ANALIZĂ NUMERICĂ

I. APROXIMĂRI, ERORI
Definiţie. Dacă într-un calcul, în exprimarea unui rezultat înlocuim
numărul (vectorul) a cu numărul (vectorul) a * , spunem că l-am aproximat pe
a cu a * . Diferenţa ∆a * = a − a * se numeşte eroarea cu care l-am aproximat pe
a prin a * .
Spre exemplu, dacă numărul real a , care este o fracţie zecimală infinită,
se aproximează cu o fracţie zecimală a * finită unde în fracţia infinită a lui a s-au
înlocuit cu zero cifrele zecimale de la un rang în colo, se spune că aproximarea s-a
făcut prin rotunjire, iar diferenţa a − a * se numeşte eroare de rotunjire. Astfel,
dacă a = a 0 , a1 a 2 ... a 2 ... şi a = a 0 , a1 a 2 ... a n 00 ... = a 0 , a1 a 2 ... a n , spunem
*

că rotunjirea s-a făcut la zecimala de ordin n. O asemenea rotunjire se poate face şi

astfel:
a , a a ...a + 10 − n dacã a n +1 ≥ 5
a* =  0 1 2 n
 a0 , a1 a 2 ...a n dacã a n +1 < 5
1
În acest caz a − a ≤
*
⋅10 −n .
2
Definiţie. Dacă a este un număr (vector), iar a * este numărul
(vectorul) obţinut ca efect al unei formule matematice (egalitate, inegalitate),
atunci a − a * se numeşte eroare de metodă sau rest.
Astfel, prin aproximarea sumei unei serii convergente cu o sumă parţială a
sa, eroarea ce se face este un rest (numit chiar restul seriei).
În formula lui Taylor:
n
f (k )
( x0 ) f ( n +1) ( ξ )
f ( x) = ∑ ( x − x0 ) k + ( x − x0 ) n+1 ,
k =0 k! (n + 1)!
f ( ξ) ( x − x ) n +1
( n +1)
f ( x ) prin
expresia 0 este restul în aproximarea lui
(n +1)!
n
f ( k ) ( x0 )
∑ ( x − x0 ) k .
k =0 k!
De obicei, nu se evaluează ∆a * ci ∆a * = a −a * numită valoarea
absolută a erorii. De regulă, se poate găsi doar un majorant a −a * ≤ ∆′ .

36
 Definiţie. O cifră zecimală de ordinul n a lui a * se numeşte cifră exactă
dacă valoarea absolută a erorii nu depăşeşte 10 −n .
De exemplu, dacă a =1,73214 şi a * =1,73202 , atunci primele patru
zecimale din a * sunt exacte.
În condiţiile precedente, dacă a şi a * sunt vectori într-un spaţiu normat,
atunci eroarea se apreciează prin a −a , de fapt printr-un majorant pentru
*

a −a * .

II. METODE DIRECTE DE REZOLVARE A SISTEMELOR

DE ECUAŢII LINIARE

II.1. Metoda lui Gauss

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

∑aj =1
( 0)
ij x j = ai( 0 ) , i ∈{1,..., m} (2)

unde a11 ≥ a i1 , ∀i ∈{1,..., m} .

( 0) ( 0)

(0)
Împărţind prima linie a sistemului cu a11 ea devine
x1 + a12(1) x 2 + ... + a1(1m) x m = b1 (3)
a1( 0j ) a1( 0 )
unde a1(1j) = , j ∈{2,..., m} , b1 = .
a11( 0 ) a11( 0 )

Pentru i ∈{2,..., m} înmulţim ecuaţia (3) cu a i1 şi o scădem din linia

(0)

i a sistemului (2). Obţinem sistemul:

37
 x1 + a12(1) x 2 + ... + a1(1m) x m = b1
(1)
a 22 x 2 + ... + a 2(1m) x m = a 2(1)
(4)

a m(12) x 2 + ... + a mm
(1)
x m = a m(1)
unde
a ij(1) = a ij( 0 ) − a i(10 ) a ij(1) , i, j ∈{2,..., m}
ai(1) = ai( 0 ) − ai(10 ) b1 , i ∈{2,..., m}
Determinantul matricii sistemului format cu ultimele n −1 linii ale
sistemului (4) este nenul, căci, în caz contrar, ar rezulta det A = 0 .
Procedeul aplicat în prima etapă se poate aplica sistemului
(1)
a 22 x 2 + ... + a 2(1m) x m = a 2(1)

a x 2 + ... + a mm
(1)
m2
(1)
x m = a m(1)
După m paşi se ajunge la sistemul
x1 + a12(1) x 2 + ... + a1(1m) x m = b1
x 2 + a 23 ( 2)
x3 + ... + a 2( 2m) x m = b2
(5)

x m = bm
Sistemul (5) este atunci echivalent cu (1) şi din x m = bm obţinem succesiv
m
xi = bi − ∑a
j =i +1
(i )
ij x j , i ∈{m −1,..., 1}

Observaţie. În procedeul prezentat, s-au permutat numai linii şi se spune

că rezolvarea s-a făcut prin pivotare parţială. Dacă se permută şi coloane, se poate
realiza ca la fiecare pas să se obţină un sistem în care coeficientul pivot să fie cel
mai mare în modul printre coeficienţii sistemului (se spune că rezolvarea s-a făcut
prin pivotare totală). Se încearcă prin aceasta să se evite împărţiri la numere mici,
caz în care erorile de rotunjire pot fi mai mari.
Exemplu. Folosind metoda lui Gauss să se rezolve sistemul:
8,3 x1 + 2,62 x 2 + 4,10 x3 +1,90 x 4 = −10 ,65
3,92 x1 + 8,45 x 2 + 7,78 x3 + 2,46 x 4 = 12 ,21
3,77 x1 + 7,21 x 2 + 8,04 x3 + 2,28 x 4 = 15 ,45
2,21 x1 + 3,65 x 2 +1,69 x3 + 6,99 x 4 = −8,35
Prin pivotare de linii şi după operaţiile descrise mai sus se obţine:

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

II. 2. Metoda rădăcinii pătrate

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

Matricea reală A = (a ij ) i , j∈{1,..., m } se numeşte pozitiv definită dacă Ax , x >0 ,

m
pentru orice x ≠0, x ∈ R m , adică dacă ∑a
i , j =1
ij xi x j > 0 , ∀x ≠ 0 ,

x = ( x1 ,..., x m ) .
Amintim că matricea B se numeşte triunghiulară subdiagonală dacă
deasupra diagonalei principale are numai zerouri. Dacă B = (bij )i , j∈{1,..., m} atunci
B * = (b ji ) i , j∈{1,..., m} .
Fundamentul teoretic al metodei rădăcinii pătrate este următorul rezultat de
factorizare.
Teorema 1. Matricea reală A este simetrică şi pozitiv definită dacă şi
numai dacă există matricea nesingulară B astfel încât A = BB * .
Fie A simetrică, pozitiv definită, A = ( a ij )i, j ∈{1,..., m} şi B
nesingulară, triunghiulară subdiagonală, B = (bij )i , j∈{1,..., m} , astfel încât
39
 BB * = A (1)
Pentru a avea loc (1) este suficient să luăm:
a i1
b11 = a11 , bi1 = , i ∈{2,..., m} (2)
b11
i −1
bii = a ii − ∑ bik2 , i ∈{2,..., m} (3)
k =1

1  i −1

b ji =  a ji − ∑ b jk bik  , j ∈{i +1,..., m} (4)
bii  k =1 
bij = 0 dacă i < j (5)
Fie sistemul de ecuaţii liniare
Ax = a (6)
unde A este simetrică şi pozitiv definită. Pentru rezolvarea directă a acestui
sistem, după descompunerea precedentă A = BB * se ajunge la BB * x = a şi se
rezolvă succesiv sistemele cu matrici triunghiulare By = a şi apoi B * x = y .
Dacă a = ( a1 ,..., a m ) , soluţia sistemului By = a este
a
y1 = 1 (7)
b11
1 i −1

yi =  ai − ∑ bik y k  , i ∈{2,..., m} (8)
bii  k =1 
Sistemul B * x = y dă, în fine, soluţia sistemului (6):
y
xm = m (9)
bmm
1  m

xi =  y i − ∑ bki xi  , i ∈{m −1,..., 1} (10)
bii  k =i +1 
Exemplu. Folosind metoda rădăcinii pătrate să se rezolve sistemul:
x1 + 0,42 x 2 + 0,54 x3 + 0,66 x 4 = 0,3
0,42 x1 + x 2 + 0,32 x3 + 0,44 x 4 = 0,5
0,54 x1 + 0,32 x 2 + x3 + 0,22 x 4 = 0,7
0,66 x1 + 0,44 x 2 + 0,22 x3 + x 4 = 0,9
Soluţie. Cu formulele (2), (3) şi (4) se obţine
 1 0 0 0 
 
 0,42 0,9075241 0 0 
B = 
0,54 0,1026969 0,8353761 0
 
 0,66 0,1793891 − 0,1853329 0,7055999 
 

40
 Cu formulele (7) şi (8) se obţine y1 = 0,3 , y 2 = 0,4121102 ,
y 3 = 0,5933585 , y 4 = 1,0459763 .
În fine, cu formulele (9) şi (10) se obţine x 4 = 1,4823929 ,
x3 = 1,0391662 , x 2 = 0,04348 , x1 = −1,25778 .
Exerciţii. Cu metoda rădăcinii pătrate să se rezolve sistemele:
a)
2,12 x1 + 0,42 x 2 +1,34 x3 + 0,88 x 4 = 11,172
0,42 x1 + 3,95 x 2 +1,87 x3 + 0,43 x 4 = 0,115
1,34 x1 +1,87 x 2 + 2,98 x3 + 0,46 x 4 = 9,009
0,88 x1 + 0,43 x 2 + 0,46 x3 + 4,44 x 4 = 9,349
R. x1 = 3,7 , x 2 = −1,5 , x3 = 2,1 , x 4 = 1,3
b)
x1 + 0,42 x 2 + 0,54 x3 = 0,3
0,42 x1 + x 2 + 0,32 x3 = 0,5
0,54 x1 + 0,32 x 2 + x3 = 0,7
R. x1 = −0,240521 , x 2 = 0,3737264 , x3 = 0,7102889 .

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

simetrice şi pozitiv definite

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

canonic.
Fie A = (a ij )i , j∈{1,..., m} o matrice reală, simetrică şi pozitiv definită.
Amintim că vectorii u , v ∈R m se numesc A-ortogonali dacă Au , v =0 . Dacă
{ x1 ,..., x m } sunt vectori A-ortogonali şi nenuli, atunci formează bază în R m .
Dacă x ∈ R m , se notează x * : R m → R , x ( y ) = x, y , iar dacă
*

x = ( a1 , a 2 ,..., a m ) , atunci
 a12 a1 a 2  a1 a m 
 
a a a 22  a2 am 
xx * =  2 1 .
     
a a am a2  a m2 
 m 1
Fie { x1 ,..., x m } vectori A-ortogonali şi nenuli. Notăm
k
1 1
C1 =
Ax 1 , x1
x1 x1* , C k = ∑
i =1 Ax i xi
xi xi* (1)

Teorema 1. Dacă x1 ,..., x k sunt A-ortogonali şi nenuli, atunci

41
 C k Ax j = x j , j ∈{1,..., k }
C m = A −1 .
Algoritmul următor construieşte un sistem de m vectori A-ortogonali
nenuli şi cu formulele (1) conduce la A −1 .
1
Fie x1 ≠ 0 , x1 ∈ R m , şi C1 = x1 x1* .
Ax 1 , x1
Presupunem că am construit x1 ,..., x k vectori A-ortogonali şi nenuli.
Aceasta permite să construim
k
1
Ck = ∑ xi xi* .
i =1 Ax i , x i

Alegem apoi y ∈R m , astfel încât C k Ay ≠ y . Fie x k +1 = y − C k Ay . Atunci

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

III.1. Elemente de analiză funcţională

42
 ( )
Se notează cu L R m spaţiul operatorilor liniari definiţi pe R m . Se ştie
că, organizat cu operaţiile obişnuite de adunare, înmulţire cu scalari şi cu operaţia
( )
de compunere, L R m este o algebră cu unitate. Se notează cu I operatorul
identitate ( I ( x) = x , ∀x ∈ R m ).
Se notează cu M m mulţimea matricilor reale cu m linii şi m coloane,
organizată ca algebră cu operaţiile obişnuite de adunare, înmulţire cu scalari şi
înmulţire a matricilor.
Fiecărei matrici A = (a ij )i , j∈{1,..., m} i se asociază operatorul liniar, notat
pentru început A ~, ~ ~
A : R m → R m , definit prin A x = y , unde dacă
y = ( y1 ,..., y m ) , x = ( x1 ,..., x m ) , atunci
m
y i = ∑ a ij x j , i ∈{1,..., m}
j =1
~ m
Corespondenţa A  A este un izomorfism de algebre între M
şi
( m
)
L R , deci este o bijecţie în care sumei a două matrici îi corespunde suma
operatorilor, produsului dintre o matrice şi un număr îi corespunde produsul
operatorului corespunzător cu acel număr, iar înmulţirii a două matrici îi
corespunde compunerea operatorilor corespunzători. Având în vedere acestea, se
~ cu ~ tot cu
identifică A A şi se notează operatorul A A.
m
Dacă pe R se fixează o normă, notată ⋅ , atunci pe spaţiul L R m ( )
se consideră norma operatorială indusă:
A =sup Ax .
x ≤1

Au loc proprietăţile:
Ax , ∀x ∈ R m
≤A ⋅ x
AB ≤ A ⋅ B .

