Universitatea Politehncia dinBu curejti

Facultatea de 5,tiinja jil ngineria Matre ialelor

Tip de program: Studii Universitare de Masterat

de Studii: Sintzea jiPr ocesarea Materialelor Metalice

Metode moderne de modelarenu mericâ

 BIBLIOGRAFIE CURS
 Platforma MOODLE: https://sim.curs.pub.ro/2019/login/index.php
 Materiale / Live - Microsoft Teams:
https://teams.microsoft.com/l/team/19%3a9943dc096a4746dead38cac5ea5b3613%40thread.tacv2
/conversations?groupId=550f327e-15af-45de-aea9-0953e9f16cba&tenantId=2d8cc8ba-8dda-
4334-9e5c-fac2092e9bac
 B. Demidovitch, I. Maron: Elements de calcul numerique, Ed. Mir, Moscou, 1987
 A. Pitea, M. Postolache: Modelare numerică pentru ecuaţii diferenţiale şi ecuaţii cu derivate
parţiale. Ed. Fair Partners, Bucuresti, 2007
 C. Udriste,V. Iftode,M. Postolache: Metode numerice de calcul cu programe TurboPascal.
Ed. Tehnica, Bucuresti, 1996
 I. Sârbu: Modelări numerice și optimizări în instalații, Ed. Politehnica, Timișoara, 2010
 O. Agratini, I. Chiorean, G. Coman, R. Trâmbitas: Analiză numerică și teoria aproximarii,
vol. III, Presa Universitara Clujeana, 2002
 C. G. Broyden: A Class of Methods for Solving Nonlinear Simultaneous Equations, Math.
Comp. 19, 577- 593, 1965
 G. Coman: Analiză numerică, Ed. Libris, Cluj-Napoca, 1995.
 J. E. Dennis, J. J. More: Quasi-Newton Metods, Motivation and Theory, SIAM Review 19,
46- 89, 1977
 W. Gautschi: Numerical Analysis. An Introduction, Birkhauser, Basel, 1997
 J. R. Chasnov: Introduction to Numerical Methods, The Hong Kong University of Science
2
and Technology, Hong Kong, 2012

3
 1.
Rolul metodelor numerice și INTRODUCERE
de optimizare în știința și ingineria materialelor
• soluții aproximative pentru acele cazuri în care metodele clasice
de analiză analitică și experimentală sunt inoperante sau neeficiente
• utile și în prelucrarea datelor experimentale sau în determinarea unor
expresii de calcul al proprietăților fizice
• rezultatul aplicării metodelor numerice ⇒ modelul numeric ⇒
implementat pe calculator cu ajutorul unui limbaj adecvat.
• utilizarea eficientă a metodelor numerice presupune:
existența unor cunoștințe teoretice fundamentale în acest domeniu
experiența de programare
utilizarea disciplinelor matematice moderne prin calculul operațional
• proiectarea optimală ⇒ variabilele de proiectare ce respectă anumite
condiții (restricțiile proiectării) impuse de comportarea și
funcționalitatea echipamentelor, minimizând o funcție de eficiență
(funcția obiectiv).
• rezolvarea problemelor de optimizare ⇒ este necesară cunoașterea unor
metode adecvate de calcul.
3
 Aspecte matematice ale unui algoritm de calcul numeric
• uneori, chiar dacă soluția analitică a unei probleme date poate fi găsită, aceasta
nu poate servi la obținerea soluției numerice. Exemplu:
𝒏
∑𝒋= 𝒂𝒊𝒋 𝒙𝒋 = 𝒃𝒊 , 𝒊 = 𝟏, … , 𝒏 (1)
𝟏
• dacă sistemul are o soluție unică ⇒ se poate rezolva analitic cu ajutorul regulii
lui Cramer ⇒ pentru n ≥ 3 trebuie calculați n+1 determinanți de ordinul n ⇒ un
număr mare de operații de înmulțire și de adunare. Exemplu: dacă n = 20
⇒
16⋅1019 operații elementare ⇒ peste 2⋅106 ani timp de lucru
• numărul mare al operațiilor ⇒ timp mare de execuție consumat de calculator +
precizia de calcul afectată ⇒ acumularea erorilor de rotunjire.
• precizia rezultatelor este influențată de mai mulți factori:
soluția depinde de datele inițiale ⇒ erori la rezolvarea numerică. Uneori
erorile sunt introduse si de modelul matematic, din cauza unor aproximații
de modelare. Aceste tipuri de erori se numesc erori inerente.
la soluționarea numerică a unei probleme se mai poate produce o eroare de
metodă
în procesul de calcul apar erori de trunchiere și erori de rotunjire.
• eroarea totală: eroarea inerentă, eroarea metodei și eroarea de calcul.
 1. INTRODUCERE
Instabilitatea numerică a algoritmilor și natura problemelor
• o mică perturbație în una din date (sau în toate) conduce la mici perturbații în soluția
matematică ⇒ problema bine condiționată.
• mici perturbații conduc la mari perturbații în soluția matematică ⇒ problema
slab condiționată.
• D datele exacte care caracterizează o problemă, F funcția matematică ce conduce
la obținerea soluției exacte F(D)
𝑭: 𝑫 → 𝑭(𝑫) (2)
• datele sunt afectate de erori sau perturbate ⇒ datele perturbate 𝑫∗ . Soluția exactă:
𝑭: 𝑫∗ → 𝑭(𝑫∗ ) (3)
• aplicația este bine condiționată dacă 𝑫∗ este apropiat de D și F(𝑫∗ ) este
apropiată de F(D) într-un anumit sens, altfel aplicația este slab condiționată.
• dacă D și F(D) sunt vectori sau matrici ⇒ distanța dintre D și 𝑫∗ , respectiv F(D) și
F(𝑫∗) se calculează cu ajutorul normei:
𝑫 — 𝑫∗ și 𝑭(𝑫) — 𝑭(𝑫∗ )
• G - algoritm de calcul pentru rezolvarea unei probleme caracterizată de datele D. G
este stabil dacă există 𝑫∗ apropiat de D astfel că G(𝑫∗ ) este apropiată de G(D)
într-un anumit sens, altfel algoritmul este instabil.
• algoritm de calcul stabil ⇒ soluția obținută cu ajutorul algoritmului este apropiată într-
un anumit sens de soluția exactă a problemei ușor perturbate.
5
 1. INTRODUCERE
Noțiuni generale privind metodele iterative
• utilizarea calculatoarelor electronice ⇒ posibilitatea folosirii
metodelor iterative la rezolvarea anumitor tipuri de probleme.
• în cadrul unei metode iterative:
o aproximație inițială (număr sau funcție)
se îmbunătățește această aproximație a soluției (prin iterare) ⇒
șirul de soluții îmbunătățite să conveargă către soluția problemei
considerate.
• metodele directe ⇒ converg într-un număr finit de etape
• metodele iterative ⇒ converg într-un număr infinit de etape
• Condiții necesare realizării metodelor iterative :
metoda să fie convergentă
să se poată determina viteza de convergență
metoda să stabilească criterii pentru stoparea procesului iterativ
în momentul obținerii unei aproximări acceptabile pentru
soluția problemei considerate.
6
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Calculul valorilor funcțiilor analitice

