Num Erika

i
Obsah
vod 1
0.1. Reprezentace sel v potai . . . . . . . . . . . . . . . . . . . . 2
0.2. Celkov chyba vpotu . . . . . . . . . . . . . . . . . . . . . . . 5
0.3. Podmnnost loh . . . . . . . . . . . . . . . . . . . . . . . . . . 8
0.4. Realizace numerickch vpot . . . . . . . . . . . . . . . . . . 9
0.5. Stabilita algoritm . . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.6. Symbolika O, o . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1 Normy vektor a matic 15
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 een nelinernch rovnic 23
2.1. Metoda bisekce . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2. Metoda prost iterace . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3. Hledn vhodnho tvaru iteran funkce . . . . . . . . . . . . . . 37
2.4. Newtonova metoda . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5. Metoda seen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.6. Metoda regula falsi . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.7. Quasi Newtonova metoda . . . . . . . . . . . . . . . . . . . . . . 52
2.8. Iteran metody pro nsobn koeny . . . . . . . . . . . . . . . . 55
2.9. Urychlen konvergence . . . . . . . . . . . . . . . . . . . . . . . . 57
2.10. Steensenova metoda . . . . . . . . . . . . . . . . . . . . . . . . 58
2.11. Mllerova metoda . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.12. Iteran metody pro systmy nelinernch rovnic . . . . . . . . . 63
2.13. Newtonova metoda pro systmy nelinernch rovnic . . . . . . . 67
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3 Polynomy 73
3.1. Hranice koen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.2. Poet relnch koen polynomu . . . . . . . . . . . . . . . . . . 74
ii OBSAH
3.3. Newtonova metoda a jej modikace . . . . . . . . . . . . . . . . 78
3.4. Bairstowova metoda . . . . . . . . . . . . . . . . . . . . . . . . . 86
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4 Pm metody een systm linernch rovnic 93
4.1. Systmy linernch rovnic . . . . . . . . . . . . . . . . . . . . . . 93
4.2. Gaussova eliminan metoda . . . . . . . . . . . . . . . . . . . . 95
4.3. Systmy se specilnmi maticemi . . . . . . . . . . . . . . . . . . 107
4.4. Vpoet inverzn matice a determinantu . . . . . . . . . . . . . 111
4.5. Metody zaloen na minimalizaci kvadratick formy . . . . . . . 114
4.6. Stabilita, podmnnost . . . . . . . . . . . . . . . . . . . . . . . 121
4.7. Analza chyb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5 Iteran metody een systm linernch rovnic 133
5.1. Princip iteranch metod . . . . . . . . . . . . . . . . . . . . . . 133
5.2. Jacobiova iteran metoda . . . . . . . . . . . . . . . . . . . . . 137
5.3. Gaussova-Seidelova iteran metoda . . . . . . . . . . . . . . . . 141
5.4. Relaxan metody . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6 Interpolace 157
6.1. Polynomiln interpolace . . . . . . . . . . . . . . . . . . . . . . 158
6.2. Chyba interpolace . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.3. Interpolace na ekvidistantnch uzlech . . . . . . . . . . . . . . . 170
6.4. Obecn interpolan proces . . . . . . . . . . . . . . . . . . . . . 177
6.5. Iterovan interpolace . . . . . . . . . . . . . . . . . . . . . . . . 179
6.6. Inverzn interpolace . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.7. Sestavovn tabulek . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.8. Hermitova interpolace . . . . . . . . . . . . . . . . . . . . . . . . 183
6.9. Interpolace pomoc splajn . . . . . . . . . . . . . . . . . . . . . 193
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
7 Numerick derivovn 205
7.1. Numerick vpoet derivace . . . . . . . . . . . . . . . . . . . . 205
7.2. Diferenn aproximace . . . . . . . . . . . . . . . . . . . . . . . . 211
7.3. Richardsonova extrapolace . . . . . . . . . . . . . . . . . . . . . 212
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
iii
8 Ortogonln polynomy 217
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
9 Numerick integrovn 225
9.1. Kvadraturn formule, stupe pesnosti, chyba . . . . . . . . . . . 225
9.2. Gaussovy kvadraturn formule . . . . . . . . . . . . . . . . . . . 231
9.3. Newtonovy-Cotesovy kvadraturn formule . . . . . . . . . . . . . 248
9.4. Lobattova kvadraturn formule . . . . . . . . . . . . . . . . . . . 254
9.5. ebyevova kvadraturn formule . . . . . . . . . . . . . . . . . . 257
9.6. Sloen kvadraturn formule . . . . . . . . . . . . . . . . . . . . 260
9.7. Adaptivn kvadraturn formule . . . . . . . . . . . . . . . . . . . 264
9.8. Rombergova integrace . . . . . . . . . . . . . . . . . . . . . . . . 266
9.9. Metoda polovinho kroku, pouit kvadraturnch formul . . . . 269
9.10. Integrly se singularitami . . . . . . . . . . . . . . . . . . . . . . 271
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
Kontroln otzky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
10 Metoda nejmench tverc 279
Cvien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
Literatura 289
Rejstk 291
iv OBSAH
Pedmluva
Souasn doba je charakterizovna prudkm rozvojem vpoetn techniky a s tm
souvis rozen monost aplikace matematiky i v dalch vdeckch oborech
biologii, chemii, ekonomii, psychologii, lkastv a v technickch vdch.
Dleitou lohu v ad aplikac maj metody numerick matematiky a odpov-
dajc efektivn algoritmy. A prv zkladnm numerickm metodm jsou vnovna
tato skripta.
Skripta vychzej ve druhm, rozenm vydn. Svm rozsahem pokrvaj
dvousemestrovou pednku z numerickch metod v rmci studijnch program
Matematika a Aplikovan matematika na Prodovdeck fakult MU.
Skripta jsou vnovna zkladnm numerickm metodm, a protoe odpovda-
jc algoritmy pro realizaci tchto metod jsou pomrn jednoduch, nejsou, a na
vjimky, v tchto skriptech uvedeny. Konstrukci tchto algoritm v rmci sys-
tmu MATLAB je vnovno dost prostoru v pslunch cviench k uvedenm
pednkm.
Brno, jen 2008 Ivana Horov
Ji Zelinka
vi PEDMLUVA
vod
Hamming, R. W. (1962):
Cl vpot pochopen podstaty, a ne slo
Dve ne budete lohu eit, promyslete si, co
budete dlat s jejm eenm.
Numerick matematika se zabv procesy, pomoc nich lze matematick problmy
eit aritmetickmi operacemi. Nkdy to bude znamenat sestrojen algoritm k e-
en problmu, kter je ji v takovm tvaru, e jeho een lze nalzt aritmetickmi
prostedky (nap. systm linernch rovnic). asto to bude znamenat nhradu
veliin, kter nemohou bt potny aritmeticky (nap. derivace nebo integrly)
aproximacemi, kter umon nalzt piblin een. Numerick matematika se rov-
n zabv volbou postupu, kter se nejlpe hod k een specilnho problmu.
Uvdme proto adu pklad na ilustraci numerickch metod. elem tchto p-
klad je, aby pomohly teni porozumt podstat t kter numerick metody.
Poznmka 1. V 9. stol. n. l. arabsk matematik Muhamad ibn Ms al-Chvarz-
m napsal knihu, ve kter vykld indick poetn systm. Latinskmu pekladu
nzvu knihy Algorithmi de numero Indorum vdme za nzev algoritmus.
Numerick een problm jsou obvykle zatena chybami, kter vznikaj ve
dvou oblastech: tmi, kter jsou obsaeny v matematick formulaci problmu,
a tmi, kter jsou zpsobeny hlednm een numerickou cestou.
Prvn kategorie zahrnuje chyby zpsoben tm, e matematick problm je
pouze aproximac reln situace. Jinm pramenem chyb jsou nap. nepesnosti
fyziklnch konstant nebo chyby v empirickch hodnotch.
Nech x je pesn slo a nech x zna aproximaci x. Rozdl x x nazvme
absolutn chybou aproximace x, veliinu , [ x x[ , nazvme odhadem ab-
solutn chyby. Vhodnji lze vyjdit vztah mezi x a x prostednictvm relativn
chyby:
Podl (x x)/x nazvme relativn chybou a veliinu ,
x x
x
,
nazvme odhadem relativn chyby.
Jestlie [x[ je mal slo, je vhodn pro odhad chyby pout relativn chyby, co
je vidt z nsledujcho pkladu.
2 VOD
Mjme nap. sla x
1
= 1,31, x
1
= 1,30 a x
2
= 0,12, x
2
= 0,11. Pro absolutn
chyby v obou ppadech plat
[x
1
x
1
[ = 0,01, [x
2
x
2
[ = 0,01,
ale pro relativn chyby plat
x
1
x
1
x
1
= 0,0076,
x
2
x
2
x
2
= 0,0833.
Tento vsledek ukazuje, e x
1
je bli x
1
ne x
2
k x
2
, zatmco z absolutn chyby
nic takovho neplyne.
Relativn chyba rovn slou k odhadu platnch cifer aproximace x. Tuto
skutenost lze formulovat takto:
Denice 0.1. ekneme, e aproximace x sla x m s platnch cifer, jestlie s je
nejvt cel nezporn slo takov, e plat
x x
x
5.10
s
.
Poznmka 2. Nech x je reln slo, kter m obecn nekonen dekadick vyj-
den. slo x
(d)
, kter m d desetinnch mst, je sprvn zaokrouhlenou hodnotou
sla x, plat-li
[x x
(d)
[
1
2
10
d
.
Ve sprvn zaokrouhlenm sle jsou vechny cifry platn.
Dalm zdrojem chyb bhem vpotu je nepesn zobrazovn sel v pamti
potae jako dsledek jej konen velikosti.
0.1. Reprezentace sel v potai
1
1. Strojov reprezentace celch sel na n bit (potn modulo 2
n
)
(i) bez znamnka (unsigned integer):
a 0 rozsah: 0 a 2
n
1 = (11 . . . 1
. .
n
)
2
,
(ii) se znamnkem (signed integer):
a libovoln rozsah: (10 . . . 0
. .
n
)
2
= 2
n1
a 2
n1
1 = (01 . . . 1
. .
n
)
2
.
Souasn vidme, e prv bit uruje znamnko: 1 = minus, 0 = plus.
1
Tato st byla pevzata z nepublikovanho uebnho textu doc. RNDr. V. Veselho, CSc.
0.1. Reprezentace sel v potai 3
Je zejm, e v rmci uvedench rozsah jsou celoseln vpoty absolutn pesn,
zatmco mimo n naopak zcela chybn.
Pklad 0.1. (n = 3)
(i) 0 a 7 :
mod8
0 1 2 3 4 5 6 7 0 1 2 3 . . .
(ii) 4 a 3 : 0 7 6 5
mod8
4 3 2 1 0 1 2 3 . . .
K slu a najdeme v modulrn aritmetice slo opan a snadno z rovnice
a + a
. .
(11...1)2
+ 1 = 2
n
0 mod 2
n
.
Odtud dostvme a = a + 1, kde a vznikne z a negac po bitech.
Napklad
a = 2 = (010)
2
2 = (101)
2
2 +

2 = (111)
2
2 =

2 + 1 = (110)
2
= 6 mod 8.
V potai se cel sla zobrazuj zpravidla v tchto pesnostech:
n = 8 (1 bajt) . . . (un)signed char (1 znak)
n = 16 (2 bajty) . . . (un)signed short integer (polovin pesnost)
n = 32 (4 bajty) . . . (un)signed integer (jednoduch pesnost)
n = 64 (8 bajt) . . . (un)signed long integer (dvojnsobn pesnost)
2. Strojov reprezentace relnch sel na n bit
Nech q 2 zna zklad seln soustavy. V potach pracujeme s sly nejastji
v soustavch q = 2, 8, 16. Pesn reln sla se reprezentuj v tzv. semilogaritmic-
km tvaru pohybliv dov rky (normalizovan mantisa + exponent):
p =
mantisa
..
d
1
, d
2
d
3
. . . d
k
d
k+1
. . . q
e
,
kde e Z je exponent a 1 d
1
q 1, 0 d
j
q 1 (pro j > 1) jsou cifry
mantisy. Zejmna v ppad q = 2 je d
1
= 1, take tento bit je mono vyut pro
zobrazen znamnka mantisy (1 = minus, 0 = plus).
Strojov reln sla se ukldaj pouze s konenm potem k cifer mantisy.
Obdrme tak piblinou reprezentaci (p) (oating-point representation), kter
vznikne bu pouhm odseknutm (chopping) pebvajcch cifer nebo se navc po-
sledn k-t cifra d
k
zaokrouhl (rounding). Souasn se tak vhodn omez rozsah
exponentu: e
min
e e
max
. Dostvme tedy tyto aproximace:
4 VOD
a) p =
chop
(p) = d
1
, d
2
d
3
. . . d
k
q
e
,
s absolutn chybou aproximace 0 [p p[ < q
e(k1)
,
b) p =
round
(p) = d
1
, d
2
d
3
. . . d
k1

d
k
q
e
,

d
k
= round(d
k
, d
k+1
, . . .),
s absolutn chybou aproximace 0 [p p[ q
e(k1)
/2.
Pklad 0.2.
(a) q = 10, k = 6:
p =
22
7
= 3,1428571428
_

chop
(p) = 3,14285 10
0
round
(p) = 3,14286 10
0
(b) q = 2, k = 5:
p = 0,1 = (1,10011001)
2
2
4
_

chop
(p) = (1,1001)
2
2
4
round
(p) = (1,1010)
2
2
4
Tento pklad je souasn ilustrac sla, kter m konen poet cifer v deka-
dick soustav, ale nekonen poet cifer v binrn soustav a nen tedy v pamti
potae zobrazeno pesn.
V potach se reln sla zobrazuj zpravidla v tchto pesnostech:
a) Jednoduch pesnost (4 bajty): n = 32 = 24 bit mantisy + 8 bit expo-
nentu.
Rozsah exponentu: 2
7
..
128
e 2
7
1
. .
127
.
Dekadick rozsah:
2,938736 10
39
a 1,701412 10
38
, kde
2,938736 10
39
.
= 1 2
128
a
1,701412 10
38
.
= (1,11 . . . 1)
2
. .
2
2
127
.
= 2 2
127
= 2
128
.
Dekadick pesnost mantisy:
2
23
.
= 1,2 10
7
cca 7 dekadickch cifer pesnosti, co vak vzhledem
k pkladu 0.2(b) neznamen, e kad slo s nejve 7 dekadickmi ciframi
mus bt zobrazeno pesn.
b) Dvojnsobn pesnost (8 bajt): n = 64 = 53 bit mantisy + 11 bit expo-
nentu.
Rozsah exponentu: 2
10
. .
1024
e 2
10
1
. .
1023
.
Dekadick rozsah:
5,562684646268003 10
309
a 8,988465674311580 10
307
, kde
5,562684646268003 10
309
.
= 1 2
1024
a
8,988465674311580 10
307
.
= (1,11 . . . 1)
2
. .
2
2
1023
.
= 2 2
1023
= 2
1024
.
Dekadick pesnost mantisy:
2
52
.
= 2,2 10
16
cca 16 dekadickch cifer pesnosti.
0.2. Celkov chyba vpotu 5
Bn pouvan binrn reprezentace dle normy IEEE (nap. potae tdy PC)
je v ponkud modikovanm tvaru:
p =
IEEE
(p) = s e
10
e
9
e
8
. . . e
0
d
2
, d
3
. . . d
53
,
kde
s1 d
2
, d
3
. . . d
53
. . . mantisa se znamnkovm bitem s (1=minus, 0=plus)
a dvma binrnmi msty ped dovou rkou (d
1
= 1 a d
2
),
e = ( e
10
e
9
e
8
. . . e
0
)
2
. . . exponent v 11-bitov binrn reprezentaci se znamn-
kem podle 1ii v symetrickm rozsahu (2
10
1) e 2
10
1. Tedy e
10
= 1
odpovd nezapornm hodnotm exponentu a e
10
= 0 zpornm hodnotm,
piem ppad e = 2
10
byl vylouen, nebo pro nj jsou vechny bity ex-
ponentu e
10
e
9
e
8
. . . e
0
nulov a vznikla by kolize s vyjdenm sla 0, kter
je dna nulovmi hodnotami vech bit IEEE reprezentace (jinak by toti
tyto nulov bity urovaly kladn slo (10,0 . . . 0)
2
2
2
10
).
Zmnme se jet o en chyb pi provdn aritmetickch operac v ppad
zpisu sel v pohybliv dov rce. Lze dokzat, e plat ([6],[13])
(x y) = (x y)(1 +),
kde znamen libovolnou z aritmetickch operac +, , , :, a [[ , dekadick
pesnost mantisy.
0.2. Celkov chyba vpotu
Dalm zdrojem chyb je skutenost, e se nee problm, kter byl pvodn zadn,
ale njak jeho aproximace. asto je to zpsobeno nhradou procesu nekonenho
procesem konenm. Pesnji: Pedpokldejme, e veliina Y je jednoznan ur-
ena hodnotami x
1
, . . . , x
n
, tj.
Y = F(x
1
, . . . , x
n
).
Funkn zvislost F nahradme numerickou metodou f a zskan teoretick
een ozname y:
y = f(x
1
, . . . , x
n
).
Vzhledem k tomu, e msto hodnot x
i
musme asto pouvat jen aproximace
x
i
, a protoe nelze provdt vechny aritmetick operace pesn (zaokrouhlovn
mezivsledk), bude se vypoten hodnota
y =

f( x
1
, . . . , x
n
)
liit od y. Celkovou chybu vyjdme jako souet dlch chyb takto:
Y y = Y y +f(x
1
, x
2
, . . . , x
n
) f( x
1
, . . . , x
n
) +
+
_
f( x
1
, . . . , x
n
)

f( x
1
, . . . , x
n
)
_
.
6 VOD
Rozdl Y y nazveme chybou metody, f(x
1
, x
2
, . . . , x
n
) f( x
1
, . . . , x
n
) se nazv
chyba primrn a f( x
1
, . . . , x
n
)

f( x
1
, . . . , x
n
) se nazv chyba sekundrn.
Schematicky lze pedchoz vahy znzornit takto:
Dan
problm
Matematick
formulace
Numerick
metoda
Numerick
metoda
algoritmus
E E E
Y = F(x
1
, . . . , x
n
) y = f(x
1
, . . . , x
n
) y =

f( x
1
, . . . , x
n
)
U kad numerick metody by mla bt uvedena chyba tto metody. Primrn
chybu lze odhadnout nsledujcm zpsobem:
Vta 0.1. Bu U = x
i
: [x
i
x
i
[
i
, i = 1, . . . , n a nech funkce f(x
1
, . . . , x
n
)
je spojit diferencovateln na U. Pak
[f(x
1
, . . . , x
n
) f( x
1
, . . . , x
n
)[
n
i=1
A
i
i
, (0.1)
kde
A
i
= sup
U
f
x
i
(x
1
, . . . , x
n
)
, i = 1, . . . , n.
Dkaz plyne z Lagrangeovy vty pro funkce n promnnch.
Poznmka 3. V praxi se uv odhadu
[f(x
1
, . . . , x
n
) f( x
1
, . . . , x
n
)[
n
i=1
f
x
i
( x
1
, x
2
, . . . , x
n
)
i
. (0.2)
Odhad sekundrn chyby lze provst teprve tehdy, a je algoritmus rozepsn do
posloupnosti aritmetickch operac (viz pklad 0.4).
Pklad 0.3. Potejme gravitan zrychlen g ze vzorce pro dobu kmitu T mate-
matickho kyvadla
T = 2
l
g
(l dlka kyvadla). Jak absolutn chyby se dopustme, jestlie dobu kmitu T mme
s chybou T a l s chybou l?
een. Je teba v podstat odhadnout primrn chybu:
[g(l, T) g(
l,

T)[,
kde

T = T + T,

l = l + l, a funkce g je dna vztahem
g(l, T) =
4
2
l
T
2
.
0.2. Celkov chyba vpotu 7
Potejme parciln derivace funkce g podle jednotlivch promnnch:
g
l
=
4
2
T
2
,
g
T
=
8
2
l
T
3
Uijeme vztahu (0.2):
[g(l, T) g(
l,

T)[
g
l
(
l,

T)
[l[ +
g
T
(
l,

T)
[T[ =
=
4
2
T
2
[l[ +
8
2
l
T
3
[T[ =
4
2
T
2
l
_
[l[
l
+ 2
[T[
T
_
=
= g(
l,

T)
_
[l[
l
+ 2
[T[
T
_
.
Ukeme nyn na pklad, e sekundrn chyba a tedy i celkov chyba vpotu
zvis na tom, jak vpoet uspodme a jak zaokrouhlujeme bhem vpotovho
procesu.
Pklad 0.4. Nech u = (u
1
, . . . , u
n
), v = (v
1
, . . . , v
n
) jsou dva vektory, jejich
vechny sloky jsou sprvn zaokrouhleny na d desetinnch mst a nech U =
(U
1
, . . . , U
n
), V = (V
1
, . . . , V
n
) jsou pesn vektory. Je teba vypotat skalrn
souin
(u, v) =
n
i=1
u
i
v
i
na d mst.
Ptme se: Je vhodnj kad ze souin u
i
v
i
naped zaokrouhlit na d mst a pak
sest, nebo naped vechny souiny u
i
v
i
sest a pak zaokrouhlit vsledek na d
desetinnch mst?
een. Nech
U
i
= u
i
+
i
, V
i
= v
i
+
i
, i = 1, . . . , n, [
i
[, [
i
[
1
2
10
d
.
Pak
u
i
v
i
= (U
i
i
)(V
i
i
) = U
i
V
i
i
V
i
i
U
i
+
i
i
. (0.3)
Vztah (0.3) udv primrn chybu U
i
V
i
u
i
v
i
. Jestlie kad ze souin u
i
v
i
zaokrouhlme na d desetinnch mst a vsledek ozname (u
i
v
i
)
z
, mme
(u
i
v
i
)
z
= U
i
V
i
i
V
i
i
U
i
+
i
i
+
i
, (0.4)
kde [
i
[
1
2
10
d
. V prvnm ppad je skalrn souin (u, v) roven
(u, v) =
n
i=1
(u
i
v
i
)
z
=
n
i=1
U
i
V
i
i=1
(
i
U
i
+
i
V
i
i
),
8 VOD
take celkov chyba je
(U, V ) (u, v) =
n
i=1
(
i
U
i
+
i
V
i
i
) =
=
n
i=1
(
i
U
i
+
i
V
i
i
)
n
i=1
i
.
(0.5)
Pi druhm postupu potme bez zaokrouhlovn, tj. kad souin u
i
v
i
m 2d
desetinnch mst. Tyto souiny seteme a vsledek zaokrouhlme:
(u, v) =
n
i=1
u
i
v
i
+ =
n
i=1
U
i
V
i
i=1
(
i
U
i
+
i
V
i
i
) +, (0.6)
kde [[
1
2
10
d
. Tedy
(U, V ) (u, v) =
n
i=1
(
i
U
i
+
i
V
i
i
) . (0.7)
Protoe u
i
v
i
jsou sprvn zaokrouhlen sla na d desetinnch mst, je
i=1
(
i
U
i
+
i
V
i
i
)
1
2
10
d
n
i=1
([U
i
[ +[V
i
[ +
1
2
10
d
) . (0.8)
Dle je
n
i=1
[
i
[
n
2
10
d
.
V rovnicch (0.5) a (0.7) je pouze posledn len zpsoben zaokrouhlovacmi chy-
bami bhem vpotu. Nech [U
i
[, [V
i
[ < 1, pro i = 1, . . . , n. Pak druh len v rov-
nici (0.5) je dov stejn jako prvn len, ale druh len v rovnici (0.7) je mal
ve srovnn s prvnm lenem. Druh postup je proto vhodnj ne prvn postup.
Tyto vahy maj velk vznam pi vpotech na potach, kde je velk poet
operac, a poad, v nm je vpoet proveden, je velmi vznamnm faktorem.
0.3. Podmnnost loh
Pedpokldejme, e B
1
(mnoina vstupnch dat) a B
2
(mnoina vstupnch dat)
jsou Banachovy prostory.
ekneme, e loha
y = U(x), x B
1
, y B
2
je korektn pro dvojici prostor (B
1
, B
2
), jestlie
1. ke kadmu x B
1
existuje jedin een y B
2
: y = U(x).
0.4. Realizace numerickch vpot 9
2. toto een spojit zvis na vstupnch datech, tj. jestlie x
n
x, U(x
n
) =
y
n
, pak U(x
n
) U(x) = y.
Velkou tdu nekorektnch loh tvo nejednoznan eiteln lohy.
Uvedeme nyn charakteristiku dobe podmnnch loh. ekneme, e korektn
loha je dobe podmnna, jestlie mal zmna ve vstupnch datech vyvol malou
zmnu een. Je-li y + y resp. y een odpovdajc vstupnm datm x + x
resp. x, potom slo
C
p
=
y
y
x
x
=
[relativn chyba na vstupu[
[relativn chyba na vstupu[
(kde msto absolutnch hodnot mohou bt obecn normy, viz kap. 1) nazvme s-
lem podmnnosti lohy y = U(x). Je-li C
p
1, je loha velmi dobe podmnna.
Pro velk C
p
(> 100) je loha patn podmnna.
Posume nyn z hlediska dobr i patn podmnnosti vpoet hodnoty y =
sin x.
slo podmnnosti je v tomto ppad dno vztahem
C
p
=
y
y
x
x
sin(x + x) sin x
sin x
x
x
sin(x + x) sin x
x
x
sin x
.
Nech x 0 a zabvejme se vpotem sin x a) v okol bodu 0, b) v okol
bodu .
a) V okol bodu 0 je
C
p
[ cos x[
x
sin x
1.
b) V okol bodu
C
p
=
xcos x
sin x
= [xcotg x[ +.
Speciln pro x = 3,14, x = 0,01 se d ukzat ([18])
C
p
1972.
loha stanovit sin x v okol 0 je dobe podmnna a v okol bodu je patn
podmnna.
0.4. Realizace numerickch vpot
Nsledujc pklady ukazuj na problmy, kter se mohou objevit pi realizaci
numerickch vpot.
10 VOD
Pklad 0.5. Potejme rozdl dvou sel x = 0,54617 a y = 0,54601. Pesn
hodnota rozdlu je d = 0,00016. Uvaujme nyn sla zaokrouhlen:
x = 0,5462, y = 0,5460.
Nyn je

d = x y = 0,0002. Relativn chyba je v tomto ppad
[d

d[
[d[
= 0,25
a je tedy dosti velk.
Co se zde stalo? sla x a y jsou tm stejn (pi zaokrouhlen na 4 cifry).
Pi odtn platn cifry se vyru a zstanou mn vznamn cifry. Tento jev se
nazv katastrock zruen a vyskytuje se v ppadech, kdy odetme piblin
dv stejn sla. Ale pi konkrtnch vpotech meme tento jev eliminovat.
Uvaujme napklad kvadratickou rovnici
ax
2
+bx +c = 0, a ,= 0.
Koeny tto rovnice jsou
x
1
=
b +
b
2
4ac
2a
, x
2
=
b
b
2
4ac
2a
.
Je jasn, e v ppad, kdy b a
b
2
4ac jsou blzk sla, vpoet x
2
me bt
velmi negativn ovlivnn katastrockmzruenm. Tomuto problmu se meme
vyhnout tak, e potme koeny nsledujcm zpsobem:
x
1
=
b sign(b)
b
2
4ac
2a
, x
2
=
c
ax
1
.
Pklad 0.6. Potejme integrl
E
n
=
_
1
0
x
n
e
x1
dx
pro n = 1, 2, 3, . . .
Integrac per partes dostaneme
E
n
=
_
1
0
x
n
e
x1
dx =
_
x
n
e
x1
1
0
_
1
0
nx
n1
e
x1
dx,
neboli
E
n
= 1 nE
n1
.
Jeliko E
1
= 1/e, lze uitm tto formule vypotat E
n
pro n = 2, 3, . . .
0.5. Stabilita algoritm 11
Nech E
1
= 0,367879 (tj. hodnota 1/e je zaokrouhlena na 6 cifer). Pak
E
2
= 0,264242
E
3
= 0,207274
.
.
.
E
9
= 0,0684800
I kdy je integrand kladn, je hodnota integrlu zporn! Tento jev meme vysvt-
lit takto: Ze vztahu E
2
= 1 2E
1
plyne, e chyba pi vpotu E
2
je (-2)krt vt
ne chyba pi vpotu E
1
, dle chyba pi vpotu E
3
je (-3)krt vt ne chyba pi
vpotu E
2
atd. To znamen, e chyba pi vpotu E
9
je (2)(3) . . . (9) = 9!
vt ne chyba v E
1
. Tedy chyba v E
1
, kter je piblin 4,412 10
7
, vede na
chybu 9! 4,412 10
7
0,1601, co znamen dosti velkou chybu. Uitm uveden
rekurentn formule dolo ke znan kumulaci chyby.
Toto je obecn problm tzv. trojlennch rekurentnch formul. Doporuen
postup je nsledujc. Pepime uvedenou formuli ve tvaru
E
n1
=
1 E
n
n
, n = . . . , 3, 2.
Pak chyba bude na kadm kroku redukovna faktorem 1/n. Zaneme vt hod-
notou n a postupujeme zptn. Je teba ovem odhadnout tuto startovac
hodnotu. Vimnme si, e
E
n
=
_
1
0
x
n
e
x1
dx
_
1
0
x
n
dx =
1
n + 1
.
Tedy pro n = 20 je E
20
1/21 a lze poloit E
20
= 0. Nyn uitm formule
E
n1
= (1 E
n
)/n dostaneme E
9
= 0,0916123 a tato hodnota m 6 platnch
cifer.
0.5. Stabilita algoritm
Z pedchozch pklad je zejm, e velk nepesnost vypotench vsledk byla
zpsobena uitm nevhodnho algoritmu, nebo pi zmn algoritmu byly vy-
poten vsledky zcela vyhovujc. S tm souvis otzky stability algoritm.
Denice 0.2. Algoritmus se nazv stabiln, jestlie vypoten een je pesnm
eenm blzkho problmu, tj. eenm problmu s blzkmi vstupnmi daty.
Tento pojem stability vysvtlme na nsledujcm pklad.
Pklad 0.7. Vme, e (x +y) = (x +y)(1 +) = x(1 +) +y(1 +) = x
+y
.
Tedy vypoten souet dvou sel x, y v pohybliv dov rce je pesn souet
jinch dvou sel x
a y
. Jeliko [[ , jsou sla x
a y
blzk slm x, y. Tedy