De exemplu, dacă operatorul A este generat de matricea (a ij )i , j∈{1,..., m} ,

iar pe R m se consideră ⋅ ∞( x ∞
= max xi ), atunci se notează
1≤i ≤m

A ∞
= sup Ax ∞ (1)
x ∞≤1

şi are loc formula

m
A ∞
= max
1≤i ≤m
∑a j =1
ij (1')

 m

Dacă se consideră pe R m
norma ⋅1  x 1 = ∑ x1  , atunci, prin
 i =1 
definiţie

43
 A 1
= sup Ax 1 (2)
x 1 ≤1

şi are loc formula

m
A 1 = max
1≤ j ≤m
∑a
i =1
ij (2')

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

( )
Fie B ∈L R m , B 2 = B ⋅ B , …, B n = B ⋅ B n −1 .
Teoremă 1. Afirmaţiile următoare sunt echivalente:
i) lim B n = 0 ;
n →∞

ii) lim n B n < 1 ;

n →∞

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

n →∞
Se notează
ρ( B ) = max { λ λ∈C , det ( B − λI ) = 0}

şi se arată că ρ( B ) = lim n B , deci afirmaţiile din teorema precedentă sunt

n
n →∞

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

Mulţimea {λ ∈C det (V − λI ) = 0} se numeşte spectrul lui B şi se notează

S ( B ) . Dacă matricea B este simetrică, atunci spectrul ei este format numai din
numere reale.
Dacă o matrice T are spectrul format din numere reale, atunci λ ∈S ( T )
dacă şi numai dacă există x ∈ R m , x ≠ 0 , astfel încât Tx = λx . Un asemenea
vector x se numeşte vector propriu pentru T corespunzător valorii proprii λ.
Matricea T se numeşte pozitiv definită dacă Tx , x >0 pentru orice
x ∈ R , x ≠ 0 ( , este produsul scalar canonic pe R m ).
m

Reamintim că o aplicaţie p : R m → R se numeşte normă dacă

i) p( x) = 0 ⇒ x = 0 ;
ii) p (λx) = λ p ( x) ∀λ ∈ R , ∀x ∈ R m ;

iii) p ( x + y ) ≤ p ( x ) + p ( y ) ∀x, y ∈R m .

44
 Atunci p ( x) ≥ 0 pentru orice x ∈ R m . Cu ajutorul unei asemenea
aplicaţii se introduce pe R m noţiunea de distanţă între doi vectori:
d ( x, y ) = p ( x − y ) .
Se ştie că pe R m orice două norme p, q sunt echivalente în sensul :
∃λ, µ > 0 , astfel încât λp ( x ) ≤ q ( x ) ≤ µp ( x ) ∀x ∈ R m .
Dacă p şi q sunt două norme echivalente, atunci un şir este convergent în
raport cu norma p dacă şi numai dacă este convergent în raport cu norma q.
Dacă x ( (n)
)
n∈N , ( )
x ( n ) = x1( n ) ,..., x m( n ) , atunci şirul x ( n ) n∈N se ( )
numeşte convergent dacă există x = ( x1 ,..., x n ) ∈ R , astfel încât lim = xi
(n)
m xi
n →∞

∀i ∈{1,..., m} . Se scrie lim x ( n ) = x .

n →∞

Dacă p este o normă pe R m , atunci lim

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

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

Dacă x
(n)
( )
= x1( n ) , x 2( n ) ,..., x m( n ) atunci, pe componente, şirul (2) se scrie
m
xi( n +1) = ∑bij x (jn ) + bi , i ∈{1,..., m} (2')
j =1

Teorema 1. Afirmaţiile următoare sunt echivalente

i) lim B n = 0
n →∞

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

către soluţia z a sistemului (1).
Dacă ⋅ este norma operatorială indusă pe L R m ( ) şi B ≤q <1 ,
atunci au loc şi următoarele evaluări ale erorii:

45
 q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 ) .
1 −q 1 −q
Procedeul prin care soluţia z se aproximează prin x (n ) se numeşte metoda
lui Jacobi.
Fie sistemul
Ax = a (3)
unde A = ( a )
ij i , j∈{1,..., m} şi a = ( a1 ,..., a )
m . Dacă a ii ≠ 0 pentru orice
 a11  0 
 
i ∈{1,..., m} , atunci matricea D =     este inversabilă şi
 0  a mm 

 1 
  0 
 a11 
D −1 =    .
 1 
 0 
a mm 
 
Sistemul (3) este echivalent cu
( I − B) x = b (4)
−1 −1
unde B = I − D A şi b = D a .
Pe componente, sistemul (4) se scrie
m aij bi
xi = −∑ xj +
j =1 aii aii (4')
j ≠i

Presupunem că
m
aii > ∑ aij ∀i ∈{1,..., m}
j =1
(5)
j ≠i

Atunci
m aij
B ∞
= max
1≤i ≤m j =1
∑a := q < 1 (6)
ii
j ≠i

Conform teoremei Jacobi, sistemul (5), şi deci (3), are pentru orice
a ∈ R soluţie unică z şi pentru orice x ( 0 ) ∈ R m , şirul x ( n +1) = Bx ( n ) + b
m

converge către z. Au loc evaluările de eroare:

q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 ) (7)
∞ 1−q ∞ 1−q ∞

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

46
 m aij ai
xi( n +1) = −∑ x (jn ) +
j =1 aii aii , i ∈{1,..., m} (8)
j ≠i

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

pe linii.
Pentru acelaşi sistem (3) şi cu aceleaşi notaţii ca mai sus, să presupunem că
m
a jj > ∑ a ij ∀j ∈{1,..., m}
i =1
(9)
i≠ j

Sistemul (3) este schivalent cu

( I − C ) Dx =a (10)
−1
unde C = I − AD .
Considerăm sistemul
(I −C ) x = a (11)
Din (9) rezultă că
m aij
C 1
= max ∑a
1≤ j ≤m i =1
:= q < 1 (12)
jj
i≠ j

Conform teoremei lui Jacobi, sistemul (11) are soluţie unică w şi, pentru
orice y ( 0) ∈ R m , şirul y
( n)
( )
n∈N , definit prin y
( n +1)
= Cy ( n ) + a , converge către
w. Atunci, sistemul (10), şi deci sistemul (3), are soluţie unică z şi anume
z = D −1 w . Şirul x
(n)
(n∈N , x )
(n)
= D −1 y ( n ) , converge către z şi au loc
evaluările de eroare:
1 q 1 qn
x (n) − z ≤ y ( n ) − y ( n −1) ≤ y (1) − y ( 0 )
1 min aii 1 − q min aii 1−q
1≤i ≤m 1≤i ≤m

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

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

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

dominantă pe coloane.
Exemplul 1. Să rezolvăm sistemul următor cu o eroare mai mică decât
−3
10 :

47
 1,02 x1 − 0,25 x 2 − 0,3 x3 = 0,515
− 0,41 x1 +1,13 x 2 − 0,15 x3 = 1,555
− 0,25 x1 − 0,14 x 2 +1,21 x3 = 2,78
Este evident că sunt adevărate inegalităţile (5). Rezultă că sistemul este cu
matrice diagonal dominantă pe linii şi deci are soluţia unică z. Soluţia se poate
aproxima cu termenii şirului (8), care în acest caz devine:
x1( n +1) = 0,245098 x 2( n ) + 0,2941176 x3( n ) + 0,5049019
x 2( n +1) = 0,3628318 x1( n ) + 0,1327433 x3( n ) + 1,3761061
x3( n +1) = 0,2066115 x1( n ) + 0,1157024 x 2( n ) + 2,2975206
Parametrul q din (6) este în acest caz q = 0,5392156 . Eroarea se
evaluează conform formulei (7), care în acest caz este
x ( n ) −z ≤1,17 x ( n ) − x ( n −1)
∞ ∞

Luând x ( 0 ) = (0;0;0) , se obţine

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

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

Luând x = (3;3;5) obţinem

(0)

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

III.3. Metoda Gauss-Seidel

48
 Se consideră sistemul
( I − B)x = b (1)
 b11  b1m 
 
Dacă B = (bij ) i , j∈{1,..., m } , se notează R =     şi
 0  bmm 

L = B − R . Sistemul (1) este echivalent cu
(I −C ) x = c (2)
unde C = ( I − L ) R , c = ( I − L ) b .
−1 −1

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

deci şirul x( (n)
)
n∈N , definit prin x
( n +1)
= Cx ( n ) + c , şi se aproximează cu x (n )
soluţia sistemului (1) atunci când aceasta există şi este unică.
Şirul x( (n)
)
n∈N poate fi descris prin construcţia echivalentă

x ( n +1) = Lx ( n +1) + Rx ( n ) + b (3)

care pe componente este
i −1 m
xi( n +1) = ∑bij x (jn +1) + ∑bij x (jn ) + bi (3')
j =1 j =i

Se observă că specificul acestei metode este că în schema de construcţie de

la teorema Jacobi se intervine cu următoarea modificare: în construcţia
componentei de ordin i a lui x ( n +1) se utilizează componentele lui x ( n +1)
anterior evaluate.

