La solu
ió de gairebé tots els problemes prà
ti
s passa per la utilitza
ió de models
matemàti
s adients. Però, moltes vegades, no es pot o no és
onvenient resoldre
exa
tament els problemes matemàti
s que es plantegen aleshores. Cal aproximar-
los per problemes numèri
s.
Un problema numèri
és una des
rip
ió
lara i sense
ap ambigüitat de
la
onnexió fun
ional existent entre dos
onjunts nits de números: les dades
(entrada) i els resultats (sortida).
Donat un problema numèri
, un algorisme és una su
essió
ompleta d'ope-
ra
ions ben denides a través de les quals
ada ve
tor admissible de dades es
transforma en un ve
tor de resultats. Aquí, per opera
ions entenem les opera-
ions aritmètiques i lògiques que un ordinador pot fer, juntament amb referèn
ies
a algorismes denits prèviament.
x3 + a1 x2 + a2 x + a3 = 0
• Errors propis del mètode, produïts en trun
ar un pro
és innit (de pas al
límit). Per exemple, quan substituïm una integral o una sèrie per una suma
error de trun
ament ),
nita ( o quan fem una aproxima
ió lineal o dis
reta
error de dis
retitza
ió ).
(
Exemple: Lord Kelvin deia que un matemàti
és aquell per qui la igualtat
∞ √
π
Z
−x2
e dx =
0 2
és tan òbvia
om per vostè que dos i dos p
són quatre. Nosaltres ens
onformarem
amb
al
ular el resultat en la forma r= π/4, amb aritmèti
a de 5 xifres. Per
al
ular l'arrel usarem l'aproxima
ió
√ x
1+x≈1+ (1.1)
2
2
√
que s'obté trun
ant el desenvolupament de Ma
-Laurin de la fun
ió 1 + x (el
que fem geomètri
ament és aproximar la fun
ió per la seva tangent al punt (0, 1)).
Aquesta aproxima
ió no és espe
ialment bona, però és molt fà
il de
al
ular. De
fet, l'error de trun
ament en (1.1) ve donat per
√ x 1 x2
R(x) = 1+x− 1+ =
2 8 (1 + t)3/2
on t
és un número que no
oneixem, però que sabem que està entre 0 i x. Tenint
3
en
ompte que, en el nostre
as,
4
< 1 + x, és fà
il veure que |R(x)| pot ser tan
−1
gran
om 0,12 × 10 .
Així, podem des
riure el nostre senzillíssim algorisme de la següent manera:
1. r := π
2. r := r/4
3. r := 1 + 0.5*(r-1)
Observem que l'úni
error d'arrodoniment que es produeix en tot el pro
és es
dóna en el primer pas, en representar π per 3,1416. Aquest error és més petit que
0,5 × 10−4 i no s'ampli
a amb els
àl
uls posteriors, ans al
ontrari, disminueix.
És a dir, la part més important de l'error en el resultat, r = 0,89270, és la
orresponent a l'error de trun
ament,
om es pot
omprovar
omparant el resultat
√
amb el veritable valor de π/2, que és 0,886226925452758 . . .
1.2. Errors
• L'error absolut de ã és
∆ = ã − a .
Si ∆ > 0, diem que l'aproxima
ió és per ex
és, i si ∆ < 0, per defe
te.
• L'error relatiu de ã, si a 6= 0, és
ã − a ∆
r= = .
a a
Usarem sovint la rela
ió ã = a(1 + r). També és freqüent expressar r en
tant per
ent; p. e.: r = 0,1 = 10 %.
3
Normalment només
oneixem tes d'aquestes magnituds. Llavors, per tal
d'expressar que |∆| = |ã − a| ≤ δ , es
rivim
a = ã ± δ , (1.2)
Exemple: Els xinesos de nals del segle V (Zu Chongzhi) ja
oneixien l'apro-
xima
ió
355
.
π≈
113
L'error absolut és ∆ = 0,00000026676418906 . . . > 0, don
s l'aproxima
ió és per
−6
ex
és. Una ta d'aquest error és 0,3 × 10 . Així podem assegurar que
3,1415926 ≤ π ≤ 3,1415932 .
L'error relatiu és r ≈ 0,85 × 10−7 = 0,85 × 10−5 % i una ta seva, 10−5 %.
Si les dades d'un
àl
ul porten quel
om d'error, aquest error també es va trans-
formant a través de les opera
ions. De vegades es pot produir una ampli
a
ió
realment espe
ta
ular, que
al evitar si és possible. Començarem l'anàlisi per les
opera
ions aritmètiques.
a = ã ± δa ã − δa ≤ a ≤ ã + δa
vol dir que
b = b̃ ± δb b̃ − δb ≤ b ≤ b̃ + δb ,
sumant i restant membre a membre aquestes desigualtats, obtenim
ã + b̃ − (δa + δb ) ≤ a + b ≤ ã + b̃ + (δa + δb ) i
ã − b̃ − (δa + δb ) ≤ a − b ≤ ã − b̃ + (δa + δb ),
és a dir, a ± b = (ã ± b̃) ± (δa + δb )
om volíem veure.
4
Produ
te i divisió En aquest
as, són els errors relatius els més fà
ils d'estu-
ã
diar. Usem les rela
ions ã = a(1+r) i r = −1, que són equivalents a la deni
ió.
a
De ã = a(1 + ra ) i b̃ = b(1 + rb ) resulta:
ã a 1 + ra
ãb̃ = ab(1 + ra )(1 + rb ) i = .
b̃ b 1 + rb
Llavors, l'error relatiu de ãb̃ és
(1 + ra )(1 + rb ) − 1 = ra + rb + ra rb ≈ ra + rb ,
si |ra | ≪ 1 i |rb | ≪ 1. En el produ
te els errors relatius se sumen.
Quant a l'error relatiu de la divisió, tenim:
1 + ra ra − rb
−1= ≈ ra − rb
1 + rb 1 + rb
si |rb | ≪ 1. En la divisió els errors relatius es resten.
δa δb
|ra | . i |rb | .
|ã| |b̃|
que ens donen la ta aproximada
δa δb
|r∗ | ≤ |ra | + |rb | . + .
|ã| |b̃|
5
Altres opera
ions Si volem
al
ular f (x), pero només tenim una aproxima
ió
x̃ de x, i realment
al
ulem f (x̃), podem estimar l'error absolut
omès mitjançant
la diferen
ial: si ∆x = x̃ − x i f és diferen
iable amb
ontinuïtat,
Si, per exemple, mesurem el
ostat d'un quadrat amb un regle dividit en mil-
límetres, tenim que |∆x| ≤ 0.5 mm i, si la mesura del
ostat és x̃ mm, podem dir
que l'àrea del quadrat és x̃2 ± x̃ mm2 .
En el as de diverses variables, si
i posem ∆xi = x̃i −xi per a i = 1, 2, . . . , n, podem aproximar ∆f (x) = f (x̃)−f (x)
per la diferen
ial total:
n
X ∂f
∆f (x) ≈ (x̃) · ∆xi .
i=1
∂xi
n
X ∂f
|∆f (x)| . ∂xi · |∆xi |.
(x̃)
i=1
Exemples: Apli
arem aquesta fórmula per tar l'error absolut en el produ
te
i el quo
ient.
6
• Fita de l'error absolut en el produ
te:
∂f ∂f
Aquí f (a, b) = ab, = b, =a i tenim
∂a ∂b
|ãb̃ − ab| ≈ |b̃ · ∆a + ã · ∆b| ≤ |ã|δb + |b̃|δa .
a ∂f 1 ∂f a
Ara f (a, b) = , = , = − 2 i tenim
b ∂a b ∂b b
ã a 1
− ≈ · ∆a − · ∆b ≤ 1 δa + |ã| δb .
ã
b̃ b b̃ b̃2 |b̃| b̃2
Comproveu que aquestes tes són
onsistents amb les tes aproximades de l'error
relatiu obtingudes abans.
La matèria primera del
àl
ul numèri
són, evidentment, els números. Però una
osa es un número i una altra la seva representa
ió. La història de les
ivilitza
ions
ha vist diverses maneres de representar els números, si bé fa ja molt de temps que
l'expressió de
imal s'ha imposat
om parti
ularment adequada per a la majoria
dels
àl
uls fets per humans. Re
ordem que els seus més grans avantatges es
deriven del fet que és un sistema posi
ional (de base 10):
1789 = 1 × 103 + 7 × 102 + 8 × 10 + 9 × 100
π/2 = 1,57079632 . . .
= 1 × 100 + 5 × 10−1 + 7 × 10−2 + 0 × 10−3 + 7 × 10−4
+ 9 × 10−5 + 6 × 10−6 + 3 × 10−7 + 2 × 10−8 + · · ·
Ara bé, el gran èxit de les màquines es basa en que representen els números
i, és
lar, fan els
àl
uls, en el sistema binari (de base 2) o en algun dels seus
derivats: o
tal (de base 8) i hexade
imal (de base 16). Tots aquests també són
sistemes posi
ionals.
Com que les prin
ipals
ara
terístiques que ens interesen de la representa
ió
numèri
a no depenen de la base, estudiarem els sistemes de numera
ió en una
base qualsevol. Cal tenir present, però, que les dues bases més usades són 10 i 2
i, per això, gairebé tots els exemples seràn d'aquestes bases.
7
1.3.1. Sistemes de numera
ió posi
ionals
N = an an−1 . . . a2 a1 a0 , d1 d2 d3 . . .(B
és una abreviatura de
N = an B n + an−1 B n−1 + · · · + a2 B 2 + a1 B + a0 + d1 B −1 + d2 B −2 + d3 B −3 + · · ·
Xn ∞
X
i
= ai B + dj B −j .
i=0 j=1
8
Llavors diem que la representa
ió és periòdi
a, que dk+1 . . . dk+p és el període,
que p és la seva longitud i marquem d'alguna manera espe
ial el període, per
exemple:
!
an an−1 . . . a1 a0 , . . . (dk+1 . . . dk+p )(B o bé an an−1 . . . a1 a0 , . . . dk+1 . . . dk+p(B .
Tota representa
ió nita es pot
onvertir en una de innita (periòdi
a). En
efe
te, si β és la xifra que representa el número B − 1 en la base B , llavors
B−1 1
)
0,β (B = (B − 1)B −1 1 + B −1 + B −2 + · · · = = 1.
B 1 − B −1
Exemple:
N = an an−1 . . . a2 a1 a0(B
no és més que una abreviatura per expressar el valor del polinomi
9
Exemple: Cal
ulem 101101(2. Per
omoditat, disposem els
àl
uls així:
1 0 1 1 0 1
2 2 4 10 22 44
1 2 5 11 22 45
Per tant 101101(2 = 45.
És
lar que aquest pro
ediment ens serveix també si el número té una re-
presenta
ió nita en la base B. Només tenim que
órrer la
oma ns la dreta,
multipli
ant per una potèn
ia adequada de B, fer el
anvi del enter resultant a la
nova base, i després dividir (en la base nova) per la mateixa potèn
ia de B.
13
Exemple: 0,1101(2 = 1101(2 × 0,0001(2 = 13 · 2−4 = = 0,8125.
16
La
oneguda regla per transformar un número amb representa
ió de
imal pe-
riòdi
a en un quo
ient d'enters (la seva fra
ió generatriu), serveix en qualsevol
base B,
anviant la xifra 9 per la xifra β que representa el número B−1 en
aquesta base:
!
d1 . . . dk+p(B − d1 . . . dk(B
0, . . . dk+1 . . . dk+p(B =
β . p. .β0. k. .0(B
11(2 3
11(2 − 0(2
3
101,000011(2 = 101(2 + =5+ = 5,05.
111100(2 60
Ara ne
essitem un pro
ediment per passar de base 10 a una base qualsevol, B .
Començarem una altra vegada pel
as dels enters. Si tornem a mirar la fórmula
(1.3), veiem que a0 és el residu de la divisió del número N per la base. El quo
ient
d'aquesta divisió té la mateixa estru
tura: si el dividim per la base, ens dóna
om
a residu la xifra a1 . I així su
essivament.
10
N B
a0 b1 B
a1 b2
..
.
bn−2 B
an−2 bn−1 B
an−1 an
Observem que aquest pro
ediment no és més que l'apli
a
ió dire
ta (en qual-
sevol base) de la idea que serveix de fonament al sistema de
imal: per expressar
en aquest sistema la quantitat d'obje
tes que hi ha en una
erta
ol.le
ió, els
agrupem en desenes i apuntem els que sobren
om la xifra de les unitats. Després
agrupem les desenes de deu en deu (en
entenes) i les que sobren ens donen la xifra
de les desenes. Fem grups de deu
entenes (milers) i,
omptant les que sobren,
tenim la xifra de les
entenes. Seguim així ns a
onseguir uns grups tan grans
que la seva quantitat no arribi a deu. Llavors apuntem aquesta quantitat
om
primera xifra per l'esquerra del número i hem a
abat.
