Documente Academic
Documente Profesional
Documente Cultură
Cuprinsul cursului:
- Fiecare lab trebuie predat ı̂n saptămâna ı̂n curs sau ı̂n următoarea. Fiecare ı̂ntârziere
se penalizează cu un punct/săptămână .
1.1. Preliminarii
|∆x| |x∗−x̃|
Valoarea δx = |x∗| = |x∗ | , x∗ 6= 0 se numeşte eroarea relativă de
aproximare. Eroarea relativă este o proporţie, care se poate exprima
şi ca procent prin multiplicarea erorii relative cu 100%. (Valoarea
100% · δx se numeşte eroarea procentuală de aproximare.)
2) (α + β)f = αf + βf ;
3) α(f + g) = αf + βg;
4) α(βf ) = (αβ)f ;
5) 1f = f ; ∀α, β ∈ K; f, g ∈ V.
3) p(v) = 0 =⇒ v = 0
atunci p se numeşte normă şi V se numeşte spaţiu liniar normat.
P ◦ P = P, (sau pe scurt, P 2 = P ),
adică operatorul P este liniar şi idempotent.
P1 ◦ P2 = P2 ◦ P1
atunci P1 şi P2 sunt proiectori comutativi.
Diferenţe finite
Definiţia 18 Pentru f ∈ F ,
(△hf )(ai ) = f (ai+1) − f (ai ), i<m
se numeşte diferenţa finită de ordinul ı̂ntâi a funcţiei f, cu pasul h,
ı̂n punctul ai.
a f △hf △2
hf ... △m−1
h f △m
hf
a0 f0 △hf0 △2
h f0 ... △m−1
h f0 △m
h f0
a1 f1 △hf1 △2
h f1 ... △m−1
h f1
...
am−3 fm−3 △hfm−3 △2
h fm−3
am−2 fm−2 △hfm−2 △2
h fm−2
am−1 fm−1 △hfm−1
am fm
unde
△khfi = △k−1
h fi+1 − △k−1
h fi , k = 1, ..., m; i = 0, 1, ..., m − k.
Sol.:
△2 3f △4f
a f △ f f △
h h h h
1 0 2 2 2 −11
1.25 2 4 4
−9
1.50 6 8 −5
1.75 14 3
2 17
Diferenţe divizate
Demonstraţia.
(αf + βg)(xr+1) − (αf + βg)(xr)
(D(αf + βg))(xr ) = (4)
xr+1 − xr
= α(Df )(xr ) + β(Dg)(xr ), cu α, β ∈ R.
Definiţia 25 Pentru r, k ∈ N, 0 ≤ r < m şi 1 ≤ k ≤ m − r, m ∈ N∗,
(D k−1f )(x ) − (D k−1f )(x )
r+1 r
(D k f )(xr ) = , cu D 0 = 1, D 1 = D, (5)
xr+k − xr
se numeşte diferenţă divizată de ordinul k a funcţiei f, ı̂n xr .
h i
(D k f )(xr ) se notează şi cu xr , ..., xr+k ; f . Relaţia (5) se poate scrie
şi ı̂n felul următor
h i h i
h i xr+1, ..., xr+k ; f − xr , ..., xr+k−1; f
xr , ..., xr+k ; f = . (6)
xr+k − xr
x f Df D 2f ... D m−1f D mf
x0 f0 Df0 D 2f0 ... D m−1f0 D mf0
x1 f1 Df1 D 2f1 D m−1f1
x2 f2 Df2 D 2f2
... ... ...
xm−2 fm−2 Dfm−2 D 2fm−2
xm−1 fm−1 Dfm−1
xm fm
cu fi = f (xi ), i = 0, 1, ..., m.
Exemplul 28 Pentru x0 = 0, x1 = 1, x2 = 2, x3 = 4 şi f0 = 3, f1 = 4,
f2 = 7, f3 = 19 formaţi tabelul diferenţelor divizate.
x f Df D 2f D 3f
0 3 1 1 0
1 4 3 1
2 7 6
4 19
Interpolarea este ştiinţa ”de a citi printre rândurile unui tabel matem-
atic” (E. Whittaker, G. Robinson)
Aplicaţii:
2.5
Population
1.5
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000
Year
Preziceri de acest tip se obţin folosind o funcţie care trece prin punctele
date. Acest procedeu se numeşte interpolare.
Exemplul 31 a) Temperatura aerului ı̂n timpul unei zile:
t 8am 9am 11am 1pm 5pm
T in ◦C 12.1 13.6 15.9 18.5 16.1
Ce temperatură a fost la ora 10am?
Una dintre cele mai utile clase de funcţii de interpolare sunt polinoamele
algebrice.
Importante pt. că:
Teorema 33 (Teorema lui Taylor) Fie f ∈ C n[a, b], pentru care există
f (n+1) pe [a, b] şi fie x0 ∈ [a, b]. Pentru fiecare x ∈ [a, b] există un număr
ξ ı̂ntre x0 şi x astfel ı̂ncât
20
15
10
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3
Se observă că şi pentru polinoamele de grad mare eroarea devine pro-
gresiv mai mare când ne ı̂ndepartăm de x0 = 0.
n 0 1 2 3 4 5 6 7
Pn(3) 1 −1 3 −5 11 −21 43 −85
CURS 2
2.5
Population
1.5
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000
Year
Fie [a, b] ⊂ R, xi ∈ [a, b], i = 0, 1, ..., m astfel astfel ı̂ncât xi 6= xj pentru
i 6= j şi considerăm f : [a, b] → R.
Cum ştim că polinomul de interpoalre obtinut ı̂n (2) şi polinomul con-
struit ı̂n (3) reprezintă acelaşi polinom?
Demonstraţia. Avem
m
X m
X
Lm(αf + βg)(x) = ℓi(x)(αf + βg)(xi) = [ℓi(x)αf (xi ) + ℓi(x)βg(xi)]
i=0 i=0
= α(Lmf )(x) + β(Lm g)(x),
deci
b) Avem m = 2 şi
f = Lmf + Rmf,
unde Rmf notează termenul rest.
Teorema 11 Fie α = min{x, x0, ..., xm} şi β = max{x, x0, ..., xm}. Dacă
f ∈ C m[α, β] şi f (m) este derivabilă pe (α, β) atunci ∀x ∈ (α, β), există
ξ ∈ (α, β) astfel ı̂ncât
u(x)
(R mf )(x) = f (m+1) (ξ). (8)
(m + 1)!
Demonstraţia. Consider
u(z)
(Rmf )(z)
F (z) = .
u(x) (Rmf )(x)
From hypothesis it follows that F ∈ C m[α, β] and there exists F (m+1) on
(α, β).
We have
F (x) = 0, F (xi) = 0, i = 0, 1, ..., m,
as
m
Q
u(xi) = (xi − xj ) = 0
j=0
and
(Rmf )(xi ) = f (xi ) − (Lmf )(xi ) = f (xi ) − f (xi) = 0,
so F has m + 2 distinct zeros in (α, β). Applying successively the Rolle
theorem it follows that: F has m + 2 zeros in (α, β) ⇒ F ′ has at least
m + 1 zeros in (α, β) ⇒ ... ⇒ F (m+1) has at least one zero in (α, β)
with
m
Y
u(z) = (z − zi) ⇒ u(m+1)(z) = (m + 1)!,
i=0
and
Dacă avem suficiente informaţii despre f şi derivatele ei, folosim inegali-
tatea |(Rmf )(x)| ≤ ε pentru a găsi m astfel incât (Lmf )(α) aproximează
f (α) cu precizia dată.
|u(x)|
(m+1)
Se poate folosi condiţia (m+1)!
f ≤ ε, dar trebuie să ştim
∞
(m+1)
f sau un majorant al ei.