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

q = max {q i i ∈{1,..., m}}

Teorema 1. Dacă q <1 , atunci sistemul (1) are soluţie unică z şi pentru
orice x ( 0 ) ∈ R m , şirul (3) converge către z. Au loc atunci următoarele formule de
evaluare a erorii:
q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 )
∞ 1−q ∞ 1−q ∞

Teorema 2. Dacă au loc inegalităţile

49
 m

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

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

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

∑a
j =i +1
ij < aii ∀i ∈{1,..., m}

Condiţiile (6) ne asigură deci că pentru sistemul (5) se poate aplica

teorema 1. Atunci
m a i −1 a m a
q1 = ∑ , qi = ∑ qj + ∑ , i ∈{1,..., m}
1j ij ij

j =2 a11 j =1 a ii j =i +1 a ii

Pe componente şirul (3) este

m a
a
x1( n +1) = −∑
1j
x (jn ) + 1
j =2 a11 a11
(7)
a ij ( n ) m a ij ( n ) ai
( n +1)
xi = −∑ xj − ∑ xj + , i ∈{2,..., m}
aii j =i +1a ii aii
Exemplul 1. Folosind metoda Gauss-Seidel, să se rezolve sistemul:
10 x1 − 2 x 2 + x3 = 108
− 2 x1 + 10 x 2 + x3 = −6
x1 + x 2 + 10 x3 = −16 ,5
Soluţie. Se verifică pentru început că au loc inegalităţile (6). Şirul (7) este:

50
 x1( n +1) = 0,2 x 2( n ) − 0,1x3( n ) + 10,8
x 2( n +1) = 0,2 x1( n +1) − 0,1x3( n ) − 0,6
x3( n +1) = −0,1x1( n +1) − 0,1x 2( n +1) − 1,65
Parametrii q i sunt q1 = 0,3 ; q 2 = 0,16 ; q3 = 0,046 şi deci q = 0,3 .
Pornind de la iteraţia iniţială x ( 0 ) = (0;0;0) , după patru paşi se obţine
soluţia cu cinci zecimale exacte (soluţia exactă este (11 ,5; 2; −3) ).
Exerciţiu. Folosind metoda Gauss-Seidel, să se aproximeze, cu o eroare
mai mică decât 10 −5 , soluţia sistemului:
3,82 x1 + 1,02 x 2 + 0,75 x3 + 0,81 x 4 = 16 ,855
1,05 x1 + 4,53 x 2 + 0,98 x3 + 1,53 x 4 = 22 ,705
0,73 x1 + 0,85 x 2 + 4,71 x3 + 0,81 x 4 = 22 ,48
0,98 x1 + 0,81 x 2 +1,28 x3 + 3,5 x 4 = 16 ,11
Indicaţie. q = 0,7106315 ; soluţia exactă este z = ( 2,5; 3; 3,5; 2) .

III.4. Metode de relaxare

Sub acest nume sunt cunoscute unele variaţiuni ale metodelor Jacobi şi
Gauss-Seidel. Dacă în una din metodele amintite, şirul aproximant x ( )
(n)
n∈N este
( n +1)
prezentat schematic prin x = x + ∆x , relaţie care se citeşte "pentru a
(n) (n)

( n +1)
oţine pe x i se adaugă lui x (n ) corecţia ∆x ( n ) ", atunci într-o metodă de
relaxare se supracorectează înmulţimd corecţia cu un parametru pozitiv. Se face
deci o construcţie de forma x ( n +1) = x ( n ) + α∆x ( n ) .

III.4.1. Metoda relaxării simultane

Se consideră sistemul
Ax = a (1)
unde A este simetrică şi pozitiv definită. Atunci A este inversabilă şi deci sistemul
(1) are soluţie unică. Dacă A = (a ij )i , j∈{1,..., m} , atunci aii > 0 pentru orice
i ∈{1,..., m} . Diagonala D a lui A este atunci o matrice inversabilă şi sistemul (1)
este echivalent cu
( I − Bα ) x = bα (2)
−1 −1
unde Bα = I − αD A şi bα = αD a .
Metoda relaxării simultane este metoda Jacobi pentru sistemul (2). Soluţia
ecuaţiei (1) se aproximează deci cu termenii şirului ( x ) n∈N , unde
(n)

51
 x ( n +1) = Bα x ( n ) + bα (3)
Convergenţa metodei Jacobi pentru (2) este echivalentă cu faptul că
ρ( Bα ) < 1 şi avem:
Propoziţie 1. Spectrul matricii D −1 A este format din numere reale strict
( )
pozitive. Dacă S D A = ( λ1 , λ 2 ,..., λ m ) , atunci
−1

S ( Bα ) = (1 − α λ1 ,1 − α λ2 ,...,1 − α λm ) .
În continuare, se presupune că spectrul lui D −1 A este ordonat:
m
λ1 ≤ λ 2 ≤ ... ≤ λ m . Se notează x
D
= ∑a
i =1
ii xi2 . Fie α ≠ 0 , α ∈ R .

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

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

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

Observaţia 2. Dacă ⋅ este o normă operatorială pe L R m ( ) şi

2 2
0 < α< −1, atunci 0<α< şi deci se poate aplica teorema 1.
D A λm
Dacă notăm q ( α) = max
1≤i ≤ m
1 − α λi , o valoare mai mică a lui q( α)
asigură o convergenţă mai rapidă.
Teorema 2.
 2   2  λ m − λ1
min q ( α) 0 < α <  = q  = .
 λ m  λ
 1 + λ m  λ m + λ1
2
Spunem că este valoarea optimă a parametrului de relaxare.
λ1 + λ m

III.4.2. Metoda relaxării succesive

52
 Este vorba de o relaxare a metodei Gauss-Seidel, corespunzătoare
sistemului (1), modelat, spre exemplu, ca în metoda lui Jacobi pentru matrici
diagonal dominante pe linii.
Se consideră deci sistemul (1) în care matricea A este simetrică şi pozitiv
definită. Dacă A = (a ij )i , j∈{1,..., m} , se notează
 0 0  0 0  a11 0  0 
   
 a 21 0  0 0  0 a 22  0 
L =  , D = ,

    

    
a 
 
0  a m , m −1 0   0 0  a mm 
 m1 
R = A− L− D.
Pentru α ≠ 0 sistemul (1) este echivalent cu
( I − C α ) x = cα (5)
−1 −1
1   1   1 
unde C α =  D + L    − 1 D − R  . c α =  D + L  a .
α   α   α 
Soluţia z a sistemului (1) se aproximează cu termenii şirului x
(n)
n∈N , ( )
unde
x ( n +1) = C α x ( n ) + c α (6)

Teoremă. Dacă matricea A este simetrică şi pozitiv definită, atunci

următoarele afirmaţii sunt echivalente:
i) Pentru orice x ( 0 ) ∈ R m , şirul (6) converge către soluţia z a sistemului (1);
ii) 0 < α < 2.
Dacă 0 < α < 2 , atunci evaluarea erorii se face prin
q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 ) (7)
A 1−q A 1−q A

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

iar
q = Cα A
= sup C α x A .
x A ≤1

Observaţie. Pe componente, şirul (6) este

53
 α i −1
α m
αai
xi( n +1) = −
aii
∑ aij x (jn+1) + (1 − α) xi( n ) −
j =1 aii
∑a
j =i +1
ij x (jn ) +
aii
(8)

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

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

54
 3,12 ( n ) 1,04 ( n ) 74,88
x1( n +1) = −0,04 x1( n ) − x2 + x3 +
7 7 7
3,12 1,04 49 ,92
x 2( n +1) = − x1( n ) − 0,04 x 2( n ) − x3( n ) + .
7 7 7
1,04 ( n ) 1,04 ( n ) 33,28
x3( n +1) = x1 − x 2 − 0,04 x3( n ) −
7 7 7
Pornind de la iteraţia iniţială x ( 0 ) = (0;0;0) , se obţine
x (11 ) = (8,0004329 ; 4,0005719 ; − 4,000039 ) .
Soluţia exactă este z = (8; 4; −4) .
Exemplul 2. Folosind metoda relaxării succesive cu α =1,5 , să se
rezolve sistemul:
7 x1 + 3 x 2 − x3 = 72
3 x1 + 7 x 2 + x3 = 48
− x1 + x 2 + 7 x3 = −32
Indicaţie. Şirul (8) din paragraful 4 este:
4,5 ( n ) 1,5 ( n )
x1( n +1) = −0,5 x1( n ) − x2 + x3 + 15,428571
7 7
4,5 ( n +1) 1,5 ( n )
x 2( n +1) = − x1 − 0,5 x 2( n ) − x3 + 10,285714
7 7
1,5 ( n +1) 1,5 ( n +1)
x3( n +1) = x1 − x2 − 0,5 x3( n ) − 6,8571428
7 7

IV. METODE NUMERICE DE REZOLVARE A SISTEMELOR

DE ECUAŢII NELINIARE
Ecuaţiile studiate în acest capitol vor fi de forma f ( x ) = 0 sau
f ( x ) = x . Pentru început, va fi studiată posibilitatea rezolvării unor asemenea
ecuaţii în cazul funcţiilor reale de o variabilă reală.

IV.1. Metoda bisecţiei

Fie [a, b ] un interval în R şi f : [ a, b] → R o funcţie continuă.

Presupunem că există şi este unic z ∈( a, b ) , astfel încât f ( z ) = 0 . Atunci
f (a ) ⋅ f (b) < 0 .
 a 0 + b0   a 0 + b0 
Fie a 0 = a , b0 = b şi fie [ a1 , b1 ] ∈ a 0 ,  , , b0   , astfel
 2   2 
încât f ( a1 ) ⋅ f ( b1 ) ≤ 0 . Dacă f ( a1 ) ⋅ f ( b1 ) = 0 , atunci rădăcina căutată este
a0 + b0
. Dacă f ( a1 ) ⋅ f ( b1 ) < 0 , continuăm construcţia. Alegem
2
55
[ a 2 , b2 ] ∈ a1 , a1 + b1 ,  a1 + b1 , b1   astfel încât f ( a 2 ) ⋅ f ( b2 ) ≤ 0 . Dacă
 2   2 
a1 + b1
f ( a 2 ) ⋅ f ( b2 ) = 0 , atunci rădăcina căutată este . În caz contrar,
2
f ( a 2 ) ⋅ f ( b2 ) < 0 şi aşa mai departe.
Să presupunem că procesul este infinit, deci că se construieşte un şir
b−a
( [ a n , bn ] ) n∈N de intervale, astfel încât f ( a n ) ⋅ f ( bn ) < 0 şi bn − a n = .
2n
Avem atunci a n < z < bn pentru orice n ∈ N . Se aproximează z cu a n (sau cu
bn ) , alegerea făcându-se în funcţie de eroarea propusă folosind următoarele
formule de evaluare a erorii:
b−a
0 ≤ z − an ≤ ,
2n
b−a
0 ≤ bn − z ≤ n .
2
Exemplul 1. Să rezolvăm cu o eroare mai mică decât 10 −2 ecuaţia
2 sin x − x = 0 .
Soluţie. Prin metode elementare se constată că ecuaţia are trei rădăcini:
π 
x 0 = 0 , x1 ∈  , π , x 2 = −x1 . Considerăm deci funcţia f ( x ) = 2 sin x − x .
2 
 π
Avem f   ⋅ f ( π) < 0 . Pentru a aproxima rădăcina x1 cu o eroare mai mică
2
π 1
decât 10 −2 va trebui să avem n +1
< , pentru care este suficient să luăm
2 100
308 π 309 π
n = 8 . Folosind metoda bipartiţiei, constatăm că [ a8 , b8 ] =  , şi
 512 512  
308 π 309 π
deci rădăcina x1 se poate aproxima cu sau cu , făcând o eroare
512 512
π
mai mică decât ≈ 6,13 ⋅10 −3 .
512
Exemplul 2. Să aproximăm prin metoda bipartiţiei, făcând o eroare mai
 π 3π 
mică decât 10 −2 , rădăcina din intervalul  ,  a ecuaţiei 2tgx − x − 2 = 0 .
4 4 
 π 3π 
Soluţie. Se consideră funcţia f :  ,  → R , f ( x ) = 2tgx − x − 2 .
4 4 
 π   3π 
Avem f   ⋅ f   < 0 şi prin metode elementare se constată că rădăcina este
4  4 

56
unică în intervalul considerat. Pentru ca în metoda bipartiţiei eroarea să fie mai
π 1
mică decât 10 −2 este suficient ca < , adică 2 n +3 > 100 π . Este
8⋅2 n
100
319 π
suficient să luăm n = 6 . După realizarea calculelor avem a 6 = ,
1024
320 π 319 π 320 π
b6 = . Rădăcina se poate aproxima deci cu sau cu , făcând
1024 1024 1024
π
o eroare mai mică decât ≈ 3,6 ⋅10 −3 .
1024

IV.2. Metoda aproximaţiilor succesive

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

  2   2
f  0,   ⊂ 0,  şi că pe acest interval f este o contracţie. Să se rezolve ecuaţia
  3   3
f ( x ) = x cu o eroare mai mică decât 10 −5 .