11
La idea és,
om abans, obtenir les xifres d'una en una, passant-les a l'altre
ostat
de la
oma. Si, per fer això, abans dividíem, ara multipliquem per la base, la qual
osa és equivalent a
órrer la
oma un llo
ap a la dreta. O sigui, multipli
ant
per B, tenim
Bx = [Bx] + (Bx) = d1 ,d2 d3 . . .(B .
Per tant, d1 = [Bx] i (Bx) = 0,d2 d3 . . .(B . Repetint el pro
és amb aquesta darrera
rela
ió, obtenim d2 i el número 0,d3 . . .(B ∈ (0, 1), et
ètera.
Aquest pro
ediment termina si la representa
ió de x és nita, quan una de
.
les parts fra
ionàries que trobem és nul la, o bé si és periòdi
a, quan ens trobem
amb una part fra
ionària que ja ha sortit abans.
1
x= = 0,d1 d2 d3 . . .(2 .
5
Multipli
ant aquesta rela
ió per 2,
2
= d1 ,d2 d3 . . .(2 ,
5
2 2 2 2
i ara sabem que d1 = =0i = − 0 = = 0,d2 d3 . . .(2 ; podem repetir
5 5 5 5
la jugada:
4
= d2 ,d3 d4 . . .(2 ,
5
4 4 4 4
on veiem que d2 = =0i = − 0 = = 0,d3 d4 . . .(2 ; perseverem:
5 5 5 5
8
= d3 ,d4 d5 . . .(2 .
5
8 8 8 3
Aquí d3 = =1i = − 1 = = 0,d4 d5 . . .(2 . Multipli
ant per 2 resulta
5 5 5 5
6
= d4 ,d5 d6 . . .(2 ,
5
6 6 6 1
on veiem que d4 = =1i = − 1 = = 0,d5 d6 . . .(2 .
5 5 5 5
12
Ara podem veure que estem
om al
omençament; per tant la representa
ió
binària serà periòdi
a
x = 0,001100110011 . . .(2 = 0,0011(2 .
En
anvi, per x = 2,625 tenim que [x] = 2 = 10(2 i (x) = 0,625 = 0,d1 d2 d3 . . .(2 .
Multipli
ant aquesta rela
ió per 2,
d'on traiem que d1 = 1 i 0,25 = 0,d2 d3 . . .(2 . Multipli
ant per 2 obtenim que d2 = 0
i0,5 = 0,d3 d4 . . .(2 . Aquí ja veiem que la pròxima multipli
a
ió serà l'última i que
ens donarà d3 = [1] = 1 i (1) = 0 = 0,d4 . . .(2 . O sigui, que x té representa
ió
binària nita,
x = 10,101(2 .
an an−1 . . . a2 a1 a0 , d1 d2 d3 . . .(B ,
podem dir que hem utilitzat una representa
ió en
oma xa: la
oma o
upa
pre
isament la posi
ió que li to
a per separar les parts entera i fra
ionària.
Ara bé, moltes vegades aquesta representa
ió és in
òmoda. Sobre tot quan
el número és molt gran o molt petit. Llavors podem desplaçar la
oma ns un
llo
més
onvenient multipli
ant per una potèn
ia adequada de la base. Una
representa
ió en
oma otant d'un número és una expressió del tipus
(−1)s · m · B q ,
13
N'hi ha innites representa
ions d'un número en
oma otant. Anomenarem
normalitzada a la que
ompleix que
0,1(B = B −1 ≤ m < 1 .
En representar un número en una base, són xifres signi
atives (o dígits signi-
atius ) totes llevat dels zeros que no serveixen més que per situar la
oma. És
a dir, són les que van darrera la
oma a la mantissa de la representa
ió en
oma
otant normalitzada.
Exemple: 3,1416, 0,99997 i 15,64998 són aproxima
ions amb quatre de
imals
exa
tes de π , 1 i 15,65, respe
tivament. Compteu quantes xifres
oin
ideixen.
Suposem ara que alguna de les t xifres exa
tes de ã és signi
ativa. Llavors
|ã| B t ≥ 1 (re
ordeu que multipli
ar per B t vol dir
órrer la
oma t llo
s) i podem
denir el número s de xifres signi
atives exa
tes de ã
om la quantitat de
xifres que té la part entera de |ã| B t .
14
De la rela
ió a = ã ± 12 B −t obtenim aB t = ãB t ± 12 i,
om que |ã| B t ≥ 1,
t
també |a| B = |ã| B
t
± 21 . Així normalment resulta que |a| B t ≥ B s−1 i podem
armar que
1 −t
|ã − a| B 1 1
|r| = ≤ 2 = t
≤ B 1−s .
|a| |a| 2 |a| B 2
t
(Observeu que si la desigualtat |a| B ≥ B s−1 no és
erta, llavors tenim que
t t s−1
|ã| B ≥ [|ã| B ] ≥ B t
> |a| B ≥ |ã| B t − 12 , és a dir, |a| B t ≈ B s−1 éssent
l'aproxima
ió millor
om més gran sigui s.)
Així don
s, t dóna una ta de l'error absolut de ã i s dóna una estima
ió de
l'error relatiu.
Molt sovint, la representa
ió d'un nombre real en una base donada requereix
més llo
s dels que podem manejar. Llavors hem d' arrodonir el número. És a
dir,
onformar-nos amb aproxima
ions que tinguin representa
ió nita i prede-
terminada. Considerarem dues maneres d'arrodonir a t xifres fra
ionàries un
número x:
Tall, es
apçament o trun
ament: Es pres
indeix de les xifres que o
upen llo
s
a la dreta de la posi
ió fra
ionària t, en la representa
ió de x.
Arrodoniment (
orre
te): Es tria el número més proper a x, entre els que es
representen amb t xifres fra
ionàries exa
tament.
x̃ = ±(an . . . a0 , d1d2 . . . dt )B .
(on sgn(x) = 1 si x ≥ 0 i sgn(x) = −1 si x < 0). Aquesta fórmula pot ser molt
útil, per exemple, si hem de programar aquest tipus d'arrodoniment.
Els prin
ipals in
onvenients del trun
ament són que l'error absolut és sempre
del signe
ontrari al del número (això provo
a que en
àl
uls amb números del
15
mateix signe els errors s'a
umulin en un sol sentit) i que pot arribar a ser de la
−t
mida de B . En
anvi, és l'arrodoniment més fà
il d'efe
tuar tè
ni
ament, i és
per això que en
ara moltes màquines l'utilitzen.
Exemple: Si trunquem π
a quatre xifres de
imals obtenim l'aproxima
ió per
−4
defe
te 3,1415, amb un error més gran que 0,9 · 10 en grandària.
És
lar que, de tots els números que es representen exa
tament amb t xifres
fra
ionàries i estan entre 0 i x, el que més a prop queda de x és Tt (x). Allunyant-
nos del 0,el següent número que trobem representat exa
tament amb t xifres
−t
fra
ionàries és el Tt (x) + sgn(x)B . Per tant, x està entre
anomenats de vegades arrodoniments a t xifres per ex
és (el més gran) i per defe
te
(el més petit), perquè són els números de t xifres fra
ionàries més propers a x,
adas
un pel seu
ostat.
x′′ x x′ 0 0 x′ x x′′
És a dir, són els dos números entre els que hem de triar per tal d'obtenir l'arro-
−t
doniment
orre
te. Com que la distàn
ia entre ells és B , triarem el que estigui
1 −t
a una distàn
ia de x menor o igual que B . Per tal d'esbrinar això, només
al
2
′
mirar la grandària del que hem eliminat en trun
ar x, |x − x |, que és la distàn
ia
′ 1 −t
de x a x: si és més petita que
2
B , prenem x′ , i si no, x′′ . Queda
lar, en
parti
ular, que l'arrodoniment
orre
te té t xifres fra
ionàries
orre
tes.
Exemple: Hem vist a l'exemple anterior que T4 (π) = 3,1415 està a una
−4
distàn
ia de π més gran que 0,5 · 10 . L'arrodoniment
orre
te de π a quatre
xifres de
imals serà, don
s, T4 (π) + 10−4 = 3,1416,
om tots sabem.
Observeu que tot aquest pro
és es pot dur a terme més
òmodament arrodonint
primer el valor absolut de x, i posant al resultat el signe de x. Noteu també que,
′ 1 −t ′
quan |x − x | és exa
tament igual a B , qualsevol de les dues aproxima
ions, x
2
′′
o x , és un arrodoniment
orre
te. Si bé de vegades es donen regles per aquest
′′
as, nosaltres triarem x , per tal de simpli
ar.
Quan disposem de la representa
ió de x en la base B , ±an . . . a1 a0 , d1 d2 d3 . . .(B ,
l'ele
ió de l'arrodoniment
orre
te de x a t xifres fra
ionàries, x̃, es pot fer així:
16
1
Si 0, dt+1 dt+2 . . . < , prenem x̃ = x′ , si no, x̃ = x′′ .
2
En el
as de les bases usuals, aquesta
ondi
ió es pot
omprovar mirant només la
primera xifra que negligim en trun
ar x. Per a B = 10, si 0 ≤ dt+1 ≤ 4, llavors
x̃ = x′ , ′′
i si 5 ≤ dt+1 ≤ 9, x̃ = x . Per a B = 2 en
ara és més fà
il, don
s només
′ ′′
tenim dues xifres: si dt+1 = 0, llavors x̃ = x , i si dt+1 = 1, x̃ = x .
Com abans, donarem una fórmula independent de les xifres de la representa
ió:
!
Exemple: L'arrodoniment
orre
te del número x = 11,100111(2 a sis xifres
fra
ionàries és x̃ = 11,101000(2 .
En intentar representar els números en una màquina, ens trobem que només dis-
posem d'una quantitat nita i prexada, n, de posi
ions (bits) per emmagatzemar
les xifres. Podem repartir-les de diverses maneres:
• Coma xa: n1 posi
ions per la part entera i n2 llo
s per la part fra
ionària,
de manera que n1 + n2 = n, o bé n1 + n2 = n − 1, si
al guardar un llo
per
el signe.
Els números de la màquina són els que es poden es
riure amb aquestes limi-
ta
ions. En
oma xa són equidistants. En
oma otant, en
anvi, estan més
apilotats
om més a prop del 0. Com diuen els informàti
s, es guanya rang a
osta de resolu
ió.
17
A la prà
ti
a, B = 2, les xifres són bits (0 o 1) i les paraules on es guarden
els números estan formades per una quantitat xa de bytes, o sigui que n és un
múltiple de 8.
Per exemple, la norma IEEE 754 espe
i
a per als números reals ( oats ) amb
pre
isió simple que n = 32 i e = 8, don
s t = 23. El signe es posa en el bit més
signi
atiu (el 31), l'exponent en els vuit següents (del 30 al 23) i la mantissa en
els 23 últims (del 22 al 0):
31 30 23 22 0
Exemple: Per poder veure grà
ament la distribu
ió dels números de la mà-
quina,
onsiderarem un
as molt senzill: p = 4, e = 3 i M = 3. És
lar que aquests
números
aben en un sol byte, sense que
algui representar la mantissa amb bit
implí
it. Per exemple, seguint l'ordre signe-exponent-mantissa, el byte 10101001
orrespon al número −9/32 = −0,28125 i el byte 01011100 al 3,0. Llavors en el
diagrama següent veiem alguns números de la màquina positius.
0 1/2 1 2 4 8
Amb un traç més gruixut estan mar
ades totes les potèn
ies positives de 2
(de mantissa 0,1000(2 ). Hem posat el 0 (que no és ni positiu ni un oat en forma
normalitzada) sols
om a referèn
ia.
18
Tot i que l'estàndard IEEE 754 reserva els valors extrems de l'exponent per a
representar dades espe
ials (per exemple, el 0), nosaltres simpli
arem el mo-
8
del suposant que, a la MD-32, les 2 = 256 possibles
ombina
ions de bits
que
orresponen a l'exponent efe
tivament representen un exponent. És a dir,
−127 ≤ q ≤ 128 en aquesta màquina.
Llavors és fà
il
al
ular quants números màquina en pre
isió simple hi ha a la
MD-32. Atès que un número de la màquina queda determinat per la sele
ió de
32
adas
un dels 32 bits, n'hi haurà 2 = 4.294.967.296.
23
Anàlogament veiem que tenim 2 = 8.388.608 mantisses possibles, éssent la
(24 −24
més petita 0,1(2 = 1/2, i la més gran, 0,11 . . . 1(2 = 1 − 2 . Per tant, per a
ada
23 q−1
exponent q , hi ha 2 números de la màquina x tals que 2 ≤ x < 2q .
