Subiectul 1 conditionarea problemei si stabilirea algoritmilor.

Exemple
Obiectivul analizei numerice este analizarea metodelor numerice
dezvoltand pt rezultatele efective a unei probleme stiintifice sau matematice
intelegand prin aceasta gasirea unei solutii a problemei. Constructia metodei ofera
solitii aproximative de ecuatii. Inlocuieste formula continuta cu cea discreta.
Analizarea convergentei si eroarea metodei
Deseori solutia este gasita pritr-un didtem interactic pt care se stabilesc conditiile
de convergenta care solutia exacta. Analizarea erorii consta in stabilirea de
formule care sa dea marja pt eroarea solutiei. Fie formulele teoretice, fie formulele
care tin de numarul de operatii necesare pt gasirea solutiei precum si pt propagarea
erorilor in aceste operatii.
Conditiile probabile si stabilira metodei.
Conditii probabile: semsibilitatea solutiei la mici dchimbari in datele problemei.
Daca solutia este sensibila la mici schimbari probabile se zice rau conditionata; in
caz contrar se zice bine conditionata.
Eficienta metodei: exista mai multe metode dezvoltata pt aceeasi clasa de ecuatii
liniare. Integrarea numeriiica a ecuatiei diferentiala. Utilizatorul alege in functie de
caracteristicile metodei, adica precizie, timp de calclul. Factorul uman poate fi
hotarator, utilizatorul alege o metoda mai cunoscuta.
Conditionarea problemei F(x,y)=0 (*); x=solutia y=data de care depinde solutia
Exemplu 1 F- functie polinomiala, y-valoarea coeficientului problemei
2 (*)problema cu valori initiate pt o ecuatie diferentiala.
Definitie: problema F(x,y)=0 se zice stsabila sau bine cond daca solutia x depinde
continuu de y. O problema care nu e stabila e instabila saiu rau cond.
Numarul deconditie : pt problema de tipul (*) se pote defini numar de conditii care
reprezinta o masura a stabilitatii problemei y, in y asociemmsolutiile lui x. y
sufera o perturbarea si devine y=y+y, x=x+x,
Def: K(x)=sup[(||x||/||x||)/(||y||/||y||] =(perturb rel in x)/(perturb rel in y)
||x||/||x||= K(x)(||y||/||y||) k=mare=> preoblema rau cond; contrar- bine cond
Stabilirea algoritmului F(x,y)=0 presupunem ca metoda conduce la un numar de
rezolvare Fn(yn,xn)=0 depinde de n.
Presupunerea conditiilor yn=/=y =>xn  x n∞
Fn(z,w)=> Fz(w)
Def.2 K(x)= lim (supK (x )) Zicem ca metoda doi e stabila daca nr de conditii
n 
n n

K(x) de acelasi ordin cu numarulde conditii K(x) a problemei 1

Subiectul 2 reprezentarea nr in calculator intregi. Reali, reprezentarea in virgula
flotanta (FP) modele de reprezentare
Reprezentarea nr in calculator se face conform standard American National
Science Institut ANSI/IEEE 754-1985
Standardul este implementat de toate compilatoarele fortran. Datele numerice
intregi: integer(n) n=1;2;3;8 Real (n) unde n=4;8;(16) n=(kind)=nr de octeti pe
care se reprezinta tipuri de reali de 16 si este implementat fie hard de unele
procesoare fie implementate intr-un soft. Reprezentarea nr reale in calc se face in
virgula flotanta(FP)
Structura formatelor: tipul intger(n) se reprezinta pe n octeti continui. Cifrele
indica:
a) adresa octetului care contine bitul nr 0, adresa de start a datei reprezentate. S-
bitul de semn S=0 =>n>0 si S=1=>n<0
Reguli de stocare. Codul complementului lui 2
O valoare pozitiva se reprezinta ca atare in binare; o valoare negative se poarte
reprezenta astfel: sea inverseaza toti biti valorii respective si se scade, pt a regasi o
valoare negativa se inverseza toti bitii si se adauga 1
Modul de reprezentare reprezentarea nr reale este una din urmatoarele expresii:
x=0;
p
x  x  a k  k x e x=/=0 se utilizeaza reprezentarea sectionala
k 1

