−a
, xi = a + ih , i ∈ {0,1,..., n} . Prin sumarea
Pentru n > 1 , fie h =
n
formulelor trapezului corespunzătoare intervalelor [xi , xi +1 ] se obŃine, pentru
f ∈ C [ a ,b ] ,
b − a n −1
Tn ( f ) = ∑ ( f (xi ) + f (xi +1 ))
2n i =0
numită formula sumată a trapezului.
Dacă f ∈C [ a2,b ] , are loc următoarea formulă de evaluare a erorii:
b (b − a ) 3
∫
a
f ( x)dx − Tn ( f ) ≤ sup f ′′( x) .
12n 2 x∈[ a ,b ]

83
 Ca o consecinŃă a formulei precedente şi a corolarului de la teorema 1,
paragraful 1, rezultă că:
b
lim Tn ( f ) = ∫ f ( x)dx , ∀f ∈C [ a ,b ] .
n →∞ a

b−a
Dacă pentru n > 1 , n ∈ N , se notează h = , xi = a + ih ,
n
i ∈ (0,1,...,2n ) , prin sumarea formulelor lui Simpson corespunzătoare intervalelor
[x 2i , x2i+ 2 ] se obŃine
b − a n−1
Sm ( f ) = ∑ ( f (x2i ) + 4 f (x2i +1 ) + f (x2i +2 ))
6n i =0
numită formula sumată a lui Simpson.
Dacă f ∈ C 4 [a, b] , are loc următoarea formulă de evaluare a erorii:
b
(b − a)
5

∫ f ( x)dx − S (f) ≤ ( 4)
m 4
sup f ( x) .
a 2880n x∈[a ,b ]

Ca o consecinŃă a formulei precedente şi a corolarului de la teorema 1

rezultă că:
b
lim S n ( f ) = ∫ f ( x)dx , ∀f ∈ C [a, b] .
n →∞
a
Exemple.
1
− x2
1. Aproximarea integralei ∫e
0
dx cu formula sumată a trapezului se face cu

următoarele evaluări:T2 ( f ) = 0,7313702 ; T4 ( f ) = 0,742984 ;

T8 ( f ) = 0,7458656 ; T10 ( f ) = 0,7462 . În cazul n = 10 pentru evaluarea
( ) 2
erorii constatăm că f ′′( x) = 2 2 x 2 − 1 e − x , f ′′′( x) = 8 x 2 − x 2 e − x . Din ( ) 2

studiul variaŃiei rezultă că f ′′( x) ≤ 2 . Din (1) rezultă că eroarea este cel mult
2
< 0,002 .
12 ⋅ 100
2. Să se aproximeze cu formula sumată a lui Simpson pentru n = 4 , integrala
1
x2
∫e
0
dx . Se obŃine S 4 ( f ) = 1,4627231 .

84
 VII.4. Formulele de cuadratură ale lui Gauss

Fie x1 ,..., x n puncte distincte două câte două în intervalul [a, b ] şi formula
de cuadratură
n
J ( f ) = ∑ α i f ( x i ) , f ∈ C [ a ,b ] (1)
i =1

DefiniŃie. Formula J se numeşte exactă pe mulŃimea A ⊂ C [ a ,b ] dacă

b
J ( f ) = ∫ f ( x)dx pentru orice f ∈ A .
a
ObservaŃie. Formula trapezului este exactă pentru orice funcŃie
polinomială de grad cel mult 1, iar formula lui Simpson este exactă pentru orice
funcŃie polinomială de grad cel mult 2.
Se notează cu P k spaŃiul polinoamelor de grad cel mult k.
PropoziŃia 1. Dacă funcŃionala (1) este exactă pe spaŃiul P m , atunci
m ≤ 2n − 1 .
ObservaŃie. Dacă funcŃionala (1) este exactă pe P 2 n −1 şi notăm
n
q ( x) = ∏ ( x − xi ) , atunci
i =1
b
∫
a
q ( x) p ( x)dx = 0 ∀p ∈Pn −1 (2)

Un polinom de grad n se numeşte monic dacă coeficientul lui x n este 1.

Teorema 1. Există şi este unic un polinom monic cu proprietatea (2). El
este dat de
γ n ( x) =
n!
(2n)!
(
( x − a ) n ( x − b) n )
(n)

( γ n se numeşte polinomul lui Legendre).

PropoziŃia 2. Polinomul γ n are n rădăcini reale distincte aflate în (a, b ) .
{ }
Teorema 2. Fie x1( n ) ,..., x n( n ) puncte distincte două câte două aflate în
{ }
intervalul (a, b ) şi α 1( n ) ,..., α (nn ) ⊂ R . Fie

σ n ( f ) = ∑ α i( n ) f (xi( n) ),
n
f ∈ C [ a ,b ]
i =1

FuncŃionala σn este exactă pe P 2 n −1 dacă şi numai dacă x1( n ) ,..., x n( n ) sunt

b n x − x (jn )
rădăcinile polinomului Legendre γ n , iar α i( n ) = ∫ ∏x
a
j =1
( n)
i − x (jn )
dx .
j ≠i

(funcŃionala σn se numeşte formula de cuadratură a lui Gauss).