 O funcție reală f(x) se numește funcție analitică în punctul 𝝃 dacă într-

o vecinătate 𝒙 — 𝝃 € 𝑹 a acestui punct funcția se dezvoltă în
serie și se aproximează cu ajutorul polinomului Taylor de grad n:
𝒇F 𝝃 𝒇FF 𝝃 𝒇(𝒏) 𝝃
𝒇𝒙 = 𝝃 + + 𝟐
+⋯ 𝒏
(4)
𝒇 𝒏
𝒙—𝝃 𝒙—𝝃 + ! 𝒙—𝝃
𝟏! 𝟐!
 Pentru ξ = 0 se obține polinomul Maclaurin de grad n:
𝒇F 𝟎 𝒇FF 𝟎 𝒇(𝒏) 𝟎
𝒇𝒙 = 𝟎 + 𝒙 𝒙𝟐 + 𝒙𝒏 (5)
𝒇 𝟐 𝒏
+ ! ⋯+ !
𝟏!
 Dezvoltarea unei funcții în serie Taylor este în multe cazuri o metodă
comodă pentru a calcula valorile acestei funcții.
 Dacă se cunoaște f(x) și trebuie calculate valorile 𝒇(𝒙 + 𝒉), unde h
7
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
este o mică corecție, formula (4) se scrie sub forma:

𝒇 = 𝒇(𝒏) 𝒙
𝒇
𝒙+ 𝒉 𝒙 + 𝒇F 𝒙
𝒇FF
𝟐
𝒉 + 𝒉𝒏 (6)
𝒉𝒙
+ 𝒏
𝟐! ⋯+ !
𝟏!

8
Exemple de serii Taylor (pentru funcții elementare)
1. 𝒆𝒙 = 𝟏 + 𝒙 + 𝒙
𝟐 + 𝒙
𝟑
+. . . = ∑œ 𝒙𝒏

𝟐! 𝟑 𝒏=𝟎 𝒏!
!

2. 𝒄𝒐𝒔 𝒙 = 𝟏 — 𝒙𝟐 + 𝒙
𝟒 —. . . = ∑œ (—𝟏)𝒏 𝒙
𝟐𝒏
𝒏=𝟎
𝟐! 𝟒 (𝟐𝒏)!
!

3. 𝒔𝒊𝒏 𝒙 = 𝒙 — 𝒙𝟑 + 𝒙𝟓 𝟐𝒏+𝟏
—. . . = ∑œ 𝒏 𝒙
(—𝟏)
𝟑! 𝟓 𝒏=𝟎 (𝟐𝒏+𝟏)!
!