∞
O metodă practică de calcul a polinomului Lagrange este algoritmul
lui Aitken. Acesta constă ı̂n generarea tabelului:
x0 f00
x1 f10 f11
x2 f20 f21 f22
x3 f30 f31 f32 f33
... ... ... ... ...
xm fm0 fm1 fm2 fm3 ... fmm
cu
fi0 = f (xi), i = 0, 1, ..., m,
şi
1 f
jj xj − x
fi,j+1 = , i = 0, 1, ..., m; j = 0, ..., i − 1.
xi − xj fij xi − x
De exemplu,
1 00 x0 − x
f
f11 =
x1 − x0 f10 x1 − x
1
= [f00(x1 − x) − f10(x0 − x)]
x1 − x0
x − x1 x − x0
= f (x0) + f (x1) = (L1f )(x),
x0 − x1 x1 − x0
deci f11 este valoarea ı̂n x a polinomului Lagrange pentru nodurile
x0, x1. Avem
fii = (Lif )(x),
Lif fiind polinomul Lagrange pentru nodurile x0, x1, ..., xi.
Adică f11, f22, ..., fii, ..., fmm este şirul aproximaţiilor lui f (x).
Recomandarea este să sortăm nodurile x0, x1, ..., xm ı̂n raport cu distanţa
la x, astfel ı̂ncât
|xi − x| ≤ xj − x dacă i < j, i, j = 1, ..., m.
√
Exemplul 1 Aproximaţi 115 cu precizia ε = 10−3, folosind algoritmul
lui Aitken.
Polinomul de interpolare Newton
f Df ... Dm+1f
x f (x) (Df )(x) = [x, x0 ; f ] [x, x0, ..., xm; f ]
x0 f (x0) (Df )(x0 ) = [x0 , x1 ; f ] ...
x1 f (x1) (Df )(x1 ) = [x1 , x2 ; f ]
... ... ...
xm−1 f (xm−1) (Df )(xm−1 ) = [xm−1 , xm ; f ]
xm f (xm)
Pentru obţinerea polinomului de interpolare considerăm
f (x0) − f (x)
[x, x0; f ] = =⇒ f (x) = f (x0) + (x − x0)[x, x0; f ] (2)
x0 − x
[x , x ; f ] − [x, x0; f ]
[x, x0, x1; f ] = 0 1 (3)
x1 − x
=⇒ [x, x0; f ] = [x0, x1; f ] + (x − x1)[x, x0, x1; f ].
Inserând (3) ı̂n (2) se obţine
f (x) = f (x0) + (x − x0)[x0, x1; f ] + (x − x0)(x − x1)[x, x0, x1; f ].
Dacă continuăm cu eliminarea diferenţelor divizate relative la x ı̂n
acelaşi mod, se obţine
f (x) = (Nmf )(x) + (Rmf )(x)
cu
m
X
(Nmf )(x) = f (x0) + (x − x0)...(x − xi−1)[x0, ..., xi; f ]
i=1
şi restul (eroarea) dat prin
(Rmf )(x) = (x − x0)...(x − xm)[x, x0, ..., xm; f ]. (4)
Formula de interpolare Newton este
f = Nmf + Rmf,
unde Rmf este restul (4).
Remarcăm că
Exemplu Considerăm x0 = 1, x1 = 2, x2 = 3, x3 = 4, x4 = 6 s, i
f (x) = ex. Determinat, i P1,2,4(x) s, i utilizat, i-l pentru a determina f (5).
(x − x2 )(x − x4 ) (x − x1 )(x − x4 ) (x − x1 )(x − x2 )
P1,2,4 (x) = f (x1 ) + f (x2 ) + f (x4 )
(x1 − x2 )(x1 − x4 ) (x2 − x1 )(x2 − x4 ) (x4 − x1 )(x4 − x1 )
(x − 3)(x − 6) (x − 2)(x − 6) (x − 2)(x − 3)
= f (2) + f (3) + f (6)
(2 − 3)(2 − 6) (3 − 2)(3 − 6) (6 − 2)(6 − 3)
Deci, f (5) ≈ P1,2,4(5), mai exact
(5 − 3)(5 − 6) 2 (5 − 2)(5 − 6) 3 (5 − 2)(5 − 3) 6
P1,2,4 (5) = e + e + e
(2 − 3)(2 − 6) (3 − 2)(3 − 6) (6 − 2)(6 − 3)
= −0.5e2 + e3 + 0.5e6 ≈ 218.105.
Teoremă Fie f o funct, ie pentru care cunoaştem f (x0), f (x1), . . . , f (xn)
s, i fie xi s, i xj două noduri distincte din mult, imea {x0, · · · , xk }. Atunci
(x − xj )P0,1,...,j−1,j+1,...,k (x) − (x − xi)P0,1,...,i−1,i+1,...,k (x)
P (x) =
xi − xj
este polinomul Lagrange de grad k care aproximează funcţia f ı̂n cele
k + 1 noduri x0, x1, . . . , xk .
x0 P0
x1 P1 P0,1
x2 P2 P1,2 P0,1,2
x3 P3 P2,3 P1,2,3 P0,1,2,3
x4 P4 P3,4 P2,3,4 P1,2,3,4 P0,1,2,3,4
···
x0 P0 = Q0,0
x1 P1 = Q1,0 P0,1 = Q1,1
x2 P2 = Q2,0 P1,2 = Q2,1 P0,1,2 = Q2,2
x3 P3 = Q3,0 P2,3 = Q3,1 P1,2,3 = Q3,2 P0,1,2,3 = Q3,3
x4 P4 = Q4,0 P3,4 = Q4,1 P2,3,4 = Q4,2 P1,2,3,4 = Q4,3 P0,1,2,3,4 = Q4,4
···
for i = 1, 2, . . . , n
for j = 1, 2, . . . , i
(xi −x)Qi−1,j−1 +(x−xi−j )Qi,j−1
Qi,j = xi −xi−j .
afişează Q
x 2 2.2 2.3
ln x 0.6931 0.7885 0.8329
2. 3. Interpolare Hermite
Sol. Avem x0 = 0, x1 = 1, m = 1, r0 = 1, r1 = 0, n = m + r0 + r1 = 2
rk
1 X
hkj (x)f (j)(xk )
X
(H2f )(x) =
k=0 j=0
= h00(x)f (0) + h01(x)f 0(0) + h10(x)f (1).
Polinoamele fundamentale h00, h01, h10 ı̂ndeplinesc condiţiile:
(p)
hkj (xν ) = 0, ν 6= k, p = 0, 1, ..., rν
(p)
hkj (xk ) = δjp, p = 0, 1, ..., rk , j = 0, 1, ..., rk şi ν, k = 0, 1, ..., m.
Avem h00(x) = a1x2 + b1x + c1 ∈ P2, cu a1, b1, c1 ∈ R, şi sistemul
h00(x0) = 1
h00(0) = 1
h000(x0) = 0 ⇔ h000(0) = 0
h (x ) = 0
h (1) = 0
00 1 00
care devine
c1 = 1
b1 = 0
a + b + c = 0.
1 1 1
Solutia este: a1 = −1, b1 = 0, c1 = 1, deci h00(x) = −x2 + 1.
Demonstraţia. Considerăm
u(z) (Rnf )(z)
F (z) = .
u(x) (Rnf )(x)
F ∈ C n[α, β] şi există F (n+1) pe (α, β).
Avem
F (x) = 0, F (j)(xk ) = 0, k = 0, ..., m; j = 0, ..., rk ;
pentru că
m
(x − xk )rk +1 ⇒ u(j)(xk ) = 0, j = 0, ..., rk
Y
u(x) =
k=0
şi
Deci, F şi derivativatele sale au n+2 zerouri distincte ı̂n (α, β). Aplicând
succesiv teorema lui Rolle, rezultă că F 0 are cel puţin n + 1 zerouri ı̂n
(α, β) ⇒ ... ⇒ F (n+1) are cel puţin un zero ξ ∈ (α, β), F (n+1)(ξ) = 0.