Així don
s, el número de la màquina més petit positiu de la MD-32 és el
1
× 2−127 = 2−128 ≈ 2,938735877 × 10−39 ,
2
representat amb els 32 bits iguals a 0. I el més gran serà
1
1 − 24 × 2128 = 2128 − 2104
2
= 340.282.346.638.528.859.811.704.183.484.516.925.440
≈ 3,4 × 1038 ,
19
Quan l'arrodoniment es fa
orre
tament, l'error relatiu d'aquesta aproxima
ió
es pot tar així:
1 −t
| rd(a) − a| |mt − m|B q B 1
= q
≤ 2
= B 1−t .
|a| mB B −1 2
solir l'exponent, és
lar que els números de la màquina positius estan a l'interval
B Emin−1 , B Emax .
Exer
i
i: Podeu pre
isar (per dalt) una mi
a més aquest interval? Useu el
número de xifres de la mantissa.
Els números a representables són els que
ompleixen que rd(a) és un número
de la màquina. És a dir, si la expressió de rd(a) en forma normalitzada és
′
rd(a) = (−1)s · m′ · B q ,
20
representables. En efe
te:
Els dos primers provoquen desbordament per ex és i els altres dos, per defe te.
S'a
epta usualment que el resultat obtingut per la màquina
oin
ideix amb
l'arrodoniment del resultat exa
te. De fet, moltes màquines
al
ulen primer el
resultat amb més xifres (per exemple, el doble) que les que utilitzen després per
emmagatzemar-lo.
És a dir,
onsiderarem que la màquina efe
tua uns simula
res de les opera
ions
aritmètiques, anomenats opera
ions de
oma otant, que es poden denir així:
Si ∗ representa qualsevol de les opera
ions +, −, ×, / i x i y són números de la
màquina,
x ⊛ y = rd(x ∗ y) .
Això ens garanteix que x ⊛ y = (x ∗ y)(1 + r∗ ) amb |r∗ | ≤ eps, rela
ió molt útil
per a fer l'anàlisi de l'error.
21
Exemple: Si la màquina de l'exemple anterior arrodoneix
orre
tament, per
als mateixos números xiy tenim:
No podem esperar que aquestes opera
ions
onservin les propietats formals de
les opera
ions aritmètiques. Per exemple, moltes vegades (x ⊕ y) ⊕ z 6= x ⊕ (y ⊕ z)
o bé x ⊗ (y ⊕ z) 6= (x ⊗ y) ⊕ (x ⊗ z).
Exemple: Usarem una altra vegada la màquina dels exemples anteriors. Si-
guin x = 0,12345 · 100 , y = 0,56789 · 103 i z = −y . Llavors
Observeu que, en alinear la
oma per fer aquesta suma (igualant els exponents al
més gran), l'arrodoniment posterior fa que es desaprotin els últims dígits de x.
Així resulta que
Exer
i
i: Què passa si la màquina trun
a? (Indi
a
ió: Cal
onsiderar també
els signes d'ambdós números.)
22
Una altra
onseqüèn
ia molesta de la limita
ió del número de xifres de la
mantissa és la pèrdua de xifres signi
atives per
an
el.la
ió, que es produeix
en restar dos números molt propers i pot provo
ar un augment inesperat de l'error
relatiu.
√ √
−b + b2 − 4ac −b − b2 − 4ac
x1 = i x2 = ,
2a 2a
que donen les solu
ions de la equa
ió de segon grau,
√ ax2 + bx + c = 0, quan
b2 ≫ 4ac. Llavors b2 − 4ac ≈ |b| i, atès el signe de b, una de les dues arrels
així
al
ulades tindrà po
a pre
isió, mentre que l'altra
onservarà la pre
isió de
les dades. Rees
rivint les fórmules en la forma
2c 2c
x1 = √ i x2 = √ ,
−b − b2 − 4ac −b + b2 − 4ac
veiem que, en
anviar el signe de l'arrel quadrada, s'ha
apgirat la situa
ió. És
a dir, podem triar l'expressió més adient per a
ada valor. En aquest
as en
ara
tenim un altre algorisme: una vegada
al
ulada una de les solu
ions amb la pre
isió
més gran possible,
al
ulem l'altra usant la rela
ió x1 x2 = c/a.
23
Exemple: Si
al
ulem les solu
ions de l'equa
ió x2 − 56x + 1 = 0 amb les
fórmules usuals i amb tres de
imals exa
tes, obtenim
√ 1
x1 = 28 − 783 ≈ 28 − 27,982 = 0,018 ± · 10−3 ,
2
√ 1
x2 = 28 + 783 = 55,982 ± · 10−3 .
2
Malgrat hem
al
ulat l'arrel quadrada amb
in
xifres signi
atives exa
tes, el
−5
valor de x1 només en té dos, mentre que l'error relatiu en x2 és menor que 10 .
Com que x1 x2 = 1, podem
al
ular x1 = 1/55,982 = 0,01786288 amb un error
−5 −6
relatiu menor que 10 . Així, x1 = 0,01786288 ± 0,2 · 10 , és a dir, obtenim
també
in
xifres signi
atives exa
tes.
Altres rela
ions útils per eliminar subtra
ions dels
àl
uls són, per exemple
(amb |δ| ≪ x),
√ √ δ
x+δ− x= √ √ ,
x+δ+ x
δ δ
cos(x + δ) − cos x = −2 sin( ) sin(x + ) .
2 2
Si no som
apaços de trobar una rela
ió exa
ta per substituir f (x + δ) − f (x),
sovint és
onvenient usar una rela
ió aproximada, prenent un o més termes de la
sèrie de Taylor,
1
f (x + δ) − f (x) = f ′ (x)δ + f ′′ (x)δ 2 + · · ·
2
24
Aquesta preo
upa
ió per l'e
ièn
ia no és una qüestió de mandra (al
ap i a la
qui fa els
àl
uls és la màquina), sinó que té la seva importàn
ia, don
s el nombre
d'opera
ions inueix no només en el temps de
àl
ul, amb el
orresponent
ost
e
onòmi
, ans també en la genera
ió, propaga
ió i ampli
a
ió dels errors. De fet,
les tasques per les quals no disposem en un moment determinat d'un algorisme
a
eptablement e
ient, no es poden dur a terme.
El pro
ediment queda des
rit re
ursivament mitjançant l' algorisme de Horner :
si posem bi pels valors dels su
essius parèntesis (de dintre a fora), tenim
b0 = a0 , bi = ai + a bi−1 (i = 1, 2, . . . , n) i P (a) = bn .
Quan fem aquests àl uls a mà, els disposem amb el onegut esquema
a0 a1 a2 · · · an−1 an
a a b0 a b1 · · · a bn−2 a bn−1
b0 b1 b2 · · · bn−1 bn
3 0 −1 1
2 6 12 22
3 6 11 23
La regla de Runi ens diu que els polinomis quo ient i residu són, pre isament,
25
Pel polinomi d'abans tenim que P (x) = (x − 2)(3x2 + 6x + 11) + 23.
Una altra
ara
terísti
a qualitativa dels algorismes que
al tenir en
ompte
estabilitat numèri
a.
és l' Aquest és un
on
epte un tant borrós, del qual s'han
proposat diverses deni
ions, no totes equivalents. Per això nosaltres només direm
que té a veure amb la genera
ió i propaga
ió dels errors d'arrodoniment al llarg
dels
àl
uls intermedis.
Les
auses d'inestabilitat d'un algorisme són, normalment,
an
ela
ions, am-
pli
a
ions de l'error repetides o desmesurades, substitu
ió per 0 de valors que
provoquen desbordament per defe
te, et
.
Davant d'un algorisme inestable només podem intentar dues
oses:
anviar
d'algorisme per un de més estable o augmentar la pre
isió. En aquest últim
as
en realitat no eliminem el problema, sinó que només retardem l'apari
ió dels seus
efe
tes no
ius.
Vegem un exemple d'un algorisme matemàti
ament
orre
te però numèri
a-
ment inestable.
1
xn
Z
yn = dx per a n = 8,
0 x+5
26
L'error d'arrodoniment e en la llavor pot ser tan gran
om 0,5×10−3 = 5×10−4 .
Aquest error produeix un error de −5e a y1 , de 25e a y2 , de −125e a y3 i de 625e
−4
a y4 , que pot arribar a tenir una grandària de 625 × 5 × 10 = 0,3125. Els errors
a
tuen en
ontra nostre i si usem més de
imals el fenomen apareixerà a un estadi
més tardà.
Aquesta inestabilitat és un problema de l'algorisme i, en aquest
as, es pot
resoldre
anviant l'algorisme, usant la fórmula de re
urrèn
ia a l'inrevés:
1 yn
yn−1 = − .
5n 5
Així l'error serà dividit per −5
a
ada pas. Però ne
essitem un punt de partida.
n
És
lar que les integrals de
reixen quan n
reix (les fun
ions x són, entre 0 i 1,
ada
op més planes). Llavors podem partir, per exemple, de les dues hipòtesis
següents:
Llavors no parlem d'estabilitat sinó de
ondi
ionament. Aquesta és, don
s, una
ara
terísti
a qualitativa de
ada problema numèri
que des
riu la sensibilitat del
27
resultat envers els errors en les dades. Si passa
om a l'exemple, direm que el
problema està mal
ondi
ionat.
De vegades és possible estimar aquesta qualitat mitjançant uns nombres de
ondi
ió, denits de manera adient amb el tipus de problema, i que a
tuen
om a
fa
tors d'ampli
a
ió dels errors d'entrada en
onvertir-se en els errors de sortida.
A
í ens referim, normalment, als errors relatius.
28
2. EQUACIONS NO LINEALS
Disposem de fórmules per trobar arrels de polinomis ns a grau 4 però si tenim un
polinomi de grau 5 o superior, no només no tenim fórmula, ans Abel va demostrar
que no se'n pot trobar. Per tant
al desenvolupar mètodes numèri
s per trobar
les arrels de polinomis de grau 5 o més gran.
Els mètodes que desenvoluparem en aquest
apítol també resolen (aproxima-
dament) equa
ions de la forma f (x) = 0
om ara:
x − cos x = 0
cos x − sin x = 0
x − tan x = 0
x − a sin x = 0
2.1. Bise ió
Teorema (Bolzano): Si
f : [a, b] → R és
ontínua i
f (a)f (b) < 0 (i.e.: f (a) i f (b) tenen diferent signe),
29
• Si f (a0 )f (c0 ) < 0 hi ha un zero a [a0 , c0 ]; posem a1 = a0 , b1 = c0 .
Si en aquesta etapa no hem trobat el zero, podem tornar a apli
ar el pro
ediment
a l'interval I1 = [a1 , b1 ] i així su
essivament.
x − cos x = 0 .
α ≈ 0.739,
amb tres de
imals
orre
tes. També podem donar
om a aproxima
ió de la solu
ió
el punt mig de l'interval on parem el pro
ediment:
α ≈ 0.739185 .
Si tenim en
ompte que, a
ada pas del pro
ediment, la longitud de l'interval és
dividida per dos i que l'ele
ió del punt mig és una subdivisió més, l'error absolut
satisfà
3
|e13 | ≤ = 1. 83 × 10−4
213+1
30
que torna a donar 3 de
imals
orre
tes. Aquest error absolut s'anomena error de
trun
ament:
b0 − a0
|en | < .
2n+1
Aquest tipus de pro
ediment repetit s'anomena un pro
ediment iteratiu. A tot
pro
ediment iteratiu hem de
Exer i i: Quants passos hem de fer per obtenir ada dígit de imal?
Exer
i
i: Usant el mètode de bise
ió a l'interval [10, 30], quants passos hem de
fer per per tenir un error relatiu menor que 10 −7
Solu
ió: n ≥ 24.)
? (
També s'anomena de les
ordes o de les parts propor
ionals, don
s és una variant
del mètode de bise
ió que
onsisteix a dividir l'interval[a, b] en dos subintervals,
[a, c] i [c, b], de longituds propor
ionals respe
tivament a |f (a)| i |f (b)|, i això
s'a
onsegueix mitjançant la
orda que uneix els extrems de la grà
a de f a
l'interval [a, b].
31
a
α c a+b b
2
f (a)(b − a) f (b)(b − a)
És fà
il veure que c=a− o bé c=b− .
f (b) − f (a) f (b) − f (a)
Esperem que aquest mètode sigui més ràpid que el de bisse
ió, però de vegades
no és així, i llavors
al fer alguna modi
a
ió.
f (xn )
xn+1 = xn − (n = 0, 1, . . .)
f ′ (xn )
32
Exemple: Resolem cos x = x (quantes solu
ions té?).
Per usar el mètode de Newton
onvertim l'equa
ió donada en l'equa
ió equi-
′
valent cos x − x = 0. Posem f (x) = cos x − x, f (x) = − sin x − 1 i les itera
ions
venen donades per la fórmula:
cos xn − xn
xn+1 = xn + .
sin xn + 1
x0 = 0.7 obtenim:
Partint de la llavor
x1 = 0.739436497, amb 3 de
imals
orre
tes,
x2 = 0.739085160, amb 6 de
imals
orre
tes,
x3 = 0.739085133, amb tots els de
imals
orre
tes.