𝒆 +𝒆
4. 𝒄𝒉 𝒙 = 𝒙 —𝒙 = 𝟏 + 𝒙𝟐 + 𝒙𝟒
+. . . ∑œ 𝒙𝟐𝒏

𝟐 𝟐! 𝒏=𝟎 (𝟐𝒏)!
𝟒
!
 –𝒆
5. 𝒔𝒉 𝒙 = 𝒆𝒙 —𝒙 = 𝒙 + 𝒙𝟑 + 𝒙𝟓
+. . . = ∑œ 𝒙𝟐𝒏+𝟏

𝟐 𝟑! 𝒏=𝟎 (𝟐𝒏+𝟏)!
𝟓
!

𝟏 𝒏
6.
𝟏–𝒙 = 𝟏 + 𝒙 + 𝒙𝟐 + 𝒙𝟑 �, pentru €𝟏
+ ⋯ = ∑œ
�𝒙
𝒏
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Exemple de polinoame
1. Să se determine un Taylor3 care să aproximeze
polinom de gradul funcția 𝒇(𝒙) =
𝒔𝒊𝒏 𝒙 în jurul punctului 𝝃 = 𝟎. Utilizând acest
polinom, să se aproximeze
𝒔𝒊𝒏(𝟎 , 𝟏).

Soluție. Se caută un polinom 𝒙

ℝ ce aproximează f . = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 +𝒂𝟑 𝒙𝟑 , 𝒂𝟎 ,
𝒂𝟏 , 𝒂𝟐 , 𝒂𝟑 ∈
Condiții pentru determinarea coeficienților:
𝑷 𝒙 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝟎 = 𝟎 ⇔ 𝒂𝟎 = 𝒔𝒊𝒏 𝟎 = 𝟎
𝒂𝟐 𝒙𝟐 + 𝒂𝟑 𝒙𝟑 ; 𝑷 𝒇𝟎
𝒙 𝟎
� = 𝒂𝟏 + 𝟐𝒂𝟐 𝒙 + =𝒇 ⇔ 𝒂𝟏 = 𝒄𝒐𝒔 𝟎 = 𝟏
𝟑𝒂𝟑 𝒙𝟐 ; 𝑷′ 𝟎 ′
�
u

𝑷 𝒙 = 𝟐𝒂𝟐 + = ⇔ 𝟐𝒂𝟐 = —𝒔𝒊𝒏 𝟎 = 𝟎 ⇔ 𝒂𝟐 = 𝟎

"
𝒙 𝟔𝒂𝟑 𝒙; 𝑷" 𝒇" 𝟎
𝑷′ ′′
9
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Exemple de polinoame
= 𝒂𝟑 ; 𝑷uuu (𝟎) = 𝒇uuu (𝟎) ⇔ Taylor
𝟔𝒂𝟑 = —𝒄𝒐𝒔 𝟎 = —𝟏 ⇔ 𝒂𝟑 =
𝟔 —𝟏/𝟔
În concluzie,
𝑷 = 𝟎 + 𝟏𝒙 + 𝟎𝒙𝟐 — 𝟏 𝒙𝟑 = 𝒙 — 𝟏 𝒙𝟑
𝒙 𝟔 𝟔
(Altă metodă de a obține acest rezultat: din formula 𝒔𝒊𝒏 𝒙 = 𝒙 — 𝒙𝟑 + 𝒙𝟓 —. . . se
rețin numai primii doi termeni) 𝟑 𝟓!
!
𝟏
𝒔𝒊𝒏(𝟎𝟑 , 𝟏) = 𝟎, 𝟏 —
(𝟎, 𝟏) = 𝟏 𝟏 = 𝟎, 𝟎𝟗𝟗𝟖(𝟑)
—
𝟏
=𝟎𝟎–𝟏
𝟔 =𝟗𝟗
𝟓

𝟔 𝟏 𝟔 𝟔𝟎 𝟔𝟎𝟎𝟎
𝟏𝟎𝟎 𝟎𝟎

10
2. Să se determine un polinom de gradul 3 care să aproximeze funcția 𝒇 𝒙 = (𝟏 +
𝒙)𝟏/𝟐 în jurul punctului 𝝃 = 𝟎. Utilizând acest polinom, să se aproximeze 𝟏,
𝟎,𝟏
𝟏. Utilizând polinomul obținut, să se�
aproximeze ƒ (𝟏 + 𝒙)𝟏/𝟐 𝒅𝒙.
�
Soluție. Se caută un polinom 𝒙 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 +𝒂𝟑 𝒙𝟑 , 𝒂𝟎 , 𝒂𝟏 ,
𝑷
aproximează f 𝒂𝟐 , 𝒂𝟑 ∈ ℝ ce
𝟐
𝑷 𝒙 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙 𝒙 = (𝟏 + 𝒙)𝟏/𝟐
+ 𝒂𝟑 𝒙𝟑 ; 𝒇
𝒙
𝟏 –𝟏/𝟐
� = 𝒂𝟏 + 𝟐𝒂𝟐 𝒙 + 𝒙 = (𝟏 + 𝒙)
𝟐 𝟐
� 𝟑𝒂 𝟑 𝒙 ; 𝒇′
u
𝒙
𝑷 𝒙 = 𝟐𝒂𝟐 + = — 𝟏 (𝟏 + 𝒙)–𝟑/𝟐
" 𝟒
𝟔𝒂𝟑 𝒙; 𝒇"
𝒙
𝑷′ 𝒙 = 𝟔𝒂𝟑 ; = 𝟑 (𝟏 + 𝒙)–𝟓/𝟐
′′ 𝟖
𝒇′′′
Teorema Taylor ⇒ P 𝒇 𝒇F 𝟎
𝒙 = 𝒇FF
+ 𝒙+ 𝒙𝟐
 𝟏 𝟏
𝟑 =𝟏+ 𝒙— 𝒙𝟐 + 𝟏
𝒇FFF 𝒙 𝟎 𝒙𝟑
+ 𝟏! 𝟐! 𝟑! 𝟐 𝟏
𝟖 𝟔