operace stn dvou sel v pohybliv dov rce je stabiln.
12 VOD
O stabilit konkrtnch algoritm pojednme v dalch kapitolch pi realizaci
jednotlivch numerickch metod.
Ve uvedenmi pklady nechceme tene odradit od studia a pouvn nu-
merickch metod. Clem bylo pouze upozornit na mon skal pi realizaci
numerickch metod a ukzat zpsoby, jak tyto problmy pekonat. Velmi pkn
jsou nkter patologick jevy v numerick matematice objasnny v monograi [15].
0.6. Symbolika O, o
Zvrem tto kapitoly jet uvedeme symboliku O a o, kter se asto pouv pro
vyjden chyb matematickch vraz (viz nap. [9]).
Nech je funkce (reln nebo komplexn) denovan v okol bodu a (me
bt i ). Nech je funkce kladn v prstencovm okol bodu a. Symbol
(x) = O((x)) pro x a (0.9)
zna, e
limsup
xa
[(x)[
(x)
< .
Podobn symbol
(x) = o((x)) pro x a (0.10)
oznauje, e
lim
xa
[(x)[
(x)
= 0 .
Podobn je mon denovat vraz
a
n
= O(b
n
) nebo a
n
= o(b
n
) pro n ,
kde a
n
, b
n
jsou prvky posloupnost.
Dodatek pro x a se asto vynechv, pokud je jasn, o kter a se jedn.
Je to zejmna v ppadech a = 0 i a = , ppadn u posloupnost, kde je zejm,
e n . asto pouvan vraz je tak O(h
k
), resp. o(h
k
), kde (h) = h
k
,
piem zpravidla h 0.
Pi potn s vrazy obsahujc symboly O a o plat nsledujc pravidla:
O((x)) +O((x)) = O((x))
o((x)) +o((x)) = o((x))
O((x)) O((x)) = O((x) (x))
O((x)) o((x)) = o((x) (x))
o((x)) = O((x))
Cvien k vodn kapitole 13
Tyto rovnice nejsou symetrick, plat jen zleva doprava. Nap. posledn rovnice
zna, e funkce splujc rovnici (0.10) spluje tak rovnici (0.9). Opan to ovem
neplat.
Pokud za funkci (x) vezmeme konstantu 1, dostvme vrazy (x) = O(1)
a (x) = o(1). Prvn z nich znamen, e funkce je omezen v okol bodu a,
druh, e m limitu 0 v bod a.
Cvien k vodn kapitole
1. Najdte primrn chybu, kter vznikne, jestlie piblinch sel je pouito
k vpotu:
a) soutu n sel
b) souinu n sel
c) podlu dvou sel
d) mocniny sla, kdy exponent je znm pesn
2. Nech je dno n sel a
1
, . . . , a
n
, kde a
i
je sprvn zaokrouhleno na d
i
de-
setinnch mst. Chceme spotat souet na d = min
i
d
i
desetinnch mst.
Ukate, e je vhodnj nejprve vechna sla sest a vsledek zaokrouhlit
na d mst, ne naped kad slo a
i
zaokrouhlit na d mst a pak sest.
3. Bute x resp. y sla v absolutn hodnot men ne 1 a sprvn zaokrouhlena
na 2d resp. d desetinnch mst. Nech [ x[ < [ y[.Chceme spotat podl x/ y
na d desetinnch mst. Ukate, e pouit 2d-mstnho dlence je vhodnj,
ne kdy dlence nejdve zaokrouhlme na d mst a pak dlme.
14 VOD
Kapitola 1
Normy vektor a matic
Nech C
n
resp. R
n
je vektorov prostor vech uspodanch n-tic komplexnch
resp. relnch sel. Prvky tohoto prostoru budeme zapisovat ve tvaru sloupcovch
vektor.
Denice 1.1. Vektorov norma na C
n
je funkce | | (z C
n
do R) s nsledujcmi
vlastnostmi:
1) |x| 0, x C
n
2) |x| = 0 x = o, o = (0, . . . , 0)
T
3) |x| = [[ |x|, C, x C
n
4) |x +y| |x| +|y|, x, y C
n
.
Pklady vektorovch norem:
1) |x|
2
=
_
n
i=1
[x
i
[
2
_1
2
(eukleidovsk norma)
2) |x|
1
=
n
i=1
[x
i
[ (oktaedrick norma)
3) |x|
= max
1i n
[x
i
[ (krychlov norma)
Kad vektorov norma indukuje metriku danou vztahem (x, y) = |x y|.
Pipomeme jet denici konvergence posloupnosti vektor vzhledem k dan
norm.
Denice 1.2. ekneme, e posloupnost x
k
k=1
vektor z C
n
konverguje k vek-
toru x C
n
vzhledem k norm | |, jestlie pro libovoln > 0 existuje index
N = N() tak, e
|x
k
x| <
16 1. NORMY VEKTOR A MATIC
pro k N().
Nech A je tvercov matice du n s relnmi resp. komplexnmi prvky, tj.
A =
_
_
_
_
_
a
11
a
1n
a
21
a
2n
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
_
.
Ozname /
n
tdu vech matic tohoto typu.
Matici A lze povaovat za vektor dimenze n
2
. Mohli bychom tedy denovat
normu matice jako normu vektoru. Ale z hlediska pozdjch aplikac je vhodnj
poadovat, aby norma matice splovala dal vlastnosti. Z tchto dvod denu-
jeme maticovou normu takto:
Denice 1.3. Maticov norma na mnoin /
n
je reln funkce | | s tmito
vlastnostmi:
1) |A| 0, A /
n
2) |A| = 0 A je nulov matice
3) |A| = [[ |A|, C, A /
n
4) |A+B| |A| +|B|, A, B /
n
5) |AB| |A| |B|, A, B /
n
Vlastnost 5) se nazv multiplikativnost .
Nkdy je vhodn poadovat, aby norma matice njakm zpsobem souvisela
s normou vektoru. Tuto vlastnost nazvme souhlasnost a jej denice je nsledu-
jc:
Denice 1.4. ekneme, e maticov norma | | je souhlasn s danou vektorovou
normou | |
, jestlie
|Ax|
|A| |x|
, x C
n
, A /
n
.
Vta 1.1. Nech | |
je vektorov norma na C
n
. Pak slo
|A|
= max
x=1
|Ax|
je maticov norma souhlasn s danou vektorovou normou | |
.
Tato norma se nazv pidruen k dan vektorov norm.
Dkaz. Norma je spojit funkce vektoru x. Protoe Ax je rovn vektor, je funkce
|Ax|
spojit, a tedy doshne na uzaven omezen mnoin = x: |x|
= 1
svho maxima. To znamen, e existuje vektor x
0
C
n
, |x
0
|
= 1, tak, e
|Ax
0
|
= max
x=1
|Ax|
.
17
Tm je dokzna existence sla |A|
. Nyn ukeme, e jsou splnny vechny

axiomy maticov normy.
1) Nech A , O, kde O je nulov matice. Pak existuje vektor x C
n
, | x|
= 1
takov, e A x ,= o a tedy |A x|
> 0. Proto
|A|
= max
x=1
|Ax|
|A x|
> 0.
2) Je zejm, e |A|
= 0 A je nulov matice.
3) Pro libovoln C plat
|A|
= max
x=1
|(A)x|
= max
x=1
[[ |Ax|
= [[ |A|
.
Ne dokeme, e je splnn tvrt axiom, ukeme, e norma |A|
je souhlasn
s danou vektorovou normou.
Nech y ,= o je libovoln vektor z C
n
. Vektor x = y/|y|
m normu rovnu jedn.

Pak
|Ay|
= |A(x|y|
)| = |y|
|Ax|
|y|
|A|
.
Tedy norma |A|
je souhlasn s danou vektorovou normou.

4) Nech x C
n
, | x|
= 1, je takov vektor, e
|(A+B) x|
= max
x=1
|(A +B)x|
.
Je tedy
|A+B|
= |(A +B) x|
|A x|
+|B x|

max
x=1
|Ax|
+ max
x=1
|Bx|
= |A|
+|B|
.
5) Pro matici AB najdeme vektor x C
n
, | x|
= 1, takov, e
|(AB) x|
= max
x=1
|(AB)x|
.
Pak je
|AB|
= |(AB) x|
= |A(B x)|
|A|
|B x|

|A|
|B|
| x|
= |A|
|B|
.
2
Vta 1.2. Pidruen maticov norma je nejve rovna libovoln maticov norm
souhlasn s danou vektorovou normou.
Dkaz. Nech | | je maticov norma souhlasn s danou vektorovou normou
| |
. Pak plat
|Ax|
|A| |x|
.
Vme, e existuje takov vektor x
0
C
n
, e |x
0
|
= 1, |A|
= |Ax
0
|
a odtud
plyne
|A|
= |Ax
0
|
|A| |x
0
|
= |A|,
a tedy |A|
|A|. 2
Vta 1.3. Nech maticov norma | | je souhlasn s danou vektorovou normou
| |
. Pak pro vechna vlastn sla matice A plat:

[[ |A| .
Dkaz. Nech x je vlastn vektor matice A odpovdajc (nenulovmu) vlastnmu
slu , tj. Ax = x. Pak je
|x|
= [[ |x|
= |Ax|
|A| |x|
,
jeliko |x|
,= 0, je [[ |A|. 2
Denice 1.5. Nech
1
, . . . ,
n
jsou vlastn sla matice A. slo
(A) = max
1i n
[
i
[
se nazv spektrln polomr matice A.
Vta 1.4. Nech A /
n
. Pidruen maticov normy k vektorovm normm
| |
1
, | |
, | |
2
jsou dny vztahy
(i) |A|
1
= max
1jn
n
i=1
[a
ij
[,
(ii) |A|
= max
1i n
n
j=1
[a
ij
[,
(iii) |A|
2
=
_
(A
A), (A
A) je spektrln polomr A
A, kde A
= A
T
, pro
reln matice je A
= A
T
.
Dkaz viz [5].
Poznmka 1. Norma |A|
2
se nazv spektrln norma matice A.
Nech E /
n
je jednotkov matice. Zejm
|E|
= max
x=1
|Ex|
= 1
a pro souhlasnou maticovou normu plat |E| 1.
19
Dleitou normou souhlasnou s vektorovou normou | |
2
je Frobeniova norma:
|A|
F
=
_
_
n
j=1
n
i=1
[a
ij
[
2
_
_
1
2
.
Zejm plat |E|
F
=
n.
Stopa matice A (tr A) je denovna jako souet diagonlnch prvk, tr A =
n
i=1
a
ii
.
Odtud plyne, e |A|
2
F
= tr(A
A). Dle lze ukzat, e pro maticov normy plat

tyto ekvivalentn vztahy ([5]):
1.
1
n
|A|
|A|
2

n|A|
2. |A|
2
|A|
F

n|A|
2
3.
1
n
|A|
1
|A|
2

n|A|
1
.
Pklad 1.1. Vypotte normy |A|
2
, |A|
1
, |A|
a |A|
F
pro matici
A =
_
1 3
2 4
_
.
een. Je zejm |A|
1
= 7, |A|
= 6. Dle
A
T
A =
_
10 10
10 20
_
1,2
=
3 10
5
2

(A
T
A)
.
= 12.680340 |A|
2
.
= 3.5609465 .
Dle |A|
F
= (1 + 9 + 4 + 16)
1/2
.
= 5.4772256.
Pklad 1.2. Nech R je reln ortogonln matice, tj. R
T
R = E, R
T
= R
1
.
Vypotte |R|
2
a |AR|
2
, A /
n
.
een. Je |R|
2
2
= (R
T
R) = (E) = 1.
Dle
|AR|
2
2
= ((AR)
T
AR) = (R
T
A
T
AR) = (R
1
A
T
AR) .
Transformace R
1
A
T
AR je podobnostn transformace, kter nemn vlastn sla
matice. Odtud plyne, e spektrln polomr matice R
1
A
T
AR je roven spektrl-
nmu polomru matice A
T
A. To znamen, e
|AR|
2
2
= (R
1
A
T
AR) = (A
T
A) = |A|
2
2
.
Vta 1.5. Nech |B| < 1, | | je souhlasn s danou vektorovou normou. Pak
matice E B je regulrn a plat
_
_
(E B)
1
_
_
|E|
1 |B|
.
Dkaz. Vlastn sla matice B jsou eenm charakteristick rovnice det(B
E) = 0.
Odtud
0 = det(B E) = det(B E +E E) =
= det(B E ( 1)E).
Tedy matice B E m vlastn sla 1. Protoe (B) |B| < 1, jsou vechna
tato vlastn sla rzn od nuly a tedy matice B E i E B jsou regulrn.
Nyn
E = (E B)(E B)
1
= (E B)
1
B(E B)
1
.
Odtud
|E|
_
_
(E B)
1
_
_
_
_
B(E B)
1
_
_
_
_
(E B)
1
_
_
|B|
_
_
(E B)
1
_
_
a tedy
_
_
(E B)
1
_
_
|E|
1 |B|
.
2
Poznmka 2. Jestlie maticov norma uvaovan v pedchoz vt je pidruenou
maticovou normou, pak
_
_
(E B)
1
_
_
1
1 |B|
.
Dsledek. Je-li (B) < 1, je matice E B regulrn.
Dkaz plyne ihned z ve dokzanho faktu, e vlastn sla matice EB jsou
rzn od nuly.
Cvien ke kapitole 1
1. Nech v rovin jsou dny dva vektory u, v. Najdte geometrick msto vek-
tor w takovch, e
|u w| = |v w|.
Sestrojte tato geometrick msta pro normy | |
1
, | |
2
, | |
v ppad,
e u = (0, 0)
T
, a) v = (1, 1)
T
, b) v = (1,
1
2
)
T
, c) v = (1, 0)
T
.
2. Ovte, e funkce | | denovan na mnoin /
n
vztahem
|A| =
_
_
n
i,j=1
[a
ij
[
p
_
_
1
p
je maticov norma prv tehdy, kdy 1 < p 2.
Cvien ke kapitole 1 21
3. Nech A = (a
1
, . . . , a
n
), kde a
j
je j-t sloupec matice A. Dokate, e
|A|
2
F
=
n
i=1
|a
i
|
2
2
.
4. Pro matici A =
_
_
2 1 1
2 3 2
1 1 2
_
_
vypotte |A|
1
, |A|
2
a |A|
.
(een: |A|
1
= 5, |A|
2
=
_
(A
T
A) = 5, 203 527, |A|
= 7.)
5. Nech k matici A existuje inverzn matice A
1
. Ukate:
a) Je-li ,= 0 vlastn slo matice A, x je pslun vlastn vektor, pak 1/
je vlastn slo matice A
1
s vlastnm vektorem x.
b) Pro libovolnou pidruenou maticovou normu plat
1
|A
1
|
[[.
6. Nech R je reln ortogonln matice. dokate, e pak |AR|
F
= |A|
F
.
(een: |AR|
2
F
= tr((AR)
T
AR) = tr(R
T
A
T
AR). Na druh stran tr(A) =
n
i=1
i
, kde
i
jsou vlastn sla matice A. Jeliko matice A
T
A a R
T
A
T
AR
maj stejn vlastn sla, je tr(A
T
A) = tr(R
T
A
T
AR) a tedy |AR|
F
=
|A|
F
.)
7. Ukate, e spektrln norma symetrick matice je rovna jejmu spektrlnmu
polomru.
(een: Je-li A symetrick matice, pak jsou vechna jej vlastn sla reln.
Jsou-li
1
,. . . ,
n
vlastn sla tto matice, pak matice A
2
= A
T
A m vlastn
sla
2
1
,. . . ,
2
n
. Pak |A|
2
2
= (A
T
A) = (A
2
) = max
1in
2
i
=
2
(A) )
8. Nech P a Q jsou ortogonln matice. Pak plat:
a) |QAP|
F
= |A|
F
b) |QAP|
2
= |A|
2
(een:
a) |QAP|
2
F
= tr((QAP)
T
QAP) = tr((AP)
T
Q
T
QAP) = tr((AP)
T
AP),
nebo Q
T
Q = E.
Stopa matice je invariantn vzhledem k podobnostn transformaci a z
toho plyne (viz cvien 6), e tr((AP)
T
AP) = tr(A
T
A) = |A|
2
F
.
b) |QAP|
2
2
= ((QAP)
T
QAP) = ((AP)
T
Q
T
QAP) = (P
T
A
T
AP) =
(A
T
A) = |A|
2
2
(viz p. 1.2) )
Kontroln otzky ke kapitole 1
1. Me bt maticov norma denovna vztahem
|A| = max
1i,jn
[a
ij
[ ?
Ilustrujte na pklad.
2. Je Frobeniova norma pidruen k vektorov norm | |
2
?
3. Nech Q /
n
je ortogonln matice. Pak |Qx|
2
= |x|
2
. Dokate. Plat
toto tvrzen i pro normy | |
1
, | |
, | |
F
?
Kapitola 2
een nelinernch rovnic
Tato kapitola se bude zabvat numerickmi metodami een nelinernch alge-
braickch a transcendentnch rovnic v ppadech, kdy pesn een nelze zskat
algebraickmi metodami. Budeme se tedy zabvat hlednm koen, zejmna re-
lnch, rovnice
f(x) = 0, (2.1)
kde x je reln promnn a f je v njakm smyslu rozumn funkce.
slo , kter je eenm rovnice (2.1) budeme nazvat koenem funkce.
Pi hledn koen lze postupovat takto:
A) Separace koen, tj. nalezen interval, ve kterch le vdy prv jeden koen
rovnice (2.1).
B) Zpesnn tchto koen.
Pro separaci koen lze ut znm vty z matematick analzy:
Vta 2.1. Nech f C[a, b] a nech f nabv v koncovch bodech intervalu hodnot
s opanmi znamnky, tj. f(a)f(b) < 0. Pak uvnit tohoto intervalu le alespo
jeden koen rovnice (2.1). Jestlie existuje f
a m konstantn znamnko v tomto

intervalu, pak existuje prv jeden koen (a, b).
Pi separaci koen postupujeme tak, e nejdve urme znamnka funkce f
v hraninch bodech jejho deninho oboru. Pak urujeme znamnka funkce v bo-
dech, jejich volba je urena chovnm funkce f.
2.1. Metoda bisekce
Na vt 2.1 je zaloena velmi jednoduch numerick metoda pro nalezen koen
metoda bisekce neboli metoda plen. Popime nyn strun tuto metodu.
24 2. EEN NELINERNCH ROVNIC
Nech f C[a, b] a nech f(a)f(b) < 0. Podle vty 2.1 le v intervalu [a, b]
alespo jeden koen rovnice f(x) = 0. Pedpokldejme pro jednoduchost, e tento
koen je jedin. Polome a
0
= a, b
0
= b, s
0
=
1
2
(a
0
+b
0
).
Je-li f(a
0
)f(s
0
) < 0, le koen v intervalu [a
0
, s
0
] a polome a
1
= a
0
, b
1
= s
0
a postup opakujme pro interval [a
1
, b
1
].
Je-li f(s
0
)f(b
0
) < 0, le koen v intervalu [s
0
, b
0
] a polome s
0
= a
1
, b
0
= b
1
a postup opakujme pro interval [a
1
, b
1
].
Je-li f(s
0
) = 0, je s
0
= a koen je nalezen.
Tmto zpsobem dostaneme posloupnost interval
[a
0
, b
0
] [a
1
, b
1
] . . . [a
n
, b
n
] . . . ,
piem f(a
n
)f(b
n
) < 0, n = 0, 1, . . .
Pro koncov body tchto interval plat
a
0
a
1
a
2
. . . a
n
a
n+1
. . .
. . . b
n+1
b
n
. . . b
0
a dlky tchto interval jsou dny vztahem
b
n
a
n
=
b
0
a
0
2
n
, n = 1, 2, . . .
Protoe posloupnosti a
n
, b
n
jsou omezen, monotonn a dlka interval [a
n
, b
n
]
konverguje k nule, plat
lim
n
b
n
= lim
n
a
n
= .
Nyn snadno ukeme, e je koenem rovnice f(x) = 0. Funkce f je spojit a plat
f(a
n
)f(b
n
) < 0, n = 0, 1, . . .. Odtud
lim
n
f(b
n
)f(a
n
) = f
2
() 0,
ale odtud plyne, e f() = 0.
Z uvedenho postupu rovn plyne, e
[s
n
[
b a
2
n+1
, s
n
=
a
n
+b
n
2
.
Je toti [a
n
, b
n
], b
n
a
n
= (b a)/2
n
a tud [s
n
[ (b
n
a
n
)/2 =
(b a)/2
n+1
.
Uveden vahy meme zformulovat v nsledujc vt.
Vta 2.2. Nech f C[a, b], f(a)f(b) < 0 a nech f m v intervalu [a, b] jedin
koen . Pak metoda bisekce generuje posloupnost s
n
= (a
n
+b
n
)/2, n = 0, 1, 2, . . .,
kter konverguje ke koenu a aproximuje koen takto:
[s
n
[
b a
2
n+1
. (2.2)
2.1. Metoda bisekce 25
Ne uvedeme pklad na ilustraci metody bisekce, zmnme se o problmu zasta-
ven vpotu pi pouit numerick metody pro nalezen koene. Pedpokldejme,
e numerick metoda generuje posloupnost x
k
konvergujc ke koenu a nech
je dna poadovan pesnost > 0. Jako kritrium pro zastaven vpotu lze
pedevm doporuit
[
x
k+1
x
k
x
k
[ < (2.3)
nebo
[x
k+1
x
k
[ < (2.4)
[f(x
k
)[ < (2.5)
Kritria (2.4) a (2.5) nejsou obecn vdy vhodn, nebo i kdy [x
k+1
x
k
[ < ,
nemus tak bt [x
k+1
[ < a tot plat pro kritrium (2.5). Z tchto dvod je
nejvhodnjm kritriem pro zastaven vpot kritrium (2.3). Na druh stran,
u nkterch dle uvedench metod lze bez problm pout kritrium (2.4), nebo
je vhodn souasn pouit (2.4) a (2.5) (viz obrzek 2.1).
Rovnice f(x) = x
3
x 1 m podle vty 2.1 v intervalu [1, 2] prv jeden
koen. Podle Cardanovch vzorc je tento koen dn vztahem
= +, =
3
1
2
+
23
6
3
, =
3
1
2

23
6
3
,
tj. 1,3247179572447.
Tuto rovnici budeme v tto kapitole povaovat v jistm smyslu za testovac
pro jednotliv metody, to znamen, e tyto metody budeme aplikovat na nalezen
koene tto rovnice.
Pklad 2.1. Metodou bisekce najdte koen funkce f(x) = x
3
x 1 lec
v intervalu [1, 2] (obr. 2.2).
n a
n
b
n
b
n
a
n
0 1,000000 2,000000 1,000000
1 1,000000 1,500000 0,500000
2 1,250000 1,500000 0,250000
3 1,250000 1,375000 0,125000
4 1,312500 1,375000 0,062500
5 1,312500 1,343750 0,031250
6 1,312500 1,328125 0,015625
7 1,320312 1,328125 0,007812
Je tedy s
7
= 1,3242185 a pro chybu aproximace plat [s
7
[ 1/2
8
.
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
x
0
x
1
x
2
x
k
x
k+1
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
x
0
x
1
x
2
x
k
x
k+1
Horizontln konvergenn ps:

[f(x)[ <
Vertikln konvergenn ps:
[x [ <
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
x
0
x
1
x
2
x
k
x
k+1
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
x
0
x
1
x
2
x
k
x
k+1
Neomezen oblast:
[f(x)[ < [x [ <
Obdlnkov oblast:
[f(x)[ < [x [ <
Obr. 2.1: Kritria k zastaven iteranho procesu
Poznmka 1. Pi aplikaci metody bisekce je teba vnovat pozornost oven
pedpoklad: f C[a, b], f(a)f(b) < 0. Nsledujc pklad ukazuje, jak problmy
mohou nastat pi nesplnn nkterho z pedpoklad.
Pklad 2.2. Uitm metody bisekce najdte koen funkce f(x) =
4x7
(x2)
2
.
een: Koen le v intervalu [1, 5; 2, 5], nebo f(1, 5) < 0, f(2, 5) > 0.
Polome a
0
= 1, 5, b
0
= 2, 5. Pak s
0
= (1, 5 + 2, 5)/2 = 2, ale funkce f(x) = (4x
7)/(x 2)
2
nen denovna v bod x = 2. Metoda bisekce selhala, nebo dan
funkce nen spojit na [1, 5; 2, 5] (obr. 2.3). Vhodn interval pro pouit metody
bisekce je [1, 5; 1, 9]. Opt plat f(1, 5) < 0, f(1, 9) > 0, ale funkce f C[1, 5; 1, 9].
Metodou bisekce s potenmi hodnotami a
0
= 1, 5, b
0
= 1, 9 zskme posloupnost
s
0
= 1, 7, s
1
= 1, 8, s
2
= 1, 75. Hodnota s
2
= 1, 75 je hledan koen .
2.2. Metoda prost iterace
Nyn se budeme zabvat iteranmi metodami pro nalezen koen rovnice (2.1).
2.2. Metoda prost iterace 27
0 1 2 3
1
0
1
2
3
4
5
x
y
a
0
b
0
0 1 2 3
1
0
1
2
3
4
5
x
y
a
1
b
1
0 1 2 3
1
0
1
2
3
4
5
x
y
a
2
b
2
0 1 2 3
1
0
1
2
3
4
5
x
y
a
3
b
3
3 3
0 1 2 3
1
0
1
2
3
4
5
x
y
a
4
b
4
0 1 2 3
1
0
1
2
3
4
5
x
y
a
5
b
5
Obr. 2.2: Metoda bisekce
1.5 1.6 1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5
10
0
10
20
30
40
50
60
70
80
90
100
Obr. 2.3: Graf funkce f(x) =
4x7
(x2)
2
Tyto metody jsou zaloeny na een ekvivalentn lohy x = g(x), tj. na nalezen
pevnch bod funkce g. Bod je pevnm bodem funkce g jestlie g() = . Ekvi-
valentnost loh x = g(x) a f(x) = 0 znamen: jestlie je pevn bod funkce g, pak
je koen funkce f a naopak. Nejdve se budeme zabvat iteranmi metodami
pro nalezen pevnho bodu a pak volbou vhodn funkce g.
Vta 2.3. Nech g C[a, b], g : [a, b] [a, b]. Pak funkce g m v intervalu
[a, b] pevn bod. Jestlie g spluje navc Lipschitzovu podmnku s konstantou q,
0 q < 1
[g(x) g(y)[ q [x y[ , x, y [a, b],
pak g m v intervalu jedin pevn bod.
Dkaz. Jestlie g(a) = a nebo g(b) = b, je existence pevnho bodu zejm.
Pedpokldejme nyn, e g(a) > a, g(b) < b a uvaujme funkci h, h(x) = g(x) x.
Zejm h C[a, b] a dle
h(a) = g(a) a > 0, h(b) = g(b) b < 0.
Z vlastnost spojitch funkc plyne, e existuje bod (a, b) tak, e h() = 0, tj.
g() = 0 = g() a tedy je pevn bod funkce g.
Nech funkce g spluje Lipschitzovu podmnku s konstantou q, 0 q < 1.
Pedpokldejme, e existuj dva pevn body , . Nyn pro tyto body plat
[ [ = [g() g()[ q [ [ < [ [ ,
co je spor a odtud plyne, e = . 2
Dsledek. Nech g C
1
[a, b], g : [a, b] [a, b] a
[g
(x)[ q < 1, x [a, b].

Pak g m v intervalu [a, b] jedin pevn bod.
Dkaz ihned plyne aplikac vty o stedn hodnot:
[g(x) g(y)[ = [g
()[ [x y[ q[x y[, (a, b).

Poznmka 2. Pedpoklady uveden ve vt 2.3 jsou postaujc, ale nikoliv nutn
pro jednoznanost pevnho bodu.
Pklad 2.3. Je dna funkce g(x) = 3
x
, g
(x) = 3
x
ln 3 < 0 na [0, 1]. Funkce g
je tedy klesajc na intervalu [0, 1]. Dle g(1) =
1
3
g(x) 1 = g(0). Odtud plyne,
e funkce g zobrazuje interval [0, 1] do sebe. Dle g
(0) = ln 3
.
= 1, 09861,
a tedy [g
(x)[ , q < 1 na intervalu [0, 1]. Ale je jasn, e pevn bod je jedin,
nebo g je klesajc (viz obrzek). Jak je teba zit interval, aby byla splnna
podmnka [g
(x)[ q < 1 (viz obrzek 2.4)?

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
g(x)=3
x
y=x
Obr. 2.4: Graf funkce g(x) = 3

x
Poznmka 3. eit rovnici x = g(x) geometricky znamen hledat prsek pmky
y = x s kivkou y = g(x).
Zabvejme se nyn numerickmi metodami uren pevnho bodu funkce g.
Nech g C[a, b], g : [a, b] [a, b] a zvolme libovolnou poten aproximaci
x
0
[a, b]. Generujme posloupnost x
k
k=0
takto:
x
k+1
= g(x
k
), k = 0, 1, 2, . . . (2.6)
Funkci g nazvme iteran funkc a metodu (2.6) iteran metodou nebo tak
metodou prost iterace.
Iteran metoda (2.6) pat mezi jednokrokov iteran metody, nebo vpoet
x
k+1
zvis pouze na jedn pedchoz aproximaci x
k
. Obecn jsou funkcionln
iteran metody tvaru
x
k+1
= g(x
k
, x
k1
, . . . , x
kj+1
), j 2. (2.7)
Tyto metody nazvme j-krokovmi metodami.
Otzkou nyn je, za jakch pedpoklad bude iteran posloupnost
1
(2.6) resp.
(2.7) konvergovat a jak rychle bude tato posloupnost konvergovat k pevnmu
bodu .
V dal sti tto kapitoly bude mt znan vznam d iteran metody jako
mra rychlosti konvergence metody. Denujme nejdve chybu k-t iterace vzta-
hem
e
k
= x
k
.
Pedpokldejme nyn, e metoda (2.7) je konvergentn:
lim
k
x
k
= .
Existuje-li nyn reln slo p 1 takov, e plat
lim
k
x
k+1
[x
k
[
p
= lim
k
[e
k+1
[
[e
k
[
p
= C , 0,
ekneme, e dan iteran metoda je du p pro bod . Konstanta C se nazv
asymptotickou konstantou chyby a zvis na funkci g. Poadavek C , 0 znamen,
e C ,= 0 pro obecnou funkci g. Tento poadavek zaruuje jednoznanost sla
p. Jestlie pro njakou funkci g je konstanta C rovna nule, pak iteran metoda
konverguje rychleji ne obvykle.
Zabvejme se nyn jednokrokovmi iteranmi metodami. Nsledujc vta uka-
zuje, e d tchto metod je pirozen slo.
Vta 2.4. Nech funkce g m v okol bodu derivace a do du p 1 vetn.
Iteran metoda x
k+1
= g(x
k
), k = 0, 1, . . . je du p tehdy a jen tehdy, kdy plat
= g(), g
(j)
() = 0, 1 j < p, g
(p)
() ,= 0.
Dkaz. Vyjdme funkci g v okol bodu pomoc Taylorova vzorce
g(x
k
) = + (x
k
)g
() +. . . +
(x
k
)
p1
(p 1)!
g
(p1)
() +
(x
k
)
p
p!
g
(p)
() =
= +
(x
k
)
p
p!
g
(p)
(), (2.8)
kde bod le v intervalu urenm body x
k
a . Protoe x
k+1
= g(x
k
), dostaneme
z pedchozho vztahu
x
k+1
=
(x
k
)
p
p!
g
(p)
(), (2.9)
a tedy
lim
k
x
k+1
[x
k
[
p
=
g
(p)
()
p!
, 0.
1
Nkdy tak kme, e iteran metoda konverguje msto posloupnost konverguje.
Metoda je tedy du p 1, p pirozen slo.
Z druh strany: Nech pro nkter j, 1 j < p, plat g
(j)
() ,= 0. Pak z (2.8)
plyne, e metoda neme bt du p. Rovn, jestlie g
(p)
() = 0, pak z (2.9)
plyne, e metoda nen du p. 2
Vta 2.5. Nech jsou splnny pedpoklady vty 2.3. Pak pro libovolnou poten
aproximaci x
0
[a, b] je posloupnost x
k
k=0
, x
k
= g(x
k1
), konvergentn a plat
lim
k
x
k
= , kde je pevn bod funkce g.
Dkaz. Funkce g zobrazuje interval [a, b] do sebe. Odtud plyne, e posloupnost
x
k
k=0
je denovna pro vechna k 0 a x
k
[a, b] pro vechna k 0. Dle
x
k
g(x
k1
) g()
x
k1
.
Indukc odtud plyne, e
x
k
q
k
x
0
.
Jeliko 0 q < 1, je
lim
k
x
k
= 0,
a tedy posloupnost
_
x
k
_
k=0
konverguje k pevnmu bodu . 2
Dsledek. Nech funkce g spluje pedpoklady vty 2.3. Pak pro posloupnost
x
k
k=0
, x
0
[a, b], x
k
= g(x
k1
), plat
x
k
q
k
1 q
x
0
x
1
, k 1. (2.10)
Dkaz. Z konstrukce iteran posloupnosti plyne:
x
k+1
x
k
g(x
k
) g(x
k1
)
x
k
x
k1
. . . q
k
x
1
x
0
.
Dle pro m > k 1
x
m
x
k
x
m
x
m1
x
m1
x
m2
+. . . +
x
k+1
x
k
q
m1
x
1
x
0
+q
m2
x
1
x
0
+. . . +q
k
x
1
x
0
=
= q
k
_
1 +q +. . . +q
mk1
_
x
1
x
0
.
Jeliko jsou splnny pedpoklady vty 2.5 o konvergenci iteranho procesu, je
lim
m
x
m
= a plat
x
k
= lim
m
x
m
x
k
q
k
x
1
x
0
i=0
q
i
=
q
k
1 q
x
1
x
0
.
2
Je zejm, e vta 2.5 je dsledkem znm Banachovy vty o pevnm bod.
Poznmka 4. Rychlost konvergence zvis na faktoru q
k
/(1 q). Je-li q mal,
rychlost je vt. Pro q blzk 1 je konvergence pomal. Vztahu (2.10) lze ut jako
kriteria pro zastaven vpotu.
Podvejme se nyn na problematiku iteranch proces a pevnch bod z geome-
trickho hlediska. Uvedeme klasikaci pevnch bod. Tato klasikace je pomrn
hrub, ale pro nae ely je postaujc.
Denice 2.1. Pevn bod funkce g C[a, b] se nazv
a) pitahujc (atraktivn) pevn bod, jestlie existuje takov okol V tohoto
bodu , e pro kadou poten aproximaci x
0
V posloupnost iterac
_
x
k
_
k=0
konverguje k bodu .
b) odpuzujc (repulzivn) pevn bod, jestlie existuje takov okol U bodu ,
e pro kadou poten aproximaci x
0
U, x
0
,= , existuje takov k, e
x
k
, U.
Nsledujc vta uvd, kdy je pevn bod pitahujc a kdy je odpuzujc.
Vta 2.6. Nech g C[a, b], g : [a, b] [a, b] a nech je pevn bod.
a) Jestlie pro vechna x ,= z njakho okol V bodu plat
g(x) g()
x
< 1, (2.11)
pak je pitahujc pevn bod.
b) Jestlie pro vechna x ,= z njakho okol U bodu plat
g(x) g()
x
> 1, (2.12)
pak je odpuzujc pevn bod.
Dkaz viz [20].
Dsledek. Nech g C[a, b], g : [a, b] [a, b] a nech g m v bod derivaci.
a) Je-li [g
()[ < 1, pak je pitahujc pevn bod.

b) Je-li [g
()[ > 1, pak je odpuzujc pevn bod.