Exemple: Un mètode
√ intuïtiu (i iteratiu) per a
al
ular arrels quadrades.
Anem a
al
ular 2. Geomètri
ament la solu
ió és el
ostat d'un quadrat
d'àrea 2. Comen
em amb un re
tangle d'àrea 2 i l'anirem quadrant.
33
El següent pas de la quadratura es fa de la mateixa forma: la base serà
1.5 + 1.33 2
= 1.415 i l'alçada = 1.4134
2 1.415
1.415 + 1.4134 √
Un pas més ens
ondueix a una base = 1.4142 et voilà! 2
2
amb quatre de
imals
orre
tes. Millor que l'algorisme tradi
ional, oi?
a2n + p
an+1 = .
2an
Si usem el mètode de Newton per a
al
ular l'arrel quadrada de p, en realitat
resolem l'equa
ió
x2 = p o bé x2 − p = 0.
La itera
ió de Newton és:
x2n − p x2 + p
xn+1 = xn − = n
2xn 2xn
34
que és, pre
isament, el mètode que hem emprat. De fet aquest mètode iteratiu
de
àl
ul d'una arrel quadrada ja era
onegut per Heron d'Alexandria (100 dC).
Sigui x0 ∈ [a, b] la llavor del mètode. Si es
ompleix alguna de les dues
ondi
ions
següents:
n o
• max ff′(a)
f (b)
, < b−a (l'interval és prou gran), o bé
(a) f ′ (b)
• f (x0 ) · f ′′ (x) > 0 per a ada x ∈ [a, b] (x0 està al ostat bo d'α),
35
aleshores el mètode de Newton
onvergeix.
′ ′′
A més, si |f (x)| ≥ m > 0 i |f (x)| ≤ M per a
ada x ∈ [a, b], llavors
M
|xn+1 − α| ≤ |xn − α|2 (n ≥ 0).
2m
| f(b)/f’(b)|
a α b
| f(a)/f’(a)|
36
a x2 x3 x5
α x4 b
xn − xn−1
xn+1 = xn − f (xn ) (n = 1, 2, . . .),
f (xn ) − f (xn−1 )
fórmula que ens dóna el mètode iteratiu. Observem que
al partir de dues llavors,
que normalment seràn x0 = a i x1 = b.
37
2.5. Mètode del punt x
a b
38
2.5.1. Itera
ions d'una fun
ió
Sigui g :I →I una fun
ió d'un interval (que pot ser innit) en ell mateix. Si
prenem una llavor x0 ∈ I , les itera
ions de x0 per g són els termes de la su
essió
√
Exer
i
is: Trobeu les itera
ions de x0 ∈ (0, 1) per g(x) = x; feu el mateix
per x0 = 0 i x0 = 1.
Trobeu les itera
ions de x0 ∈ R per g(x) = sin x.
y=x
g(x0) g
x0 x1
v h v h v
−→ G −→ D −→ G −→ D −→ · · ·
39
x0 x0
x0 x0
és a dir, α és un punt x de g . Per tant, podem intentar trobar punts xos iterant
les fun
ions. Això és el que anomenarem mètode d'itera
ió. Només ens falta
saber quan fun
iona.
40
2.5.2. Contra
ions
Una fun
ió g és
ontra
tiva (o és una
ontra
ió ) si existeix un K ∈ (0, 1) tal que,
per a qualssevol xiy del domini de g,
|g(x) − g(y)| ≤ K|x − y|.
g(y)
g(x)
x y
|xn − α| ≤ K n |x0 − α|
i
om que K n → 0, resulta que |xn − α| → 0.
41
En aquesta demostra
ió hem obtingut, de pas, la ta
ió de l'error absolut
|xn − α| ≤ K n |x0 − α|. Però aquesta ta no és massa útil perquè depèn de
|x0 − α|, que no
oneixem i també haurem de tar. Per això sovint s'utilitza
aquesta altra ta de l'error absolut de trun
ament:
Kn
|xn − α| ≤ |x0 − x1 |.
1−K
Tot això està molt bé, però
om podem saber que g és una
ontra
ió? Tenim
la següent
ondi
ió su
ient:
42
i,
om abans, no podem garantir que
√ g sigui
ontra
tiva a
√ [−2, −1].
3 3
iii) 2x − 2 = x
ondueix a l'estudi de g(x) = 2x − 2; la derivada és
1 2 1 2
|g ′(x)| = 2/3
≤ < 1, atès que |2x − 2| ≥ 4.
3 (2x − 2) 3 42/3
A més
om que g(−2) i g(−1) pertanyen a [−2, −1] i g(x) és
reixent en aquest
interval, tenim que g([−2, −1]) està
ontingut a [−2, −1]. Amb tot això ja veiem
que podem apli
ar el teorema de
ontra
ió a g . Prenent x0 = −1
om a llavor
tenim:
x0 = −1
x1 = −1.5874
x2 = −1.7297
x3 = −1.7608
···
x7 = −1.7693
x8 = −1.7693
√
Exer
i
i: Demostreu que f (x) = x no és
ontra
tiva a [0, 1].
Solu
ió: No ho pot ser perquè té dos punts xos, α = 0 i β = 1 (feu un
dibuix).
|xn+1 − α|
≤C
|xn − α|p
que ens diu que |xn+1 − α| és petit ns i tot en
ompara
ió amb el número petit
|xn − α|p .
Examinem l'ordre de
onvergèn
ia de les su
essions produïdes per alguns dels
mètodes que hem vist en aquest
apítol.
43
1. Mètode de bise
ió
3. Mètode de Newton
f (x)
g(x) = x − .
f ′ (x)
g ′ (α) g ′′ (c)
g(x) = g(α) + (x − α) + (x − α)2 .
1! 2!
Cal
ulem g ′ (α):
[f ′ (x)]2 − f (x)f ′′ (x)
g ′(x) = 1 −
[f ′ (x)]2
g ′ (α) = 0 (atès que f (α) = 0) .
Portant aquest valor en el desenvolupament de Taylor anterior tenim:
|g ′′(c)|
|xn+1 − α| = |g(xn ) − g(α)| = (xn − α)2 ≤ C(xn − α)2 ,
2!
on 2C és una ta de |g ′′(x)| a un entorn de α. Això ens diu que si f ′′′
existeix, l'ordre de
onvergèn
ia és almenys 2.
Suposada g
ontra
tiva tenim |xn+1 − α| ≤ K|xn − α| que ens diu que el
mètode té ordre de
onvergèn
ia almenys 1. Per un pro
ediment anàleg al
′ ′′ (m)
del punt anterior es pot veure que si g (α) = g (α) = · · · = g (α) = 0, el
mètode té ordre de
onvergèn
ia almenys m + 1.
5. Mètode de la se
ant
√
1+ 5
Es pot veure que té ordre de
onvergèn
ia almenys si f ′ (α) 6= 0.
2
44
3. INTERPOLACIÓ
Un pol és un punt distingit per algun motiu (perquè són distingits els pols Nord
i Sud de la terra?). Interpolar vol dir omplir l'espai que hi ha entre els pols.
Con
retament, si tenim una taula
om ara
x x0 x1 · · · xn
y y0 y1 · · · yn
que podem veure grà
ament
es tra ta de onstruir un polinomi P de grau més petit o igual que n tal que
és a dir tal que la seva grà a passi pels extrems de les barretes del dibuix:
45
Cal advertir que això s'anomena interpola
ió polinomial, però que també es
pot interpolar mitjançant altres tipus de fun
ions (trigonomètriques, splines et
.)
Exemple: El valor de la gravetat a nivell del mar depèn de la latitud. Les
mesures són:
ϕ (graus)| g(m/s2 )
0 |9.780350
30 |9.793235
45 |9.806154
60 |9.819099
90 |9.832072
◦ ′
El problema és trobar el valor de g a Bar
elona (ϕ = 41 25 ). Trobarem un
polinomi de grau 4, P4 (ϕ) que per a
ada ϕ prengui els valors que tenim tabulats;
◦ ′
després
al
ularem P4 (41 25 ) i tindrem una aproxima
ió a la solu
ió del problema.
46
és a dir que tenim un sistema lineal de n+1 equa
ions en n+1 in
ògnites.
La matriu del sistema és
xn0
1 x0 ···
1 x1 ··· xn1
M =
···
,
··· ··· ···
1 xn ··· xnn
Així és que el sistema té solu
ió úni
a; a més tenim un Mètode algebrai
que ens
permet
al
ular el polinomi interpolador.
a + b(0) + c(0)2 = 1
1 1
a + b( ) + c( )2 = e0.5
2 2
a + b(1) + c(1)2 = e
47
aquest polinomi a x0 pren el valor
Observem que els fa
tors de Lagrange només depenen dels nodes de la taula i
no depenen dels valors a
ada node.
Llavors
P (x) = y0 L0 (x) + ... + yn Ln (x)
és el polinomi interpolador
er
at perquè
x| 0 0.5 1
y | 1 e0.5 e
(x − 0.5)(x − 1)
L0 (x) = = 2x2 − 3x + 1
(0 − 0.5)(0 − 1)
(x − 0)(x − 1)
L1 (x) = = −4x2 + 4x
(0.5 − 0)(0.5 − 1)
(x − 0)(x − 0.5)
L2 (x) = = 2x2 − x
(1 − 0)(1 − 0.5)
48
i el polinomi interpolador en la forma de Lagrange és:
que és el polinomi que ja havíem
al
ulat. Això ha de ser així per la uni
itat del
polinomi interpolador.
Mètode de Newton
Si hem d'interpolar només a un node tenim P0 (x) = c0 = y0 ; suposem que hem
onstruït un polinomi Pk−1 (x) que interpola a k nodes x0 , x1 , . . . , xk−1 . Llavors
denim
és a dir
yk − Pk−1(xk )
c=
(xk − x0 )(xk − x1 ) · · · (xk − xk−1 )
Pel que hem dit el polinomi interpolador és de la forma
x| 0 0.5 1
y | 1 e0.5 e
P0 (x) = c0 = 1
P1 (x) = 1 + c1 (x − 0) amb P1 (x1 ) = e0.5 ; 1 + c1 (0.5) = e0.5 ⇒ c1 = 2(e0.5 − 1)
P2 (x) = 1 + 2x(e0.5 − 1) + c(x − 0)(x − 0.5) amb P2 (x2 ) = e;
1 + 2(e0.5 − 1) + c(1)(1 − 0.5) = e
49
Obtenim
Suposem ara que la taula que volem interpolar són els valors d'una fun
ió f
als nodes {x0 , x1 , ..., xn } i que hem
onstruït el polinomi interpolador p(x), que és
una fun
ió denida a tots els punts.
(z − x0 )...(z − xn )
G(z) = f (z) − p(z) − [f (x) − p(x)]
(x − x0 )...(x − xn )
.
que és nul la als n+2 punts {x0 , x1 , ..., xn , x}. Usant el teorema de Rolle n+1
vegades resulta que la fun
ió G(n+1) (z) s'anul.la a un punt cx :
(n + 1)!
G(n+1) (z) = f (n+1) (z) − [f (x) − p(x)]
(x − x0 )...(x − xn )
.
s'anul la a cx //
e
|f (x) − p(x)| <
8
Exer
i
i: Feu el mateix prenent els nodes {0, 0.5, 1}.
50
(x − x0 )(x − x1 )...(x − xn )
només depèn dels punts d'interpola
ió. és natural mirar d'es
ollir aquests punts a
que aquesta expressió sigui (en mòdul) el més petit possible. Això s'a
onsegueix
en
erta mesura prenent
om a xi els zeros del polinomi de Txebixev de grau
n + 1, Tn+1(x).
Anem a veure que cos nϕ = polinomi(cos ϕ);
onsiderem les fórmules trigonomè-
triques
T0 (x) = 1
T1 (x) = x
T2 (x) = −1 +2x2
T3 (x) = −3x +4x3
T4 (x) = 1 −8x2 8x4
··· ···
51
Propietats dels polinomis de Txebixev
a) Fórmula de re urrèn ia
T0 (x) = 1, T1 (x) = x
) Tn (−x) = (−1)n Tn (x) (la paritat de
ada polinomi
oin
ideix amb la paritat
del grau).:
cos(n arccos x) = 0
π
n arccos x = + kπ
2
2k + 1 π
xk = cos( ), k = 0, 1, . . . , n − 1
n 2
e) Propietat mini-max: De tots els polinomis p de grau m i
oe
ient prin
ipal
1
1, el que té max{|p(x)|, x ∈ [−1, 1]} més petit és el polinomi m−1 Tm (x); és a dir
2
la propietat mini-max arma que si p(x) és un polinomi mòni
de grau m,
1
max (| Tm (x)|, −1≤x ≤1) ≤ max (|p(x)|, −1≤x ≤1)
2m−1
52
Podem usar aquesta propietat per minimitzar l'error en la interpola
ió. La fórmula
de l'error és
f (m+1) (cx )
f (x) − p(x) = (x − x0 )(x − x1 ) · · · (x − xm )
(m + 1)!
