UNIVERSITATEA ”OVIDIUS” CONSTANŢA

FACULTATEA DE MATEMATICĂ ŞI INFORMATICĂ

Prof. univ. dr. CONSTANTIN POPA Lect. univ. dr. ELENA PELICAN

ANALIZA NUMERICĂ

Constanţa 2006
Introducere

Lucrarea de faţă ı̂şi propune să prezinte principalele tehnici de aproxi-

mare din analiza numerică clasică. Ea are la bază cursurile, seminariile
şi laboratoarele din acest domeniu ţinute de autori ı̂n perioada 1991-2004
la specializările de matematică, informatică şi inginerie din Universitatea
Ovidius din Constanţa. Bagajul de cunoştinţe matematice necesare par-
curgerii lucrării se rezumă la cursurile de analiză matematică ,̧ algebră
liniară şi ecuaţii diferenţiale ordinare care se ţin, ı̂n mod uzual ı̂n anii I si
II (semestrul I) la toate specializările menţionate mai sus. Prezentarea re-
spectivilor algoritmi este ı̂nsoţită de un minimum de consideraţii teoretice
care asigură atât ı̂nţelegerea proprietăţilor şi comportării lor ı̂n aplicaţii cât
şi o bază pentru abordări ulterioare ale unor extinderi şi generalizari. În
lucrare au fost prezentate metodele clasice din diverse capitole ale analizei
numerice, insistându-se pe sublinierea ideilor fundamentale legate de algo-
ritmii respectivi. Astfel, abordarea unor variante moderne şi ı̂mbunătăţite
va fi mai uşor de realizat pentru cititorii interesaţi. Seturile de exerciţii care
ı̂ncheie fiecare capitol conţin complemente, dezvoltări şi aplicaţii practice
ale metodelor descrise. Detalii legate de anumite demonstraţii, extinderi
ale metodelor prezentate sau soluţii ale unor exerciţii se pot gasi ı̂n lucrările
[22], [23], [24], [21], [20].

i
Notaţii
IN mulţimea numerelor naturale
Z mulţimea numerelor ı̂ntregi
IR mulţimea numerelor reale
C mulţimea numerelor complexe
IRn , Cn spaţiile euclidiene n dimensionale real,
respectiv complex
IN ∗ , Z∗ , IR∗ , C∗ IN ∗ = IN \ {0}; analog pentru celelalte
IR[X] mulţimea polinoamelor ı̂n nedeterminata X,
cu coeficienţi numere reale
gradP gradul polinomului P
C n ([a, b]) mulţimea funcţiilor definite pe [a, b], de n ori derivabile,
cu derivata de ordin n continuă
C ∞ ([a, b]) mulţimea funcţiilor definite pe [a, b], indefinit derivabile
Mn (K) mulţimea matricelor pătrate de dimensiune n ≥ 1
cu elemente din corpul K,
unde K este IR sau C; pentru K = IR vom nota
prin Mn
ai sau (A)i linia i din matricea A ∈ Mn
aij sau (A)ij elementul de pe poziţia (i, j) din matricea A ∈ Mn .
zi sau (z)i componenta de pe poziţia i din vectorul z ∈ IRn
detA determinantul matricei A ∈ Mn
tr(A) urma matricei A ∈ Mn (tr(A) = a11 + · · · + ann )
At transpusa matricei A ∈ Mn
diag{d1 , . . . , dn } matrice diagonală cu elementele d1 , . . . , dn pe
diagonala principală
diag(A) matricea diagonală ce are pe diagonala principală
elementele de pe diagonala matricei A
k(A) numărul de condiţionare al matricei inversabile A ı̂n
raport cu o normă dată k · k;
k(A) = kAk · kA−1 k
σ (A) spectrul unei matrice A ∈ Mn (valorile proprii)
ρ (A) raza spectrală a unei matrice A ∈ Mn
(ρ(A) = max{|λ|, λ ∈ σ(A)})
δij simbolul lui Kronecker
O(hn ) mărime de ordin hn
Cuprins

1 Reprezentarea numerelor ı̂n calculator. Erori de calcul 1

1.1 Reprezentarea p-adică a numerelor reale . . . . . . . . . . . 1
1.2 Reprezentarea numerelor reale ı̂n calculator. Erori de rotun-
jire şi trunchiere . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Calculul valorilor funcţiilor elementare. 12

2.1 Schema lui Horner . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Schema lui Horner generalizată . . . . . . . . . . . . . . . . 14
2.3 Dezvoltări ı̂n serie Taylor . . . . . . . . . . . . . . . . . . . 16

3 Aproximarea soluţiilor ecuaţiilor şi sistemelor de ecuaţii

neliniare 21
3.1 Metoda bisecţiei . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Metoda coardei . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Metoda aproximaţiilor succesive pe IR . . . . . . . . . . . . 26
3.4 Metoda lui Newton pe IR . . . . . . . . . . . . . . . . . . . 28
3.5 Metoda aproximaţiilor succesive şi metoda Newton pentru
sisteme de ecuaţii neliniare . . . . . . . . . . . . . . . . . . 30
3.6 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4 Aproximare, interpolare şi derivare numerică 35

4.1 Aproximarea cu polinoame Bernstein . . . . . . . . . . . . . 36
4.2 Interpolare cu polinoame Lagrange . . . . . . . . . . . . . . 37
4.3 Funcţii spline cubice . . . . . . . . . . . . . . . . . . . . . . 39
4.4 Derivarea numerică . . . . . . . . . . . . . . . . . . . . . . . 40
4.5 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5 Integrare numerică 45
5.1 Formule de cuadratură de tip Newton-Côtes . . . . . . . . . 46
5.1.1 Aproximarea integralelor pe IR . . . . . . . . . . . . 46
5.1.2 Aproximarea integralelor pe IR2 . . . . . . . . . . . . 53

ii
 5.2 Formule de cuadratură cu noduri Gauss . . . . . . . . . . . 55
5.2.1 Formule de tip Cebı̂şev . . . . . . . . . . . . . . . . 55
5.2.2 Formule bazate pe polinoame Legendre . . . . . . . 57
5.2.3 Formule de tip Gauss pentru integrale duble . . . . . 57
5.3 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

6 Aproximarea soluţiilor ecuaţiilor diferenţiale ordinare 62

6.1 Metode de tip Taylor . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Metode de tip Runge-Kutta . . . . . . . . . . . . . . . . . . 66
6.3 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

7 Metode directe pentru sisteme liniare 70

7.1 Metoda eliminării a lui Gauss . . . . . . . . . . . . . . . . . 70
7.2 Descompunerea LU . . . . . . . . . . . . . . . . . . . . . . . 74
7.2.1 Condiţii suficiente pentru ca EG să funcţioneze fără
pivotare . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.3 Descompunerea Choleski . . . . . . . . . . . . . . . . . . . . 79
7.4 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

8 Aproximarea valorilor şi vectorilor proprii 82

8.1 Metoda Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.2 Metoda puterilor . . . . . . . . . . . . . . . . . . . . . . . . 85
8.3 Metoda puterilor inverse . . . . . . . . . . . . . . . . . . . . 87
8.4 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

Bibliografie 89
Capitolul 1

Reprezentarea numerelor ı̂n

calculator. Erori de calcul

1.1 Reprezentarea p-adică a numerelor reale

n
P
Definiţia 1 Fie (an )n ⊂ IR şi Sn = ak , n ≥ 1. Dacă şirul (Sn )n≥1
k=1 P
este convergent la un număr x ∈ IR spunem că seria an este convergentă
n≥1
şi are suma x şi scriem X
an = x. (1.1)
n≥1

Atunci Sn se numeşte suma parţială de rang n, iar an termenul general (de

rang n) al seriei.
P
Definiţia 2 Dacă an = x este o serie convergentă definim cantitatea
n≥1

Rn = x − Sn , n≥1 (1.2)

numită restul de ordin n al seriei. Evident că

lim Rn = 0. (1.3)
n→∞

P
Propoziţia 1 (i) Dacă an este convergentă, atunci lim an = 0.
n≥1 n→∞
(ii) Avem relaţia
 
n+k
X
Rn = lim  aj  . (1.4)
k→∞
j=n+1

1
 P P P
(iii) Dacă an şi bn sunt serii de numere reale pozitive, seria bn
n≥1 n≥1 n≥1
este convergentă şi există n0 ≥ 1 şi c > 0 astfel ı̂ncât

an ≤ c · bn , ∀ n ≥ n0 , (1.5)
P
atunci şi seria an e convergentă.
n≥1

Corolarul 1 Fie p ∈ IN , p ≥ 2 şi (an )n ⊂{0, 1, ..., p-1}. Atunci seria

P an
n
este convergentă.
n≥1 p

Observaţia 1 Orice număr real a se poate exprima ı̂n scrierea zecimală

a = a0 , a1 a2 a3 ...... (1.6)

ı̂n care a1 , a2 , ... se numesc cifre zecimale (ai ∈ {0, 1, . . . , 9}, ∀ i ∈ IN ),

iar a0 este partea ı̂ntreagă a lui a (notată ı̂n continuare prin [a]). Chiar
şi pentru a ∈ Q ı̂n scrierea (1.6) pot apărea o infinitate de cifre zecimale
(numere periodice). Scrierea ”poziţională” (1.6) este echivalentă din punct
de vedere matematic cu
X an
a = a0 + , (1.7)
10n
n≥1

seria din dreapta fiind convergentă ı̂n baza corolarului anterior.

Observaţia 2 Scrierea (1.6) nu este unică ∀ a ∈ IR. De exemplu pentru

a = 1/2 avem
a = 0.5 = 0.49999.... (1.8)

Rezultatul care urmează generalizează consideraţiile anterioare pentru orice

bază p ∈ IN , p ≥ 2 (pentru demonstraţii vezi [22]).
Teorema 1 (i) Orice număr real α ∈ [0, ∞) admite o reprezentare de
forma X an
α = a0 + , (1.9)
pn
n≥1

cu an ∈ {0, 1, .., p − 1}, ∀ n ≥ 1.

(ii) Scrierea (1.9) este unică dacă şi numai dacă
k
α 6= , ∀ k, n ∈ IN. (1.10)
pn

2
Corolarul 2 Toate afirmaţiile din enunţul Teoremei 1 rămân valabile şi
pentru numere α ∈ (−∞, 0).

Observaţia 3 Din Teorema 1 rezultă că scrierea (1.9) nu afectează va-

loarea (ca număr real) a părţii ı̂ntregi sau părţii zecimale a numărului α.
Reprezentarea (1.9) se va nota prin a = a0 , a1 a2 a3 ......(p) (vezi (1.6)).

Pentru numere ı̂ntregi obţinem o scriere similară cu (1.9), dată de următorul

rezultat.

Corolarul 3 Fie α ∈ Z. Atunci există n ≥ 1 (care depinde de α) şi

b0 , b1 , ..., bn ∈ {0, 1, ..., p − 1} unic determinaţi astfel ı̂ncât
n
X
α=± bk · pk . (1.11)
k=0

Definiţia 3 Fie p ∈ N, p ≥ 2. Definim

Qp = {pk · n | k, n ∈ Z}, (1.12)

numită mulţimea numerelor practice (ı̂n baza p).

Teorema 2 Mulţimea Qp este densă ı̂n IR.

1.2 Reprezentarea numerelor reale ı̂n calculator.

Erori de rotunjire şi trunchiere
Vom prezenta pentru ı̂nceput câteva chestiuni cu privire la reprezenta-
rea numerelor reale ı̂n virgulă mobilă (vezi pentru detalii [19], [25]). Pentru
numere ı̂ntregi, a ∈ Z, reprezentarea se face exact, ı̂n baza p = 2, pe un
anumit număr n de biţi ce depinde de sistemul de calcul folosit. Vom exem-
plifica ı̂n continuare pentru cazul n = 8. Astfel, pentru a = 5, reprezentarea
ar fi (conform corolarului 3)
0 0 0 0 0 1 0 1
Dacă a este negativ, de exemplu a = −5, se utilizează metoda codului
complementar, adică ı̂n locul lui a se reprezintă numărul

a = 28 + a. (1.13)

În cazul nostru a = 28 − 5 = 256 − 5 = 251 va avea reprezentarea

1 1 1 1 1 0 1 1

3
Acest tip de reprezentare, deşi exactă, impune limitări ale valorilor nu-
merelor ce pot fi ı̂nregistrate. Într-adevăr avem

| a | ≤ 2n−1 − 1. (1.14)

În acest fel toate numerele ı̂ntregi pozitive, respectiv negative vor avea
0, respectiv 1 pe prima poziţie din stânga (ceea ce permite implicit re-
cunoaşterea semnului lor). Fie acum a ∈ IR \ Z, a > 0. Din Teorema 1
(pentru p = 2) rezultă X an
a = a0 + . (1.15)
2n
n≥1

Dacă a0 > 0, fie m cel mai mare număr natural cu proprietatea că

2m ≤ a0 (1.16)

şi n0 dat de
n0 = m + 1. (1.17)
Atunci, din (1.11), (1.16), (1.15) şi (1.17) rezultă
X a0
n
a=( ) · 2n0 . (1.18)
2n
n≥1

De asemenea, din definiţia lui n0 obţinem că

a01 6= 0. (1.19)

Dacă a0 = 0, atunci definim direct n0 ca fiind cel mai mare număr negativ
cu proprietatea că ı̂n scrierea (1.18) este ı̂ndeplinită condiţia (1.19).

Figura 1.1: Reprezentarea pe 32 biţi

Exemplul 1 Pentru a = 0, 000101001(2) avem n0 = −3 şi a = 2−3 ·

0, 101001(2) . Cantităţile
X a0
n
Ma = (1.20)
2n
n≥1

4
şi
Ca = 64 + n0 (1.21)
se numesc mantisa (normalizată), respectiv caracteristica numărului
a. Dacă a ∈ IR \ Z, a < 0 se utilizează schema anterioară pentru b =
−a > 0. Astfel, reprezentarea unui număr a ∈ IR \ Z (pe 32 de biţi) se va
face ca in Figura 1.1.

Observaţia 4 Reprezentarea caracteristicii pe 7 biţi impune restricţia

0 ≤ Ca ≤ 127 (1.22)
sau
−64 ≤ n0 ≤ 63 (1.23)
ceea ce determină limitări ale valorilor maxime şi minime ale lui a.
Observaţia 5 Deoarece numărul de biţi afectaţi mantisei este finit rezultă
că numerele cu care lucrează un calculator electronic constituie o submulţime
a mulţimii numerelor practice din secţiunea 1.1.
Limitarea (fizică) a numărului de poziţii pentru mantisă determină apariţia
erorilor de trunchiere şi de rotunjire (la introducerea datelor reale sau ı̂n
urma operaţiilor aritmetice elementare). Regulile uzuale de transformare a
unui număr real ce se utilizează de obicei sunt următoarele: dacă numărul
a are ı̂n mantisă mai mult de 24 de cifre binare a0i , i ≥ 1 atunci
1. dacă a025 = 0 se ı̂nregistrează a01 , a02 , ..., a024 neschimbate.
2. dacă a025 = 1 şi a0k = 0, ∀ k ≥ 26 se procedează ca ı̂n cazul 1.
3. dacă a025 = 1 şi ∃ k ≥ 26 astfel ı̂ncât a0k = 1 se adaugă o unitate la
a024 şi se operează modificările respective ı̂n mantisă (spre stânga).
Erorile ce apar ı̂n cazurile 1. şi 2. se numesc erori de trunchiere, iar cele
din cazul 3. erori de rotunjire. Aparent, ele se ”concentrează” asupra
poziţiei 24 din mantisă, dar valoarea absolută a numărului a poate fi afec-
tată chiar ı̂n poziţii din stânga virgulei după cum vom vedea ı̂n exemplele
următoare.
Exemplul 2 Fie a = 1001, 11 . . . 1} ı̂n baza 2. În scrierea (1.18) vom avea
| {z
21 poziţii
0 0
n0 = 4, a25 = 1 şi ak = 0, ∀ k ≥ 26. Atunci, conform regulii 2 de mai sus,
a va fi trunchiat la valoarea
ã = 1001, 11 . . . 1}
| {z
20 poziţii

5
Exemplul 3 Fie a = 1001, 11 . . . 1} ı̂n baza 2. În scrierea (1.18) vom avea
| {z
22 poziţii

n0 = 4, a025 = 1, a026 = 1, a0k = 0, ∀ k ≥ 27.

Conform regulii 3, a va fi rotunjit la valoarea ã = 1010, 00....0.
Exemplul 4 Fie a = |1 .{z . . 1} 0100, 01 ı̂n baza 2. În scrierea (1.18) vom
24 poziţii
avea n0 = 28, a025 = 1. Conform regulii 1, a se trunchiază la valoarea
ã = |1 .{z
. . 1} 0000, 00....
24 poziţii

Exemplul 5 Fie a = |1 .{z . . 1} 0 1 0 0, 0 1 ı̂n baza 2. În scrierea (1.18)

25 poziţii
vom avea n0 = 29, a025 = 1, a026 = 0 dar a027 = 1. Atunci, conform regulii 3,
a se va rotunji la valoarea
ã = 1 |0 .{z
. . 0} 00000, 00....
24 poziţii

Pentru a ”măsura” efectul acestor rotunjiri şi trunchieri vom introduce

câteva noţiuni specifice.
Definiţia 4 Fie a, ã ∈ IR. Vom numi eroare absolută de aproximare a
lui a şi vom nota cu ã cantitatea
∆(ã) =| ã − a | . (1.24)
Dacă a 6= 0, cantitatea
∆(ã)
δ(ã) = (1.25)
|a|
se va numi eroare relativă de aproximare a lui a prin ã. Vom numi
cifre semnificative toate cifrele din scrierea zecimală (ı̂n baza 10) a unui
număr, ı̂ncepând cu prima diferită de zero din stânga. O cifră semnificativă
a aproximării ã a lui a se va numi exactă dacă eroarea absolută ∆(ã) nu
depaşeşte unitatea ordinului respectivei cifre.
Exemplul 6 Fie numerele
a = 2, 003450; ã = 2, 0034400.
Atunci
∆(ã) = 0, 00001,
toate cifrele lui ã sunt semnificative, dar exacte sunt doar 2, 0, 0, 3 şi
primul 4.

6
Observaţia 6 Pentru exemplele 2 − 5 de mai ı̂nainte, erorile absolute de
aproximare sunt următoarele(ı̂n ordine).

Exemplul 2 ∆(ã) = 2−21

Exemplul 3 ∆(ã) = 2−22
Exemplul 4 ∆(ã) = 22
Exemplul 5 ∆(ã) = 23 + 2−2

Valorile corespunzătoare exemplelor 4 şi 5 sunt incomparabil mai mari

(chiar ı̂ngrijorătoare!) decât cele din exemplele 2 şi 3. Totuşi, trebuie să
ţinem cont şi de valoarea absolută a numerelor din exemplele 4 şi 5. Într-
adevăr, dacă am calcula ı̂n aceste cazuri erorile relative am obţine valori
cam de acelaşi ordin cu cele absolute corespunzătoare exemplelor 2 şi 3.
Acest fapt explică şi necesitatea introducerii noţiunii de eroare relativă. Ea
este un fel de ”eroare procentuală” care arată ce parte reprezintă eroarea
absolută din ı̂ntregul număr (adică eroarea absolută ∆(ã) = 8, 25 din ex-
emplul 5 este mare teoretic vorbind, dar ea nu afectează esenţial numărul a
care are o valoare absolută foarte mare ≈ 1010 ). Acelaşi lucru se ı̂ntâmplă
şi la numere foarte mici, dar ı̂n sens invers.
Exemplul 7 Fie numărul

. . 0} 1 |0 .{z
a = 0, 0| .{z . . 0} 101
24 poziţii 23 poziţii

ı̂n baza 2. În scrierea (1.18) vom avea n0 = −24, a025 = 1, a027 = 1, deci
conform regulii 3, a se va rotunji la valoarea

ã = 0, 0| .{z
. . 0} 1 |0 .{z
. . 0} 1.
24 poziţii 22 poziţii

În acest caz avem ∆(ã) = 2−51 · 3 şi δ(ã) = 2−25

Există diverse variante de studiu teoretic al propagării erorilor de calcul
(vezi [25], [19] si referintele lor). Acestea ı̂nsă nu fac obiectul lucrării de
faţă. Trebuie totuşi să punctăm câteva aspecte importante:
a) Toate aceste studii prezintă ı̂n final majorări pentru erorile absolute,
respectiv relative ce apar ı̂n urma introducerii datelor şi a operaţiilor ele-
mentare. În plus, cel puţin din punct de vedere teoretic, se demonstrează
că aceste majorări sunt optimale, ı̂n sensul că există situaţii când ele sunt
atinse. De exemplu, ı̂n cazul sumei a două numere a, b ∈ IR, dacă ã, b̃ sunt
două aproximări ale lor, se poate demonstra că (vezi [25]).