Obrzky 2.8 a 2.9 znzoruj pitahujc a odpuzujc body funkce g(x) =
Ax(1 x). Ppad [g
()[ = 1 je teba vyetovat zvl. Me nastat situace,

e pi poten iteraci na jedn stran okol bodu proces konverguje a na druh
stran diverguje (viz obr. 2.5).
mluva. Pro iteran proces plat
x
1
= g(x
0
), x
2
= g(x
1
) = g
_
g(x
0
)
_
, x
3
= g
_
g
_
g(x
0
)
__
.
2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
Obr. 2.5: Ppad g
() = 1
Obecn lze iteraci x
k+1
denovat rekurzvn takto:
x
k+1
= g
k+1
(x
0
),
piem
g
1
(x) = g(x), g
k+1
(x) = g
_
g
k
(x)
_
.
Funkce g
k
se nazv k-t iterace funkce g (viz obr. 2.6).
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
g
3
(x)
g
2
(x)
g
4
(x)
g(x)
y=x
Obr. 2.6: Grafy iterac funkce g(x) = 3,5x(1 x)
Doposud jsme se zabvali otzkami konvergence a divergence posloupnosti
_
x
k
_
. Ale nkdy je uiten zabvat se posloupnostmi, kter jsou periodick. Z-
kladnm pojmem je zde pojem cyklu a jeho du.
Denice 2.2. Nech g C[a, b], g : [a, b] [a, b]. ekneme, e bod x
0
[a, b] je
bodem cyklu du n funkce g, nebo e x
0
generuje cyklus du n, jestlie g
n
(x
0
) =
x
0
, g
k
(x
0
) ,= x
0
pro k = 1, 2, . . . , n 1.
Poznmka 5. Je-li x
0
bod cyklu du n, pak je pevnm bodem funkce g
n
.
Uvaujme rovnici x = sin

2
x + 2. Funkce g(x) = sin

2
x + 2 m pevn bod
= 2. Zvolme poten aproximaci x
0
= 1. Pak x
1
= g(x
0
) = 3, x
2
= g
2
(x
0
) = 1.
Bod x
0
= 1 tedy generuje cyklus du 2.
Cyklus je ilustrovn na obr. 2.7.
0 0.5 1 1.5 2 2.5 3 3.5
0
0.5
1
1.5
2
2.5
3
3.5
Obr. 2.7: Metoda prost iterace, x = sin(
2
x) + 2
Vyetujme nyn pevn body funkce g(x) = Ax(1 x), x [0, 1], A [0, 4]
v zvislosti na parametru A. Tato funkce se pouv na modelovn nkterch bi-
ologickch jev. Za uvedench pedpoklad je funkce g spojit na intervalu [0, 1]
a zobrazuje tento interval do sebe. Protoe jsou splnny pedpoklady prvn sti
vty 2.3, m funkce g v intervalu [0, 1] alespo jeden pevn bod. V tomto jedno-
duchm ppad pevn body snadno vypoteme a vyetme jejich vlastnosti.
eme-li rovnici
x = Ax(1 x)
dostaneme pro A [0, 1] prv jeden pevn bod
1
= 0 a pro A (1, 4] prv dva
pevn body
1
= 0,
2
= 1 1/A. Rozebereme nyn jednotliv ppady.
1. A [0, 1]. Je g
(x) = A 2Ax; g
(0) = A 1. Funkce m jedin pevn bod
1
= 0; graf funkce le pod pmkou y = x a bod
1
= 0 je tedy pitahujcm
pevnm bodem (i pro A = 1) (viz obr. 2.8).
2. A (1, 3]. V tomto ppad g
(
1
) = A > 1; g
(
2
) = A 2. To znamen,
e bod
1
je odpuzujcm pevnm bodem a
2
je pro A (1, 3) pitahujcm
k x
k
g(x
k
)
0 0,5500 0,2351
1 0,2351 0,1708
2 0,1708 0,1346
3 0,1346 0,1106
4 0,1106 0,0935
5 0,0935 0,0805
6 0,0805 0,0703
7 0,0703 0,0621
0 x
0
1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Obr. 2.8: Metoda prost iterace, A = 0,95,
1
= 0
pevnm bodem, nebo [g
(
2
)[ < 1. Pro A = 3 je [g
(
2
)[ = 1, ale i v tomto
ppad lze ukzat, e posloupnost x
k
bude konvergovat k pevnmu bodu
2
, i kdy konvergence bude pomal (viz [20] a obr. 2.9).
k x
k
g(x
k
)
0 0,1500 0,3187
1 0,3187 0,5429
2 0,5429 0,6204
3 0,6204 0,5888
4 0,5888 0,6053
5 0,6053 0,5973
6 0,5973 0,6013
7 0,6013 0,5993
0 x
0
0.5 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2
= 0,6
3. A (3, 4]. Pro tyto hodnoty A ji existuj cykly rznch d. Pro jist hod-
noty A existuj posloupnosti generovan libovolnm prvkem x
0
[0, 1], kter
jsou bu periodick nebo konverguj k periodick posloupnosti. Existuje tak
kritick hodnota A = A
c
= 3,5700 . . . takov, e pro A > A
c
lze vdy najt
takovou poten aproximaci x
0
[0, 1], e v odpovdajc iteran posloup-
nosti neexistuje dn zkonitost. Tato posloupnost me bt dokonce tak
neuspodan, e ji lze pokldat za posloupnost nhodnch sel a tomuto
jevu kme chaos (viz obr. 2.10). Zde se nebudeme podrobn zabvat tmito
otzkami. Podrobnj informace lze najt nap. v [20].
k x
k
g(x
k
)
0 0,500000 0,937500
1 0,937500 0,219727
2 0,219727 0,642926
3 0,642926 0,860896
4 0,860896 0,449077
5 0,449077 0,927776
6 0,927776 0,251279
7 0,251279 0,705518
8 0,705518 0,779109
9 0,779109 0,645367
10 0,645367 0,858256
11 0,858256 0,456197
12 0,456197 0,930305
0 0.5 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2
=
11
15
Jako pklad ukeme, e pro kad A (3, 4] existuje alespo jedna dvojice
bod x
0
1
, x
0
2
, kter generuj cyklus du 2.
Je zejm, e body cyklu du 2 najdeme eenm rovnice x = g
2
(x), tj.
A (Ax(1 x)) (1 Ax(1 x)) = x. (2.13)
pravou dostaneme
A
3
x
4
2A
3
x
3
+A
2
(A + 1)x
2
A
2
x +x = 0.
Pevn body
1
= 0,
2
= 1 1/A jsou rovn een tto rovnice. Vydlme tuto
rovnici polynomem (x 0)(x (1 1/A)) a vsledn rovnice je tvaru
A
2
x
2
A(A + 1)x +A + 1 = 0. (2.14)
Jej diskriminant D = A
2
(A + 1)(A 3). Odtud plyne:
0 A < 3 D < 0 neexistuje bod generujc cyklus du 2.
A = 3 D = 0 kvadratick rovnice m dvojnsobn koen
2
=
1 1/A = 2/3.
3 < A 4 D > 0 kvadratick rovnice m dva reln rzn koeny
x
0
1
, x
0
2
, kter generuj cyklus du 2.
Napklad lze snadno ovit pro A = 1 +
5 jsou body cyklu du 2 body

x
0
1
= 0,5; x
0
2
= (3 +
5)/(2(1 +
5)) (viz obr. 2.11).

2.3. Hledn vhodnho tvaru iteran funkce 37
k x
k
g(x
k
)
0 0,5000 0,8090
1 0,8090 0,5000
2 0,5000 0,8090
3 0,8090 0,5000
4 0,5000 0,8090
5 0,8090 0,5000
6 0,5000 0,8090
7 0,8090 0,5000
0 0.5 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Obr. 2.11: Metoda prost iterace, A = 1 +
5,
2
=
5/(1 +
5)
Pro uritou hodnotu A > 3 vznikne prvn 4-cyklus. Od hodnoty A = A
c
=
3,5700 . . . se objevuj cykly du 2
i
p, p > 1 je lich slo. Pro hodnotu A = 1+
8
vznikne prvn 3-cyklus.
Otzkami cykl se obecn zabval A. N. arkovskij. Uvedeme bez dkazu jeho
znmou vtu (podrobnji viz [20]).
Vta 2.7. (arkovskho vta). Nech g C[a, b], g : [a, b] [a, b]. Na mnoin
pirozench sel denujme uspodn takto:
3 5 7 . . . 2.3 2.5 . . . 2
i
.3 2
i
.5 . . .
. . . 2
j+1
2
j
. . . 8 4 2 1.
Jestlie g m cyklus du m, m n, pak m g cyklus du n.
2.3. Hledn vhodnho tvaru iteran funkce
Zabvejme se nyn volbou vhodn iteran funkce g pro een rovnice f(x) = 0.
Jednou z monost je vhodn vypotat x z rovnice f(x) = 0. Ale tento postup
nen vdy jednoduch. Nkter mon postupy ukazuj nsledujc pklady:
Pklad 2.4.
1. Najdte vhodnou iteran funkci pro nalezen nejvtho kladnho koene
rovnice x
3
+x 1000 = 0.
een. g(x) =
3
1000 x.
2. Pro rovnici x tg x = 0 najdte vhodnou iteran funkci pro uren nejmen-
ho kladnho koene.
een. Nejmen kladn koen le v intervalu [,
3
2
) a vhodn iteran
funkce jsou napklad
(a) g(x) =
1
tg x

1
x
+x,
(b) g(x) = arctg x +.
Pklad 2.5. Pro funkci z pkladu 2.1, tj. f(x) = x
3
x 1, najdte vhodnou
iteran funkci pro koen [1, 2]. Obrzky 2.12 a 2.13 ilustruj chovn iteran
posloupnosti pro rzn volby iteran funkce g. Je zejm, e vhodn iteran funkce
je funkce g(x) = (x + 1)
1
3
.
a) g(x) = (x + 1)
1
3
x
0
= 1
x
1
= 1,259921050
x
2
= 1,312293837
x
3
= 1,322353819
x
4
= 1,324268745
x
5
= 1,324632625
x
6
= 1,324701749
x
7
= 1,324714878
x
8
= 1,324717372
x
9
= 1,324717846
b) g(x) = x
3
1
x
0
= 1,3
x
1
= 1,197
x
2
= 0,715072373
x
3
= 0,634363117
x
4
= 1,255278226
x
5
= 2,977971306
x
6
= 27,40958194
x
7
= 20593,41275
1 0.5 0 0.5 1.5 2 2.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
y=x
x
0
Obr. 2.12: Metoda prost iterace, x = (x + 1)
1
3 , x
0
= 1
Podle vty 2.3 je teba najt takovou funkci g, pro kterou [g
(x)[ q < 1 v okol

bodu .
Lze snadno ovit, e pro iteran funkci g(x) = x
3
1 nejsou splnny pedpo-
klady vty 2.3 a pro iteran funkci g(x) = (x+1)
1
3
jsou tyto pedpoklady splnny
(q = 1/3
3
4).
2.3. Hledn vhodnho tvaru iteran funkce 39
1.5 1 0.5 0 0.5 1 1.5 2
1.5
1
0.5
0
0.5
1
1.5
2
y=x
Obr. 2.13: Metoda prost iterace, x = x
3
1, x
0
= 1,3
Pklad 2.6. Najdte vhodnou iteran funkci pro vpoet hodnoty
3
25.
een. Zvolme funkci g(x) =
5
x
za iteran funkci. Pevnm bodem tto funkce je
bod =
3
25. Ukeme, e funkce g spluje na intervalu I = [2, 6; 3, 5] pedpoklady

vty 2.3.
Je
g
(x) =
5
2
x
3
2
g je klesajc na intervalu I,
a jeliko g(2, 6)
.
= 3, 101, g(3, 5)
.
= 2, 673, zobrazuje g tento interval do sebe.
Dle
g
(x) =
15
4
x
5
2
, g
(x) =
75
8
x
7
2
.
Odtud plyne, e funkce g
je rostouc a konkvn na I. Tedy

max
xI
[g
(x)[ = [g
(2, 6)[
.
= 0, 596
Funkce g tedy spluje pedpoklady vty 2.3 s q
.
= 0, 596 a z vty 2.5 plyne kon-
vergence pro kadou poten aproximaci x
0
I. Zvolme poten aproximaci
x
0
= 3; dal aproximace jsou generovny vztahem x
k+1
= 5/
x
k
:
x
1
.
= 2, 886751, x
2
.
= 2, 942831, x
3
.
= 2, 914656, x
4
.
= 2, 928709, x
5
.
= 2, 921675,
atd.
Odhad relativn chyby pro x
4
je roven
x
5
x
4
x
4
.
= 0, 0024 .
Z uvedench pklad je vidt, e pi hledn een rovnice f(x) = 0 je asto
mon vytvoit iteran funkci g vce zpsoby, piem ne vdy jej vlastnosti
zaruuj konvergenci iteranho procesu. Ve vtin ppad je ale mon volit
iteran funkci ve tvaru
g(x) = x Mf(x),
kde vhodnou volbou konstanty M lze asto zaruit splnn pedpoklad vty 2.3.
Iteran proces m pak tvar
x
k+1
= x
k
Mf(x
k
), M ,= 0.
Geometricky je bod x
k+1
prsek osy x a pmky prochzejc bodem (x
k
, f(x
k
))
se smrnic 1/M.
Pklad 2.7. Najdte vhodnou iteran funkci pro vpoet hodnoty ln 2.
een. eme rovnici e
x
= 2, tj. f(x) = e
x
2 = 0. Dle vme, e x I = [0, 1].
Polome
g(x) = x Mf(x) = x M(e
x
2) .
Nejprve zkoumejme derivaci funkce g:
g
(x) = 1 Me
x
, [g
(x)[ = [1 Me
x
[.
Pokud chceme, aby [g
(x)[ q < 1 na [0, 1], mus platit 0 < Me

x
< 2 pro x I,
tedy 0 < M < 2/e.
Z rovnice g
(x) = 0 dle lehce zjistme, e funkce g me mt lokln extrm jedin

v bod ln(1/M), pokud ale zvolme M < 1/e, le tento bod mimo interval I a g
je na I monotonn. Tedy k tomu, aby se interval I zobrazil do sebe, sta, kdy se
do nj zobraz krajn body:
g(0) = M(1 2) = M [0, 1], g(1) = 1 M(e 2) [0, 1].
Pro M < 1/e oba vztahy plat, take meme zvolit hodnotu M rovnu nap. 1/3.
2.4. Newtonova metoda
Urit vhodnou iteran funkci me bt obtn. Z tohoto dvodu se budeme za-
bvat obecnmi postupy, kter rovnici f(x) = 0 piad za jistch pedpoklad
o funkci f vhodnou iteran funkci. Pedpokldejme, e rovnice f(x) = 0 m jed-
noduch koen , tj. f
() ,= 0. Pak pro funkci

g(x) = x
f(x)
f
(x)
(2.15)
je pevnm bodem ( = g()). Iteran metoda uren touto iteran funkc je
tvaru
x
k+1
= x
k
f(x
k
)
f
(x
k
)
, (2.16)
(za pedpokladu f
(x
k
) ,= 0, k = 0, 1, . . .) a nazv se Newtonova metoda. Tato
metoda m jednoduch geometrick vznam: bod x
k+1
je prsek teny ke grafu
2.4. Newtonova metoda 41
funkce f v bod [x
k
, f(x
k
)] s osou x. Z tohoto dvodu se Newtonova metoda tak
nazv metoda teen.
Vta 2.8. Nech f C
2
[a, b]. Nech [a, b] je koenem rovnice f(x) = 0
a f
() ,= 0. Pak existuje > 0 tak, e posloupnost

_
x
k
_
k=0
generovan New-
tonovou metodou konverguje k bodu pro kadou poten aproximaci x
0
[ , +] [a, b].
Dkaz. Ukeme, e existuje subinterval [ , +] [a, b], na kterm iteran
funkce (2.15) spluje pedpoklady vty 2.5.
Jeliko f
() ,= 0 a f
je spojit na intervalu [a, b], existuje takov

1
> 0, e
pro vechna x [
1
, +
1
] [a, b] je f
(x) ,= 0. Tedy funkce g je denovna

a spojit na intervalu [
1
, +
1
]. Dle
g
(x) = 1
f
2
(x) f(x)f
(x)
f
2
(x)
=
f(x)f
(x)
f
2
(x)
pro x [
1
, +
1
], a protoe f C
2
[a, b], je g C
1
[
1
, +
1
]. Podle
pedpokladu je f() = 0, a tedy
g
() =
f()f
()
f
2
()
= 0. (2.17)
Funkce g C
1
[
1
, +
1
], a tedy z (2.17) plyne, e existuje , 0 < <
1
, tak,
e
[g
(x)[ q < 1
pro vechna x [ , +].
Je teba jet ukzat, e g : [ , +] [ , +], co plyne ihned aplikac
vty o stedn hodnot, nebo pro libovoln bod x [ , +] plat
[g(x) [ = [g(x) g()[ = [g
()(x )[,
a protoe le v intervalu urenm body x a , je [g
()[ q < 1. Odtud

[g(x) [ q[x [ < [x [ , a tedy g(x) [ , +].
Funkce g spluje na intervalu [ , +] pedpoklady vty 2.5 a to znamen,
e posloupnost
_
x
k
_
k=0
generovan Newtonovou metodou konverguje pro kadou
poten aproximaci x
0
[ , +] ke koenu . 2
Dsledek. Newtonova metoda je metoda druhho du pro jednoduch koen .
Dkaz plyne ihned ze vztahu (2.17), nebo = g(), g
() = 0 a g
() ,= 0.
Pklad 2.8. Newtonovou metodou naleznte koen rovnice f(x) = x
3
x 1
lec v intervalu [1, 2].
een. Newtonova metoda je v tomto ppad tvaru
x
k+1
= x
k
(x
k
)
3
x
k
1
3(x
k
)
2
1
.
k x
k
f(x
k
)
0 2 5
1 1,54 1,145755071
2 1,359614916 0,153704934
3 1,325801345 0,004624917
4 1,324719049 0,000004658
5 1,324717957 2, 2204
16
1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
1
0
1
2
3
4
5
6
x
y
x
0
x
1
x
2
Obr. 2.14: Newtonova metoda, x
3
x 1 = 0, x
0
= 2
Za poten aproximaci zvolme x
0
= 2. Metoda je ilustrovna na obr. 2.14.
Jeliko [x
5
x
4
[/x
5
= 8.10
7
a funkn hodnota f(x
5
) 5.10
12
, je x
5
velmi
dobrou aproximac hledanho koene , co je na druh stran vidt pmm po-
rovnnm s hodnotou vypotenou pomoc Cardanovch vzorc (viz p. 2.1).
Pedpoklady uveden ve vt 2.8 znamenaj, e Newtonova metoda bude kon-
vergovat, zvolme-li poten aproximaci x
0
dostaten blzko bodu . V dal
sti tto kapitoly uvedeme metody, kter jsou vhodn pro uren dostaten
blzk poten aproximace. Jak jsme ji vidli, jednou z takovch metod je me-
toda bisekce.
Vta 2.9. Nech jsou splnny pedpoklady pedchoz vty. Pak pro posloupnost
_
x
k
_
k=0
generovanou Newtonovou metodou plat
a)

x
k+1
M
2m
(x
k
)
2
, (2.18)
b)

x
k+1
M
2m
(x
k+1
x
k
)
2
, (2.19)
kde M = max
xI
[f
(x)[, m = min
xI
[f
(x)[ > 0, I = [ , +].

Dkaz.
a) Uijme Taylorova vzorce ve tvaru
0 = f() = f(x
k
) +f
(x
k
)( x
k
) +f
(
k
)
( x
k
)
2
2
,
kde bod
k
le mezi body x
k
, .
Z Newtonovy metody plyne
x
k+1
f
(x
k
) = x
k
f
(x
k
) f(x
k
).
Po dosazen do pedchozho vztahu dostaneme
0 = x
k+1
f
(x
k
) +f
(x
k
) +f
(
k
)
( x
k
)
2
2
a odtud
x
k+1
(
k
)
2[f
(x
k
)[
( x
k
)
2
M
2m
( x
k
)
2
.
b) Pro dkaz vztahu (2.19) pouijeme opt Taylorova vzorce:
f(x
k+1
) = f(x
k
) +f
(x
k
)(x
k+1
x
k
) +
f
(
k
)
2
(x
k+1
x
k
)
2
,
kde
k
le mezi body x
k
a x
k+1
.
Opt z Newtonovy metody plyne, e
f(x
k
) +f
(x
k
)(x
k+1
x
k
) = 0
a tud
f(x
k+1
) =
f
(
k
)
2
(x
k+1
x
k
)
2
.
Nyn pouijeme vty o stedn hodnot ve tvaru (f() = 0)
f(x
k+1
) = f(x
k+1
) f() = f
(
k
)(x
k+1
),
k
le mezi body x
k+1
a . Dosazenm do pedchozho vztahu odtud ihned
plyne
x
k+1
(
k
)
2 [f
(
k
)[
(x
k+1
x
k
)
2
,
a tedy i (2.19).
2
Nsledujc vta ukazuje, e za jistch podmnek lze zajistit monotonn kon-
vergenci posloupnosti generovan Newtonovou metodou. Tyto podmnky se nkdy
nazvaj Fourierovy podmnky.
Vta 2.10. Nech f C
2
[a, b] a nech rovnice f(x) = 0 m v intervalu jedin ko-
en . Nech f
, f
nemn znamnka na intervalu [a, b], piem f
(x) ,= 0, x
[a, b]. Nech poten aproximace x
0
je ten z krajnch bod a, b, v nm znamnko
funkce je stejn jako znamnko f
na intervalu [a, b]. Pak posloupnost

_
x
k
_
k=0
uren Newtonovou metodou konverguje monotonn k bodu .
Dkaz. Vyetme ppad f(a) < 0, f(b) > 0, f
(x) > 0, f
(x) 0, x [a, b].

V ostatnch ppadech je dkaz obdobn.
Newtonova metoda je tvaru
x
k+1
= x
k
f(x
k
)
f
(x
k
)
, k = 0, 1, 2, . . .
Dkaz provedeme indukc. Zvolme podle pedpokladu za poten aproximaci bod
b = x
0
. Je teba ukzat, e x
1
< x
0
.
Jeliko
x
1
= x
0
f(x
0
)
f
(x
0
)
a f(x
0
) > 0, f
(x
0
) > 0, plyne odtud, e x
1
< x
0
.
Dle uijeme Taylorova vzorce:
0 = f() = f(x
0
) +f
(x
0
)( x
0
) +
f
(
0
)
2
( x
0
)
2
,
0
(, x
0
).
Protoe f
(
0
)( x
0
)
2
/2 0, plyne z tohoto vztahu, e
f(x
0
) +f
(x
0
)( x
0
) 0,
nebo souet len v pedchozm vztahu se rovn nule. Odtud ale plyne
x
0
f(x
0
)
f
(x
0
)
= x
1
.
To znamen, e
x
1
< x
0
.
Nyn za pedpokladu, e plat
x
k
< x
k1
< . . . < x
0
se stejnm zpsobem uke, e
x
k+1
< x
k
< . . . < x
0
.
Posloupnost
_
x
k
_
k=0
konverguje monotonn k bodu . 2
V pedchozm pkladu jsme zvolili poten aproximaci v souladu s tmito
podmnkami.
Poznmka 6. Nevhodn volba poten aproximace pro Newtonovu metodu
me vst ke zcela chybnm vsledkm, jak ukazuje nsledujc pklad.
Pklad 2.9. Nech je dno slo a > 0. Je teba vypotat pevrcenou hodnotu
tohoto sla bez pouit dlen. Najdte vhodnou funkci f a pouijte Newtonovu
metodu.
een. Vhodn funkce f je tvaru f(x) = 1/x a.
Newtonova funkce je toti v tomto ppad tvaru
x
k+1
= x
k
1
x
k
a
1
(x
k
)
2
= 2x
k
a(x
k
)
2
= x
k
(2 ax
k
).
Zabvejme se nyn konkrtn lohou a zvolme a = 10. Separujme koen rovnice
f(x) = 1/x 10.
Je zejm
f(0,01) > 0,
f(1) < 0.
Koen le v intervalu [0,01; 1]. Protoe f
(x) = 1/x
2
< 0 pro x [0,01; 1], je
tento koen jedin.
Dle f
(x) = 2/x
3
> 0, x [0,01; 1]. Vhodn poten aproximace je tedy
x
0
= 0,01. Vpoet probh takto:
x
0
= 0,01 x
2
= 0,03439 x
7
= 0,099882
x
1
= 0,019 x
3
= 0,08147
Pro tuto poten aproximaci posloupnost x
k
konverguje monotonn k bodu
= 0,1.
Zvolme nyn poten aproximaci x
0
= 1. Jednotliv iterace jsou:
x
0
= 1 x
2
= 656
x
1
= 8 x
3
= 4304672
Poten aproximace x
0
= 1 je patnou poten aproximac. Doporuujeme
teni, aby sestrojil graf funkce f(x) = 1/x10, pslun teny a jejich prseky
s osou x!
Nsledujc pklad rovn ilustruje zajmav chovn iteran posloupnosti
pro rzn poten aproximace.
Pklad 2.10. eme rovnici arctg x = 0. Je zejm, e koen [a, b], a < 0,
b > 0, nebo arctg a < 0, arctg b > 0. Dle
f
(x) =
1
1 +x
2
, f
(x) =
2x
(1 +x
2
)
2
.
Vme, e koen = 0, ale vyetme tento ppad podrobnji. Prvn derivace je stle
kladn, druh derivace mn znamnko v bod 0. Iteran funkce pro Newtonovu
metodu je tvaru
g(x) = x (1 +x
2
) arctg x
a Newtonova iteran metoda
x
k+1
= x
k
_
1 + (x
k
)
2
_
arctg x
k
.
Zvolme poten aproximaci x
0
= 1,5. Vsledn iterace jsou
k x
k
f(x
k
)
1 1,5 0,982793723
2 1,6940796 1,037546359
3 2,321126961 1,164002042
4 5,114087837 1,377694529
Zejm tato posloupnost nekonverguje ke koenu = 0. Tuto skutenost lze
objasnit takto (viz obr. 2.15):
Je g
(x) = 2xarctg x. Na intervalu [1,5; 1,5] nen splnna podmnka [g
(x)[
q < 1, a tedy nen zaruena konvergence posloupnosti x
k
.
Uvaujme nyn interval [0,75; 0,75]. Funkce g zobrazuje tento interval do sebe
a [g
(x)[ q < 1 na tomto intervalu. Podle vty 2.5 posloupnost uren iteran
metodou bude konvergovat pro kadou poten aproximaci x
0
[0,75; 0,75].
Zvolme tedy x
0
= 0,75. Posloupnost iterac
k x
k
f(x
k
)
1 0,75 0,643501109
2 0,255470482 0,250120688
3 0,010974374 0,010973934
4 8,81125.10
7
8,81125.10
7
konverguje k bodu = 0 (viz obr. 2.16).
2.5. Metoda seen
Vpoet iterac
_
x
k
_
k=0
pomoc Newtonovy metody poaduje na kadm kroku
vpoet f
(x
k
). Nkdy me bt tento vpoet nron a z tohoto dvodu apro-
ximujeme prvn derivaci diferenc
f
(x
k
)
f(x
k
) f(x
k1
)
x
k
x
k1
, k = 1, 2, . . .
2.5. Metoda seen 47
3 2 1 0 1 2 3
1.5
1
0.5
0
0.5
1
1.5
x
y
x
0
x
1
x
2
Obr. 2.15: Newtonova metoda pro f(x) = arctg (x), x
0
= 1,5
1 0.5 0 0.5 1
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
x
y
x
0
x
1
x
2
Obr. 2.16: Newtonova metoda pro f(x) = arctg (x), x
0
= 0,75
Vsledn iteran metoda
x
k+1
= x
k
x
k
x
k1
f(x
k
) f(x
k1
)
f(x
k
), k = 0, 1, . . . (2.20)
se nazv metoda seen. Pat mezi tzv. quasi-Newtonovy metody. Je to me-
toda dvoukrokov, nebo pro vpoet x
k+1
potebujeme dv pedchoz aproxi-
mace x
k
, x
k1
, a tedy i dv poten aproximace. Geometrick vznam metody
(2.20) je zejm z obrzku 2.17. Aproximace x
k+1
je prsek seny veden body
[x
k1
, f(x
k1
)], [x
k
, f(x
k
)] s osou x. Tabulka udv aproximace zskan metodou
seen pro funkci f(x) = x
3
x 1.
k x
k
f(x
k
)
0 2 5
1 1 1
2 1,16 0,57870370
3 1,39560440 0,32263052
4 1,313656 0,04668748
5 1,32401612 0,00299114
6 1,32472525 0,00003110
7 1,32471795 2.10
8
1 1.2 1.4 1.6 1.8 2
1
0
1
2
3
4
5
x
y
x
0
x
1
x
2
x
3
x
4
Obr. 2.17: Metoda seen, f(x) = x
3
x 1, x
0
= 2, x
1
= 1
Je [(x
7
x
6
)/x
7
[ 5.10
6
a [f(x
7
)[ 2.10
8
x
7
je dobrou aproximac
hledanho koene.
Metoda seen je metoda dvoukrokov a k dkazu konvergence nelze tedy pout
vty 2.5. Pojednejme nyn o konvergenci a volb potench aproximac:
2.5. Metoda seen 49
Vta 2.11. Nech rovnice f(x) = 0 m koen a nech derivace f
, f
jsou spojit
v okol bodu , piem f
() ,= 0. Posloupnost uren metodou seen konverguje

ke koenu , pokud zvolme poten aproximace x
0
, x
1
dostaten blzko bodu
a metoda je du (1 +
5)/2 1,618.
Dkaz. Odeteme od prav a lev strany rovnice
x
k+1
= x
k
x
k
x
k1
f(x
k
) f(x
k1
)
f(x
k
)
hodnotu :
x
k+1
= x
k

x
k
x
k1
f(x
k
) f(x
k1
)
f(x
k
).
Dle upravme tento vztah takto:
x
k+1
= x
k

x
k
x
k1
f(x
k
) f(x
k1
)
_
f(x
k
) f()
_
x
k
x
k
=
= (x
k
)
_
_
_
_
1
f(x
k
) f()
x
k
f(x
k
) f(x
k1
)
x
k
x
k1
_
_
_
_
(2.21)
Ozname dle
f[x
k
, ] =
f(x
k
) f()
x
k
, f[x
k
, x
k1
] =
f(x
k
) f(x
k1
)
x
k
x
k1
(2.22)
f[x
k1
, x
k
, ] =
f[x
k
, x
k1
] f[x
k
, ]
x
k1
(2.23)
Vztahy (2.22) a (2.23) se nazvaj pomrn diference 1. resp. 2. du a pojednme
o nich pozdji v kapitole 6. Lze snadno ukzat pomoc vty o stedn hodnot
a Taylorova vzorce (viz t kapitola 6), e
f[x
k
, x
k1
] = f
(
k
),
kde
k
le v intervalu urenm body x
k
, x
k1
,
f[x
k1
, x
k
, ] =
1
2
f
(
k
),
kde
k
le v intervalu urenm body x
k1
, x
k
, . Vztah (2.21) meme nyn pst
ve tvaru
x
k+1
= (x
k
)
_
1
f[x
k
, ]
f[x
k
, x
k1
]
_
=
= (x
k
)
f[x
k
, x
k1
] f[x
k
, ]
f[x
k
, x
k1
]
=
= (x
k
)(x
k1
)
f[x
k1
, x
k
, ]
f[x
k
, x
k1
]

x
k+1
= (x
k
)(x
k1
)
f
(
k
)
2f
(
k
)
. (2.24)
Pedpokldme, e koen je jednoduch. Z toho plyne, e f
(x) ,= 0 v okol bodu