57
 2
Soluţie. Funcţia f este strict descrescătoare, continuă, f ( 0) = ,
3
 2  46   2  2 4
f = , deci f  0,   ⊂ 0.  . Apoi, f ′( x ) ≤ pentru orice
 3 81  3   3  9
 2 4
x ∈ 0,  şi deci f ( x) − f ( y ) ≤ x − y . Conform principiului contracţiei,
 3  9
 2  2
există şi este unic un punct z ∈ 0,  , astfel încât f ( z ) = z . Fie x 0 = şi
 3 3
4
x n +1 = f ( x n ) . La fiecare pas eroarea se evaluează prin x n − z < x n − x n −1 .
5
Avem
4 4
x11 − z ≤ x11 − x10 = 0,5960707 − 0,596077 = 5,04 ⋅10 −6
5 5
Se aproximează z cu 11 x = 0,5960707 , făcând o eroare mai mică decât
−6
5,04 ⋅10 .
Observaţie. În exemplul precedent s-a modelat ecuaţia x 3 + 3 x − 2 = 0 ,
astfel încât să se ajungă la forma f ( x ) = x .
1 a
Exerciţiu 1. Fie a > 0 şi f : [ a ,+∞) →R , f ( x) =  x +  .
2 x
Folosind principiul contracţiei, să se arate că şirul ( x n ) n∈N , definit prin
1  a
x n +1 =  x n +
 , x 0 > a , este convergent şi că x n − a ≤ x n −x n −1 .
2 xn
Exerciţiul 2. Folosind metoda din exemplul 1, să se aproximeze cu o
 1
eroare mai mică decât 10 −5 rădăcina din intervalul 0,  a ecuaţiei
 2
x − 5x +1 = 0 .
5

Indicaţie. Cu şirul lui Rolle se arată că ecuaţia are trei rădăcini reale în
intervalele ( −∞,−1) , ( −1,1) , (1,+ ∞) . Cu metoda bipartiţiei se reduce
 1
intervalul ( −1,1) la 0,  . Pe acest interval se modelează ecuaţia sub forma
 2
(
1 5
) 1
( )  1
x +1 = x . Funcţia f ( x) = x 5 +1 este atunci o contracţie pe 0,  .
5 5  2

IV.3. Metoda lui Newton

Cunoscută şi sub numele de metoda tangentei, metoda aproximează
rădăcinile unor ecuaţii de forma f ( x ) = 0 .
Fie [ a, b] ⊂ R .

58
 Teorema 1 (metoda lui Newton). Fie f : [ a, b] → R o funcţie de clasă
C , astfel încât f ′( x ), f ′′( x ) ≠ 0 pentru orice x ∈[a, b] şi f ( a) ⋅ f (b) < 0
2

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

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

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

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

Exemplul 1. Să se rezolve, cu o eroare mai mică decât 10 −6 , ecuaţia

x 3 − 3x − 7 = 0 .
Soluţie. Prin metode elementare se constată că ecuaţia are o singură
rădăcină reală, aflată în intervalul [2,3] , unde f ′( x ), f ′′( x ) ≠ 0 pentru orice x.
Dacă x0 = 3 , atunci f ( x0 ) f ′′( x 0 ) > 0 şi deci, conform teoremei 1, şirul
f ( x n ) 2 x n3 + 7
( x n ) n∈N , definit prin x n +1 = x n − = , converge către rădăcina
f ′( x n ) 3 x n2 − 3
ecuaţiei considerate.
Deoarece inf f ′( x) = 9 , eroarea se evaluează prin
x∈[ 2 , 3]
1 3
xn − z ≤ x n − 3 x n − 7 . Se obţine x 4 = 2,4259887 , iar eroarea este mai mică
9
decât 7 ⋅10 −8 .
Exemplul 2. Să se rezolve ecuaţia x −1 − arctg x = 0 .
Soluţie. Folosind pentru început metoda bipartiţiei, se constată că ecuaţia
x2
are soluţie unică aflată în intervalul [2,3] . Avem f ′( x) = ,
1+ x2

59
 2x
f ′′( x) = , funcţii care nu se anulează în intervalul [2,3] . Se poate lua
(1 + x ) 2 2

4
x0 = 3 . Deoarece min f ′( x) = , pentru şirul ( x n ) n∈N definit prin
x∈[ 2 , 3] 5
( x n − 1 − arctg x n ) (1 + xn2 )
x n +1 = x n −
x n2
sau
 1  1
x n +1 = 1 + 2 (1 + arctg x n ) − ,
 xn  xn
5
eroarea se evaluează după formula xn − z ≤ f ( x n ) . Se obţine
4
x3 = 2,1322679 , f ( x3 ) = 10 −7 şi rădăcina se aproximeazăă cu x 3 , făcându-se
o eroare mai mică decât 1,25 ⋅10 −7 .
Observaţie. În cele două exemple precedente este de remarcat numărul
mic de iteraţii făcute pentru obţinerea unei aproximări bune, aceasta în comparaţie
cu metoda bipartiţiei.

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

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

x ∞
= max xi , iar pe spaţiul L R m
1≤i ≤m
(
norma operatorială indusă )
A =sup Ax . Astfel, dacă A = (a ij ) i , j∈{1,..., m} , atunci
x ≤1

m
A ∞
= max
1≤i ≤m
∑a
j =1
ij .

Amintim că dacă f : D ⊂ R m → R m , f = ( f 1 ,... f m ) este derivabilă,

atunci
 ∂f 1
 ( x0 )  ∂f1 ( x0 ) 
 ∂x1 ∂x m 
f ′( x0 ) =     .
 ∂f m ∂f m 
 ∂x ( x0 )  ∂x ( x0 ) 
 1 m 
Metoda urmăreşte rezolvarea aproximativă a sistemului de ecuaţii neliniare

60
 f 1 ( x1 ,..., x m ) = 0
f 2 ( x1 ,..., x m ) = 0
(1)

f m ( x1 ,..., x m ) = 0
Sistemul precedent se scrie f ( x ) = 0 , unde f = ( f 1 ,..., f m ) .
Propoziţiile care urmează produc tehnicile necesare obţinerii metodei lui
Newton în acest cadru..
Amintim că
B ( x, r ) = {y ∈R m x − y < r } ; B ( x, r ) = {y ∈R m x − y ≤ r } .
Propoziţia 1. Fie D o mulţime deschisă şi convexă în R m şi f : D → R m
o funcţie derivabilă, pentru care există M > 0 , astfel încât
f ′( x ) − f ′( y ) ≤ M x − y pentru orice x, y ∈D . Fie w ∈ D un punct în

care derivata f ′(w) este inversabilă şi fie α≥ ( f ′( w) ) . Fie r > 0 , astfel

−1

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

α
( f ′( x) ) şi ( f ′( x) ) ≤
−1 −1

1 − αMr
.
Funcţia f este injectivă pe B ( w, r ) .

Propoziţia 2. Fie D ⊂ R m o mulţime deschisă şi convexă, fie

f : D → R m o funcţie derivabilă pentru care există M > 0 , astfel încât
f ′( x ) − f ′( y ) ≤ M x − y pentru orice x, y ∈D . Atunci
M 2
f ( x) − f ( y ) − f ′( y )( x − y ) ≤ x − y ∀x, y ∈D .
2
Teorema 1 (metoda lui Newton). Fie D ⊂ R m o mulţime deschisă şi
convexă, f : D → R m o funcţie derivabilă pentru care există M > 0 , astfel încât
f ′( x ) − f ′( y ) ≤ M x − y pentru orice x, y ∈D . Presupunem că există
z ∈ D , astfel încât f ( z ) = 0 şi că f ′(z ) este inversabilă. Fie
α≥ ( f ′( z ) ) −1 , q ∈( 0,1) şi r >0, astfel încât B( z, r ) ⊂ D şi

r<
2q
(1 + 2q ) Mα
. Atunci, pentru orice x ( 0 ) ∈ B ( z , r ) , şirul (x )
(n)
n∈N ,
construit prin
( (
x ( n +1) = x ( n ) − f ′ x ( n ) )) ( f ( x )) ,
−1 ( n)

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

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

61
r<
q
( q + 2) Mα
. Atunci, pentru orice x ( 0 ) , w ∈B ( z , r ) , şirul x
(n)
( ) n∈N definit
prin
x ( n +1) = x ( n ) − ( f ′( w) )
−1
( f ( x ))
(n)

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

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

Teorema 3. Fie D ⊂ R m o mulţime deschisă şi convexă, f : D → R m o

funcţie derivabilă pentru care există M > 0, astfel încât
′ ′
f ( x ) − f ( y ) ≤ M x − y pentru orice x, y ∈D . Presupunem că există

z ∈ D , astfel încât f ( z ) = 0 , şi că există ( f ′( z ) ) −1 . Fie α> ( f ′( z ) ) −1 şi

2
r > 0 , astfel încât B( z, r ) ⊂ D şi αMr < . Atunci, pentru orice
3
(
x ( 0 ) ∈ B ( z , r ) , şirul x ( n ) ) n∈N , construit prin
( (
x ( n +1) = x ( n ) − f ′ x ( n ) )) ( f ( x )) ,
−1 ( n)

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

n −1
x ( n ) −z ≤ q 2 r ,
unde
αMr
q= .
2(1 − αMr )
1
În metoda Newton simplifiată se poate impune restricţia αMr < ,
3
3αMr
evaluarea erorii fiind x ( n ) −z ≤q n r cu precizarea că q = .
2(1 − αMr )
Exemplu. Fie sistemul
x 2 + y − 20 x + 40 = 0
y 2 + x − 20 y + 20 = 0
Prin metode grafice, construind în acelaşi sistem de axe graficele curbelor
de ecuaţii y = 20 x − 40 − x 2 şi x = 20 y − 20 − y 2 , constatăm că sistemul are
62
două rădăcini, ambele în primul cadran şi că una dintre rădăcini este localizată în
[2,3] ×[1,2] . Pentru a aproxima aceastăă rădăcină considerăm funcţia
(
f ( x, y ) = x 2 + y − 20 x + 40 , y 2 + x − 20 y + 20 )
Atunci
 2 x − 20 1 
f ′( x, y ) =  1 
 2 y − 20 

20 y − 20 −1 
( f ′( x, y ) ) −1 = 1  
δ −1 2 x − 20 

unde δ = det f ′( x, y ) = 4 xy − 40 y − 40 x + 399 .
Se poate arăta că sunt îndeplinite condiţiile din teorema 3, spre exemplu că
pe dreptunghiul considerat derivata este în fiecare punct inversabilă. Fie
( ( )) ( (
x ( 0 ) = ( 2,1) şi x ( n +1) = x ( n ) − f ′ x ( n )
−1
))
f x ( n ) . Atunci
−1  5  1 18 1 5 
x (1) = ( 2,1) − ( f ′( 2,1) )  3  = ( 2,1) + 287  1 16 

 .
   3 
Se obţine x (1) = ( 2,324 ; 1,184 ) . Apoi
1 17 ,63 1  0,105 
x ( 2 ) = ( 2,324 ; 1,184 ) + 
  
.
270  1 15 ,352 
0,046 
Se găseşte x ( 2 ) = ( 2,331 ; 1,187 ) .
( )
Observaţie. f x ( 2 ) = (0,0005 ; − 0,00003 ) .