∆(ã + b̃) ≤ ∆(ã) + ∆(b̃) (1.26)

7
şi că există ã, b̃ astfel ı̂ncât ı̂n (1.26) să avem egalitate.
b) În urma acestor studii teoretice apar şi unele reguli de ”aranjare” a
calcului astfel ı̂ncât cumularea erorilor de calcul să fie minimă. De exemplu
ı̂ntr-o sumă este mai bine să grupăm mai ı̂ntâi termenii după ordinul de
mărime şi/sau după semn. Acestea ı̂nsă au ı̂n gene-
ral un efect relativ. Esenţial este ca algoritmii care se utilizează să fie
optimizaţi din punct de vedere al eficienţei (vezi secţiunile următoare).
c) Reţinem totuşi ideea propagării şi acumulării de erori de calcul ceea
ce ı̂ndeamnă la o anumită doză de prudenţă ı̂n abordarea etapei finale a
unei probleme de analiză numerică, aceea a calcului efectiv al aproximărilor
respective.
d) Spre deosebire de mulţimea numerelor reale care este infinită şi fără
”goluri” /”spaţii libere” ı̂ntre numere (adică ı̂ntre oricare două numere reale
diferite, există ı̂ntotdeuna un altul şi pentru orice număr real dat există un
altul mai mare şi unul mai mic decât el) mulţimea numerelor reprezentate ı̂n
virgulă mobilă (”machine numbers”) este finită (existând un cel mai mare/
cel mai mic număr (pozitiv)) şi este discretă. Astfel, mulţimea numerelor
reale normalizate ı̂n virgulă mobilă se defineşte ca

FB,t = {M · B E /M, E ∈ Z , M = 0 sau B t−1 ≤ |M | < B t }

B - se numeşte bază şi este un număr natural mai mare sau egal cu 2, t -
numărul de zecimale, M - mantisa, iar E - exponentul.
Mulţimea numerelor reprezentate ı̂n calculator (pe scurt, numere maşină)
se defineşte astfel:

MB,t,α,β = {g ∈ FB,t , α ≤ E ≤ β}

unde B, t α, β - sunt date de construcţia sistemului de calcul (nu sunt

memorate explicit şi nu pot fi schimbate). Pentru fiecare număr de maşină
se memorează doar valorile M şi E care reprezintă de fapt ņumărul M ·B E .
În formatul IEEE (Institute for Electrical and Electronic Engineers)
adoptat din 1985 de majoritatea producătorilor de microcomputere, se
foloseşte B = 2, iar precizia poate fi single (t = 24), double (t = 53)
sau extended (t = 64) (de exemplu, pentru reprezentarea numerelor ex-
tended, primul bit este de semn, urmează 11 biţi pentru exponent/caracteristică
şi ultimii 52 de biţi pentru mantisă).
Două numere maşină consecutive sunt g = M · B E şi g 0 = (M + 1)B E ,
iar distanţa relativă dintre ele este:
g − g0 1 1
= ≤ t−1
g M B
În MB,t,α,β există:

8
 • cel mai mare număr maşină pozitiv, L = (B t − 1)B β

• cel mai mic număr maşină pozitiv, s = B t−1 · B α

Toate numerele care apar ı̂n calcule şi sunt ı̂n intervalul (−s, s) nu pot fi
reprezentate şi drept urmare, sunt setate cu 0 (mesaj de ”underflow”), iar
numerele mai mari ca L sau mai mici ca −L determină oprirea efectuării
calculelor (mesaj de ”overflow”).
În formatul IEEE,
t α β s L
Single 24 −149 104 1.18E − 038 3.40E + 038
Double 53 −1074 971 2.23E − 308 21024
Extended 64 −16445 16320 2 −16382 216384
e) În conformitate cu standardele IEEE, rezultatul unei operaţii arit-
metice elementare a (+, −, ·, /) este cel mai ”corect” posibil ı̂n sensul că este
”rotunjit” la cel mai apropiat număr maşină. Dacă ”·” şi ”/” nu sunt critice
din punct de vedere al erorii, ”+” şi ”−” pot produce surprize din cauza
anulării biţilor semnificativi datorate scăderii numerelor foarte apropiate ca
valoare. De exemplu, pentru a = 2.145648xx şi b = 2.145611xx şi folosind
reprezentarea pe 6 biţi, valoarea exactă pentru c = a − b este 0.000037xx;
valoarea lui a ı̂n reprezentarea pe 6 biţi este e a = 0.214564xxx iar a lui b
este eb = 0.214561xxx şi deci e c=e a − eb = 0.000003xxx, ceea ce conduce la
eroarea relativă
|c − e c| |0.000037 − 0.000003| 0.000034 34
= = = = 0.(918).
|c| |0.000037| 0.000037 37
Următorul exemplu se referă la situaţii ı̂n care asociativitatea adunării nu
mai are loc. Astfel, ı̂n reprezentarea pe 6 biţi, avem

(1 + 1000000) − 1000000 = 1000000 − 1000000 = 0

iar
1 + (1000000 − 1000000) = 1 − 0 = 1.

1.3 Exerciţii
R1 x
1. Fie integrala In = 0 xn e 10 dx pentru n natural. Pentru n = 0,
valoarea integralei este uşor de calculat şi este egală cu I0 = 10e0.1 −
10 ' 1.05170918075647624811707826490.
Pentru n > 0, integrala se poate calcula folosind următoarea formulă
recursivă (rezultată din integrarea prin parţi)

In = 10e0.1 − 10nIn−1 .

9
 Din păcate ı̂nsă, folosind această formulă, obţinem rezultate care nu
sunt conforme cu realitatea, acest algoritm fiind numeric instabil.

(a) Scrieţi un program C care calculeaza In pentru n = 0, 1, .., 6

şi foloseşte rotunjirea la p = 3, 6, 9, 12 zecimale ı̂n calcule. De
asemenea programul trebuie să afişeze o coloană cu va-
lori cât de exacte posibil, adică calculate fără extra rotunjiri.
Cazul p = 0 semnifică faptul ca nu s-a aplicat nici o extra rotun-
jire (vezi funcţia de rotunjire de mai jos, pentru detalii). Tabelul
va trebui să aibă formatul de mai jos (cu valorile corespunzătoare
date de programul de calcul).

p=0 p=3 p=6 p=9 p=12

n=0 1.051709e+00 1.100000e+00 1.051700e+00 1.051709e+00 1.051709e+00
n=1 5.346174e-01 1.00000e-01 5.347000e-01 5.346172e-01 5.346174e-01
n=2
n=3
n=4
n=5
n=6

Chiar dacă rotunjirea cu o anumită precizie nu este realizată de

o funcţie standard a limbajului de programare ales, ea poate fi
obţinută, de exemplu, cu ajutorul unei rutine de tipul următor.
double eround(double x, int p)
{
int d;
double temp;
if (x == 0||p <= 0) return x;
/*nu face nimic dacă p ≤ 0(nu rotunjeşte) sau x = 0*/
/*(ar calcula lg 0, nu convine)*/
d = (int)(log 10(f abs(x)));
if (f abs(x) > 1) p − −;
/*ajustează p (p se poate modifica ^ın funcţie de */
/*variabila care este apelată prin valoarea ei */
/* absolută)*/
temp = rint(x ∗ ttpo(p − d));
/*modificare si rotunjire x */
return ((double)temp ∗ ttpo(d − p));
/*remodificare şi returnare valoare*/
Această rutină are urmatorul efect: eround(x,p) ı̂ntoarce val-
oarea lui x rotunjită la p zecimale seminificative. Va trebui să
apelaţi această funcţie de fiecare dată când o operaţie ı̂n virgulă

10
 mobilă ar fi putut să schimbe numărul zecimalelor seminifica-
tive, având ca efect rotunjirea noii valori la p ze-
cimale semnificative.
(b) Calculaţi cât mai exact următoarea integrală:
Z 1 −x
Jn = xn e 10000 dx
0

pentru n = 6. Explicaţi tehnica folosită şi rezultatele obţinute.

2. Fie y = x − sin x. Se ştie că pentru valori mici ale lui x, sin x ' x
şi deci scăderea lor poate duce la ”surprize” neplăcute. Cum poate fi
acest lucru evitat?
Indicaţie. Se dezvoltă ı̂n serie Taylor sin x (vezi secţiunea 2.3) şi se
folosesc formulele

x 3
 t =
 1
6
 tn+1 = − tn x2
 , n ≤ 1.
(2n + 2)(2n + 3)
n

P s1 = t1
Astfel, notând sn = tk , obţinem
k=1 s n+1 = sn + tn+1 .

3. Aproximaţi e−5 prin:

9 (−5)i 9
X (−1)i · 5i
(a) e−5 '
P
=
i=0 i! i!
i=0
1 1
(b) e−5 = ' 9
e5 P 5!
i=0 i!

Valoarea aproximativă de referinţă pentru e−5 ı̂n acest exerciţiu este

6 · 74 × 10−3 . Care din formulele de mai sus dă un rezultat mai bun
şi de ce?

11
Capitolul 2

Calculul valorilor funcţiilor

elementare.

2.1 Schema lui Horner

Fie P (x) = a0 xn + a1 xn−1 + ... + an , n ≥ 1 un polinom cu coeficienţi
reali şi ξ ∈ R fixat. Nu este indicat ca pentru valori mai mari ale lui n,
calculul valorii P (ξ) să se efectueze direct ı̂n expresia lui P (x) ( datorită
erorilor de rotunjire ce pot aparea la calculul puterilor xn ). Modalitatea
uzuală de calcul se bazează pe un algoritm simplu, dar eficient, care ı̂nlătură
neplăcerile menţionate anterior - schema lui Horner dată de următoarea
secvenţă de operaţii aritmetice elementare

b0 = a0 , bi = ai + bi−1 ξ, 1 ≤ i ≤ n, P (ξ) = bn . (2.1)

Observaţia 7 Pe lângă simplitatea schemei de calcul remarcăm şi faptul

că b0 , ..., bn−1 reprezintă coeficienţii câtului ı̂mpărţirii lui P la x − ξ (ı̂n
ordinea descrescătoare a puterilor lui x) bn = P (ξ) fiind restul ı̂mpărţirii.

De multe ori ı̂n algoritmii de calcul este nevoie ca, după o schimbare de
variabilă de forma x = y + ξ să se determine coeficienţii noului polinom ı̂n
variabila y.
Q(y) = P (y + ξ) = A0 y n + ... + An (2.2)
Algoritmul utilizat ı̂n acest sens este următorul: Pentru y = 0, din relaţia

P (x) = Q(y) = P (y + ξ) (2.3)

rezultă
An = P (ξ). (2.4)

12
Fie P1 (x) polinomul dat de

P (x) = (x − ξ)P1 (x) + P (ξ) (2.5)

Pentru y = x − ξ, din (2.2) rezultă

P (x) = (x − ξ)[A0 (x − ξ)n−1 + ... + An−1 ] + P (ξ) (2.6)

de unde, folosind unicitatea lui P1 , obţinem

P1 (x) = A0 (x − ξ)n−1 + ... + An−1 (2.7)

şi, pentru x = ξ
An−1 = P1 (ξ). (2.8)
Raţionamentul se reia punând

P1 (x) = (x − ξ)P2 (x) + P1 (ξ). (2.9)

Astfel, coeficienţii An , An−1 , ..., A0 din (2.2) vor fi daţi de relaţiile

Ak = Pn−k (ξ), k = n, n − 1, ..., 0 (2.10)

unde am notat P0 (x) = P (x), iar polinoamele P1 , ..., Pn sunt cele obţinute
succesiv ı̂n schema anterioară.

Exemplul 8 Fie P (x) = x4 − 8x3 + 5x2 + 2x − 7 şi ξ = 2. Algoritmul

prezentat anterior poate fi scris concentrat ca in Figura 2.1. Astfel, ı̂n
raport cu (2.2) şi (2.10) obţinem

Q(y) = P (y + 2) = y 4 − 19y 2 − 42y − 31.

Figura 2.1: Schema lui Horner

13
2.2 Schema lui Horner generalizată
Conform teoremei de ı̂mpărţire cu rest, dat fiind polinomul Q cu coefici-
enţi reali şi grad(Q) ≥ 1 există două polinoame cu coeficienţi reali C,
respectiv R, cu grad(R) < grad(Q) astfel ı̂ncât

P (x) = C(x)Q(x) + R(x). (2.11)

În cazul grad(Q) = 1, conform observaţiei din secţiunea 2.1, putem deter-
mina coeficienţii lui C şi valoarea lui R (ı̂n acest caz R = 0 sau grad(R) = 0)
fără a efectua ı̂mpărţirea, cu ajutorul schemei lui Horner. Aceeaşi problemă
se poate pune ı̂nsă şi pentru grad(Q) ≥ 2. Avem două situaţii distincte.
Cazul 1. Q are toate rădăcinile reale. Atunci problema se poate
rezolva prin aplicări succesive ale algoritmului din secţiunea anterioară.
Vom ilustra acest lucru printr-un exemplu. Fie Q(x) = (x − a)(x − b). Din
(2.11) rezultă

P (x) = (x − a)(x − b)C(x) + (αx + β) (2.12)

şi pentru a determina coeficienţii lui C, α şi β aplicăm schema lui Horner
relativ la ı̂mpărţirea lui P la x − a. Obţinem

P (x) = (x − a)C1 (x) + β1 (2.13)

Repetăm apoi pasul anterior cu C1 ı̂n locul lui P şi x − b ı̂n locul lui x − a,
obţinând
C1 (x) = (x − b)C2 (x) + α1 , (2.14)
de unde, folosind (2.13) rezultă

P (x) = (x − a)(x − b)C2 (x) + α1 (x − a) + β1 . (2.15)

Dar deoarece polinoamele C şi R din (2.11) sunt unic determinate, din
(2.15) obţinem

C(x) = C2 (x), α = α1 , β = β1 − aα1 . (2.16)

Extinderea la cazul general

Q(x) = (x − a1 )...(x − an ) (2.17)

este imediată.
Cazul 2. Q are şi rădăcini complexe. Deoarece Q are coeficienţi
reali aceste rădăcini sunt perechi de forma a ± ib. Problema revine atunci

14
la a construi un algoritm care să permită determinarea coeficien- ţilor lui
C şi α, β din relaţia

P (x) = (x2 + b1 x + b0 )C(x) + αx + β (2.18)

fără a efectua ı̂mpărţirea propriu-zisă (ı̂n (2.18) factorul x2 + b1 x + b0 are

rădăcinile a ± ib). Vom construi ı̂n continuare un asemenea algoritm, nu-
mit schema lui Horner generalizată, plecând de la relaţiile ce apar ı̂ntre
coeficienţii polinoamelor din (2.18). Pentru simplitatea expunerii, vom con-
sidera cazul particular P (x) = a3 x3 + a2 x2 + a1 x + a0 . În urma efectuării
ı̂mpărţirii, obţinem ı̂n (2.18)

C(x) = a3 x + (a2 − a3 b1 ), (2.19)

α = a1 − a3 b0 − b1 (a2 − a3 b1 ), (2.20)

β = a0 − b0 (a2 − a3 b1 ). (2.21)
Notând
b̄1 = −b1 , b̄0 = −b0 , (2.22)
formăm următorul tablou
a3 a2 a1 a0
0 0 a3 b̄0 b̄0 (a2 + a3 ) (2.23)
0 a3 b̄1 b̄1 (a2 + a3 b̄1 ) 0

Observăm că suma termenilor de pe coloanele 1, 2, 3, 4 reprezintă chiar

coeficienţii lui C(x) şi α, β din (2.18)-(2.21). O analiză mai atentă ne
conduce la următorul algoritm de construcţie a coeficienţilor din tabloul
(2.23). Să considerăm mai ı̂ntâi tabloul iniţial

a3 a2 a1 a0
0 0 α13 α14 (2.24)
0 α22 α23 0

ı̂n care elementele α22 , α13 , α23 , α14 sunt necunoscute. Ele se determină ı̂n
felul următor:
α22 =suma elementelor de pe coloana 1 ı̂nmulţită cu b̄1 ;
α13 =suma elementelor de pe coloana 1 ı̂nmulţită cu b̄0 ;
α23 =suma elem. de pe coloana 2 ı̂nmulţită cu b̄1 ;
α14 = suma elem. de pe col.2 ı̂nmulţită cu b0 .
Deducem astfel următorul algoritm - dat fiind polinomul

P (x) = an xn + an−1 xn−1 + ... + a0 ,

15
se efectuează următorii paşi:
Pasul 1. Se formează tabloul următor
an an−1 ... an−j+1 ... a1 a0
0 0 ... α1j ... α1n α1,n+1
(2.25)
0 α22 ... α2j ... α2n 0
Σ1 = an Σ2 ... Σj ... Σn Σn+1
ı̂n care cunoaştem an , an−1 , . . . , a1 , a0 , iar Σ2 , . . . , Σn+1 reprezintă sumele
elementelor de pe coloanele 2, . . . , n + 1 din tabel.
Pasul 2. Coeficientii αij se calculează astfel

α22 = an · (−b1 ),

iar pentru j = 3, . . . , n

α1j = Σj−2 · (−b0 )
(2.26)
α2j = Σj−1 · (−b1 )

α1,n+1 = Σn−1 (−b0 ).

Pasul 3. Valorile an , Σ2 , . . . , Σn−1 reprezintă coeficienţii puterilor lui x (ı̂n

ordine descrescătoare) ale câtului C(x) din (2.18), iar α, β sunt date de

α = Σn , β = Σn+1 (2.27)

Observaţia 8 Combinând cele două scheme de tip Horner (clasică şi ge-
neralizată) putem determina câtul şi restul ı̂mparţirii lui P la orice polinom
unitar Q. În plus, ambii algoritmi sunt uşor de programat.

2.3 Dezvoltări ı̂n serie Taylor

Definiţia 5 Fie I = (α, β) ⊂ IR, f : I −→ IR o funcţie de clasă C ∞ , n ∈
N∗ şi ξ ∈ I fixat. Expresia

f 0 (ξ) f (n) (ξ)

Tn (x; ξ) = f (ξ) + (x − ξ) + . . . + (x − ξ)n , x ∈ I (2.28)
1! n!
se numeşte polinomul Taylor de grad n ı̂n jurul lui ξ asociat funcţiei f ,
iar
Rn (x; ξ) = f (x) − Tn (x, ξ) (2.29)
restul Taylor de ordin n. De asemenea vom nota cu
X f (n) (ξ)
(x − ξ)n (2.30)
n!
n≥0

16
sau
f 0 (ξ) f (n) (ξ)
f (ξ) + (x − ξ) + . . . + (x − ξ)n + . . . (2.31)
1! n!
seria Taylor ı̂n jurul lui ξ a funcţiei f .

Se cunosc următoarele rezultate (vezi pentru detalii [26]).

Teorema 3 (Formula Taylor cu restul Lagrange)

Pentru f , I, ξ ca mai ı̂nainte, pentru orice x ∈ I, există δ > 0 cuprins
ı̂ntre x şi ξ astfel ı̂ncât

(x − ξ)n+1 (n+1)
f (x) = Tn (x; ξ) + f (δ). (2.32)
(n + 1)!

Corolarul 4 (Formula McLaurin)

În ipotezele teoremei 1, dacă 0 ∈ I, atunci

xn+1 (n+1)
f (x) = Tn (x; 0) + f (δ), x ∈ I (2.33)
(n + 1)!

Teorema 4 (Reprezentarea ı̂n serie Taylor)

Fie f : I = (α, β) −→ IR de clasă C ∞ şi [a, b] ⊆ I presupunem că ∃ M > 0
astfel ı̂ncât  
 (n) 
f (x) ≤ M, ∀ x ∈ [a, b], ∀ n ≥ 0. (2.34)

Atunci, ∀ ξ ∈ (a, b) seria Taylor a lui f ı̂n jurul lui ξ converge uniform pe
[a, b] la f . Vom nota aceasta prin
X f (n) (ξ)
f (x) = (x − ξ)n , x ∈ [a, b] (2.35)
n!
n≥0

sau
f 0 (ξ) f (n) (ξ)
f (x) = f (ξ) + (x − ξ) + . . . + (x − ξ)n + . . . (2.36)
1! n!
Observaţia 9 Din (2.29) şi (2.32) obţinem pentru Rn (x; ξ) exprimarea

(x − ξ)n+1 (n+1)
Rn (x; ξ) = f (δ), (2.37)
(n + 1)!

cu x ∈ I şi δ ı̂ntre x şi ξ.

Observaţia 10 În (2.32) ı̂n locul lui δ se poate pune ξ + θ(x − ξ),
cu θ ∈ (0, 1).

17
Observaţia 11 Funcţiile elementare admit exprimări de tipul (2.32) sau
(2.33) sau dezvoltări de tipul (2.36) pe anumite intervale I ⊂ IR. Aceste
dezvoltări pot fi utilizate pentru calculul aproximativ al valorilor acestor
funcţii. Vom prezenta ı̂n continuare aceste lucruri ı̂n cazul câtorva funcţii
elementare uzuale.

Funcţia exponenţială
Funcţia exponenţială f : IR −→ (0, ∞), f (x) = ex admite dezvoltarea
(de tip (2.33))
xn
ex = 1 + x + . . . + + Rn (x), (2.38)
n!
valabilă pentru orice x ∈ IR cu Rn (x) dat de

eθx
Rn = , θ ∈ (0, 1). (2.39)
(n + 1)!
Pentru x ∈ [−1, 1] din (2.38) şi (2.39) rezultă
e
|ex − Tn (x; 0)| = |Rn (x)| ≤ , (2.40)
(n + 1)!
care reprezintă o bună evaluare a priori a erorii de aproximare a valorii
exacte ex prin valoarea polinomului Taylor Tn (x; 0). Pentru |x| ≥ 1 avem

x = [x] + q, q ∈ [0, 1) (2.41)

şi
ex = e[x] · eq . (2.42)
Pentru e[x] procedăm astfel: folosind (2.38), cu evaluarea (2.40) obţinem o
bună aproximare a lui e sau 1/e (după cum x > 0 sau x < 0) şi cu aceasta
calculăm e[x] prin ı̂nmulţiri succesive. Pentru eq se utilizează direct (2.38).

Observaţia 12 În evaluarea valorilor polinomului Taylor din (2.38), pen-

tru a evita calculul factorialelor calculăm Tn (q; 0) prin

Tn (q; 0) = u0 + u1 + . . . + un , (2.43)

unde ui se obţin recursiv prin

q · uk−1
u0 = 1, uk = , k = 1, . . . , n (2.44)
k
Funcţia logaritmică
Pentru x ∈ (−1, 1] avem

x2 x3 x4 xn
ln(1 + x) = x − + − + . . . + (−1)n+1 + ... (2.45)
2 3 4 n

18
De asemenea, pe acelaşi interval, ln(1 + x) admite şi o reprezentare de tipul
(2.28) − (2.29) ı̂n care restul de ordin n este dat de

xn+1 (−1)n+1
Rn (x) = · , θ ∈ (0, 1). (2.46)
n + 1 (1 + θx)n+1

Există ı̂nsă următoarele dezavantaje ı̂n ceea ce priveşte utilizarea dezvoltării

(2.45) cu restul dat de (2.46) pentru aproximarea valorilor funcţiei ln(1+x) :

1. domeniul limitat de valori x ∈ (−1, 1] ⇒ 1 + x ∈ (0, 2];

2. pentru |x| ”apropiat” ca valoare de 1 se ştie că seria (2.45) converge

foarte ”ı̂ncet”, iar evaluarea erorii dată de (2.46) conduce la valori
mult prea mari ale lui n (pentru o bună aproximare).