. Existuje tedy slo M a interval J = x [ [x [ tak, e
(
k
)
2f
(
k
)
M,
k
,
k
J.
Polome e
k
= M[x
k
[ a e
0
, e
1
, < min1, M. Pak lze snadno indukc
dokzat, e
e
k+1
e
k
e
k1
, k = 1, 2, . . . , (2.25)
e
k
min1, M. (2.26)
Ukeme nyn opt indukc, e plat
e
k
K
q
k
, k = 0, 1, 2, . . . , (2.27)
kde K = max
_
e
0
,
q
e
1
_
< 1 a q je kladn koen rovnice q
2
= q+1, q = (1+
5)/2.
Je zejm, e pro k = 0, 1 vztah plat. Pedpokldejme nyn, e (2.27) plat pro k
a dokeme, e plat pro k + 1. Ze vztahu (2.25) plyne
e
k+1
e
k
e
k1
K
q
k
K
q
k1
= K
q
k1
(q+1)
= K
q
k+1
,
nebo q + 1 = q
2
. Vztah (2.27) tedy plat pro vechna k. Ze vztahu (2.27) rovn
plyne, e metoda seen konverguje alespo tak jako metoda du q = (1 +
5)/2.
2
Poznmka 7. Jeden krok metody seen poaduje pouze vpoet jedn funkn
hodnoty. Dva kroky metody seen jsou nejve tak drah jako jeden krok metody
Newtonovy. Jeliko
K
q
k+2
=
_
K
q
k
_
q
2
=
_
K
q
k
_
q+1
,
pedstavuj dva kroky metody seen metodu du q
2
= q + 1 2,618. Lze tedy
ci, e metoda seen lokln konverguje rychleji ne metoda Newtonova.
2.6. Metoda regula falsi
Jak jsme vidli, konvergence Newtonovy metody i metody seen zvis na vhodn
volb poten aproximace nebo dvou potench aproximac. Pro zskn po-
tench aproximac lze pout metodu bisekce, ale dal vhodnou metodou je
metoda regula falsi. Popeme nyn tuto metodu.
Pedpokldejme, e f(a)f(b) < 0, f C[a, b]. Metoda bisekce uv stedu
intervalu [a, b], ale lep aproximaci zskme, jestlie najdeme bod c (a, b), ve
kterm pmka veden body [a, f(a)], [b, f(b)] protn osu x. Dal postup apliku-
jeme na ten z interval [a, c], [c, b], v jeho koncovch bodech m funkce f opan
2.6. Metoda regula falsi 51
znamnka. (Me samozejm tak nastat ppad f(c) = 0, a tedy c = je koen.)
Obecn lze tuto metodu, kter se nazv metoda regula falsi, zapsat takto:
x
k+1
= x
k
x
k
x
s
f(x
k
) f(x
s
)
f(x
k
), k = 0, 1, . . . , (2.28)
kde s = s(k) je nejvt index takov, e f(x
k
)f(x
s
) < 0. Pedpokldme, e
poten aproximace x
0
, x
1
jsou vybrny tak, e f(x
0
)f(x
1
) < 0 (tj. nap. x
0
= a,
x
1
= b).
Vta 2.12. Nech f C[a, b], f(a)f(b) < 0 a nech je jedin koen v [a, b].
Pak posloupnost
_
x
k
_
k=0
uren metodou regula falsi konverguje pro libovoln
poten aproximace x
0
, x
1
[a, b], f(x
0
)f(x
1
) < 0, ke koenu (a, b) funkce
f a je to metoda prvnho du.
Dkaz je obecnm ppad znan obshl (viz [5]).
Na tomto mst se budeme zabvat ppadem, kdy f C[a, b] a f
nemn
znamnko na [a, b] a popeme situaci z geometrickho hlediska. Pedpokldejme,
e f [a, b], f(a) < 0, f(b) > 0, f m jedin koen v intervalu [a, b], f
(x) > 0,
f
(x) 0, x [a, b]. Polome a = x

0
, b = x
1
. Z pedpoklad plyne, e pro bod
x
2
= x
1
x
1
x
0
f(x
1
) f(x
0
)
f(x
1
)
plat x
0
< x
2
< x
1
. Funkce f je na intervalu [x
0
, x
1
] konkvn a to znamen, e
sena uren body [x
0
, f(x
0
)], [x
1
, f(x
1
)] le pod grafem funkce y = f(x), a tedy
prsek x
2
tto seny s osou x le napravo od bodu : < x
2
< x
1
. To vak
znamen, e f(x
2
) > 0 a metodu regula falsi aplikujeme na interval [x
0
, x
2
]:
x
3
= x
2
x
2
x
0
f(x
2
) f(x
0
)
f(x
2
)
Indukc plyne obecn vztah
x
k+1
= x
k
x
k
x
0
f(x
k
) f(x
0
)
f(x
k
), f(x
k
)f(x
0
) < 0, k = 1, 2, . . .
To znamen, e bod x
0
je v jistm smyslu pevn. Vechny seny vychzej
z tohoto bodu. Posloupnost x
k
v tomto ppad zejm monotonn konverguje
k bodu x = : x
k
< x
k1
< . . . < x
1
, lim
k
x
k
= .
Obdobn vahy lze provst i v dalch ppadech. Vsledek lze formulovat takto:
Nech f C[a, b], f(a)f(b) < 0, a nech f
nemn znamnko na intervalu

[a, b]. Pak pevn je ten koncov bod intervalu, v nm znamnko funkce je stejn
jako znamnko f
na intervalu [a, b] a posloupnost x

k
konverguje monotonn ke
koenu x = .
Podrobn dkaz lze provst uitm Taylorova vzorce.
k x
k
f(x
k
)
0 1 1
1 2 5
2 1,16 0,57870370
3 1,25311203 0,28536303
4 1,29343740 0,12954209
5 1,31128102 0,05658849
6 1,31898850 0,02430375
7 1,32228272 0,01036185
8 1,32368429 0,00440395
1 1.2 1.4 1.6 1.8 2
1
0
1
2
3
4
5
x
y
x
0
x
1
x
2
x
3
x
4
Obr. 2.18: Metoda regula falsi, f(x) = x
3
x 1, x
0
= 1, x
1
= 2
Metoda regula falsi pro funkci f(x) = x
3
x 1 je ilustrovna na obr. 2.18.
Jeliko f
(x) = 3x
2
1 a f
(x) > 0 pro x [1, 2], je bod b = 2 pevn. Tabulka

udv aproximace zskan metodou regula falsi pro danou funkci.
Uijeme kriteri (2.4), (2.5) pro odhad chyby. Je [(x
8
x
7
)/x
7
[ 0,0014
a f(x
8
) 0,0044. Meme tedy ci, e iterace x
8
aproximuje koen s chybou
men ne 5.10
3
.
2.7. Quasi Newtonova metoda
Hlavn mylenkou tto metody je nahrazen teny pouit v Newtonov metod
senou prochzejc bodem (x
k
, f(x
k
)) a bodem (x
k
+f(x
k
), f(x
k
+f(x
k
))), respek-
tive bodem (x
k
f(x
k
), f(x
k
f(x
k
))). Pitom pokud je bod x
k
blzko hledanho
koene , pak hodnota f(x
k
) je blzk nule a sena prochzejc uvedenmi body je
2.7. Quasi Newtonova metoda 53
blzk ten veden bodem x
k
. Jedn se tedy o metodu blzkou metod Newtonov,
zde m tak pvod nzev tto metody.
Nahrazenm f
(x
k
) ve vztahu pro Newtonovu metodu (2.16) piblinou hod-
notou
f(x
k
) f(x
k
f(x
k
))
x
k
(x
k
f(x
k
))
=
f(x
k
) f(x
k
f(x
k
))
f(x
k
)
dostvme iteran vztah
x
k+1
= x
k
f(x
k
)
f(x
k
)
f(x
k
) f(x
k
f(x
k
))
= x
k
f
2
(x
k
)
f(x
k
) f(x
k
f(x
k
))
(2.29)
a iteran funkce m tedy tvar
g(x) = x
f
2
(x)
f(x) f(x f(x))
. (2.30)
Vta 2.13. Nech f C
1
[a, b], [a, b] nech je eenm rovnice f(x) = 0
a f
() ,= 0. Pak existuje > 0 tak, e posloupnost

_
x
k
_
k=0
generovan quasi
Newtonovou metodou konverguje k bodu pro kadou poten aproximaci x
0
[ , + ] [a, b]. Pokud m funkce f v okol bodu spojitou druhou derivaci,

je d metody alespo 2.
Dkaz. Dkaz provedeme pro (a, b). V ppad, e je jednm z krajnch
bod intervalu, vahy jsou obdobn pi pouit jednostrannch interval.
Nech je takov, e [ , +] [a, b]. Pak existuje
0
, e pro x [
0
, +
0
]
plat [f(x)[ /2. Polome
1
= min
0
, /2. Potom pro x [
1
, +
1
]
dostvme
[ (x f(x))[ [ x[ +[f(x)[ /2 +/2 =
take bod xf(x) le v intervalu [, +] [a, b] a je tedy denovna hodnota
f(x f(x)).
Dle pomoc lHospitalova pravidla spotme limitu
lim
x
f(x)
f(x) f(x f(x))
= lim
x
f
(x)
f
(x) f
(x f(x))(1 f
(x))
=
= lim
x
f
(x)
f
(x) f
(x)(1 f
(x))
= lim
x
f
(x)
f
(x) f
(x) (f
(x))
2
=
1
f
()
,
protoe f(x) 0 pro x .
Odtud dostvme
g() = lim
x
g(x) = f() lim
x
f(x)
f(x) f(x f(x))
=
f()
f
()
= ,
take je pevnm bodem funkce g. Navc
g
() = lim
x
g(x) g()
x
= lim
x
1
x
_
x f(x)
f(x)
f(x) f(x f(x))

_
=
= lim
x
x
x
lim
x
f(x)
x

f(x)
f(x) f(x f(x))
=
= 1 lim
x
f(x) f()
x
lim
x
f(x)
f(x) f(x f(x))
= 1 f
(x)
1
f
(x)
= 0 .
Protoe f m spojitou derivaci v , m v tomto bod spojitou derivaci i funkce g,
a proto existuje > 0 takov, e [ , +] [
1
, +
1
] a pro x [ , +]
je [g(x)[ q < 1. Interval [ , + ] funkce g zobrazuje do sebe, nebo jestlie
x [ , +], pak
[g(x) [ = [g(x) g()[ q[x [ < [x [ .
Podle vty 2.5 konverguje metoda pro libovolnou poten aproximaci x
0
[ , + ]. Pokud m f v okol bodu spojitou druhou derivaci, m zde spo-

jitou druhou derivaci i funkce g, a jeliko plat g
() = 0, podle vty 2.4 je quasi

Newtonova metoda du alespo 2. 2
Pklad 2.11. Pouijeme quasi Newtonovou metodou na stejnou lohu jako v p-
klad 2.8, tj. pro nalezen koene funkce f(x) = x
3
x 1 lec v intervalu [1, 2].
een. Quasi Newtonova metoda (varianta +) dv iteran vztah
x
k+1
= x
k
+
f(x
k
)
2
f(x
k
) f(x
k
+f(x
k
))
.
Je samozejm mon vraz upravit dosazenm dan funkce, vsledn vztah je
ovem pomrn komplikovan. Pi vlastnm vpotu je lep pout nap. substituci
y
k
= f(x
k
) a pak pout vztah
x
k+1
= x
k
+
(y
k
)
2
y
k
f(x
k
+y
k
)
.
Za poten aproximaci zvolme x
0
= 2. V tabulce jsou uvedeny jednotliv apro-
ximace a funkn hodnoty
k x
k
f(x
k
)
0 1,4 0,344000000
1 1,346609850 0,095276011
2 1,326900496 0,009326670
3 1,324741149 0,000098908
4 1,324717960 0,000000011
5 1,324717957 2,220410
16
Vidme, e je poteba pomrn velmi pesnou poten iteraci, aby hodnota x
0
+
f(x
0
) leela v danm intervalu, ale nemusme potat derivace.
Poznmka 8. Dosud probran metody pat mezi nejuvanj metody k een
nelinernch rovnic. Z nich metoda bisekce a regula falsi pat mezi vdy konver-
gentn metody, nebo posloupnost aproximac generovan tmito metodami vdy
2.8. Iteran metody pro nsobn koeny 55
konverguje k hledanmu koenu spojit funkce na danm intervalu. Jejich nev-
hodou je pomal konvergence, lze jich ale s vhodou pout pro nalezen dobr
poten aproximace pro nkterou jinou metodu, kter konverguje rychleji.
2.8. Iteran metody pro nsobn koeny
Doposud jsme pedpokldali, e koen je jednoduchm koenem rovnice f(x) = 0.
D se ukzat, viz nap. [5], [13], e uveden iteran metody konverguj linern,
m-li hledan koen nsobnost M vt ne 1. Ale znme-li nsobnost koene, m-
eme modikovat Newtonovu metodu tak, e konvergence bude opt kvadratick.
Vta 2.14. Nech koen m nsobnost M > 1. Pak modikovan Newtonova
metoda
x
k+1
= x
k
M
f(x
k
)
f
(x
k
)
(2.31)
je metoda druhho du.
Dkaz. Nech
x
k+1
= x
k
M
f(x
k
)
f
(x
k
)
.
Pak
x
k+1
= x
k
+M
f(x
k
)
f
(x
k
)
(2.32)
a odtud
( x
k+1
)f
(x
k
) = (x
k
), (2.33)
(x) = ( x)f
(x) +Mf(x).
Derivovnm dostaneme
(j)
(x) = Mf
(j)
(x) + ( x)f
(j+1)
(x) jf
(j)
(x).
Bod je M-nsobnm koenem funkce f (f
(j)
() = 0, j = 0, 1, . . . , M 1,
f
(M)
() ,= 0) a tedy
(j)
() = 0, j = 0, 1, . . . , M,
(M+1)
() ,= 0.
Aplikac Taylorova vzorce pro funkci odtud plyne
(x) =
(x )
M+1
(M + 1)!

(M+1)
(
1
). (2.34)
Na druh stran (opt z Taylorova vzorce)
f
(x) =
(x )
M1
(M 1)!
f
(M)
(
2
). (2.35)
Dosazenm vztah (2.34) a (2.35) do (2.33) dostaneme
( x
k+1
)
(x
k
)
M1
(M 1)!
f
(M)
(
k
2
) =
(x
k
)
M+1
(M + 1)!

(M+1)
(
k
1
)
a odtud
_
x
k+1
_
=
_
x
k
_
2
M(M + 1)
_
(M+1)
(
k
1
)
_
_
f
(M)
(
k
2
)
_ .
Metoda je tedy du 2, nebo

f
(M)
(x)
m > 0 v okol bodu x = a

(M+1)
()
,= 0. 2
Poznmka 9. Klasick Newtonova metoda konverguje pro nsobn koen line-
rn.
Nsledujc tabulka ukazuje srovnn rychlost konvergence pro jednotliv me-
tody. Zde e
k
=
x
k
.
Metoda Speciln ppady
Posloupnost
chybovch len
Bisekce e
k+1

1
2
e
k
Regula falsi e
k+1
C
R
e
k
Metoda seen nsobn koen e
k+1
C
SN
e
k
Newtonova metoda nsobn koen e
k+1
C
NN
e
k
Metoda seen jednoduch koen e
k+1
C
S
e
1,618
k
Newtonova metoda jednoduch koen e
k+1
C
N
e
2
k
quasi Newtonova
metoda jednoduch koen e
k+1
C
Q
e
2
k
Modikovan
Newtonova metoda nsobn koen e
k+1
C
MN
e
2
k
Poznmka 10. Obvykle nsobnost koene pedem neznme. Vme ale, e funkce
u(x) = f(x)/f
(x) m v bod x = jednoduch koen bez ohledu na nsobnost

koene pvodn funkce. Msto rovnice f(x) = 0 uvaujme tedy rovnici
u(x) = 0,
jej koeny jsou toton s koeny dan rovnice a jsou vechny jednoduch. Nyn
meme aplikovat ve uveden metody na tuto funkci a d konvergence metody
se nezmn.
2.9. Urychlen konvergence 57
2.9. Urychlen konvergence
Nyn vylome techniku nazvanou Aitkenovou
2
-metodou, kter me bt pou-
ita k urychlen konvergence libovoln linern konvergentn posloupnosti nezvisle
na tom, jak je tato posloupnost generovna.
Vta 2.15. (Aitkenova
2
-metoda). Nech je dna posloupnost x
k
k=0
, x
k
,= ,
k = 0, 1, 2, . . ., lim
k
x
k
= , a nech tato posloupnost spluje podmnky
x
k+1
= (C +
k
)(x
k
), k = 0, 1, 2, . . . [C[ < 1, lim
k
k
= 0.
Pak posloupnost
x
k
= x
k
(x
k+1
x
k
)
2
x
k+2
2x
k+1
+x
k
(2.36)
je denovna pro vechna dostaten velk k a plat
lim
k
x
k
x
k
= 0,
tj. posloupnost x
k
konverguje k limit rychleji ne posloupnost x
k
.
Dkaz. Ovme, zda posloupnost x
k
je denovna pro dostaten velk k.
Potejme
x
k+2
2x
k+1
+x
k
= (x
k+2
) 2(x
k+1
) + (x
k
) =
= (x
k+1
)(C +
k+1
) 2(x
k
)(C +
k
) + (x
k
) =
= (x
k
)(C +
k
)(C +
k+1
) 2(x
k
)(C +
k
) + (x
k
) =
= (x
k
)(C
2
2C + 1 +
k
) = (x
k
)
_
(C 1)
2
+
k
_
,
kde lim
k
k
= 0.
Pro dostaten velk k je x
k+2
2x
k+1
+x
k
,= 0 a posloupnost x
k
je deno-
vna.
Nyn
x
k
= x
k

(x
k+1
x
k
)
2
x
k+2
2x
k+1
+x
k
= (x
k
)
_
x
k+1
(x
k
)
_
2
(x
k
) ((C 1)
2
+
k
)
=
= (x
k
)
(x
k
)
2
(C 1 +
k
)
2
(x
k
) ((C 1)
2
+
k
)
= (x
k
)
_
1
(C 1 +
k
)
2
(C 1)
2
+
k
_
a odtud
lim
k
x
k
x
k
= lim
k
_
1
(C 1 +
k
)
2
(C 1)
2
+
k
_
= 0.
2
Poznmka 11. Vraz ve jmenovateli x
k+2
2x
k+1
+ x
k
se nazv nkdy druh
centrln diference a oznauje se
2
x
k
. Odtud nzev Aitkenova
2
-metoda.
Uveden metoda m zajmav geometrick vznam. Denujme funkci chyby
takto:
(x
k
) = x
k
x
k+1
, (x
k+1
) = x
k+1
x
k+2
Chceme sestrojit takovou posloupnost, kter by konvergovala rychleji k bodu .
Body o souadnicch
_
x
k
, (x
k
)
,
_
x
k+1
, (x
k+1
)
vedeme pmku a jej prsek

s osou x vezmeme za dal aproximaci bodu , tj. provedeme extrapolaci (viz
obr. 2.19).
0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
0.05
0
0.05
0.1
0.15
0.2
0.25
x
2
x
3
x
4
x
5
x^
2
Obr. 2.19: Aitkenova metoda, x
n
= 1/(2
n
1)
Rovnice pmky je tvaru
y (x
k
) =
(x
k
) (x
k+1
)
x
k
x
k+1
(x x
k
)
Odtud je zejm, e prsek s osou x (y = 0) je prv hodnota x
k
x
k
= x
k
(x
k
)(x
k
x
k+1
)
(x
k
) (x
k+1
)
= x
k
(x
k+1
x
k
)
2
x
k+2
2x
k+1
+x
k
.
2.10. Steensenova metoda
Vrame se nyn k iteran metod x
k+1
= g(x
k
). Meme ut Aitkenovy
2
-
metody ke konstrukci posloupnosti x
k
, kter konverguje rychleji ne pvodn
posloupnost x
k
. Je vhodn sestrojit novou posloupnost takto:
Polome
y
k
= g(x
k
), z
k
= g(y
k
),
2.10. Steensenova metoda 59
x
k+1
= x
k
(y
k
x
k
)
2
z
k
2y
k
+x
k
. (2.37)
V tomto ppad je tedy (x
k
) = x
k
y
k
, (y
k
) = y
k
z
k
.
Posloupnost (2.37) je posloupnost sestrojen Aitkenovou
2
-metodou. Tato ite-
ran metoda se nazv Steensenova a me bt popsna iteran funkc :
x
k+1
= (x
k
), (2.38)
kde
(x) =
xg(g(x)) g
2
(x)
g(g(x)) 2g(x) +x
, g
2
(x) = (g(x))
2
. (2.39)
Snadno lze ovit, e iteran proces (2.38) generuje posloupnost danou vztahem
(2.37). Potejme hodnotu (x
k
):
(x
k
) =
x
k
g(g(x
k
)) g
2
(x
k
)
g(g(x
k
)) 2g(x
k
) +x
k
=
x
k
g(y
k
) (y
k
)
2
g(y
k
) 2y
k
+x
k
=
=
x
k
z
k
(y
k
)
2
z
k
2y
k
+x
k
=
x
k
(z
k
2y
k
+x
k
) (y
k
x
k
)
2
z
k
2y
k
+x
k
= x
k
(y
k
x
k
)
2
z
k
2y
k
+x
k
Pro pevn body funkc , g plat nsledujc vta.
Vta 2.16.
1. () = implikuje g() = .
2. Jestlie g() = , g
() existuje a g
() ,= 1, pak () = .
Dkaz.
1. Z denice funkce dan vztahem (2.39) plyne
( ())(g(g()) 2g() +) = ( g())
2
.
Tedy () = implikuje g() = .
2. Pedpokldejme nyn, e = g(), g je diferencovateln pro x = a g
() ,= 1.
Pro vpoet hodnoty () pouijeme lHospitalova pravidla:
() =
g(g()) +g
(g())g
() 2g()g
()
g
(g())g
() 2g
() + 1
=
+g
2
() 2g
()
1 +g
2
() 2g
()
=
2
Vta 2.17. Nech funkce g m spojit derivace a do du p + 1 vetn v okol
bodu x = . Nech iteran metoda x
k+1
= g(x
k
) je du p pro bod .
Pak pro p > 1 je iteran metoda x
k+1
= (x
k
) du 2p 1. Pro p = 1 je tato
metoda du alespo 2 za pedpokladu g
() ,= 1.
Dkaz lze nalzt v [5].
Poznamenejme, e funkce je iteran funkc pro metodu druhho du, tj.
metoda je lokln kvadraticky konvergentn i v ppad, e [g
()[ > 1 a metoda

x
k+1
= g(x
k
) diverguje jako posloupnost.
Pklad 2.12. Iteran funkce g(x) = x
2
m dv pevn body
1
= 0,
2
= 1.
0.2 0 0.2 0.4 0.6 0.8 1 1.2
0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
Je g
(x) = 2x, g
(x) = 2, g
(
1
) = 0, g
(
2
) = 2.
1
je pitahujcm pevnm
bodem, a protoe g
(
1
) = 0, je pro tento bod metoda du druhho. o znamen,
e pro kadou poten iteraci x
0
[1/4, 1/4] bude posloupnost x
k+1
= (x
k
)
2
konvergovat kvadraticky k bodu
1
= 0. Bod
2
je odpuzujcm pevnm bodem
a posloupnost x
k+1
= (x
k
)
2
nekonverguje k bodu
2
(pro [x
0
[ < 1 posloupnost
konverguje k bodu
1
, pro [x
0
[ > 1 diverguje). Protoe g
(
i
) ,= 1, i = 1, 2,
meme sestrojit iteran funkci pro Steensenovu metodu a tato iteran funkce
bude mt stejn pevn body jako funkce g.
Je
(x) =
xg(g(x)) g
2
(x)
g(g(x)) 2g(x) +x
=
x
5
x
4
x
4
2x
2
+x
=
=
x
4
(x 1)
x(x 1)(x
2
+x 1)
=
x
3
x
2
+x 1
=
x
3
(x
1
)(x
2
)
,
kde
1,2
= (1
5)/2.
Tato iteran funkce je vhodn pro oba pevn body
1
,
2
a plat
(
1
) = 0,
(
1
) = 0 metoda je du 3 pro bod
1
= 0,
(
2
) = 0,
(
2
) ,= 0 metoda je du 2 pro bod
2
= 1.
0.2 0 0.2 0.4 0.6 0.8 1 1.2
2
1.5
1
0.5
0
0.5
1
1.5
2
Graf funkce .
2.10. Steensenova metoda 61
Jednotliv iterace pro
1
: x
0
=
1
4
, x
1
=
1
44
, x
2
=
1
87076
.
= 0, 00001484.
Jednotliv iterace pro
2
: x
0
= 2, x
1
= 1, 6, x
2
.
= 1, 2962, x
3
.
= 1, 1019.
Pklad 2.13. Aplikujme Steensenovu metodu na iteran funkci g(x) = sin