IV.5. Metoda Newton-Kantorovici

Metoda lui Newton prezentată în paragraful precedent are avantajul de a fi
foarte rapid convergentă şi dezavantajul de a localiza procesul iterativ în jurul
soluţiei necunoscute. Acest dezavantaj este înlăturat în varianta următoare a
metodei, datorată lui Kantorovici. În acest procedeu stabilitatea metodei în
domeniul de definiţie se face pas cu pas prin intermediul următoarei proprietăţi:
Propoziţia 1. Cu ipotezele şi notaţiile din paragraful 1, fie
g ( x) = x − ( f ′( x) ) ( f ( x) ) . Dacă există x ∈B ( w, r ) astfel încât
−1

g ( x ) ∈B ( w, r ) , atunci
2
αM g ( x ) − x
g ( g ( x )) − g ( x ) ≤
2(1 −αM g ( x ) −w ).
Teorema 1 (metoda Newton-Kantorovici). Fie f : D ⊂ R m → R m , o
funcţie derivabilă pentru care există M > 0, astfel încât
f ′( x ) − f ′( y ) ≤ M x − y pentru orice x, y ∈D . Fie α ≥ ( f ′( w) )
−1
,
1
β ≥ ( f ′( w) ) ( f ( w) ) . Dacă αβM <
−1
şi B ( w, r ) ⊂D , unde
2

63
 αM
1
r=
1 − 1 − 2αβM , ( )
atunci ecuaţia f ( x ) = 0 are soluţie unică z ∈B ( w, r ) . Dacă x ( 0 ) = w şi
( (
x ( n +1) = x ( n ) − f ′ x ( n ) )) ( f ( x )) ,
−1 ( n)

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

= z.
n →∞

Teorema 2 (metoda Newton-Kantorovici simplificată). Cu notaţiile şi

ipotezele din teorema precedentă, există şi este unic z ∈B ( w, r ) , astfel încât
f ( z) = 0 . Pentru orice x ( 0 ) ∈ B ( w, r ) , şirul x ( n ) n∈N , ( )
x ( n +1)
=x (n)
− ( f ′( w) )
−1
( f ( x ) ) rămâne în B(w, r ) , converge către z şi
(n)

q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 )
1 −q 1 −q

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

f ′( x ( 0 ) ) ( f ′( x ( ) )) −1
este inversabilă şi fie α≥ 0
. Fie
8
β≥ ( f ′( x ( ) )) ( f ( x ( ) ))
0 −1 0
şi presupunem că 2αβM < . Fie
9
r=
1
αM
( )
1 − 1 − 2αβM şi presupunem că B ( x 0 , r ) ⊂ D .

( )
Atunci există şi este unic z ∈ B x ( 0 ) , r , astfel încât f ( z ) = 0 . Şirul
(x ) (n)
n∈N , ( (
x ( n +1) = x ( n ) − f ′ x ( n ) )) ( f ( x ( ) ))
−1 n
rămâne în B( x ( 0) , r ) ,
n −1 1 − 1 − 2αβM
converge către z şi x ( n ) −z ≤ q 2 r unde q = .
2 1 − 2αβM

IV.6. Metoda aproximaţiilor succesive (cazul funcţiilor de mai multe variabile)

Ca şi în paragraful 2, metoda se ocupă de rezolvarea aproximativă a unor
ecuaţii de forma f ( x ) = x , unde f : D ⊂ R m → R m .
Definiţie. Funcţia f : D ⊂ R m → R m se numeşte contracţie dacă există
q ∈[0,1) , astfel încât f ( x ) − f ( y ) ≤q x −y pentru orice x, y ∈D .

64
 Exemplu. Amintim că dacă D ⊂ R m este o mulţime deschisă şi
f : D → R m este derivabilă pe segmentul [ x, y ] ⊂ D , atunci
f ( x ) − f ( y ) ≤ sup f ′(t ) ⋅ x − y
t∈[ x , y ]

Atunci, dacă funcţia f este derivabilă pe mulţimea deschisă şi convexă D şi

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

pentru orice x, y ∈A , iar dacă f ′(t ) ≤ q <1 pentru orice t ∈ A , atunci

funcţia f este o contracţie pe A.
Teorema 1 (principiul contracţiei). Fie A ⊂ R m o mulţime închisă şi
f : A → A o contracţie. Atunci există şi este unic z ∈ A , astfel încât f ( z ) = z .
Pentru orice x ( 0 ) ∈ A şirul x ( (n)
)n∈N definit prin x
( n +1)
( )
= f x ( n ) converge
către z. Dacă f ( x ) − f ( y ) ≤q x −y pentru orice x, y ∈A ( q <1 ),
atunci
q qn
x (n) − z ≤ x ( n ) − x ( n −1) ≤ x (1) − x ( 0 ) .
1 −q 1 −q
Metoda rezultată, în care z se aproximează cu termenii şirului x (n ) , se
numeşte metoda aproximaţiilor succesive.
Exemplul 1. Fie f : [ a, b] ×[c, d ] →[ a, b] ×[c, d ] , f = ( ϕ, ψ) , o
funcţie derivabilă pentru care există q ∈[0,1) , astfel încât
∂ϕ ∂ϕ
( x, y ) + ( x, y ) ≤q
∂x ∂y
∂ψ ∂ψ
( x, y ) + ( x, y ) ≤ q
∂x ∂y
pentru orice ( x, y ) ∈[a, b] ×[c, d ] . Atunci funcţia f este o contracţie pe
[a, b] ×[c, d ] ( f ′( x, y ) ∞ ≤ q ∀( x, y ) ∈[a, b] ×[c, d ] ) şi deci exisţă şi
este unic ( α, β) ∈[ a, b] ×[c, d ] , astfel încât f ( α, β) = ( α, β) , iar pentru
aproximare se poate folosi metoda aproximaţiilor succesive.
Exemplul 2. Se consideră sistemul
1 3
6
( 1
x + y3 + = x
2
)
.
1 3
6
( 1
x −y + =y
3

3
)
 9  9  9  9
Fie f : 0,  × 0,  → 0,  × 0,  , f = ( ϕ, ψ) ,
 10   10   10   10 
65
 ϕ( x, y ) =
1 3
6
( 1
2
) 1
6
1
x + y 3 + , ψ( x, y ) = x 3 − y 3 + ,
3
( )
 x2 y2 
 
f ( x, y ) =  22
′ 2 .
x y2 
 − 
 2 2 
Atunci
x2 + y2
f ′( x, y )
∞
=
≤ 0,81 .
2
 9  9
Rezultă că funcţia f este o contracţie pe 0,  × 0,  :
 10   10 
f ( x, y ) − f (u , v ) ∞
≤ 0,81 max { x −u , y −v } = 0,81 ( x, y ) −(u , v ) ∞ .
Ecuaţia f ( x, y ) = ( x, y ) are atunci soluţie unică în dreptunghiul
considerat şi pentru aproximarea acestei soluţii se poate folosi metoda
aproximaţiilor succesive. Fie x ( 0 ) = (0,0) şi x ( n +1) = f x ( n ) . Eroarea se ( )
aproximează prin
0,81
x (n) − z ≤ x ( n ) − x ( n −1)
∞ 1 − 0,81 ∞

adică prin
x ( n ) − z ≤ 4,24 x ( n ) − x ( n −1)
∞

Se obţine
x ( 7 ) = (0,5323985 ; 0,3512868 ) ,
x (8) = (0,5323761 ; 0,3512597 )
−3
şi atunci x −z ∞ <10 .
(8)

Exemplul 3. Se consideră sistemul

x2 + y
2+ =x
20
x + y2
1+ =y
20
 x2 + y x + y2 
Funcţia f ( x, y ) =  2 + ,1 + 
 are proprietăţile:
 20 20 
 x 1 
 
f : [ 2,3] ×[1,2] →[ 2,3] ×[1,2] , f ′( x, y ) =  10 20 
 1 y 
 
 20 10 
x 1 1 y 7
f ′( x, y ) ∞
= max  + , + ≤
10 20 20 10  10
66
 Rezultă că
7
f ( x, y ) − f (u , v ) ≤
( x, y ) − (u , v ) ∞
∞
10
şi deci f este o contracţie pe [2,3] ×[1,2] . Există atunci şi este unic z = ( α, β) ,
astfel încât z ∈[ 2,3] ×[1,2] , f (α, β) = (α, β) . Pentru aproximarea soluţiei z se
poate folosi metoda aproximaţiilor succesive. Formula de evaluare a erorii este
atunci
7
x ( n ) − z ≤ x ( n ) − x ( n −1) .
∞ 3 ∞

V. APROXIMAREA SPECTRULUI UNEI MATRICI

REALE SIMETRICE

V.1. Spectrul unei matrici simetrice

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

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

= x, x (norma
euclidiană). Dacă T : R m → R m este un operator liniar, atunci T 2 este norma
operatorială generată de norma euclidiană: T 2 = sup Tx 2 . Dacă
x ≤1 2

T = (t ij ) i , j∈{1,..., m} , atunci (t )
ji i , j∈{1,..., m } generează operatorul adjunct T * , ce
poate fi definit şi prin proprietatea Tx , y = x, T * y , pentru orice x, y ∈R m .

Dacă matricea (t ij )i , j∈{1,..., m} este simetrică, atunci operatorul generat T este

autoadjunct: Tx , y = x, Ty ∀x, y ∈R m .
Mulţimea {λ ∈C det (T − λI ) = 0} , adică familia rădăcinilor polinomului
caracteristic se numeşte spectrul lui T şi se notează S (T ) . Dacă T este
autoadjunct, atunci spectrul este format numai din numere reale.
Fie A o matrice reală simetrică. Se ordonează spectrul lui A:
S ( A) = ( λ1 , λ 2 ,..., λ m ) , λ1 ≤ λ 2 ≤ ... ≤ λ m .
Unul din rezultatele cu importanţă mai mult calitativă, care stă la baza
realizării unor metode de aproximare a spectrului, este:

Teorema 1 (E. Fischer). Dacă A este o matrice reală simetrică şi

S ( A) = ( λ1 , λ 2 ,..., λ m ) , λ1 ≤ λ 2 ≤ ... ≤ λ m , atunci
Ax , x
λj = inf sup 2 ,
X∈S j x∈X , x ≠0
x 2

67
unde S j este familia subspaţiilor de dimensiune j în R m .
Ca o consecinţă a teoremei precedente are loc un prim fenomen de
aproximare:
Teorema 2. Fie A, B matrici reale simetrice ale căror spectre, scrise în
ordine crescătoare, sunt λ1 , λ2 ,..., λm , respectiv µ1 , µ2 ,..., µm . Atunci
λi −µi ≤ A − B 2 , ∀i ∈{1,..., m} . (1)
Dacă T = (t )
ij i , j∈{1,..., m} , se notează

m
T F
= ∑t
i , j =1
2
ij .

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

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

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

crescătoare, sunt α1 , α2 ,..., αm şi că spectrul lui A este λ1 , λ2 ,..., λm . Atunci
λi − αi ≤ A − D F , ∀i ∈{1,..., m} (4)
Se notează A − D F
| A| , deci | A| =
= ∑a
i≠ j
2
ij şi relaţia (4) se scrie
λi − αi ≤| A| , ∀i ∈{1,..., m} (5)

V.2. Metoda rotaţiilor

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

68
 1 
 
  
 1 
 
 cos θ    − sin θ  linia σ
  1  
 
T =     (1)
  1  
 
 sin θ    cos θ  linia τ
 1 
 
  
 1 

Matricea T are m linii şi m coloane şi în afara elementelor specificate are
numai zerouri.
Metoda rotaţiilor este un procedeu iterativ de aproximare a spectrului
matricii A constând în construcţia unui şir de matrici A
(n)
(
n∈N , unde A )
( 0)
= A,
( n +1)
A = T A Tn , iar Tn este de forma (1). Fiecare matrice A (n ) are acelaşi
n
* (n)

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

n→ ∞
în (5), paragraful 1, va rezulta că spectrul lui A poate fi aproximat cu diagonala lui
A ( n ) , scrisă în ordine crescătoare.
Fie B = T * AT , B = (bij )i , j∈{1,..., m} .
Dacă i ∉{σ, τ} , j ∉{σ, τ} , atunci bij = b ji = aij .
Dacă j ∉{σ, τ} , atunci bσj = b jσ = a σj cos θ + a τj sin θ ,
bτj = b jτ = −a σj sin θ + a τj cos θ .
bσ τ = bτ σ= a σ τ( cos2 θ − sin 2 θ ) + ( a τ τ− aσ σ) sin θ cos θ .
bσ σ = aσ σ cos 2 θ + 2a σ τ sin θ cos θ + a τ τsin 2 θ
bτ τ = a σ σ sin 2 θ − 2a σ τ sin θ cos θ + a τ τcos 2 θ
Au loc următoarele proprietăţi:
T −1 = T *
S ( A) = S ( B )
trA = trB
( )
| B | =| A| 2 +2 bσ2 τ − a σ2 τ .
2