Aceste inconveniente pot fi eliminate prin câteva transformări efectuate

asupra dezvoltării (2.45) (care se bazează pe convergenţa uniformă a seriei
respective). Astfel, pentru x ∈ (−1, 1) din (2.45) rezultă

x2 x3 xn
ln(1 − x) = −x − − − ... − − ... (2.47)
2 3 n
Prin scăderea relaţiilor (2.47) şi (2.45) obţinem

1−x x3 x5
ln( ) = −2(x + + + . . .) (2.48)
1+x 3 5
1−x
Pentru z = 1+x , cum x ∈ (−1, 1), obţinem z ∈ (0, ∞) şi din (2.48)
h 1 − z  1  1 − z 3 i
ln z = −2 + + ... . (2.49)
1+z 3 1+z

Observaţia 13 Dezvoltarea (2.49) este valabilă pentru orice z ∈ (0, ∞),

deci tot domeniul de definiţie al funcţiei ln z.

Vom analiza acum restul ı̂n dezvoltarea (2.49). Ştim că ∀ z > 0,
∃ m ∈ IN, t ∈ [ 21 , 1], unic determinaţi, cu proprietatea

z = 2m · t. (2.50)

Atunci
n
X ξ 2k−1
ln z = ln(2m · t) = m · ln 2 + ln t = m · ln 2 − 2 − Rn (ξ), (2.51)
2k − 1
k=1

19
cu ξ ∈ (0, 1/3] dat de
1−t
ξ= . (2.52)
1+t
Observând că
2 9
2
≤ , (2.53)
1−ξ 4
rezultă pentru Rn (ξ) următoarea evaluare
 ξ 2n+1 ξ 2n+2  ξ 2n+1
Rn (ξ) = 2 + + ... < 2 · (1 + ξ 2 + ξ 4 + . . .) =
2n + 1 2n + 3 2n + 1

ξ 2n+1 ξ 2p − 1 ξ 2n+1 2
2· · lim 2 = ·
2n + 1 p→∞ ξ − 1 2n + 1 1 − ξ 2
deci, folosind şi (2.53)

ξ 2n+1 9
Rn (ξ) < , ξ ∈ (0, 1/3]. (2.54)
2n + 1 4
Astfel numărul ln z se va aproxima prin

ln z ≈ m · ln 2 − 2(u1 + . . . + un ), (2.55)

unde
ξ 2k−1
uk = , k = 1, . . . , n. (2.56)
2k − 1

Observaţia 14 În (2.55) uk se calculează ca ı̂n (2.56), iar pentru ln 2 se

utilizează o valoare anterior calculată cu suficient de mare precizie (de ex.
100 zecimale exacte).

Observaţia 15 Din (2.54) şi (2.56), deoarece ξ 2 ≤ 1/9 rezultă

1
Rn (ξ) ≤ un , (2.57)
4
relaţie care ne permite să evaluăm precizia de aproximare chiar ı̂n timpul
calculului expresiei din (2.55).

20
Capitolul 3

Aproximarea soluţiilor
ecuaţiilor şi sistemelor de
ecuaţii neliniare

Aproximarea soluţiei (unice) ξ ∈ (a, b) a unei ecuaţii neliniare de

forma f (x) = 0, unde f : [a, b] → IR este o funcţie dată, se realizează ı̂n
următoarele etape:

1. construcţia unui şir (xn )n≥0 ⊂ [a, b] astfel ı̂ncât xn → ξ;

2. evaluarea erorii printr-o formulă de tipul
|xn − ξ| ≤ E(n) → 0, n → ∞

Vom regăsi aceste aspecte la metodele bisecţiei, coardei, contracţiilor şi

tangentei (a lui Newton) ce vor fi prezentate ı̂n capitolul de faţă.

3.1 Metoda bisecţiei

Fie f : [a, b] → IR, continuă astfel ı̂ncât f (a)f (b) < 0. Presupunem,
ı̂n plus, că rădăcina ξ a ecuaţiei f (x) = 0 este unică ı̂n (a, b). Considerăm
a0 + b0
următorul algoritm: fie I0 = [a0 , b0 ] = [a, b] şi x0 = .
2
(a) Dacă f (a)f (x) < 0, atunci b1 = x, a1 = a şi luăm I1 = [a1 , b1 ] = [a, x].
(b) Dacă f (x)f (b) < 0, atunci a1 = x, b1 = b şi luăm I1 = [a1 , b1 ] = [x, b].
(c) Dacă f (x) = 0 ı̂nseamnă că ξ = x ; STOP.
Repetând raţionamentul, se obţin intervalele I2 = [a2 , b2 ], . . . , In = [an , bn ], . . .
cu proprietăţile
a0 ≤ a1 ≤ . . . ≤ an ≤ . . . (3.1)

21
 b0 ≥ b1 ≥ . . . ≥ bn ≥ . . . (3.2)

f (an )f (bn ) < 0, ∀ n ≥ 0, (3.3)

adică ξ ∈ In = [an , bn ] şi
b−a
bn − an = . (3.4)
2n
Teorema 5 (i) În condiţiile anterioare, avem

∃ lim an = lim bn = ξ.
n→∞ n→∞

an + bn
(ii) Dacă definim ξn = , ∀ n ≥ 0 atunci avem
2
b−a
|ξn − ξ| ≤ , ∀ n ≥ 0.
2n

Demonstraţie. Din (3.1) şi (3.2) şi an ≤ bn rezultă

an ∈ (a0 , bn ), bn ∈ (an , b), ∀ n ≥ 0,

adică şirurile (an )n≥0 şi (bn )n≥0 sunt mărginite. Cum şirurile sunt şi mono-
tone rezultă că ∃ lim an = α¸ si ∃ lim bn = β. Cum an ≤ bn , ∀ n ≥ 0
n→∞ n→∞
obţinem α ≤ β. Vom arăta că α = β. Presupunem prin absurd că α < β şi
β−α
fie 0 = . Din convergenţele menţionate anterior rezultă pentru  = 0
3
an → α ⇒ ∃ n1 ∈ IN astfel ı̂ncât |an − α| < 0 , ∀ n ≥ n1 , (3.5)

bn → β ⇒ ∃ n2 ∈ IN astfel ı̂ncât |bn − β| < 0 , ∀ n ≥ n2 , (3.6)

b−a
bn − an = → 0 ⇒ ∃ n3 ∈ IN astfel ı̂ncât bn − an < 0 (3.7)
2n
pentru orice n ≥ n3 . Atunci, pentru n ≥ n0 = max(n1 , n2 , n3 ) au loc
simultan relaţiile (3.5) - (3.7). Atunci rezultă

−0 < α − an < 0 , −0 < bn − β < 0 , ∀ n ≥ n0 .

Sumând inegalităţile din stânga, se obţine

2
− (β − α) = −20 < bn − an − (β − α)
3

22
deci
β−α
< bn − an , ∀ n ≥ n0
3
ceea ce este ı̂n contradicţie cu (3.7). Rămâne atunci că α = β. Apoi,
trecând la limită ı̂n (3.3) obţinem f (α)f (α) ≤ 0 adică f (α) = 0 şi cum ξ
era unica soluţie din (a, b) obţinem α = ξ, deci concluzia de la punctul (i).
Cea de-a doua parte a teoremei rezultă direct din consideraţiile anterioare.

Observaţia 16 Inegalitatea din teorema 5 (ii) permite o evaluare a erorii

de aproximare. De exemplu, dacă dorim să aproximăm cu o eroare mai
mică decât 10−6 soluţia ecuaţiei x = −ex folosind metoda bisecţiei, procedăm
astfel: considerăm f (x) = x + ex ; f 0 (x) = 1 + ex > 0, ∀ x ∈ IR, deci f
este strict crescătoare şi cum f (0)f (−1) < 0 rezultă ξ ∈ (−1, 0). Atunci
1
conform punctului (ii) avem că |ξn − ξ| ≤ n ≤ 10−6 ⇒ n ≥ 20. Va fi
2
deci suficient să se calculeze aproximaţia x20 prin metoda bisecţiei pentru
a avea eroarea dorită.

3.2 Metoda coardei

Fie f : [a, b] → IR de două ori derivabilă pe [a, b] cu

f (a)f (b) < 0 (3.8)

şi
f 0 (x) · f 00 (x) 6= 0, ∀ x ∈ [a, b]. (3.9)

Lema 1 Avem următoarele echivalenţe

(i) f (a) · f 00 (a) < 0 ⇔ f (b) · f 00 (b) > 0;
(ii) f (a) · f 00 (a) > 0 ⇔ f (b) · f 00 (b) < 0.

În raport cu proprietatea (3.9) şi Lema 1, din cele 4 cazuri posibile la
capetele intervalului [a, b] rămân doar două. În raport cu aceste două cazuri
are loc următorul rezultat privind convergenţa metodei coardei.

Teorema 6 În ipotezele (3.8)−(3.9) şi ţinând cont de Lema 1, unica soluţie
a ecuaţiei f (x) = 0 poate fi obţinută ca limita şirului strict monoton din
[a, b] definit astfel:
(i) dacă f (a)f 00 (a) < 0 atunci
(
x0 = a
; (3.10)
xn+1 = xn − f (xfn(x n)
)−f (b) (xn − b), ∀ n ≥ 0

23
 Figura 3.1: Cazurile posibile pentru metoda coardei

(ii) dacă f (b)f 00 (b) < 0 atunci

(
x0 = b
f (xn ) . (3.11)
xn+1 = xn − f (xn )−f (a) (xn − a), ∀ n ≥ 0

24
Teorema 7 Dacă 0 < m1 ≤ |f 0 (x)| , ∀ x ∈ [a, b], atunci avem evaluarea

|f (xn )|
|xn − ξ| ≤ , ∀ n ≥ 1.
m1

Demonstraţie. Aplicând teorema lui Lagrange pe intervalul [xn , ξ], obţinem

un z ∈ (xn , ξ) astfel ı̂ncât f (ξ) − f (xn ) = (ξ − xn ) · f 0 (z). Atunci

|f (xn )| |f (xn )|
|ξ − xn | = 0
≤ , ∀ n≥1
|f (z)| m1

şi teorema este demonstrată.

Observaţia 17 Formula din Teorema 7 permite o evaluare a posteriori a

erorii de aproximare (după calculul lui xn ).

Observaţia 18 Denumirea metodei coardei provine din interpretarea sa

geometrică (vezi de exemplu figura 3.2, pentru f (a) < 0, f 00 (a) > 0). Având
deja calculată iteraţia xn , adică cunoscând punctul An (xn , f (xn )) următoa-
rea iteraţie xn+1 se obţine ca intersecţia dintre axa Ox şi coarda A0 An .
Formula (3.10) (respectiv (3.11)) se obţine scriind ecuaţia dreptei A0 An şi
egalând pe y cu 0.

Figura 3.2: Interpretarea geometrică a metodei coardei

Exemplul 9 Să se aproximeze rădăcinile reale ale ecuaţiei x3 − 6x2 +

10x = 4 utilizând metoda coardei. Fie f (x) = x3 − 6x2 + 10x − 4. Cu

25
şirul lui Rolle, aflăm că rădăcinile ξ1 , ξ2 , ξ3 ale lui f sunt toate reale şi
se găsesc ı̂n intervalele (0, 1), (1, 3) şi respectiv (3, ∞). Vom exemplifica
pentru ξ1q∈ (0, 1). Rădăcinile ecuaţiei f 0 (x) = 3x2 − 12x + 10 = 0 sunt
x = 2 ± 23 ; atunci f 0 (x) > 0, f 00 (x) < 0, ∀ x ∈ [0, 1] şi f (1)f 00 (1) < 0.
Conform Teoremei 6 (ii) vom construi şirul x0 = 1,

f (xn )
xn+1 = xn − (xn − 0), ∀ n ≥ 0
f (xn ) − f (0)

cu xn → ξ1 . Cum f 0 este strict descrescătoare şi pozitivă pe [0, 1], rezultă

m1 = inf |f ’(x)| = f 0 (1) = 1. Folosind formula anterioară calculăm
x∈[0,1]
primii trei termeni din şir prin

f (1)
x1 = 1 − (1 − 0) = 0, 8
f (1) − f (0)

f (0, 8)
x2 = 0, 8 − (0, 8 − 8) ≈ 0, 68
f (0, 8) − f (0)

f (0, 68)
x3 = 0, 68 − (0, 68 − 0) ≈ 0, 63
f (0, 68) − f (0)
şi cu evaluarea din teorema 7 rezultă că

|ξ1 − x3 | ≤ |f (0, 63)| < 0, 15.

3.3 Metoda aproximaţiilor succesive pe IR

Definiţia 6 Fie g : [a, b] → IR. Un punct p ∈ [a, b] se numeşte punct fix

pentru g dacă g(p) = p.
Funcţia g se numeşte α-contracţie pe [a, b] dacă ∃ α ∈ (0, 1) astfel ı̂ncât

|g(x) − g(y)| ≤ α |x − y| , ∀ x, y ∈ [a, b]. (3.12)

Observaţia 19 Dacă g este o α-contracţie şi are un punct fix, atunci el

este unic. Într-adevăr, dacă am avea p1 , p2 ca puncte fixe pentru g ar
rezulta
|p1 − p2 | = |g(p1 ) − g(p2 )| ≤ α |p1 − p2 | ,

deci (cum α < 1) p1 = p2 .

26
Observaţia 20 Dacă g : [a, b] → IR este derivabilă şi ∃ α ∈ [0, 1) astfel
ı̂ncât  0 
g (x) ≤ α, ∀ x ∈ [a, b] (3.13)
atunci g este o α-contracţie (se aplică teorema lui Lagrange pe un interval
[x, y] ⊂ [a, b]).

Observaţia 21 Dacă g : [a, b] → [a, b] este continuă, atunci g are un punct

fix. Într-adevăr, fie h : [a, b] → IR, h(x) = g(x) − x. Cum h(a) = g(a) − a >
0 şi h(b) = g(b) − b < 0 rezultă h(a) · h(b) ≤ 0 şi cum h este continuă,
există p ∈ [a, b] astfel ı̂ncât h(p) = 0, adică g(p) = p.

Teorema 8 (Metoda aproximaţiilor succesive)

Fie g : [a, b] → [a, b] o α-contracţie, α ∈ [0, 1). Atunci ∀ x0 ∈ [a, b], şirul
(xn )n≥0 dat de
xn = g(xn−1 ), ∀ n ≥ 1 (3.14)
converge către unicul punct fix p al lui g. În plus, avem evaluarea

|xn − p| ≤ αn (b − a), ∀ n ≥ 1. (3.15)

Demonstraţie. Avem succesiv

|xn − p| = |g(xn−1 ) − g(p)| ≤ α |xn−1 − p| ≤ . . . ≤

αn |x0 − p| ≤ αn (b − a), ∀ n ≥ 0.
Trecând la limită ı̂n această inegalitate, obţinem

lim |xn − p| ≤ (b − a) lim αn = 0,

n→∞ n→∞

deci există lim xn = p şi teorema este demonstrată.

n→∞

Observaţia 22 Rezultatul din Teorema 8 este valabil şi pentru funcţii

g : M → M , g α-contracţie pe M ⊆ IR, M mulţime ı̂nchisă. Se poate arăta
(vezi [26] si Teorema 11) că ı̂n acest caz are loc evaluarea
αn
|xn − p| ≤ |x0 − x1 | , ∀ n ≥ 1. (3.16)
1−α
√
Exemplul 10 Să se calculeze 5 cu o eroare ≤ 10−2 utilizând metoda
aproximaţiilor succesive.
Fie g : (0, ∞) → (0, ∞), g(x) = 12 · (x + x5 ). Din tabelul de variaţie al
√
funci̧ei g, rezultă că 5 este punct de minim global şi, totodată punct fix

27
 √
pentru g. Deci g((0, ∞)) ⊆ [ 5, ∞), dar g nu este o α-contracţie pe (0, ∞).
Vom restrânge ı̂n acest caz domeniul lui g astfel ca g să fie √
α-contracţie pe
noul său domeniu. Se arată că g este o 21 −contracţie pe [ 5, ∞). Astfel
√ √
definim g : [ 5, ∞) → [ 5, ∞) şi din Observaţia 22 pentru √ x0 = 5/2
n
(de exemplu) şi xn = g(xn−1 ) = . . . = g (x0 ) obţinem că  5 − xn  ≤
( 21 )n 
   
1 5  1  x0 5  1 1 1
1 x0 − 2 (x0 + x ) = 2n−1  2 − 2x  = 2n−1 4 = 2n+1 , ∀ n ≥ 1.
1− 2 0 0
1 √
Cum n+1 ≤ 10−2 implică n ≥ 6, ı̂nseamnă că 5 este aproximat prin x6
2
cu o eroare mai mică decât 10−2 , unde x6 = g(x5 ) = . . . = g 6 (x0 ).

3.4 Metoda lui Newton pe IR

Fie f : [a, b] → IR de clasă C 2 ([a, b]). Presupunem că ecuaţia f (x) = 0
are o unică soluţie ξ ∈ [a, b].

Figura 3.3: Interpretarea geometrică a metodei lui Newton

Din interpretarea geometrică a metodei (xn este intersecţia tangentei

la graficul lui f ı̂n (xn−1 , f (xn−1 )) cu axa Ox - vezi figura 3.3) se deduce
formula de recurenţă
f (xn−1 )
xn = xn−1 − , ∀ n ≥ 1. (3.17)
f 0 (xn−1 )

Teorema 9 (Metoda Newton)

(i) În condiţiile anterioare, dacă ı̂n plus
f 0 (ξ) 6= 0 (3.18)

28
atunci ∃ δ > 0 astfel ı̂ncât pentru orice x0 ∈ [ξ − δ, ξ + δ], şirul (xn )n≥1 dat
de (3.17), converge la ξ.
(ii) Dacă m1 , M2 > 0 sunt date de

m1 = inf f 0 (x) > 0, M2 = sup f 00 (x)

   
(3.19)
x∈[a,b] x∈[a,b]

atunci avem evaluările

M2
|ξ − xn | ≤ (xn − xn−1 )2 , ∀ n ≥ 1, (3.20)
2m1

M2
|ξ − xn | ≤ (ξ − xn−1 )2 , ∀ n ≥ 1. (3.21)
2m1

Observaţia 23 Un dezavantaj al acestei metode este alegerea aproximaţiei

iniţiale x0 care trebuie să satisfacă condiţia xo ∈ [ξ − δ, ξ + δ] , valorile ξ
şi δ nefiind cunoscute a priori. Acest neajuns este eliminat de următorul
rezultat.

Teorema 10 (Metoda tangentei)

Fie f : [a, b] → IR, de două ori derivabilă astfel ı̂ncât f (a)f (b) < 0, f 0 (x) 6=
0 şi f 0 (x) 6= 0, ∀ x ∈ [a, b]. Atunci şirul (xn )n≥0 dat de (3.17) cu x0 ∈ [a, b]
astfel ı̂ncât
f (x0 )f 0 (x0 ) > 0,
converge (strict monoton) la ξ, unica soluţie a ecuaţiei f (x) = 0.

Exemplul 11 Să se aproximeze soluţiile reale ale ecuaţiei ex + 2x + 1 = 0

utilizând metoda tangentei. Fie f : IR → IR, f (x) = ex + 2x + 1. Cu şirul
lui Rolle aflăm că ecuaţia are o singură rădăcină reală x∗ ∈ (−1, 0). Cum
f 0 (x) > 0, f 00 (x) > 0, ∀ x ∈ [0, 1], se construieşte şirul

f (xn−1 )
x0 = 0, xn = xn−1 − → x∗ .
f 0 (xn−1 )

Se observă că f (0)f 00 (0) > 0. Obţinem

f (0) 2
x1 = 0 − = − ≈ −0.6666666,
f 0(0) 3

2 f ( 23 )
x2 = − − ≈ −0, 7383188,
3 f 0( 23 )
inf f 0 (x) = f 0 (−1) = e−1 + 2 ≈ 2, 3678905
   
m1 =
x∈[−1,0]

29
 M2 = supx∈[−1,0] f 0 (x) = f 00 (0)
   

şi conform (3.20) avem

m2
|x∗ − x2 | ≤ |x2 − x1 |2 ≈ 0, 001084.
2m2

3.5 Metoda aproximaţiilor succesive şi metoda

Newton pentru sisteme de ecuaţii neliniare
În această secţiune vom prezenta extinderi ale metodelor aproximaţiilor
succesive şi Newton pentru aproximarea soluţiilor sistemelor de ecuaţii
neliniare de forma F : D ⊂ IRn → IRn , cu n ≥ 2.
Definiţia 7 Fie α ∈ (0, 1) fixat, D ⊂ IRn domeniu, o aplicaţie
g : D ⊆ IRn → IRn se numeşte α-contracţie dacă
kg(y) − g(x)k ≤ α · kx − yk , ∀ x, y ∈ D
(unde k · k este o normă pe IRn ). Un element p ∈ D se numeşte punct fix
al lui g dacă g(p) = p.
Teorema 11 (Metoda aproximaţiilor succesive pe IRn )
Fie D ⊆ Rn , D domeniu ı̂nchis, α ∈ [0, 1), g : D → IRn o α-contracţie şi
x0 ∈ D. Definim xk+1 = g(xk ), ∀ k ≥ 0 şi presupunem că xk ∈ D, ∀ k ≥ 0.
Atunci avem
(i) Şirul (xk )k≥0 converge la unicul punct fix p al lui g ı̂n D;
(ii) Avem evaluarea
αk
kxk − pk ≤ kx1 − x0 k , ∀ n ≥ 1. (3.22)
1−α

Teorema 12 Fie D ⊆ IRn compactă, g : D → IRn o α-contracţie astfel

ı̂ncât x0 ∈ D, x1 = g(x0 ) ∈ D şi
dα
dist((x1 , F rD) ≥ ,
1−α
unde d este diametrul lui D. Atunci, pentru orice k ≥ 0, xk ∈ D.
Observaţia 24 Dacă D ⊆ IRn ı̂nchis astfel ı̂ncât ∃ V o vecinătate a lui D,
g : D → IRn cu g ∈ C 1 (V ) şi ∃ α ∈ (0, 1) astfel ı̂ncât kg 0 (x)k ≤ α ∀ x ∈ D,
atunci g este o α-contracţie. Într-adevăr, aplicând teorema creşterilor finite
(vezi [26]) avem că
kg(x) − g(y)k ≤ kx − yk sup g 0 (ξ) ≤ α · kx − yk , ∀ x, y ∈ V.