2
x+
2, jej pevn bod = 2. Metoda je znzornna na obr. 2.20.
k x
k
y
k
z
k
0 0,50000000000000 2,70710678118655 1,10398106407319
1 1,77848375282432 2,34097786767556 1,48963705888740
2 2,00227199284588 1,99643116955900 2,00560587638570
3 1,99999999735784 2,00000000415030 1,99999999348073
4 2,00000000000000 2,00000000000000 2,00000000000000
0 0.5 1 1.5 2 2.5 3
0
0.5
1
1.5
2
2.5
3
y=x
x
y
x
0
y
0
z
0
x
1
y
1
z
1
x
2
Obr. 2.20: Steensenova metoda (pro iteran metodu), x = sin(
2
x) + 2
Poznmka 12. Hledme-li een rovnice f(x) = 0 a iteran funkci g denujeme
vztahem g(x) = x +f(x) nebo g(x) = x f(x), dostaneme pomoc Steensenovy
metody
y
k
= g(x
k
) = x
k
f(x
k
), z
k
= g(y
k
) = y
k
f(y
k
) = x
k
f(x
k
) f(x
k
f(x
k
)),
x
k+1
= x
k
(y
k
x
k
)
2
z
k
2y
k
+x
k
=
= x
k
(x
k
f(x
k
) x
k
)
2
x
k
f(x
k
) f(x
k
f(x
k
)) 2x
k
2f(x
k
) +x
k
=
= x
k
f
2
(x
k
)
f(x
k
f(x
k
)) f(x
k
)
=
= x
k
f
2
(x
k
)
[f(x
k
) f(x
k
f(x
k
))]
=
= x
k
f
2
(x
k
)
f(x
k
) f(x
k
f(x
k
))
.
V tomto ppad se tedy jedn o quasi Newtonovu metodu (viz odstavec 2.7).
2.11. Mllerova metoda
Na zvr tto kapitoly se zmnme jet o Mllerov metod. Tato metoda byla
navrena v roce 1956 D. M. Mllerem. Je vhodn pro hledn koen libovoln
funkce, ale pedevm je uiten zejmna pro uren koen polynomu.
Mllerova metoda je zobecnnm metody seen. Metoda seen v podstat zna-
men, e pro dan aproximace x
k
, x
k1
bodu aproximujeme funkci f pmkou
prochzejc body
_
x
k1
, f(x
k1
)
,
_
x
k
, f(x
k
)
a za dal aproximaci bodu vez-

meme prsek tto pmky s osou x. Mllerova metoda uv ti aproximace x
k2
,
x
k1
, x
k
a kivku y = f(x) aproximujeme parabolou urenou tmito body. Pr-
sek tto paraboly s osou x, kter je nejbli k x
k
, vezmeme za dal aproximaci
x
k+1
. Touto metodou lze najt i nsobn a komplexn koeny. Lze ji popsat nsle-
dujcm zpsobem.
Nech x
k2
, x
k1
, x
k
jsou ji vypoten aproximace. Sestrojme polynom
P(x) = a(x x
k
)
2
+b(x x
k
) +c
prochzejc body
_
x
k2
, f(x
k2
)
,
_
x
k1
, f(x
k1
)
,
_
x
k
, f(x
k
)
, t.j. splujc pod-

mnky P(x
i
) = f(x
i
), i = k 2, k 1, k. Z nich plyne
c = f(x
k
)
b =
(x
k2
x
k
)
2
_
f(x
k1
) f(x
k
)
(x
k1
x
k
)
2
_
f(x
k2
) f(x
k
)
(x
k2
x
k
)(x
k1
x
k
)(x
k2
x
k1
)
a =
(x
k2
x
k
)
_
f(x
k1
) f(x
k
)
(x
k1
x
k
)
_
f(x
k2
) f(x
k
)
(x
k2
x
k
)(x
k1
x
k
)(x
k1
x
k2
)
Koeny kvadratick rovnice P(x) = 0 je vhodn vyjdit (vzhledem k zaokrouhlo-
vacm chybm) ve tvaru
x
k+1
x
k
=
2c
b
b
2
4ac
.
Znamnko u odmocniny vybereme tak, aby bylo shodn se znamnkem b. Tato
volba znamen, e jmenovatel zlomku bude v absolutn hodnot nejvt a tedy
vsledn hodnota x
k+1
bude nejbli x
k
. Je tedy
x
k+1
= x
k
2c
b + (signb)
b
2
4ac
.
2.12. Iteran metody pro systmy nelinernch rovnic 63
Dal postup opakujeme s aproximacemi x
k1
, x
k
, x
k+1
atd. Pi een kvadra-
tick rovnice musme uvat komplexn aritmetiky, nebo vraz b
2
4ac me bt
zporn.
Pklad 2.14. Aplikujme Mllerovu metodu na een rovnice x
3
x 1 = 0.
Vpoet je uveden v tabulce a gracky zobrazen na obr. 2.21. Funkce f(x) =
x
3
x 1 m jedin reln koen a proto lze v tomto ppad vzt za poten
aproximace x
0
, x
1
, x
2
(z dvodu vhodnjho grackho vyjden) body x
0
= 1,
x
1
= 0, x
2
= 2.
k x
k
f(x
k
)
0 1,00000000 1,00000000
1 0,00000000 1,00000000
2 2,00000000 5,00000000
3 0,61803399 1,38196601
4 1,17827569 0,54243597
5 1,30978731 0,06279113
6 1,32509032 0,00158855
7 1,32471777 0,00000081
1.5 1 0.5 0 0.5 1 1.5 2 2.5
1
0
1
2
3
4
5
x
y
x
0
x
1
x
2
x
3
x
4
Obr. 2.21: Mllerova metoda, f(x) = x
3
x 1
Lze ukzat [5], e Mllerova metoda je du alespo q = 1,84 . . ., kde q je
nejvt koen rovnice q
3
q
2
q 1 = 0.
2.12. Iteran metody pro systmy nelinernch rovnic
Zabvejme se nyn eenm systmu nelinernch rovnic. Je dno m nelinernch
rovnic o m neznmch
f
1
(x
1
, . . . , x
m
) = 0
.
.
.
f
m
(x
1
, . . . , x
m
) = 0
(2.40)
Koenem systmu (2.40) rozumme kadou uspodanou m-tici relnch sel
(
1
, . . . ,
m
), kter tomuto systmu vyhovuje. Systm (2.40) lze tak zapsat ve
vektorovm tvaru
F(x) = o, x R
m
, o = (0, . . . , 0)
T
R
m
. (2.41)
Koen tto rovnice budeme nyn znait = (
1
, . . . ,
m
)
T
. Dle budeme postupovat
obdobn jako pi een jedn rovnice, tzn. rovnici (2.41) pevedeme na rovnici
ekvivalentn
x = G(x), x R
m
(2.42)
a budeme hledat pevn bod zobrazen G : R
m
R
m
. Systm (2.42) lze samo-
zejm rozepsat takto:
x
1
= g
1
(x
1
, . . . , x
m
)
.
.
.
x
m
= g
m
(x
1
, . . . , x
m
)
(2.43)
Denujme nyn v prostoru R
m
metriku vztahem
(x, y) = max
1i m
[x
i
y
i
[. (2.44)
Prostor R
m
s takto denovanou metrikou je plnm metrickm prostorem. Nyn
lze pro vyetovn konvergence iteranho procesu x
k+1
= G(x
k
), k = 0, 1, 2, . . .
ut Banachovy vty o pevnm bod.
Vta 2.18. Nech zobrazen G : R
m
R
m
je kontrakce na R
m
,
(G(x), G(y)) q(x, y), 0 q < 1.
Pak pro kadou poten aproximaci x
0
R
m
je posloupnost
_
x
k
_
k=0
, k =
0, 1, 2, . . ., x
k
= G(x
k1
), konvergentn v R
m
a lim
k
x
k
= , kde je jedin
pevn bod zobrazen G.
Dkaz plyne ihned aplikac Banachovy vty o pevnm bod.
Uitenj vsledek zskme, budeme-li pedpokldat existenci koene . Do-
keme tuto vtu:
Vta 2.19. Nech R
m
je pevn bod rovnice x = G(x). Nech funkce
g
i
, i = 1, . . . , m, maj spojit parciln derivace pro vechna x (, r), (, r) =
x[(x, ) r. Nech dle plat
g
i
(x)
x
j
q
m
, i, j = 1, . . . , m, (2.45)
2.12. Iteran metody pro systmy nelinernch rovnic 65
0 q < 1 a nech x
0
(, r). Pak vechny iterace
_
x
k
_
k=0
uren vztahem
x
k+1
= G(x
k
) le v mnoin (, r) a lim
k
x
k
= .
Dkaz. Mnoina (, r) je uzavenou omezenou podmnoinou plnho metric-
kho prostoru R
m
a je tedy rovn plnm metrickm prostorem. Nyn je teba
ovit, zda jsou na mnoin (, r) splnny pedpoklady Banachovy vty.
Pro libovoln dva body x, y (, r) plat podle Taylorovy vty pro funkce
vce promnnch:
g
i
(x) g
i
(y) =
m
j=1
g
i
(
i
)
x
j
(x
j
y
j
), i = 1, . . . , m,
kde
i
(, r), nebo
i
le na sece spojujc body x a y a mnoina (, r)
je konvexn.
Pomoc vztahu (2.45) odhadneme nyn absolutn hodnotu rozdlu g
i
(x)g
i
(y):
[g
i
(x) g
i
(y)[
m
j=1
g
i
(
i
)
x
j
[x
j
y
j
[
max
1jm
[x
j
y
j
[
m
j=1
g
i
(
i
)
x
j
q(x, y), i = 1, . . . , m.
Jeliko tato nerovnost plat pro vechna i = 1, . . . , m, je tak
max
1i m
[g
i
(x) g
i
(y)[ = (G(x), G(y)) q(x, y).
Zobrazen G je tedy kontrakce na (, r).
Nech nyn x (, r), pak tak G(x) (, r), nebo
(G(x), ) = (G(x), G()) q(x, ) < r.
Odtud plyne, e pro zobrazen G plat G : (, r) (, r). Tedy zobrazen
G spluje na plnm metrickm prostoru (, r) pedpoklady vty 2.18 a odtud
plyne tvrzen vty. 2
Poznmka 13. Je zejm, e pedpoklad (2.45) lze nahradit pedpokladem
max
1i m
m
j=1
g
i
(x)
x
j
q < 1. (2.46)
Pklad 2.15. ete systm nelinernch rovnic
x
2
1
2x
1
x
2
+ 0, 5 = 0
x
2
1
+ 4x
2
2
4 = 0
een: Prvn rovnici lze upravit nsledujcm zpsobem:
x
2
1
2x
1
x
2
+ 0, 5 = 0
x
2
= x
2
1
2x
1
+ 0, 5
x
2
= (x
1
1)
2
0, 5 ,
jedn se tedy o rovnici paraboly. Druh rovnice je rovnice elipsy
x
2
1
4
+x
2
2
= 1 .
Hledme tedy prseky paraboly s elipsou. Prsek
1
le ve druhm kvadranru,
prsek
2
v prvnm kvadrantu (viz obrzek 2.22). Budeme hledat aproximaci
prseku
1
. Rovnice pevedeme na tvar
2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 2.5
1.5
1
0.5
0
0.5
1
1.5
x
0
2
Obr. 2.22: Prseky elipsy
x
2
1
4
+x
2
2
= 1 s parabolou x
2
= (x
1
1)
2
0, 5
x
1
= g
1
(x
1
, x
2
) =
x
2
1
x
2
+ 0, 5
2
x
2
= g
2
(x
1
, x
2
) =
x
2
1
4x
2
2
+ 8x
2
+ 4
8
Ve druh rovnici byl na kadou stranu pidn len 8x
2
a rovnice pak vydlena
8. Jedn se o ponkud uml krok, kter ovem zajist dostaten podmnky pro
konvergenci.
Jako poten iteraci zvolme bod (x
0
1
, x
0
2
) = (0; 1), kter le blzko
1
.V okol
hledanho prseku jsou zejm splnny podmnky (2.45). Postupn dostaneme
x
1
1
= g
1
(x
0
1
, x
0
2
) = 0, 25, x
1
2
= g
2
(x
0
1
, x
0
2
) = 1
x
2
1
= g
1
(x
1
1
, x
1
2
) = 0, 21875, x
2
2
= g
2
(x
1
1
, x
1
2
) = 0, 9921875
.
.
.
x
8
1
= g
1
(x
7
1
, x
7
2
)
.
= 0, 2222145, x
8
2
= g
2
(x
7
1
, x
7
2
)
.
= 0, 9938084
x
9
1
= g
1
(x
8
1
, x
8
2
)
.
= 0, 2222146, x
9
2
= g
2
(x
8
1
, x
8
2
)
.
= 0, 9938084
2.13. Newtonova metoda pro systmy nelinernch rovnic 67
Pokud bychom chtli najt druh prsek, museli bychom zmnit iteran funkce,
abychom zajistili konvergenci. Mon volba je nap.
x
1
= g
1
(x
1
, x
2
) =
x
2
1
+ 4x
1
+x
2
0, 5
2
x
2
= g
2
(x
1
, x
2
) =
x
2
1
4x
2
2
+ 11x
2
+ 4
11
.
Navrhneme nyn modikaci iteran metody x
k+1
= G(x
k
). Tato modikace
spov v tom, e pro vpoet x
k+1
i
pouijeme ji vypotench hodnot x
k+1
1
, . . . ,
x
k+1
i1
, tj.
x
k+1
1
= g
1
(x
k
1
, x
k
2
, . . . , x
k
m
)
x
k+1
2
= g
2
(x
k+1
1
, x
k
2
, . . . , x
k
m
)
x
k+1
3
= g
3
(x
k+1
1
, x
k+1
2
, . . . , x
k
m
)
.
.
.
x
k+1
m
= g
m
(x
k+1
1
, . . . , x
k+1
m1
, x
k
m
).
Tato modikace se nazv Seidelova metoda.
Otzkami konvergence tto metody se zabv monograe [17].
2.13. Newtonova metoda pro systmy nelinernch rovnic
Rovnici F(x) = o lze pevst na rovnici x = G(x) rznmi zpsoby. Pojednme
podrobnji o tvaru Newtonovy metody pro systmy nelinernch rovnic.
Polome
G(x) = x J
1
F
(x)F(x),
kde
J
F
(x) =
_
_
_
_
_
_
f
1
(x)
x
1

f
1
(x)
x
m
.
.
.
.
.
.
.
.
.
f
m
(x)
x
1

f
m
(x)
x
m
_
_
_
_
_
_
Matici J
F
(x) nazvme Jacobiovou matic funkce F. Nech J
F
(x) je regulrn
matice se spojitmi prvky v okol bodu . Iteran metodu
x
k+1
= x
k
J
1
F
(x
k
)F(x
k
), k = 0, 1, 2, . . . (2.47)
nazvme Newtonovou iteran metodou pro systm F(x) = o.
Otzky konvergence a volby poten aproximace pro metodu (2.47) jsou mno-
hem komplikovanj ne v ppad jedn rovnice. Tato problematika je podrobn
studovna v [5] nebo v [17]. Zde uvedeme bez dkazu jednu ze zkladnch vt.
Vta 2.20. Nech je koenem rovnice F(x) = o. Nech J
F
(x) je regulrn
matice se spojitmi prvky v okol O() bodu , piem
_
_
J
1
F
(x)
_
_
K, K = konst.,
pro vechna x z tohoto okol. Nech funkce f
i
, i = 1, . . . , m, maj spojit druh
parciln derivace v O().
Posloupnost
_
x
k
_
k=0
uren Newtonovou metodou konverguje ke koenu za
pedpokladu, e poten aproximace x
0
le dostaten blzko . d metody je
roven dvma.
Dkaz viz [2], [5].
Tato vta pedpokld existenci dobr poten aproximace. Ovem pro
systm nelinernch rovnic nen snadn urit dobrou poten aproximaci. Pro
systmF(x) = o neexistuj jednoduch, vdy konvergentn metody, kter by umo-
nily vhodnou volbu poten aproximace. Lze sice formulovat podmnky pro po-
ten aproximaci, pro kterou bude iteran proces konvergovat, ale oven tchto
podmnek je znan nron a pro praktick vpoty nepouiteln.
V ppad dvou rovnic lze v nkterch ppadech urit poten aproximaci
geometricky.
Poznmka 14. Problm een systmu nelinernch rovnic lze pevst na problm
minimalizace funkce vce promnnch, viz nap. [5], [17].
Vrame se nyn ke vztahu (2.47). Zde je teba na kadm kroku vypotat
inverzn matici J
1
F
(x). Tento vztah vak meme zapsat i takto:
J
F
(x
k
)(x
k+1
x
k
) = F(x
k
). (2.48)
Polome-li nyn
k
= x
k+1
x
k
, tj. x
k+1
= x
k
+
k
, k = 0, 1, 2, . . ., dostaneme
J
F
(x
k
)
k
= F(x
k
);
k
= (
k
1
, . . . ,
k
m
)
T
. (2.49)
(2.49) je nyn systm linernch rovnic pro neznm
k
1
, . . . ,
k
m
. een tohoto
systmu, vektor
k
je vektor oprav pro aproximaci x
k
.
Pklad 2.16. Pouijte Newtonovu metodu k nalezen prseku
2
paraboly
a elipsy z pkladu 2.15
een: Polome
F(x
1
, x
2
) =
_
x
2
1
2x
1
x
2
+ 0, 5
x
2
1
+ 4x
2
2
4
_
, pak J
F
(x
1
, x
2
) =
_
2x
1
2 1
2x
1
8x
2
_
.
Zvolme poten aproximaci (x
0
1
, x
0
2
) = (2; 0, 25), take
F(2; 0, 25) =
_
0, 25
0, 25
_
, J
F
(2; 0, 25) =
_
2, 0 1, 0
4, 0 2, 0
_
.
eme tedy systm
_
2, 0 1, 0
4, 0 2, 0
__

1
2
_
=
_
0, 25
0, 25
_
een je
1
= 0.09375,
2
= 0.0625, tj.
x
1
=
_
2, 0 0.09375
0, 25 + 0.0625
_
=
_
1.90625
0, 3125
_
.
Dalm postupem dostaneme
x
2
.
=
_
1.900691
0.311213
_
, x
3
.
=
_
1.900677
0.311219
_
, x
4
.
=
_
1.900677
0.311219
_
.
Poznmka 15. Jako kritrium pro dosaen dostaten mal chyby aproximace
a zastaven vpotu meme pout nap. odhad
x
k+1
x
k
x
k
, kde je pedem
dan pesnost vpotu.
Cvien ke kapitole 2
1. Funkce f(x) = x
3
+ 4x
2
10 m jedin koen v intervalu [1; 1,5]. Uvaujte
tyto iteran funkce pro nalezen koene ( 1,365230013):
g
1
(x) = x x
3
4x
2
+ 10 g
4
(x) =
_
10
4 +x
_1
2
g
2
(x) =
_
10
x
4x
_1
2
g
5
(x) = x
x
3
+ 4x
2
10
3x
2
+ 8x
g
3
(x) =
1
2
(10 x
3
)
1
2
Nech poten aproximace x
0
= 1,5. Ukate, e funkce g
3
, g
4
, g
5
jsou
vhodn iteran funkce (tj. posloupnost iterac konverguje ke koenu ). Dle
ukate, e volba funkce g
1
vede na divergentn posloupnost a posloupnost
x
k
, x
k
= g
2
(x
k1
), x
0
= 1,5, nen denovna (v oboru relnch sel).
2. Ukate, e funkce g(x) = 2
x
m jedin pevn bod v intervalu [
1
3
; 1]. Najdte
tento pevn bod s chybou men ne 10
4
. Kolik iterac je teba k dosaen
tto pesnosti?
(een: x
0
= 1, x
12
= 0,6412053. Podle dsledku vty 2.5 je teba 15 iterac.)
3. Je dna rovnice 3x
2
e
x
= 0. Urete interval, ve kterm le kladn koen
tto rovnice. Najdte vhodnou iteran funkci g, pro kterou iteran metoda
x
k+1
= g(x
k
) bude konvergovat k tomuto kladnmu koenu.
3
x1 = 0. Urete interval, ve kterm le kladn koen
tto rovnice. Najdte vhodnou iteran funkci g, pro kterou iteran metoda
x
k+1
= g(x
k
) bude konvergovat k tomuto kladnmu koenu.
5. Je dna rovnice x = g(x), g(x) = (6 + x)
1/2
. Pevn bod je = (3, 3).
Znzornte geometricky pslun iteran proces x
k+1
= g(x
k
), x
0
= 7.
Bude tento iteran proces konvergovat?
6. Ukate, e iteran funkce
g(x) =
1
2
_
x +
2
x
_
spluje podmnky pro vpoet

2. Jak tvar m funkce g pro vpoet

a,
a > 0?
7. Uitm Newtonovy metody vypotte

13. Zvolte vhodnou funkci a po-
ten aproximaci.
8. Newtonovou metodou naleznte koen funkce f(x) = x cos x.
(een: x
0
=

4
, x
3
= 0,7390851332.)
9. Uitm Newtonovy metody s poten aproximac x
0
= 10 vypotte

91.
(een: x
k+1
= (x
k
+ 91/x
k
)/2, x
3
= 9,539392015.)
10. Na parabole y = x
2
najdte uitm Newtonovy metody bod nejbli bodu
(1, 3).
Nvod:
1. Urete druhou mocninu vzdlenosti d
2
(x) bodu X = (x, x
2
) lecho na
parabole a bodu (1, 3).
2. ete rovnici (d
2
(x))
= f(x) = 0. Za poten aproximaci zvolte x

0
=
1, 0.
(x
4
.
= 1, 28962390)
11. Uijte a) Newtonovy metody, b) metody seen, c) metody regula falsi k na-
lezen koen funkc
1) x
3
2x
2
5 = 0, [1, 4],
2) x 0,8 0,2 sinx = 0, [0,

2
],
3) 3x
2
e
x
= 0, [0, 2].
12. Je dna rovnice
4x7
x2
= 0.
(a) Jak jsou vhodn poten aproximace pro metodu regula falsi?
(b) Je x
0
= 3 vhodn poten aproximace pro pouit Newtonovy me-
tody?
13. Metodou regula falsi najdte kladn koen rovnice x
2
7 = 0.
14. ete rovnici x = 2
x
pro koen v intervalu [0, 1] Steensenovou metodou a
porovnejte s vsledkem cvien 2.
15. Vypotte

3 s poten aproximac x
0
= 2 Steensenovou metodou a
porovnejte vsledky s pouitm metody Newtonovy, metody seen a metody
regula falsi.
16. Uijte Mllerovy metody k nalezen koen rovnice x
3
+ 3x
2
1 = 0.
(een: 0,532089, 0,652703, 2,87938.)
17. Je dn systm nelinernch rovnic
x
2
1
x
2
0,2 = 0,
x
2
2
x
1
0,3 = 0.
Uitm Newtonovy metody naleznte koen lec v 1. kvadrantu. Poten
aproximaci urete gracky.
(x
0
= (1,2; 1,2)
T
, x
2
= (1,192309; 1,221601)
T
.)
18. Uvaujme systm nelinernch rovnic
x
1
=
2x
1
x
2
1
+x
2
2
(parabola),
x
2
=
2x
1
x
2
1
+ 8
9
+
4x
2
x
2
2
4
(elipsa).
Zvolte x
0
= (1,4; 2,0)
T
a vypotte 2 iterace
a) iteran metodou x
k
= G(x
k1
),
b) Seidelovou metodou.
Vsledky porovnejte s pesnm eenm = (1,4076401; 1,9814506)
T
.
19. Je dna funkce soustava nelinernch rovnic
x
1
=
7x
3
1
x
2
1
10
g
1
(x
1
, x
2
)
x
2
=
8x
3
2
+x
1
1
11
g
2
(x
1
, x
2
)
Tato soustava m 9 pevnch bod.
Ovte, e v okol bodu (0,0) spluje tato soustava podmnku pro konvergenci
iteranho procesu
x
k+1
1
= g
1
(x
k
1
, x
k
2
)
x
k+1
2
= g
2
(x
k
1
, x
k
2
)
.
Bude tato podmnka splnna v okol bodu (1,1)?
1. Je mon pout prostou iteran metodu v ppad, e funkce g zobrazuje
interval I = [a, b] do sebe a plat [g
(x)[ 1, piem rovnost nastv pouze

v nkterm z krajnch bod intervalu I? Pro?
2. Je dna funkce f(x) = cos x.
Newtonovou metodou chceme najt koen =
3
2
. Meme pout poten
aproximaci x
0
= 3? Pro?
Meme pout poten aproximaci x
0
= 5? Pro?
3. Je dna funkce f(x) = (x 3)
1/2
.
Meme ut Newtonovu metodu pro nalezen koene s poten aproximac
x
0
= 4? Pro?
4. Co se stane, kdy pouijeme Mllerovu metodu pro nalezen koene poly-
nomu 2. stupn?
5. Co se stane pi pouit Newtonovy metody pro systm nelinernch rovnic
na een soustavy rovnic linernch?
6. Aplikujte Aitkenovou
2
-metodou na posloupnost stench sout geome-
trick ady. Co nastane a pro?
Kapitola 3
Polynomy
Nech
n
je tda polynom stupn nejve n s relnmi koecienty. Polynom
P
n
budeme zapisovat ve tvaru
P(x) = a
0
x
n
+. . . +a
n
. (3.1)
Ozname
1
,
2
, . . . ,
n
koeny (reln i komplexn) polynomu P. V tto kapitole
se budeme zabvat numerickmi metodami pro uren tchto koen.
3.1. Hranice koen
Pro volbu poten aproximace pro aplikaci numerick metody je vhodn znt
hranice tchto koen:
Vta 3.1. Nech
A = max ([a
1
[, . . . , [a
n
[) ,
B = max ([a
0
[, . . . , [a
n1
[) ,
kde a
k
, k = 0, 1, . . . , n, a
0
a
n
,= 0, jsou koecienty polynomu P
n
, Pak pro
vechny koeny
k
, k = 0, 1, . . . , n, polynomu P plat
1
1 +
B
[a
n
[
[
k
[ 1 +
A
[a
0
[
. (3.2)
Dkaz. Bez jmy na obecnosti pedpokldejme [x[ > 1. Pak
[P(x)[ [a
0
x
n
[
_
a
1
x
n1
+. . . +[a
n
[
_
[a
0
[[x[
n
A
_
[x[
n1
+. . . + 1
_
=
= [a
0
[[x[
n
A
[x[
n
1
[x[ 1
>
_
[a
0
[
A
[x[ 1
_
[x[
n
.
74 3. POLYNOMY
Jestlie [a
0
[A/([x[1) > 0, pak je [P(x)[ > 0 a to znamen, e pro [x[ > 1+A/[a
0
[
nem P koen. Odtud plyne, e vechny koeny polynomu P spluj nerovnost
[
k
[ 1 +
A
[a
0
[
, k = 1, . . . , n.
Polome nyn x = 1/y. Uitm tto substituce dostaneme:
P(x) = P(
1
y
) =
1
y
n
(a
0
+. . . +a
n
y
n
) =
1
y
n
Q(y).
Urme horn hranici koen
1
, . . . ,
n
polynomu Q
n
. Podle pedchozho je
[
k
[ 1 +
B
[a
n
[
, k = 1, . . . , n.
Jeliko
k
= 1/
k
, k = 1, . . . , n, plyne odtud poadovan nerovnost (3.2). 2
Pklad 3.1. Urete hranice relnch koen polynomu
P(x) = x
6
2x
5
+ 8x
4
+ 3x
3
x
2
+x 10.
een.
A = max(2, 8, 3, 1, 1, 10) = 10
B = max(1, 2, 8, 3, 1, 1) = 8
Odtud
5
9
=
1
1 +
8
10
[
k
[ 1 +
10
1
= 11.
Nkter dal hranice pro koeny polynomu jsou uvedeny v nsledujc vt:
Vta 3.2. Pro vechny koeny
k
, k = 0, 1, . . . , n, polynomu P
n
plat
[
k
[ max
_
_
_
1,
n
j=1
a
j
a
0
_
_
_
[
k
[ 2 max
_
a
1
a
0
a
2
a
0
,
3
a
3
a
0
, . . . ,
n
a
n
a
0
_
[
k
[ max
_
a
n
a
0
, 1 +
a
n1
a
0
, . . . , 1 +
a
1
a
0
_
.
Dkaz lze najt nap. v [5].
3.2. Poet relnch koen polynomu
Zabvejme se nyn otzkou potu relnch koen polynomu.
3.2. Poet relnch koen polynomu 75
mluva. Nech c
1
, . . . , c
m
je posloupnost relnch sel rznch od nuly.
ekneme, e pro dvojici c
k
, c
k+1
nastv znamnkov zmna, jestlie
c
k
c
k+1
< 0.
ekneme, e dvojice c
k
, c
k+1
zachovv znamnko, jestlie c
k
c
k+1
> 0.
Dle ukeme, e poet relnch koen polynomu lze urit pomoc posloup-
nosti polynom klesajcch stup. Vhodnou posloupnost je tzv. Sturmova po-
sloupnost:
Denice 3.1. Posloupnost relnch polynom
P = P
0
, P
1
, . . . , P
m
se nazv Sturmovou posloupnost pslunou polynomu P, jestlie
(a) Vechny reln koeny polynomu P
0
jsou jednoduch.
(b) Je-li reln koen polynomu P
0
, pak sign P
1
() = signP
0
().
(c) Pro i = 1, 2, . . . , m1,
P
i+1
()P
i1
() < 0,
jestlie je reln koen polynomu P
i
.
(d) Posledn polynom P
m
nem reln koeny.
Poznmka 1. Jestlie polynom P m nsobn koeny, pak dlenm polynomu P
nejvtm spolenm dlitelem P a P
dostaneme polynom, kter m tyt koeny,

ale vechny jednoduch.
Uveme nyn jednoduch postup pro konstrukci Sturmovy posloupnosti p-
slun polynomu P za pedpokladu, e vechny reln koeny polynomu P jsou
jednoduch.
Polome
P
0
(x) = P(x), P
1
(x) = P
0
(x) (3.3)
a sestrojme dal polynomy P
i+1
rekurentn dlenm polynomu P
i1
polynomem
P
i
:
P
i1
(x) = Q
i
(x)P
i
(x) c
i
P
i+1
(x), i = 1, 2, . . . , (3.4)
kde
stupe P
i
> stupe P
i+1
a konstanty c
i
jsou kladn, ale jinak libovoln. Lze ci, e P
i+1
je zporn vzat
zbytek pi dlen P
i1
/P
i
. Tato rekurze je znm Euklidv algoritmus. Protoe
stupn polynom klesaj, mus algoritmus konit po m n krocch:
P
m1
(x) = Q
m
(x)P
m
(x), P
m
(x) , 0.
76 3. POLYNOMY
Posledn polynom P
m
je nejvt spolen dlitel polynom P a P
1
= P
. Jestlie
vechny reln koeny polynomu P jsou jednoduch, pak P a P
nemaj dn
spolen reln koeny. Tedy P
m
nem reln koeny.
Jestlie P
i
() = 0, tak z (3.4) plyne
P
i1
() = c
i
P
i+1
().
Jestlie bychom pedpokldali, e P
i+1
() = 0, pak z (3.4) by plynulo P
i+1
() =
. . . = P
m
() = 0, co by byl spor, nebo P
m
() ,= 0. Odtud tedy plyne
P
i1
()P
i+1
() < 0, je-li P
i
() = 0. Ve zkonstruovan posloupnost zejm
tak spluje podmnku 2 z denice Sturmovy posloupnosti a je tedy Sturmovou
posloupnost pslunou polynomu P.
Vta 3.3. (Sturm). Poet relnch koen polynomu P v intervalu a x <
b je roven W(b) W(a), kde W(x) je poet znamnkovch zmn ve Sturmov
posloupnosti P
0
(x), . . . , P
m
(x) v bod x (z n jsou vykrtnuty nuly).
Dkaz. Nejdve ukeme, jak vliv m mal zmna hodnoty a na poet zna-
mnkovch zmn W(a) v posloupnosti
P
0
(a), P
1
(a), . . . , P
m
(a). (3.5)
Nech nejdve a nen koenem dnho z polynom P
i
, i = 0, . . . , m. Pak samo-
zejm mal zmna sla a nem dn vliv na poet znamnkovch zmn v po-
sloupnosti (3.5).
Nech nyn a je koenem nkterho z polynom P
i
, i = 0, 1, . . . , m 1. Ped-
pokldejme nejdve, e 1 i m1. Nech polynom P
i
mn znamnko v bod
a. Pro dostaten mal h > 0 zachycuj chovn polynom P
i1
, P
i
, P
i+1
v bodech
a h, a, a +h nsledujc tabulky.
a h a a +h
P
i1

P
i
0 +
P
i+1
+ + +
W(x) 1 1 1
a h a a +h
P
i1
+ + +
P
i
0 +
P
i+1

W(x) 1 1 1
a h a a +h
P
i1

P
i
+ 0
P
i+1
+ + +
W(x) 1 1 1
a h a a +h
P
i1
+ + +
P
i
+ 0
P
i+1

W(x) 1 1 1
Ve vech tchto ppadech W(a h) = W(a) = W(a +h), co znamen, e pi
pechodu pes bod a, kter je koenem nkterho z polynom P
i
, i = 1, . . . , m1,
3.2. Poet relnch koen polynomu 77
poet znamnkovch zmn ve Sturmov posloupnosti se nemn. Tot plat i v p-
pad, e P
i
nemn znamnko v bod a.
Nech nyn a je koenem polynomu P
0
. Znamnka polynom P
0
, P
1
v okol
bodu a ukazuj nsledujc tabulky.
a h a a +h
P
0
0 +
P
1