Avem
(n+1)
(n+1) u (z) (Rnf )(n+1)(z)
F (z) = ,
u(x) (Rnf )(x)
m
(z − zk )rk +1 ∈ Pn+1 ⇒ u(n+1)(z) = (n + 1)!, şi
Q
cu u(z) =
k=0
(Rnf )(n+1)(z) = f (n+1)(z) − (Hnf )(n+1)(z) = f (n+1)(z) (cum, Hnf ∈
Pn). Obţinem
(n + 1)! f (n+1)(ξ)
F (n+1) (ξ) = = 0,
u(x) (Rnf )(x)
şi valorile f (x0), f (x1), ..., f (xm), f 0(x0), f 0(x1), ..., f 0(xm).
H2m+1(xi) = f (xi), i = 0, m,
0
H2m+1 (xi) = f 0(xi), i = 0, m.
Este un polinom de grad n = 2m + 1.
Sol. Avem m = 1, r0 = r1 = 1 ⇒ n = 3
f (1)−f (−1)
−f 0 (−1) 0−(−4)
z0 = −1 f (−1) = −3 f 0 (−1) = 10 2
z2 −z0
= −4 z3 −z0
=2
f (1)−f (−1) f 0 (1)− f (1)−f (−1)
z1 = −1 f (−1) = −3 z2 −z1
= 2 z3 −z1
2
=0
z2 = 1 f (1) = 1 0
f (1) = 2
z3 = 1 f (1) = 1
f = Bnf + Rnf,
unde Rnf notează termenul rest.
y f(x)
Isaac Jacob Schoenberg To determine the appropriate Hermite cubic polynomial on a given interval is simply
(1903–1990) developed his work a matter of computing H3(x) for that interval. The Lagrange interpolating polynomials
on splines during World War II needed to determine H3 are of first degree, so this can be accomplished without great
while on leave from the difficulty. However, to use Hermite piecewise polynomials for general interpolation, we
Fie f : [a, b] → R funcţia care se aproximează.
• interpolarea liniară ce constă ı̂n unirea punctelor {(x0, f (x0)), (x1, f (x1)
..., (xn, f (xn))} prin linii drepte
• interpolarea spline
Definiţia 6 Metoda de aproximare pe porţiuni care foloseşte polinoame
cubice ı̂ntre perechile succesive de noduri se numeşte interpolare
spline cubică.
(The word “spline” was used to refer to a long flexible strip, generally of metal, that
could be used to draw continuous smooth curves by forcing the strip to pass through
specified points and tracing along the curve.)
(a) S(x) este polinom cubic, notat Sj (x), pe subintervalul [xj , xj+1],
∀j = 0, 1, ..., n − 1.
′′ ′′
(c) Sj+1(xj+1) = Sj (xj+1) f or each j = 0, 1, ..., n − 2;
′
(ii) S (x0) = f ′(x0) şi S ′(xn) = f ′(xn) (spline complete (limitate)
(clamped spline));
′′
(iii) S (x0) = f ′′(x0) şi S ′′(xn) = f ′′(xn) (spline cubice cu derivate
secunde);
Figure 3.14
Figure 3.13 f (x)
f (x)
4
4
Using Algorithm 3 3.4 to generate the natural cubic spline for this data produces the coeffi-
3
cients shown in 2Table 3.19. This spline curve is nearly identical to the profile, as shown in
2 Figure 3.13.
Table 3.18 1
1
x 0.9 1.3 1.9 2.1 2.6 3.0 3.9 4.4 4.7 5.0 6.0 7.0 8.0 9.2 10.5 11.3 11.6 12.0 12.6 13.0 13.3 1 2 3 4 5 6 7 8 9 10 11 12 x
1 2 3 4 5 6 7 8 9 x Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated,
10 11 12 13Copyright 2010 in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
f (x) 1.3 1.5 1.85 2.1 2.6 2.7 2.4 2.15 2.05 2.1 2.25 2.3 2.25 1.95 1.4 0.9 0.7Editorial0.6review0.5
has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
0.4 0.25
Figure 3.12
f (x)
4
3
To use a clamped spline to approximate this curve we would need derivative approxima-
1) Raţa ı̂n zbor. 2) Punctele. 3) Spline-ul natural cubic.
2
For comparison purposes, Figure 3.14 gives an illustration of the curve that is generated using
a Lagrange interpolating polynomial to fit the data given in Table 3.18. The interpolating
1
tions for the endpoints. Even if these approximations were available, we could expect little
improvement because of the close agreement of the natural cubic spline to the curve of the
polynomial in this case is of degree 20 and oscillates wildly. It produces a very strange
4) Polinomul x de interpolare Lagrange.
illustration of the back of a duck, in flight or otherwise.
1 2 3 4 5 6 7 8 9 10 11 12 13
top profile.
opyright 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s). Constructing a cubic spline to approximate the lower profile of the ruddy duck would
ial review has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
be more difficult since the curve for this portion cannot be expressed as a function of x, and
Exemplul 13 Construiţi spline-ul natural cubic care trece prin punctele at certain points the curve does not appear to be smooth. These problems can be resolved
by using separate splines to represent various portions of the curve, but a more effective
approach to approximating curves of this type is considered in the next section.
(1, 2), (2, 3) şi (3, 5). The clamped boundary conditions are generally preferred when approximating func-
tions by cubic splines, so the derivative of the function must be known or approximated
at the endpoints of the interval. When the nodes are equally spaced near both end-
points, approximations can be obtained by any of the appropriate formulas given in
Sections 4.1 and 4.2. When the nodes are unequally spaced, the problem is considerably
more difficult.
To conclude this section, we list an error-bound formula for the cubic spline with
Using Algorithm 3.4 to generate the natural cubic spline for this data produces the coeffi- clamped boundary conditions. The proof of this result can be found in [Schul], pp. 57–58.
Sol. (Schiţa soluţiei) Urmărim Definiţia 7:
S(x) constă ı̂n două funcţii spline cubice, Sj (x) pe subintervalele [xj , xj+1],
∀j = 0, 1, adică,
(
S0(x), x ∈ [x0, x1]
S(x) =
S1(x), x ∈ [x1, x2]
date prin
Exemplul 14 Construiţi spline-ul limitat care trece prin punctele (1, 2),
(2, 3) şi (3, 5) şi pentru care avem S ′(1) = 2 şi S ′(3) = 2.
CURS 6
Prima expunere clară şi concisă a metodei celor mai mici pătrate a fost
publicată de A. M. Legendre in 1805. P. S. Laplace şi R. Adrain au
avut, de asemenea, contribuţii la această teorie.
- in cazul discret:
1/2
m
[f (xi) − ϕ (xi)]2
X
→ min,
i=0
- in cazul continuu:
Z b !1/2
[f (x) − ϕ (x)]2 dx → min,
a
55a + 15b = 37
15a + 5b = 10
şi ϕ(x) = 0.7x − 0.1.
Considerăm o problemă mai generală pentru datele din tabel
x x0 x1 ... xm
f (x) y0 y1 ... ym
şi aproximanta liniară ϕ(x) = ax + b. Trebuie să găsim a şi b.
Minimizăm suma
m m
[f (xi) − ϕ (xi)]2 = [f (xi) − (axi + b)]2 .