𝟏/𝟐
=(𝟏 + 𝟎, 𝟏) = 𝟏 + 𝟏 𝟎, 𝟏 — 𝟏
𝟐
𝟏, 𝟏 (𝟎, 𝟏) +
𝟏
(𝟎, 𝟏)𝟑 = 𝟏, 𝟎𝟒𝟖𝟖𝟏𝟐𝟓
𝟐 𝟖 𝟏
𝟔
𝟎,𝟏
𝟎,𝟏
ƒ𝟎,𝟏(𝟏 + 𝒙)𝟏/𝟐 𝒅𝒙
𝟏+=
𝟏 𝒙 — 𝟏 𝒙𝟐 + 𝟏 𝒙𝟑 𝒅𝒙 𝒙 + 𝟏 𝒙𝟐 — 𝟏 𝒙𝟑 + 𝟏 𝒙𝟒 | =
ƒ 𝟐 𝟖 𝟏𝟔 = 𝟒 𝟐𝟒 𝟔𝟒
𝟎 𝟎 𝟎
𝟎, 𝟏𝟎𝟐𝟒𝟓𝟗𝟖𝟗𝟓𝟖
3. Să se determine un polinom de gradul 3 care să aproximeze funcția 𝒇
𝒙 =
𝒍𝒏 (𝟏 + 𝒙) în jurul punctului 𝝃 = 𝟎.
Utilizând acest polinom, să se aproximeze
𝒍𝒏 𝟏, 𝟓 .
𝒙
Soluție. Se caută un polinom 𝟐 𝟑
ℝ ce aproximează f = 𝒂 𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙 +𝒂𝟑 𝒙 , 𝒂𝟎 ,
𝒂𝟏 , 𝒂𝟐 , 𝒂𝟑 ∈
𝟏
𝟐 𝟑
𝟏– = 𝟏 + 𝒙 + 𝒙 + 𝒙 +⋯ € 𝟏 (seria geometrică) ⇒
𝒙 , pentru
𝟏 € 𝟏 (s-a înlocuit x cu (–x)) ⇒
𝟏+ 𝒙
𝒙
= 𝟏 — 𝒙 + 𝒙𝟐 — 𝒙𝟑 + ⋯ ,
pentru
𝒙
𝒍 = 𝟐𝒙 —𝟏 𝟏 𝒙𝟑 +... +𝑪 (obținută prin integrarea relației
𝒏 𝒙 + anterioare)
 𝟏+ 𝒙 𝟐 𝟑
pentru 𝒙 = 𝟎 ⇒ 𝟎 = 𝒍𝒏 𝟏+ 𝒙 = 𝟐𝒙 —𝟏 𝟏 𝒙𝟑 ⇒
𝟏 = 𝑪 ⇒𝒍𝒏 𝒙 +
𝟐
𝟏 𝟏
𝒍𝒏 𝟏, 𝟓 = 𝒇 = 𝟎, 𝟓 𝟑 𝟑
= — +
= 𝒍𝒏 𝟏 + 𝟎, 𝟓 𝟎, 𝟓 —
𝟏 𝟏 𝟏
𝟎, 𝟓
𝟐
+ 𝟎, 𝟓 =
𝟏 𝟐 𝟐 𝟐𝟒
=
𝟐𝟒 = 𝟎, 𝟑 𝟖
=
𝟓
𝟏 𝟒𝟏(𝟔)
𝟐
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Exemple de polinoame Taylor
4. Să se determine un polinom de gradul 3 care să aproximeze funcția 𝒇
𝒙 =
𝒂𝒓𝒄𝒕𝒈 𝒙 în jurul punctului 𝝃 = 𝟎.
Utilizând acest polinom, să se aproximeze
𝒂𝒓𝒄𝒕𝒈 𝟎, 𝟓 .
𝒙
Soluție. Se caută un polinom 𝟐 𝟑
ℝ ce aproximează f = 𝒂 𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙 +𝒂𝟑 𝒙 , 𝒂𝟎 ,
𝒂𝟏 , 𝒂𝟐 , 𝒂𝟑 ∈
𝟏
𝟏– = 𝟏 + 𝒙 + 𝒙𝟐 + 𝒙𝟑 + ⋯ € 𝟏 (seria geometrică) ⇒
𝒙 , pentru
𝟏 € 𝟏 (s-a înlocuit x cu (–x)) ⇒
𝟏+ 𝒙
𝒙
= 𝟏 — 𝒙 + 𝒙𝟐 — 𝒙𝟑 + ⋯ ,
pentru
𝒙
𝟏 𝒙
𝟏+ = 𝟏 — 𝒙𝟐 + 𝒙𝟒 — 𝒙𝟔 + ⋯
𝒙𝟐 , pentru
12
€ 𝟏 (s-a înlocuit x cu 𝒙𝟐 ) ⇒
𝒂𝒓𝒄𝒕𝒈
𝟏 𝟑 𝒙𝟏 = 𝒙
— 𝒙 + 𝒙𝟓 +... +𝑪 (obținută prin integrarea relației anterioare)
𝟑 𝟓
pentru 𝒙 = 𝟎 ⇒ 𝟎 = 𝒂𝒓𝒄𝒕𝒈 𝟎 ⇒ 𝑪 =
𝟎 ⇒ 𝒂𝒓𝒄𝒕𝒈 𝒙 = 𝒙 — 𝟏 𝒙𝟑 ⇒
𝟑
𝒂𝒓𝒄𝒕𝒈 𝟎, 𝟓 = 𝟏 𝟏 = 𝟎, 𝟒𝟓𝟖(𝟑)
𝒇 𝟎, 𝟓 = — 𝟏 𝟑
= ==
𝟏
𝟎, 𝟓 —𝟑 𝟎, 𝟓 𝟐 𝟐 𝟐𝟒
𝟒