ξ∈[x,y]

30
Exemplul 12 . Fie funcţia g : [1, 2] × [0, 1] → IR2 , dată de g(x, y) =
3x2 + y 2 2x2 + 5y 2
(1 + , ). Să se arate că g este α-contracţie ı̂n raport cu
20 20
k·k∞ . Obţinem că
 3x y 
 10 10 
g 0 (x, y) =  .
x y
 
5 2
Cum toate cele patru funcţii care apar sunt pozitiv crescătoare obţinem
       
g (x, y) = max { 3x  +  y  ,  x  +  y } = max{ 3 · 2 + 1 , 2 + 1 } =
0  
∞ (x,y)∈D  10  10 15 2 10 10 5 2

7 9 9
max{ , }= ∈ [0, 1).
10 10 10
9
şi conform Observaţiei 24, g este o -contracţie pe [1, 2] × [0, 1].
10
Vom da fără demonstraţie următorul rezultat (pentru detalii vezi [6] şi [22]).

Teorema 13 (Metoda Newton-Raphson)

Fie F = (F1 , . . . , Fn ) : D ⊆ IRn → IRn , x0 ∈ D, h > 0 astfel ı̂ncât
B[x0 , h] ⊂ D. Dacă sunt ı̂ndeplinite condiţiile:
−1
(i) ∃ F 0 (x0 ) = Γ0 şi kΓ0 k ≤ A0 ;
(ii) ∃ B0 > 0 astfel ı̂ncât Γ0 F (x0 ) ≤ B0 ≤ h2 ;
(iii) ∃ C0 > 0 astfel ı̂ncât
n  2 
X  ∂ Fk (x)  0
max { max  ∂xi ∂xj } ≤ C0 , ∀ x ∈ B[x , h]
 
1≤k≤n 1≤i≤n
j=1

(iv) µ0 = 2nA0 B0 C0 < 1.

Atunci şirul definit de metoda Newton xk+1 = xk − (F 0 (xk ))−1 · F (xk ),
k ≥ 0 este bine definit şi converge la un element ξ ∈ B[x0 , h] care este
soluţie a sistemului de ecuaţii F (x) = 0.

Observaţia 25 Spre deosebire de metoda aproximaţiilor succesive, metoda

Newton nu necesită nici o transformare a sistemului iniţial. În plus, viteza
de convergenţă a metodei Newton este mult mai bună decât cea dată de
metoda aproximaţiilor succesive (convergenţă pătratică faţă de convergenţă
liniară; vezi pentru detalii [12]).

Observaţia 26 Lăsând la o parte determinarea aproximaţiei x0 şi a bilei

B[x0 , h] pe care sunt date condiţiile ce asigură convergenţa, metoda Newton

31
prezintă unele dezavantaje. Astfel, la fiecare iterţie trebuie calculaţi F (xk )
0 0
şi F (xk ) şi, de asemenea, trebuie rezolvat sistemul F (xk ) · y = F (xk ), ceea
ce ı̂nseamnă efort computaţional mare şi poate duce la acumularea de erori.
Aceste inconveniente pot fi ı̂nlăturate folosind metoda Newton simplificată
(modificată) pe care o prezentăm ı̂n continuare.

Teorema 14 În condiţiile Teoremei 13, şirul definit de

xk+1 = xk − (F 0 (x0 ))−1 F (xk ), k ≥ 0

converge la un element ξ ∈ B[x0 , h] care este soluţie a sistemului de ecuaţii

F (x) = 0.

Exemplul 13 . Fie sistemul

2

 x− x − y =2

2
20 20
 y− y − x −1=0

20 20
şi
5 3
D = {(x, y) ∈ IR2 , (x − )2 + (y − )2 < 2}.
2 2
Să se verifice dacă sunt ı̂ndeplinite condiţiile din teorema de convergenţă
de la metoda Newton relativ la aproximaţia iniţială (x0 , y0 ) = ( 52 , 32 ).
x2 y y2 x
Fie F : D → IR2 , F (x, y) = (x − − − 2, y − − − 1). Avem
20 20 20 20
succesiv (ı̂n raport cu k · k∞ vectorială şi matriceală):
180
(i) calculăm Γ0 = (F 0 (x0 , y0 ))−1 şi aflăm A0 = ;
127
81
(ii) calculăm apoi kΓ0 F (x0 , y0 )k şi aflăm B0 = ;
254
1
(iii) calculăm C şi aflăm C = .
10
În plus, pentru constanta µ0 avem
1
µ0 = 2nA0 B0 C0 < <1⇒
5
deci, se poate aplica Teorema 13.

32
3.6 Exerciţii
√
1. Aproximaţi rădăcinile ecuaţiei x = cos x pe [0, 1] prin x3 dat de
metoda bisecţiei.

2. Aproximaţi rădăcinile ecuaţiei x3 − 7x2 + 14x − 6 = 0 prin metoda

bisecţiei cu o eroare mai mică decât 10−2 pe intervalele
(a) [0, 1], (b) [1, 3.2], respectiv (c) [3.2, 4].
√
3. Aproximaţi 3 25 prin metoda bisecţiei cu o eroare mai mică decât
10−4 .

4. Să se discute după parametrul real m numărul de rădăcini reale pen-

√
tru ecuaţia | ln x| − m x = 0. Pentru m = 2, aproximaţi rădăcina
subunitară folosind metoda bisecţiei cu o eroare mai mică de 10−3 .
√
5. Aproximaţi 3 25 prin metoda aproximaţiilor succesive cu o eroare mai
mică decât 10−4 . Comparaţi rezultatul cu cel obţinut la exerciţiul 3.

6. Aproximaţi rădăcinile următoarelor ecuaţii prin metoda aproximaţiilor

succesive cu o eroare mai mică de 10−5

(a) 3x2 − ex = 0;
(b) x − cos x = 0;
5
(c) x = 2 + 2;
x
2 − e x + x2
(d) x = ;
3
(e) x2 + 10 cos x = 0.

1
7. Funcţia f (x) = tgπx − 6 are ca rădăcină pe arctg6 ' 0.447431543.
π
Fie p0 = 0 şi p1 = 0.48. Aproximaţi aceste rădăcini prin x10 dat de

(a) metoda coardei;

(b) metoda bisecţiei.

Prin care din cele două metode se obţine o eroare mai mică?

8. Sistemul neliniar

x2 − 10x + y 2 + 8 = 0


xy 2 + x − 10y + 8 = 0

33
poate fi adus ı̂n forma
2 2

 x = g1 (x, y) = x + y + 8

10
2+x+8
 y = g2 (x, y) =
 xy
10
unde g = (g1 , g2 ) : D → IR, cu D = {(x, y) ∈ IR2 , 0 ≤ x, y ≤ 1.5}.

(a) Arătaţi că g are un unic punct fix pe D.

Indicaţie. Se va arăta mai ı̂ntâi că g este o α- contracţie pe D
ı̂n raport cu k · k∞ , apoi că g(D) ⊆ D.
(b) Determinaţi numărul minim de iteraţii necesare astfel ca eroarea
aproximării prin metoda contracţiilor să fie mai mică decât 10−6 .

34
Capitolul 4

Aproximare, interpolare şi

derivare numerică

Se vor analiza ı̂n cadrul acestui capitol următoarele două probleme impor-
tante ale analizei numerice.

Problema 1 Dată fiind o funcţie f : [a, b] → IR cu anumite proprietăţi,

să se determine un polinom P ∈ IR[X] astfel ı̂ncât

kf − P k ≤ ε, (4.1)

unde k · k este o normă pe spaţiul vectorial al funcţiilor f : [a, b] → IR, iar

ε e o precizie dată.

Problema 2 Dată fiind o funcţie f : [a, b] → IR, diviziunea 4 : (a = x1 <

x2 < ... < xn = b), să se determine o funcţie ϕ : [a, b] → IR polinomială
sau polinomială pe bucăţi astfel ı̂ncât

f (xi ) = ϕ(xi ), i = 1, ..., n (4.2)

şi
kf − ϕk ≤ ε. (4.3)
Problema 1 se referă la aproximarea unei funcţii prin funcţii polinomiale,
iar cea de-a doua la interpolarea şi aproximarea unor funcţii prin polinoame
sau funcţii ce sunt polinomiale pe intervale. Se folosesc funcţii polinomi-
ale sau polinomiale pe bucăţi pentru că valoarea funcţiei ı̂ntr-un punct se
poate calcula foarte simplu (vezi Capitolul 2, Schema lui Horner). În cazul
Problemei 2, funcţia f este de cele mai multe ori cunoscută doar ı̂n punctele
diviziunii 4.

35
4.1 Aproximarea cu polinoame Bernstein
Începem această secţiune cu un rezultat auxiliar.
Lema 2 Pentru ∀ x ∈ IR şi n ∈ IN sunt adevărate următoarele egalităţi.
n
kCnk xk (1 − x)n−k = nx;
P
(i)
k=0
n
k 2 Cnk xk (1 − x)n−k = nx + n (n − 1) x2 ;
P
(ii)
k=0
n
(nx − k)2 Cnk xk (1 − x)n−k = nx (1 − x).
P
(iii)
k=0

Teorema 15 Fie f : [0, 1] → IR, continuă şi (Bn )n≥1 un şir de funcţii
polinomiale definite prin
n  
X k
Bn (x) = f Cnk xk (1 − x)n−k , ∀ x ∈ [0, 1]. (4.4)
n
k+0

Atunci şirul (Bn )n≥1 converge uniform la f pe [0, 1].

Observaţia 27 Polinomul Bn (x) se numeşte polinom Bernstein de or-

din n asociat funcţiei f pe intervalul [0, 1].

Extinderea aproximării date de Teorema 15 la un interval arbitrar [a, b] este

prezentată ı̂n rezultatul următor.
Teorema 16 Fie f : [a, b] → IR continuă. Atunci există (Pn )n≥1 un şir de
polinoame cu coeficienţi reali astfel ı̂ncât kf − Pn k∞ −→ 0, n → ∞.
Demonstraţie. Fie (Bn )n≥1 polinoamele Bernstein din Teorema 15 aso-
ciate funcţiei F : [0, 1] → IR, F (t) = f (a + t (b − a)) şi
 
x−a
Pn (x) = Bn , x ∈ [a, b].
b−a
Folosind Teorema 15 obţinem succesiv

kf − Bn k∞ = sup | f (x) − Pn (x) |= sup | F (t) − Bn (t) |−→ 0, n → ∞

x∈[a,b] t∈[0,1]

ceea ce ı̂ncheie demonstraţia teoremei.

Observaţia 28 Teorema 16 poate fi extinsă ı̂n modul următor (pentru

demonstraţii vezi [6], [22]): dacă f : [a, b] → IR, f ∈ C k ([a, b]), atunci
(i)
∃ (Pn )n≥1 un şir de polinoame astfel ı̂ncât kf (i) − Pn k∞ → 0, pentru
∀ i = 0, ..., k.

36
Observaţia 29 Aşa cum rezultă din demonstraţia Teoremei 15, convergen-
ţa şirului (Bn )n≥1 este foarte lentă, ceea ce reprezintă un dezavantaj pen-
tru aproximarea cu polinoame Bernstein. În plus, nu avem posibilitatea
evaluării a priori a diferenţei | f − Bn |. Dar, avantajul metodei constă
ı̂n faptul că ∀ x ∈ [a, b], Bn (x) este o combinaţie convexă a valorilor
k


f n , k = 0, ..., n, proprietate ce păstrează ”alura” (shape) funcţiei f (adică
intervalele de convexitate şi concavitate).

Observaţia 30 Cum Bn nk 6= f nk , rezultă că polinomul Bernstein nu

are proprietatea de interpolare (4.2), ci doar pe cea de aproximare dată de

Teorema 15.

4.2 Interpolare cu polinoame Lagrange

În această secţiune ne vom referi la Problema 2. Astfel, fiind date valorile lui
f ı̂n n puncte distincte xi , i = 1, ..., n, se pune problema aproximării printr-
un polinom al cărui grafic să ”treacă” prin punctele Ai (xi , f (xi )) , i =
1, ..., n (vezi figura 4.1). Următorul rezultat ne asigură că există un astfel
de polinom.

Figura 4.1: Interpolare polinomială

Teorema 17 Fie f : A ⊂ IR → IR şi x1 , ..., xn ∈ A puncte distincte.

Atunci există şi este unic determinat polinomul P ∈ IR[X] de grad cel mult
n − 1 astfel ı̂ncât

f (xi ) = P (xi ) , ∀ i = 1, ..., n. (4.5)

37
Polinomul P poate fi reprezentat sub forma
n n
X Y x − xi
P (x) = f (xi ) , x ∈ IR. (4.6)
xj − xi
j=1 i=1

Definiţia 8 Polinomul
n
X
Ln (f ; x) = f (xj ) Ln,j (x) . (4.7)
j=1

se numeşte polinomul de interpolare al lui Lagrange asociat funcţiei

f şi punctelor xi .

Fie ω : [a, b] → IR polinomul unitar de grad n definit de dat de

ω (x) = (x − x1 ) ... (x − xn ) . (4.8)

În punctele xi , i = 1, . . . , n, Ln (f ; x) are proprietatea de interpolare (4.2);

ı̂n celelalte puncte x ∈ [a, b] are loc următorul rezultat (ce asigură ı̂n anu-
mite condiţii şi proprietatea de aproximare).

Teorema 18 Dacă f ∈ C n ([a, b]), atunci ∀ x ∈ [a, b], x 6= xi , pentru

∀ i = 1, ..., n, există ξx ∈ [a, b] astfel ı̂ncât

f (n) (ξx )
f (x) − Ln (f ; x) = ω (x) . (4.9)
n!

Lema 3 Dacă h = max | xi − xi−1 |> 0, atunci

i=2,...,n

hn
kωk∞ ≤ (n − 1)!
4

Demonstraţie. Fie x ∈ [a, b] fixat arbitrar şi i ∈ {1, . . . , n} astfel ı̂ncât

x ∈ (xi−1 , xi ) . Atunci avem

(xi − xi−1 )2 h2
| (x − xi−1 ) (x − xi ) |≤ ≤ . (4.10)
4 4
Cum ı̂nsă, pentru j ∈ {1, . . . , i − 2} avem

| x − xj |= x − xj ≤ (i − j) h, (4.11)

38
iar pentru j ∈ {i + 1, . . . , n}

| x − xj |= x − xj ≤ (j − i + 1) h, (4.12)

din (4.10)-(4.12) obţinem

h2 n−i hn
| ω (x) |≤ hi−2 (i − 1)! h (n − i)! ≤ (n − 1)!
4 4
şi teorema este demonstrată.
Din Teorema 18 şi Lema 3 obţinem următorul rezultat.

Teorema 19 În condiţiile din Teorema 18, are loc relaţia

kf (n) k∞ n
kf − Ln (f ; ·) k∞ ≤ h . (4.13)
4n

Observaţia 31 Dacă f ∈ C ∞ ([a, b]), kf (n) k∞ ≤ M, ∀ n ≥ 1 şi h < 1

atunci din (4.13) rezultă că

kf − Ln (f ; ·) k∞ → 0, n → ∞

adică şirul polinoamelor Lagrange converge uniform la f , ceea ce ı̂nseamnă

ca aceste polinoame au si proprietatea de aproximare (4.1).

Observaţia 32 Un mare dezavantaj al aproximării cu polinoame Bern-

stein sau Lagrange este faptul că gradul polinomului creşte odată cu numărul
de puncte din [a, b]. Acest lucru face ca valoarea polinomului ı̂ntr-un punct
să se calculeze cu mult efort şi erori de calcul mari. Acest inconvenient
poate fi eliminat prin utilizarea funcţiilor polinomiale pe bucăţi. Un exem-
plu ı̂n acest sens este prezentat ı̂n secţiunea următoare.

4.3 Funcţii spline cubice

Definiţia 9 Se numeşte funcţie spline cubică o funcţie g de clasă
C 2 ([a, b]), polinomială de grad 3 pe bucăţi, cu următoarele propietăţi
3
X
g|[xi−1 ,xi ] (x) = gi (x) = ail (xi − x)l , i = 1, ..., n, (4.14)
l=0

g (xi ) = f (xi ) ; (4.15)

0 0
g (xi ) = f (xi ) ; (4.16)

39
 00 00
g (xi ) = f (xi ) ; (4.17)

g 00 (a) = g 00 (b) = 0, (4.18)

unde a = x0 < x1 < · · · < xn = b este o diviziune a intervalului [a, b].

Observaţia 33 O funcţie g ce verifică relaţiile (4.14) − (4.18) se numeşte

funcţie spline cubică liberă, iar dacă ı̂n loc de relaţia (4.18) se impun
condiţiile
g 0 (a) = f 0 (a) , g 0 (b) = f 0 (b) , (4.19)
g se numeşte funcţie spline cubică fixată.

Următorul rezultat asigură, ı̂n condiţiile date existenţa unei funcţii spline
cubice (libere).

Teorema 20 Există şi este unică o funcţie spline cubică liberă.

Observaţia 34 Un rezultat analog se demonstrează pentru existenţa unei

funcţii spline cubice fixate (vezi (4.19)). Pentru detalii şi extinderi ale
noţiunii de funcţie spline se poate consulta lucrarea [23].

4.4 Derivarea numerică

Necesitatea derivării numerice apare direct legată de situaţiile ı̂n care funcţia
f : [a, b] → IR are o expresie prea complicată sau când valorile ei sunt
cunoscute doar ı̂n punctele x0 , x1 , ..., xn ale unei diviziuni ∆ a intervalului
[a, b]. Dar operatorii de derivare numerică apar şi ı̂n construcţiile schemelor
cu diferenţe finite utilizate ı̂n aproximarea soluţiilor ecuaţiilor cu derivate
parţiale (vezi [11]). Prin derivare numerică ı̂nţelegem determinarea unei
formule de calcul care să aproximeze valoarea derivatei lui f ı̂ntr-un punct
din intervalul [a, b] şi evaluarea erorii de aproximare. Asemenea formule se
obţin de obicei plecând de la o funcţie de interpolare asociată lui f şi divi-
ziunii ∆. Vom prezenta ı̂n această secţiune o variantă care utilizează inter-
polarea Lagrange. Fie deci f : [a, b] → IR şi ∆ : a = x0 < x1 < ... < xn = b
o diviziune echidistantă a lui [a, b],
b−a
xi+1 − xi = h = i = 1, ..., n − 1, (4.20)
n
x ∈ [xi , xi+1 ] ⊂ [a, b] arbitrar fixat şi q ≥ 0 dat de
x − x0
q= . (4.21)
h

40
Dacă ω : [a, b] → IR este polinomul

ω (x) = (x − x0 ) (x − x1 ) ... (x − xn ) (4.22)

atunci avem
ω (x) = hn+1 q (q − 1) ... (q − n) , (4.23)

0
ω (xi ) = (−1)n−i hn (i)! (n − i)! (4.24)
Să notăm
α (q, n) = q (q − 1) (q − 2) ... (q − n) (4.25)
şi fie Ln+1 (x) polinomul Lagrange de interpolare
n
X (x − x0 ) ... (x − xi−1 ) (x − xi+1 ) ... (x − xn )
Ln+1 (x) = f (xi ) .
(xi − x0 ) ... (xi − xi−1 ) (xi − xi+1 ) ... (xi − xn )
i=0
(4.26)
Utilizând notaţiile şi formulele anterioare, un calcul simplu ne arată că
n
X (−1)n−1 f (xi ) α (q, n)
Ln+1 (x) = · . (4.27)
i! (n − i)! q−i
i=0

În plus, din (4.21) rezultă

dx
x = x (q) = x0 + hq, x0 q = = h. (4.28)
dq

Fie L̃n+1 (q) polinomul ı̂n variabila q dat de

L̃n+1 (q) = Ln+1 (x (q)) . (4.29)

Din (4.28) şi (4.29) obţinem

 
d d 1
(Ln+1 (x)) = L̃n+1 (q) =
dx dq h
n
1 X (−1)n−i f (xi ) d
 
α (q, n)
. (4.30)
h i! (n − i)! dq q−i
i=0
Fie Rn+1 (x) dat de

Rn+1 (x) = f (x) − Ln+1 (x) . (4.31)

Din teorema 18 rezultă că dacă f este de clasă C n+1 ([a, b]) există ξx ∈ (a, b)
astfel ı̂ncât
f n+1 (ξ (x))
Rn+1 (x) = ω (x) . (4.32)
(n + 1)!

41
Dacă f este de clasă C n+2 pe [a, b] derivând ı̂n raport cu x relaţia şi
ı̂nlocuind x cu xi rezultă
0 1 0
Rn+1 (xi ) = ω (xi ) f n+1 (ξ) =
(n + 1)!

(−1)n−i hn i! (n − i)! n+1

f (ξx ) (4.33)
(n + 1)!
Din (4.31) obţinem atunci
0 0 0
f (xi ) = Ln+1 (xi ) + Rn+1 (xi ) , i = 0, ..., n. (4.34)

Partea dreaptă a egalităţii 4.34 reprezintă o formulă de derivare numerică

0
pentru f ı̂n punctele diviziunii ∆ ı̂n care Rn+1 (xi ) reprezintă restul de
aproximare. De exemplu, pentru n = 2 obţinem
1 1
L3 (x) = f (x0 ) (q − 1) (q − 2) − f (x1 ) q (q − 2) + f (x2 ) q (q − 1)
2 2
0 1 1
L (x) = [ f (x0 ) (2q − 3) − f (x1 ) (2q − q)]
h 2
şi resturile de aproximare de ordin 2
0 1 0 1 0 1
R3 (x0 ) = h2 f (3) (ξ0 ) , R3 (x1 ) = − h2 f (3) (ξ0 ) , R3 (x2 ) = h2 f (3) (ξ2 ) .
3 6 3
Deci
0 1
f (x0 ) ' ((−3) f (x0 ) + 4f (x1 ) − f (x2 )) ,
2h
0 1
f (x1 ) ' (−f (x0 ) + f (x2 )) ,
2h
0 1
f (x2 ) ' (f (x0 ) − 4f (x1 ) + 3f (x2 )) ,
2h
toate aproximările fiind de ordin 2.