X X
E(a, b) = (1)
i=0 i=0
Minimul sumei se obţine din
m
∂E(a, b) X
=2 [f (xi) − (axi + b)] · (−xi) = 0
∂a i=0
m
∂E(a, b) X
=2 [f (xi) − (axi + b)] · (−1) = 0
∂b i=0
Acestea se numesc ecuaţii normale. Avem
m m m
x2
X X X
xif (xi) = a i +b xi
i=0 i=0 i=0
m
X m
X
f (xi) = a xi + (m + 1)b.
i=0 i=0
Soluţia este
m m m
xi f ( xi ) −
P P P
(m + 1) xi f ( xi )
i=0 i=0 i=0
a= m m (2)
(m + 1)
P 2
xi − (
P
xi ) 2
i=0 i=0
m
P 2 P m m m
f ( xi ) −
P P
xi xi f ( xi ) xi
b = i=0 i=0 m
i=0
m
i=0
.
x2
i −( xi ) 2
P P
(m + 1)
i=0 i=0
3
[f (xi) − (axi + b)] · xi = 0
P
i=0
3
[f (xi) − (axi + b)] = 0
P
i=0
Metoda celor mai mici pătrate polinomială. In numeroase rezultate
experimentale datele nu sunt liniare sau se pot estima mai bine printr-
un polinom. Presupunem că
Se obtine
m n m
∂E X j X X j+k
= −2 xi yi + 2 ak xi = 0
∂aj i=0 k=0 i=0
cu n + 1 necunoscute aj , j ∈ {0, 1, . . . , n} şi n + 1 ecuaţii
m n m
X j X X j+k
xi yi = ak xi , for each j ∈ {0, 1, . . . , n}. (5)
i=0 k=0 i=0
Avem sistemul
m m m m m
x0 x1 x2 xn x0
X X X X X
a0 i + a1 i + a2 i + · · · + an i = i yi ,
i=0 i=0 i=0 i=0 i=0
m m m m m
x1 x2 x3 xn+1 1y
X X X X X
a0 i + a1 i + a2 i + · · · + an i = x i i
i=0 i=0 i=0 i=0 i=0
...
m m m m m
n+1 n+2
xn 2n xn
X X X X X
a0 i + a1 xi + a2 xi + · · · + an xi = i yi
i=0 i=0 i=0 i=0 i=0
Cazul general. Soluţia problemei celor mai mici pătrate este
n
X
ϕ(x) = aigi(x),
i=1
unde {gi, i = 1, ..., n} este o bază a spaţiului şi coeficienţii ai se obţin
rezolvând ecuaţiile normale:
n
X
ai hgi, gk i = hf, gk i , k = 1, ..., n.
i=1
In cazul discret
m
X
hf, gi = w (xk ) f (xk ) g (xk )
k=0
şi ı̂n cazul continuu
Z b
hf, gi = w (x) f (x) g (x) ,
a
unde w este o funcţie pondere.
Exemplul 3 Pentru datele din tabel
x −3 −1 2
f (x) −4 −2 3
a) Găşiţi cea mai bună aproximantă liniară prin metoda celor mai mici
pătrate
# b
(x − b)2 (x − a)2
Z b "
f (x)dx = f (a) + f (b)
a 2(a − b) 2(b − a)
a
# b
f 00(ξ) x3 (a + b)x2
"
+ − + abx
2 3 2
a
Se obţine formula de cuadratură a trapezului
Z b
b−a
f (x)dx = [f (a) + f (b)] + R1(f )(x), (1)
a 2
cu restul (eroarea)
(b − a)3 00
R1(f )(x) = − f (ξ), ξ ∈ (a, b).
12
Această formulă se numeşte formula trapezului deoarece integrala se
aproximează prin aria unui trapez.
Observaţia 3 Eroarea din (1) implică f 00, deci formula dă rezultate
exacte când este aplicată funcţiilor a căror derivată secundă este zero
(polinoame de grad 1 sau 0). Deci gradul ei de exactitate este 1.
Exemplul 4 Aproximati integrala 13(2x + 1)dx cu formula trapezului.
R
Observaţia 6 Eroarea din (2) implică f (4), deci formula dă rezultate
exacte când este aplicată polinoamelor de grad ≤ 3. Deci gradul ei de
exactitate este 3.
Observaţia
( 7 Formulele de tip Newton-Cotes au gradul de exactitate
m, dacă m este număr impar
r= , unde m este gradul polino-
m + 1, dacă m este par
mului de interpolare corespunzător.
Sol. Avem
4h 0 2 4
i
I≈ e + 4e + e = 56.76.
6
Dacă aplicăm formula lui Simpson de două ori se obţine
Z 2 Z 4
2h 0 i 2h 2 i
I≈ exdx + x
e dx ≈ 2
e + 4e + e + 3 4
e + 4e + e = 53.86
0 2 6 6
iar dacă o aplicăm de 4 ori se obţine
3 Z i+1
exdx = 53.61,
X
I≈
i=0 i
de unde rezultă utilitatea formulelor repetate.
(Remark. The result is the exact value of the integral because f (x) = 2x + 1 is a
linear function and the degree of exactness of the trapezium’s formula is 1.)
Solutie. Avem
π 1 dx
Z
= arctg(1) = 2
,
4 0 1+x
1 . Se obtine
deci f (x) = 1+x 2
(1 − 0)3
|Rn(f )| ≤ 2
M2f.
12n
Avem
−2x
f 0(x) =
(1 + x2)2
00 6x2 − 2
f (x) =
(1 + x2)3
si
M2f = max |f 00(x)| = 2,
x∈[0,1]
deci
1 10 2
|Rn(f )| ≤ < 10 −2 ⇒ n2 > = 16.66 ⇒ n = 5.
6n2 6
Nodurile sunt x0 = 0, x1 = 1
5 , x 2 = 2 , x = 3 , x = 4 , x = 1 (h = 1 ).
5 3 5 4 5 5 5
Integrala va fi
Z b
1 1 2 3 4
f (x)dx ≈ f (0) + f (1) + 2 f ( ) + f ( ) + f ( ) + f ( ) = 0.7837.
a 10 5 5 5 5
COURSE 8
se obţine
3
h ih
X
QT2 (f ) = f (a) + 2 f a+ + f (b)
8 i=1 4
1 h h h h 3h
= f (a) + 2f a + + f (b) + f a+ +f a+
2 4 2 2 4 4
sau, altfel scris,
1 h 1 3
QT2 (f ) = QT0 (f ) + 2 f a + 2 h + f a + 2 h .
2 2 2 2
Continuând ı̂n acest mod, obţinem
k−1
1 h 2X 2j − 1
QTk (f ) = QTk−1 (f ) + k f a+ , k = 1, 2, ...
2 2 j=1 2k
Se generează astfel şirul
QT0 (f ), QT1 (f ), ..., QTk (f ), ..., (1)
care converge la valoarea I a integralei funcţiei f pe intervalul [a, b] .
ε.
a+b a+b
S (a, b) − S a, 2 − S 2 , b < 15ε, atunci (6)
a+b a+b
I − S a, 2 − S 2 , b < ε.
function I=adquad(f,a,b,er)
I1=Simpson(f,a,b)
a+b a+b
I2=Simpson(f,a, 2 )+Simpson(f, 2 ,b)
if |I1-I2|<15*er
I=I2
return
else
a+b a+b er
I=adquad(f,a, 2 , er
2 )+adquad(f, 2 ,b, 2 )
end
Cum numărul necunoscutelor este 2m, sunt necesare tot atâtea condiţii
pentru determinarea efectivă a lor. Alegem aceste condiţii astfel ı̂ncât
formula (7) să fie exactă pentru orice polinom de gradul 2m − 1, adică
Rm(ek ) = 0, k = 0, ..., 2m − 1.
Rb Rb
Deseori este posibil să rescriem integrala a g(x)dx ca a w(x)f (x)dx,
g(x)
unde w(x) este o functie inegrabila nenegative, şi f (x) = w(x) este
netedă, sau este posibil să alegem w(x) = 1.
Avem
(b − a)3
|Rn(f )| ≤ 2
M2f, cu M2f = max |f 00(x)|.