Din egalitatea precedentă se observă că dacă bστ = 0 , atunci | B | ≤| A| şi

aceasta, împreună cu (5) paragraful 1 va permite construcţia unui şir de matrici în
care diagonalele pot aproxima spectrul lui A.
69
 2a σ τ π
Dacă a σ σ ≠ a τ τ şi tg 2θ = , atunci bστ = 0 ( θ < ).
aσ σ − aτ τ 4
π
Dacă a σ σ = a τ τ şi θ =
, atunci bστ = 0 .
4
Teoremă (metoda rotaţiilor). Fie m ≥ 3 şi A o matrice reală simetrică.
Se consideră şirul de matrici A (
(n)
)
n∈N , unde A
( 0)
= A, A
( n +1)
= Tn* A ( n ) Tn ,
Tn fiind de tipul (1), în care, dacă A
(n)
(
= aij( n ) ) i , j∈{1,..., m} , parametrii σn , τn ,
σn ≠ τn sunt astfel încât a
(n)
σn τn = max a (n)
ij , iar parametrul θn este ales astfel
i≠ j
( n +1)
încât a σn τn = 0 . Fie α1 ,..., αm elementele de pe diagonala matricii A (n )
(n) (n)

scrise în ordine crescătoare şi λ1 ,..., λm spectrul lui A scris, de asemenea, în

ordine crescătoare.
Atunci lim α j = λ j , ∀j ∈{1,..., m} şi
(n)
n→ ∞
α(jn ) − λ j ≤| A ( n ) |≤ q n | A| ,

2
unde q = 1 − .
m −m2

Exerciţii. Folosind metoda rotaţiilor, să se aproximeze cu o eroare mai

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

3.
2 2 1 0 
 
2 2 2 1 
A =
1 2 2 2
 
0 1 2 2 
 
R. S ( A) = ( −0,41423 ; − 0,162277 ; 2,41422 ; 6,16228 )
70
 VI. INTERPOLARE
Aproximarea funcţiilor prin polinoame este legată în cazul funcţiilor
analitice de chiar definiţia analiticităţii, iar în cazul general al funcţiilor continue pe
un interval compact, de existenţa unui şir de polinoame uniform convergent către
funcţie. Interpolarea cu polinoame este un fenomen de aproximare, în general
punctual, în care, cunoscând valorile unei funcţii în anumite puncte, se
aproximează acea funcţie cu un polinom având proprietatea că în acele puncte ia
aceleaşi valori ca şi funcţia. Această coincidenţă este cerută uneori şi pentru
derivatele până la un anumit ordin.

VI.1. Existenţa şi unicitatea polinomului de interpolare

Se consideră următorul sistem de date:
m∈N*
xi ∈ R , i ∈{1,..., m} , puncte distincte două câte două
(D)
a i ∈ N * , i ∈{1,..., m}
z ij ∈ R , i ∈{1,..., m} , j ∈{ 0,1,..., ai − 1}
m m
Fie n = ∑a
i =1
i şi ω( x ) = ∏( x − xi )
i =1
ai
.

Definiţie. Se numeşte polinom de interpolare asociat sistemului (D), un

polinom P ∈R[ x ] cu proprietăţile:
gradP ≤ n −1 ,
P ( xi ) = z ij , i ∈{1,..., m} , j ∈{ 0,1,..., ai − 1} .
( j)

Teorema 1.Există şi este unic un polinom de interpolare asociat

sistemului (D).

Teorema 2 (formula lui Hermite). Polinomul de interpolare asociat

sistemului (D) se poate scrie sub forma
ai −1
n
ω( x )
P( x) = ∑ ∑ z (x− x )
j
rij ( x)
i =1 ( x − x i )
ai ij i
j =0
unde

71
 1  ( x − xi )
(k )
1
ai − j −1 ai

rij ( x) = ∑  ( xi )( x − xi ) k .
j! k =0 k!  ω( x) 

Definiţie. Dacă a1 = ... = a m = 1 , polinomul de interpolare corespunzător
se numeşte polinom de interpolare Lagrange.
Dacă în cazul descris în definiţia precedentă notăm z i = z i 0 , atunci
polinomul de interpolare Lagrange este un polinom P, de grad cel mult m −1 şi
având proprietatea P ( xi ) = z i , i ∈{1,..., m} . Se poate uşor constata că are loc
formula lui Lagrange:
n n x −xj
P( x) = ∑ z i ∏
i =1 j =1 xi − x j .
j ≠i

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

VI.2. Polinoame de interpolare asociate funcţiilor

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

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

∑a
i =1
i = n . Fie f : D → R o funcţie derivabilă de ai −1 ori în y i , pentru

fiecare i ∈{1,..., m} .
Definiţie. Se numeşte polinom de interpolare asociat funcţiei f şi
sistemului ( x1 ,..., x n ) un polinom P, de grad cel mult n −1 , astfel încât
P ( j ) ( yi ) = f ( yi ) , i ∈{1,..., m} , j ∈{0,1,..., ai −1} .
( j)

Se notează P ( x) = P ( f ; x1 ,..., x n ; x ) .

72
 Se spune că x1 ,..., x n sunt noduri, iar dacă x este un asemenea nod şi
dacă apare de a − ori printre x1 ,..., x n se spune că x are multiplicitatea a. Dacă
a = 1 , nodul x se numeşte simplu, şi se numeşte multiplu dacă a > 1 . De
exemplu, în P ( f ;1,1,2,8,8,8; x ) nodul 1 este dublu, nodul 2 este simplu, iar
nodul 8 este triplu.
Exemple:
1. P ( f ; x1 ; x ) = f ( x1 ) .
f ( x 2 ) − f ( x1 )
2. Fie x1 ≠ x 2 şi P ( x) = f ( x1 ) + ( x − x1 ) . Deoarece
x 2 − x1
gradP ≤1 , P ( x1 ) = f ( x1 ) , P ( x 2 ) = f ( x 2 ) , din definiţia şi unicitatea
polinomului de interpolare rezultă că P ( x ) = P ( f ; x1 , x 2 ; x ) .
3. Dacă f este derivabilă în punctul x, atunci
P( x) = f ( x1 ) + f ′( x1 )( x − x1 ) este polinomul de interpolare asociat funcţiei f
şi nodului dublu x1 , adică P ( x ) = P ( f ; x1 , x1 ; x ) . Se observă pentru acesta
că gradP ≤1 , P ( x1 ) = f ( x1 ) şi P ′( x1 ) = f ′( x1 ) .
Definiţie. Se numeşte diferenţă divizată asociată funcţiei f şi nodurilor
x1 ,..., xn coeficientul lui x n −1 din P ( f ; x1 ,..., x n ; x ) .
Se notează f [ x1 ,..., x n ] .
Observaţie. Atât P ( f ; x1 ,..., x n ; x ) , cât şi f [ x1 ,..., x n ] nu depind
de ordinea nodurilor.
Teorema 1 (formulă de recurenţă). Dacă n ≥ 2 şi x1 ≠ x n , atunci
x − x1 x − xn
P( f ; x1 ,..., x n ; x ) = P ( f ; x 2 ,..., x n ; x ) + P ( f ; x1 ,..., x n −1 ; x )
x n − x1 x1 − x n
.
Corolar 1. Dacă x1 ≠ x 2 , atunci
x − x1 x − x2
P ( f ; x1 , x 2 ; x ) = f ( x 2 ) + f ( x1 )
x 2 − x1 x1 − x 2
iar P se numeşte polinom de interpolare liniară.

Corolar 2. Dacă n ≥ 2 şi x1 ≠ x n , atunci

f [ x 2 ,..., x n ] − f [ x1 ,..., x n −1 ]
f [ x1 ,..., x n ] = .
x n − x1
În particular
f ( x 2 ) − f ( x1 )
f [ x1 , x 2 ] = .
x 2 − x1
73
 Propoziţie 1. Dacă x1 = x 2 = ... = x n , atunci
1
f [ x1 ,..., x1 ] = f ( n −1)
( x1 ) .
  (n − 1)!
n −ori
Teorema 2 (formulă de recurenţă). Dacă n ≥ 2 , atunci
P ( f ; x1 ,..., x n ; x ) = P ( f ; x1 ,..., x n −1 ; x ) + f [ x1 ,..., x n ]( x − x1 )... ( x − x n −1 )
.
Mai general
ω( x)
P ( f ; x1 ,..., x n ; x ) = P ( f ; x1 ,..., xi −1 , xi +1 ,..., x n ; x ) + f [ x1 ,..., x n ]
x − xi
.
Teorema 3 (formula lui Newton cu diferenţe divizate).
n
P ( f ; x1 ,..., x n ; x ) = ∑ f [ x1 ,..., xi ]( x − x1 )...( x − xi −1 ) .
i =1

VI.3. Evaluarea erorii

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

Propoziţia 3. Dacă n ≥ 2 şi dacă funcţia f este de clasă C n −1 pe

intervalul D, atunci există ξ∈D , astfel încât
1
f [ x1 ,..., x n ] = f ( n −1) ( ξ) .
( n −1)!
Teorema 4 (continuitatea diferenţelor divizate). Dacă n ≥ 2 , iar
funcţia f este de clasă C n −1 pe intervalul D, atunci diferenţa divizată
f [ x1 ,..., x n ] , ca funcţie de n variabile, este continuă pe D n .

74
 Teorema 5 (derivabilitatea diferenţelor divizate). Dacă funcţia f este de
clasă C n+i , atunci
∂′
f [ x1 ,..., x n , x ] = i! f [ x1 ,..., x n , 
x
, x,...,
 x ] .
∂x ′ i +1 ori

Algoritmul lui Aitkien

Fie x 0 ,..., x n puncte distincte două câte două din D şi f : D → R . Fie
Pk 0 ( x ) = f ( x k ) , k =1,..., n şi
( x − x ) Pdd ( x) − ( xd − x ) Pkd ( x)
Pk , d +1 ( x ) = k , k ∈{d +1,..., n} .
xk − xd
Atunci Pnn ( x) = P ( f ; x1 ,..., x n ; x ) .
π
Exemplul 1. Să aproximăn sin prin interpolare prin
4
 1 πx
P f ;−2,−1,0,1,2,3;  , unde f ( x) = sin .
 2 2
Pentru controlul rezultatelor intermediare din algoritmul lui Aitkien se
1 1 
poate utiliza tabloul următor, în care x = şi se scriu Pki   .
2 2 
xi Pk 0 Pk 1 Pk 2 Pk 3 Pk 4 P55 xk − x
-2 0 -2,5
-1 -1 -2,5 -1,5
0 0 0 1,25 -0,5
1 1 0,8(3) 0 0,625 0,5
2 0 0 -1,25 0,625 0,625 1,5
3 -1 -0,5 -1,75 0,75 0,59375 0,671875 2,5
π
Atunci sin ≈ 0,671875 .
4
1 1
Exemplul 2. Fie funcţia f ( x ) = şi nodurile duble x1 = x 2 = − ,
1+ x 2
2
1
x3 = x 4 = 0 , x5 = x 6 = . Cu ajutorul formulei lui Newton cu diferenţe divizate
2
1
să se calculeze polinomul de interpolare. Să se verifice evaluarea erorii în x = .
4
Soluţie. Calculul diferenţelor divizate este prezentat în următorul tablou:
1 1 1 1
− − 0 0 xi
2 2 2 2
4 4 4 4
1 1 f ( xi )
5 5 5 5

75
 16 10 10 16
0 − − f [ xi , xi +1 ]
25 25 25 25
12 20 20 12
− − − − f [ x i , x i +1 , x i +2 ]
25 25 25 25
16 16
− 0 f [ xi , xi +1 , xi +2 , xi +3 ]
25 25
16 16
f [ xi , xi +1 , xi +2 , xi +3 , xi +4 ]
25 25
0 f [ x1 , x 2 , x3 , x 4 , x5 , x6 ]
Atunci
2 2 2
4 16  1  12  1 16  1 16  1 2
P ( f ; x1 ,..., x 6 ; x ) = + x + − x +  − x +  x + x +  x
5 25  2  25  2 25  2 25  2
,
deci
16 4 24 2
P( f ; x1 ,..., x 6 ; x ) = x − x +1 .
25 25
1  1 
Avem f   = 0,9411764 , iar aproximarea se face cu P  = 0,9425 .
4 4
Formula de evaluare a erorii dă majorarea cu
1 1 9
sup f (6) ( x) ω   = = 0, 00219726
6! x∈− 1 , 1 
 
 2  4096
 2 2
şi evaluările propuse verifică relaţia de evaluare a restului.