Observaţia 35 Modul ı̂n care aplicăm rezultatele anterioare este următo-

rul. Fiind dat x ∈ (a, b) arbitrar considerăm un interval [α, β] ⊂ (a, b) ce
conţine pe x. Considerăm apoi o diviziune a acestui interval α = x0 < x1 <
... < xN = β astfel ı̂ncât x să fie unul din punctele diviziunii. Aplicăm apoi
raţionamentele anterioare pentru [α, β] şi diviziunea considerată. De obicei
luăm
N = 2, α = x0 = x − ε, β = x2 = x + ε, x1 = x,
unde ε > 0 este ales ı̂n raport cu precizia dorită.

42
4.5 Exerciţii
1. Folosind polinomul de interpolare Lagrange aproximaţi:

(a) f (8.2) dacă se dau nodurile de interpolare x0 = 8.1,

x1 = 8.3, x2 = 8.4, x3 = 8.7 şi f (x) = (x + 1)ex .
(b) f (0.8) pentru x0 = 0.6, x1 = 0.7 x2 = 0.9, x3 = 1.0 şi
f (x) = sin(x2 − 2).

2. Comparaţi rezultatul obţinut la exerciţiul 1 cu valoarea exactă.

3. Comparaţi diferenţele ı̂ntre rezultatul obţinut la exerciţiul 1 şi rezul-

tatul obţinut la exerciţiul 2 cu eroarea dată de teorema 17.

4. Aproximaţi f (1.12) prin polinomul Lagrange corespunzător dacă

f (1.0) = 0.1924, f (1.05) = 0.2414, f (1.10) = 0.2933, f (1.15) =
0.3492.

5. Să se construiască polinomul Lagrange ce interpolează funcţia f (x) =

x5 ı̂n nodurile x0 , x1 , şi x4 , unde xi = 6i , i = 0, . . . , 6.
Indicaţie. P0,1,4 (x) = (x(x−x 1 )(x−x4 )
0 −x1 )(x0 −x4 )
f (x0 ) + (x(x−x 0 )(x−x4 )
1 −x0 )(x1 −x4 )
f (x1 ) +
(x−x0 )(x−x1 )
(x4 −x0 )(x4 −x1 ) f (x4 )

Observaţia 36 O altă metodă de a construi polinomul de interpolare

(Lagrange) este metoda diferenţelor finite a lui Newton. Astfel,
Pn (x) poate fi scris ca:
n
X
Pn (x) = f [x0 ] + f [x0 , x1 , ..., xk ](x − x0 )...(x − xk−1 )
k=1

unde f [xi ] = f (xi ) este diferenţa finită de ordin 0,

f [xj ] − f [xi ]
f [xi , xj ] = , i < j este diferenţa finită de ordinul 1
xj − xi
şi, ı̂n general
f [xi+1 , xi+2 , ..., xi+j ] − f [xi , xi+1 , ..., xi+j−1 ]
f [xi , xi+1 , ..., xi+j ] =
xi+j − xi

este diferenţa finită de ordinul j.

6. Folosind

polinoamele de interpolare Newton descrise mai sus, aproximaţi
f − 31 dacă se dau f (−1.0) = −1, f (−0.75) = −0.421875, f (−0.5) =
−0.125 şi f (0.25) = 0.015625

43
 7. Dacă Pn (x) = f [x0 ] + f [x0 , x1 ](x − x0 ) + a2 (x − x0 )(x − x1 )+
+a3 (x − x0 )(x − x1 )(x − x2 ) + ... + an (x − x0 )(x − x1 )...(x − xm−1 )
arătaţi că a2 = f [x0 , x1 , x2 ]. Cât este a3 ?

8. Determinaţi funcţia spline cubică fixată cu proprietăţile f (0) = 0,

f (1) = 1, f (2) = 2 şi S 0 (0) = S 0 (2) = 1.

9. Dacă punctele {(xi , f (xi ))}i=1,n sunt asezate pe o dreaptă, ce se

poate spune despre funcţia spline cubică (liberă sau fixată) ataşată
funcţiei f ?
Indicaţie. Utilizaţi exerciţiile ?? şi 8.

10. Fie f : [a, b] → IR şi nodurile x0 = a < x1 < x2 = b. O funcţie spline

pătratică este o funcţie S cu proprietatea:
a0 + b0 (x − x0 ) + c0 (x − x0 )2 , x ∈ [x0 , x1 ]

S(x) =
a1 + b1 (x − x1 ) + c1 (x − x1 )2 , x ∈ [x1 , x2 ]
astfel ı̂ncât S(xi ) = f (xi ), i = 0, 2, S ∈ C 1 [x0 , x2 ] Sunt suficiente
aceste condiţii pentru a determina funcţia S? Ce se poate spune
despre soluţia obţinută dacă cerem ca S ∈ C 2 [x0 , x2 ]?

44
Capitolul 5

Integrare numerică

Fie f : [a, b] → IR o funcţie continuă. Pentru a calcula integrala definită

Z b
f (x)dx se pot utiliza mai multe metode, ca de exemplu
a

1. se foloseşte definiţia integralei cu suma Riemann sau cu sumele Dar-

boux;

2. dacă se cunoaşte o primitivă F a lui f , se foloseşte formula Leibnitz-

Z b
Newton f (x)dx = F (b) − F (a);
a

3. se dezvoltă f ı̂n serie Taylor ı̂n jurul punctului x0 ∈ [a, b], adică
∞
X
f (x) = an (x − x0 )n ,
n=0

iar apoi se integrează seria dată termen cu termen pe [a, b].

Dar, de multe ori, aceste metode sunt sau foarte laborioase sau chiar im-
posibil de aplicat, deci impracticabile chiar şi pentru unele funcţii simple
cum ar fi
2
f : [0, 1] → IR; f (x) = e−x ; g : [0, π] → IR; g(x) = sin(x2 ).

În aceste cazuri, se aproximează valoarea integralelor cu o sumă de tipul

n
X
αi f (xi ) (5.1)
i=1

care se numeşte formulă de cuadratură.

45
5.1 Formule de cuadratură de tip Newton-Côtes
5.1.1 Aproximarea integralelor pe IR
Dacă f ∈ C n ([a, b]), fie t1 , t2 , ..., tn ∈ [−1, 1] fixaţi şi Ln polinomul de
interpolare al lui Lagrange asociat lui f şi punctelor

b+a b−a
xj =
+ tj , j = 1, .., n (5.2)
2 2
Z b Z b
Cum Ln aproximează pe f , Ln (x)dx va aproxima f (x)dx. Eroarea
a a
acestei aproximări este dată de
Z b
rn (f ) = (f (x) − Ln (x))dx.
a

Din Teorema 18 avem că

k f (n) k∞
|f (x) − Ln (x)| ≤ |ωn (x)|, ∀ x ∈ [a, b],
n!
de unde, folosind formula anterioară rezultă că
b
k f (n) k∞
Z
|rn (f )| ≤ |ωn (x)|dx.
n! a

Cu schimbarea de variabilă
b+a b−a
x= + t, t ∈ [−1, 1] (5.3)
2 2
rezultă apoi
b 1
  
− b−a
Z Z
 b + a b a
|ωn (x)|dx = ωn + t  dt =
a −1
 2 2 2

n 
1
  n
n+1 Z 1 Y
b + a b − a b−a −
Z Y b a

 2 + t − x j
 dt = |t − tj|dt
−1 2 2 2 −1
j=1 j=1

(s-a folosit relaţia (5.2)). Aşadar

n+1 Z1 X
n
k f (n) k∞

b−a
|rn (f )| ≤ |t − tj |dt. (5.4)
n! 2
−1 j=1

46
Presupunând că toate puctele tj , j = 1, .., n sunt distincte rezultă că şi
punctele xj , j = 1, .., n sunt distincte, iar din (4.7) obţinem
n n
X Y x − xi
Ln (x) = f (xj )
xj − xi
j=1 i=1,i6=j

şi

Zb n Z 1   n
X b+a b−a b − a Y t − ti
Ln (x)dx = f + tj dt =
2 2 2 tj − ti
a j=1−1 i=1,i6=j

n   Z1 X
n
b−aX b+a b−a t − ti
= f + tj dt. (5.5)
2 2 2 tj − ti
j=1 −1 i=1,i6=j

Rb
Deci f (x)dx este aproximată de integrala (5.5), cu o eroare dată de (5.4).
a

Teorema 21 (Formula dreptunghiurilor) Fie f:[a,b]→ IR, f ∈ C([a, b])

şi ∆ : (a = x0 < ... < xn = b) o diviziune echidistantă a intervalului [a, b].
Definim numărul σ1 (f, n) prin
n  
b−aX xi + xi+1
σ1 (f, n) = f . (5.6)
n 2
i=0

Rb
Atunci σ1 (f, n) aproximează a f (x)dx cu o eroare majorată de

(b − a)2
k f 0 k∞ . (5.7)
4n

Demonstraţie. În relaţia (5.5), considerăm n = 1 şi t1 = 0. Obţinem că

Zb  Z 1  
b−a b+a b+a
f (x)dx ' f 1dt = (b − a)f ,
2 2 −1 2
a

cu o eroare majorată de

2 Z1
k f 0 k∞ (b − a)2 0

b−a
|t|dt = kf k∞ (5.8)
1! 2 4
−1

47
Aşadar aplicând (5.8) pentru intervalul [xi , xi+1 ] vom avea
x
Zi+1    
xi + xi+1 b−a xi + xi+1
f (x)dx ' (xi+1 − xi )f = ·f ,
2 n 2
xi

cu o eroare majorată de

(xi+1 − xi )2 (b − a)2 0
sup | f 0 (x) |≤ kf k∞ ,
4 x∈[xi ,xi+1 ] 4n2

unde
b−a
xi = a + i, ∀ i = 0, ..., n.
n
Deci
Zb x
Zi+1
n−1 n−1  
X b−aX xi + xi+1
f (x)dx = f (x)dx ' f ,
n 2
a i=0 x i=0
i

cu o eroare majorată de

(b − a)2 0 (b − a)2 0
n· kf k∞ = kf k∞
4n2 4n
şi teorema este complet demonstrată.

Observaţia 37 Formula (5.6) este exactă pentru kf 0 k∞ = 0 adică

pentru funcţiile constante.

Figura 5.1: Metoda dreptunghiurilor

48
Observaţia 38 Relaţia
Zb n−1  
b − aX xi + xi+1
f (x)dx ' f
n 2
a i=0

poartă numele de formula dreptunghiurilor, denumire care provine din

interpretarea geometrică pentru f ≥ 0. Într-adevăr, dacă D i este drept-

xi + xi+1
unghiul care are ca bază intervalul [xi , xi+1 ] şi ı̂nălţime f ,
2
Zb
atunci f (x)dx (adică aria ”de sub graficul” lui f ) poate fi aproximată cu
a
suma tuturor ariilor dreptunghiurilor Di , i = 0, ..., n − 1 (vezi figura 5.1).

Z1
dx
Exemplul 14 Să se calculeze valoarea aproximativă a integralei
1 + x2
0
1
cu o eroare ≤ , utilizând formula dreptunghiurilor.
40
1
Fie f : [0, 1] → IR, f (x) = . Atunci f ∈ C 1 ([a, b]), iar f 0 (x) =
1 + x2
−2x 2x
2 2
. Vom arăta acum că kf 0 k∞ ≤ 1. Avem succesiv ≤1⇔
(1 + x ) (1 + x2 )2
2x ≤ (1 + x2 )2 , ∀ x ∈ [0, 1]. Fie acum funcţia ϕ(x) = x4 + 2x2 − 2x + 1 ≥
0, ∀ x ∈ [0, 1], de unde ϕ0 (x) = 2(2x3 + 2x − 1) şi folosind şirul lui
1
Rolle se obţine că ϕ0 admite o singură rădăcină reală ı̂n (0, ) pentru că
2
ϕ0 (0)ϕ0 ( 12 ) < 0 şi ϕ0 este continuă. Deci
   
1 1 1
ϕ(x) > ϕ = > 0, ∀ x ∈ ,1 ,
2 2 2
iar pentru
   
1 1
x ∈ 0, , 2x ≤ 1 ≤ (1 + x2 )2 ⇒ ϕ(x) ≥ 0, ∀ x ∈ 0,
2 2
şi deci
ϕ(x) ≥ 0, ∀ x ∈ [0, 1] ⇒ kf 0 k∞ ≤ 1.
(1 − 0)2 1
Determinăm acum n astfel ı̂ncât 1≤ şi obţinem n ≥ 10. Luăm
4n 40
n = 10 ı̂n (5.6) şi obţinem
Z 1       
1 1 3 19
f (x)dx ' f +f + ... + f = 0.78560636
0 10 20 20 20

49
 Z1
1 dx π
cu o eroare mai mică decât . Cum ı̂nsă 2
= arctg(x)/10 =
40 1+x 4
0
rezultă că ı̂l putem aproxima pe π prin 4 · 0.78560636 = 3, 14242534 cu o
1
eroare mai mică decât dată de metoda dreptunghiurilor.
40
Teorema 22 (Formula trapezelor) Fie f : [a, b] → IR, f ∈ C 2 ([a, b])şi
∆ : (a = x0 < ... < xn = b) o diviziune echidistantă pentru [a, b]. Definim
numărul σ2 (f, n) prin
n−1
b − a X f (xi ) + f (xi+1 )
σ2 (f, n) = . (5.9)
n 2
i=0
Z b
Atunci σ2 (f, n) aproximează f (x)dx cu o eroare majorată de
a

(b − a)3 00
kf k∞ .
12n2
Observaţia 39 Formula (5.9) este exactă pentru kf 00 k∞ = 0, adică pentru
funcţiile polinomiale de grad cel mult 1.

Figura 5.2: Metoda trapezelor

Observaţia 40 Relaţia
Z b n
b − a X f (xi ) + f (xi+1 )
f (x)dx '
a n 2
i=0

50
poartă numele de formula trapezelor, denumire care provine de asemenea
Z b
din interpretarea geometrică pentru f ≥ 0. f (x)dx se aproximează cu
a
b − a f (xi ) + f (xi+1 )
suma ariilor tuturor trapezelor Ti , cu A(Ti ) = · (vezi
n 2
figura 5.2).
Z 1
dx
Exemplul 15 Să se aproximeze integrala cu o eroare mai mică
0 1+x
1
decât , folosind formula trapezelor.
600
1 2
Fie f : [0, 1] → IR, f (x) = . Atunci | f ”(x) |= ≤ 2, ∀ x ∈
1+x (1 + x)3
(1 − 0)3 1
(0, 1]. Determinăm apoi pe n astfel ı̂ncât 2
·2 ≤ şi obţinem
12n 600
n ≥ 10. Astfel
Z 1     
1 f (0) + f (1) 1 9
f (x)dx ' +f + ... + f = 0.69377136,
0 10 2 10 10

deci Z 1
dx
≈ 0.69377136
0 1+x
Z 1
1 dx
cu o eroare mai mică decât ≤ . Cum ı̂nsă = ln2 rezultă că
100 0 1+x
ln 2 poate fi aproximat prin valoarea 0.69377136 cu o eroare mai mică decât
1
dată de metoda trapezelor.
600

Teorema 23 (Formula Simpson) Fie f : [a, b] → IR, f ∈ C 4 ([a, b]), ∆ :

(a = x0 < .. < xn = b) o diviziune echidistantă pe [a, b] şi numărul σ3 (f, n)
definit prin
n−1    
b−aX xi + xi+1
σ3 (f, n) = f (xi ) + 4f + f (xi+1 ) . (5.10)
6n 2
i=0
Z b
Atunci σ3 (f, n) aproximează pe f (x) dx cu o eroare majorată de
a

(b − a)5 (1)
kf k∞ . (5.11)
2880n4

Observaţia 41 Această formulă este exactă pentru kf (4) k∞ = 0 adică pen-

tru funcţiile polinomiale de grad cel mult 3.

51
 Figura 5.3: Metoda Simpson

Observaţia 42 Relaţia
b n−1    
b−aX
Z
xi + xi+1
f (x) dx ' f (xi ) + 4f + f (xi+1 ) (5.12)
a 6n 2
i=0

poartă denumirea de formula Simpson sau a parabolelor şi provine din

interpretarea geometrică pentru f ≥ 0 (vezi figura 5.3). Aria trapezului
curbiliniu ABCD este aproximată cu aria trapezului curbiliniu ABCF D
ce are drept una din laturile neparalele parabola CF D (de ecuaţie y =
ax2 + bx + c) care este unică cu proprietatea că
Z β    
2 β−α α+β
(ax + bx + c) dx = f (α) + 4f + f (β) . (5.13)
α 6 2
Aici, [α, β] = [xi , xi+1 ].

Exemplul
Z 1 16 Utilizând formula Simpson, să se aproximeze integrala
dx 1
, cu o eroare mai mică decât .
0 x + 1 10000
1 4!
Fie f : [0, 1] → IR, f (x) = cu f (4) (x) = . Atunci kf (4) k∞ =
x+1 (1 + x)5
(1 − 0)5
sup |4!(1+x)−5 | = 4! = 24. Determinăm apoi n astfel ı̂ncât ·24 <
x∈[0,1] 2880n4
1
şi obţinem n ≥ 4. Atunci
104
Z 1        
1−0 1 2 3
f (x) dx ' f (0) + f (1) + 2 f +f +f +
0 6 · 4 4 4 4

52
         
1 3 5 7
+4 f +f +f +f = 0.69315449
8 8 8 8
R 1 dx
deci 0 ' 0.69315449 cu o eroare majorată de 10−4 . Cum ı̂nsă
Z 1 1 + x
dx
= ln2 rezultă că ln 2 poate fi aproximat prin valoarea 0.69315459
0 1+x
cu o eroare mai mică decât 10−4 dată de metoda Simpson.

Observaţia 43 Metoda Simpson se poate aplica ı̂n următoarea formă.

1. Se alege n ∈ IN ∗ par;
2. Se ı̂mparte intervalul [a, b] ı̂n n subintervale de lungime egală. Pentru
b−a
h= , xi = a + ih, i = 0, . . . , n avem
n
Z b n/2 Z x n/2
X 2i X h
f (x) dx = f (x) dx ' [f (x2i−2 ) + 4f (x2i−1 ) + f (x2i )] ,
a x2i−1 3
i=1 i=1

∀ f ∈ C 4 ([a, b]).

Observaţia 44 1. Formula anterioară este folosită ı̂n aplicaţii sub forma

 
Z b (n/2)−1 n/2
h X X
f (x) dx ' f (a) + 2 f (x2i−1 ) + 4 f (x2i−1 ) + f (b) ,
a 3
i=1 i=1
(5.14)
care se numeşte formula Simpson compozită.
2. Ca şi ı̂n cazul formulei Simpson, se poate arată (vezi [3], [16]) că
eroarea ı̂n cazul formulei Simpson compozite este
b − a 4 (4)
h kf k∞ .
180

3. În acelaşi mod se pot obţine formula trapezelor compozită, res-

pectiv formula dreptunghiurilor compozită.

5.1.2 Aproximarea integralelor pe IR2

În secţiunea anterioară am prezentat formule de tip Newton-Côtes pentru
aproximarea integralelor pe IR. Formule analoage există şi pentru aproxi-
marea integralelor duble. Astfel, pentru a aproxima integrala dublă
Z Z
f (x, y) dx dy
D

53
unde f : D −→ IR este (cel puţin) continuă şi

D = {(x, y) ∈ IR2 /a ≤ x ≤ b şi c ≤ y ≤ d}.

se poate folosi orice formulă descrisă anterior. Pentru a aproxima prin

formula Simpson compozită, se aleg numerele pare n şi m şi se consideră
discretizarea x0 = a < x1 < ... < xn = b, respectiv y0 = c < y1 < ... <
b−a d−c
yn = d, unde h = , iar k = . Conform teoremei lui Fubini (vezi
n m
[15], [26]) avem
Z Z Z b Z d 
f (x, y) dx dy = f (x, y)dy dx.
a c
D
Rd
Atunci, aproximăm mai ı̂ntâi c f (x, y) dy. Astfel, din relaţia (5.14) avem
 
Z d (m/2)−1 m/2
k X X
f (x, y)dy = f (x, y0 ) + 2 f (x, y2j ) + 4 f (x, y2j−1 ) + f (x, ym )
c 3
j=1 j=1

deci

Z bZ d (m/2)−1 Z b
k b
Z X
f (x, y)dy dx = f (x, y0 ) dx + 2 f (x, y2j ) dx+
a c 3 a a j=1

m/2 Z b Z b
X
+4 f (x, y2j−1 ) dx + f (x, ym ) dx .
j=1 a a

Acum se aproximează fiecare integrală ı̂n parte, luând xi = a + ih, i =

0, . . . , n. Pentru orice j = 0, . . . , m avem

Z b (n/2)−1 n/2
h X X
f (x, yj )dy = f (x0 , yj ) + 2 f (x2i , yj ) + 4 f (x2i−1 , yj )+
a 3
i=1 i=1

+f (xn , yj )] , deci

Z bZ d (n/2)−1
kh  X
f (x, y) dy dx ' f (x0 , y0 ) + 2 f (x2i , y0 )+
a c 3 
i=1
 
n/2 (m/2)−1
X X
+4 f (x2i−1 , y0 ) + f (xn , y0 ) + 2  f (x0 , y2j )+
i=1 j=1

54
 (m/2)−1 (n/2)−1 (m/2)−1 n/2
X X X X
+2 f (x2i , y2j ) + 4 f (x2i−1 , y2j )+
j=1 i=1 j=1 i=1
 
(m/2)−1 m/2 m/2 (n/2)−1
X X X X
+ f (xn , y2j ) + 4  f (x0 , y2j−1 ) + 2 f (x2i , y2j−1 )+
j=1 j=1 j=1 i=1

m/2 n/2 m/2
XX X
+4 f (x2i−1 , y2j−1 ) + f (xn , y2j−1 ) + [f (x0 , ym )+
j=1 i=1 j=1

(n/2)−1 n/2 
X X
+2 f (x2i , ym ) + 4 f (x2i−1 , ym ) + f (xn , ym ) .

i=1 i=1

Observaţia 45 În formula anterioară, termenii din sumă se pot grupa şi
aceasta se poate pune sub forma
n m
hk X X
wi,j f (xi , yj ).
9
i=0 j=0

2.0
R 1.5
R
Exemplul 17 Aproximaţi I = ln(x + 2y) dy dx, folosind formula
1.4 1.0
Simpson compozită pentru n = 4 şi m = 2.
0.6 0.5
Avem h = = 0.15, k = = 0.25, deci
4 2
4 2
0.15 · 0.25 X X
I' · wi,j ln(xi + 2yj ) = 0.4295524387
9
i=0 j=0

; valoarea exactă (cu 10 zecimale) a integralei este 0.4295546265, ceea ce

ı̂nseamnă că eroarea este de ordinul 10−6 .