24n x∈[a,b]
Soluţie. Avem
Z b n
b−a X
f (x)dx = f (xi) + Rn(f ),
a n i=1
(b − a)3 00
Rn(f ) = 2
f (ξ), ξ ∈ [a, b].
24n
Z 2
dx
ln 2 = ,
1 x
deci f (x) = 1
x şi se obţine
n
b−a b−a X b−a b − a (b − a)3 00
ln 2 = f (a + )+ f (a + + (i − 1) ) + 2
f (ξ)
n 2n i=2 2n n 24n
m nodurile coeficientii
2 0.577 1
−0.577 1
3 0.774 0.555
0 0.888
−0.774 0.555
3.
Sol.
Z 1
ex cos xdx ' 0.55e0.77 cos 0.77 + 0.88 cos 0 + 0.55e−0.77 cos(−0.77)
−1
= 1.9333904
(Valoarea exacta este 1.9334214.) Eroarea absolută este <3.2 · 10−5.
R3 6
Exemplul 9 Consider the integral 1 (x −x2 sin(2x))dx = 317.3442466.
Exemplul 1 Dacă se cunosc valorile f 0(a) şi f (b), care este formula de
cuadratură corespunzătoare?
Real-World Application:
1. Price of Fruits: Peter buys two apples and three bananas for $4.
Nadia buys four apples and six bananas for $8 from the same store.
How much does one banana and one apple costs?
2. A baker sells plain cakes for $7 and decorated cakes for $11. On a
busy Saturday the baker started with 120 cakes, and sold all but three.
His takings for the day were $991. How many plain cakes did he sell
that day, and how many were decorated before they were sold?
3. Twice John’s age plus five times Claire’s age is 204. Nine times
John’s age minus three times Claire’s age is also 204. How old are
John and Claire?
4. Assume an electric network consisting of two voltage sources and
three resistors. Applying Kirchhoff’s laws it is determined the current
going through each resistor.
Sistemul este bine condiţionat dacă cond (A) este mic (<1000) sau
rău condiţionat dacă cond (A) este mare.
Perturbăm b:
10 7 8 7 x1 + δx1 32.1
7 5 6 5 x2 + δx2 22.9
= ,
8 6 10 9 x3 + δx3 33.1
7 5 9 10 x4 + δx4 30.9
9.2
−12.6
şi obţinem solutia .
4.5
−1.1
Considerăm, de examplu,
b − (b + δb ) δb 1 1
2 2 2 2
= = ≈ ,
b2 b2 229 200
unde δbi, i = 1, 3 notează perturbatiile asupra lui b, şi
x − (x + δx ) δx
2 2 2 2
= = 13.6 ≈ 10.
x2 x2
1 ı̂n partea dreaptă (precizia de 1
Deci, o eroare relativă de ordin 200 200
pt datele sistemului) atrage o eroare relativă de ordin 10 a soluţiei,
adică de 2000 ori mai mare.
10 7 8.1 7.2 x1 + δx1 32
7.08 5.04 6 5 x2 + δx2 23
= ,
8 5.98 9.89 9 x3 + δx3 33
6.99 4.99 9 9.98 x4 + δx4 31
−81
137
cu soluţia .
−34
22
Observaţia 4 Pentru acest exemplu avem cond (A) = 2984 (ı̂n norma
Euclidiană).
Analiza fenomenului:
Avem sistemele
Ax = b
şi
Ax + Aδx = b + δb ⇐⇒ Aδx = δb.
−1
−1
Din δx = A δb se obţine kδxk ≤
A
kδbk
1 ≤ kAk ,
şi din b = Ax se obţine kbk ≤ kAk kxk ⇔ kxk kbk
kδxk
−1
−1
kδAk
kδAk
≤
A
kδAk = kAk
A
= cond (A) . (3)
kx + δxk kAk kAk
4. 2. Metode directe de rezolvarea sistemelor liniare
”Which is the role of such a study, since the Cramer formulas and the
Gauss method are known for such a long time, and may be applied
to any nonsingular linear system?”. Raspunsul este dat de consideratii
prectoce, specifice analizei numerice. Ambele metode mentionate au
impedimente majore când sunt folosite pe calculator, pentru numar
mare de necunoscute.
Pentru a aplica metoda lui Cramer pentru un sistem n×n avem nevoie,
ı̂n mare, de următoarele operaţii:
(n + 1)! adunari
(n + 2)! inmultiri
n impartiri
Considerăm, ipotetic, un volume V = 1 km3 de procesoare cubice
având fiecare latura de l = 10−8 cm (raza unui atom), timpul de
execuţie al unei operaţii se presupune a fi egal cu timpul necesar luminii
sa parcurga un atom. (Viteza luminii este c=300.000 km/s.) Timpul
necesar unui element pentru a face o operatie aritmetica elementar
este t = l/c. In acest caz, nr de operatii artimetice elementare care
sunt facute intr-o secunda este
Nr. de elem. V l cV 3·108 ·109
No. of op. = Timpul necesar unui elem. = l3 / c = l4 = .
10−40
Relatia de mai sus arata ca solutia obtinuta prin metoda lui Gauss
poate fi departe de solutia exacta daca numarul de necunoscute este
mare sau cand matricea A este rau conditionata.
ak+1
ij = ak − m ak ,
ij ik kj j = k, ..., n
bk+1
i = b k − m bk ,
i ik k i = k + 1, ..., n.
După n − 1 paşi se obţine sistemul
a1 a1 a1 b1
11 12 ... 1n x1 1
0 a2 a2 b2
22 ... x2
2n 2
a3 b3
0 0 ... x3 = .
3n 3
.. ... ... ... ..
. .
0 0 n−1
... ann xn bn−1
n
9998
⇒y= = 0.(9998) ≈ 1.
9999
RInlocuind in prima ecuatie se obtine
x = 1.000(1000) ≈ 1.
Prin ı̂mpăţirea la un pivot mic ı̂n modul, se pot induce erori. Pentru a
evita acest lucru, sunt două modalităţi:
Se fac eliminari similare cu cele facute pentru metoda lui Gauss, pentru
a face zerouri pe liniile i + 1, i + 2, ..., n si apoi, pe liniile 1, 2, ..., i − 1
astfel ca sistemul sa devina de forma:
a1 0 ... 0 x1 b1
1
11
0 a2
22 ... 0 x2 b2
2
b3
0 0 ... 0 x3 = .
.. ... 3
... ... ..
. .
0 0 ... an
nn xn bn
n
Solutia se obtine ca
bii
xi = i , i = 1, ..., n.
aii
Definiţia 8 O matrice n × n, A, se numeste strict diagonal domi-
nanta daca
n
X
|aii| > aij , i = 1, 2, ..., n.
j=1,j6=i
Ax = b ⇐⇒ LU x = b,
unde
l11 0 . . . 0 u11 u12 . . . u1n
l
21 l22 . . . 0
0 u22 . . . u2n
L = .. U = .. .
. .
ln1 ln2 . . . lnn 0 0 . . . unn
Sistemul se rezolva in doua etape:
Metoda Doolittle
U = Mn−1 · Mn−2 . . . M2 · M1 · A
este matrice superior triangulara. Mai mult, daca se alege
atunci
A = L · U.
Sol.
! !
1 0 0
M1 = I2 − t(1)e1 = − 6 1 0
0 1 2
! ! !
1 0 0 0 1 0
= − = .
0 1 3 0 −3 1
Avem
! ! !
1 0 2 1 2 1
U = M1A = =
−3 1 6 8 0 5
!
1 0
L = M1−1 = .
3 1
Deci
! ! !
2 1 1 0 2 1
A= =L·U = .
6 8 3 1 0 5
Avem
!
3
L·U ·x=
9
Ux = z
si
! ! ! !