Reprezentarea in calculator binar in baza 2 x    1 xb0 b1 ....b p 1 x 2 E S=bitul de

S

semn
0…x>0
1….x<0
subiectul 3 reprezentarea nr in calculator reali reprezentarea in virgula flotanta:
structura logica a formatului, formate IEEE
tipul real de 4 se reprezinta pe patru octeti asezati continuu si este stocat in asa
numitul format simplu
real(4)… format simplu (IEEE S Floating)
real(8)…fomat dublu (IEEE T Floating)
F in format simplu reprezinta o sompla precizie iar F in format dublu reprez in
dubla precizie
Format
Parametru Simplu Dublu Dublu-extins
Format lungime in 32 64 80
biti
Bit de semn 1 1 1
lungime in biti
Semnificatie in biti 23 52 64
Precizie P nr de 24 53 64
biti
Exponent e in biti 8 11 15
E max +127 +1023 +16383
E min -126 -1022 -16382
Deplasare +127 +1023 +16383
exponent
Precizie in cifre +7 15-16 19-20
zecimale
Plaja de 10 38 10 308 10 4932
reprezentare
Explicatii Primul bit se presupune 1 si nu se mai stocheaza efectiv in camp si se
stocheaza fractia. La fiecare exponent se adauga o deplasare astfel incat valoarea
stocata sa fie mai mare decat 0. elementele stocate= E+deplasarea
E=Estocat-deplasarea
Primul bit al semnnificantului este 1 atata timp cat semnificantul este diferit de 0 .
Formatul dublu extins. Este utilizat intern de catre coprocesorul matematic. Nr
reprezentat nu trbuie normalizat si pt stocare se utilizeaza 64 de biti de precizie.
Bitul β0 este stocat explicit in locatia 6 a semnificantului.
Subiectul 4 reprezentarea nr in calculator-formatul IEEE: valori speciale; plaja
de reprezentare, exceptii aritmetice
Valori speciale: exista anumite combinatiide exponenti si semnificatii care
conducmla valorile speciale din tabloul urmatori. Lor li se adauga nr normalizate.
Formate IEEE valori in virgula flotanta
Nr denumire Cantitate Exponent E Semnificatie
cur reprezentanti
0 Numar normalizare  1 f ( x) s E Emin Sig.
≤E≤Emax
1 Zero cu semn ±0 E=Emin-1 Sig.=0
2 Numar normalizat ±0.fx2 Emin
E=Emin-1 Sig.=/=0;
f=/=0
3 Infinit cu semn ±∞ E=Emax+1 Sig.=0
4 Not a number Nab E=Emax+1 Sig.=/=0
Numere de normalitate (subnormale) se claseaza intre cel mai mic nr neg si cel
mai mic nr pozitiv intreacestea ar fi clar nr ±0
s.p: ±0.fx2-126
d.p. ±0.fx2-1023
Exceptii aritmetice
CVF-trateaza doua tipuri de exceptii in operatiile aritmetice 1. exceptia in virgual
flotanta: zicem ca avem exceptie atunci cand rezultatul unei opereatii FP nu este
reprezentabil ca nr normalizai inclusiv cand apare o pierdere de precizie in
reprezentarea rezultatului implicit in cazulunei exceptii FP se seteaza in status 1
flag si calculatia se continua cu rezultatul imlicit descris mai jos –nr exacte, imp cu
0 depasiri format, nr invalide
Exceptii matematice intervin in cazul functiilor matematice si pot fi: eroare de
argument, depasiri de format, pierdere deprecizie
Subienctul 5 Reprezentarea nr in caslculator-masura erorii de rotunjire:
ULP; -masina; Eroerea de rotunjire a unitatii
ULP Def 1. ULP(x)=este nr care are un 1 in ultimul bit si 2 in restul bitilor si
acelasi exponent ca si x. x=b0b1…bp-1x2E
ULP(x)=0.0… 1 x2E=(1.0)2x2p-1x2E=2-p+1x2E
Proprietate: ULP(x) este cel mai mic nr care adunat la x produce un nr recunoscut
de calcule, si nr mai mare decat x.
Un nr mai mare decat x se pote obtine: x=b0 b1…bp-2(bp-1+2) x 2E >x |
__
x  x  ULP( x )
x+ULP(x)=b0.b1…bp-1+2(x2E) > x
-masina
err (f(x)) ≤1/2ULP(x)
½ 2-P ≤|Rel(fl(x))|≥ 2-P
demonstram exemplu tinand cont de P1
Def 2: Marginea superioara a erorii relatrive in modul se numeste -masina
p=precizia reprezentarii; -masina =2-P
Eroare de rotunjire a unitatii err de rotunjire a unitatii este cel mai mic nr FP ccare
adunat la 1.0 produce un nr mai mare decat 1.0 exemplu: F.S.:EPS=ULP(1.0)=2 -
23