W(x) 0 0 1
a h a a +h
P
0
+ 0
P
1
+ + +
W(x) 0 0 1
V obou ppadech W(a + h) W(a h) = 1. Odtud plyne: Je-li a koenem
polynomu P
0
, pak pi pechodu pes bod a zskme jednu znamnkovou zmnu.
Pro a < b a dostaten mal h > 0 slo
W(b) W(a) = W(b h) W(a h)
udv poet koen polynomu P v intervalu ah < x < b h. Protoe slo h > 0
je libovoln mal, udv tento rozdl rovn poet koen v intervalu a x < b. 2
Pklad 3.2. Urete poet relnch koen polynomu
P(x) = x
3
3x + 1.
een. Sestrojme Sturmovu posloupnost pslunou polynomu P(x). Je
P
0
(x) = x
3
3x + 1, P
0
(x) = 3x
2
3,
P
1
(x) = x
2
+ 1.
Polynom P
2
je zporn vzat zbytek pi dlen polynomu P
0
polynomem P
1
, tj.
P
2
(x) = 2x 1 a dle P
3
(x) = 3/4.
Sestavme tabulku pro uren potu relnch koen.
x P
0
(x) P
1
(x) P
2
(x) P
3
(x) W(x)
0
+ + + 3
0 + + 1
1 + 0 1
2 0
1 0 + 2
2 + + 3
Odtud plyne: W() W() = 3 3 reln koeny
W() W(0) = 2 2 kladn koeny
W(1) W(2) = 1 1 koen v intervalu [2, 1]
78 3. POLYNOMY
I kdy z teoretickho hlediska vypad konstrukce Sturmovy posloupnosti velmi
jednodue, mohou bt konkrtn vpoty ponkud tkopdn, nebo koecienty
polynom P
i
mohou bt dov dosti velk. Pro rychl odhad potu kladnch
koen danho polynomu je vhodn nsledujc Descartesova vta.
Vta 3.4. (Descartes). Poet kladnch koen polynomu P (potno s nsob-
nost) je roven potu znamnkovch zmn v posloupnosti koecient a
0
, . . . , a
n
nebo o sud slo men.
Jsou-li vechny koecienty a
0
, . . . , a
n
rzn od nuly, pak poet zpornch ko-
en je roven potu zachovn znamnek v tto posloupnosti nebo o sud slo
men.
Dkaz viz [2].
Pklad 3.3. Odhadnte poet kladnch a zpornch koen polynomu
P(x) = x
6
2x
5
+ 8x
4
+ 3x
3
x
2
+x 10
Posloupnost koecient: 1, 2, 8, 3, 1, 1, 10
Poet kladnch koen: 5 nebo 3 nebo 1
Poet zpornch koen: 1
3.3. Newtonova metoda a jej modikace
Pro uren koen polynomu P lze pout kterkoliv z metod uvedench v pedchoz
kapitole. Pro polynomy jsou vhodn zejmna metoda Newtonova a Mllerova.
Pipomeme, e Newtonova metoda je tvaru
x
k+1
= x
k
P(x
k
)
P
(x
k
)
, k = 0, 1, . . .
Hodnoty P(x
k
), P
(x
k
) lze snadno spotat Hornerovm schematem.
Hornerovo schema.
Nech je reln slo. Vydlme polynom P(x) linernm polynomem x :
P(x) = (x )Q(x) +b
n
,
kde
Q(x) = b
0
x
n1
+. . . +b
n1
.
Koecienty b
i
, i = 0, . . . , n urme z rekurentnch vztah:
b
0
= a
0
b
k
= a
k
+b
k1
, k = 1, . . . , n.
Pak je zejm P() = b
n
.
3.3. Newtonova metoda a jej modikace 79
Poznmka 2. Nech

1
je piblin koen polynomu P. Polynom P dlme line-
rnm polynomem (x

1
), tj.
P(x) = (x

1
)Q(x) +b
n
.
Koecienty b
0
,. . . ,b
n1
polynomu Q lze zskat Hornerovm schmatem. V ppad,
e
1
je pesn koen polynomu P, je b
n
= P(
1
) = 0. Je-li

1
aproximac koene
1
, je P(
1
) = b
n
,= 0.
Hornerova schematu lze pout i pro vpoet hodnoty derivace polynomu P
v bod . Derivac vztahu P(x) = (x )Q(x) +b
n
dostaneme
P
(x) = Q(x) + (x )Q
(x)
a tedy P
() = Q().
Q(x) = (x )R(x) +c
n1
R(x) = c
0
x
n2
+. . . c
n2
a Q() = c
n1
.
Vpoet lze vhodn uspodat do tabulky
a
0
a
1
a
2
. . . a
n1
a
n
b
0
b
1
. . . b
n2
b
n1
b
0
b
1
b
2
. . . b
n1
b
n
= P()
c
0
c
1
. . . c
n2
c
0
c
1
c
2
. . . c
n1
= Q() = P
()
Obdobnm zpsobem lze vypotat hodnoty P
(j)
() pro libovoln j 1. Polome
Q
(0)
(x) = Q(x) = b
(0)
0
x
n1
+. . . +b
(0)
n1
take
P(x) = (x )Q
(0)
(x) +b
(0)
n
Dle
Q
(0)
(x) = (x )Q
(1)
(x) +b
(1)
n1
pro
Q
(1)
(x) = b
(1)
0
x
n1
+. . . +b
(1)
n2
,
a tedy
P(x) = Q
(1)
(x)(x )
2
+b
(1)
n1
(x ) +b
(0)
n
.
Dalm postupem bychom dostali vyjden
P(x) = b
(n)
0
(x )
n
+b
(n1)
1
(x )
n1
+. . . +b
(1)
n1
(x ) +b
(0)
n
, (3.6)
kde koecienty b
(ni)
i
, i = 0, . . . , n dostaneme postupnm pouitm Hornerova
schematu podle nsledujc tabulky
80 3. POLYNOMY
a
0
a
1
a
2
. . . a
n2
a
n1
a
n
b
(0)
0
b
(0)
1
. . . b
(0)
n3
b
(0)
n2
b
(0)
n1
b
(0)
0
b
(0)
1
b
(0)
2
. . . b
(0)
n2
b
(0)
n1
b
(0)
n
b
(1)
0
b
(1)
1
. . . b
(1)
n3
b
(1)
n2
b
(1)
0
b
(1)
1
b
(1)
2
. . . b
(1)
n2
b
(1)
n1
b
(2)
0
b
(2)
1
. . . b
(2)
n3
b
(2)
0
b
(2)
1
b
(2)
2
. . . b
(2)
n2
.
.
.
b
(n2)
0
b
(n2)
1
b
(n2)
2
b
(n1)
0
b
(n1)
0
b
(n1)
1
b
(n)
0
Pitom je z (3.6) zejm, e P
(j)
() = j! b
(j)
nj
.
Jak vme z pedchoz kapitoly, pro konvergenci Newtonovy metody je teba znt
dostaten dobrou poten aproximaci. Avak neexistuje dn pravidlo, kter by
zaruovalo dobrou poten aproximaci pro libovoln polynom. Na druh stran
takov pravidlo plat pro speciln ppad, kdy vechny koeny
i
, i = 1, . . . , n jsou
reln a plat
1

2
. . .
n
.
Toto pravidlo je v podstat obdobou vty 2.10 a zn takto:
Vta 3.5. Nech P
n
je polynom stupn n 2. Nech vechny koeny
i
,
1

2
. . .
n
,
jsou reln. Pak posloupnost
_
x
k
_
k=0
uren Newtonovou metodou je konvergentn
klesajc posloupnost pro kadou poten aproximaci x
0
>
1
,
1
= lim
k
x
k
.
Dkaz. Bez jmy na obecnosti lze pedpokldat, e P(x
0
) > 0. Protoe P nemn
znamnko pro x >
1
, mme
P(x) > 0 pro x >
1
a tedy a
0
> 0. Derivace P
m n 1 relnch koen
i
s vlastnost (v dsledku
Rolleovy vty):
1

1

2

2
. . .
n1

n
.
Protoe P
je polynom stupn nejve n1, jsou toto vechny jeho koeny a P
(x) >
0 pro x >
1
, nebo a
0
> 0. Optovnou aplikac Rolleovy vty dostaneme
P
(x) > 0 pro x >

1
(n 2),
P
(x) 0 pro x
1
.
Tedy P a P
jsou konvexn funkce pro x

1
. Nyn na intervalu [
1
, x
0
] lze
aplikovat vtu (2.9). Znamnko polynomu P v bod x
0
je stejn jako znamnko
P
na intervalu [
1
, x
0
] a tedy pro poten aproximaci x
0
>
1
posloupnost
_
x
k
_
k=0
uren Newtonovou metodou konverguje monotonn ke koenu
1
. 2
Poznmka 3. Pro volbu poten aproximace lze ut odhad uvedench ve
vtch 3.1, 3.2.
Newtonova metoda konverguje kvadraticky, ale tato konvergence nemus vdy
znamenat rychlou konvergenci. Jestlie poten aproximace x
0
le daleko od
koene, pak posloupnost
_
x
k
_
k=0
uren Newtonovou metodou me konvergovat
pomalu, nebo pro x
k
velk
x
k+1
= x
k
(x
k
)
n
+. . .
n(x
k
)
n1
+. . .
x
k
_
1
1
n
_
,
odkud je vidt, e je mal rozdl mezi x
k
, x
k+1
. Z tohoto dvodu se budeme
zabvat nsledujc zdvojenou metodou.
x
k+1
= x
k
2
P(x
k
)
P
(x
k
)
, k = 0, 1, 2, . . . (3.7)
msto pm Newtonovy metody.
Vta 3.6. Nech P
n
, n 2, a nech vechny koeny
i
, i = 1, . . . , n polynomu
P jsou reln a
1

2
. . .
n
. Nech
1
je nejvt koen P
1

1

2
.
Pro n = 2 pedpokldejme
1
>
2
. Pak pro kad z >
1
jsou sla
z
= z
P(z)
P
(z)
, y = z 2
P(z)
P
(z)
, y
= y
P(y)
P
(y)
(3.8)
denovna a plat
1
< y,
1
y
.
(3.9)
Dkaz lze najt v [5].
Obrzek 3.1 ilustruje geometrick vznam tto metody.
Metoda (3.7) nen z geometrickho hlediska zaloena na prseku teny s osou
x, ale na prseku seny, kter m smrnici P
(x)/2, s osou x. To znamen, e

pi pouit tto metody meme pestelit bod
1
, tj. pro bod y ve vztahu (3.8)
me platit y <
1
. Ale z vty 3.6 plyne, e tento bod spluje rovn nerovnost
(3.9) a pouitm klasick Newtonovy metody dostaneme bod y
, kter je lep
aproximac
1
ne bod z
.
Praktick vznam vty 3.6 je nsledujc:
82 3. POLYNOMY
1.8 2 2.2 2.4 2.6 2.8 3
2
0
2
4
6
8
10
12
14
x
0
x
1
x
2
x
3
Obr. 3.1: Zdvojen Newtonova metoda, P(x) = x
3
+x
2
10x + 8, x
0
= 3
Zaneme s poten aproximac x
0
>
1
. Pro posloupnost
_
x
k
_
k=0
generova-
nou zdvojenou metodou
x
k+1
= x
k
2
P(x
k
)
P
(x
k
)
, k = 0, 1, . . .
mohou nastat dva ppady:
(a) P(x
0
)P(x
k
) > 0 pro vechna k. V tomto ppad
x
0
> x
1
> . . . > x
k
> . . .
1
, lim
k
x
k
=
1
a konvergence je rychlej ne konvergence pm Newtonovy metody.
(b) Existuje x
k0
tak, e P(x
k0
)P(x
0
) < 0, P(x
k
)P(x
0
) > 0 pro 0 k < k
0
.
V tomto ppad tedy dolo k pestelen bodu
1
a plat
x
0
> x
1
> . . . > x
k01
>
1
> y = x
k0
>
1
>
2
.
Polome y
0
= x
k0
a pokraujme dle klasickou Newtonovou metodou s touto
poten aproximac:
y
k+1
= y
k
P(y
k
)
P
(y
k
)
, k = 0, 1, 2, . . .
Dostaneme opt monotonn posloupnost
y
1
> y
2
> . . . > y
k
> . . .
1
, lim
k
y
k
=
1
.
Pklad 3.4. Ukeme si rozdl mezi rychlost konvergence pm a zdvojen New-
tonovy metody. Polome P(x) =
8
i=1
(x i), tedy
1
= 8,
2
= 7,. . . ,
8
= 1.
Poten aproximaci zvolme x
0
= 20. Jednotliv iterace dv nsledujc tabulka:
Newtonova metoda zdvojen Newtonova
metoda
x
0
20,0 20,0
x
1
18,105567 16,211133
x
2
16,454192 13,398883
x
3
15,016438 11,329903
x
4
13,766710 9,834383
x
5
12,682811 8,794966
x
6
11,745573 8,148323
x
7
10,938548 7,929357
x
8
10,247782 8,016696
x
9
9,661673 8,000686
x
1
0 9,170955 8,000001
U zdvojen Newtonovy metody dolo k pestelen koene
1
u aproximace x
7
,
pro nsledujc iterace u je pouita pm Newtonova metoda.
Ve uvedenm postupem nalezneme aproximaci

1
nejvtho koene
1
poly-
nomu P. Pro uren dalch koen se nabz jednoduch mylenka: znme aproxi-
maci

1
, vydlme polynom P dvojlenem (x

1
) a vsledn polynom
P
1
(x) =
P(x)
x

1
je polynom stupn n 1 s nejvtm koenem
2
. Tato metoda se nazv metoda
sniovn stupn . Takto bychom mohli teoreticky najt vechny koeny polynomu
P. Ale praktick realizace tohoto procesu nen bez problm. Koen
1
je znm
piblin a vzhledem k zaokrouhlovacmchybm nelze pesn urit polynomP
1
(viz
poznmka 2). Polynom, kter zskme uvedenm dlenm bude mt tedy koeny
odlin od
2
, . . . ,
n
. Pi dalm opakovn tohoto postupu mohou bt posledn
koeny polynomu P ureny zcela nepesn. Z tchto dvod byly navreny rzn
modikace metody sniovn stupn ([5]).
Metodu, kter se vyhb pmmu sniovn stupn, navrhl v roce 1954 Ma-
ehly ([5]). Zkladn mylenka tto metody spov ve vhodnm vyjden derivace
polynomu niho stupn:
P
1
(x) =
P
(x)
x

P(x)
(x

1
)
2
, (3.10)
84 3. POLYNOMY
Dosazenm tohoto vyjden do vzorce pro Newtonovu metodu pro polynom P
1
dostaneme:
x
k+1
= x
k
P
1
(x
k
)
P
1
(x
k
)
= x
k
P(x
k
)
P
(x
k
)
P(x
k
)
x
k
1
(3.11)
Obecn, jestlie jsme ji nalezli aproximace koen

1
, . . . ,

j
, postupujeme ob-
dobn a sestrojme polynom
P
j
(x) =
P(x)
(x

1
) . . . (x

j
)
,
P
j
(x) =
P
(x)
(x

1
) . . . (x

j
)

P(x)
(x

1
) . . . (x

j
)
j
i=1
1
x

i
Newtonova metoda pro nalezen koene
j+1
je tvaru
x
k+1
=
j
(x
k
),
j
(x) = x
P(x)
P
(x)
j
i=1
P(x)
x

i
. (3.12)
Pednost tto metody spov ve skutenosti, e posloupnost x
k
generovan
metodou (3.12) konverguje kvadraticky ke koenu
j+1
i v ppad, e

1
, . . . ,

j
nejsou koeny P (konvergence je pouze lokln v tomto ppad). Tedy vpoet
j+1
nen citliv na chyby pi vpotu pedchozch koen. Meme tak vhodn
aplikovat zdvojenou Newtonovu metodu.
Pklad 3.5. Uitm zdvojen NewtonovyMaehlyovy metody naleznte koeny
polynomu P(x) = x
3
+x
2
10x + 8.
een. Nech x
0
= 3, tj. poten aproximace koene
1
je
0
1
= 3.
Aproximace koene
1
:
1
1
= 1,782608695652
2
1
= 2,10014059474224
3
1
= 2,00971540717739
4
1
= 2,0001079735567
5
1
= 2,00000001359833
Hned prvn aproximace
1
1
pestelila hledan koen
1
= 2, tj.
0
1
>
1
,
1
1
<
1
,
pro vpoet dalch aproximac je tedy pouita klasick Newtonova metoda.
Dle, polome
0
2
= 1,9 (co je poten aproximace pro koen
2
).
Je
1
2
= 0,33823529411765
2
2
= 1,11911764705882
3
2
= 1,00270873930706
4
2
= 1,00000146586547
5
2
= 1,00000000000043
Opt prvn aproximace
1
1
je men ne hledan koen
2
= 1, take pro vpoet
dalch aproximac pouijeme klasickou Newtonovu metodu.
Za poten aproximace koene
3
zvolme
0
3
= 0,9. Dal aproximace jsou
1
3
= 8,899999999935
2
3
= 4,000000000 . . .
2
3
=
3
3
=
4
3
Pro srovnn: pesn koeny jsou
1
= 2,
2
= 1,
3
= 4. Tvar polynomu za-
chycuje obrzek 5. Pro srovnn uveme vsledky, kter bychom dostali metodou
5 4 3 2 1 0 1 2 3
30
20
10
0
10
20
30
Obr. 3.2: Prbh polynomu P(x) = x
3
+ x
2
10x + 8.
sniovn stupn. Vpoet
1
by samozejm probhal stejnm zpsobem. Pokud
5
1
= 2,00000001359833 povaujeme za dostaten pesnou aproximaci
1
, dosta-
neme polynom P
1
(x) = P(x)/(x
5
1
) ve tvaru
P
1
(x) = x
2
+ 3.00000001359833 x3.99999993200835
a nslednm pouitm zdvojen Newtonovy metody vyjde
5
2
= 0.99999998368243.
Dalm snenm stupn polynomu dostaneme P
2
(x) = x+3.99999999728076, take
nelze dostat pesnj aproximaci koene
3
ne hodnotu 3.99999999728076.
Vznam Maehlyovy metody se projevuje zejmna u polynom vych stup,
jak dokld nsledujc pklad.
Pklad 3.6. Polome P(x) =
15
i=1
(xi). V uveden tabulce vidme rozdl mezi me-
todou sniovn stupn a Maehlyovou metodou. V tabulce nejsou uvedeny vechny
vsledky, jen aproximace nejmench koen, kde je chyba nejvt.
86 3. POLYNOMY
sniovn du Maehlyova metoda
1
15,0000037 15,0000037
.
.
.
13
2,92420696801 2,999999999978
14
2,01522846251 2,000000000007
15
0,99878713149 1,000000000000
3.4. Bairstowova metoda
Doposud jsme se zabvali vpotem relnch koen polynomu. Pokud jde o v-
poet komplexnch koen, lze ut nkterch z pedchzejcch metod, nap. New-
tonovy metody s komplexn poten aproximac, nebo nkterch specilnch me-
tod: Lehmerovy-Schurovy metody, Graeovy metody, Bernoulliovy metody nebo
Bairstowovy metody. Pojednme zde podrobnji o Bairstowov metod. Ostatn
zmnn metody jsou uvedeny nap. v [19].
Podstatou Bairstowovy metody je mylenka nalezen kvadratickho trojlenu,
kter je dlitelem danho polynomu:
Nech
P(x) = a
0
x
n
+a
1
x
n1
+. . . +a
n
.
Ozname z, z, z = u+iv, dvojici komplexn sdruench koen polynomu P. sla
z, z lze povaovat za koeny kvadratickho trojlenu D(x) = x
2
+px+q, p = 2u,
q = u
2
+v
2
. Nam kolem je najt sla p, q tak, aby polynom D dlil polynom P
beze zbytku. Budeme-li znt sla p, q, pak snadno urme komplexn koeny z, z
polynomu P. Tuto mylenku lze formln zapsat takto:
P(x) = D(x)Q(x) +Ax +B, (3.13)
kde
D(x) = x
2
+px +q,
Q(x) = Q(x, p, q) je polynom stupn n 2,
A = A(p, q),
B = B(p, q).
Je teba urit p, q tak, aby
A(p, q) = 0, B(p, q) = 0. (3.14)
Systm (3.14) je systm nelinernch rovnic a budeme ho eit Newtonovou meto-
dou pro systmy nelinernch rovnic (2.47).
3.4. Bairstowova metoda 87
Povaujeme-li kvadratick trojlen D(x) = x
2
+px +q za aproximaci dlitele,
dostaneme dal aproximaci D
1
(x) = x
2
+p
1
x+q
1
, p
1
= p+h, q
1
= q +k, eenm
soustavy
_
_
_
_
A
p
A
q
B
p
B
q
_
_
_
_
_
h
k
_
=
_
A(p, q)
B(p, q)
_
neboli, ozname-li
A
p
= A
p
,
A
q
= A
q
,
B
p
= B
p
,
B
q
= B
q
,
A(p, q) +A
p
(p, q)h +A
q
(p, q)k = 0,
B(p, q) +B
p
(p, q)h +B
q
(p, q)k = 0.
(3.15)
Veliiny A(p, q), B(p, q) lze zskat zobecnnm Hornerovm schematem (viz strana
88) pi dlen polynomu P trojlenem D. Derivujeme vztah (3.13) podle p a q:
0 = xQ(x) + Q
p
(x)D(x) +A
p
x +B
p
0 = Q(x) + Q
q
(x)D(x) +A
q
x +B
q
Odtud
(a) xQ(x) = Q
p
(x)D(x) A
p
x B
p
,
(b) Q(x) = Q
q
(x)D(x) A
q
x B
q
.
(3.16)
Je zejm, e A
p
, B
p
resp. A
q
, B
q
jsou koecienty linernch zbytk pi
dlen polynomu xQ(x) polynomem D(x), resp. Q(x) polynomem D(x). Polome
a = A
q
, b = B
q
.
Tato sla lze opt zskat zobecnnm Hornerovm algoritmem pro dlen poly-
nom Q(x)/D(x). Vypoteme nyn A
p
, B
p
.
Vynsobme (3.16b) slem x:
xQ(x) = xQ
q
(x)D(x) +ax
2
+bx
a po prav meme tento vztah zapsat ve tvaru
xQ(x) = a(x
2
+px +q) +bx xQ
q
(x)D(x) apx q,
a tedy
xQ(x) =
_
a xQ
q
(x)
_
D(x) + (b ap)x aq. (3.17)
Porovnnm (3.17) a (3.16a) dostaneme
A
p
= ap b, B
p
= aq.
88 3. POLYNOMY
Soustavu (3.15) meme nyn zapsat takto:
(ap b)h ak +A = 0,
aqh bk +B = 0.
(3.18)
Vyeenm tto soustavy zskme sla h, k a kvadratick trojlen D
1
(x) = x
2
+
(p + h)x + q + k, jeho koeny jsou aproximac koen z, z polynomu P. Postup
opakujeme. Jako kriterium pro zastaven vpotu lze zvolit: [h[ < [p[, [k[ < [q[,
> 0 zadan pesnost. Na zvr tto kapitoly uvedeme zobecnn Hornerovo
schma pro vpoet hodnot A, B, a, b.
Zobecnn Hornerovo schema.
Je dn polynom P(x) = a
0
x
n
+ . . . + a
n
a aproximace kvadratickho trojlenu
D(x) = x
2
+ px + q. Hodnoty A, B, a, b vypotme zobecnnm Hornerovm
schematem. Vpoet lze uspodat do tabulky:
a
0
a
1
a
2
. . . a
n3
a
n2
a
n1
a
n
p pb
0
pb
1
. . . pb
n4
pb
n3
pb
n2
q qb
0
. . . qb
n5
qb
n4
qb
n3
qb
n2
b
0
b
1
b
2
. . . b
n3
b
n2
A B
p pc
0
pc
1
. . . pc
n4
q qc
0
. . . qc
n5
qc
n4
c
0
c
1
c
2
a b
Zde Q(x) = b
0
x
n2
+. . . +b
n2
,
b
j
= a
j
pb
j1
qb
j2
, j = 2, . . . , n 2
b
0
= a
0
b
1
= a
1
pb
0
A = a
n1
pb
n2
qb
n3
B = a
n
qb
n2
Dle
Q(x) = D(x)R(x) +ax +b,
kde R(x) = c
0
x
n4
+. . . +c
n4
. Koecienty c
j
, a, b jsou ureny obdobnm zpso-
bem jako koecienty b
j
, A, B, a to:
a = pc
n4
qc
n5
+b
n3
, b = qc
n4
+b
n2
,
c
j
= b
j
pc
j1
qc
j2
, j = 2, . . . , n 4 .
Pklad 3.7. Uitm Bairstowovy metody naleznte dvojici komplexn sdruench
koen polynomu
P(x) = x
4
3x
2
+ 4x 1.
3.4. Bairstowova metoda 89
een. Ze Sturmovy vty plyne, e polynom m 2 reln a 2 komplexn sdruen
koeny.
Za poten aproximaci kvadratickho trojlenu zvolme D
0
(x) = x
2
+ x + 1,
tj. p = 1, q = 1.
Aplikujme nyn zobecnn Hornerovo schema:
1 0 3 4 1
1 1 1 3
1 1 1 3
1 1 3 8 2
1 1
1 1
1 2 4
Odtud plyne, e A = 8, B = 2, a = 2, b = 4. Odpovdajc systm rovnic (3.18)
je tvaru
2h + 2k + 8 = 0
2h + 4k + 2 = 0.
Odtud h = 7/3, k = 5/3 a tedy nov kvadratick trojlen je tvaru
D
1
(x) = x
2
+
_
1
7
3
_
x +
_
1
5
3
_
= x
2
4
3
x
2
3
.
Nyn vpoet opakujeme s tmto kvadratickm trojlenem. Koecienty kvadratic-
kch trojlen jsou uvedeny v nsledujc tabulce.
p
k
q
k
k = 0 1 1
k = 1 4/3 2/3
k = 2 2,283000949 2,1946816134
k = 3 2,03645296288 1,53678222972
.
.
.
k = 8 1,90640113643838 1,3662797903433
k = 9 1,90640113643838 1,3662797903433
Aproximace 8, 9 ukazuj, e vpoet je stabilizovn, nebo absolutn hodnota roz-
dlu dvou po sob jdoucch aproximac je zanedbateln. Za aproximaci dvojlenu
lze vzt
D(x) x
2
1,90640113643838x+ 1,3662797903433.
Koeny tohoto dvojlenu jsou
1,2
= 0,95320056821919 0,67652677240516i.
90 3. POLYNOMY
Cvien ke kapitole 3
1. Pomoc Hornerova schematu vypotte hodnotu P(), P
() a P
() pro
polynom P(x) = 2x
5
x
4
+ 3x
2
+x 5 a = 2.
2. Uitm zobecnnho Hornerova algoritmu vypotte hodnotu polynomu z p-
kladu 1 v bod z = 1 + i.
(een: P(1 + i) = 8 i.)
3
x1 = 0. Urete interval, ve kterm le kladn koen
tto rovnice.
4. Uitm Sturmovy vty urete poet relnch koen polynom
a) P(x) = x
4
4x + 1 (2 reln koeny:
1
[0, 1],
2
[1, 2]),
b) P(x) = x
3
+ 3x
2
1 (3 reln koeny:
1
[0, 1],
2
[1, 0],
3

[3, 2]).
5. Sestrojte Sturmovu posloupnost pro polynom
P(x) = x
3
+ 3x
2
1
a urete poet relnch koen tohoto polynomu. Ukate, e vechny reln
koeny le v intervalu [3, 1] a najdte intervaly, ve kterch le vdy prv
jeden koen.
6. Pomoc Sturmovy vty urete poet relnch koen polynomu P(x) = x
4
x
2
+ 3.
7. Uitm zdvojen Newtonovy-Maehlyovy metody naleznte koeny polynomu
P(x) = x
3
+ 3x
2
1.
(een:
1
= 0,532089,
2
= 0,652706,
3
= 2,87938.)
8. Urete reln a komplexn koeny polynomu
P(x) = x
4
+ 2x
2
x 3.
(een:
1
= 1,2412,
2
= 0,876053,
3,4
= 0,124035 1,74096i.)
9. Uitm Bairstowovy metody naleznte komplexn koeny polynomu
P(x) = x
4
+ 4x
2
3x 1.
(een:
1,2
= 0,3111 2,1231i.)
Kontroln otzky ke kapitole 3 91
1. Plat vta 3.1 i pro polynomy s komplexnmi koecienty?
2. Bylo by mon pout zdvojenou Newtonovu metodu v ppad n = 2 a
1
=
2
(viz pedpoklady vty 3.6)?
3. Co by se mohlo stt, pokud by pi pouit zdvojen Newtonovy metody nebyl
splnn pedpoklad, e vechny koeny jsou reln?
4. Lze pout Maehlyovu metodu pro polynom s vcensobnmi koeny?
5. Jak se d pout princip Maehlyovy metody v ppad, e polynom m kom-
plexn koeny?
92 3. POLYNOMY
Kapitola 4
Pm metody een
systm linernch rovnic
Nyn se budeme zabvat metodami pro een systmu linernch rovnic
Ax = b, A =
_
_
_
_
a
11
a
1n
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
, b =
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
. (4.1)
Pedpokldme, e A je reln tvercov matice du n (A /
n
), b je reln
vektor. Je-li matice A regulrn, m systm (4.1) jedin een x
:
x
= A
1
b (4.2)
V tto kapitole se budeme zabvat pmmi metodami een systmu (4.1), tj.
metodami, jejich aplikac zskme pesn een x
po konenm potu krok za

pedpokladu, e vechny aritmetick operace provdme pesn a vstupn daje
jsou dny pesn. Pi vyetovn tchto metod se budeme tak zabvat otzkou,
kolik aritmetickch operac je teba pro realizaci vpotu uitm dan metody.
Jeliko vpoty provdme v dsledku zpis sel v potai pouze s piblinmi
sly a zaokrouhlujeme bhem vpotu, budeme vnovat tak pozornost pesnosti
nalezenho een uitm dan metody to jsou tzv. a priori odhady.
4.1. Systmy linernch rovnic
Pipomeme nyn zkladn poznatky z linern algebry.
Matici tvaru
(A [ b) =
_
_
_
_
_
_
a
11
a
1n
b
1
a
21
a
2n
b
2
.
.
.
.
.
.
.
.
.
a
n1
a
nn
b
n
_
_
_
_
_
_
(4.3)
94 4. PM METODY EEN SYSTM LINERNCH ROVNIC
nazvme rozenou matic systmu (4.1).
Denice 4.1. Systm (4.1) se nazv eiteln (resp. neeiteln), jestlie existuje
alespo jedno (resp. neexistuje dn) een.
Vta 4.1. (Frobenius). Systm linernch rovnic (4.1) je eiteln prv tehdy,
kdy hodnost matice A je rovna hodnosti rozen matice systmu (A [ b).
Denice 4.2. Matice R /
n
, R = (r
ij
), se nazv horn trojhelnkov matice,
jestlie r
ij
= 0 pro i > j.
Matice R /
n
, R = (r
ij
), se nazv doln trojhelnkov matice, jestlie
r
ij
= 0 pro i < j.
Denice 4.3. Matice A /
n
se nazv psov, jestlie existuj pirozen sla
p, q, 1 < p, q < n takov, e a
ij
= 0, jestlie i +p j nebo j +q i. ka psu
w = p +q 1.
Poznmka 1. Pro p = q = 2 se psov matice nazv tdiagonln a je tvaru
A =
_
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
0 0
a
21
a
22
a
23
.
.
.
0 a
32
a
33
.
.
.
.
.
.
.
.
. 0
.
.
. a
n1,n1
a
n1,n
0 0 a
n,n1
a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Denice 4.4. Matice A /
n
se nazv ryze dkov diagonln dominantn,
jestlie
[a
ii
[ >
n
j=1
j=i
[a
ij
[, i = 1, . . . , n. (4.4)
Vta 4.2. Jestlie A /
n
je ryze dkov diagonln dominantn, je regulrn.
Dkaz. Pedpokldejme, e A nen regulrn. Pak systm Ax = o m netriviln
een x = (x
1
, . . . , x
n
)
T
. Nech [x
k
[ = max
1i n
[x
i
[. Podle pedpokladu je x
k
,= 0.
Nyn, i-t rovnice systmu Ax = o je tvaru
n
j=1
a
ij
x
j
= 0
a k-t rovnice me bt zapsna ve tvaru
a
kk
x
k
+
n
j=1
j=k
a
kj
x
j
= 0,
4.2. Gaussova eliminan metoda 95
tj.
a
kk
=
n
j=1
j=k
a
kj
x
j
x
k
.
Pechodem k absolutnm hodnotm dostaneme
[a
kk
[
n
j=1
j=k
[a
kj
[
[x
j
[
[x
k
[

n
j=1
j=k
[a
kj
[,
co je spor s pedpokladem (4.4). Matice A mus tedy bt regulrn. 2
Denice 4.5. Symetrick matice A /
n
se nazv pozitivn denitn, jestlie
x
T
Ax > 0 pro kad nenulov vektor x R
n
.
Vta 4.3. Pozitivn denitn matice je regulrn.
Dkaz. Pedpokldejme, e A je singulrn, tzn. e systm Ax = o m netriviln
een x
,= o, Ax
= o. Pro tento vektor x
plat x
T
Ax
= 0, co je spor s pozitivn
denitnost matice A a tedy A je regulrn. 2
Vtina vpoetnch algoritm numerick linern algebry m spolenou z-
kladn strukturu, kterou lze popsat takto:
1. Dan problm se pevede na redukovan problm.
2. e se tento redukovan problm pi vyuit jeho speciln struktury.
3. een pvodnho problmu se zptn zsk z een redukovanho problmu.
mluva. V cel tto kapitole budeme pedpokldat, e A /
n
. Tuto skutenost
nebudeme zdrazovat, pokud neme dojt k nedorozumn.
4.2. Gaussova eliminan metoda
Nejznmj pmou metodou pro een systmu linernch rovnic je Gaussova eli-
minan metoda GEM, kterou lze rovn zahrnout do ve uveden tdy algo-
ritm. Hlavn mylenka tto metody spov v peveden danho systmu Ax = b
vhodnmi ekvivalentnmi pravami na systm Rx = c s horn trojhelnkovou
matic R, tj. problm se pevede na redukovan problm. Tto etap kme pm
chod. Tento systm m stejn een jako pvodn systm Ax = b a jeho een
lze snadno zskat zptnou substituc (za pedpokladu r
ii
,= 0, i = 1, . . . , n):
x
i
=
c
i
k=i+1
r
ik
x
k
r
ii
, i = n, n 1, . . . , 1. (4.5)
Jeliko systm Rx = c eme od posledn rovnice, k se tto etap zptn chod.
V prvm kroku algoritmu se vhodn nsobek prvn rovnice odet od zbvaj-
cch n1 rovnic tak, aby koecienty u x
1
ve zbvajcch rovnicch byly rovny nule;
tedy x
1
zstv pouze v prvn rovnici. Tento postup je mon pouze za pedpo-
kladu, e a
11
,= 0. Splnn tohoto pedpokladu lze doshnout vhodnou vmnou
rovnic, tj. nalezenm alespo jednoho prvku a
i1
,= 0.
Uveden postup lze vhodn zapsat pomoc maticovch operac aplikovanch
na matici
(A [ b) =
_
_
_
_
_
a
11
a
1n
b
1
a
21
a
2n
b
2
.
.
.
.
.
.
.
.
.
a
n1
a
nn
b
n
_
_
_
_
_
.
Prvn krok GEM vede na matici
_
A
[ b
_
tvaru
_
A
[ b
_
=
_
_
_
_
_
a
11
a
12
a
1n
b
1
0 a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
0 a
n2
a
nn
b
n
_
_
_
_
_
a tento krok meme formln popsat takto:
(a) Uri prvek a
r1
,= 0, r = 1, 2, . . . , n, a pokrauj krokem (b);
jestlie dn takov r neexistuje, nelze pokraovat.
(b) Vym prvn a r-t dek matice (A [ b). Vsledkem je
matice (