85
 PropoziŃia 3. Pentru orice f ∈C [ a ,b ] , lim σ n ( f ) =
b

n →∞ ∫a
f ( x)dx .
Teorema 3 (evaluarea erorii). Dacă f ∈C [ a2,nb ] , atunci

σ n ( f ) − ∫a
b
f ( x)dx ≤
(n!)4 ⋅
(b − a ) 2 n+1
sup f (2n)
( x) .
((2n)!) 3
2n + 1 x∈[ a ,b ]
Pentru calculul prin recurenŃă al polinoamelor Legendre are loc:
1
PropoziŃia 4. γ 0 ( x) = 1 , γ 1 ( x) = x − ( a + b) ,
2
γ n +1 ( x) = xγ n ( x) − α n γ n ( x) − β n γ n−1 ( x) , n ≥ 1
unde
b b
∫ xγ ( x)dx , n ≥ 0 , β ∫ xγ n ( x) γ n −1 ( x)dx
2
n
αn = a
b n = a
b
, n ≥ 1.
∫ γ ( x)dx ∫ γ 2n −1 ( x)dx
2
n
a a

De exemplu, pe intervalul [− 1,1] avem γ 0 ( x) = 1 ,γ 1 ( x) = x ,

1 3 6 3
γ 2 ( x) = x 2 − , γ 3 ( x) = x 3 − , γ 4 ( x) = x 4 + x 2 + ,
3 5 7 35
10 15
γ 5 ( x) = x 5 − x 3 + x.
9 63
Teorema 4. Pe un interval de forma [− a, a ] , funcŃia γ 2 n este pară, iar
γ 2 n +1 este impară.
ObservaŃie. Dacă x1( n ) ,..., x n( n ) sunt rădăcinile lui γ n corespunzătoare
intervalului [− 1,1] , atunci rădăcinile corespunzătoare în cazul intervalului [a, b ]
a + b b − a (n)
sunt + xi . Dacă α 1( n ) ,..., α (nn ) sunt coeficienŃii din σn pe intervalul
2 2
b − a ( n)
[− 1,1] , atunci coeficienŃii corespunzători intervalului [a, b] sunt αi .
2
De exemplu, pe intervalul [− 1,1] avem
 3 8  3
σ3 ( f ) = 5 f  −  + f ( 0) +

5
f  

9  5 9 9  5
iar formula sumată corespunzătoare acestora este
 3  xi + xi +1 b − a 3 
σ 3( n) ( f ) = b − a ∑ 5 f  xi + xi +1 − b − a  xi + xi +1 
n −1
+8 f  +5 f  + 
18n i =0  2 2n 5   2   2 2n 5 

86
 Pentru n = 4 , pe intervalul [− 1,1] , rădăcinile polinomului Legendre sunt
x1 = −0,861136 ; x 2 = −0,339981 , x3 = − x 2 ; x 4 = − x1 . CoeficienŃii din
formula lui Gauss sunt α 1 = α 4 = 0,347854 ; α 2 = α 3 = 0,652145 . Eroarea se
majorează cu 2,88 ⋅ 10 −7 sup f (8 )
( x) .
x∈[ −1,1]

Pentru n = 5 , pe intervalul [− 1,1] , rădăcinile polinomului Legendre sunt

x1 = −0.906179 ; x 2 = −0,538469 ; x3 = 0 ; x 4 = − x 2 ; x5 = − x1 . CoeficienŃii
din formula lui Gauss sunt α 1 = α 5 = 0,236926 , α 2 = α 4 = 0,478628 ,
α 3 = 0,568888 . Eroarea se majorează cu 8,08 ⋅ 10 −10 sup f (10 )
( x) .
x∈[ −1,1]

VIII. METODE NUMERICE PENTRU ECUATII DIFERENTIALE

Fie u : A × B ⊂ R 2 → R o funcŃie continuă, [a, b] ⊂ A şi problema

Cauchy
x(a ) = α 0
(1)
x ′(t ) = u (t , x(t ) ), t ∈ [a, b]
Presupunem că problema precedentă are soluŃie unică, ceea ce se întâmplă,
de exemplu, dacă există L > 0 , astfel încât u (t , z ) − u (t , v) ≤ L z − v , pentru
orice t ∈ [a, b] şi orice z , v ∈ B . Vom spune în continuare că u este de clasă C n ,
ceea ce va permite aproximarea soluŃiei x cu polinomul său Taylor de ordinul n.
Notăm
u 0 (t , y ) = u (t , y )
∂u j −1 ∂u j −1
u j (t , y ) = (t , y ) + (t , y )
∂t ∂y
Atunci polinomul Taylor de grad n, asociat funcŃiei x în punctul s 0 , este
n u j −1 (s 0 , x( s 0 ) )
T( n, x , s0 ) (t ) = x( s 0 ) + ∑ (t − s 0 ) j . (2)
j =1 j!
Aproximarea soluŃiei x prin polinomul Taylor T( n , x ,a ) este posibilă
deoarece în (2) sunt necesare doar informaŃiile din (1), dar metoda are mai mult
importanŃă teoretică.
O folosire mai bună a comportării soluŃiei x şi în alte puncte decât a este
conŃinută într-o metodă derivată din cea a aproximării cu polinomul Taylor.