Observem que els punts estan numerats de dreta a esquerra; ho haurem de tenir
en
ompte quan fem una taula per interpolar.
1
Exemple: Interpolem f (x) = per un polinomi de primer grau usant
x+3
interpola
ió de Txebixev. Ne
essitem dos punts d'interpola
ió, els zeros de T2 :
π 1 3π 1
x0 = cos = √ , x1 = cos = −√
4 2 4 2
i tenim la següent taula:
x √1 − √12
√2 √
f √ 2 √ 2
3 2+1 3 2−1
53
El polinomi interpolador obtingut és
1
p(x) = (6 − 2x)
17
Exer
i
i: Cal
uleu la ta de l'error d'interpola
ió a l'interval [−1, 1] usant les
abs
isses x0 = −1/2, x1 = 1/3, i
omproveu que és el doble que en el
as d'usar
les abs
isses de Txebixev.
Observa
ió important: si fem interpola
ió a un interval [a, b] que no sigui [−1, 1],
el
anvi de variable
[−1, 1] → [a, b]
1 1
x 7 → t = (a + b) + (b − a)x
2 2
re
ondueix el problema a l'interval [−1, 1].
Quan interpolem amb abs
isses equidistants i per un polinomi de grau elevat,
es pot donar l'anomenat fenomen de Runge, que
onsisteix en què el polinomi
interpolador d'una fun
ió en un interval només l'aproxima bé en el
entre de
l'interval.
1
Exemple: gràques de la fun
ió f (x) = i de p10 (x), el seu polinomi
1 + 30x2
interpolador en 11 abs
isses equiespaiades de l'interval [−1, 1].
Observem que, prop dels punts ±0.9, l'aproxima
ió de f (x) per p10 (x) és molt
dolenta. Per evitar aquest fenomen, observat per primer
op per Runge, tenim
op
ions a diferents nivells:
(a) Es
ollir abs
isses no equiespaiades.
54
Mirarem que hi hagi més
on
entra
ió d'abs
isses
onforme ens anem a
ostant als
extrems de l'interval. Per exemple, podem es
ollir
om a abs
isses els zeros d'un
polinomi de Txebixev.
(b) Es
ollir abs
isses equiespaiades i usar interpola
ió polinòmi
a a trossos.
Construir, entre
ada parell d'abs
isses, un polinomi de grau predeterminat que
interpoli. La fun
ió resultant és polinòmi
a a trossos i s'anomena Spline.
(
) No interpolar, sino aproximar.
Si no exigim que el polinomi passi per determinades abs
isses, podem
al
ular un
polinomi que aproximi la fun
ió donada. Això és el que tra
tarem en el proper
tema.
55
4. APROXIMACIÓ
Si tenim massa nodes no resulta fun
ional manejar el polinomi interpolador. Per
exemple si tenim mil un punts, trobarem un polinomi interpolador de grau mil.
Quan hi ha tants nodes a la taula que
onsiderem, parlem d'un núvol de punts
i, en llo
d'interpolar, mirem d'ajustar
orbes
om ara re
tes, paràboles, et
., en
el núvol de punts. Aquest ajust s'anomena aproxima
ió dis
reta (perquè usem
nodes); també hi ha una aproxima
ió
ontínua que usa els mateixos mètodes.
∗
Així és que el què volem és aproximar una fun
ió f mitjançant una fun
ió f de
la forma
f ∗ = c0 + c1 x + · · · + cn xn .
Una questió fonamental és avaluar la magnitud de l'error e = f ∗ −f mitjançant
un número. Això és el mateix que avaluar la magnitud d'una fun
ió (atès que
f∗ − f ho és). La forma més simple de fer-ho és usar el llenguatge geomètri
.
x x0 ··· xm
f f (x0 ) · · · f (xm )
que podem veure
om un ve
tor de Rm+1 . Així:
56
Aquestes su
essives ulleres (xarxes de nodes) ens fan veure la fun
ió
om un
ve
tor en un espai de dimensió
ada
op més gran. Podem pensar la pròpia fun
ió
om un ve
tor en un espai de dimensió innita. Això no
ausarà
ap problema
ans al
ontrari fa
ilitarà molt l'exposi
ió dels
on
eptes i els mètodes de
àl
ul, i
la reten
ió dels resultats.
1. Dis ret: mirem les fun ions a través d'una xarxa de nodes.
Comen
em donant una mesura de la magnitud d'una fun
ió; això ho podem
fer de diverses formes, ja que podem donar la magnitud d'un ve
tor de diverses
formes.
1) Norma eu
lidiana a Rn :
p
k(a1 , . . . , an )k = (a1 )2 + · · · + (an )2
√
Exemples: k(1, 2)k = 5, la distàn
ia eu
lidiana de (1, 2) a (0, 0).
k(−3, 0, 4)k = 5, la distàn
ia eu
lidiana de (−3, 0, 4) a (0, 0, 0).
57
1') Norma eu
lidiana a C 0 (I) (les fun
ions
ontínues a l'interval I ):
sZ
b
kf k = (f (x))2 dx
a
Geomètri
ament aquesta norma amida les fun
ions mesurant l'àrea de f 2 entre
aib (i traient l'arrel quadrada).
1
Exemples: I = [0, 1], f (x) = x, kf k = √ .
p 3
I = [−1, 1], f (x) = x, kf k = 2/3.
8
I = [0, 2], f (x) = x, kf k = √ .
3
En els problemes d'aproxima
ió la norma eu
lidiana és la més usada degut a
què permet fer
àl
uls relativament simples.
2') Norma del màxim a C 0 (I) (les fun ions ontínues a l'interval I ):
58
Exemples: I = [0, 1], f (x) = x, kf k = 1.
I = [−1, 1], f (x) = x, kf k = 1.
I = [0, 2], f (x) = x, kf k = 2.
És més difí
il treballar amb la norma del màxim que amb la norma eu
lidiana
i per aixó és menys usada.
(v ∗ − v | ei ) = 0, i = 0, . . . , n.
59
El problema de l' aproxima
ió per mínims quadrats té exa
tament el mateix
format:
i es resol de la mateixa forma. Basta pre
isar el produ
te es
alar entre fun
ions,
que és el següent:
Z b
• Cas
ontinu, I = [a, b]: (f | g) = f (x)g(x) dx
a
m
X
• Cas dis
ret, {x0 , . . . , xm }: (f | g) = f (xi )g(xi)
i=0
(Més endavant veurem una lleugera generalitza
ió d'aquests produ
tes es
alars
2
que serà útil en alguns
asos prà
ti
s.) Re
ordem aquí que kf k = (f | f ).
(c0 ϕ0 + · · · + cn ϕn − f | ϕi ) = 0, i = 0, ..., n,
és a dir,
(c0 ϕ0 + · · · + cn ϕn | ϕi ) = (f | ϕi ), i = 0, ..., n,
anomenades equa
ions normals.
60
Hem de resoldre el sistema d'equa
ions lineals
c0 (ϕ0 | ϕ0 ) + · · · + cn (ϕn | ϕ0 ) = (f | ϕ0 )
........................................
c0 (ϕ0 | ϕn ) + · · · + cn (ϕn | ϕn ) = (f | ϕn )
Observem que la matriu de
oe
ients del sistema és la matriu de produ
tes
M = ((ϕi | ϕj )).
x 1 2 3 4 5
f 3.2 3.8 4.9 6.1 7
Volem trobar f ∗ (x) = a + bx que aproximi f per mínims quadrats; estem prenent
ϕ0 (x) = 1, ϕ1 (x) = x. El sistema d'equa
ions normals en forma matri
ial és:
(1 | 1) (x | 1) a (f | 1)
= .
(1 | x) (x | x) b (f | x)
Cal ulem aquests produ tes es alars dis rets (sobre la xarxa {1, 2, 3, 4, 5}):
(1 | 1) = 1 · 1 + 1 · 1 + 1 · 1 + 1 · 1 + 1 · 1 = 5
(1 | x) = 1 · 1 + 1 · 2 + 1 · 3 + 1 · 4 + 1 · 5 = 15
(x | x) = 1 · 1 + 2 · 2 + 3 · 3 + 4 · 4 + 5 · 5 = 55
(f | 1) = (3.2) · 1 + (3.8) · 1 + (4.9) · 1 + (6.1) · 1 + (7) · 1 = 25.0
(f | x) = (3.2) · 1 + (3.8) · 2 + (4.9) · 3 + (6.1) · 4 + (7) · 5 = 84.9
61
Exemple: Polinomi de segon grau que millor aproxima per mínims quadrats
la taula
x −2 −1 1 3 5
f 2 1 −1 1 3
Volem trobar f ∗ (x) = a + bx + cx2 que aproximi f per mínims quadrats; estem
prenent ϕ0 (x) = 1, ϕ1 (x) = x, ϕ2 (x) = x2 . El sistema d'equa
ions normals en
forma matri
ial és:
(1 | 1) (x | 1) (x2 | 1)
a (f | 1)
(1 | x) (x | x) (x2 | x) b = (f | x) .
(1 | x2 ) (x | x2 ) (x2 | x2 ) c (f | x2 )
Aquests produ tes es alars dis rets (sobre la xarxa {−2, −1, 1, 3, 5}) valen:
(1 | 1) = 1 · 1 + 1 · 1 + 1 · 1 + 1 · 1 + 1 · 1 = 5
(1 | x) = 1 · (−2) + 1 · (−1) + 1 · 1 + 1 · 3 + 1 · 5 = 6
(1 | x2 ) = 1 · 4 + 1 · 1 + 1 · 1 + 1 · 9 + 1 · 25 = 40
(x | x) = 4 + 1 + 1 + 9 + 25 = 40
(x | x2 ) = −8 − 1 + 1 + 27 + 125 = 144
(x2 | x2 ) = 16 + 1 + 1 + 81 + 625 = 724
(f | 1) = 2 · 1 + 1 · 1 + (−1) · 1 + 1 · 1 + 3 · 1 = 6
(f | x) = 2 · (−2) + 1 · (−1) + (−1) · 1 + 1 · 3 + 3 · 5 = 12
(f | x2 ) = 2 · 4 + 1 · 1 + (−1) · 1 + 1 · 9 + 3 · 25 = 92
86 714 307 2
y=− − x+ x
1261 1261 1261
Ens adonem així de l'interès que les fun
ions ϕi formin un sistema ortogonal!
62
Exemple: Aquest exemple és una aproxima
ió no dis
reta. Cerquem la re
ta
que millor aproxima per mínims quadrats la fun
ió f (x) = sin x a l'interval [0, π].
Volem trobar f ∗ (x) = a + bx que aproximi f per mínims quadrats; estem prenent
ϕ0 (x) = 1, ϕ1 (x) = x. El sistema d'equa
ions normals en forma matri
ial és:
(1 | 1) (x | 1) a (f | 1)
= .
(1 | x) (x | x) b (f | x)
Cal
ulem aquests produ
tes es
alars:
π π Z π
π2 π3
Z Z
(1 | 1) = 1·1 dx = π, (1 | x) = 1·x dx = , (x | x) = x·x dx = ,
0 0 2 0 3
Z π Z π
(f | 1) = sin x · 1 dx = 2, (f | x) = sin x · x dx = π.
0 0
Hem de resoldre el sistema
π2
πa + b = 2
2
π2 π3
a+ b=π
2 3
2 2
que dóna a= , b = 0 i la re
ta de regresió és y= .
π π
x f #
1 4.1 8
2 5.5 6
3 6.2 10
Podem assignar pesos w1 = 8, w2 = 6, w3 = 10 a les diferents mesures. Aleshores
al
ularem amb el produ
te
63
Cal
ulem aquests produ
tes es
alars dis
rets (sobre la xarxa G = {1, 2, 3}):
(1 | 1) = 8 · 1 · 1 + 6 · 1 · 1 + 10 · 1 · 1 = 24
(1 | x) = 8 · 1 · 1 + 6 · 1 · 2 + 10 · 1 · 3 = 50
(x | x) = 8 · 1 · 1 + 6 · 2 · 2 + 10 · 3 · 3 = 122
(f | 1) = 8 · (4.1) · 1 + 6 · (5.5) · 1 + 10 · (6.2) · 1 = 127.8
(f | x) = 8 · (4.1) · 1 + 6 · (5.5) · 2 + 10 · (6.2) · 3 = 284.8
Hem de resoldre el sistema
24a + 50b = 127.8
50a + 122b = 284.8
En l'aproxima
ió
ontínua podem usar fun
ions pes w(x) > 0, w
ontínua
(admetem singularitats als extrems de l'interval) i el produ
te es
alar serà:
Z b
(f | g) = f (x)g(x)w(x)dx.
a
Ja hem esmentat que, si les fun
ions ϕi formen un sistema ortogonal, els
àl
uls de l'aproxima
ió per mínims quadrats són més senzills. Un dels sistemes
ortogonals usuals és el dels polinomis de Txebixev :
i) Amb el produ
te es
alar amb pes (1 − x2 )−1/2 ,
1
1
Z
(f | g) = f (x)g(x) √ dx,
−1 1 − x2
π
se satisfà (Ti | Tj ) = 0 si i 6= j , kT0 k2 = π i kTi k2 = si i > 0.