1 0 z1 3 3
= ⇒z=
3 1 z2 9 0
! ! ! !
2 1 x1 3 1.5
= ⇒x= .
0 5 x2 0 0
4.3. Metode iterative de rezolvare a sistemelor liniare
Datorita erorilor, metodele directe sunt mai putin eficiente decat metodele
iterative pentru sisteme mari (>100 000 variabile).
Ax = b (2)
in forma
x = b̃ − Bx.
Considerand o aproximatie initiala pentru x(0), sirul aproximatiilor so-
lutiei x(0), x(1), ..., x(k), ...se genereaza calculand
Forma algoritmica:
n (k−1)
bi −
P
aij xj
(k) j=1,j6=i
xi = , i = 1, 2, ..., n, pentru k ≥ 1.
aii
Procesul iterativ se termina cand un criteriu de convergenta este sat-
isfacut.
(k) (k−1)
(k)
x −x
− x(k−1)
Criterii de oprire : x < ε sau < ε, cu ε > 0 -
x(k)
precizia data.
Exemplul 5 Rezolvati sistemul folosind metoda Jacobi, cu ε = 10−3
şi vectorul initial x(0) = (0 0 0 0):
7x1 − 2x2 + x3 = 17
1 − 9x2 + 3x3 − x4
x = 13
2x1 + 10x3 + x4 = 15
x1 − x2 + x3 + 6x4 = 10.
Forma algoritmica:
i−1 (k) n (k−1)
bi − aij xj −
P P
aij xj
(k) j=1 j=i+1
xi =
aii
pentru i = 1, 2, ...n, si k ≥ 1.
(k) (k−1)
(k)
x − x
− x(k−1)
Criterii de oprire: x < ε, sau < ε, cu ε -precizia
x(k)
ceruta, ε > 0.
A = D + L + U,
unde D este diagonala lui A, L este partea triunghiulara inferior a lui
A, iar U este partea triunghiulara superior a lui A. Mai exact,
a11 0 · · · 0 0 ··· ··· 0
0 ... ... ... a21 ... ...
D= , L= ,
... ... ... 0 ... ... ... ...
0 · · · 0 ann an1 · · · an,n−1 0
0 a12 · · · a1n
... . . . . . . ...
U =
... ... a
n−1,n
0 ··· ··· 0
Sistemul Ax = b poate fi scris ca
(D + L + U )x = b.
Metoda lui Jacobi in forma matriceala se poate scrie:
(D + L)x(k) = −U x(k−1) + b
Metoda relaxarii in forma matriceala se poate scrie:
The roots of the iterative methods are traced back to Egyptians and
Babylonians (cc. 1800 B.C.).
Problema constă ı̂n a găsi F şi x0, ..., xn−1 ∈ D astfel ı̂ncât şirul (4) să
fie convergent la soluţia ecuaţiei (3).
Numerele x0, x1, ..., xn−1 se numesc puncte de pornire, iar al k-lea
element al sirului (4) se nuemste aproximatia de ordin k a solutiei.
Definiţia 15 Fie α ∈ Ω o soluţie a ecuaţiei (3) şi fie x0, x1, ..., xn−1, xn, ...
şirul generat de F -metoda considerată. Numărul p care are proprietatea
α − F (xi−n, ..., xi)
lim p
= C 6= 0, C = constant,
xi →α (α − xi)
se numeşte ordinul F -metodei.
CURS 11
Fie (x0, ..., xn−1) ∈ D. Folosind F şi numerele x0, x1, ..., xn−1 construim
iterativ şirul
x0, x1, ..., xn−1, xn, ... (2)
cu
xi = F xi−n, ..., xi−1 , i = n, . . . . (3)
Problema constă ı̂n a găsi F şi x0, ..., xn−1 ∈ D astfel ı̂ncât şirul (2) să
fie convergent la soluţia ecuaţiei (1).
Numerele x0, x1, ..., xn−1 se numesc puncte de pornire, iar al k-lea
element al sirului (2) se numeste aproximatia de indice k a solutiei.
Un singur punct de pornire ⇒ F -metoda cu un pas.
Definition 3 Fie α ∈ Ω o soluţie a ecuaţiei (1) şi fie x0, x1, ..., xn−1, xn, ...
şirul generat de F -metoda considerată. Numărul p care are proprietatea
α − F (xi−n, ..., xi)
lim = C ̸= 0, C = constant,
xi →α (α − xi)p
se numeşte ordinul F -metodei.
f ( α) = 0
rezultă că
α = g (0 ) .
Aproximarea soluţiei α se reduce la aproximarea lui g (0) .
Proof. Din ipoteză rezultă că există g = f −1 şi g ∈ C m[V (0)], unde
V (0) = f (V (α)) . Fie yi = f (xi) şi considerăm formula de interpolare
Taylor
g (y ) = Tm−1g (y ) + Rm−1g (y ) ,
cu
m−1
1 y − y k g (k) (y ),
X
Tm−1g (y ) = k! ( i) i
k=0
şi Rm−1g restul corespunzător.
T avem:
Relativ la ordinul metodei Fm
Cazuri particulare.
F2T (xi) = xi − ff (x i)
′ (x ) .
i
Metoda lui Newton (numită şi metoda tangentei) este de ordin 2.
2) Cazul m = 3. Se obţine
2
′′ (x )
F3T (xi) = xi − ff (x i) 1 f (xi )
′ (x ) − 2 f ′ (x )
f
f
i
′ (x ) ,
i i i
3) Cazul m = 4. Avem
2
1 f ′′(xi)f 2(xi) f ′′′ (xi )f ′ (xi )−3[f ′′ (xi )] f 3 (xi )
F4T (xi) = xi − ff (x i)
′ (x ) − ′ 3 + ′ (x )]5
.
i 2 [f (xi)] 3![f i
Remark 9 Cu cât ordinul metodei este mai mare cu atât metoda con-
verge mai repede. Totuşi, un ordin mai mare nu este eficient datorită
calculelor. Din contră, cele mai eficiente sunt metodele cu ordin relativ
mic, datorită complexităţii scăzute (metode cu un pas F2T şi F3T ).
5.1.1. Metoda lui Newton
√
Aceasta metoda este atat de eficienta in calcularea lui a, incat este
o alegere si pt codurile moderne de azi.
Cateva comentarii istorice asupra metodei
Dacă α este o solutie a ecuatiei (1) and xn+1 = F2T (xn) , pentru eroarea
de aproximare, Observaţia 8 ne dă
α − F2T (xn) ≤ 2
1 [f x ]2 M g.
( n)
2
Lemma 10 Fie α ∈ (a, b) o soluţie a ecuaţiei (1) şi fie xn = F2T xn−1 ,
atunci
′
|α − xn| ≤ m1 |f (xn)| , m1 ≤ m1f = inf f ( x) .
1 a≤x≤b
f ( α ) − f ( xn ) = f ′ ( ξ ) ( α − xn ) ,
′
cu ξ ∈ intervalului determinat de α şi xn. Din f (α) = 0 şi f (x) ≥
m1,cu x ∈ (a, b) , rezultă
T
Cum xn = F2 xn−1 , rezulta
f xn−1 ′
xn = xn−1 − ′ ⇐⇒ f xn−1 + xn − xn−1 f xn−1 = 0,
f xn−1
deci obtinem
1 2 ′′
f (xn) = 2 xn − xn−1 f (ξ ) .
In consecinta,
1 2
|f (xn)| ≤ 2 xn − xn−1 M2f,
iar Lema 10 implica |α − xn| ≤ m1 |f (xn)| deci
1
1 2
|α − xn| ≤ 2m xn − xn−1 M2f.
1
Algoritmul:
for n = 0, 1, ..., IT M AX
f (xn)
xn+1 ← xn − ′ .
f (xn)
Consideram ecuatia
f (x) = 0, (6)
unde f : [a, b] → R. Presupunem ca α ∈ [a, b] este un zero al lui f (x).