13
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR

Exemple de polinoame Taylor

5. Să se determine un polinom de gradul 3 care să aproximeze funcția

𝒇 𝒙 = 𝒙 — 𝒔𝒊𝒏 𝒙 în jurul punctului 𝝃 = 𝟎. Utilizând acest
polinom, să se𝟎, 𝟏 𝝅
aproximeze 𝒇 și 𝒇 și să se compare cu valorile exacte ale lui f în
aceste
puncte.

Soluție. 𝒔𝒊𝒏 𝒙 = + 𝒙𝟓 —. . . ⇒
𝟓!
𝒙 — 𝒙𝟑
𝟑!
𝒙
𝒙
𝒇 𝒙 = 𝒙 — 𝒔𝒊𝒏 — 𝟓 —. . . = 𝒙𝟑
𝒙 = 𝒙𝟑 ⇒𝒇 ⇒
𝟑! 𝟓! 𝟑!

𝒇 𝟎, 𝟏 𝟏 = 𝟎,
(𝟎,𝟏)𝟑 = =
𝟏/𝟏𝟎𝟎 = 𝟎𝟎
𝟔𝟎
𝟑! 𝟑! 𝟏𝟔𝟔𝟕 ·
𝟎, 𝟏 𝟎, 𝟏 13
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
–𝟑
� � � � –𝟑
𝒇 = 𝟎, 𝟏 = 𝟎, 𝟏𝟕 ⇒ aproximare foarte bună
— 𝒔𝒊𝒏 · 𝟏𝟎

𝒇 =
𝝅 = 𝟓, 𝟏𝟕
𝝅
𝟑
=
𝟑𝟎,𝟗𝟔
𝟑!
𝟑!
𝒇 𝝅 = 𝝅 — 𝒔𝒊𝒏 𝝅 = 𝝅 ⇒ eroare mare de aproximare

14
 Aproximarea și interpolarea funcțiilor de o variabilă
 evaluarea aproximativă a unei funcții 𝒇 ∶ [𝒂, 𝒃] → ℝ ⇒ determinarea unei
funcții F, care să aproximeze funcția f în intervalul [a, b].
 în multe situații această funcție aproximativă se prezintă sub forma unui polinom
algebric:
𝑭𝒎 𝒙 = 𝒄𝟎 + 𝒄 𝟏 𝒙+ 𝒄𝟐𝒙𝟐 + ⋯ + 𝒄𝒎𝒙𝒎 (7)
 Pentru determinarea funcției 𝑭𝒎 𝒙 trebuie cunoscuți coeficienții 𝒄𝟎 , 𝒄𝟏 , … , 𝒄𝒎 .
In
scopul determinării acestor coeficienți spațiul liniar 𝑴 =𝒇:{𝒇 𝒂, 𝒃→ ℝ se
organizează ca un spațiu metric, putând defini o funcție d, care să măsoare
distanța dintre două funcții f și F din M prin:
𝒅𝒇, 𝑭 = ∑𝒏𝒊=𝟎 𝒇 𝒙𝒌 — 𝑭 𝒙𝒌 𝟐 (8)
𝒙𝟎 , 𝒙𝟏 , … , 𝒙𝒏 fiind n+1 puncte cunoscute din intervalul [a, b].
 Criteriul de determinare a coeficienților 𝒄𝟎 , 𝒄𝟏 , … , 𝒄𝒎 este ca distanța dintre f și F
să fie minimă ⇒ metoda celor mai mici pătrate.
 distanța definită de relația (8) în care 𝑭(𝒙) se înlocuiește cu 𝒙 dată de (7), în cazul
𝑭𝒎
𝒎 = 𝒏, și impunând condiția de minim, se ajunge la
relațiile: 𝒙𝒌
 𝒇 = 𝑭𝒏
𝒙𝒌 , 𝒌 = 𝟎, 𝟏, … , 𝒏 (9)
 aproximare prin interpolare, iar polinomul 𝒙 , care satisface condiția
generalizat 𝑭𝒏
(9) se numește polinom de interpolare.
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea grafică și liniară