Observaţia 46 În mod analog pot fi deduse funcţiile de cuadratură com-

pozite pentru metoda trapezelor pentru aproximarea integralelor duble şi
funcţiile de cuadratură compozite (trapeze şi Simpson) pentru aproximarea
integralelor multiple (n ≥ 3) (pentru detalii vezi lucrările [3], [16], [27]).

5.2 Formule de cuadratură cu noduri Gauss

5.2.1 Formule de tip Cebı̂şev
Principalul dezavantaj al formulelor de integrare de tip Newton-Côtes este
acela că gradul polinomului de interpolare folosit creşte odată cu numărul

55
de puncte din diviziune şi ı̂n plus, punctele sunt echidistante, deci, implicit
a priori fixate, fără legătură cu unele proprietăţi funcţiei de sub integrală.
Aceste inconveniente pot fi eliminate prin considerarea formulelelor de
tip Cebı̂şev. În acest sens considerăm următoarea problemă:
pentru f : [−1, 1] → IR continuă, să se determine punctele t1 , ..., tn ∈
[−1, 1] astfel ı̂ncât formula
Z 1 Xn
f (t)dt = B f (ti ) = σ4 (f, n) (5.15)
−1 i=1

să fie adevărată pentru orice polinom de grad cel mult n. Scriind (5.15)
pentru polinoamele din baza canonică {1, x, x2 , .., xn }, pentru f = 1 rezultă
2
B = , iar
n
n
2X
σ4 (f, n) = f (ti ), (5.16)
n
i=1
unde t1 , .., tn sunt soluţiile (reale) ale sistemului de ecuaţii neliniare

 t1 + t2 + ... + tn = 0
k+1

 tk + tk + ... + tk = n 1 − (−1)



1 2 n
2 k+1 (5.17)
 .....................................
n


 tn1 + tn2 + .. + tnn = 1 − (−1)n+1



2(n + 1)

Observaţia 47 Punctele t1 , ..., tn nu depind de funcţia f .

Observaţia 48 S. Bernstein a demonstrat (vezi [6]) că pentru n = 8 şi

n ≥ 10, sistemul (5.17) are şi soluţii complexe, deci singurele cazuri posibile
sunt
n = 2, 3, 4, 5, 6, 7, 9. (5.18)
Aceste valori sunt deja calculate şi se găsesc ı̂n tabele. De exemplu, pentru
n = 2 rădăcinile sunt x1 = 0.5773502692, x2 = −0.5773502692, iar pentru
n = 3, x1 = 0.7745966692, x2 = 0.0000000000, x3 = −0.7745966692.

Observaţia 49 Formulele de tip Cebı̂şev sunt destul de precise şi sunt utile
când avem de calculat foarte multe integrale pe acelaşi domeniu (vezi de ex.
discretizările de tip element finit pentru ecuaţii cu derivate parţiale, [4]).

Observaţia 50 Extinderea consideraţiilor anterioare de la [−1, 1] la un

interval arbitrar [a, b] ⊂ IR, se face cu ajutorul schimbării de variabilă
b+a b−a
x= + t. (5.19)
2 2

56
5.2.2 Formule bazate pe polinoame Legendre
O altă metodă de tip Gauss se bazează pe utilizarea rădăcinilor poli-
noamelor Legendre {P0 (x), P1 (x), ..., Pn (x), ...}, caracterizate de următoare-
le proprietăţi
1. oricare ar fi n, Pn este polinom de gradul n.
Z 1
2. P (x) · Pn (x) dx = 0 pentru orice polinom P (x) de gradul cel mult
−1
n − 1.

3. Rădăcinile polinoamelor Pn , n ≥ 0 sunt distincte, sunt ı̂n intervalul

(−1, 1) şi simetrice faţă de origine.

Observaţia 51 Primele câteva polinoame Legendre sunt

1 3
P0 (x) = 1, P1 (x) = x, P2 (x) = x2 − , P3 (x) = x3 − x
3 5
6 3
P4 (x) = x4 − x2 + .
7 35
Este adevărat următorul rezultat (pentru demonstraţie vezi [3]).
Teorema 24 Dacă x1 , x2 , ..., xn sunt rădăcinile polinomului Legendre
Pn (x) şi dacă pentru orice i = 1, . . . , n definim numerele
1 n
x − xj
Z Y
ai = dx,
−1 j=1, j6=i xi − xj

atunci pentru orice polinom de grad maxim 2n − 1 avem

Z 1 n
X
P (x) dx = ai P (xi ).
−1 i=1

5.2.3 Formule de tip Gauss pentru integrale duble

Ca şi ı̂n cazul integrării cu noduri Newton-Côtes se pot folosi noduri de
tip Gauss şi pentru aproximarea integralelor multiple (n ≥ 2). Ca noduri
Gauss se folosesc ı̂n acest caz rădăcinile polinomului Legendre prezentat
anterior.
Exemplul 18 Pentru a aproxima integrala din exemplul (17) adică
Z 2.0 Z 1.5
I= ln(x + 2y) dy dx
1.4 1.0

57
transformăm mai ı̂ntâi dreptunghiul D = [1.4, 2.0] × [1.0, 1.5] ı̂n
dreptunghiul D̂ = {(u, v)/ − 1 ≤ u ≤ 1 şi − 1 ≤ v ≤ 1}; astfel rezultă
(vezi şi (5.19))
1 1
u= (2x − 1.4 − 2) şi v = (2y − 1 − 1.5),
2 − 1.4 1.5 − 1
de unde obţinem x = 0.3u + 1.7, y = 0.25v + 1.25 şi
Z 1Z 1
I = 0.3 · 0.25 ln(0.3u + 0.5v + 4.2)dvdu.
−1 −1

Pentru integrarea cu noduri Gauss pentru n = 3 vom folosi

u0 = v0 = x3 = −0.7745966692

u1 = v1 = x2 = 0
u2 = v2 = x1 = −x3 = 0.7745966692,
deci
3 X
X 3
I = 0.075 a3,i a3,j ln(0.3xi + 0.5xj + 4.2) = 0.4295545313,
i=1 i=1

care aproximează integrala dată cu o eroare de ordinul 10−9 , spre deosebire

de metoda Simpson compozită, pentru care aveam doar 10−6 .

Observaţia 52 Dacă ı̂n această secţiune şi ı̂n 5.1.2 ne-am referit la aproxi-
marea integralelor pe domenii dreptunghiulare, există cazuri când ne intere-
sează aproximarea integralelor pe triunghiuri. Acestea apar, de exemplu, la
discretizarea ecuaţiilor cu derivate parţiale prin metoda elementului finit
(vezi [4]).

Astfel, fie triunghiul T cu vârfurile Ai (xi , yi ), i = 1, 2, 3 şi fie M, N ,

respectiv P mijlocul laturii A1 A2 , A1 A3 , respectiv A2 A3 , iar G baricentrul
(centrul de greutate) al tringhiului. Se ştie că
x1 + x2 y1 + y2
xM = , yM = ,
2 2
x1 + x3 y1 + y3
xN = , yN = ,
2 2
x2 + x3 y2 + y3
xP = , yM =
2 2
şi
x1 + x2 + x3 y1 + y2 + y3
xG = , yG = .
3 3

58
În [Ciarlet] sunt prezentate mai multe formule de cuadratură care sunt
e- xacte pentru anumite clase de funcţii. Dacă notăm cu A(T ) aria tri-
unghiului T şi cu f funcţia de integrat pe triunghiul T , avem la dispoziţie
următoarele formule de cuadratură
Formula 1.
Z
A(T )
f (x, y) dx dy ' [f (A1 ) + f (A2 ) + f (A3 )] = A(T ) · f (G). (5.20)
3
T

Formula este exactă pentru polinoame de grad cel mult 1.

R
Exemplul 19 Dacă f (x, y) = 1, ∀ x, y, atunci f (x, y) dx dy (care
T
reprezintă, de fapt aria A(T ) a triunghiului T ), este aproximată prin (5.20)
A(T )
de valoarea (1 + 1 + 1) = A(T ) · 1 = A(T ). Se confirmă astfel exacti-
3
tatea formulei (5.20) menţionată anterior.

Formula 2.
Z
A(T )
f (x, y) dxdy ' [f (M ) + f (N ) + f (P )] . (5.21)
3
T

Formula este exactă pentru polinoame de grad cel mult 2.

Exemplul 20 Dacă f (x, y) = xy, ∀ x, y, iar A1 (0, 0), A2 (0, 1), A3 (0, 0),
R R1 1−x
R

atunci f (x, y) dxdy ( a cărei valoare exactă este dată de xy dy dx =
T  0 0 
A(T ) 1 1 1 1
1/24), se aproximează prin (5.21) cu valoarea 0· + ·0+ · =
3 2 2 2 2
A(T )/12 = 1/24. Se confirmă astfel exactitatea formulei (5.21) pentru poli-
noame de grad cel mult 2.

Formula 3.
Z
A(T )
f (x, y) dx dy ' [3 · (f (A1 ) + f (A2 ) + f (A3 )) +
60
T

8 · (f (M ) + f (N ) + f (P )) + 27 · f (G)]. (5.22)
Formula este exactă pentru polinoame de grad cel mult 3.

Exemplul 21 Cu triunghiul T ales ca ı̂n exemplele anterioare şi funcţia

fR (x, y) = x2 y, se constată că formula (5.22) este de asemenea exactă pentru
f (x, y) dx dy.
T

59
Vom remarca faptul că ı̂n formulele prezentate mai sus, cu cât precizia
este mai mare, cu atât numărul de puncte ı̂n care trebuie calculată va-
loarea funcţiei de integrat este mai mare. De aceea, ı̂n aplicaţii la metoda
elementului finit (unde numărul de triunghiuri din discretizare este foarte
mare: 105 − 106 , vezi [4]), trebuie găsită calea optimă ı̂n ceea ce priveşte
efortul de calcul.

5.3 Exerciţii
Z 1
x
1. Să se aproximeze dx prin metoda dreptunghiurilor cu o
0 +1x2
1
eroare mai mică sau egală decât .
400
Z 1
2. Să se aproximeze ln(x2 + 1) dx prin metoda trapezelor cu o eroare
0
1
mai mică sau egală decât .
2400
1/2
2x − 1
Z
3. Să se aproximeze dx prin metoda dreptunghiurilor cu o
0 x2 + 4
1
eroare mai mică sau egală decât .
800
Z 1/2
sin x
4. Să se aproximeze dx cu o eroare mai mică a decât 10−6
0 x
 
1
(a) dezvoltând mai ı̂ntâi funcţia continuă f : 0, → IR,
2
( sin x
, x 6= 0
f (x) = x ı̂n serie Taylor şi apoi integrând
1 , x=0
termen
  cu termen (seria obţinută fiind uniform convergentă pe
1
0, );
2
(b) prin metoda dreptunghiurilor;
(c) prin metoda trapezelor;
(d) prin metoda Simpson.
Z 3
4x + 1
5. Să se aproximeze 3
dx prin metoda trapezelor cu o eroare
2 (x + 1)
1
mai mică sau egală decât .
2700

60
 3
x2 + x + 2
Z
6. Să se aproximeze 2 2
dx prin metoda dreptun-
2 (x − 1) (x + 1)
1
ghiurilor cu o eroare mai mică sau egală decât .
3000
7. Aproximaţi integralele următoare folosind metoda trapezelor
Z 1.5
(a) x2 ln x dx
1
Z 0.35
2
(b) dx
0 x2 −4
R π/4
(c) 0 x sin x dx

pentru n = 2.

8. Reluaţi exerciţiul 7 folosind metoda Simpson cu n = 3.

9. Aproximaţi următoarea integrală folosind noduri Gauss pentru n = 2

şi apoi comparaţi valorile obţinute cu valoarea exactă
Z 1
(a) x2 e−x dx,
0
Z π/4
(b) (cos x)2 dx,
0
Z π/4
(c) e3x sin 2x dx.
0

10. Reluaţi exerciţiul 9 pentru n = 3.

11. Pentru m = n = 4, aproximaţi integralele următoare folosind formula

Simpson compozită:
Z 2.5
(a) xy 2 dy dx;
2.1
Z 0.5
(b) ey−x dy dx.
0

12. Reluaţi exerciţiul 11 pentru n = m = 2 folosind noduri Gauss.

61
Capitolul 6

Aproximarea soluţiilor
ecuaţiilor diferenţiale
ordinare

Fie problema cu valori iniţiale

y 0 = f (t, y)

(6.1)
y(a) = α,

unde f : [a, b] × I → IR este continuă, iar I ⊂ IR este un interval. Prin

soluţie a problemei (6.1) se ı̂nţelege o aplicaţie y : [a, b] → I de clasă C 1 ce
verifică relaţiile din (6.1), ∀ t ∈ [a, b].
Definiţia 10 Aplicaţia f se numeşte Lipschitziană ı̂n raport cu a doua
variabilă dacă există constanta L ≥ 0 astfel ı̂ncât

|f (t, y1 ) − f (t, y2 )| ≤ L |y1 − y2 | , ∀ (t, yi ) ∈ [a, b] × I, i = 1, 2. (6.2)

Observaţia 53 Din teoria generală a a ecuaţiilor diferenţiale (vezi [3],

[22] si referintele lor) se ştie că o condiţie suficientă pentru a avea loc (6.2)
este ca  
 ∂f 
 (t, y) ≤ L, ∀ (t, y) ∈ [a, b] × I. (6.3)
 ∂y 

Teorema 25 Fie f : [a, b] × IR → IR continuă şi Lipschitziană ı̂n raport

cu a doua variabilă. Atunci problema (6.1) are soluţie unică.

Definiţia 11 Problema (6.1) se numeşte corect pusă dacă are soluţie,

aceasta este unică şi continuă ı̂n raport cu datele iniţiale, deci este stabilă
la perturbaţii (adică, perturbaţii mici ale datelor iniţiale, f şi α determină
perturbaţii mici ale soluţiei).

62
Teorema 26 În condiţiile Teoremei 25, problema (6.1) este corect pusă.

Observaţia 54 Necesitatea introducerii noţiunii de problemă corect pusă

se datorează faptului că, ı̂n mare parte, problemele de tipul (6.1) mode-
lează nişte fenomene fizice reale. Astfel, expresiile pentru f şi α conţin
unele date/coeficienţi supuse erorilor de modelare (măsurători, aproximări
de modelare, etc).

Observaţia 55 Cu excepţia unor cazuri particulare, problemele de tipul

(6.1) nu pot fi rezolvate exact (adică să găsim o expresie analitică pentru
soluţie). De aceea se apelează de rezolvarea lor numerică, adică obţinerea
unei aproximări a soluţiei exacte.

6.1 Metode de tip Taylor

Vom prezenta ı̂n continuare o clasă generală de metode pentru aproximarea
soluţiei problemei (6.1). Fie ∆ = (a = t0 < t1 < ... < tN = b) o diviziune
echidistantă a lui [a, b], adică

b−a
h= , ti = a + ih, i = 0, . . . , N. (6.4)
N
Pentru h0 > 0 fixat, definim D = [a, b] × IR × [0, h0 ] ⊆ IR3 şi considerăm o
funcţie φ : D → IR continuă şi Lipschitziană ı̂n raport cu a doua variabilă,
adică ∃ L > 0 astfel ı̂ncât ∀ (t, wi , h) ∈ D, i = 1, 2

|φ(t, w1 , h) − φ(t, w2 , h)| ≤ L |w1 − w2 | . (6.5)

Presupunem ı̂n plus că φ satisface condiţia de consistenţă

φ(t, y(t), 0) = f (t, y(t)), ∀ t ∈ [a, b], (6.6)

unde y : [a, b] → IR este soluţie exactă pentru problema (6.1). Considerăm

următoarea metodă generală de aproximare a soluţiei problemei (6.1)

w0 = α
(6.7)
wi+1 = wi + h · φ(ti , wi , h), i = 1, . . . , N.

Pentru metoda (6.7) definim

Ei = y(ti ) − wi = yi − wi , E = max |Ei | (6.8)

i=1,N

care se numesc eroare locală absolută, respectiv eroare globală ab-

solută şi măsoară diferenţa dintre aproximaţiile wi şi valorile exacte y(ti ),

63
oferind o informaţie clară despre eficienţa aproximării date de (6.7). Con-
siderăm de asemenea valorile
y(ti ) − y(ti−1 )
τi = − φ(ti−1 , y(ti−1 ), h), i = 1, . . . , N, (6.9)
h
şi
τ = max |τi | (6.10)
i=1,N

numite eroarea locală de trunchiere, respectiv eroarea globală de

trunchiere. Acestea măsoară abaterea de la egalitatea ce s-ar obţine prin
introducerea valorilor exacte y(ti ) ı̂n (6.7).
Definiţia 12 Spunem că metoda (6.7) este de ordin λ dacă există c0 şi
λ constante pozitive, independente de N astfel ı̂ncât

E ≤ c0 · hλ . (6.11)

Observaţia 56 Pentru anumite clase de metode de tip (6.7) este relativ

simplu să găsim constantele c, β independente de N astfel ı̂ncât

τ ≤ c · hβ . (6.12)

Următorul rezultat ne asigură că pentru a avea o condiţie de tipul (6.11) e

suficient să fie ı̂ndeplinită o condiţie de tipul (6.12).

Teorema 27 Dacă are loc (6.12), atunci avem

c  L(b−a) 
E ≤ hβ · e −1 , (6.13)
L
adică metoda (6.7) este de ordin β.

Demonstraţie. Din (6.7) obţinem

y(ti+1 ) − wi+1 = yi+1 − wi+1 = yi+1 − wi − h · φ(ti , wi , h).

Cum ı̂nsă din (6.11) avem

yi+1 = h · τi+1 + h · φ(ti , wi , h),

rezultă

yi+1 − wi+1 = yi − wi + h · τi+1 + h [φ(ti , yi , h) − φ(ti , wi , h)] .

Fie acum ai = |Ei | = |yi − wi | , i = 0, . . . , N . Folosind şi relaţia (6.12)

rezultă

ai+1 ≤ ai + hβ+1 · c + h · L · ai = ai (1 + hL) + c · hβ+1 ,

64
de unde notând p = hL, q = c · hβ+1 , obţinem
 
i+1 q q
ai+1 ≤ ai (1 + p) + q ≤ (1 + p) a0 + − .
p p
Dar
a0 = |w0 − y0 | = |α − α| = 0
şi cum
(1 + x)n ≤ enx , ∀ x ≥ 0 ⇒ (1 + p)i+1 ≤ e(i+1)p ,
vom avea
q  (i+1)p 
ai+1 ≤ e − 1 , ∀ i = 1, . . . , N,
p
adică
c   c  
|Ei+1 | ≤ · hβ e(i+1)hL − 1 ≤ · hβ e(b−a)L − 1 ,
L L
deci
c  
max |Ei | = E ≤ · hβ e(b−a)L − 1 ,
i L
şi teorema este complet demonstrată.
Vom prezenta ı̂n continuare o clasă de metode (bazate pe dezvoltări ı̂n
serie Taylor pentru f ), pentru care sunt posibile evaluări de tipul (6.12).
Fie ı̂n acest sens, n ≥ 1 natural fixat. Presupunem că y ∈ C n+1 [a, b] şi
f ∈ C n ([a, b] × I). Dezvoltând pe y ı̂n serie Taylor ı̂n jurul punctului ti
obţinem
h2
y(ti+1 ) = y(ti + h) = y(ti ) + hy 0 (ti ) + · y”(ti ) + ...+
2

hn (n) h(n+1)
· y (ti ) + · y (n+1) (ξ), ξ ∈ (ti , ti+1 ). (6.14)
n! (n + 1)!
Din proprietăţile funcţiilor y, f şi relaţia (6.1) obţinem
y (k) (t) = f (k−1) (t, y(t)), ∀ t ∈ [a, b], k = 1, . . . , n, (6.15)
iar din (6.14) şi (6.15)
hn+1
yi+1 = yi + h · Tn (ti , yi ) + · y (n+1) (ξi ) (6.16)
(n + 1)!
cu
h 0 hn−1 (n−1)
Tn (ti , yi ) = f (ti , yi ) +
f (ti , yi ) + ... + f (ti , yi ). (6.17)
2! n!
Plecând de la (6.16)-(6.17) definim metoda Taylor de ordin n prin

w0 = α
(6.18)
wi+1 = wi + h · Tn (ti , wi ), i = 1, . . . , N − 1.

65
Teorema 28 Dacă M ≥ 0 este astfel ı̂ncât
 
 (n+1) 
y (t) ≤ M, ∀ t ∈ [a, b] (6.19)

şi dacă f, f 0 , .., f (n−1) sunt Lipschitziene ı̂n raport cu a doua variabilă
 
 (k)
f (t, y1 ) − f (k) (t, y2 ) ≤ λ · |y1 − y2 | , ∀ (t, yi ) ∈ [a, b] × IR, (6.20)


i = 1, 2, ∀ k = 0, . . . , n − 1 atunci, pentru metoda Taylor (6.18)

avem evaluarea
M  2λ(b−a) 
E ≤ hn · e −1 . (6.21)
n! · λ
Observaţia 57 Relaţia (6.21) ne spune că metoda Taylor este de ordin n.
Pentru n = 1 obţinem metoda Euler

w0 = α0
(6.22)
wi+1 = wi + h · f (ti , wi ), i = 1, . . . , N − 1.

care este de ordin 1.

Evaluarea (6.21) ne spune că, pentru valori mari ale lui n, metoda Taylor
este foarte eficentă. Dar, practic această eficienţă poate fi estompată sau
chiar anulată de numărul mare şi complexitatea calculelor necesare evaluării
cantităţii Tn (ti , wi ) din (6.17).