F.D.:EPS=ULP(1.0)=2-52
Zecimal F.S:EPS=1.192… x10-7 F.D:EPS=2.220… x10-16
Subiectul 6 Erori, surse şi propagare:
Eroare; Eroare relativă; Cifre semnificative; Relaţia cu eroarea relativă.
1.erori. Vom nota cu xT valoarea adevarata a lui x. xA=valoare aproximativa
Def 1. Eroarea „in xA” ; err xA=xT-xA; |err(xA)=|xT-xA| ... err absoluta (in xA a
valorii xA)
|xT-xA| ≤ ; - ≤ xT-xA ≤  xA- ≤ xT ≤ xA+ x T  [x A   , x A   ]
Def 2. | Eroare relativa
| Rela (xA)=err(xA)/xT= (xT- xA)/xT
Numar de cifre semnificatrive alternativ la err in xAse poate masura precizia cu
care xA aproximeaza pe xT cu numar de cifre semnificative saucorecte in xA. Acest
nr se pune in relatie cu err relativa xA .
Cifrele semnificative ale unui nr reprezentat in baza β
X=an βn+ an-1 βn-1+…….+ a β+a0+ a-1 β-1+ a-2 β-2+……

Conventional nr x se scrie in reprezentarea pozitionala

x=anan-1….a1a0 |pct b|a-1a-2…
Def | cifre semnificative (in reprezentarea nr x)
-sunt oricare dintre cifrele 1,2…(β+1) care intervin in reprezentarea
pozitionala a nr. 0-este semnificativa daca nu are rolul de a fixa pctul p –adica de
a inlocui cifrele necunoscute sau inexistente.
Subiectul 7 Erori, surse şi propagare:
Surse de erori; Eroarea de rotunjire; Cazul trunchierii. Exemple pentru β = 10; 2;
16.
Surse de erori :-modulare matematica, greseli sau scapari, incertitudine in date,
rotunjire (trunchere) formule de aproximare matematica
1.oricare modulare a unui fenomen real introduce ipoteze
simplificatoareaanumite erori
2. sunt caracteristice calculului manual se elimina prin utilizarea calculkatorului.
Pot exista erori de programare, eliminandu-se prin testareas progr cu un exercitiu
la care se cunoaste rezultatul corect.
3. analiza num nu poate elimina err, poate recomanda o metoda numerica ce sa
minimizeze efectul acestor valori pana la rezultatul final.
4. apare la reprezentarea nr in virgula flotanta si constituie sursa majora de erori pt
unele probleme.
5. sunt formulele care in general inlocuiesc un proces infinit cu unul finit. Acest
tip de erori constituie principalul obiect de studiu in analiza matematica.
Eroarea de rotunjire x.......β
x= σ(a1a2.....anan+1...)xβe
σ =±1 aj=cifre in baza β a1=/=0 ipoteza β=par
Def 1: regula de rotunjire (la un nr cu n cifre in mantisa)
fl(x)=| σ((a1a2.....an)xβe…..0≤ an+1. < β/2
| σ((a1a2.....(an+1))xβe….. an+1. ≥ β/2
fl(x) –desemneaza nr reprezentat in virgula flotanta
an+1. < β/2 rotunjire in jos
an+1. ≥ β/2 rotunjire in sus
Def 2 truncherea
fl(x)= σ(a1a2.....an)xβe indiferent de cifra an+1