VI.4. Polinoame de interpolare cu noduri simple echidistante

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

∆h f : D − h  D → R ,
( ∆ h f ) ( x) = f ( x + h) − f ( x ) .
Operatorul ∆h , cât şi numărul f ( x + h) − f ( x) se numesc diferenţă
nedivizată ascendentă de ordinul întâi.
Dacă { x, x + h,..., x + nh } ⊂ D se defineşte
( ∆ f )( x ) = ( ∆
n
h
n −1
h f )( x + h) − ( ∆nh−1 f )( x)
adică ∆ h = ∆ h  ∆ h . Operatorul ∆h , cât şi numărul ∆h f (x) se numesc
n n −1 n n
( )
diferenţă nedivizată ascendentă de ordinul n. Prin convenţie, ∆0 f = f .

76
 Propoziţia 1. Fie f : D → R , h > 0 şi { x, x + h,..., x + nh } ⊂ D .
Atunci
( ∆ f )( x) = n!h
n
h
n
f ( x, x + h,..., x + nh ) .
Corolar 1. Dacă f este de clasă C n
pe intervalul [ x, x + nh ] , atunci
există ξ ∈[ x, x + nh ] , astfel încât
( ∆ f )( x) = h
n
h
n
f (n)
( ξ) .
Corolar 2. Dacă f este de clasă C n
pe intervalul [ x, x + nh ] , atunci

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

( )
n
P( f ; x0 , x1 ,..., x n ; x0 + th ) = ∑C ti ∆ih f ( x0 ) ,
i =0
t (t −1)...( t − i +1)
unde C t = , Ct = 1 .
i 0

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

.
Formula de interpolare precedentă se dovedeşte a fi mai bună (în sensul
unei minimizări a restului) dacă punctul în care se face aproximarea se află în
intervalul [ x 0 , x 0 + h ] .
Se notează ( ∇h f ) ( x) = f ( x) − f ( x − h) şi se numeşte diferenţă
nedivizată descendentă. Ca mai sus ,
( ∇ f )( x ) = ( ∇
n
h
n −1
h f )( x ) − (∇nh −1 f )( x − h)
Are loc:

( )
n
P ( f ; x 0 , x −1 ,..., x −n ; x 0 − sh ) = ∑( − 1) C si ∇ih f ( x 0 )
i

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

77
 P ( f ; x 0 , x 0 + h, x0 − h, x 0 + 2h, x0 − 2h,..., x 0 + nh , x0 − nh ) =
t (t − 1) t (t 2
− 1)
= f ( x 0 ) + ∆f 0 t + ∆2 f −1 + ∆3 f −1 +
2! 3!
t ( t − 1)(t − 2)
2
+ ∆4 f −2 + ... +
4!

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

+ ∆ f −n 2n (
t (t 2 − 1)... t 2 − ( n − 1)
2
)( t − n)
(2n)!
numită formula lui Gauss ascendentă.
2 x −t 2
Exemplul 1. Sunt cunoscute valorile funcţiei φ( x ) = ∫ e dt în
π 0
i
punctele 1 + , i ∈{0,1,..., 10 } . Folosind formula de interpolare Newton
10
ascendentă cu 4 noduri să se aproximeze φ(1,43 ) . Valorile funcţiei cât şi ale
diferenţelor nedivizate sunt prezentate în tabelul următor ( h = 0,1 ).
x φ( x ) ∆h φ ∆2h φ ∆3h φ ∆4h φ
1 0,8427 0,0375 -0,0074 0,001 0
1,1 0,8802 0,0301 -0,0064 0,001 -0,0001
1,2 0,9103 0,0237 -0,0054 0,0009 0
1,3 0,9340 0,0183 -0,0045 0,0009 0
1,4 0,9523 0,0138 -0,0036 0,0009 -0,0004
1,5 0,9661 0,0102 -0,0027 0,0005 0,0001
1,6 0,9763 0,0075 -0,0022 0,0006 -0,0002
1,7 0,9838 0,0053 -0,0016 0,0004
1,8 0,9891 0,0037 -0,0012
1,9 0,9928 0,0025
2 0,9953
Conform notaţiilor precedente x =1,43 , se alege x 0 = 1,4 . Atunci
x − x0
t= = 0,3 şi deci:
h
(
P( φ; x0 , x1 , x 2 , x3 ;1,43) = φ( x0 ) + C t1 ( ∆ h φ)( x0 ) + C t2 ∆2h φ ( x0 ) + )
( ) ( )
,
+ C t3 ∆3h φ ( x0 ) + Ct4 ∆4h φ ( x0 )
unde:
( )
φ( x0 ) = 0,9523 ; ( ∆ h φ)( x 0 ) = 0,0138 ; ∆2h φ ( x 0 ) = −0,0036 ;
( ∆ φ)( x ) = 0,0009 ; ( ∆ φ)( x ) = −0,0004 .
3
h 0
4
h 0

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

1
t t
2
t
3

78
şi se obţine P ( φ; x 0 , x1 , x 2 , x3 ;0,43 ) ≈ 0,95688 . Se aproximează deci
φ(1,43 ) ≈ 0,95688 . Se poate arăta că eroarea este mai mică decât 10 −4 , deci
primele 3 zecimale sunt exacte.
Exemplul 2. Folosind metoda şi tabelul din exerciţiul precedent, să se
aproximeze cu formula lui Newton ascendentă cu patru noduri φ(1,53 ) .
Se va lua x 0 = 1,5 şi se obţine φ(1,53 ) ≈ 0,9694737 eroarea teoretică
fiind mai mică decât 1,2 ⋅10 −5 .

VI.5. Interpolare cu funcţii spline cubice

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

Definiţie. Se numeşte funcţie spline cubică asociată funcţiei f şi nodurilor
x1 ,..., x n +1 , o funţie de clasă C 2 , s : [ a, b ] → R , astfel încât s ( xi ) = f ( xi )
∀i ∈{1,..., n +1} şi restricţia funcţiei s la fiecare interval [ xi , xi +1 ] este
polinomială de grad cel mult 3.
Teorema 1. Există şi este unică o funcţie spline cubică asociată funcţiei f
şi nodurilor x1 ,..., x n +1 , astfel încât s ′′( a ) = s ′′(b) = 0 .
Să notăm hi = xi +1 − xi , a i = s ′′( xi ) , i ∈{1,..., n +1} . Atunci
a1 = a n +1 = 0 . Se arată că pentru x ∈[ xi , xi +1 ] avem:
( x i +1 − x ) 3 ( x − xi ) 3
s( x) = ai + a i +1 +
6hi 6hi
 hi2  xi +1 − x  hi2  x − xi
+  f ( xi ) − ai 
  +  f ( xi +1 ) − ai +1 

 6  hi  6  hi
Se arată că necunoscutele rămase a 2 ,..., a n sunt soluţiile sistemului
Ax = b , unde x = ( a 2 ,..., a n ) ,
 h1 + h2 h2 
 0 0  0 0 
 3 6 
 h2 h2 + h3 h3
A= 6 0  0 0 
3 6 
        
 hn−1 hn −1 + hn 
 0 0 0 0  
 6 3 
1 1 1 1
b = ( b1 ,..., bn −1 ) , bi = f ( xi ) −   f ( xi +1 ) + h f ( xi +2 ) .

h + h
hi  i
 i +1 i +1

Matricea A este diagonal dominantă pe linii şi deci sistemul Ax = b are

soluţie unică, iar aceasta se poate aproxima cu metoda lui Jacobi.
79
 Pe fiecare interval [ xi , xi +1 ] evaluarea erorii se face cu formulele
stabilite la interpolare cu polinoame.
Fie
{
X = g ∈C[ a2,b ] g ( xi ) = f ( xi ), i ∈{1,..., n + 1} }
şi
φ : X → R , φ( g ) = ∫ ( g ′′( x ) ) 2 dx .
b

Are loc următoarea caracterizare variaţională:

Teorema 2. Dacă s ∈X este funcţia spline cubică din teorema 1, atunci
φ( s ) = min φ( g ) . Reciproc, dacă u ∈X şi φ(u ) = min φ( x ) , atunci u este
g∈X g∈X

funcţia spline cubică din teorema 1.

VII. FORMULE DE CUADRATURĂ

VII.1. Convergenţa punctuală

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

{ x1 ,..., x n } ⊂ [ a, b] sunt puncte distincte două câte două, iar { α1 ,..., α n } ⊂ R .

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

[a, b] , { α 1( n ) ,...,α (knn) } ⊂ R ( )

kn
două din intervalul şi J n ( f ) = ∑α i =1
(n)
i f xi( n ) .
Afirmaţiile următoare sunt echivalente:
b
i) lim J n ( f ) = ∫ f ( x) dx pentru orice f ∈C[ a ,b ] ;
n →∞ a

80
 kn
ii) Există M > 0 , astfel încât ∑α
i =1
(n)
i ≤ M , pentru orice n ∈ N şi

lim J n (t k ) = ∫ t k dt , pentru orice k ∈ N .

b

n →∞ a
Cu notaţiile din teorema precedentă are loc:
Corolar. Dacă α i ≥ 0 pentru orice i ∈{1,..., k n } şi orice n ∈ N ,
(n)

b
atunci lim J n ( f ) =
n →∞ ∫a
f ( x) dx pentru orice f ∈C[ a ,b ] dacă şi numai dacă

lim J n (t k ) = ∫ t k dt pentru orice k ∈ N .

b

n →∞ a

VII.2. Formulele Newton-Côtes

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

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

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

(n )
Coeficienţii H i au proprietăţile:
n

∑H
i =0
i
(n)
=1 (2)

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

.
1
Pentru n = 1 avem H 0 = H 1 =
(1) (1)
, iar formula ce se obţine
2
b −a
( f (a ) + f (b) )
T( f ) =
2
se numeşte "formula de cuadratură a trapezului".
Dacă f ∈C[ a ,b ] , evaluarea erorii rezultă din propoziţia precedentă:
2

b −a
( f (a ) + f (b) ) ≤ (b − a ) sup f ′′( x) .
3
b
∫a
f ( x) dx −
2 12 x∈[ a ,b ]

81
 1 4
Pentru n = 2 avem H 0 = H 2 = , H 1 = , iar formula care se
( 2) ( 2) (2)

6 6
obţine:
b−a a +b 
S( f ) =
 f (a ) + 4 f   + f (b) 
6   2  
poartă numele de "formula de cuadratura a lui Simpson".
Dacă f ∈C[ a ,b ] , formula de evaluare a erorii este:
4

b b −a   a +b   (b − a ) 5
∫ f ( x ) dx −  f (a) + f   + f (b) 
≤ ( 4)
 sup f ( x) .
a 6   2   2880 x∈[ a ,b ]

VII.3. Formule sumate

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

b (b − a ) 3
∫a
f ( x )dx −Tn ( f ) ≤ sup f ′′( x) .
12 n 2 x∈[ a ,b ]

Ca o consecinţă a formulei precedente şi a corolarului de la teorema 1,

paragraful 1, rezultă că:
b
lim Tn ( f ) = ∫ f ( x)dx , ∀f ∈C [ a ,b ] .
n →∞ a
b −a
Dacă pentru n > 1 , n ∈ N , se notează h = , xi = a + ih ,
n
i ∈( 0,1,..., 2n ) , prin sumarea formulelor lui Simpson corespunzătoare
intervalelor [ x 2 i , x 2i +2 ] se obţine
b − a n −1
Sm ( f ) = ∑ ( f ( x2i ) + 4 f ( x2i +1 ) + f ( x2i +2 ) )
6n i = 0
numită formula sumată a lui Simpson.
Dacă f ∈C 4 [ a, b] , are loc următoarea formulă de evaluare a erorii:
b
(b − a ) 5
∫ f ( x )dx − S m ( f ) ≤ (4)
4
sup f ( x) .
a 2880 n x∈[ a ,b ]

82
 Ca o consecinţă a formulei precedente şi a corolarului de la teorema 1
rezultă că:
b
lim S n ( f ) = ∫ f ( x)dx , ∀f ∈C [a, b ] .
n →∞
a
Exemple.
1
−x 2
1. Aproximarea integralei ∫e
0
dx cu formula sumată a trapezului se face cu

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

T8 ( f ) = 0,7458656 ; T10 ( f ) = 0,7462 . În cazul n = 10 pentru evaluarea
erorii constatăm că ( )
f ′′( x) = 2 2 x 2 −1 e −x ,
2
( ) 2
f ′′′( x ) = 8 x 2 − x 2 e −x .
Din studiul variaţiei rezultă că f ′′( x ) ≤2 . Din (1) rezultă că eroarea este
2
cel mult < 0,002 .
12 ⋅100
2. Să se aproximeze cu formula sumată a lui Simpson pentru n = 4 , integrala
1
x2
∫e
0
dx . Se obţine S 4 ( f ) = 1,4627231 .