De exemplu, consideram
1+x
x = g(x) = x .
e +1
In acest caz convergenta este mult mai rapida (din doar trei iteratii
se obtin 10 cifre exacte pentru α) : x0 = 0.5, x1 = 0.5663110032,
x2 = 0.5671431650, x3 = 0.5671432904.
Raspuns: cand conditiile Teoremei 16 sunt indeplinite (|g ′(α)| < 1).
Pentru acest exemplu, avem doua cazuri cand |g ′(x)| < 1 si deci algo-
ritmul converge (local) si doua cazuri cand |g ′(x)| > 1 iar algoritmul nu
este convergent.
L
||α − xn|| ≤ ||xn − xn−1||.
1−L
x0 se traseaza x0 pe axa x
g(x0) paralel cu axa y pana la intersectia cu graficul lui g
x1 = g(x0) paralel cu axa x pana la graficul lui y = x
g(x1) paralel cu axa y pana la intersectia cu graficul lui g
etc.
Cazul convergentei |g ′(x)| < 1.
f (x) = 0, x ∈ Ω, (1)
Ataşăm o aplicaţie F : D → D, D ⊂ Ωn acestei ecuaţii.
Problema constă ı̂n alegerea lui F şi a punctelor x0, ..., xn−1 ∈ D astfel
ı̂ncât şirul (2) să fie convergent la soluţia ecuaţiei (1).
F -metoda se bazează pe metode de interpolare cu mai multe noduri.
tn+1 − tn − ... − t − 1 = 0.
Cazuri Particulare.
t2 − t − 1 = 0,
√
1+ 5
adica ord(F1L) = 2 .
O forma modificata a metodei secantei: daca pastram x1 fixat si schim-
bam de fiecare data acelasi nod, adica,
(xk − x0) f (xk )
xk+1 = xk − , k = 2, 3, . . . .
f ( xk ) − f ( x0 )
2) Pentru n = 2, nodurile x0, x1, x2 se obtine
x0 f (x1 )f (x2 ) x1 f (x0 )f (x2 )
F2L(x0, x1, x2) = [f (x )−f (x1 )][f (x0 )−f (x2 )]
+ [f (x1 )−f (x0 )][f (x1 )−f (x2 )]
0
x2 f (x0 )f (x1 )
+ [f (x )−f (x0 )][f (x2 )−f (x1 )]
.
2
Ordinul metodei este solutia pozitiva a ecuatiei:
t3 − t2 − t − 1 = 0,
so ord(F2L) = 1.8394.
- s-a demonstrat ca daca timpul pentru calculul lui f ′(x) este mai mare
decat (0.44× timpul pt calculul lui f (x)), atunci metoda secantei este
mai rapida.
x0 x1
x2 x3 α
f(x0 ) f(x2)
Metoda secantei.
Algoritmul:
for n = 1, 2, ..., IT M AX
" #
xn − xn−1
xn+1 ← xn − f (xn) .
f (xn) − f (xn−1)
Un criteriu potrivit de oprire este
x − x
n+1 n
|f (xn)| ≤ ε sau xn+1 − xn ≤ ε sau ≤ ε,
xn+1
unde ε este o toleranta specificata.
Metoda bisecţiei
In primul rand gasim mijlocul intervalului [a, b], c = (a + b)/2 iar apoi
calculam f (c)f (b). Daca produsul e negativ, atunci radacina este in
[c, b] si luam a1 = c, b1 = b. Daca produsul este pozitiv, atunci radacina
este in [a, c] si luam a1 = a, b1 = c. Deci se obtine un nou interval care
contine α.
Algoritm pentru metoda bisecţiei:
for n = 0, 1, ...,ITMAX
c ← an+b
2
n
f(b)
c3
a b
c1 c2
f(a)
Metoda bisecţiei.
Exemplul 5 Functia f (x) = x3 −x2 −1 are un zero in [1, 2]. Vom folosi
algoritmul bisectiei pentru aproximarea unui zero al lui f cu precizia
10−4.
Intrucat f (1) = −1 < 0 si f (2) = 3 > 0, atunci (8) este satisfacuta.
Pornind cu a0 = 1 si b0 = 2, calculam
a + b0 1+2
c0 = 0 = = 1.5 si f (c0) = 0.125.
2 2
Intrucat f (1.5)f (2) > 0, functia schimba semnul pe intervalul [a0, c0] =
[1, 1.5].
a b
c1 c2 α
f (a)
f(c1)
Algoritmul:
input: a0, b0
for n = 0, 1, ..., IT M AX
−f (an )bn
c ← f (bfn(b)an)−f (an )
n
if f (an)f (c) < 0, set an+1 = an, bn+1 = c else set an+1 = c, bn+1 = bn.
Stopping criterions: |f (an)| ≤ ε or |an − an−1| ≤ ε, unde ε este o toler-
anta specificata.
a) metoda Newton cu x0 = 0.
Fie α o soluţie a ecuaţiei (1), V (α) o vecinătate a lui α şi x0, x1..., xm ∈
V (α). Pentru n = r0 + ... + rm + m, unde rk e ordinul de multiplicitate a
nodurilor xk , k = 0, ..., m, dacă f ∈ C n+1(V (α)) şi f ′(x) ̸= 0 pentru x ∈
V (α), avem urmatoarea metoda de aproximare de tip Hermite pentru
α:
g = Hng + Rng,
unde Rng este termenul rest.
Considerând
α ≃ g(0) = (Hng ) (0) + (Rng ) (0),
atunci FnH (x0, ..., xm) = (Hng ) (0) este metoda de aproximare a lui α.
Teorema 10 (Informatii egale) Ordinul ord(FnH ) este radacina unica
pozitiva a ecuatiei:
m
tm+1 − (r + 1) tj = 0,
X
j=0
unde r este ordinul de multiplicitate al punctelor xk , ∀k = 0, ..., m.
t − (r0 + 1) = 0,
unde r0 este ordinul de multiplicitate al nodului x0.
Cazuri particulare.
j=0
√
adică p = 1 + 3.
Interpolare inversă de tip Birkhoff
g = Bng + Rng,
unde Rng este termenul rest.
Considerând
Caz particular.
Luăm
F1B (x0, x1) = (B1g ) (0),
şi se obţine
B f ( x1 )
F1 (x0, x1) = x1 − ′ .
f ( x0 )
CURS 13
Sol. Avem
(1) 1 cos(x(0)x(0)) + 1
x 1 = 3r 2 3 6
(1) 1 (x(0) )2 + sin x(0) + 1.06 − 0.1 ,
x 2 = 9 1 3
(0) (0)
(1)
x3 = − 20 e1 −x1 x2
− 10π−3
60
si
(m) 1 cos(x(m−1)x(m−1)) + 1
x 1 = 3r 2 3 6
(m) 1 (x(m−1) )2 + sin x(m−1) + 1.06 − 0.1 .
x 2 = 9 1 3
(m−1) (m−1)
(m)
x3 = − 20 1 e−x1 x2
− 10π−3
60
Sirul converge la (0.5,0,-0.5236).
f (x) = 0, x ∈ D, D ⊆ Rn.
Fie α ∈ D o solutie a acestei ecuatii si x(p) o aproximare pentru ea .
Metoda lui Newton pentru sisteme neliniare:
Daca sirul (x(p))p∈N este convergent iar α este limita sa atunci din (4)
urmeaza ca α este solutia sistemului. Referitor la convergenta sirului
are loc:
x3 2 − 21
! !
f1 1 + 3x 2
f = = 2 .
f2 x1 + 2x2 + 2
Avem
x(p+1) = x(p) − J −1(x(p))f (x(p) ), (6)
adica,
! !−1 !