eroarea de rotunjire |Err(xA)| = |xT-xA| xT; xA ; Err(xA) = xT-xA ; rel (xA)= (xT-
xA)/xT
x; fl(x); Err(fl(x)) =x-fl(x) rel(fl(x))=(x-
fl(x))/x
a) an+1. < β/2
x-fl(x)= σ(.00......0an+1..)x βe x-fl(x)=an+1an+2......x βe-(n+1)< β/2 βe-n-1
e-n
|x-fl(x)|<1/2 β
b) an+1. ≥ β/2 =>|x-fl(x)| ≤ ½ βe-n

trunchierea se arata in acelasi mod ca la rotunjire ca marginile erorii sunt dublu ca

| x  fl ( x ) |
cele la rotunjire |x-fl(x)| ≤ βe-n    n 1
|x|
obs la err relativa: rotunjire:eroarea relativa poate avea orice semn
trunchierea: x>0 x-fl(x) >0 x<0 0<(x-fl(x))/x < β-n+1
exemple pt β= 10 5 cifre semnificative
subiectul 8 Erori, surse şi propagare – Propagarea erorilor:
Eroarea propagată; Înmulţire; Împărţire; Evaluarea funcţiilor.
Propagarea erorilor x;y =numere (operatii)
*= operatia: +; -; x’; /;
vrem sa calculam: x*y efectiv in calculator: xA#yA unde xA=fl(x) yA=fl(y) si
# =versiunea in calculator a operatiei *
eroarea: x*y- : xA#yA = (x*y-: xA*yA )+(xA*yA - xA#yA)
err propagata err de calcul
de cele mai multe ori err vde calcul=err de rotunjire sau trunchere.
x A * yA  xA # yA
  ≤
xA * yA
obisnuit operatia iuntre xA si yA se face in format dublu extind in coprocesor iar
rezultatul se rotunjeste le precizia tipului de data
eroare propagata: xT =xA+ yT=yA+
1)inmulturea rel xA x yA ≈ rel (xA) ± rel(yA)
2)impartirea rel xA / yA≈ rel (xA) - rel(yA)

subiectul 9 Erori, surse şi propagare – Propagarea erorilor:

Pierdere de semnificatie.Adunare şi scădere. Propagarea erorilor într-o sumă.???
Sumarea(in calcului stiintific)????
Adunarea si scaderea err (xA ± yA) = er(xA) + er(yA)
daca la inmultire si impartirea erorilor relatiei ale rezultatelor sunt de ordinul
erorilor ale operatiilor
in schimbla adunare si scadere valoarea rel a rezult poate fi mai mare ca la eroarea
termenilor
Propagarea err 1. operatori aritmetici: x; /; +; -;
2. calculul unei fctii xT*yT – xA*yA - err propagata xT...ξ..xA
f(xT)f(xA) f(xT) - f(xA) = f’(ξ)(xT - xA) ≈ f’(xA)(xT - xA)
f ( xT )  f ( xT ) f ' ( x A ) x  xA f '(xA ) x  xA
 xT T  xA T
f ( xT ) f ( xT ) xT f (xA ) xT
Propagarea err intr-o suma Sn=x1+x2+.......xn in calcul : xi  fl(xi) Sn 
/\
Sn
/\
Concluzie: 1. S n - Sn =n(x1+x2+....xn) +n-1(x1+x2+....xn-1) +....+=3(x1+x2+x3 )
+2(x1+x2 )
/\
S n - Sn = x1 ( 2+3+......+n) + x2 ( 2+3+......+n) + x3 ( 3+......+n)+......+
xn n
exemplu: j > 0 | x1| ≤ |x2| ≤ |x3| ≤....... ≤|xn|
obs: daca j nu sunt de acelasi semn pot aparea readuceri in pranteza si se poate ca
regula anterioara sa nu mai fie valabila. Putem afirma insa urmatoarea concluzie:
in grneral cea mai buna cale de a aduna este de la cel mai mic la ce mai mare.
Diferentele sensibile apar numai la n „mare” intre cele noua moduri de calcul
j ≤ 
/\
| S n - Sn| ≤ |n||Sn|+......+ |2||S2| ≤ (|Sn|+| Sn-1|+...... |S2|
presupunem ca toti xj de acelasi semn ex: xj ≥ 0
/\
obs: ex (cherry & word) |Rel( S n )| ≤ (1+ )n-1 – 1 1+(n-1) +...-
1 neglijent
Aplicatii: Ciclul Do controlat de control real.
Do x=a.b.h ! b>a |  x=a
100