Figura 1. Interpolarea liniară

∆AED~∆ACB ⇒
𝑫𝑬 𝑨 (10)
𝑩𝑪
= �
�
�
�
𝑭𝒙
𝒙 –𝒇(𝒙
–𝒙 𝟏)
=
𝟏
(11)
𝒇 𝒙𝟐–𝒇(𝒙 ) 𝒙 –𝒙
𝟏 𝟐 𝟏
𝑭𝒙 = 𝒇 𝒇 𝒙𝟐 (𝒙 — 𝒙𝟏 ) (12) 15
𝒙𝟏 +
–𝒇 𝒙𝟏
𝒙𝟐–
𝒙𝟏
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială
 metodă mai precisă de interpolare - interpolarea polinomială a
funcțiilor
 valorile funcției sunt cunoscute în n puncte
 se pune problema determinării unui polinom de gradul n+1
care să treacă prin cele n puncte (polinom de interpolare)
 polinomul F(x) de grad cel mult n−1 poate aproxima
funcția f(x) în intervalul [a,b] dacă o anumită măsură
(distanță) a derivatelor polinomului față de funcție pe acest
interval sunt destul de mici

16
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - Polinomul de interpolare de tip
Lagrange

Figura 2. Interpolarea polinomială Lagrange

Fie f(x) o funcție definită pe [a, b]. Intervalul [a, b] fiind divizat in n−1
subintervale, se presupun cunoscute valorile 𝒇𝒌 = 𝒇𝒙𝒌 , 𝒌 = 𝟏,
17
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - Polinomul de interpolare de tip
𝟐,Lagrange
. . . , 𝒏.

18
Aproximarea funcției f(x) în orice punct 𝒙 ∈ [𝒂, 𝒃] poate fi
realizată prin polinomul de interpolare Lagrange de gradul
n−1:
𝒏
� 𝒙 = 𝒌= 𝒘𝒌 𝒇𝒌 (13)
�∑ 𝟏
în care 𝒘𝒌 sunt coeficienții Lagrange, dați de relația:

𝒘�
=
𝒙–𝒙𝟏 𝒙–𝒙𝟐 … 𝒙–𝒙𝒌 (14)
—𝟏 𝒙–𝒙𝒌+𝟏 …(𝒙–𝒙𝒏 )
𝒙𝒌–𝒙𝟏 𝒙𝒌–𝒙𝟐 …
𝒙𝒌–𝒙𝒌—𝟏 𝒙𝒌–𝒙𝒌+𝟏 …
𝒙𝒌–𝒙𝒏
Considerand polinomul 𝝎 definit prin:
𝒙–𝒙𝒌 𝝎u(𝒙𝒌)
𝝎(𝒙) 𝒙 — 𝒙𝟏 𝒙 — 𝒙𝟐
=
se observă că 𝒘𝒌 se poate exprima prin
relația:

�
𝒘𝝎(𝒙)=
… (𝒙 — 𝒙𝒏) (15)

(16)
iar formula de interpolare Lagrange (13) se poate scrie și sub altă formă:

� 𝒏 𝝎(𝒙)
� 𝒙 = 𝒌= 𝒘𝒌 𝒇𝒌 𝒇 (17)
𝒙–𝒙𝒌
∑ 𝟏 =
unde 𝝎 u
𝒙𝒌 = 𝒙𝒌 — 𝒙𝟏 𝒙𝒌 — 𝒙𝒌𝒌–𝟏 𝝎u(𝒙
𝒙𝒌 —𝒌𝒙)𝒌+𝟏 𝒙𝒌 — 𝒙𝒏 .
∑𝒏 𝒌=
…

𝒙𝒌 — 𝒙𝟐 …
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - 2 cazuri particulare ale polinomului
Lagrange n = 2 ⇒ polinomul Lagrange de gradul 1 (interpolare liniară):
𝑭 𝒙= 𝒘𝟏𝒇𝟏 + 𝒘𝟐𝒇𝟐 (18)
𝒘𝟏 = 𝒙–𝒙𝟐 = 𝒙–𝒉 = — 𝒙 + 𝟏 = 𝟏 — 𝒔 (19)
𝒙𝟏–𝒙𝟐 –𝒉 𝒉
𝒘𝟐 = 𝒙–𝒙𝟏 =𝒙= 𝒔 (20)
𝒙𝟐–𝒙𝟏𝒉