2
Prova: Simpli
arem el
àl
ul de les integrals
1
1
Z
(Tm | Tn ) = Tm (x) · Tn (x) √ dx
−1 1 − x2
64
amb el
anvi de variable
dx
θ = arccos x, dθ = − √ , θ(−1) = π, θ(1) = 0
1 − x2
i re
ordant la fórmula
1
cos a cos b = (cos(a + b) + cos(a − b)).
2
Llavors tenim que
π Z π π
1
Z Z
(Tm | Tn ) = cos mθ·cos nθ dθ = cos(m + n)θ dθ + cos(m − n)θ dθ .
0 2 0 0
kT0 k2 = (1 | 1) = π.
ii) Amb el produ
te es
alar dis
ret sobre la xarxa {x0 , . . . , xm } dels zeros de
Tm+1 (x),
m
X
(f | g) = f (xk )g(xk ),
k=0
m+1
(Ti | Tj ) = 0 si i 6= j amb 0 ≤ i, j ≤ m, kT0 k2 = m + 1 i kTi k2 =
se satisfà
2
si 0 < i ≤ m. Observem que, en el
as dis
ret, els polinomis de Txebixev són
ortogonals respe
te un produ
te es
alar amb pes 1.
65
Re
ordem que si tenim m + 1 abs
isses i
erquem un polinomi de grau m, la inter-
pola
ió i l'aproxima
ió per mínims quadrats
oin
ideixen. Degut a l'ortogonalitat
(vegeu solu
ió de l'aproxima
ió per mínims quadrats, a l'apartat 4.2) tenim:
(f | Ti )
ci = .
kTi k2
Teorema: Per a
ada fun
ió pes w(x) hi ha un sistema ortogonal que és una
família triangular de polinomis; aquest sistema és úni
si prenem els polinomis
mòni
s.
66
Re
ordem el mètode; si {e0 , e1 , e2 , . . .}
és una família de ve
tors linealment
′ ′ ′
independents,
al
ulem una família ortogonal {e0 , e1 , e2 , . . .} seguint l'esquema
e′0 = e0
(e1 | e′0 ) ′
e′1 = e1 − proje
ió de e1 sobre he′0 i = e1 − e
(e′0 | e′0 ) 0
(e2 | e′ ) (e2 | e′ )
e′2 = e2 − proje
ió de e2 sobre he′0 , e′1 i = e2 − ′ 0′ e′0 − ′ ′1 e′1
(e0 | e0 ) (e1 | e1 )
···
onstru ió de e′1
p0 (x) = 1, p1 (x) = x − a1 i
pn (x) = (x − an )pn−1 (x) − bn pn−2 (x) si n ≥ 2,
amb
(x pn−1 | pn−1 ) (x pn−1 | pn−2 )
an = i bn = ,
kpn−1 k2 kpn−2 k2
forman un sistema ortogonal.
kpn−1 k2
A més, es veri
a que (x pn−1 | pn−2 ) = kpn−1 k2 , és a dir, bn = .
kpn−2 k2
67
onstru
ió de e′2
En els
asos més usuals el pes és simètri
respe
te l'origen i llavors resulta que
(x pn−1 | pn−1 ) = 0, és a dir, an = 0. Així la re
urrèn
ia es redueix a
kpn−1 k2
p0 (x) = 1, p1 (x) = x i pn (x) = x pn−1 (x) − pn−2 (x) si n ≥ 2.
kpn−2 k2
Exemple: Ortogonalitzem la família {1, x, x2 , x3 , . . .},
onsiderada a l'interval
I = [−1, 1], amb el produ
te es
alar amb pes w(x) = (1 − x2 )−1/2 denit per
1
1
Z
(f | g) = f (x)g(x) √ dx .
−1 1 − x2
Per estalviar
àl
uls
onvé re
ordar que per als polinomis de Txebixev tenim
π
que kT0 k2 = π i kTn k2 = si n > 0.
2
p0 (x) = 1.
p1 (x) = x.
kxk2 π/2 1
p2 (x) = x x − 2
= x2 − = x2 − .
k1k π 2
2 2
1 kx − 1/2k 1 1 kT2 (x)k2 3
p3 (x) = x(x2 − ) − 2
x = x(x 2
− ) − 2
x = x3 − x.
2 kxk 2 4 kT1 (x)k 4
68
1 1
Observem que p0 = T0 , p1 = T1 , p2 = T2 , p3 = T3 , . . . (això ha de ser així
2 4
per la uni
itat de què parla el teorema).
Polinomis de Legendre
Estan denits per
1 dn
Pn (x) = [(x2 − 1)n ], n = 0, 1, 2, . . .
2n n! dxn
1 d0
P0 (x) = 0
((x2 − 1)0 ) = 1.
2 · 0! dx0
1 d
P1 (x) = 1 ((x2 − 1)1 ) = x.
2 · 1! dx
El següent ja és més laboriós:
1 d2 2 2 1 d2 4 1
P2 (x) = 2 2
((x − 1) ) = 2
(x − 2x2 + 1) = (3x2 − 1).
2 2! dx 8 dx 2
Per
al
ular els següents disposem d'una fórmula re
urrent:
2n + 1 n
Pn+1 (x) = x Pn (x) − Pn−1 (x).
n+1 n+1
5 2 5 1 2 1
P3 (x) = x P2 (x) − P1 (x) = x (3x2 − 1) − x = (5x3 − 3x).
3 3 3 2 3 2
Per n=3 resulta:
7 3 7 3 1
P4 (x) = xP3 (x) − P2 (x) = x(5x3 − 3x) − (3x2 − 1) = (35x4 − 30x2 + 3).
4 4 8 8 8
Les propietats més rellevants són:
69
a) Són ortogonals respe
te el produ
te es
alar (amb pes w(x) = 1)
Z 1
(f | g) = f (x)g(x) dx,
−1
2
és a dir (Pi (x) | Pj (x)) = 0 si i 6= j i kPn (x)k2 = .
2n + 1
b) Pn (−x) = (−1)n Pn (x).
) |Pn (x)| ≤ 1, −1 ≤ x ≤ 1.
Podem usar els polinomis de Legendre per resoldre uns problemes d'aproxi-
ma
ió:
Exemple: Cal
ulem el polinomi de segon grau que millor aproxima per mí-
nims quadrats la fun
ió g(x) = x3 + 1 a [−1, 1] amb pes w(x) = 1. Prenent els
polinomis de Legendre tindrem
1
(g | P0 ) 2
Z
(g | P0 ) = (x3 + 1) dx = 2, c0 = 2
= = 1,
kP0 k 2
Z−11
2 (g | P1 ) 2/5 3
(g | P1 ) = (x3 + 1) x dx = , c1 = 2
= = ,
5 kP1 k 2/3 5
Z−11
1
(g | P2 ) = (x3 + 1) (3x2 − 1) dx = 0, c2 = 0.
−1 2
3
Obtenim p(x) = 1 + x.
5
Exemple: Cal
ulem el polinomi de segon grau que millor aproxima per mí-
nims quadrats la fun
ió g(t) = t3 a [0, 4] amb pes w(t) = 1.
Primer fem el
anvi de variable
1 1
t = (a + b) + (b − a)x = 2 + 2x,
2 2
que re
ondueix el problema a l'interval [−1, 1] on podem usar els polinomis de
3
Legendre; obtenim G(x) = (2 + 2x) i aproximem aquesta fun
ió a [−1, 1]:
70
144
Cal
ulant
om en l'exemple anterior resulta c0 = 16, c1 = i c2 = 16. Així:
5
144 1 144
P (x) = 16 + x + 16 · (3x2 − 1) = 24x2 + x + 8.
5 2 5
Desfent el
anvi obtenim el polinomi de grau 2 que aproxima g(t) a [0, 4]:
48 16
p(t) = 6t2 − t+ .
5 5
Z 1
(f | g) = f (x)g(x) dx.
−1
2
Convé re
ordar que, per als polinomis de Legendre, kPn (x)k2 = .
2n + 1
p0 (x) = 1.
p1 (x) = x.
kxk2 2 2/3 2 1
p2 (x) = x x − = x − = x − .
k1k2 2 3
1 kx2 − 1/3k2 1 4 kP2 (x)k2 3
p3 (x) = x(x2 − ) − x = x(x 2
− ) − x = x3
− x.
3 kxk2 3 9 kP1 (x)k2 5
2 2
Observem que p0 = P0 , p1 = P1 , p2 = P2 , p3 = P3 , . . . (altra
op això ha de
3 5
ser així per la uni
itat de què parla el teorema).
71
5. INTEGRACIÓ.
Z b Z b
f≈ Pn
a a
Z b Z b n
X Z b n
X Z b
f≈ Pn = fi Li (x)dx = Ai fi , fi = f (xi ), Ai = Li (x)dx
a a i=0 a i=0 a
on els Li (x) són els fa
tors de Lagrange i els Ai són els pesos asso
iats a G (que
només depenen de G).
Hem obtingut:
Z b n
X
f≈ Ai fi
a i=0
72
Exemple: G = {−1, 0, 1} i volem
al
ular els pesos en la fórmula
Z 1
f (x)dx ≈ A−1 f−1 + A0 f0 + A1 f1
−1
Hem dit que és exa
ta per polinomis de grau més petit o igual que 2,
onjunt que
R R R R R
designarem per Π2 . Atès que la integral és lineal ( (f +g) = f + g, cf = c f )
2
basta tenir en
ompte que és exa
ta sobre una base de Π2 , per exemple 1, x, x :
Z 1
2= 1dx = A−1 + A0 + A1
−1
Z 1
0= xdx = −A−1 + +A1
−1
Z 1
2
= x2 dx = A−1 + +A1
3 −1
1 4
Resolent aquest sistema resulta A−1 = A1 = , A0 = , i arribem a la fórmula de
3 3
Simpson :
1
1
Z
f (x)dx ≈ (f−1 + 4f0 + f1 )
−1 3
Aquesta fórmula també és exa
ta per polinomis de grau 3, perquè
1
1
Z
x3 dx = 0 i (−1 + 4 · 0 + 1) = 0.
−1 3
Apli
a
ió: Adaptem la fórmula anterior al
àl
ul de la integral
Z b
f (t)dt
a
a+b b−a
t= + x, x ∈ [−1, 1]
2 2
obtenim:
b 1
a+b b−a b−a b−a1 a+b
Z Z
f (t)dt = f( + x) dx ≈ [f (a) + 4f ( ) + f (b)]
a −1 2 2 2 2 3 2
que és la fórmula de Simpson a un interval arbitrari.
73
5.2. Interpola
ió equiespaiada
b
b−a
Z
f (x)dx ≈ (f (a) + f (b))
a 2
anomenada així perquè aproximem l'àrea determinada per f per l'àrea del trapezi
del dibuix
b) Fórmula de Simpson
Prenem G = {x0 = a, x1 = (a + b)/2, x2 = b}; podem
al
ular dire
tament els
pesos
om en el
as de la fórmula dels trapezis, o bé imposant que la fórmula sigui
exa
ta pels polinomis de grau ≤ 2. Si ho fem arribarem a la fórmula de Simpson
que hem trobat a l'apartat pre
edent :
b
b−a a+b
Z
f (x)dx ≈ [f (a) + 4f ( ) + f (b)]
a 6 2
74
) Fórmula dels 3/8
Prenem G = {x0 = a, x1 = (2a + b)/3, x2 = (a + 2b)/3, x3 = b};
al
ulant els
pesos per qualsevol dels dos mètodes esmentats arribem a
Rb b−a 3 9 2a + b 9 a + 2b 3
a
f (x)dx ≈ [ f (a) + f ( ) + f( ) + f (b)]
3 8 8 3 8 3 8
a) Trapezis:
1
I ≈ [cos 0 + cos 1] = . 770151153
2
b) Simpson:
1 1
I ≈ [cos 0 + 4 cos + cos 1] = . 841772092
6 2
) 3/8:
1 3 9 1 2
I ≈ [ (cos 0 + cos 1) + (cos + cos )] = . 841604366
3 8 8 3 3
Estima
ió de l'error
L'error en la interpola
ió és:
n
f (n+1) (cx ) Y
f (x) − Pn (x) = (x − xi ), on cx ∈ int(x0 , . . . , xn , x)
(n + 1)! i=0
b b b n
f (n+1) (cx ) Y
Z Z Z
En = f− Pn = (x − xi )dx,
a a a (n + 1)! i=0
75
R1
Exemple: Reprenem l'exemple pre
edent 0
cos xdx.
a) Trapezis
1
1 1
Z
E≤ |x(x − 1)|dx = = 0.0833333333
2! 0 12
1
L'error real que hem
omès és: 0. 841470984 − 0. 770151152 = 0. 07132 < .