! calcule asupra lui x | x=x+h

............... End Do | Go To 100
Do i=1,n x=a+i*h
Pierderile de semnificatie: apar la scaderea a doua nr cu valori apropiate eroarea
consta in aceea ca rezultatul are un nr de cifre semnificative mai mic decat nr
considerat. Asemenea valori sunt inerente calculului cu nr reprezentate in virgula
totala. Intr-un astfel de caz se spune ca cifrele semnificative s-au pierdut.
Π =3.41516... (Π)A=3.1416
22/7=3.4207... (22/7)A=3.1429
(Π)A - (22/7)A = -0.0013 =>2 cifre semnificative
ex 2: f ( x)  x( x  1  x ) x=”mare” :x=10j j=1,2...
x=107 f(x)=2441.40 | f(x)=1581.138 | f(x)=1581.139 |
simpla precizie | dubla precizie |simpla precizie |
x
g ( x) 
x 1  x
obs: ca in exemplul 2 uneori prin reformularea problemei se pot evita eroarea de
pierdere de semnificatie.

Subiectul 10 Ecuaţii neliniare:

Metoda şi analiza metodei; Ordin de convergenţă. Convergenţa liniară. Variante la
definiţia ordinului de convergenţă.

Metoda : x0, x1, x2,...... xn, xn,  (pt n∞) xi = itrerare

Analiza metodei :
1)daca iteratia e convergenta
2) daca iteratia e convergenta, care e repiditatea convergentei
3)err radacinilor calculate
4)eficienta metodei
Detaliem: 1) xn pt n∞ ;
 ( xn )n≥0; x0=det | => aproximativ in
( xn )n≥0; x0 six1 = date | initiale ale radacinii ” ”
-converge deseori
1’) Cat de aproape.... ? In general  de ref f ’(x) in ...
2) rapiditatea convergentei: -se masoara in nr de pasi necesari pt obtinerea
solutiei dorite
- metoda care converge independent; - met
3) err radacinilor calculate n: Rad = xn |xn-| < ?
err radacinilor calculate va depinde numai de err operatiilor necesare pt a calcula
iteratia la un paas al iteratiei
4) eficienta metodei -nr de calcule necesare pt a obtine solutia dorita
a)metoda independentei aproximative: Ef  rapiditate
b)metoda care nu converge independent de aproximarea initiala, atunci poate
proceda:
1)o metoda care este lenta si converge independent de aproximare
2)se continua cu metoda mai rapida

Ordin de convergenta
Definitie 1: fie sirul iteratiilor (xn)n≥0 unde xn   daca exista un p  R , p ≥ 1
Exista un c>0 a.i. | - xn+1| ≤ c|- xn|p
Atunci xn  cu ordin de convergenta ”p” c= rata de convergenta
Definitie 1 (continuare): p=1 -biliniara; p=2 -patratica; p=3 -cubica

Definita 2. convergenta liniara – cazul in care p=1

Fie (xn)n≥0 ; Daca exista c  R 0<c<1 a.i. | - xn+1| ≤ c|- xn| oricare n≥0
Atunci xn  ( si convergenta e liniara)
Obs: c<1 | daca p=/=1 nu cerem ca c<1)
| – x1| ≤ c | – x0| ..........n=0
| – x2| ≤ c | – x1|......
| – xn| ≤ c | – xn-1|
| – xn| ≤ cn| – x0| * 0<c<1 =>cn0 =>| – xn| 0
obs: exista metode unde are loc relatia * (c<1) fara sa aiba loc relatiile anterioare.
Vom zice ca si in acest caz ca metoda converge l;iniar cu rata convergentei liniare
=c
obs: rapiditatea coonvergentei depinde atat de p (ordin) cat si de c (rata). Metodele
care au un ordin mai mare converg maii rapoid.
Varianta la definirea ordinului de convergenta lui (Relston si...
C=consta in erori asimptotice
|  - x n 1 |
Definitia 3. (xn)n≥0 unde xn   daca lim C unde C =/=0
|  - x n |P
atunci se zice ca ordinul de conergenta este p
Obs: C=/=0  f(x).....C=/=0
Cazul p=1 Convergenta liniara
P1: Daca (p=1) xn  ∞ p=1 =>C<1
Demo=contradictie
P2: daca p=1 C<1 , x0 suficient de apropiat de definitei => xn 