87
 VIII.1. Metoda lui Taylor

Fie a = t 0 < t1 < ... < t m < t m +1 = b o diviziune δ a intervalului [a, b ] .

Fie x0 = α 0 şi fie y : [ a, b] → R o funcŃie construită astfel:
n u j −1 (t 0 , x0 )
y (t ) = x 0 + ∑ (t − t 0 ) j , t ∈ [t 0 ,t1 ] .
j =1 j!
n u
j −1 (t 0 , x 0 )
Fie x1 = y (t1 ) , x1 = x0 + ∑ (t1 − t 0 ) j .
j =1 j !
Presupunând că am construit y : [t 0 , t k ] → R , reŃinem x k = y (t k ) şi
continuăm prin
n u j −1 (t k , x k )
y (t ) = x k + ∑ (t − t k ) j , t ∈ [t k , t k +1 ] .
j =1 j!
n u j −1 (t k , x k )
Luăm x k +1 = y (t k +1 ) , adică x k +1 = x k + ∑ (t k +1 − t k ) j .
j =1 j!
Definim z : δ → R , z (t k ) = x k , iar aproximarea soluŃiei x la diviziunea
δ cu funcŃia z poartă numele de metoda lui Taylor.
FuncŃia z este determinată deci de soluŃiile următoarei ecuaŃii:
 x k +1 − x k n u
j −1 (t k , x k )
 =∑ (t k +1 − t k ) j −1
 t k +1 − t k j =1 j! (3)
x = α
 0 0
EcuaŃiile precedente se numesc ecuaŃii cu diferenŃe.
Pentru n = 1 se obŃine metoda lui Euler. Prin urmare, restricŃia soluŃiei c la
diviziunea δ se aproximează cu soluŃia z a următoarei ecuaŃii cu diferenŃe
 x0 = α 0

 x k +1 − x k
 t − t = u (t k , x k ), k ∈ {0,..., m}
 k +1 k

VIII.2. Metoda Euler-Cauchy

Să presupunem că diviziunea δ este echidistantă, deci că t k +1 − t k = h .

Metoda Euler-Cauchy constă din aproximarea soluŃiei x la diviziunea δ cu
soluŃiile z ale următoarei ecuaŃii cu diferenŃe:
 x0 = α 0

 x k +1 − x k 1 .
 = (u (t k , x k ) + u (t k +1 , x k + hu (t k , x k )))
 h 2

88
 VIII.3. Metoda Runge-Kutta
SoluŃia ecuaŃiei (1) se aproximează cu soluŃia ecuaŃiei cu diferenŃe:
 x0 = α 0

 x k +1 − x k 1
 = (v1 (t k , x k ) + 2v 2 (t k , x k ) + v3 (t k , x k ) + v 4 (t k , x k ) )
 h 6
unde
 h h 
v1 (t , z ) = u (t , z ) , v 2 (t , z ) = u  t + , z + v1 (t , z ) 
 2 2 
 h h 
v3 (t , z ) = u  t + , z + v 2 (t , z )  , v 4 (t , z ) = u (t + h, z + hv3 (t , z ) ) .
 2 2 
ObservaŃie. Pentru a aproxima soluŃia x în alte puncte decât cele ale
diviziunii δ se apelează apoi la interpolare.
Exemplu. Să rezolvăm cu metoda lui Euler pentru h = 0,05 problema
x ( 0) = 1
2t .
x ′(t ) = x(t ) − , t ∈ [0,1]
x(t )
2t
SoluŃie. Avem u ( z , t ) = z − . EcuaŃiile cu diferenŃe (numite uneori
z
ecuaŃii apropiate) sunt
x0 = 1
 2t 
x k +1 = x k + h x k − k 
 xk 
cu t k = 0,05k , k ∈ {0,1,...,20}. Se obŃine x0 = 1 , x1 = 1,05 , x 2 = 1,097 ,
x3 = 1,148 , etc.

BIBLIOGRAFIE

1. Gh. Grigore, LecŃii de analiză numerică, Editura UniversităŃii Bucureşti, 1992.

2. B. Demidovici, I. Maron, Elements de calcul numerique, Edition Mir, Moscou,
1973.
3. Gh. Marinescu, Gh. Grigore ş.a., Probleme de analiză numerică, Editura
Didactică şi Pedagogică, Bucureşti, 1978.

89