A [
b).
(c) Pro i = 2, 3, . . . , n, odeti nsobek
l
i1
=
a
i1
a
11
prvnho dku od i-tho dku matice (

A [

b). Vsledkem
je matice (A
[ b
).
_
_
(4.6)
sla l
i1
se nazvaj multipliktory. Prvek a
r1
se nazv hlavnm prvkem nebo
tak pivotem.
Zapime tento postup uitm maticovho nsoben:
(

A [
b) = P
1
(A [ b), (A
[ b
) = G
1
(

A,
b) = G
1
P
1
(A, b) , (4.7)
kde P
1
je permutan matice a G
1
je doln trojhelnkov matice (P
1
, G
1
/
n
):
P
1
=
_
_
_
_
_
_
_
_
_
_
_
_
_
0 1
.
.
. 1
.
.
.
.
.
.
1 0
1
.
.
.
1
_
_
_
_
_
_
_
_
_
_
_
_
_
, G
1
=
_
_
_
_
_
1 0
l
21
1
.
.
.
.
.
.
.
.
.
l
n1
0 1
_
_
_
_
_
.
Pi nsoben permutan matic P
1
se vymn prvn a r-t dek matice A. Prvky
permutan matice P
1
jsou dny vztahy p
ii
= 1, i ,= 1, r, p
1r
= 1, p
r1
= 1, p
11
= 0,
p
rr
= 0, p
ij
= 0 pro ostatn i, j.
Matice G
1
se nazv Frobeniova matice. Matice P
1
, G
1
jsou regulrn a plat
P
1
1
= P
1
, G
1
1
=
_
_
_
_
_
_
1 0
l
21
.
.
.
.
.
.
.
.
.
l
n1
0 1
_
_
_
_
_
_
.
Je zejm, e systmy Ax = b, A
x = b
maj stejn een. Je toti:

Ax
= b G
1
P
1
Ax
= A
= b
= G
1
P
1
b
a
A
x = b
P
1
1
G
1
1
A
x = Ax = b = P
1
1
G
1
1
b
x = x
.
Po prvnm eliminanm kroku je vsledn matice
_
A
[ b
_
tvaru
(A
[ b
) =
_
a
11
a
T
b
1
0

A

b
_
,
kde

A je tvercov matice du n 1. Nyn aplikujeme ve uveden algoritmus
(4.6) na systm (

A [
b) a postup pak opt opakujeme. Ozname-li (A

(1)
[ b
(1)
) =
(A [ b), (A
[ b
) = (A
(2)
[ b
(2)
) atd., lze uvedenou proceduru zapsat takto:
(A [ b) = (A
(1)
[ b
(1)
) (A
(2)
[ b
(2)
) . . . (A
(n)
[ b
(n)
) = (R [ c), (4.8)
kde R je poadovan horn trojhelnkov matice. Matice (A
(k)
[ b
(k)
) v tto
posloupnosti je tvaru
(A
(k)
[ b
(k)
) =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
=
_
A
(k)
11
A
(k)
12
b
(k)
1
O A
(k)
22
b
(k)
2
_
. (4.9)
Matice A
(k)
11
je horn trojhelnkov matice du (k 1), (k 2). Pechod (A
(k)
[
b
(k)
) (A
(k+1)
[ b
(k+1)
) spov v aplikaci algoritmu (4.6) na matici (A
(k)
22
[ b
(k)
2
),
co je matice typu (nk +1) (nk +2). Prvky matic A
(k)
11
, A
(k)
12
a vektoru b
(k)
1
se pi tto transformaci nemn. Stejn jako v prvnm kroku lze tuto transformaci
vyjdit maticov
(A
(k)
[ b
(k)
) = G
k
P
k
(A
(k1)
[ b
(k1)
) (4.10)
(R, c) = G
n1
P
n1
. . . G
1
P
1
(A [ b) (4.11)
s odpovdajcmi permutanmi maticemi P
k
a Frobeniovmi maticemi G
k
tvaru
G
k
=
_
_
_
_
_
_
_
_
_
_
_
_
1 0
.
.
.
.
.
. 1
l
k+1,k
.
.
.
.
.
.
.
.
.
0 l
n,k
1
_
_
_
_
_
_
_
_
_
_
_
_
.
Zde opt sla l
ik
, i = k + 1, . . . , n se nazvaj multipliktory.
GEM rovn dv velmi dleit vsledek:
Vta 4.4. Jestlie GEM lze provst bez vmny dk, pak matici A lze rozloit
na souin doln a horn trojhelnkov matice
A = LR, (4.12)
kde matice R = (r
ij
), L = (l
ij
) jsou denovny takto:
r
ij
=
_
a
(i)
ij
, i = 1, . . . , j
0, i = j + 1, j + 2, . . . , n
(4.13)
a
l
ij
=
_
_
_
0, i = 1, 2, . . . , j 1, j 2
1, i = j, j = 1, . . . , n
a
(j)
ij
/a
(j)
ii
, i = j + 1, . . . , n,
(4.14)
l
ij
jsou pslun multipliktory dan algoritmem (4.6).
Dkaz. Jestlie nemnme poad dk, je P
1
= P
2
= . . . = P
n1
= E. Nyn
z (4.10) a (4.11) plyne, e
R = G
n1
. . . G
1
A,
a tedy
G
1
1
G
1
2
. . . G
1
n1
R = A. (4.15)
Dle
G
1
j
=
_
_
_
_
_
_
_
_
_
_
_
_
1 0
.
.
.
.
.
. 1
l
j+1,j
.
.
.
.
.
.
.
.
.
0 l
nj
1
_
_
_
_
_
_
_
_
_
_
_
_
.
Odtud je zejm, e
G
1
1
. . . G
1
n1
=
_
_
_
_
_
_
1 0
l
21
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
l
n1
l
n,n1
1
_
_
_
_
_
_
.
Z algoritmu (4.6) plyne, e prvky matice R jsou dny vztahy (4.13). Polome-li
nyn L = G
1
1
. . . G
1
n1
, plyne ze (4.15) tvrzen vty. 2
Poznmka 2. Jestlie GEM nelze provst bez vmny dk, denuje tento al-
goritmus rozklad matice PA:
PA = LR, (4.16)
kde P = P
n1
P
n2
. . . P
1
.
Pi praktickm vpotu ovem nevme pedem, kter dky budeme muset
vymnit, take nen mon urit souin PA a pak provst rozklad. Rozklad je
ovem mon provst pomoc nsledujc vahy:
Nech napklad je teba pi vpotu vymnit k-t a j-t dek, k < j. Pokud
bychom to vdli pedem a provedli vmnu ped zatkem vlastn GEM, pak
v matici A
(j)
, by byly oproti souasnmu stavu vymnny cel dky k-t a j-t,
v matici obsahujc mezivsledek pro vpoet L by byly vymnny jen spotan
sti obou dk, tedy sloupce 1, . . . , k1. Meme tedy provst pslun vmny
a zaznamenat si, kter dky byly vymnny.
Pro toto zaznamenn nen poteba pracovat s celmi permutanmi maticemi,
ale sta tzv. permutan vektor p. Na zatku vpotu polome p = (1, . . . , n)
T
a pi vmn dk vymnme stejn dky i ve vektoru p. Pak jeho i-t sloka p
i
udv pvodn slo dku matice A v matici PA. Tj. jestlie napklad po ukonen
vpotu je p = (3, 5, 1, 4, 2)
T
, pak matice PA v (4.16) je postupn tvoena tetm,
ptm, prvnm, tvrtm a druhm dkem matice A.
Trojhelnkov rozklad (4.12) resp. (4.16) m velk vznam pro een systm
linernch rovnic. Jestlie znme rozklad (4.16), pak systm Ax = b lze ihned eit
pro libovoln vektor b. Je toti
PAx = LRx = Pb.
een x
nyn najdeme eenm dvou systm s trojhelnkovmi maticemi:

Lu = Pb, Rx = u
za pedpokladu r
ii
,= 0, i = 1, . . . , n. Prvn systm m doln trojhelnkovou matici
a eme jej tedy od prvn rovnice, druh systm m horn trojhelnkovou matici
a eme jej od posledn rovnice.
Podvejme se na poet nsoben a dlen pro pm chod GEM.
Podle algoritmu (4.6) je v prvnm kroku zapoteb vypotat (n 1) multipli-
ktor, co znamen (n1) dlen. Kad prvek prvn rovnice vetn prav strany
mus bt nsoben kadm multipliktorem, tzn. e v prvnm kroku je zapoteb
celkem n 1 + n(n 1) = (n 1)(n + 1) nsoben a dlen (nsobicch operac).
Na j-tm kroku se pak poaduje (n j) + (n j + 1)(n j) nsobicch operac.
Pipomeme nyn, e
m
j=1
1 = m,
m
j=1
j =
m(m + 1)
2
,
m
j=1
j
2
=
m(m + 1)(2m+ 1)
6
.
Pak celkov poet nsobicch operac pro pm chod je roven
n1
j=1
(n j)(n j + 2) =
2n
3
+ 3n
2
5n
6
.
Podobn lze ukzat, e pro zptn chod, tj. pro een systmu Rx = c je zapoteb
1 +
n1
j=1
((n j) + 1) =
n
2
+n
2
nsobicch operac. Celkov poet nsobicch operac pro GEM je roven
2n
3
+ 3n
2
5n
6
+
n
2
+n
2
=
n
3
+ 3n
2
n
3

n
3
3
.
Obdobnm zpsobem lze spotat poet stn a odtn. Poet tchto operac
pro GEM je:
2n
3
+ 3n
2
5n
6

n
3
3
.
Je zejm, e poet aritmetickch operac velmi rychle roste s rostoucm n. Tento
fakt ukazuje pro nkter n nsledujc tabulka ([4]):
n nsoben/dlen stn/odtn
3 17 11
5 65 50
10 430 375
50 44150 42875
100 343300 338250
Zmnme se nyn o problmech s vbrem pivot. Vidli jsme, e GEM selhv,
jestlie hlavn prvek je roven nule. V tomto ppad lze vymnit poad rovnic. Ale
problematick situace nastv, jestlie nkter z pivot je blzk nule: v tomto p-
pad lze vpoet provst, ale zskan vsledky mohou bt zcela chybn. Ilustrujme
tuto skutenost na znmm pkladu Forsytha a Molera (viz [6]):
Pklad 4.1. Aplikujme GEM na matici
A =
_
0, 0001 1
1 1
_
.
Multipliktor l
21
= 1/10
4
= 10
4
. Matice
G =
_
1 0
10
4
1
_
a
A
(2)
2
= R =
_
0, 0001 1
0 10
4
_
, L =
_
1 0
10
4
1
_
,
nebo 110
4
10
4
. GEM denuje rozklad matice A na souin matic L a R, co
je ale v tomto ppad
LR =
_
0, 0001 1
1 0
_
,
tedy tato matice se nerovn matici A. Vsledek lze vysvtlit faktem, e prvek
a
(1)
11
= 0, 0001 je velmi mal, co m za nsledek velk multipliktor a pi jeho po-
uit se prakticky vylou mal vstupn prvky (110
4
10
4
). Tomuto problmu
se meme vyhnout vmnou dk matice A.
Uvaujme tedy matici
P
1
A =
_
0 1
1 0
__
0, 0001 1
1 1
_
=
_
1 1
0, 0001 1
_
a aplikujeme GEM na matici P
1
A. Nyn l
21
= 10
4
.
R = G
1
P
1
A =
_
1 0
10
4
1
__
1 1
10
4
1
_
=
_
1 1
0 1
_
,
(1 10
4
1),
L =
_
1 0
10
4
1
_
LR =
_
1 1
10
4
1
_
= P
1
A.
Tomuto postupu obecn kme Gaussova eliminace s stenm vbrem hlav-
niho prvku (pivota). Tento postup spov v tom, e v kadm kroku vybrme
v pslunm sloupci prvek maximln v absolutn hodnot, tj. urme p tak, aby
[a
(k)
pk
[ = max
kin
[a
(k)
ik
[
a vymnme p-tou a k-tou rovnici.
Dal vhodnou modikac GEM je pln vbr pivota. Tato procedura znamen,
e na j-tm kroku vybrme prvek maximln v absolutn hodnot ze submatice
A
(k)
22
, tj.
a
(k)
rs
= max
i,j=k,...,n
a
(k)
ij
.
Pak vyloume neznmou x
s
pomoc r-t rovnice ze zbvajcch (nj) rovnic. Pro
proveden 1. kroku tto procedury je teba n
2
1 porovnn absolutnch hodnot
koecient. Druh krok vyaduje (n1)
2
1 porovnn a celkov poet porovnn
je roven
n
k=2
(k
2
1) =
n(n 1)(2n + 5)
6
.
Poznmka 3. Vmnu dk u GEM s stenm vbrem pivota resp. dk
a sloupc u GEM s plnm vbrem pivota lze realizovat opt prostednictvm
permutanch matic.
Pklad 4.2. Systm
2x
1
+ 4x
2
x
3
= 5
x
1
+ x
2
3x
3
= 9
4x
1
+ x
2
+ 2x
3
= 9
ete
1) GEM bez vbru pivota,
2) GEM s stenm vbrem pivota.
een.
1) GEM bez vbru pivota:
(A [ b) = (A
(1)
[ b
(1)
) =
_
_
_
_
_
2 4 1 5
1 1 3 9
4 1 2 9
_
_
_
_
_
Prvek a
11
= 2 l
21
=
1
2
, l
31
= 2.
(A
(2)
[ b
(2)
) =
_
_
_
_
_
2 4 1 5
0 1
5
2

13
2
0 7 4 19
_
_
_
_
_
Prvek a
(2)
22
= 1 l
31
= 7.
(A
(3)
[ b
(3)
) =
_
_
_
_
_
2 4 1 5
0 1
5
2

13
2
0 0
43
2
129
2
_
_
_
_
_
Nyn eme systm A
(3)
x = b
(3)
, tj.
2x
1
+ 4x
2
x
3
= 5
x
2
5
2
x
3
=
13
2
43
2
x
3
=
129
2
eme od posledn rovnice (zptn chod):
x
3
= 3, x
2
= 1, x
1
= 1.
Matice L je v tomto ppad tvaru:
L =
_
_
_
_
_
1 0 0
1
2
1 0
2 7 1
_
_
_
_
_
a matice R = A
(3)
R =
_
_
_
_
_
2 4 1
0 1
5
2
0 0
43
2
_
_
_
_
_
.
Snadno se ov, e A = LR.
2) GEM s stenm vbrem pivota:
(A [ b) = (A
(1)
[ b
(1)
) =
_
_
_
_
_
2 4 1 5
1 1 3 9
4 1 2 9
_
_
_
_
_
Je [a
31
[ = max
1i 3
[a
i1
[ vymnme 1. a 3. rovnici:
(

A [
b) =
_
_
_
_
_
4 1 2 9
1 1 3 9
2 4 1 5
_
_
_
_
_
;
permutan matice P
1
=
_
_
0 0 1
0 1 0
1 0 0
_
_
.
Hlavn prvek a
11
= 4 l
21
=
1
4
, l
31
=
1
2
. Odtud
(A
(2)
[ b
(2)
) =
_
_
_
_
_
4 1 2 9
0
3
4

7
2

45
4
0
7
2
2
19
2
_
_
_
_
_
.
Jeliko [a
(2)
32
[ = max([a
(2)
22
[, [a
(2)
32
[), vymnme 2. a 3. dek, tj. matici A
(2)
vynsobme permutan matic P
2
, kter je tvaru
P
2
=
_
_
1 0 0
0 0 1
0 1 0
_
_
,
tj.
P
2
(A
(2)
[ b
(2)
) =
_
_
_
_
_
4 1 2 9
0
7
2
2
19
2
0
3
4

7
2

45
4
_
_
_
_
_
.
Odpovdajc multipliktor l
32
=
3
14
a vsledn matice
(A
(3)
[ b
(3)
) =
_
_
_
_
_
4 1 2 9
0
7
2
2
19
2
0 0
43
14

129
14
_
_
_
_
_
Tento systm opt eme od posledn rovnice a opt dostaneme:
x
3
= 3, x
2
= 1, x
1
= 1.
Dle
P
2
P
1
=
_
_
0 0 1
1 0 0
0 1 0
_
_
,
P
2
P
1
A =
_
_
_
_
_
4 1 2
2 4 1
1 1 3
_
_
_
_
_
.
Snadno se ov, e GEM denuje tento rozklad matice PA, P = P
2
P
1
:
PA = LR, kde L = P
2
P
1
(G
2
P
2
G
1
P
1
)
1
,
a tedy
L =
_
_
_
_
_
1 0 0
1
2
1 0
1
4
3
14
1
_
_
_
_
_
, R =
_
_
_
_
_
4 1 2
0
7
2
2
0 0
43
14
_
_
_
_
_
.
Nyn se jet zmnme o aplikaci GEM na speciln typy matic (dkazy viz
[4], [13]).
Vta 4.5.
a) Nech matice A je ryze dkov diagonln dominantn. Pak GEM lze provst
bez vmny dk a sloupc.
b) Nech matice A je pozitivn denitn. Pak GEM lze provst bez vmny dk
a sloupc.
Za pedpokladu, e vechny pivoty a
(k)
kk
, k = 1, . . . , n, jsou rzn od nuly, GEM
denuje rozklad matice A na souin doln a horn trojhelnkov matice A = LR
(kme, e se jedn o LR rozklad nebo LR faktorizaci). Z algoritmu GEM je
zejm, e tento pm rozklad nemus existovat dokonce i pro velmi jednoduch
matice. Zabvejme se nyn otzkou, kdy lze takov pm rozklad provst.
Vta 4.6. Nech vechny hlavn minory matice A /
n
jsou rzn od nuly, tj.
a
11
,= 0,
a
11
a
12
a
21
a
22
,= 0, . . . , det A ,= 0.
Pak matici A lze rozloit na souin doln a horn trojhelnkov matice.
Dkaz. (indukc) Je-li n = 1 a prvek a
11
,= 0, je jasn, e tvrzen vty plat,
nebo existuj nenulov sla c
11
, b
11
tak, e a
11
= c
11
b
11
, tj. A = CB, C = (c
11
),
B = (b
11
).
Nech nyn podle induknho pedpokladu tvrzen plat pro matici A
n1

/
n1
a dokeme, e plat i pro matici A /
n
.
Matici A
n1
lze tedy vyjdit ve tvaru A
n1
= C
n1
B
n1
, kde C
n1
je doln
trojhelnkov matice a B
n1
je horn trojhelnkov matice. Matici A zapeme
blokov takto:
A =
_
_
_
_
_
_
_
A
n1
a
1n
a
2n
.
.
.
a
n1,n
a
n1
a
n,n1
a
nn
_
_
_
_
_
_
_
=
_
A
n1
u
v
T
a
nn
_
,
kde vektory u, v jsou vektory dimenze n1. Hledejme nyn matice C, B, A = CB,
rovn v blokovm tvaru:
C =
_
C
n1
o
x
T
c
nn
_
, B =
_
B
n1
y
o
T
b
nn
_
.
Zde x, y jsou neznm vektory du n 1 a b
nn
, c
nn
jsou neznm prvky matic
B, C. Podle pravidla o nsoben blokov danch matic dostvme z rovnice A =
CB:
_
A
n1
u
v
T
a
nn
_
=
_
C
n1
B
n1
C
n1
y
x
T
B
n1
x
T
y +c
nn
b
nn
_
. (4.17)
Podle pedpokladu je matice A
n1
regulrn a tedy jsou regulrn i matice C
n1
,
B
n1
. Porovnme-li ve vztahu (4.17) prvky v odpovdajcch pozicch, dostaneme:
A
n1
= C
n1
B
n1
C
n1
y = u
x
T
B
n1
= v
T
x
T
y +c
nn
b
nn
= a
nn
(4.18)
Ze vztah (4.18) lze urit vektory x, y a sla c
nn
, b
nn
, z nich jedno lze volit
libovoln (,= 0). To znamen, e existuje doln trojhelnkov matice C a horn
trojhelnkov matice B tak, e A = CB. 2
Poznmka 4. Pedepeme-li matici C diagonln prvky rovny 1, je rozklad jedno-
znan. Na druh stran, GEM bez vbru pivota rovn denuje rozklad A = LR.
Odtud plyne, e L = C, R = B. Odtud plyne, e neexistence pmho rozkladu
matice a selhn GEM bez vbru pivota se d objasnit stejnmi pinami.
Pklad 4.3. Je dna matice A:
A =
_
_
1 2 3
2 4 1
4 5 2
_
_
.
4.3. Systmy se specilnmi maticemi 107
Pokusme se matici A rozloit na souin CB. Porovnnm prvk v pozici (i, j)
matice A a prvk v pozici (i, j) matice CB dostaneme (pedpokldme c
ii
= 1,
i = 1, . . . , n)
1 = b
11
2 = c
21
b
11
c
21
= 2
2 = b
12
4 = c
21
b
12
+b
22
b
22
= 0
3 = b
13
1 = c
21
b
13
+b
23
b
23
= 5
4 = c
31
b
11
c
31
= 4
5 = c
31
b
12
+c
32
b
22
nelze urit c
32
, nebo b
22
= 0.
2 = c
31
b
13
+c
32
b
23
+b
33
Odtud
C =
_
_
1 0 0
2 1 0
4 ? .
_
_
B =
_
_
1 2 3
0 0 5
. . .
_
_
Rozklad nen mon, nebo
1 2
2 4
= 0.
V pklad 4.2 v sti 1) byl proveden pm rozklad matice na souin horn
a doln trojhelnkov matice. Pokud bychom chtli udlat rozklad
_
_
2 4 1
1 1 3
4 1 2
_
_
=
_
_
l
11
0 0
l
21
l
22
0
l
31
l
32
l
33
_
_
=
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
porovnnm jednotlivch prvk, dostaneme soustavu rovnic:
l
11
u
11
= 2 l
21
u
11
= 1 l
31
u
11
= 4
l
11
u
12
= 4 l
21
u
12
+l
22
u
22
= 1 l
31
u
12
+l
32
u
22
= 1
l
11
u
13
= 1 l
21
u
13
+l
22
u
23
= 3 l
31
u
13
+l
32
u
23
+l
33
u
33
= 2
Mme 9 rovnic pro 12 neznmch, een tedy nen ureno jednoznan. Rozklad
vypoten v pklad 4.2 bychom dostali volbou l
11
= l
22
= l
33
= 1.
I kdy GEM denuje rozklad matice na souin trojhelnkovch matic, je nkdy
vhodn mt k dispozici algoritmus, kter tuto faktorizaci provede pmo. Tento
postup je vhodn zejmna v ppadech, kdy je teba eit vce systm s tout
matic A, (viz [4], [13]).
4.3. Systmy se specilnmi maticemi
Pedchoz vty lze s vhodou ut i v ppadech, kdy matice A m speciln struk-
turu a pedpokldat speciln tvar rozkladu matice.
Vta 4.7. Nech matice A /
n
je symetrick a spluje pedpoklady pedchoz
vty. Pak existuje takov horn trojhelnkov matice T /
n
, e A = T
T
T.
Dkaz. Podle pedchoz vty existuje rozklad A = CB. Nech c
ii
= 1, i = 1, . . . , n
a rozklad je tedy jednoznan. Nech D je diagonln matice s prvky d
ii
= b
ii
,
i = 1, . . . , n, na diagonle. Polome

B = D
1
B. Pak A lze zapsat ve tvaru
A = CD

B.
Zde

B je horn trojhelnkov matice s jednikami na diagonle. Dle plat
A = A
T
=
_
CD

B
_
T
=

B
T
DC
T
.
B
T
je doln trojhelnkov matice s jednikami na diagonle, DC
T
je horn troj-
helnkov matice. Z jednoznanosti rozkladu plyne:
B
T
= C, DC
T
= B.
Nyn polome
T =
D

B,
kde

D je diagonln matice s prvky

d
ii
=
b
ii
, i = 1, . . . , n, na diagonle.
Nyn
T
T
T =

B
T
D

B =

B
T
D

B = A.
Dostali jsme poadovan rozklad matice A. 2
Dsledek. Nech T je matice uveden v pedchoz vt. Prvky tto matice jsou
ureny vztahy:
t
11
=
a
11
t
1j
=
a
1j
t
11
, j = 2, . . . , n
t
ii
=
_
a
ii
i1
l=1
t
2
li
, i = 2, . . . , n
t
ij
=
1
t
ii
_
a
ij