1 3 −6 1 + 3 − 21
x(1) = −
−1 2 2 1−2+2
! ! !
1 0.(1) 0.(3) −17
= −
−1 −0.(1) 0.1(6) 1
si urmeaza ca
!
2.55
x(1) ≈ .
−3.05
!
1.64
Continuand in acest mod se obtine solutia aproximativa
−2.35
6. Metode numerice pentru rezolvarea ecuatiilor diferentiale
y ′ = f (t, y) (7)
y(t0) = y0
cu f definita pe D = {(t, y) ∈ R2 | |t − t0| ≤ a, |y − y0| ≤ b}, a, b ∈ R+ ,
continua si derivabila.
y = Tpy + Rpy,
unde
t − t0 ′ (t − t0)p (p)
(Tpy)(t) = y(t0) + y (t0) + ... + y (t0),
1! p!
avand termenul rest:
(t − t0)p+1 (p+1)
(Rpy)(t) = y (ξ), ξ ∈ (t0, t). (8)
(p + 1)!
Se cunoaste doar y(t0) = y0 si y ′(t0) = f (t0 , y0) pentru acest polinom,
si avem de calculat y (k)(t0), k = 2, ..., p. Folosind ecuatia (7) obtinem
∂f ∂f ′
y ′′ =+ y , ...
∂t ∂y
s.a.m.d. Luand valorile acestor derivate in t0, aproximatia lui y este
complet determinata.
|t − t0|p+1
|y(t) − (Tp y)(t)| ≤ Mp+1, t ∈ I. (10)
(p + 1)!
Astfel, se demonstreaza urmatoarea teorema:
y0 = 0.5,
h
yi+1 = yi + h (1 + )(yi − t2 i + 1) − hti
2
0.2
= yi + 0.2 (1 + )(yi − 0.04i2 + 1) − 0.04i
2
si
y(0.2) ≈ y1 = 0.83
y(0.4) ≈ y2 = 1.21
...
(b) Pentru metoda Taylor de ordin patru avem nevoie de primele trei
derivate a lui f (t, y(t)) in raport cu t. Din nou, folosind y ′ = y − t2 + 1
avem
f ′(t, y(t)) = y − t2 + 1 − 2t
′′ d
f (t, y(t)) = (y − t2 + 1 − 2t) = f ′(t, y(t)) = y ′ − 2t − 2
dt
= y − t2 + 1 − 2t − 2 = y − t2 − 2t − 1
′′′ d
f (t, y(t)) = (y − t2 − 2t − 1) = y ′ − 2t − 2
dt
= y − t2 − 2t − 1
deci
h ′ h2 ′′ h3 ′′′
T4(ti, yi) = f (ti , yi) + f (ti, yi) + f (ti , yi) + f (ti, yi)
2 6 24
2 h 2 h2
= yi − ti + 1 + (yi − ti + 1 − 2ti ) + (y − t2 − 2t − 1)
2 6
h3
+ (y − t2 − 2t − 1)
24
h h2 h3 2 h h2
= (1 + + + )(yi − ti ) − (1 + + )(hti )
2 6 24 3 12
h h 2 h3
+1+ − −
2 6 24
iar metoda Taylor de ordin patru este
y0 = 0.5,
yi+1 = yi + hT4(ti , yi), i = 0, 1, ..., N − 1
cu
y(0.2) ≈ y1 = 0.829
y(0.4) ≈ y2 = 1.214
...
y ′ = f (t, y ) , a ≤ t ≤ b, y (a) = α,
iar y0, y1, ..., yn aproximatiile generate de metoda Euler cu parametri N,
ti = a + ih, i = 0, ..., N, h = b−a
N .
|f (t, y1) − f (t, y2)| ≤ L |y1 − y2| , ∀ (t, y1) (t, y2) ∈ D.
Daca exista o constanta M a.i.
′′
y (t) ≤ M, ∀t ∈ [a, b] ,
atunci
hM L(ti−a)
|y (ti) − yi| ≤ e − 1 , i = 0, 1, ..., N.
2L
Algoritmul metodei Euler:
h ← b−a
N
α ← y0
for i = 0, 1, ..., N − 1
end
Aceste metode sunt determinate prin valorile a1, α1, β1 a.i. a1f (t + α1, y +
sa aproximeze polinomul Taylor, dat prin (12), cu eroare O h2 , adica
eroarea metodei Taylor de ordin doi,
h b−a
T2(t, y) = f (t, y ) + f ′ (t, y ) , h= , N -dat.
2 N
Avem
′ ∂f ∂f
f (t, y) = (t, y) + (t, y) · y ′(t)
∂t ∂t
deci
h ∂f h ∂f
T2 (t, y ) = f (t, y ) + (t, y) + (t, y)y ′(t).
2 ∂t 2 ∂y
Dezvoltand f (t + α1, y + β1) folosind seria Taylor obtinem
∂f ∂f
a1f (t + α1, y + β1) = a1f (t, y ) + a1α1 (t, y) + a1β1 (t, y)
∂t ∂y
+ a1(R1f ) (t + α1, y + β1) .
Prin identificarea coeficientilor termenilor f (t, y ), ∂f
∂t (t, y ) si ∂f
∂y (t, y ) ,
se obtine
a1 = 1
h
α1 =
2
h ′ h
β1 = y (t) = f (t, y ) .
2 2
In (11), pt. n = 2 avem
y0 = α
h h
yi+1 = yi + hf ti + , y + f (ti, yi) , i = 0, ..., N − 1
2 2
Pentru aproximarea prin polinomul Taylor de ordin trei
h ′ h2 ′′
T3 (t, y ) = f (t, y ) + f (t, y ) + f (t, y ) ,
2 6
cea mai potrivita expresie cu patru parametri este
Deci prin expresii de forma (13) pot fi deduse metode de ordin max-
imum doi. Avand 4 parametri este posibil sa se obtina mai multe
metode. Aceste metode se numesc metode Runge-Kutta de ordin
doi:
1 , α = δ = h:
Metoda Euler modificata, pentru a1 = a2 = 2 2 2
hh i
yi+1 = yi + f (ti, yi) + f ti+1, yi + hf (ti, yi) , i = 0, ..., N − 1
2
1 , a = 3 , α = δ = 2 h:
Metoda lui Heun, pentru a1 = 4 2 4 2 2 3
h 2 2
yi+1 = yi + f (ti , yi) + 3f ti + h, yi + hf (ti, yi) , i = 0, ..., N − 1
4 3 3
Metoda punctului de mijloc
h h
yi+1 = yi + hf ti + , y + f (ti , yi) , i = 0, ..., N − 1
2 2
Polinomul
Taylor de ordin trei T3 (t, y ) poate fi aproximat cu eroare
O h3 prin expresii de forma
y0 = α
k1 = hf (ti, yi)
h 1
k2 = hf ti + , yi + k1
2 2
h 1
k3 = hf ti + , yi + k2
2 2
k4 = hf ti+1, yi + k3
1
yi+1 = yi + (k1 + 2k2 + 2k3 + k4) , i = 0, ..., N − 1.
6
Algoritmul metodei Runge-Kutta de ordin 4:
h ← b−a
N ; y0 ← α
for i = 0, ..., N
k1 = hf (ti , yi)
h 1
k2 = hf ti + , yi + k1
2 2
h 1
k3 = hf ti + , yi + k2
2 2
k4 = hf ti+1, yi + k3
1
yi+1 = yi + (k1 + 2k2 + 2k3 + k4)
6
end
Pentru datele din Exemplul 10 obtinem urmatorul grafic. (solutia ex-
acta este y(t) = e−t + 2t − 2.)
0.4
exact sol.
sol. with Euler
0.2
sol. with Runge−Kutta ord.4
−0.2
−0.4
−0.6
−0.8
−1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1