12
b) Simpson
1
1 1
Z
E ≤ |x(x − )(x − 1)|dx
3! 0 2
1
1
1 1 1
Z Z
2
= ( x( − x)(1 − x)dx + x(x − )(1 − x)dx)
6 0 2 1 2
2
1
1
1 3 1 3 1
Z Z
2
= ( 3
(x − x2 + x)dx + −(x3 − x2 + x)dx)
6 0 2 2 1 2 2
2
= 5. 2083 × 10−3
Observeu que hem hagut de separar l'integral en dues parts degut al valor absolut.
−4
L'error real que hem
omès és: |0. 841470984 − 0. 841772092| = 3. 0111 × 10 <
−3
5. 2083 × 10 .
Fórmules de Newton-Cotes
ompostes
Per obtenir una millor aproxima
ió, subdividim l'interval d'integra
ió [a, b] en n
subintervals [xi−1 , xi ] (x0 = a < x1 < · · · < xn = b) i apliquem a
adas
un les
fórmules que hem obtingut.
b n Z xi n
xi − xi−1
Z X X
f (x)dx = f (x)dx ≈ [f (xi−1 ) + f (xi )]
a i=1 xi−1 i=1
2
b−a
i si la parti
ió és equiespaiada amb h=
n
b
h
Z
f≈ [f (x0 ) + 2f (x1 ) + · · · + 2f (xn−1 ) + f (xn )]
a 2
76
b) Fórmula de Simpson
omposta
Pro
edint exa
tament
om en el
as de la fórmula anterior obtenim, en la
divisió en n subintervals (es
ollim n parell per apli
ar Simpson a
ada dos subin-
b−a
tervals) d'igual longitud h= :
n
b n/2 Z x2i n/2
h
Z X X
f= f≈ [f (x2i−2 ) + 4f (x2i−1 ) + f (x2i )]
a i=1 x2i−2 i=1
3
b
h
Z
f≈ [f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + · · · + 4f (xn−1 ) + f (xn )]
a 3
77
Estima
ió de l'error
Atès que no sempre disposarem del valor exa
te, ne
essitem fórmules que tin
l'error.
b−a
a) Trapezis, subdivisió en n subintervals d'igual longitud h= ; es pot
n
veure que val la següent fórmula per l'error
1
En = − (b − a)h2 f ′′ (c), c ∈ (a, b).
12
Veiem que l'error és propor
ional a la longitud de l'interval (això és dolent) i
propor
ional al quadrat de la longitud dels subintervals (això és bó si h < 1).
Si |f ′′ (x)|≤M , x ∈ (a, b) llavors
1
|En | ≤ (b − a)h2 M.
12
En l'exemple pre
edent aquest error seria:
1 1 1
|E2 | ≤ 1 · ( )2 · 1 = = 2. 0833 × 10−2 .
12 2 48
Compareu amb l'error real que ja hem avaluat.
b−a
b) Simpson, subdivisió en n (parell) subintervals d'igual longitud h= :
n
1
En = − (b − a)h4 f (4) (c), c ∈ (a, b).
180
i si |f (4) (x)|≤M , x ∈ (a, b) llavors
1
|En | ≤ (b − a)h4 M.
180
Observem que és una fórmula de quart grau en la longitud dels subintervals h;
això ens diu que l'error disminueix més ràpidament que en la fórmula dels trapezis.
1 1
|En | ≤ · 1( )4 · 1 = 2. 1701 × 10−5 .
180 4
Compareu amb l'error real que ja hem avaluat.
78
5.3. Integra
ió gaussiana
Z b n
X
f≈ Ai fi
a i=0
que són exa
tes per polinomis de grau ≤ n. Podem examinar el
as més general
de la integra
ió amb un pès w > 0,
Z b
f (x)w(x)dx.
a
Z b n
X
f (x)w(x)dx ≈ Ai fi
a i=0
Z b
Ai = Li (x)w(x)dx .
a
f = pq + r
amb pir polinomis de grau ≤ n. Llavors, per a tot xi que sigui zero de q,
79
Finalment,
om que q és ortogonal a p i la fórmula és exa
ta per a r,
Z b Z b Z b
f (x)w(x)dx = p(x)q(x)w(x)dx + r(x)w(x)dx =
a a a
Z b n
X n
X
= r(x)w(x)dx = Ai r(xi ) = Ai fi
a i=0 i=0
.
Teorema: Si f és una fun
ió no idènti
ament nul la,
ontínua a [a, b], ortogonal a
tots els polinomis de grau ≤ n, aleshores f
anvia de signe almenys n + 1 vegades
a (a, b).
Prova: (f, 1) = 0 ⇒ f
anvia de signe almenys una vegada. Suposem que f
anvia de signe r ≤ n vegades; es
ollim punts ti tals que
p(x) = (x − t1 )(x − t2 ) · · · (x − tr )
també manté el signe a ada interval i f (x)p(x) té signe onstant a [a, b]; resulta
Z b
f (x)p(x)w(x) 6= 0
a
80
Tot això ens diu que Pn+1 és un polinomi de grau n+1, ortogonal a 1, x, . . . , xn i
per tant a Πn . Per tant podem usar un polinomi es
aient de les famílies ortogonals
i triangulars de polinomis que ja
oneixem
om a polinomi q del teorema.
3 1 1 1
P2 (x) = x2 − i G = { √ , − √ }.
2 2 3 3
Els pesos els
al
ulem, per exemple, imposant que la fórmula sigui exa
ta pels
polinomis 1, x:
Z 1
2= 1dx = A0 · 1 + A1 · 1
Z−11 ⇒ A0 = A1 = 1.
1 1
0= xdx = A0 · √ − A1 · √
−1 3 3
Obtenim la fórmula gaussiana, exa
ta per a polinomis de grau ≤ 3:
1
1 1
Z
f (x)dx ≈ f ( √ ) + f (− √ ).
−1 3 3
Vegem que la fórmula no és exa
ta per polinomis de grau 4. Per exemple si
p(x) = x4 tenim
1
2 2 1 1
Z
p(x)dx = 6= = p( √ ) + p(− √ ).
−1 5 9 3 3
1 1
T2 (x) = 2x2 − 1 i G = { √ , − √ }.
2 2
81
Els pesos els
al
ulem, per exemple, imposant que la fórmula sigui exa
ta pels
polinomis 1, x:
Z 1
1
π= 1√ dx = A0 · 1 + A1 · 1
−1 1 − x2
π
Z 1 ⇒ A0 = A1 = .
1 1 1 2
0= x√ dx = A0 · √ − A1 · √
1−x 2 2 2
−1
Canvi d'interval
Suposem ara que volem trobar una fórmula d'integra
ió a un interval [a, b] a partir
d'una fórmula d'integra
ió a un interval [c, d]
Z d m
X
f (t)dt ≈ Ai f (ti )
c i=0
que suposem exa
ta per a polinomis de grau ≤m (observeu que el pès és 1).
Si fem el
anvi de variable lineal
[c, d] → [a, b]
b−a ad − bc
t 7→ x = t+
d−c d−c
onvertirem les fun
ions denides a [a, b] en fun
ions denides a [c, d]. Tenim:
b d m
b−a ad − bc b − a b−aX b−a ad − bc
Z Z
f (x)dx = f( t+ ) dt ≈ Ai f ( ti + )
a c d−c d−c d−c d − c i=0 d−c d−c
82
el
anvi de variable de l'interval [0, 3] a l'interval [−1, 1] és
3 3
x= t+
2 2
Arribem a la fórmula, exa
ta per a polinomis de grau ≤3 (pre
iseu perquè),
3
3 3 −1 3 3 1 3
Z
f (x)dx ≈ [f ( √ + ) + f ( √ + )]
0 2 2 3 2 2 3 2
Z b n
X
f (x)w(x)dx ≈ Ai f (xi )
a i=0
aleshores, si f ∈ C 2n+2 [a, b] es pot veure que hi ha un punt c ∈ (a, b) tal que
b n b
f (2n+2) (c)
Z X Z
En = fw − Ai f (xi ) = [(x − x0 )(x − x1 ) · · · (x − xn )]2 w(x)dx
a i=0
(2n + 2)! a
usant diversos mètodes (
adas
un amb la seva fórmula per l'error). Observem que
1 és ta de totes les derivades.
1
a) Trapezis: En = − (b − a)h2 f (2) (c).
12
1
Simple: |E1 | ≤ ≈ 0.083.
12
1 1
Composta, n intervals: |En | ≤ ;
12 n2
|E2 | ≤ 0.0208, |E3 | ≤ 0.0093, |E4 | ≤ 0.0052.
1
b) Simpson: En = − (b − a)h4 f (4) (c).
180
83
1
Simple: |E1 | ≤ ≈ 0.0055.
180
1
Composta, n (parell) intervals: |En | ≤ ;
180n4
|E2 | ≤ 0.00035, |E4 | ≤ 0.000022.
) Gauss (pes 1)
Fem el
anvi de variable
[−1, 1] → [0, 1]
t+1
t 7→ x =
2
i, usant la fórmula de Gauss-Legendre a [−1, 1] obtenim
om a fórmula d'integra
ió
1 1 1 −1
t+1 1 1
Z Z √ +1 √ +1
f (x)dx = f( ) dt ≈ [f ( 32 ) + f ( 32 )]
0 −1 2 2 2
1 1 −1
1
Z √ +1 √ +1
cos x dx ≈ [cos( 32 ) + cos( 32 )]
0 2
Usant la fórmula de l'error resulta
cos 0 1 √1 +1 −1
Z √ +1
|E1 | ≤ (x − 3
2
)2 (x − 3
2
)2 dx = 2.3148 × 10−4
4! 0
Si volem usar 3 nodes
aldrà primer deduir la fórmula
orresponent de Gauss-
Legendre a [−1, 1] i després fer el
anvi d'interval. Llavors
al
al
ular
1
cos 0
Z
|E2 | ≤ (x − x0 )2 (x − x1 )2 (x − x2 )2 dx
6! 0
a fí de tar l'error.
84
que no són equidistants ni
orresponen a abs
isses de quadratura gaussiana. Volem
trobar una fórmula
om ara
Z b n
X
f≈ Ai f (xi )
a i=0
1 2
Exemple: x0 = 0, x1 = , x2 = , x3 = 1. Trobem una fórmula exa
ta a
2 3
[0, 1] per a polinomis de grau ≤ 3. El sistema que hem de resoldre és:
1 = A0 + A1 + A2 + A3
1 1 2
= A1 + A2 + A3
2 2 3
1 1 4
= A1 + A2 + A3
3 4 9
1 1 8
= A1 + A2 + A3
4 8 27
85
1 2
La solu
ió és A0 = A3 = , A1 = , A2 = 0. Obtenim la fórmula
6 3
Z 1
1 2 1 1
f ≈ f (0) + f ( ) + f (1).
0 6 3 2 6
86
6. EQUACIONS DIFERENCIALS
6.1. Deriva ió
Atès que les equa
ions diferen
ials empren derivades,
omençarem aquest
apítol
amb algunes fórmules de deriva
ió numèri
a. Comen
em re
ordant el desenvolu-
pament de Taylor perquè és una eina important en aquest
ontext.
La primera idea que podem usar per aproximar numéri
ament la derivada
és trun
ar el pro
és de pas al límit que la deneix. És a dir, prenem
om a
aproxima
ió un dels quo
ients in
rementals que hi intervenen,
f (a + h) − f (a)
f ′ (a) ≈
h
amb h 6= 0 su
ientment petit.
h2 ′′
f (a + h) = f (a) + h f ′ (a) + f (ch ) ,
2
i aïllant f ′ (a), obtenim
f (a + h) − f (a) h ′′
f ′ (a) = − f (ch ) .
h 2
87
Exemple: Podem tar l'error de l'exemple anterior així:
h ′′
f (ch ) = 0.005 | cos ch | ≤ 0.005.
2
Fita que es pot millorar si millorem la ta del
osinus. Con
retament, usant el
fet que π/4 < ch < π/4 + h, tenim que | cos ch | < 0.707107. Per tant, la mida
de l'error de trun
ament serà més petita que 0.00353554. Com que en aquest
as
oneixem l'error real, podem
omparar:
π
− sin + 0.7106305 = |−0.707106781 + 0.7106305| = 0.0035237.