Subiectul 11Rădăcinile unei ecuaţii f(x) = 0:

Metoda bisecţiei.(injumatatirii intervalului) Metoda falsei poziţii.
Metoda bisectiei
Ipoteza f – continu [a,b] f(a)f(b) < 0 (fctia ia valori de sdemn contrar la
capetele intervalului) [a,b]  o singura radacina
y=f(x)
c1 ,c2 , …. cn  
ba
a c1 c2 |-c1|<
 2
ba
(b-a)/22 |-c2|< .......
22
(b-a)/2 ba
|-cn|< n
2
a0 =a b0=b c1  [a0; b0]
a1 b1 c2= a1; b
a2 b2 ..............
cj  (aj-1; bj-1)
convergenta |-cn|< (1/2)n(b-a) (*)

1
n ∞ 0 |-cn| 0
2n
(*)=> p=1 rata convergentei =1/2 |-cn|≤ 
ba ba ba
este suficient:  2n  n ≥ log2( )
2  
Bisectia este o metoda foarte robusta si u control foarte bun al err. Singurul
dezavantaj este ca metoda converge incet

Metoda falsei poziţii (regual falsei, interpolarii liniare)

Ipoteza: f – continu [a,b] f(a)f(b) < 0 (fctia ia valori de sdemn contrar la
capetele intervalului) [a,b]  o singura radacina

Falsa metoda: y-f(b) =

f (b)  f (a )
( x  b)
ba f(b)
a c1= c2 ba
 C= b-f(b) f (b)  f  a  
b
f(a)
 f (b)  f (a ) f (b)
Observatii: f[a,b] = c=b - f [a, b]
ba
Convergenta: daca exista f’ si f’’ continue pe f’()=/=0 atunci metoda converge
cn   ; p=1 -rata convergentei depinde de f cat si de alegerea intervalului [a,b]
dezavantaje: c1 c2 ......cn  fiind situat de aceeasi parte a lui 
|-ci|  |ci+1 – ci |
test de apropiere a iteratiei : |cir – ci| <   |-ci|< 
?

Subiectul 12 Rădăcinile unei ecuaţii f(x) = 0:

. Metoda secantei.
metoda secantei
ipoteza: f – continua pe V()
secanta prin se determina
x0 x1  x2
x1 x2 x1 x2c  x3
x0
x3 ……………………..
f ( x1 )  f ( x0 )
y-f(x 1) = ( x  x1 )
x1  x0
x n  x n 1
xn+1=xn – f(xn) n≥1 x0 si x1 = date
f ( x n )  f ( x n 1 )
f ( xn )
xn+1=xn -
f ( x n 1 , x n )
obs:in metoda secantei nu se cere ca aproxiamrea initiala sa incadreza radacina.
Convergenta: daca: 1) exista f’ si f’’ continute pe V ( )
2)f’( ) =/=0 3) x0 si x1 =sunt suficient de apropiate de 
atunci: a)xn   b)p= 1  5
≈1.618
2
consideratii asupra metodei secantei: p= 1.618. (1.618)3 ≈ 4.2 ; 22 = 4;
3 pasi in metoda secantei ≈ 2 pasi in metoda cu p =2
dezavantaje: fractia din formula metodei poate da valori imprecise in apropierea
radacinii datorita pierderilor de semnificatie care apar la numitor si numarator.
xn+1 = xn + corectie ; corectia : -f(xn)....
xn+1 va fi foarte apropiat de xn chiar cu putine cifre semnificative carea sunt
utilizate intr-o corectie mica formula permite determinarea lui xn+1 cu precizia
adoptata in calcule (in ciu da pierderilor de semnificatie din fractie) La un pas
metoda secantei ar evalua o singura data afunctiei f .. a valorii xn . Poate as nu
convearga daca x0 si x1 nu sunt suficient de aproape de radacina. Algoritm
BRENT-bisectoare; -secanta => convergenta

subiectul 13 Rădăcinile unei ecuaţii f(x) = 0 – Metoda Newton:

Metoda; Convergenţa.
Obs: metodele anterioare se pot descrie in modul urmator: aproximarea
radaciniieste linia dreapta intersectata cu axa ox.
Ipoteza: f – continua si exista f’ continua in V()
Formula metodei : y – f(x 0) =f’(x0)(x-x0)
y=0 x=x1
-f(x0)-f’(x0)(x1-x0)
 f ( x)
  x1  x0
x3 x2 x1 f ' ( x0 )
f ( x0 )
x1=x0 - ; x0  xn ; x1  xn+1
f ' ( x0 )
f ( xn )
x n+1 = xn - ;n ≥ 0 x0 – dat
f ' ( xn )
( x  xn ) 2
convergenta f....xn f(x) = f(xn) + f’(xn)(x-xn) + f’’( ξn)
2
( n )
x= 0 = f(xn) + f’(xn)( -xn) + f’’ (-xn)2
2
f ( xn ) f ' ' ( n ) f ( xn )
0=    xn  (  x n ) 2 0=-(x4 - )+......
f ' ( xn ) 2 f ' ( xn ) f ' ( xn )
|-xn+1|≤ M | – xn|2
teorema de convergente daca 1) exista f,f’, f’’ continue pe I = [-,+]
2)f’()=/=0 3)x0  I si x0 e „suficient de apropiat de 
 - x n 1 f ' ' ( )
atunci a)xn  I oricare ar fi n b)xn   si p=2 c)lim 
( - x n ) 2
2 f ' ( )

subiectul 14 Rădăcinile unei ecuaţii f(x) = 0 – Metoda Newton:

Estimarea erorii; Algoritmul; Comparaţie cu metoda secantei.????Apelul
subrutinei NEWTON????
Estimarea err
Test de orpire a iteratiei | – xn| eps... radacina =xn =?
Testul |xn+1 – xn | XTOL ==> | - xn| ≤ EPS
La metoda Newton: f-xn ≈ xn+1 - xn
|xn+1 – xn | <Eps  |-xn| < eps
f ( xn )
0=f(xn) + f’(ξn)( -xn) => -xn = -
f ' ( n )
comparatia cu metoda secantei
1) pn=2 ps=1.618 2) nr de fctii -sec: 1.....f(xn); - newton: 2......f(xn) f’(xn)
seemonatreaza T cu f’(x) ≤ 0.44 T cu f(x)
f ( x n )  f ( x n 1 )
3)daca f’(x)....numeric; f’(xn)≈ => met Newton se reduce la
x n  x n 1
met seca.

Subiect 15 Metoda punctului fix:

Teoreme de punct fix.
Teorema 1: lema:
Daca 1) g:[a,b]  [a,b]continuu pe [a,b] atunci g are un pct fix in [a,b]
Observatie  = g() =pct fix al aplicatiei g