Figura 3. Interpolarea polinomială liniară

19
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - 2 cazuri particulare ale polinomului
Lagrange n = 3 ⇒ interpolare pătratică: 𝒙 = 𝒘𝟏𝒇𝟏 + 𝒘𝟐𝒇𝟐 +
𝑭 𝒘𝟑𝒇𝟑 (21)

𝒘
� = 𝟐)
(𝒙–𝒙
= (𝒙–𝟎,𝟓𝒉)(𝒙–𝒉) = 𝟐(𝒔 — 𝟎, 𝟓)(𝒔 — 𝟏)
(𝒙–𝒙
� 𝟑) (22)
(𝒙𝟏–𝒙𝟐)(𝒙𝟏–𝒙𝟑) –𝟎,𝟓 𝒉 (–𝒉)

(𝒙–𝒙𝟏)(𝒙–𝒙𝟑)
𝒘 =�
(𝒙 𝟐–𝒙𝟏)(𝒙𝟐–𝒙𝟑) =
𝒙 (𝒙– = —𝟒𝒔 (𝒔 — 𝟏)
𝒉)
� 𝟎,𝟓 𝒉 (23)
(–𝟎,𝟓 𝒉)

(𝒙–𝒙𝟏)(𝒙–𝒙𝟐) 𝒙 (𝒙– = 𝟐𝒔 (𝒔 — 𝟎, 𝟓)
𝒘 =� =
(𝒙𝟑–𝒙𝟏)(𝒙𝟑–𝒙𝟐) 𝟎,𝟓 𝒉)
� 𝒉 (24)
𝟎,𝟓
𝒉

20
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - 2 cazuri particulare ale polinomului
Lagrange

Figura 4. Interpolarea polinomială pătratică

21
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea pătratică- exemplu
Utilizând punctele 𝒙𝟏 = 𝟐, 𝒙𝟐 = 𝟐, 𝟓 , 𝒙𝟑 = 𝟒, să se determine polinomul de
interpolare de
𝟑
grad 2 pentru 𝒙 și să se aproximeze =𝟏 .
𝒇 =
𝟏 𝟑
𝒙 𝒇

Soluție:
𝑭𝒙 = 𝒘𝟏𝒇𝟏 + 𝒘𝟐𝒇𝟐 + 𝒘𝟑𝒇𝟑

�
(𝒙 — 𝒙𝟐)(𝒙 (𝒙 — 𝟐, 𝟓)(𝒙 = 𝒙𝟐 — 𝟔, 𝟓 𝒙 + 𝟏𝟎
� = — 𝒙𝟑) (𝒙𝟏 =
— 𝟒)
𝟏 —𝒙𝟐)(𝒙𝟏 — (𝟐 — 𝟐, 𝟓)(𝟐
𝒙𝟑) — 𝟒) = —𝟏, 𝟑𝟑𝟑𝒙 𝟐
+ 𝟖𝒙 — 𝟏𝟎,
𝟔𝟔𝟕
�
� (𝒙 — 𝒙𝟏)(𝒙 (𝒙 — 𝟐)(𝒙
—
= 𝒙𝟑) —
= 𝟒)
𝟐
(𝒙𝟐—𝒙𝟏)(𝒙𝟐 (𝟐, 𝟓 — 𝟐)(𝟐, 𝟓 — 𝟒)
— 𝒙𝟑)
(𝒙 — 𝒙𝟏)(𝒙 — (𝒙 — 𝟐)(𝒙 —
� = 𝒙𝟐) (𝒙𝟑—𝒙𝟏) = = 𝟎, 𝟑𝟑𝟑 𝒙𝟐 — 𝟏, 𝟓 𝒙 + 𝟏,
𝟐, 𝟓)
� (𝒙𝟑 — 𝒙𝟐) (𝟒 — 𝟐)(𝟒 — 𝟔𝟔𝟕
𝟑 𝟐, 𝟓)

𝑭 𝒙 = 𝒘𝟏𝒇𝟏 + 𝒘𝟐𝒇𝟐 + 𝒘𝟑𝒇𝟑 =

 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea pătratică- exemplu
= 𝟏 (𝒙𝟐 — 𝟔, 𝟓 𝒙 + 𝟏𝟎 )+ 𝟏
(—𝟏, 𝟑𝟑𝟑𝒙 + 𝟖𝒙 — 𝟏𝟎, 𝟔𝟔𝟕)+ 𝟏
𝟐