6.2 Metode de tip Runge-Kutta

Pentru a elimina inconvenientul precizat ı̂n secţiunea anterioară (cu păstrarea
unui ordin suficient de bun) au fost create metodele de tip Runge-Kutta.
S-a pus problema (de exemplu) să construim o metodă de tipul (6.7) care
să aibă un ordin mai mare ca 1 (metoda Euler), dar fără a folosi ı̂n calculul
lui wi derivatele funcţiei f . În continuare vom deduce o astfel de metodă
pentru n = 2. Din (6.17) rezultă
h 0
T2 (t, y) = f (t, y) + f (t, y)
2!
sau utilizând (6.15)
h ∂f h ∂f
T2 (t, y) = f (t, y) + · (t, y) + · (t, y) · f (t, y). (6.23)
2 ∂t 2 ∂y
Vom aproxima T2 (t, y) printr-o expresia de forma

A · f (t + α, y + β), A, α, β ∈ IR (6.24)

66
cu o eroare de ordinul O(h2 ). Dezvoltând (6.24) ı̂n serie Taylor de ordinul
2 obţinem

∂f
A · f (t + α, y + β) = A · f (t, y) + Aα · (t, y)+
∂t

∂f
Aβ · (t, y) + A · R(t + α, y + β), (6.25)
∂y

unde

α2 ∂ 2 f ∂2f β2 ∂2f
R(t + α, y + β) = · 2 (ξ, η) + α · β · (ξ, η) + · (ξ, η) (6.26)
2 ∂t ∂t∂y 2 ∂y 2

cu ξ, η ı̂ntre t şi t + α, y şi y + β, respectiv. Identificând coeficienţii

derivatelor parţiale ı̂n (6.23) şi (6.25) rezultă (ı̂n mod unic) valorile A = 1,
α = h2 , β = h2 · f (t, y). Se obţine astfel metoda punctului de mijloc

 w0 = α  
h h (6.27)
 wi+1 = wi + h · f ti + , wi + · f (ti , wi ) ,
2 2

i = 1, . . . , N − 1. Alte metode de ordinul 2 se pot obţine dacă ı̂n (6.24) se

folosesc combinaţii de forma

A · f (t, y) + B · f (t + α, y + β · f (t, y)). (6.28)

Rezultă astfel metoda Euler modificată

(
w0 = α
h (6.29)
wi+1 = wi + · [f (ti , wi ) + f (ti + h, wi + h · f (ti , wi ))] .
2

sau metoda lui Heun.


 w0 = α  
h 2 2
 wi+1 = wi + · f (ti , wi ) + 3f (ti + h, wi + h · f (ti , wi )) ,
4 3 3

i = 1, . . . , N − 1. Dacă se folosesc expresii mai complicate ı̂n (6.28) se obţin

metode de tip Runge-Kutta de ordin mai mare. Varianta clasică a acestei
metode (care este de ordinul 4 dacă y ∈ C 5 ([a, b])) este următoarea (pentru

67
detalii şi dezvoltări vezi [???])

w0 = α
k1 = h · f (ti , wi )
h k1
k2 = h · f (ti + , wi + ) (6.30)
2 2
h k2
k3 = h · f (ti + , wi + )
2 2
k4 = h · f (ti + h, wi + k3 )
k1 + 2k2 + 2k3 + k4
wi+1 = wi + , i = 1, . . . , N − 1.
6
Observaţia 58 Metodele prezentate ı̂n acest capitol pot fi extinse şi la sis-
teme de ecuaţii diferenţiale ordinare de tipul (6.1) sau chiar la ecuaţii şi
sisteme de ecuaţii de ordin superior (vezi [3]).

6.3 Exerciţii
1. Folosind metoda lui Euler, aproximaţi soluţia problemei cu valorile
iniţiale următoare

(a) y 0 = te3t − 2y, t ∈ [0, 1], y(0) = 0 şi h = 0.5;

(b) y0
= cos 2t + sin 3t, t ∈ [0, 1], y(0) = 1 şi h = 0.25;
y y2
(c) y 0 = 1 + + 2 , t ∈ [1, 3], y(1) = 0 şi h = 0.2.
t t
2. Calculaţi eroarea dintre soluţia exactă a problemei de la exerciţiul 1
şi cea dată de metoda lui Euler la fiecare pas.

3. Folosind metoda lui Taylor de ordinul 2 aproximaţi soluţia problemei

cu valoarile iniţiale

(a) y 0 = te3t − 2y, t ∈ [0, 1], y(0) = 0 şi h = 0.5;

(b) y 0 = 1 + (t − y)2 , t ∈ [2, 3], y(2) = 1 şi h = 0.5;
(c) y 0 = cos 2t + sin 3t, t ∈ [0, 1], y(0) = 1 şi h = 0.5.

4. Folosind metoda lui Euler modificată aproximaţi

(a) y 0 = te3t − 2y, t ∈ [0, 1], y(0) = 0 şi h = 0.5

(b) y 0 = 1 + (t − y 2 ), t ∈ [2, 3], y(2) = 1 şi h = 0.5
(c) y 0 = cos 2t + sin 3t, t ∈ [0, 1], y(0) = 1şi h = 0.25

şi comparaţi cu valoarea exactă.

68
5. Să se aproximeze soluţia următorului sistem de ecuaţii diferenţiale
ordinare folosind metoda lui Runge-Kutta; comparaţi rezultatul obţinut
cu soluţia clasică.
 0
u1 = 3u1 + 2u2 − (2t2 + 1)e2t , u1 (0) = 1
(a)
u02 = 4u1 + u2 + (t2 + 2t − 4)e2t , u2 (0) = 1
pentru h = 0.2 şi t ∈ [0, 1]
 0
 u1 = u2 − u3 + t , u1 (0) = 1
(b) u0 = 3t2 , u2 (0) = 1
 20 −t
u3 = u2 + e , u3 (0) = −1
pentru h = 0.1 şi t ∈ [0, 1]

6. Folosind metoda Runge-Kutta pentru sisteme, aproximaţi soluţia următoarelor

ecuaţii diferenţiale de ordin superior:
 00
y − 2y 0 + y = tet − t , t ∈ [0, 1]
(a) şi h = 0.1
y(0) = y 0 (0) = 0
 000
y + 2y 00 − y 0 − 2y = et , t ∈ [0, 3]
(b) cu h = 0.2
y(0) = 1, y 0 (0) = 2, y 00 (0) = 0

69
Capitolul 7

Metode directe pentru

sisteme liniare

Se consideră sistemul liniar

Ax = b. (7.1)
cu A ∈ Mm×n , b ∈ IRm şi x ∈ IRn . Pentru a rezolva sistemul (7.1) există
două clase mari de metode:

1. metode directe, ı̂n care soluţia sistemului se obţine după un număr

finit de paşi, posibil de evaluat a priori;

2. metode iterative, ı̂n care soluţia este limita unui şir de aproximaţii.

Metodele iterative vor fi studiate ı̂n Capitolul 8. În prezentul capitol ne

vom ocupa de prezentarea unor metode directe de rezolvare.

7.1 Metoda eliminării a lui Gauss

Înainte de a prezenta metoda eliminării a lui Gauss (pe scurt, EG), vom
introduce unele noţiuni şi notaţii.

Definiţia 13 O matrice L ∈ Mn se numeşte inferior triunghiulară (pe

scurt, inf.∆) dacă

lij = 0, ∀ j > i, i = 1, . . . , n. (7.2)

Definiţia 14 O matrice U ∈ Mn se numeşte superior triunghiulară

(pe scurt, sup.∆) dacă

uij = 0, ∀ j < i, i = 1, . . . , n. (7.3)

70
Definiţia 15 O matrice D ∈ Mn se numeşte diagonală (pe scurt, diag)
dacă
dij = 0, ∀ j 6= i, i = 1, . . . , n. (7.4)

Vom nota cu Li linia i din sistemul (7.1), adică

ai1 x1 + ai2 x2 + · · · + ain xn = bi . (7.5)

Definiţia 16 Se numeşte transformare elementară a sistemului (7.1)

oricare din următoarele operaţii
• linia i adunată cu linia j se pune ı̂n locul liniei i

• linia i ı̂nmulţită cu scalarul λ se pune ı̂n locul liniei i

• liniile i şi j comută ı̂ntre ele

Vom nota aceste transformări prin

Li + Lj −→ Li ; λ · Li −→ Li ; Li ←→ Lj . (7.6)

Avem următoarele rezultate (pentru demonstraţii vezi [23], [24]).

Propoziţia 2 (i) Produsul a două matrice inf.∆ (respectiv sup.∆) este o
matrice inf.∆ (respectiv sup.∆).
(ii) Dacă o matrice inf.∆ (respectiv sup.∆) este inversabilă, atunci inversa
sa este, de asemenea, o matrice inf.∆ (respectiv o matrice sup.∆).
(iii) Mulţimea soluţiilor sistemului (7.1) este invariantă la transformările
elementare (7.6).
Vom prezenta ı̂n continuare metoda EG. Aceasta constă ı̂n următorii paşi:
1. Transformarea sistemului Ax = b ı̂ntr-un sistem Ãx = b̃, cu à matrice
superior
 triunghiulară şi inversabilă (atunci când este posibil), adică

 a11 x 1 + . . . + a1n xn = b1
a21 x1 + . . . + a2n xn = b2 transformări elem.

−→

 ... ... ... ... ... ... ...
an1 x1 + . . . + ann xn = bn




 a11 x1 + e
e a11 x1 + . . . + e a1n xn = eb1
a22 x2 + . . . + ã2n xn = b̃2

 e
−→ .. .. .. ..


 . . . .

ãnn xn = b̃n
cu ãii 6= 0, ∀ i = 1, . . . , n.

71
 2. Rezolvarea sistemului Ãx = b̃ prin metoda substituţiei ı̂napoi (”back-
ward
 substitution”), adică
 b̃n
 x =
 n ãnn



1  X
x = b̃i − ãij · xj  , j = n − 1, . . . , 1.

 i ã



i,i j>i

Exemplul 22 Să se rezolve prin metoda EG sistemul Ax = b, unde

 
  1
2 −1 0 0  0 
 −1 2 −1 0   
A=  0 −1 2 −1  , iar b =  1  .
  
 0 
0 0 −1 2
0
Avem succesiv  

2 −1 0 0 | 1
 2 −1 0 0 | 1
 −1 2 −1 0 | 0  12 L1 +L2 →L2  3 1
 0 −1 0 |

  −→ 2 2
 0 −1 2 −1 | 1  
 0 −1

2 −1 | 1 
0 0 −1 2 | 0 0 0 −1 2 | 0
2 −1 0 0 | 1
   
2 −1 0 0 | 1
3 1 
2
L +L →L
 0 2 −1 0 | 2 4 3 4 4 0 2
3
L +L →L
 3
−1 0 | 12 
3 2 3 3 
−→ −→ .

4
4
−1 | 43   0 0 −1 | 43 
  
 0 0 3 3
5
0 0 −1 2 | 0 0 0 0 4 | 1
Sistemul
 Ãx = b̃ de mai ı̂nainte este

 2x1 − x2 = 1

 3
2 x2 − x3 = 21


4 4


 3 x3 − x4 = 3

5

4 x4 = 1


4 3 3
şi se rezolvă prin substituţie ı̂napoi (x4 = , x3 = (x4 + ),etc).
5 4 4
Dacă acceptăm şi permutări de coloane ı̂n matricea A, un sistem de forma
(7.1) se poate aduce ı̂ntotdeauna la o formă superior triunghiulară Ãx = b̃,
dar matricea à poate fi singulară, deci etapa 2 de substituţie ı̂napoi nu se
mai poate aplica. Vom exemplifica acest lucru ı̂n cele ce urmează.
Exemplul
 23 Rezolvaţi prin EG sistemul

 x1 + x2 + x3 + x4 = 7
x1 + x2 + 2x4 = 8


 2x1 + 2x2 + 3x3 = 10
x1 − x2 − 2x3 + 2x4 = 0


72
  L −L →L 
1 |
 
1 1 1 1 | 7 2 1 2 1 1 1 7
L3 −2L1 →L3
 1 1 0 2 | 8  L4 +L1 →L4  0 0 −1
  1 | 1  2 ↔C3
 C−→
 −→
 2 2 3 0 | 10   0 0 1 −2 | 4 
−1 −1 −2 2 | 0 0 0 −1 3 | 7
1 1 1 1 | 7 | 7
   
1 1 1 1
L +L →L
 0 -1 0 1 | 1  L24 −L32 →L43  0 −1 1 0 | 1  L4 +2L3 →l4

 0 1 0 −2 | 4 
 −→   −→
 0 0 -1 0 | −3 
0 −1 0 3 | 7 0 0 2 0 | 6
 
1 1 1 1 | 7
 0 −1 1 0 | 1 
 0 0 −1 0 | −3  ,
 

0 0 0 0 | 0
   
1 1 1 1 7
e =  0 −1 1 0  ; eb =  1  .
   
deci A  0 0 −1 0   −3 
0 0 0 0 0

Observăm că Ã este superior triunghiulară, dar nu şi inversabilă.

Pentru a ı̂nlătura ı̂n consideraţiile teoretice care urmează aceste situaţii şi
a putea stabili clasa maximală de matrice pentru care putem aplica EG,
introducem următoarea noţiune.
Definiţia 17 Spunem că metoda EG funcţionează pentru sistemul (7.1)
dacă acesta poate fi adus prin transformări elementare (7.6) la un sistem
cu matricea superior triunghiulară şi inversabilă.
Vom spunem că EG funcţionează fără pivotare dacă transformarea de
mai sus poate fi obţinută fără permutări de linii.

Teorema 29 EG funcţionează dacă şi numai dacă detA 6= 0.

Algoritm pentru EG (fără pivotare)

Algoritmul pentru metoda EG este următorul:

1. for j = 1 to n − 1 do
for i = j + 1 to n do
m = aij /ajj ; /* ajj 6= 0 */
aij = 0;
for k = j + 1 to n + 1 do
/* coloana n + 1 conţine termenul liber*/
aik = aik − m ∗ ajk ;
endfor
endfor
endfor

73
 2. xn = bn /ann ;
for i = n − 1 downto 1 do
sum = 0;
for j = i + 1 to n do
sum = sum + aij ∗ xj ;
endfor
xi = (1/aii ) ∗ (bi − sum)
endfor

7.2 Descompunerea LU
Definiţia 18 Spunem că matricea inversabilă A ∈ Mn admite o
descompunere LU dacă există matricele L şi U ∈ Mn , inversabile, cu
L = inf.∆, şi U = sup.∆ astfel ı̂ncât A = LU.

Observaţia 59 Nu orice matrice  inversabilă admite o descompunere LU .

0 1
De exemplu, pentru A = , nu există matricele L şi U astfel ca
1 1
A = LU (scriind cele 4 ecuaţii se obţine un sistem incompatibil).

Observaţia 60 Dacă există

 descompunerea
 LU , ea nu este unică. De
2 2
exemplu, pentru A = , două descompuneri LU distincte sunt
1 3
!
1 0 
2 2

L= 1 ,U = , respectiv
1 0 2
 2   
2 0 1 1
L= ,U= .
1 2 0 1

Următorul rezultat stabileşte o legătură importantă ı̂ntre EG şi existenţa

unei descompuneri LU (ce se obţine prin EG).

Teorema 30 Dacă EG funcţionează fără pivotare, atunci matricea A ad-

mite o descompunere LU .

 −1
Observaţia 61 Un exerciţiu simplu ne spune că matricea L(k) este
de forma

74
 ..
 
 1 . 
 .. 
 . 
 
 −1  ··· ··· 1 
L(k)
 
= .. .
 −mk+1,k . 
 
..
.
 

 −mk+2,k 

 ··· 
−mn,k 1

Exemplul
 24 Determinaţi
 o descompunere LU pentru matricea
4 0 1
A= 1 3 2 
0 1 2
(a) folosind EG; (b) direct (prin identificare).
Soluţie. (a) Ne vom folosi de demonstraţia Teoremei 30. Pentru aceasta,
efectuăm prima etapă din algoritmul  EG. 

4 0 1
 4 0 1
L2 − 41 L1 →L2   L − 31 L2 →L3
A= 1 3 2  −→  1 3 7  3 −→
0 1 2
 4 
0 1 2
   
4 0 1 1 0 0
 0 3 7 
   1 
=A e = U; L =  1 0  .
 4 
 4 1

 17  
0 0 0 1
12 3
   
l11 0 0 u11 u12 u13
(b) A = LU =  l21 l22 0  ·  0 u22 u23 
l31 l32 l33 0 0 u33

cu uii 6= 0, lii 6= 0, ∀ i = 1, 2, 3.
Sistemul obţinut este format din 9 ecuaţii şi are 12 necunoscute, ceea ce
ı̂nseamnă că trebuie sa punem noi condiţii suplimentare asupra a 3 ne-
cunoscute pentru a-l rezolva. Luăm, de exemplu, u11 = u22 = u33 = −2.
Deci avem de rezolvat sistemul
   
l11 0 0 −2 u12 u13
A =  l21 l22 0  ·  0 −2 u23 
l31 l32 l33 0 0 −2
care ne conduce la următoarele ecuaţii
4 = −2 l11 ⇒ l11 = −2
0 = −2 u12 ⇒ u12 = 0

75
 1
1 = −2 u13 ⇒ u13 = −
2
1
1 = −2 l21 ⇒ l21 = −
2
3
3 = −2 l22 ⇒ l22 =−
2
1 3 2 1 7
2= − u23 ⇒ u23 = ( − 2) = −
4 2 3 4 6
0 = −2 l31 ⇒ l31 = 0
1
1 = −2 l32 ⇒ l32 = −
2
7 1 7 17
2= − 2 l33 ⇒ l33 = ( − 2) = −
12 2 12 24
Aşadar, am obţinut ı̂n acest fel
 
−2 0 0  1 
−2 0 −
 1 3  2 
L= − − 7 

0  ,U =  0 −2 −  .

 2 2  
1 7  6
0 − − 0 0 −2
2 24

Observaţia 62 În cazul general, pentru rezolvarea sistemului obţinut la

punctul (b) anterior, se pot pune condţii asupra unora dintre necunoscute
ı̂n mai multe moduri, după cum urmează:
1. Dacă impunem ca lii = 1, ∀ i = 1, . . . , n, atunci descompunerea LU
obţinută se numeşte descompunere de tip Doolittle (aşa cum se obţine,
de exemplu, prin eliminare Gauss; vezi punctul (a) de la exerciţiul
anterior).
2. Dacă impunem uii = 1, ∀ i = 1, . . . , n, atunci descompunerea LU
obţinută se numeşte descompunere de tip Crout.
3. O altă variantă este lii = uii , ∀ i = 1, . . . , n.
Observaţia 63 Obţinerea unei descompuneri LU (atunci când este posi-
bil) este foarte utilă dacă trebuie să rezolvăm mai multe sisteme liniare, care
au aceeaşi matrice, adică Ax = bk , k = 1, . . . , N pentru că odată obţinută
o descompunere LU pentru A, vom rezolva sistemul LU x = Ly = bk ı̂n
două etape
I. Ly = bk care se rezolvă prin substituţie ı̂nainte.
II. U x = y care se rezovă prin substituţie ı̂napoi.

76
7.2.1 Condiţii suficiente pentru ca EG să funcţioneze fără
pivotare
Vom prezenta ı̂n această secţiune câteva clase de matrice pentru care EG
funcţionează fără pivotare şi deci, conform Teoremei 30 există o descom-
punere LU a lui A. Mai ı̂ntâi vom introduce câteva noţiuni pe care le vom
folosi ı̂n continuare.

Definiţia 19 Spunem că matricea A ∈ Mn este diagonal dominantă

n
P
dacă |aii | ≥ |aij | , ∀ i = 1, . . . , n.
j=1,j6=i

Observaţia 64 Dacă inegalitatea de mai sus este strictă, matricea se nu-

meşte strict diagonal dominantă.

Teorema 31 Dacă matricea A este inversabilă şi diagonal dominantă,

atunci EG funcţionează fără pivotare.
 
2 −1 0 0
 −1 2 −1 0 
Exemplul 25 Matricea A =   0 −1 2 −1
 satisface ipotezele

0 0 −1 2
Teoremei 31, deci A admite o descompunere LU .

Definiţia 20 Spunem că matricea A ∈ Mn este simetrică dacă

A = At .

Definiţia 21 Spunem că matricea A ∈ Mn este pozitiv definită dacă

n
hAx, xi > 0, ∀ x ∈ IRn \ {0}, unde hx, yi =
P
xi yi .
i=1

Menţionăm ı̂n continuare două rezultate referitoare la matrice pozitiv def-

inite (vezi de ex. [?], [24]).

Propoziţia 3 Matricea A ∈ Mn este pozitiv definită dacă şi numai dacă

∆k > 0, ∀ k = 1, . . . , n, unde ∆k este determinantul submatricei obţinute
prin intersecţia primelor k linii cu primele k coloane.

Propoziţia 4 Dacă matricea A ∈ Mn este pozitiv definită, atunci aii >

0, ∀ i = 1, . . . , n.

Demonstraţie În Definiţia 21 luând x = ei = (0, ..., 0, 1, 0, ...0) ∈ IRn

pentru un indice i fixat arbitrar, se obţine hAei , ei i = aii > 0, ceea ce
ı̂ncheie demonstraţia.

77
Teorema 32 Dacă matricea A ∈ Mn este simetrică şi pozitiv definită,
atunci EG funcţionează fără pivotare.
 
2 −1 0
 −1 . . . . . .
 

Exemplul 26 Matricea A =   .. ..


 . . −1 
0 −1 2 n
satisface ipotezele Teoremei 32, deci EG funcţionează fără pivotare.

Următorul rezultat ne oferă o condiţie suficientă să existe o descompunere

LU , fără a folosi metoda EG.