VII.4. Formulele de cuadratură ale lui Gauss

Fie x 1 ,..., x n puncte distincte două câte două în intervalul [a, b ] şi

formula de cuadratură
n
J ( f ) = ∑ α i f ( xi ) , f ∈C[ a ,b ] (1)
i =1

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

b
J ( f ) = ∫ f ( x ) dx pentru orice f ∈ A .
a

Observaţie. Formula trapezului este exactă pentru orice funcţie

polinomială de grad cel mult 1, iar formula lui Simpson este exactă pentru orice
funcţie polinomială de grad cel mult 2.
Se notează cu Pk spaţiul polinoamelor de grad cel mult k.
Propoziţia 1. Dacă funcţionala (1) este exactă pe spaţiul Pm , atunci
m ≤ 2n −1 .

83
 Observaţie. Dacă funcţionala (1) este exactă pe P2 n −1 şi notăm
n
q( x) = ∏ ( x − xi ) , atunci
i =1
b
∫ q( x) p ( x)dx
a
= 0 ∀p ∈Pn −1 (2)
n
Un polinom de grad n se numeşte monic dacă coeficientul lui x este 1.
Teorema 1. Există şi este unic un polinom monic cu proprietatea (2). El
este dat de
γ n ( x) =
n!
( 2n)!
( ( x − a ) n ( x − b) n )
( n)

γ
( n se numeşte polinomul lui Legendre).
Propoziţia 2. Polinomul γn are n rădăcini reale distincte aflate în
( a, b ) .
Teorema 2. Fie x1 ,..., x n { (n) ( n)
} puncte distincte două câte două aflate în
intervalul ( a, b ) şi α { (n)
1 } ⊂ R . Fie
,..., α (n)
n

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

Funcţionala σn (n) (n)

este exactă pe P2 n −1 dacă şi numai dacă x1 ,..., x n sunt
b n x − x (jn )
α = ∫a ∏
( n)
rădăcinile polinomului Legendre γn , iar i dx
(n)
j =1 x i − x (jn ) .
j ≠i

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

Propoziţia 3. Pentru orice f ∈C [ a ,b ] , lim σn ( f ) =

b

n →∞ ∫
a
f ( x) dx .
Teorema 3 (evaluarea erorii). Dacă f ∈C [ a ,b ] , atunci
2n

σn ( f ) − ∫a
b
f ( x) dx ≤
( n!) 4
(b − a ) 2 n +1
⋅
sup f ( 2 n ) ( x) .
( (2n)!) 3 2n +1 x∈[ a ,b ]
Pentru calculul prin recurenţă al polinoamelor Legendre are loc:
1
Propoziţia 4. γ0 ( x) =1 , γ1 ( x) = x − ( a + b) ,
2
γ n +1 ( x) = xγ n ( x ) − αn γ n ( x) − βn γ n −1 ( x) , n ≥ 1
unde
b b
∫ xγ ( x)dx , n ≥ 0 , β ∫ xγ n ( x ) γ n −1 ( x )dx
2
n
αn = a
b n = a
b , n ≥1 .
∫ γ ( x)dx ∫ γ 2n −1 ( x )dx
2
n
a a

84
 De exemplu, pe intervalul [−1,1] avem γ0 ( x) =1 , γ1 ( x ) = x ,
1 3 6 3
γ 2 ( x) = x 2 − , γ 3 ( x) = x 3 − , γ 4 ( x) = x 4 + x 2 + ,
3 5 7 35
10 3 15
γ 5 ( x) = x 5 − x + x.
9 63
Teorema 4. Pe un interval de forma [−a, a ] , funcţia γ2 n este pară, iar
γ2 n +1 este impară.
Observaţie. Dacă x1 ,..., x n sunt rădăcinile lui γn corespunzătoare
(n) (n)

intervalului [−1,1] , atunci rădăcinile corespunzătoare în cazul intervalului [a, b ]

a + b b − a (n)
sunt
2
+
2
xi . Dacă α1( n ) ,..., α(nn ) sunt coeficienţii din n pe σ
intervalul [−1,1] , atunci coeficienţii corespunzători intervalului [a, b ] sunt
b − a ( n)
αi .
2
De exemplu, pe intervalul [−1,1] avem
 3 8 5  3
σ3 ( f ) = 5 f
 −  + f (0) + f 


9  5 9 9  
 5
iar formula sumată corespunzătoare acestora este
 3  xi + xi +1 b − a 3 
σ 3( n) ( f ) = b − a ∑ 5 f  xi + xi +1 − b − a  xi + xi +1
n −1

+8 f  + 5 f  + 
18n i =0  2 2n 5   2   2 2n 5 

Pentru n = 4 , pe intervalul [−1,1] , rădăcinile polinomului Legendre sunt

x1 = −0,861136 ; x 2 = −0,339981 , x3 = −x 2 ; x 4 = −x1 . Coeficienţii din
formula lui Gauss sunt α1 = α 4 = 0,347854 ; α 2 = α 3 = 0,652145 . Eroarea se
−7
majorează cu 2,88 ⋅10 x∈
(8 )
sup f ( x) .
[ −1,1]

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

x1 = −0.906179 ; x 2 = −0,538469 ; x3 = 0 ; x 4 = −x 2 ; x5 = −x1 .
Coeficienţii din formula lui Gauss sunt α1 = α5 = 0,236926 ,
α 2 = α 4 = 0,478628 , α3 = 0,568888 . Eroarea se majorează cu
8,08 ⋅10 −10 sup f (10 )
( x) .
x∈[ −1,1]

VIII. METODE NUMERICE PENTRU ECUAŢII DIFERENŢIALE

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

85
 x( a ) = α0
(1)
x ′(t ) = u ( t , x(t ) ), t ∈[ a, b]
Presupunem că problema precedentă are soluţie unică, ceea ce se întâmplă,
de exemplu, dacă există L > 0 , astfel încât u (t , z ) −u (t , v ) ≤L z −v , pentru
orice t ∈[ a, b] şi orice z , v ∈B . Vom spune în continuare că u este de clasă
C n , ceea ce va permite aproximarea soluţiei x cu polinomul său Taylor de ordinul
n. Notăm
u 0 (t , y ) = u (t , y )
∂u j −1 ∂u j −1
u j (t , y ) = (t , y ) + (t , y )
∂t ∂y
Atunci polinomul Taylor de grad n, asociat funcţiei x în punctul s 0 , este
j −1 ( s 0 , x ( s 0 ) )
n u
T( n , x , s0 ) (t ) = x( s 0 ) + ∑ ( t − s0 ) j . (2)
j =1 j !
Aproximarea soluţiei x prin polinomul Taylor T( n , x , a ) este posibilă
deoarece în (2) sunt necesare doar informaţiile din (1), dar metoda are mai mult
importanţă teoretică.
O folosire mai bună a comportării soluţiei x şi în alte puncte decât a este
conţinută într-o metodă derivată din cea a aproximării cu polinomul Taylor.

VIII.1. Metoda lui Taylor

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

Fie x 0 = α0 şi fie y : [a, b] → R o funcţie construită astfel:
n u
j −1 (t 0 , x 0 )
y (t ) = x0 + ∑ (t − t 0 ) j , t ∈ [t 0 , t1 ] .
j =1 j!
n u
j −1 (t 0 , x 0 )
Fie x1 = y ( t1 ) , x1 = x 0 + ∑ (t1 − t 0 ) j .
j =1 j !
Presupunând că am construit y : [ t 0 , t k ] → R , reţinem x k = y ( t k ) şi
continuăm prin
n u
j −1 (t k , x k )
y (t ) = x k + ∑ (t − t k ) j , t ∈[t k , t k +1 ] .
j =1 j!
n u
j −1 (t k , x k )
Luăm x k +1 = y ( t k +1 ) , adică x k +1 = x k + ∑ (t k +1 − t k ) j .
j =1 j!
Definim z : δ → R , z ( t k ) = x k , iar aproximarea soluţiei x la diviziunea
δ cu funcţia z poartă numele de metoda lui Taylor.
86
 Funcţia z este determinată deci de soluţiile următoarei ecuaţii:

 xk + 1 − xk n u j − 1 (t k , xk )
 =∑ ( tk + 1 − tk ) j− 1
 t k + 1 − t k j = 1 j! (3)

x = α
 0 0
Ecuaţiile precedente se numesc ecuaţii cu diferenţe.
Pentru n = 1 se obţine metoda lui Euler. Prin urmare, restricţia soluţiei c
la diviziunea δ se aproximează cu soluţia z a următoarei ecuaţii cu diferenţe

 x0 = α 0

 xk + 1 − xk
 t − t = u(t k , xk ) , k ∈ {0, .. .,m}
 k+ 1 k
VIII.2. Metoda Euler-Cauchy

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

Metoda Euler-Cauchy constă din aproximarea soluţiei x la diviziunea δ cu
soluţiile z ale următoarei ecuaţii cu diferenţe:

 x0 = α 0

 xk + 1 − xk 1 .

 h = 2 ( u (t k , xk ) + u( t k + 1 , xk + h u( t k , xk ) ) )
VIII.3. Metoda Runge-Kutta
Soluţia ecuaţiei (1) se aproximează cu soluţia ecuaţiei cu diferenţe:

 x0 = α 0

 xk + 1 − xk 1
 h = 6 ( v1 (t k , xk ) + 2v2 (t k , xk ) + v3 (t k , xk ) + v4 (t k , xk ))
unde

87
  h h 
v1 (t , z ) = u (t , z ) , v 2 (t , z ) = u t + , z + v1 (t , z ) 
 2 2 
 h h 
v3 (t , z ) = u t + , z + v 2 (t , z )  , v 4 (t , z ) = u ( t + h, z + hv 3 (t , z ) ) .
 2 2 
Observaţie. Pentru a aproxima soluţia x în alte puncte decât cele ale
diviziunii δ se apelează apoi la interpolare.
Exemplu. Să rezolvăm cu metoda lui Euler pentru h = 0,05 problema
x ( 0) = 1
2t .
x ′(t ) = x(t ) − , t ∈[0,1]
x (t )
2t
Soluţie. Avem u ( z , t ) = z − . Ecuaţiile cu diferenţe (numite uneori
z
ecuaţii apropiate) sunt
x0 = 1
 2t 
x k +1 = x k + h x k − k 
 xk 
cu t k = 0,05 k , k ∈{0,1,..., 20 } . Se obţine x 0 = 1 , x1 = 1,05 , x 2 = 1,097 ,
x3 =1,148 , etc.

BIBLIOGRAFIE

1. Gh. Grigore, Lecţii de analiză numerică, Editura Universităţii Bucureşti, 1992.

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

88