g g g(x)
x
x0 x1 x2 

demo
1)  oricare ar fi x  (a,b) a ≤ g(x) ≤ b
G(x) = g(x) – x continut pe [a,b]
G(a) = g(a) – a ≥ 0
G(b) = g(b) – b ≤ 0
G(x) = 0
Teorema 2: aplicatie contractanta
Dac: 1) g:[a,b ]  [a,b], continut pe [a,b]
2) exista λ 0< λ <1
3) oricare ar fgi x , x’  [a,b] |g(x) – g(x’)| ≤ λ (x - x’)
atunci: a)x=g(x) are o tadacina  unica in [a,b]
b)sirul xn   (xn+1 = g(xn), n>0) p=1 p-ordin de convergenta
n
c) |-xn |≤ (x1 - x0)
1 
demonstratie: a) din ipoteza 1 conform lemei => ca exista o radacina in [a,b] ,
exista =/= β , , β apartine [a,b]
teorema 2’
1. g – continut si derivat pe [a,b] 2. g’ – marginit pe [a,b] |g’(x)| ≤ λ-1
atunci : a)x=g(x) are o tadacina  unica in [a,b]
b)sirul xn   (xn+1 = g(xn), n>0) p=1 p-ordin de convergenta
n
c) |-xn |≤ (x1 - x0)
1 
presupunem ca in plus ca g’ este constant pe [a,b]
teorema 2’’
 λ = max
[ a ,b ]
| g ' ( x) | < 1
1. g constanta si cu derivata continua pe [a,b]
2. λ = max|g’(x)| < 1
atunci: a)x=g(x) are o tadacina  unica in [a,b]
b)sirul xn   (xn+1 = g(xn), n>0) p=1 p-ordin de convergenta
n   x n 1
c) |-xn |≤ (x1 - x0) d) lim =g’(x)
1  n    xn
demonstratie   xn 1 = g() – g(xn) =g’(ξ)(  – xn)
alte teoreme:
g: [a,b] => R –se relaxeaza aceasta conditie
g: IR
teorema 3 I=[x0 – ρ, x0 + ρ], x0 – aproximatia initiala
demo:1. I=[x0 – ρ, x0 + ρ], g:IR , continuta pe I
2. oricare x,x’ apartien lui I | g(x)+ g(x’) |≤ λ |x-x’|
3. |x1 - x0| ≤ (1- ) ρ  |g(x0)-x0 |≤ (1-x) ρ
atunci: a) xn  I b) xn   I ; x=g() | - xn |< λn ρ c)  = unic in E
daca exista g’: 2’ |g’(x)| ≤ λ <1 g’ este constant 2’’ max | g ' ( x) |   1
I

subiectul 16 Metoda punctului fix:

Interpretare geometrică.
x=g(x)  y=x; y=g(x)
convergenta |g’(x)|<1 , -1<g’(x) <1
a) 0<g’(x)<1 | cazuri de
b)-1<g’(x)<0 | convergenta
c)g’(x)>1 | cazuri de
d)g’(x)<1 | divergenta

a) 0<g’(x)<1 x1=s(x0) b)-1<g’(x)<0 c)g’(x)>1

y=x x=y
y=g(x)

x1=g(x0)

x0 x1 x2  x0  x1 x0 

m=1
d)g’(x)<1

m=1

x2=x0  x1
 x2 x0  x1

subiectul 17 Metoda punctului fix:

Metode de punct fix de ordin mai înalt decât 1; Aplicaţie: Metoda Newton.
Metoda pctului fix de ordin mai mare dacat 1
Xn+1 = g(xn) ; n ≥ 0 , x0 = det p=1
Teorema6. daca: 1. daca g continua pe [a,b]= [ - ,  + ] si derivabila  p ≥ 2
2. g’()=g’’()=.....=g(p-1)()=0 gp()=/=0
g ( p ) ( x)
3. M
p!
4. ρp-1M ≤ λ<1 (ρp-1M <1)
atunci: oricare x0  I: a) xn  I, n≥0 b) xn  c) ordinul de convergenta =p
observatii: ipoteza 4 arata cat de aproapa de  trebuie sa fie aproximatia initiala
p n 1
exemplu: cazul p=2 (exista g’ si g’’ M p 1
( x0   ) p
n
g’()=0 g’’()=/=0
n n n n
M2 1
|Xn+1- | ≤ M|Xn - |2 ≤ ... ≤ M 2 1 | X 0   | 2
( x0   ) 2
n
en = |Xn+1-| e0 = |x0 - | en ≤ ( Me0 ) 2 1 e0
aplicatie metoda newton
f ( xn ) f ( xn ) f ' 2  ff ' ' ff ' '
xn+1 = xn -  g ( xn ) g(x)=x - g’(x) = 1- 2
 2
f ' ( xn ) f ' ( xn ) f' f'
f '' f '' f '' f ' ' ( )
S’’(x) = (f f ' 2 )'  f '  f ( f ' 2 )' | x S’’()= f ' ( )  0
Concluzie: f’() =/=0 si f’’()=/=0 => met Newton are ordinul p=2