Teorema 33 Fie A ∈ Mn ; pentru t  = 1, . . . , n − 1, 

a11 a12 · · · a1t
 a21 a22 · · · a2t 
notăm cu At matricea dată de At =   ∈ Mt . Dacă
 ··· ··· ··· ··· 
at1 at2 · · · att
det(At ) 6= 0 pentru orice t = 1, . . . , n − 1, atunci există o
descompunere LU pentru A.
Demonstraţie. Vom demonstra prin inducţie după dimensiunea n ≥ 1 a
lui A. Pentru n = 1, afirmaţia este evident adevărată (a11 = a · b, a, b 6= 0).
O presupunem adevărată pentru matricele de o anumită dimensiune n ≥ 1
şi demonstrăm pentru matricele de dimensiune n + 1.
Scriem pe A sub forma
 
An c
A= t ∈ Mn+1 , (7.7)
w an+1,n+1
cu c, w ∈ IRn -vectori coloană, an+1,n+1 ∈ IR şi An ∈ Mn+1 ce verifică
ipoteza teoremei.
Din ipoteza de inducţie rezultă atunci că există Ln ∈ Mn matrice inferior
triunghiulară şi inversabilă şi Un ∈ Mn matrice superior triunghiulară şi
inversabilă astfel ı̂ncât An = Ln · Un .
Vrem să găsim matricele Ln+1 ∈ Mn inferior triunghiulară şi inversabilă şi
Un+1 ∈ Mn superior triunghiulară şi inversabilă cu proprietatea că An+1 =
Ln+1 Un+1 .  
Ln 0
Pentru aceasta, fie Ln+1 = , x ∈ IR \ {0}, 0, α ∈ IRn
αt x
 
Un β
Un+1 = , y ∈ IR \ {0}, 0, β ∈ IRn
0 y

78
Vream să arătăm că există x, y ∈ IR, α, β ∈ IRn astfel ı̂ncât
 = Ln+1 Un+1 ⇔ 
An+1   
An c Ln 0 Un β
⇔ = ·
wt an+1,n+1 αt x 0 y

 nL · β =c
de unde obţinem Ln · Un = An şi Un · α = w
β · α + x · y = an+1,n+1

Primele două sisteme au soluţie unică (Ln , Un fiind inversabile), deci α, β
sunt unic determinate. Ultima ecuaţie are o infinitate de soluţii cu x, y 6= 0.
Teorema este astfel complet demonstrată.

7.3 Descompunerea Choleski

Definiţia 22 Spunem că A ∈ Mn admite o descompunere Choleski
dacă există matricea L ∈ Mn , inf.∆ şi inversabilă astfel ı̂ncât A = L · Lt .

Teorema 34 Dacă A ∈ Mn este simetrică şi pozitiv definită, atunci ea ad-

mite o descompunere Choleski A = L · Lt . Dacă elementele de pe diagonala
matricei L sunt stricy pozitive, atunci descompunerea este unică.

Exemplul 27Determinaţi
 descompunerea Choleski (dacă există) pentru
3 0 1
matricea A =  0 2 1 
1 1 3
(a) folosind o descompunere LU ca ı̂n demonstraţia Teoremei 34;
(b) direct (prin identificare)
Soluţie. Matricea A este simetrică şi pozitiv definită (veziPropoziţia 3),
deci admite o descompunere
 Choleski.
 
3 0 1 1 3 0 1
L3 − 3 L1 →L3 L − 12 L2 →L3
(a) A =  0 2 1  −→  0 2 1  3 −→
1 1 3 0 1 38
   
1
L3 − 2 L2 →L3
3 0 1 1 0 0
−→  0 2 1  = U , iar L =  0 1 0 
13 1 1
0 0 16 3 2 1
 
3 0 0
Fie D1 = diagL = I3 , D2 = diag(U ) =  0 2 0  .
0 0 13
 √ 6 
3 √0 0
√
Avem A = T DS = T DT t , unde D :=  0 2 q0  ;

13
0 0 6

79
Factorul Choleski pentru matricea A este
   √3 0 0
  √
3 √0 0

1 0 0 √
L= 0 1 0 · 0 2 q0  = 0 2 q0 ;
  
√ √
1 1 13 3 2 13
3 2 1 0 0 6 3 2 6
     
l11 0 0 l11 l21 l31 3 0 1
(b) Din A = L·L = t  l21 l22 0  ·  0 l22 l32  =  0 2 1 
l31 l32 l33 0 0 l33 1 1 3
2
√
⇒
√ l11 = 3 ⇒ l11 = 31
2 · l32 = 1 ⇒ l32 = √2
√
3 · l21 = 0 ⇒ l21 = 0
√
3 · l31 = 1 ⇒ l31 = √13
0=0
2 =2⇒l
√
l22 22 = 2
√
√1 · 3 = 1
3
√
√1 · 2 = 1
2
q
1 1 2 = 3 ⇒ l2 = 13 13
3 + 2 + l33 33 6 ⇒ l33 = 6

 √ 
3 √0 0
 0 2 q0
şi deci factorul Choleski este ı̂n acest caz L =  .

√1 √1 13
3 2 6

7.4 Exerciţii

1. Rezolvaţi prin EG următoarele sisteme


 x − y + 3z = 2
(a) 3x − 3y + z = −1
x+ y =3



1

 x− y + z =4
2



2x − y − z + t = 5

(b)
 x+ y
 =2

 1
 x− y+ z+ t=5

2

80
 

 x1 + x2 + x4 =2
2x1 + x2 − x3 + x4 = 1

(c)

 −x1 + 2x2 + 3x3 − x4 = 4
3x1 − x2 − x3 + 2x4 = −3


2. Rezolvaţi sistemul de la exerciţiul 1, determinând mai ı̂ntâi o descom-

punere LU pentru matricea A.

3. Determinaţi care din următoarele matrice sunt (i) simetrice ; (ii)

pozitiv definite; (iii) strict diagonal dominante;
 (iv)
 inversabile.
    2 1 0
2 1 -2 1
(a) ; (b) ; (c) 0 3 2  .
1 3 1 -3
1 2 4
 
α 1 0
4. Pentru A =  −β 2 1 , găsiţi α şi β reale pentru care
0 1 2

(a) A este strict diagonal dominantă.

(b) A este simetrică.
(c) A este pozitiv definită.

5. Pentru matricea de la exerciţiul 4, pentru α = 2 şi β = 1 determinaţi

o descompunere Choleski.

81
Capitolul 8

Aproximarea valorilor şi

vectorilor proprii

Definiţia 23 Pentru o matrice A ∈ Mn , numărul λ ∈ C se numeşte

valoare proprie dacă este rădăcină a polinomului caracteristic, adică

PA (λ) = det(A − λIn ) = 0, (8.1)

iar x ∈ Cn \ {0} se numeşte vector propriu corespunzător valorii proprii

λ dacă
Ax = λx. (8.2)

Vom nota cu σ (A) spectrul matricei A ∈ Mn , adică mulţimea valorilor

proprii, iar prin ρ (A) raza spectrală a acesteia definită prin

ρ(A) = max{|λ|, λ ∈ σ(A)}. (8.3)

Definiţia 24 O matrice A ∈ Mn se numeşte diagonalizabilă dacă ea

este asemenea cu o matrice diagonală D ∈ Mn , adică există P ∈ Mn
inversabilă astfel ı̂ncât

P −1 AP = D = diag(λ1 , ..., λn ), (8.4)

şi respectiv triangularizabilă dacă este asemenea cu o matrice U ∈ Mn

superior triunghiulară, adică există S ∈ Mn inversabilă astfel ı̂ncât

S −1 AS = U. (8.5)

Vom nota aceste relaţii prin A ≈ D, respectiv A ≈ U .

82
Propoziţia 5 (i) Dacă matricea A este diagonalizabilă, atunci are loc
σ(A) = {λ1 , ...λn } şi Apj = λj pj , unde pj reprezintă coloana j din matricea
P , j = 1, . . . , n.
(ii) Dacă matricea A este triangularizabilă, atunci σ(A) = {u11 , ..., unn },
iar vectorii proprii pentru A sunt de forma Sx, cu x vector propriu pentru
matricea U .

Demonstraţie (i) rezultă din (8.4) şi din faptul că, dacă A ≈ P , atunci
σ(A) = σ(P ) (Vezi Exerciţiul 7).
(ii) Cum A ≈ U rezultă că σ(A) = σ(U ) (vezi Exerciţiul 7). Dar σ(U ) =
{u11 , ..., unn } (U fiind matrice superior triunghiulară). Dacă xi este vectorul
propriu corespunzător valorii proprii λi , adică U xi = uii xi , atunci SU xi =
uii Sxi , i = 1, . . . , n. Dar, AS = SU şi deci ASxi = SU xi , adică ASxi =
uii Sxi . Apoi, dacă notăm Sxi = yi obţinem că Ayi = uii yi , i = 1, . . . , n,
ceea ce ı̂ncheie demonstraţia.
Următorul rezultat ne oferă o clasă importantă de matrice diagonalizabile
(pentru demonstraţie vezi [2], [23]).

Propoziţia 6 Orice matrice simetrică este diagonalizabilă prin intermediul

unei matrice ortogonale.

În secţiunile următoare vom prezenta câteva metode de aproximare a va-

lorilor şi vectorilor proprii pentru matrice (reale) simetrice.

8.1 Metoda Jacobi

Fie A ∈ Mn simetrică. Atunci valorile ei proprii sunt reale şi din Propoziţia
6 rezultă că există Q ∈ Mn ortogonală astfel ı̂ncât

Qt AQ = D = diag(λ1 , ..., λn ). (8.6)

Mai mult, dacă notăm cu qi coloana i din matricea Q atunci {q1 , ..., qn }
este un sistem ortonormal de vectori proprii pentru A, adică

Aqi = λi qi ∀ i = 1, . . . , n; hqi , qj i = δij . (8.7)

Ideea de la metoda Jacobi constă ı̂n a construi un şir de matrice (Ak )k≥1
cu A1 = A şi Ak ≈ A, ∀ k ≥ 1 cu proprietatea

lim Ak = diag(λπ(1) , ..., λπ(n) ), (8.8)

k→∞

unde π : {1, ..., n} → {1, ..., n} este o permutare de indici. În acest sens,
pentru 1 ≤ p ≤ q ≤ n fixaţi arbitrar, notăm prin Ω = Ω(p, q, θ) matricea

83
de rotaţie Givens definită prin (vezi de exemplu [23])
 
p q
 1 
 
 .. 
 . 
 

 1 


 cos θ sin θ  p

Ω=
 1 
 (8.9)
 .. 
 . 
 q
 

 − sin θ cos θ 

 1 

 .. 
 . 
1

Deoarece Q este ortogonală, dacă definim matricea B ∈ Mn prin

B = Ωt AΩ (8.10)

atunci avem (vezi Exerciţiul 17 de la Cap. 8)

n
X n
X
kBk2F = b2ij = a2ij = kAk2F . (8.11)
i,j=1 i,j=1

π π

Lema 4 (i) Dacă apq 6= 0, atunci există şi este unic θ ∈ 4, 4 \ {0} astfel
ı̂ncât
bqp = 0. (8.12)
(ii) Pentru θ de la (i) avem
n
X n
X
b2ii = a2ii + 2a2pq . (8.13)
i=1 i=1

Demonstraţie. Evidenta. Metoda Jacobi pentru aproximarea valorilor

şi vectorilor proprii ai matricei simetrice A este următoarea: se defineşte
A1 = A şi se generează şirul de matrice (Ak )k≥1 prin

Ak+1 = Ωtk Ak Ωk , k ≥ 1, (8.14)

unde Ωk este de forma (8.9) cu θ = θk dat de (vezi (??))

akqq − akpp
ctg2θk = , (8.15)
akpq

84
(prin akij am notat elementele matricei Ak , k ≥ 1). Indicii p şi q se aleg (ı̂n
cazul metodei Jacobi clasice) prin

|akpq | = max |aki,j |. (8.16)

i6=j

Observaţia 65 La fiecare iteraţie k ≥ 0, ı̂n matricea Ak corespunzătoare

anulăm elementul de pe poziţia (p, q), alta decât cea de la pasul anterior.
Totuşi, pe parcursul calculelor s-ar putea ca pe unele poziţii (deja anulate)
să apară din nou elemente nenule, acestea ı̂nsă au va-
lori (absolute) din ce ı̂n ce mai mici.

În ipotezele şi cu construcţiile anterioare sunt adevărate următoarele rezul-

tate (pentru demonstraţii vezi [23]).

Teorema 35 (Convergenţa valorilor proprii)

Şirul (Ak )k≥1 dat de metoda Jacobi clasică (8.14) − (8.16) este convergent
la matricea
D = diag(λπ(1) , ..., λπ(n) ) (8.17)
unde π este o permutare a mulţimii {1, ..., n}, iar σ(A) = {λ1 , ..., λn } este
spectrul lui A.

Fie acum Qk ∈ Mn matricea ortogonală

Qk = Ω1 Ω2 ...Ωk , k≥1 (8.18)

cu Ωk din (8.14)-(8.15).

Teorema 36 (Convergenţa vectorilor proprii)

Dacă spectrul lui A conţine valori proprii mutual distincte, atunci şirul
(Qk )k≥1 din (8.18) converge la o matrice ortogonală ale cărei coloane formează
un sistem ortonormat de vectori proprii ai lui A.

Observaţia 66 Metoda Jacobi se referă doar la aproximarea valorilor şi

vectorilor proprii pentru o matrice simetrică. Pentru matrice mai generale,
se pot consulta lucrările [3], [5], [6] şi [17].

8.2 Metoda puterilor

Fie A ∈ Mn matrice cu proprietatea că există o singură valoare proprie de
modul maxim şi există o bază de vectori proprii, adică σ(A) = {λ1 , ..., λn },

|λ1 | > |λ2 | ≥ ... ≥ |λn | (8.19)

85
şi {u1 , ..., un } o bază ı̂n Cn astfel ı̂ncât

Aui = λi ui , i = 1, . . . , n (8.20)

Pentru k ≥ 1 arbitrar fixat şi x0 ∈ Cn de forma,

x0 = a1 u1 + a2 u2 + ... + an un , (8.21)

cu ai ∈ IR, i = 1, . . . , n, a1 6= 0, definim

x1 = Ax0 , x2 = Ax1 , . . . , xk = Axk−1 , (8.22)

deci
x k = Ak x 0 . (8.23)
Deoarece a1 6= 0, putem presupune fără a restrânge generalitatea că

x0 = u1 + a2 u2 + ... + an un . (8.24)

Din (8.23) şi (8.20) rezultă egalitatea

xk = λk1 u1 + λk2 a2 u2 + · · · + λkn an un , (8.25)

care poate fi rescrisă sub forma

"  k  k #
λ 2 λn
xk = λk1 u1 + a2 u2 + · · · + an un (8.26)
λ1 λ1
   k
λj λj k→∞
Cum < 1, ∀ j = 2, . . . , n (vezi (8.19)), rezultă −→ 0, pentru
λ1 λ1
orice j = 2, . . . , n. Din (8.26) obţinem că xk este de forma

xk = λk1 [u1 + εk ], (8.27)

unde εk → 0, k → ∞. Fie acum Φ o funcţională liniară şi continuă pe Cn

astfel ı̂ncât Φ(u1 ) 6= 0. Din (8.27) rezultă Φ(xn ) = λk1 [Φ(u1 ) + Φ(εn )], deci
 
Φ(xk+1 ) Φ(u1 ) + Φ(εk+1 )
rk := = λ1 → λ1
Φ(xk ) Φ(u1 ) + Φ(εk )
adică λ1 este aproximat prin elementele şirului (rk )k≥1 şi demonstraţia este
completă.
Algoritmul de calcul pentru metoda puterilor este următorul.

Metoda puterilor

86
Introduceţi n, A, x, N şi Φ o funcţională linară şi continuă
for k = 1, . . . , N do
y = Ax
r = Φ(y)/Φ(x)
x = y/kyk
Afişează k, x, r
endfor
Afişează x.

Observaţia 67 Ultima valoare afişată pentru r va fi aproximaţia pentru

λ1 , iar ultima valoare pentru x va fi aproximaţia pentru vectorul propriu
corespunzător valorii proprii λ1 .
 
6 5 −5
Exemplul 28 Fie A =  2 6 −2  , x = (−1, 1, 1), N = 28 şi Φ = x2 .
2 5 −1
Algoritmul dat de metoda puterilor va afişa următoarele valori:
k=0 x0 = (−1.00000, 1.000000, 1.0000000)
k=1 x1 = (−1.00000, 0.333333, 0.333333) r0 = 2.0
k=2 x2 = (−1.00000, −0.111111, −0.111111) r1 = −2.0
k=3 x3 = (−1.00000, −0.407407, −0.407407) r2 = 22.0
... ... ...
k=6 x6 = (−1.00000, −0.824417, −0.824417) r5 = 6.71508
... ... ...
k = 28 x28 = (−1.00000, −0.999977, −0.999977) r27 = 6.00007
Pentru matricea A de mai ı̂nainte, raza spectrală este 6, iar un vector
propriu asociat (1, 1, 1)t .

8.3 Metoda puterilor inverse

Pentru calculul celei mai mici valori proprii ı̂n modul, se foloseşte metoda
puterilor inverse. Astfel, fie A inversabilă şi σ(A) = {λ1 , ..., λn } cu

|λ1 | ≥ |λ2 | ≥ ... ≥ |λn−1 | > |λn | > 0. (8.28)

−1 −1
|λ−1
n | > |λn−1 | ≥ ... ≥ |λ1 | > 0 (8.29)
şi se foloseşte ı̂n acest caz metoda puterilor
 pentrucalculul lui λ−1
n , aplicată
1 1
matricei A−1 , pentru care σ(A−1 ) = , ..., .
λ1 λn
Nu se recomandă calculul lui A−1 , ci ı̂n loc de xk+1 = A−1 xk , se rezolvă

87
sistemul Axk+1 = xk . Aceasta poate fi făcută ı̂n mod eficient folosind
metoda bazată pe descompunerea LU a lui A.

8.4 Exerciţii
1. Să se arate că două matrice asemenea au acelaşi spectru.
n
S
2. (Teorema lui Gershgorin) Pentru A ∈ Mn , σ(A) ⊆ Di , unde
( ) i=1
n
P
Di = z ∈ C/ |z − aii | ≤ |aij | .
j=1,j6=i
(Această teoremă se mai numeşte si teorema de localizare a valorilor
proprii)

3. Să se arate că orice matrice strict diagonal dominantă este inversabilă.

4. Fie A matrice simetrică şi pozitiv definită. Atunci I −A este simetrică

şi pozitiv definită ⇔ ρ(A) < 1.
 
2 0 −1
5. Pentru A =  −2 −10 0  determinaţi o valoare aproximativă
−1 −1 4
pentru ρ(A) efectuând doi paşi ai metodei puterilor cu x0 = (1, 1, 1)t
şi Φ(x) = kxk∞ .

6. Determinaţi complexitatea aritmetică a algoritmului de la metoda

puterilor.

88
Bibliografie

[1] Bakhvalov N., Méthodes numèriques, Editions MIR, Moscou 1976.

[2] Brânzănescu V., Stănăşilă O., Matematici speciale - partea I, Ti-

pografia Institului Politehnic Bucureşti, 1985.

[3] Bourden R. L., Faires J. D., Reynolds A. C., Numerical Analysis -

second edition, Prindle, Weber and Schmidt, Boston, Massachusetts,
1981.

[4] Ciarlet P.G., The finite element method for elliptic problems, North-
Holland, 1979.

[5] Ciarlet P.G., Introduction à l’analyse numérique matricielle et à

l’optimisation, Masson, Paris,1982.

[6] Demidovici B.P., Maron I.A., Computational Mathematics, MIR Pub-

lishers, Moscow, 1981.

[7] Dragoş L., Metode matematice ı̂n aerodinamică, Editura Academiei

Române, Bucureşti, 2000.

[8] Dragoş L., Popescu M, Certain quadrature formulae of interest in aero-

dynamics, Rev. Roum. Math. Pures Appl., XXXVII(7)(1992), pp.
587-599.

[9] Gantmacher F.R., The theory of matrices (vol. I si II), Chelsea Publ.
Comp., New York 1959.

[10] Golub G. H., van Loan C. F., Matrix computations - third edition, The
John’s Hopkins Univ. Press, Baltimore,1996.

[11] Hackbusch W., Elliptic differential equations - Theory and numerical

treatment, Springer-Verlag, Berlin Heidelberg 1992.

[12] Henrici P., Elements of numerical analysis, John Willey and Sons,
Nwy York 1964.

89
[13] Householder A. S., The theory of matrices in numerical analysis, Blais-
dell Publ. Comp., New York, 1964.

[14] Juncu Gh., Popa C., Introducere ı̂n metoda multigrid - aplicaţii pe
calculator, Editura Tehnică, Bucureşti 1991.

[15] Kantorovici L.V., Akilov G.P., Analiză funcţională (trad. din limba
rusă), Ed. Şt. şi Encicl., Bucureşti 1986.

[16] Kinkaid D.R., Cheney W., Numerical Analysis: Mathematics of Sci-

entific Computing, Brooks/Cole Publishing Company, Pacific Groove,
California 1991.

[17] Meyer C.D., Matrix analysis and applied linear algebra, SIAM
Philadelphia 2000.

[18] Micula Gh., Funcţii spline şi aplicaţii, Editura Tehnică, Bucureşti
1978.

[19] Overton M.L., Numerical computing with IEEE floating point arith-
metic, SIAM Philadelphia 2001.

[20] Pelican E., Analiză numerică - complemente, exerciţii, programe de

calcul, va apare ı̂n Editura MatrixRom, Bucuresti, 2006.

[21] Popa C., Pelican E., Introducere ı̂n analiza numerică , Editura Ma-
trixRom, Bucuresti, 2005.

[22] Popa C., Introducere ı̂n analiza numerică, Editura EUROBIT,

Timişoara 1996.

[23] Popa C., Analiză numerică matriceală, Editura EUROBIT, Timişoara

1996.

[24] Popa C. şi colectiv., Analiza numerică. Complemente. Exerciţii. Pro-

grame de calcul, Tipografia Universităţii Ovidius, Constanţa 1996.

[25] Popoviciu T., Analiza numerică - noţiuni introductive de calcul aprox-

imativ, Ed. Academiei Române, Bucureşti 1991.

[26] Sireţchi Gh., Calcul diferenţial şi integral, vol. I şi II, Ed. Şt. şi Encicl.,
Bucureşti 1985.

[27] Süli E., Mayers D., An introduction to numerical analysis, Cambridge

University Press, 2003.

[28] Varga R., Matrix iterative analysis, Prentice Hall, New York,1962.

90
[29] Weiss R., Parameter-free iterative linear solvers, Mathematical Re-
search Series, 97, Akademie Verlag, Berlin, 1996.

[30] Young D. M., Iterative solution of large linear systems, Academic

Press, New York,1971.

91