4
f (a + h) − f (a − h) h2 ′′′
f ′ (a) = − (f (ch ) + f ′′′ (c−h )) .
2h 12
El terme d'error es pot simpli
ar si suposem que f ′′′ [a − h, a + h].
és
ontínua a
′′′
En efe
te, si m i M són, respe
tivament, els valors mínim i màxim que prèn f a
l'interval [a − h, a + h], resulta que
f ′′′ (ch ) + f ′′′ (c−h )
m≤ ≤M
2
i, pel teorema dels valors intermedis, existeix un c ∈ [a − h, a + h] tal que
88
Exemple: Si f (x) = cos x, a = π/4 i h = 0.01,
f (a + h) − f (a − h) 0.700000476 − 0.714142376
f ′ (a) ≈ = = −0.7070950 .
2h 0.02
Observem que hem tornat a perdre dues xifres signi
atives. Una ta per l'error
de trun
ament serà
2
h ′′′ 10−4 0.714142376 −4
f (c) = | sin c| ≤ 10 < 0.0000119024.
6 6 6
També ara podem
omparar amb l'error real:
El mateix pro
ediment ens serveix per a obtenir una aproxima
ió de la derivada
segona amb el seu error, afegint un terme més als desenvolupaments de Taylor:
h2 ′′ h3 h4
f (a + h) = f (a) + h f ′ (a) + f (a) + f ′′′ (a) + f iv (ch ) i
2 6 24
2 3
h h h4
f (a − h) = f (a) − h f ′(a) + f ′′ (a) − f ′′′ (a) + f iv (c−h ) .
2 6 24
Sumant les dues expressións i aïllant, tenim
f (a + h) − 2f (a) + f (a − h) h2 iv iv
f ′′ (a) =
− f (c h ) + f (c −h ) .
h2 24
Quan f iv és
ontínua a l'interval [a − h, a + h], raonant
om abans, simpliquem
el terme d'error:
f (a + h) − 2f (a) + f (a − h) h2 iv
f ′′ (a) = − f (c).
h2 12
Exemple: Aproximem la derivada segona de f (x) = ln x en el punt a= 1
(que val −1) amb h = 0.1:
ln 1.1 − 0 + ln 0.9
f ′′ (1) ≈ = (0.095310179 − 0.105360515)102 = −1.0050336.
(0.1)2
Una ta de l'error de trun
ament serà:
2
h iv 10−2 −6 0.005
f (c) = < = 0.00762.
12 12 c4 0.94
Compareu amb l'error real.
89
En totes les fórmules que hem vist, l'error de trun
ament és propor
ional
a una potèn
ia de h. Aixó ens fa pensar que
om més petit sigui h, millor serà
l'aproxima
ió. Però aquestes fórmules són força inestables numèri
ament i, per
tant, també
al
onsiderar els errors d'arrodoniment.
Aquesta inestabilitat és deguda a dos fa
tors: d'un
ostat, en els numeradors de
.
les fórmules es produeix una pèrdua de xifres signi
atives per
an
el la
ió, la qual
osa inueix negativament en la pre
isió en in
rementar l'error relatiu. D'altra
banda, en els denominadors apareixen potèn
ies de h que provoquen l'ampli
a
ió
dels errors del numerador. Ambdós efe
tes s'a
entuen
om més petit és h.
Exemple: La següent taula permet apre
iar
om evolu
iona la pre
isió de l'a-
proxima
ió a mesura que h es va fent petit. Correspon a les diverses aproxima
ions
′
de f (a) mitjançant els quo
ients in
rementals
f (a + h) − f (a)
h
per valors de h que,
omençant amb h = 1, es van dividint per 2. La fun
ió és
√
f (x) = arctan x i el punt a = 2, de manera que f ′ (a) = 1/3 = 0.33333 . . ..
f (a + h) − f (a)
k f (a + h) f (a + h) − f (a)
h
3 0.9946443898261013 0.0393277717015920 0.3146221736127360
6 0.9604868228950212 0.0051702047705119 0.3308931053127616
9 0.9559670608289888 0.0006504427044795 0.3330266646935040
13 0.9553573058872966 0.0000406877627873 0.3333141527535616
16 0.9553217043509447 0.0000050862264354 0.3333309356703744
19 0.9553172539068153 0.0000006357823060 0.3333330336481280
22 0.9553166975973600 0.0000000794728507 0.3333332955824128
25 0.9553166280586165 0.0000000099341072 0.3333333245231105
28 0.9553166193662726 0.0000000012417633 0.3333332976795650
32 0.9553166182021196 0.0000000000776103 0.3333337003327490
36 0.9553166181293599 0.0000000000048506 0.3333306938556416
40 0.9553166181248123 0.0000000000003030 0.3331520232161281
44 0.9553166181245283 0.0000000000000190 0.3342515348439041
48 0.9553166181245106 0.0000000000000013 0.3659174697238529
51 0.9553166181245093 0.0 0.0
Per raons d'espai, a la taula no es mostra h, sinó k , el número de vegades que
hem dividit 1 per la meitat, de manera que h = 2−k . Tampo
es mostran tots el
resultats, sinó només alguns de signi
atius.
90
Els
àl
uls s'han fet amb aritmèti
a de 16 xifres i veiem que els millors resultats
(7 xifres exa
tes) s'obtenen al voltant de k = 25. A partir d'aquí, els errors
d'arrodoniment
omençan a dominar i el
omportament de les aproxima
ions és
erràti
. Fent els
àl
uls amb més pre
isió només s'a
onsegueix retardar l'apari
ió
d'aquest fenomen.
′
Geomètri
ament, l'equa
ió diferen
ial x = f (t, x) determina a
ada punt del
′
pla (t, x) el pendent x de la
orba solu
ió que passa per aquest punt. Podem
visualitzar el pendent si dibuixem un petit segment a
ada punt (una es
ama).
2
x(t)
–2 –1 1 2
t
–1
91
Si imaginem les es
ames
om a guàrdies de trà
que indiquen la dire
ió
a
ada punt, la
orba solu
ió és la traje
tòria d'un
ondu
tor que segueix les
indi
a
ions dels guàrdies.
Exer
i
i: Doneu una idea de la distribu
ió d'es
ames de les edos x′ = 2x,
x′ = 2t i x′ = t − x.
x′ = f (t, x)
x(t0 ) = x0
t0 t1 · · · tn
x0 x1 · · · xn
x′ = t2 − x
x(0) = 1
es
al
ula fà
ilment,
x(t) = t2 − 2t + 2 − e−t ,
usarem aquest exemple per a
ontrastar la bondat dels mètodes que anem a
estudiar. Els punts on donarem les aproxima
ions seràn equiespaiats i, si el pas
és h = 0.1, els valors exa
tes són:
El
amp de dire
ions i la
orba solu
ió que hem dibuixat també són els d'a-
quest exemple.
92
6.3. Mètode d'Euler
xk+1 = xk + (t2k − xk )h .
A
ontinua
ió donem la taula dels valors
al
ulats amb el mètode d'Euler i els
errors reals ∆k = xk − x(tk ):
x′ = f (t, x)
x(t0 ) = x0
93
Mètode d'Euler modi
at
Seguim amb l'exemple anterior. En llo
de prendre el pendent de l'es
ama al
1
punt 0, prenem el pendent de l'es
ama al punt 0 + (0.1). Així, en el
as general,
2
′
substituïm x (tn ) per
h h h h h
x′ (tn + ) = f (tn + , x(tn + )) ≈ f (tn + , xn + f (tn , xn )).
2 2 2 2 2
La re
urrèn
ia serà:
h h
x0 = x(t0 ), xn+1 = xn + hf (tn + , xn + f (tn , xn )) (n ≥ 0) .
2 2
x′ = t2 − x
x(0) = 1
x′ (t) = t2 − x
x′′ (t) = 2t − x′ = 2t − t2 + x
1
x(t + h) ≈ x(t) + (t2 − x)h + (2t − t2 + x)h2 ,
2
fórmula que ens permet avançar un pas en la
onstru
ió de la solu
ió.
94
L'error de trun
ament en el segon terme de la sèrie de Taylor s'anomena error
de trun
ament lo
al. En el
as de segon ordre l'error és, a
ada pas,
x(3) (c) 3
E2 = h.
3!
Si partim d'un punt t0 , per arribar a T mitjançant passos de longitud h, hem
T − t0
de fer passos. Atès que els errors lo
als se sumen en el pro
és, l'error de
h
trun
ament global és
E2 = O(h2 ).
Als errors de trun
ament
aldrà afegir els errors d'arrodoniment.
És
lar que podem trun
ar a un ordre més avançat, la di
ultat rau en que
hem de
al
ular les derivades per introduir-les en l'expressió de x(t + h). En tot
n
as, si trunquem en el terme h , obtindrem
En = O(hn ).
x′ = f (t, x)
x(t0 ) = x0
95
Podem
al
ular les derivades x′ i x′′ a partir de f:
x′ (t) = f (t, x)
x′′ (t) = ft + fx x′ = ft + fx f
1 1 1
x(t+ h) = x+ hf + h2 (ft + fx f ) + O(h3 ) = x+ hf + h[f + hft + hfx f ]+ O(h3 ) .
2 2 2
D'altra banda,
1 1
x(t + h) ≈ x + hf (t, x) + hf (t + h, x + hf (t, x)) ,
2 2
fórmula on no intervenen les derivades i que aprotem per es
riure el pas re
ursiu
del mètode de Heun :
k1 = f (tn , xn )
k2 = f (tn + h, xn + hk1 )
h
xn+1 = xn + (k1 + k2 )
2
Aquesta és una fórmula de Runge-Kutta de segon ordre, atès que hem trun
at el
desenvolupament de Taylor en el terme h2 .
k1 = f (tn , xn )
k2 = f (tn + 21 h, xn + 21 hk1 )
k3 = f (tn + 12 h, xn + 21 hk2 )
k4 = f (tn + h, xn + hk3 )
h
xn+1 = xn + (k1 + 2k2 + 2k3 + k4 )
6
96
Exemple: Prenem un
op més el problema de Cau
hy
x′ = t2 − x
x(0) = 1
Fins ara hem resolt problemes de Cau
hy: edo +
ondi
ions ini
ials. En el
as
que l'edo sigui de segon ordre, aquest tipus de problemes seria així:
x′′ = f (t, x, x′ )
x(a) = α, x′ (a) = β
Un problema de
ontorn és: edo +
ondi
ions a la frontera (de l'interval [a, b])
x′′ = f (t, x, x′ )
x(a) = α, x(b) = β
Exemple:
x′′ = −x
x(0) = 1, x(π) = 3
La solu
ió de l'edo és x(t) = A cos t + B sin t. Si volem que x(0) = 1, ha de ser
x(t) = cos t + B sin t que no pot satisfer la segona
ondi
ió per
ap valor de B; el
problema no té solu
ió.
97
Mètode de les diferèn
ies nites
Tornem al
as general
x′′ = f (t, x, x′ )
x(a) = α, x(b) = β
Examinem el
as lineal
x′′ = u(t) + v(t)x + w(t)x′
x(a) = α, x(b) = β
x0 = α
1 1
(1 + hwi )xi−1 − (2 + h2 vi )xi + (1 − hwi )xi+1 = h2 ui (i = 1, 2, . . . , n)
2 2
xn+1 = β
98
Exemple: Cal
ulem el valor de la solu
ió del problema de
ontorn
x′′ + 2x′ + 10t = 0
x(0) = 1, x(1) = 2
1 1
en el punt , usant el mètode de les diferèn
ies nites, amb h= .
2 2
x0 = 1
1
(x2 − 2x1 + x0 ) = (−2x′ − 10t)t=t ,x′ = x2 −x0 = −2 − 5 = −7
h2 1
2h
x2 = 2
o bé
x0 = 1
7
x2 − 2x1 + x0 = −
4
x2 = 2
19
que dóna x1 = ≈ x( 21 ).
8
Exemple:
x′′ + 4tx′ = 0
x(0) = 0, x(1) = 2
Usem h = 1/4, és a dir t0 = 0, t1 = 1/4, t2 = 1/2, t3 = 3/4, t4 = 1:
16(xi+1 − 2xi + xi−1 ) + 8ti (xi+1 − xi−1 ) = 0, (i = 1, 2, 3)
o bé
(2 − ti )xi−1 − 4xi + (2 + ti )xi+1 = 0, (i = 1, 2, 3)
és a dir
x0 =0
7 9
i=1: x0 − 4 x1 + x2 =0
4 4
3 5
i=2: x1 − 4 x2 + x3 =0
2 2
5 11
i=3: x2 − 4 x3 + x4 = 0
4 4
x4 = 2
99