𝟐 𝟐,𝟓 𝟒 𝟎, 𝟑𝟑𝟑 𝒙𝟐 — 𝟏, 𝟓 𝒙 + 𝟏, 𝟔𝟔𝟕

= 𝟎, 𝟎𝟓 𝒙𝟐 — 𝟎, 𝟒𝟐𝟓 𝒙 + 𝟏, 𝟏𝟓
𝟏
𝒇𝟑 = 𝟑
= 𝑭= 𝟎, 𝟎𝟓 · 𝟗 — 𝟎, 𝟒𝟐𝟓 · 𝟑 + 𝟏, 𝟏𝟓 = 𝟎, 𝟑𝟐𝟓 21
𝟑
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - exemplu
 𝑰 ⊂ ℝ - interval fixat
 𝒙𝟎 € 𝒙𝟏 € … € 𝒙𝒑 puncte din I (noduri de interpolare)
 𝒇: 𝑰 → ℝ o funcție definită pe I, ale cărei valori sunt cunoscute numai
în punctele 𝒙𝒊 , adică 𝒚𝒊 = 𝒇(𝒙𝒊) unde 𝟎 ≤ 𝒊 ≤ 𝒑
 Exemplu: I poate reprezenta un interval de timp, 𝒙𝒊 anumite momente de
timp fixate din acest interval, iar f o mărime fizică, ale cărei valori la
momentele 𝒙𝒊 𝒙𝒊
sunt cunoscute și sunt 𝒇 ).
 Orice funcție 𝑭: 𝑰 → ℝ, astfel încât 𝑭(𝒙𝒊 ) = 𝒚𝒊 , 𝟎 ≤ 𝒊 ≤ 𝒑 se numește
funcție de interpolare asociată tabelei de 𝒑 + 𝟏 valori:
𝒙𝟎 𝒙𝟏 ... 𝒙𝒑
𝒚𝟎 𝒚𝟏 ... 𝒚𝒑
 În mod evident, o astfel de funcție nu este unică
 Graficul acesteia trece prin punctele de coordonate (𝒙𝒊 , 𝒚𝒊 ), 𝟎 ≤ 𝒊 ≤ 𝒑.
 În cazul interpolării liniare, graficul lui 𝑭 este o linie poligonală cu
vârfurile (𝒙𝒊 , 𝒚𝒊 ), 𝟎 ≤ 𝒊 ≤ 𝒑.
 O altă funcție de interpolare asociată tabelei de valori de mai sus este polinomul
22
 2. METODE NUMERICE DE ANALIZĂ MATEMATICĂ
APLICABILE ÎN ȘTIINȚA ȘI INGINERIA MATERIALELOR
Interpolarea polinomială - exemplu
de interpolare Lagrange.

23
În acest caz: 𝒑 = 𝟑 𝒙𝟎 = 𝟎, 𝒙𝟏 = 𝟏, 𝒙𝟐 = 𝟐, 𝒙𝟑 = 𝟒
𝒚𝟎 = 𝟏, 𝒚𝟏 = 𝟎, 𝒚𝟐 = 𝟎, 𝒚𝟑 = —𝟑
𝑷(𝒙) = 𝒘𝟎𝒚𝟎 + 𝒘𝟏𝒚𝟏 + 𝒘𝟐𝒚𝟐 + 𝒘𝟑𝒚𝟑 , unde

�
(𝒙–𝒙𝟏)(𝒙–𝒙𝟐) 𝒙𝟑–𝟕𝒙𝟐+𝟏𝟒𝒙–𝟖
�= (𝒙–𝒙 ) (𝒙 –𝒙 ) =
(𝒙–𝟏)(𝒙–𝟐)
= 𝟖
𝟑 𝟎 𝟏 (𝒙–𝟒)
𝟎 (𝒙𝟎–𝒙𝟐)(𝒙𝟎–𝒙𝟑) (–𝟏)(–𝟐)(–
𝟒)
(𝒙–𝒙𝟎) 𝒙(𝒙–𝟐)(𝒙–𝟒)
𝒘 = 𝟐)(𝒙–𝒙𝟑)
� (𝒙–𝒙
= 𝟑
� (𝒙𝟏–𝒙𝟎)(𝒙𝟏–𝒙𝟐)
(𝒙𝟏–𝒙𝟑)

� 𝒙(𝒙–𝟏)(𝒙–𝟒)
𝒘
�
= — 𝟒

�= 𝒙(𝒙–𝟏)(𝒙–𝟐)
𝒘 � 𝟐𝟒
În consecință,
𝑷 = 𝒘𝟎𝒙𝒚𝟎 + 𝒘𝟏𝒚𝟏 + 𝒘𝟐𝒚𝟐 + 𝒘𝟑𝒚𝟑 =
𝒙 𝒙–𝟏𝒙–𝟐
= 𝒙(𝒙–𝟐)(𝒙–𝟒)
𝒙𝟑–𝟕𝒙𝟐+𝟏𝟒𝒙– 𝟏 + 𝟎 𝟎 𝟐
(—𝟑)=
𝒙 𝒙–𝟏𝒙–𝟒
𝟖 + + 𝟒
𝟑
𝟒
𝒙𝟑–𝟕𝒙𝟐+𝟏𝟒𝒙–𝟖 𝒙 = — ( 𝒙𝟑 — 𝟓𝒙𝟐 + 𝟖𝒙 —
=
𝒙–𝟏 —𝒙– 𝟏
𝟒)
𝟖 𝟖 𝟒
Vă mulțumesc!

24