i1
l=1
t
li
t
lj
_
pro j > i
t
ij
= 0 pro i > j.
(4.19)
Dkaz plyne ihned porovnnm odpovdajcch prvk ve vztahu A = T
T
T.
Uveden metoda se nazv metoda Choleskho nebo tak metoda druhch
odmocnin.
Poznmka 5. Je-li A pozitivn denitn matice, probh vpoet bez komplikac.
V tomto ppad jsou vechny prvky matice T reln. Obecn me mt matice T
ryze imaginrn prvky. Tyto prvky se vyskytuj v celm dku matice a pi dalm
4.3. Systmy se specilnmi maticemi 109
vpotu se imaginrn jednotky vyru. Tento rozklad vede opt na een dvou
systm s trojhelnkovmi maticemi:
T
T
z = b, Tx = z.
Poet nsobicch operac Choleskho metody je piblin n
3
/6; pitom je teba
jet vyslit n druhch odmocnin.
Pklad 4.4. Choleskho metodou ete systm
x
1
+ 2x
2
x
3
= 1
2x
1
+ 2x
2
+ 4x
3
= 3
x
1
+ 4x
2
+ 8x
3
= 6.
een. Najdeme rozklad matice A ve tvaru T
T
T = A. Prvky matice T vypoteme
ze vztah (4.19).
t
11
= 1, t
12
= 2, t
13
= 1,
t
22
=
_
a
22
t
2
12
= i
2,
t
23
=
1
t
22
(a
23
t
13
t
12
) = i3
2,
t
33
=
_
a
33
(t
2
13
+t
2
23
) = 5.
Matice je tvaru
T =
_
_
1 2 1
0 i
2 i3
2
0 0 5
_
_
.
Nyn eme T
T
z = b, tj.
_
_
1 0 0
2 i
2 0
1 i3
2 5
_
_
_
_
z
1
z
2
z
3
_
_
=
_
_
1
3
6
_
_
.
een tohoto systmu je vektor z = (1, i
2/2, 2)
T
. Nyn eme Tx = z
_
_
1 2 1
0 i
2 i3
2
0 0 5
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
1
i
2/2
2
_
_
.
een tohoto systmu (a tedy i een danho systmu) je vektor
x = (0,
7
10
,
2
5
)
T
.
Pm rozklad matice na souin trojhelnkovch matic lze tak pout pro
tdiagonln matice. Uvaujme tdiagonln matici A:
A =
_
_
_
_
_
_
_
_
a
11
a
12
0 0
a
21
a
22
a
23
0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. a
n1,n
0 0 a
n,n1
a
nn
_
_
_
_
_
_
_
_
Hledejme rozklad matice A ve tvaru: A = LU
L =
_
_
_
_
_
_
_
_
l
11
0 0
l
21
l
22
0 0
0 l
32
l
33
.
.
.
.
.
.
.
.
.
.
.
. 0
0 0 l
n,n1
l
nn
_
_
_
_
_
_
_
_
,
U =
_
_
_
_
_
_
_
_
1 u
12
0 0
0 1 u
23
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 1 u
n1,n
0 0 1
_
_
_
_
_
_
_
_
(4.20)
Je teba urit (2n 1) prvk matice L a (n 1) prvk matice U, tedy celkem
(3n 2) prvk. Tyto prvky lze urit z nsledujcch rovnic:
a
11
= l
11
a
i,i1
= l
i,i1
, i = 2, 3, . . . , n
a
ii
= l
i,i1
u
i1,i
+l
ii
, i = 2, 3, . . . , n
a
i,i+1
= l
ii
u
i,i+1
, i = 1, 2, . . . , n 1.
(4.21)
Tyto rovnice se snadno zskaj porovnnm prvk matice A s odpovdajcmi prvky
souinu LU. Uveden metoda se nazv Croutova.
Vta 4.8. Nech A /
n
je tdiagonln matice s vlastnostmi:
a
i,i1
a
i,i+1
,= 0, i = 2, 3, . . . , n 1,
[a
11
[ > [a
12
[,
[a
ii
[ [a
i,i1
[ +[a
i,i+1
[,
[a
nn
[ > [a
n,n1
[.
i = 2, . . . , n 1,
_
A dkov diagonln
dominantn
Pak matice A je regulrn a hodnoty l
ii
, i = 1, . . . , n, vypoten ze vztah (4.21)
jsou rzn od nuly.
Dkaz viz [4].
4.4. Vpoet inverzn matice a determinantu 111
Dsledek. Jsou-li splnny pedpoklady vty 4.8, lze matici A rozloit na souin
doln a horn trojhelnkov matice tvaru (4.20).
Poznmka 6. Poet nsobicch operac pro realizaci Croutovy metody je (5n4),
poet stacch operac (3n 3).
Jestlie matici A vyjdme ve tvaru A = LU, pak systm Ax = b lze opt
jednodue eit takto:
Ax = b
_
Ly = b
Ux = y.
Pklad 4.5. Croutovou metodou ete systm
2x
1
x
2
= 4
x
1
+ 4x
2
+ x
3
= 5
x
2
+ 3x
3
2x
4
= 1
2x
3
3x
4
=
7
5
een. Podle vztah (4.21) urme prvky matic L a U:
i = 1 l
11
= a
11
= 2, u
12
=
a
12
l
11
=
1
2
i = 2 l
22
= a
22
l
21
u
12
= 4 1(
1
2
) =
9
2
l
21
= a
21
= 1
u
23
=
a
23
l
22
=
1
9
2
=
2
9
i = 3 l
32
= a
32
= 1, l
33
= a
33
l
32
u
23
= 3 1.
2
9
=
25
9
u
34
=
a
34
l
33
=
2
25
9
=
18
25
i = 4 l
43
= a
43
= 2, l
44
= a
44
l
43
u
34
= 3 2(
18
25
) =
39
25
Matice L a U jsou tvaru
L =
_
_
_
_
_
_
_
_
2 0 0 0
1
9
2
0 0
0 1
25
9
0
0 0 2
39
25
_
_
_
_
_
_
_
_
, U =
_
_
_
_
_
_
_
_
1
1
2
0 0
0 1
2
9
0
0 0 1
18
25
0 0 0 1
_
_
_
_
_
_
_
_
.
Nyn eme systm Ly = b. eenm je vektor y = (2,
2
3
,
3
5
,
5
3
)
T
. Nyn eme
systm Ux = y. eenm tohoto systmu, a tedy i danho systmu, je vektor
x = (
38
15
,
16
15
,
9
5
,
5
3
)
T
.
4.4. Vpoet inverzn matice a determinantu
S problmem een systmu Ax = b souvis tak problmy vpotu inverzn ma-
tice a determinantu matice.
Vpoet inverzn matice k matici A je ekvivalentn een systmu
AX = E,
kde X = A
1
, E je jednotkov matice. Nech X = (x
ij
). Pak eit systm AX = E
znamen eit n systm tvaru
A
_
_
_
_
_
x
11
x
21
.
.
.
x
n1
_
_
_
_
_
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
, A
_
_
_
_
_
x
12
x
22
.
.
.
x
n2
_
_
_
_
_
=
_
_
_
_
_
0
1
.
.
.
0
_
_
_
_
_
, . . . A
_
_
_
_
_
x
1n
x
2n
.
.
.
x
nn
_
_
_
_
_
=
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
,
tj. eme n systm s tout matic A a s rznmi pravmi stranami. K een
tchto systm lze ut nkter z ji uvedench pmch metod (nap. GEM).
Pklad 4.6. Uitm GEM naleznte matici inverzn k matici
A =
_
_
2 7 4
1 9 6
3 8 5
_
_
.
een. eit systm AX = E, kde X = (x
ij
) je inverzn matice, znamen eit n
systm vdy s tout matic A. Postup pi aplikaci GEM zapeme do tabulky:
a
i1
a
i2
a
i3
b
1
b
2
b
3
2 -7 4 1 0 0
1 9 -6 0 1 0
-3 8 5 0 0 1
2 -7 4 1 0 0
0
25
2
-8
1
2
1 0
0
5
2
11
3
2
0 1
2 -7 4 1 0 0
0
25
2
-8 -
1
2
1 0
0 0
47
5
7
5
1
5
1
Prvky inverzn matice X = (x
ij
) zskme eenm systm rovnic
_
_
_
_
_
2 7 4
0
25
2
8
0 0
47
5
_
_
_
_
_
_
_
_
_
_
x
11
x
21
x
31
_
_
_
_
_
=
_
_
_
_
_
1
1
2
7
5
_
_
_
_
_
,
4.4. Vpoet inverzn matice a determinantu 113
_
_
_
_
_
2 7 4
0
25
2
8
0 0
47
5
_
_
_
_
_
_
_
_
_
_
x
12
x
22
x
32
_
_
_
_
_
=
_
_
_
_
_
0
1
1
5
_
_
_
_
_
,
_
_
_
_
_
2 7 4
0
25
2
8
0 0
47
5
_
_
_
_
_
_
_
_
_
_
x
13
x
23
x
33
_
_
_
_
_
=
_
_
_
_
_
0
0
1
_
_
_
_
_
.
Vsledn matice je tvaru
X = A
1
=
1
235
_
_
93 67 6
13 22 16
35 5 25
_
_
.
Je teba poznamenat, e vpoet inverzn matice je tikrt dra ne een
systmu Ax = b. Z tchto dvod je vhodn se vyhnout pmmu vpotu
A
1
kdykoliv je to mon. Linern systm bychom nikdy nemli eit explicitnm
vpotem inverzn matice.
Pro zajmavost uvedeme jet dva uiten vzorce pro vpoet inverze matice
B, kter se ponkud li od matice A ([6]):
1. Shermanv-Morrisonv vzorec. Nech u, v jsou vektory, A /
n
je regulrn
matice. Pak
(A uv
T
)
1
= A
1
+(A
1
uv
T
A
1
),
kde
=
1
(1 v
T
A
1
u)
,
za pedpokladu v
T
A
1
u ,= 1.
2. Woodburyho vzorec. Nech A, U, V /
n
,
(A UV
T
)
1
= A
1
+A
1
U(E V
T
A
1
U)
1
V
T
A
1
,
za pedpokladu, e E V
T
A
1
U je regulrn.
Poznmka 7. Tyto rovnice ukazuj, jak lze vypotat inverzn matici k matici
A uv
T
, resp. A UV
T
bez explicitnho vpotu tto inverzn matice, znme-li
matici A
1
.
Pklad 4.7. Je dna matice A /
n
a matice k n inverzn A
1
/
n
:
A =
_
_
1 1 1
2 4 5
6 7 8
_
_
a A
1
=
_
_
3 1 1
14 2 3
10 1 2
_
_
.
Nech u = v = (1, 0, 0)
T
. Odtud
A uv
T
=
_
_
0 1 1
2 4 5
6 7 8
_
_
.
Nyn
=
1
1 v
T
A
1
u
=
1
4
a
(A
1
+A
1
uv
T
A
1
) = (A uv
T
)
1
=
_
_
_
_
_
3
4

1
4

1
4
7
2

3
2
1
2
5
2
3
2

1
2
_
_
_
_
_
.
Poznmka 8. Vme, e GEM bez vbru hlavnho prvku denuje rozklad matice
A ve tvaru
A = LR,
kde L je doln trojhelnkov matice s 1 na diagonle, R je horn trojhelnkov
matice. Z tohoto vztahu plyne ihned vzorec pro vpoet determinantu matice A,
nebo
det A = det Ldet R = det U =
n
i=1
a
(i)
ii
.
Vpoet pomoc GEM s stenm vbrem hlavnho prvku vede na rozklad
PA = LR,
kde det P = (1)
r
, r je poet vmn dk bhem vpotu. Odtud
det PA = (1)
r
det A =
n
i=1
a
(i)
ii
,
neboli
det A = (1)
r
n
i=1
a
(i)
ii
.
4.5. Metody zaloen na minimalizaci kvadratick formy
V tomto odstavci se budeme zabvat metodami, kter jsou zaloeny na mini-
malizaci kvadratick funkce, jejm jedinm minimem je een rovnice Ax = b.
Budeme pedpokldat, e matice A je symetrick a pozitivn denitn.
4.5. Metody zaloen na minimalizaci kvadratick formy 115
Vta 4.9. Jestlie A je pozitivn denitn matice, pak een systmu Ax = b je
ekvivalentn minimalizaci kvadratick funkce
Q(x) =
1
2
x
T
Ax x
T
b. (4.22)
Tato kvadratick funkce m jedin minimum, kterho nabv v een systmu
Ax = b, tj. pro x
= A
1
b.
Dkaz. Jednoznanost minima plyne z pozitivn denitnosti matice A. Nech
x
= A
1
b. Uvaujme rozdl Q(x
+ x) Q(x
), kde x ,= o. Pro tento rozdl

plat
Q(x
+ x) Q(x
) =
1
2
(x
+ x)
T
A(x
+ x) (x
+ x)
T
b
1
2
x
T
Ax
+x
T
b =
1
2
x
T
Ax.
Matice A je pozitivn denitn a tud x
T
Ax > 0 pro x ,= o. To znamen, e
Q(x
+x) Q(x
) > 0, tj. Q(x
+ x) > Q(x
), a tedy x
realizuje minimum
kvadratick funkce Q.
Nech nyn x realizuje minimum kvadratick funkce Q. Nech dle v R
n
je libovoln vektor. Uvaujme vektory tvaru z = x + tv, t je reln slo. Tyto
vektory le na pmce vychzejc z x. Vypotme hodnotu funkce Q pro z. Je
Q( x +tv) =
1
2
( x +tv)
T
A( x +tv) ( x +tv)
T
b =
=
1
2
x
T
A x +
1
2
tv
T
A x +
1
2
t x
T
Av +
+
1
2
t
2
v
T
Av xb
T
tv
T
b.
Jeliko A je pozitivn denitn, je x
T
Av = v
T
A x. Odtud
Q( x +tv) =
1
2
x
T
A x +tv
T
A x +
1
2
t
2
v
T
Av x
T
b tv
T
b.
Funkce Q m minimum v bod x, to znamen, e
dQ( x +tv)
dt
t=0
= 0,
kde
dQ( x +tv)
dt
= v
T
A x +tv
T
Av v
T
b.
A odtud
v
T
A x v
T
b = 0
v
T
(A x b) = 0.
Vektor v je libovoln vektor z R
n
. Posledn vztah znamen, e vektor A x b je
ortogonln ke vem vektorm v R
n
a odtud plyne, e A x b = o. Vektor x
tedy je eenm systmu Ax = b, a protoe A je pozitivn denitn, je x = x
. 2
Dsledek. min Q(x) = Q(x
) =
1
2
b
T
A
1
b.
Dkaz. Q(x
) =
1
2
x
T
A x
x
T
b, x
je pesnm eenm systmu Ax = b,

a tedy Ax
= b, x
T
= b
T
A
1
. Dosazenm do pedchozho vztahu ihned plyne
tvrzen. 2
Podvejme se nyn na geometrickou interpretaci hledn minima kvadratickho
funkcionlu Q (viz [12], [19]). Nech x
je een systmu Ax = b a nech x =

x
+s. Pak
Q(x) +
1
2
x
T
b =
1
2
(x
+s)
T
A (x
+s) (x
+s)
T
b +
1
2
x
T
b =
1
2
s
T
As .
Plocha
S = s = (s
1
, . . . , s
n
)
T
[
1
2
s
T
As = konst.
je hyperelipsoid v promnnch s
1
,. . . ,s
n
se stedem v s = o, tj. v x
. Tedy i rovnice
Q(x) = konst. pedstavuje hyperelipsoid. Protoe A je pozitivn denitn existuje
ortogonln matice P takov, e matice
P
T
AP = D
je diagonln matice s kladnmi vlastnmi sly
i
matice A na diagonle. Prove-
deme-li transformaci promnnch
z = P
T
s, z = (z
1
, . . . , z
n
)
T
,
dostaneme
s
T
A s = z
T
Dz =
n
i=1
i
z
2
i
.
Odtud plyne, e hyperelipsoid m sv osy ve smrech z
i
a dlky tchto os jsou
pmo mrn
1
i
, i = 1, . . . , n.
Tyto geometrick vahy budeme nyn ilustrovat na jednoduchm pklad.
Pklad 4.8. Uvaujme systm
2x
1
x
2
= 1
x
1
+ 2x
2
= 1 ,
jeho pesn een je x
= (1, 1)
T
.
Q(x) =
1
2
(2x
2
1
+ 2x
2
2
2x
1
x
2
) (x
1
+x
2
)
a
Q(x
) = 1 .
Rovnice elipsy je dna vztahem
1
2
s
T
As = c, c = konstanta
1
2
(2s
2
1
+ 2s
2
2
2s
1
s
2
) = c.
Obrzek 4.1 ukazuje tvar elipsy pro c = 1.
Vlastn sla matice A jsou
1
= 3,
2
= 1. Tedy rovnice pslun elipsy je
z
2
1
3
+
z
2
2
1
= c .
1.5 1 0.5 0 0.5 1 1.5
1.5
1
0.5
0
0.5
1
1.5
s
1
s
2 z
1
z
2
Obr. 4.1: Elipsa
1
2
(2s
2
1
+ 2s
2
2
2s
1
s
2
) = 1.
Vlastn vektor pslun vlastnmu slu
1
= 3 je tvaru x
(1)
=
1
2
(1, 1)
T
a vektor pslun vlastnmu slu
2
= 1 je x
(2)
=
1
2
(1, 1)
T
, take
P =
1
2
_
1 1
1 1
_
.
Na obrzku 4.2 vidme prbh kvadratickho funkcionlu Q(x).
Obecn schema minimalizace funkce Q bude takov, e vybereme poten
aproximaci x
1
a pak urme x
2
tak, e zvolme njak smr v
1
a vzdlenost t
1
ve
smru v
1
. Obecn pak
x
k+1
= x
k
+t
k
v
k
, i = 1, 2, . . .
Vektory v
k
se nazvaj smrov vektory.
0
0.5
1
1.5
2
0
0.5
1
1.5
2
1
0.5
0
0.5
1
1.5
2
Obr. 4.2: Prbh kvadratickho funkcionlu Q(x), Q(x
) = 1
Popime nyn jednu z metod tohoto typu, a to metodu nejvtho spdu.
Nech x
1
R
n
je poten aproximace pesnho een x
a polome r
1
=
bAx
1
; vektor r
1
se nazv reziduov vektor. Naim clem je najt takov vektor
v
1
R
n
, |v
1
| = |Ax
1
b|, pro kter
d
dt
Q(x
1
+tv
1
)
t=0
= max, t R.
Geometricky lze tuto metodu vysvtlit takto:
x = x
1
+ tv
1
, t R, je pmka prochzejc body x
1
a v
1
. Kvadratick funkce Q
je plocha v R
n
a bodm lecm na uveden pmce odpovd kivka na tto ploe.
Nyn hedme takov smr, tj. takov vektor v
1
, ve kterm m plocha nejvt
spd.
Vypotme hodnotu funkce Q pro body na pmce x = x
1
+tv:
Q(x
1
+tv) =
1
2
x
1
T
Ax
1
+tv
1
T
(Ax
1
b) +
1
2
t
2
v
1
T
Av
1
x
1
T
b .
Dle
dQ(x
1
+tv
1
)
dt
= v
1
T
(Ax
1
b) +tv
1
T
Av
1
(4.23)
a pro t = 0 dostaneme
d
dt
Q(x
1
+tv
1
)
t=0
= v
1
T
(Ax
1
b) .
Pi pedepsan norm bude skalrn souin maximln v ppad, e v
1
= Ax
1
b.
To znamen, e ve smru v
1
= r
1
m plocha Q nejvt spd.
Nyn musme v tomto smru najt takov bod x
2
, pro kter Q nabv mi-
nimln hodnoty. Budeme tedy hledat minimum kvadratick funkce Q(x
1
tr
1
)
jedn promnn t. Ze vztahu dQ(x
1
tr
1
)/dt = 0 plyne
r
1
T
r
1
+tr
1
T
A r
1
= 0
tj.
t
1
=
r
1
T
r
1
r
1
T
Ar
1
.
Funkce Q(x
1
tr
1
) je konvexn vzhledem k promnn t, nebo
d
2
Q(x
1
tr
1
)
dt
2
= v
1
T
Av
1
> 0.
To znamen, e v bod t
1
se realizuje jedin minimum. Matice A je pozitivn
denitn a r
1
,= o, a tedy r
1
T
Ar
1
> 0. Dal aproximace je tvaru
x
2
= x
1
+
r
1
T
r
1
r
1
T
Ar
1
r
1
.
Uveden metoda se nazv metoda nejvtho spdu a jej algoritmus m obecn
tvar:
x
k+1
= x
k
+
r
k
T
r
k
r
k
T
Ar
k
r
k
. (4.24)
Nyn odvodme dleit vztahy mezi rezidulnmi vektory r
k
. Z (4.24) plyne
Ax
k+1
= Ax
k
+
r
k
T
r
k
r
k
T
Ar
k
Ar
k
, r
k
= b Ax
k
a
Ax
k+1
b = Ax
k
b +
r
k
T
r
k
r
k
T
Ar
k
Ar
k
, r
k
= b Ax
k
.
Odtud
r
k+1
= r
k
r
k
T
r
k
r
k
T
Ar
k
Ar
k
, r
k
= b Ax
k
neboli
r
k+1
= r
k
+t
k
Ar
k
.
Dle pro skalrn souin vektor r
k+1
a r
k
plat
r
k+1
T
r
k
= (r
k
+t
k
Ar
k
)
T
r
k
= r
k
T
r
k
+t
k
r
k
T
Ar
k
=
= r
k
T
r
k
r
k
T
r
k
r
k
T
Ar
k
r
k
T
Ar
k
= 0 ,
co znamen, e vektory r
k+1
a r
k
jsou ortogonln.
Ukeme, e pro posloupnost generovanou metodou nejvtho spdu plat:
Q(x
k+1
0 < Q(x
k
), k = 1, 2 . . .
Potejme rozdl
Q(x
k+1
) Q(x
k
) = Q
_
x
k
+
r
k
T
r
k
r
k
T
Ar
k
r
k
_
Q(x
k
) =
=
r
k
T
r
k
r
k
T
Ar
k
r
k
T
Ax
k
r
k
T
r
k
r
k
T
Ar
k
r
k
T
b +
1
2
_
r
k
T
r
k
r
k
T
Ar
k
_
2
r
k
T
Ar
k
=
=
r
k
T
r
k
r
k
T
Ar
k
_
r
k
T
(Ax
k
b) +
1
2
r
k
T
r
k
r
k
T
Ar
k
r
k
T
Ar
k
_
=
=
r
k
T
r
k
r
k
T
Ar
k
_
r
k
T
r
k
+
1
2
r
k
T
r
k
_
=
1
2
(r
k
T
r
k
)
2
r
k
T
Ar
k
< 0
Q(x
k+1
) < Q(x
k
) .
Odtud tak plyne konvergence metody nejvtho spdu (viz [19]).
Pklad 4.9. eme metodou nejvtho spdu systm
2x
1
x
2
= 1
x
1
+ 2x
2
= 1 ,
jeho pesn een je x
= (1, 1)
T
. Zvolme poten aproximaci x
1
= (0, 1)
T
, je
Q(x
1
) = 0. Pak
r
1
= b Ax
1
= (2, 1)
T
a r
1
T
r
1
= 5, r
1
T
Ar
1
= 14 .
Dal aproximace x
2
je tvaru
x
2
=
_
0
1
_
+
5
14
_
2
1
_
=
_
5/7
9/14
_
; Q(x
2
) =
30
49
.
Dle
r
2
= b Ax
2
= (3/14, 3/7)
T
, r
2
T
r
2
=
45
196
, r
2
T
A r
2
=
54
196
,
odtud
x
3
=
_
5/7
9/14
_
+
45
54
_
3/14
3/7
_
=
_
25
28
1
_
.
=
_
0, 89826
1
_
,
Q(x
3
)
.
= 0, 988518. Prvn ti iterace ukazuje obrzek 4.3 spolu s elipsami o rovnici
1
2
(2s
2
1
+ 2s
2
2
2s
1
s
2
) = c, na nich jednotliv iterace le.
Dal metodu patc do tto skupiny je metodu sdruench gradient. Tato
metoda byla navrena v roce 1952 Hestenesem a Stiefelem a nyn se velmi asto
4.6. Stabilita, podmnnost 121
1 0.5 0 0.5 1 1.5 2 2.5 3
0.5
0
0.5
1
1.5
2
2.5
x
1
x
2
x
3
2x
1
x
2
=1
c=0.012
c=0.107
c=1.0
x
1
+2x
2
=1
Obr. 4.3: Metoda nejvtho spdu
uv pro een velkch a dkch systm s pozitivn denitnmi maticemi. Z hle-
diska teoretickho je tato metoda pm, ale pi praktick realizaci je to metoda
iteran. Podrobn pos tto metody lze nalzt nap. v [19].
Podvejme se nyn na otzky stability algoritm a vlivu zaokrouhlovacch chyb
pi een systmu Ax = b.
4.6. Stabilita, podmnnost
V vodn kapitole jsme uvedli denici stability. Nyn podrobn probereme otzky
stability pi een systm linernch rovnic.
Denice 4.6. Algoritmus pro een Ax = b se nazv stabiln, jestlie vypoten
een x je takov, e
(A +c) x = b +b,
kde c a b jsou mal; c se nazv chybov matice.
Poznmka 9. Malost matice nebo vektoru lze mit bu na zklad jejich
prvk nebo vpotem normy.
Podvejme se nyn na GEM bez vbru pivota. Lze ukzat ([6]), e vypoten
een x vyhovuje systmu
(A +c) x = b,
piem
|c|
cn
3
|A|
+O(
2
),
kde A
(k)
= (a
(k)
ij
), A
(1)
= A, jsou redukovan matice v eliminanm procesu, je
strojov pesnost ( = 10
6
pro jednoduchou pesnost, = 10
16
pro dvojnsob-
nou pesnost), c je konstanta a se nazv rstov faktor a je dn vztahem
=
max
k
max
i,j
a
(k)
ij
max
i,j
a
(1)
ij
.
Jestlie
1
= max
i,j
[a
(1)
i,j
[,
k
= max
i,j
[a
(k)
i,j
[, pak lze vyjdit takto:
=
max (
1
,
2
, . . . ,
n
)
1
.
Pro libovolnou matici mohou prvky matic A
(k)
rst libovoln a tedy i faktor
me bt velk (podrobnji viz [6]). Ilustrujme tento fakt na pkladu:
Pklad 4.10.
A = A
(1)
=
_
10
10
1
1 2
_
A
(2)
=
_
10
10
1
0 10
10
_
Rstov faktor
=
max (
1
,
2
)
1
=
max
_
2, 10
10
_
2
=
10
10
2
.
eme-li linern systm s touto matic, nememe oekvat malou chybovou
matici c.
eme nap. systm
10
10
x
1
+ x
2
= 1
x
1
+ 2x
2
= 3
Uitm A
(2)
vypoteme x
1
= 0, x
2
= 1, zatmco pesn een je x
1
= 1, x
2
= 1
(pi zaokrouhlovn na 9 cifer).
Pi GEM je vektor b = b
(1)
modikovn na vektor b
(2)
: b
(2)
= (1, 3 10
10
)
T
=
(1, 10
10
)
T
. Tento fakt ukazuje, e GEM bez vbru pivota je obecn nestabiln
procedura. Ale na druh stran me bt tato procedura stabiln pro nkter
speciln typy matice.
Nsledujc tabulky ukazuj srovnn rznch metod z hlediska stability ([6]).
4.6. Stabilita, podmnnost 123
I. Matice systmu je libovoln
Metoda
Poet
ns. operac
Stabilita
GEM bez
vbru pivota
n
3
3
nestabiln
GEM s stenm
vbrem pivota
n
3
3
+O(n
2
) porovnn stabiln
GEM s plnm
vbrem pivota
n
3
3
+O(n
3
) porovnn stabiln
II. Speciln typy matic
Matice Metoda
Poet
ns. operac
Stabilita
Symetrick
GEM bez
vbru pivota
n
3
3
stabiln
Symetrick Choleskho
n
3
6
+ n druhch
odmocnin
stabiln
Diagonln
dominantn
GEM bez
vbru pivota
n
3
3
stabiln
Tdiagonln Croutova O(n) stabiln
Z pedchozch vah bychom nemli nabt dojmu, e stabilita algoritmu zaru-
uje, e vypoten een bude pesn. Vlastnost, kter se nazv podmnnost ,
ale tak pispv k pesnosti nebo nepesnosti vypotenho vsledku.
Podmnnost problmu je vlastnost problmu samotnho. Jak jsme ji uvedli
v vodu, podmnnost se tk toho, jak se een zmn, jestlie se zmn vstupn
data. Tento problm nastv pi praktickch aplikacch, kdy vstupn data zskan
menm nebo pozorovnm jsou zatena chybami. Ve skutenosti tedy musme
eit problm, kter nen zadn pvodnmi daty, ale daty s poruchami. Otzkou
tedy je, jak vliv maj tyto poruchy na een. Ilustrujme tento fakt na pklad.
Pklad 4.11. Pedpokldejme, e v njakm podniku jsou dv oddlen. V prvnm
oddlen pracuje 101 ena a 10 mu, v druhm oddlen 10 en a 1 mu. Nech
prvn oddlen dostane za asovou jednotku 111 K, druh oddlen 11 K. Ptme
se, jak je mzda eny a mue za asovou jednotku?
Ozname-li x
1
mzdu eny a x
2
mzdu mue, vede loha na systm rovnic
101x
1
+ 10x
2
= 111
10x
1
+ x
2
= 11
Je zejm, e een tohoto systmu je: x
1
= 1, x
2
= 1. Ale vedouc se rozhodl
druhmu oddlen pidat, aby poslil pozici jedinho mue a zvil stku na
11,10 K. Systm rovnic je tvaru
101x
1
+ 10x
2
= 111
10x
1
+ x
2
= 11,1
Ovem een tohoto systmu je x
1
= 0, x
2
= 11,1. To znamen, e mal zmna
na vstupu (prav strany) m za nsledek velkou zmnu na vstupu. Spotejme
slo podmnnosti podle vztahu uvedenho v vodu.
C
p
=
|relativn chyba na vstupu|
|relativn chyba na vstupu|
.
K vyjden tohoto sla pouijeme norem vektor. Nech
x
=
_
x
1
x
2
_
|x
|
1
= [x
1
[ +[x
2
[ = 2; x =
_
x
1
x
2
_
| x|
1
= 11,1
b =
_
111
11
_
|b|
1
= 122,

b =
_
111
11,1
_
|
b|
1
= 122,1
Nyn
C
p
=
|x
x|
1
|x
|
1
|b
b|
1
|b|
1
=
11,1
2
0,1
122
6770.
Jedn se o patn podmnnou lohu.
Pro vyetovn podmnnosti systm linernch rovnic je vhodn denovat
slo podmnnosti matice.
Denice 4.7. Pro libovolnou pidruenou maticovou normu denujeme slo
podmnnosti matice A vztahem
k(A) = |A| |A
1
|.
ekneme, e matice A je dobe podmnna, jestlie k(A) 1 a patn podmnna,
jestlie k(A) je podstatn vt ne 1.
Je jasn, e k(A) 1, nebo
1 = |E| = |AA
1
| |A| |A
1
| = k(A).
Vypotme slo podmnnosti matice A z pedchozho pkladu:
A =
_
101 10
10 1
_
|A|
1
= 111
A
1
=
_
1 10
10 101
_
|A
1
|
1
= 111
4.7. Analza chyb 125
Tedy k(A) = 111
2
= 12321, co opt znamen, e A je patn podmnna.
4.7. Analza chyb
Nech nyn matice A je dna s poruchou A a vektor b s poruchou b. Tedy msto
systmu Ax = b eme systm (A +A)(x +x) = b +b.
Vta 4.10. Nech A je regulrn matice a nech pro njakou pidruenou mati-
covou normu plat:
|A| <
1
|A
1
|
.
een x = x
+ x
systmu (A + A)(x + x) = b + b aproximuje een x
systmu Ax = b s chybou
|x
|
|x
|

k(A)
1 k(A)
|A|
|A|
_
|b|
|b|
+
|A|
|A|
_
. (4.25)
Dkaz. Z pedpokladu |A| < 1/|A
1
| plyne
|A
1
A| |A
1
| |A| < 1 ,
a tedy podle vty 1.5 je matice (E +A
1
A) regulrn a plat
|(E +A
1
A)
1
|
1
1 |A
1
A|

1
1 |A
1
| |A|
. (4.26)
Upravme systm
(A +A)(x
+x
) = b +b
nsledujcm zpsobem:
A
1
(A +A)(x
+x
) = A
1
(b +b)
(E +A
1
A)(x
+x
) = A
1
(b +b)
x
+x
= (E +A
1
A)
1
A
1
(b +b).
Na druh stran je
x
= (E +A
1
A)
1
(E +A
1
A)x
a odtud
x
+x
= (E +A
1
A)
1
_
A
1
(b +b) x
A
1
Ax
_
,
tj.
x
= (E +A
1
A)
1
A
1
(b Ax
).
Pechodem k norm dostaneme
|x
| |(E +A
1
A)
1
| |A
1
| (|b| +|A| |x
|) ,
nebo pidruen maticov norma je souhlasn s danou vektorovou normou.
V dalch pravch uijeme vztahu (4.26):
|x
|
|x
|

|A
1
|
1 |A
1
| |A|
_
|b|
|x
|
+|A|
_
Jeliko |Ax
| = |b|, je |b| |A| |x
|, a tedy |x
| |b|/|A|. Odtud
|x
|
|x
|

|A
1
| |A|
1 |A
1
| |A|
_
|b|
|b|
+
|A|
|A|
_
.
Uijme nyn vyjden pro slo podmnnosti k(A) = |A|.|A
1
| a dostaneme
poadovan odhad (4.25). 2
Poznmka 10. Jestlie b = o, ukazuje pedchoz vta vliv poruchy matice A na
relativn chybu een. V tomto ppad
|x
|
|x
|

k(A)
1 k(A)
|A|
|A|
|A|
|A|
.
Jmenovatel zlomku na prav stran tto nerovnosti je men ne 1. Tedy, dokonce
i za pedpokladu, e |A|/|A| je mal slo, chyba een me bt znan, jestlie
k(A) je velk slo. Stejn zvr plat i v ppad existence poruch A i b. slo
podmnnosti k(A) m tedy zsadn vznam pokud jde o citlivost een vzhledem
ke vstupnm datm.
Pedpokldejme nyn, e matice A je dna pesn, ale vektor b je dn s poru-
chami. Tedy msto systmu Ax = b eme systm A(x +x) = b + b.
Vta 4.11. Nech A je regulrn matice a vektor b ,= o. Jestlie b resp. x jsou
poruchy vektoru b resp. x, pak
|b|
k(A)|b|

|x
|
|x
|
k(A)
|b|
|b|
.
Dkaz prav nerovnosti je dsledkem vty 4.10 a dkaz nerovnosti vlevo lze
nalzt v [6]. Zde uvedeme interpretaci vty. Tato vta k, e relativn chyba een
me bt tak velk jako slo podmnnosti matice A nsoben relativn chybou
vektoru b. Jestlie slo podmnnosti nen pli velk, potom mal zmny vektoru
b maj za nsledek mal zmny een. Vrame se k pedchozmu pkladu. Zde je
|x
|
1
|x
|
1
111
2
.
0,1
122
10,1, x
= (x
1
, x
2
)
T
.
4.7. Analza chyb 127
Skuten relativn chyba je 11,2/2 = 5,6.
Je teba poznamenat, e horn hranice chyby je podstatn vy. Tento fakt
vyplv z celkov koncepce odhadu chyb v numerick matematice, kdy vdy uva-
ujeme horn odhad chyb, tj. nejhor mon ppad.
Pklad 4.12. Velmi znmm pkladem patn podmnn matice je Hilbertova
matice:
A =
_
_
_
_
_
_
_
_
1
1
2
1
3

1
n
1
2
1
3
1
4

1
n+1
.
.
.
.
.
.
.
.
.
.
.
.
1
n
1
n+1
1
n+2

1
2n1
_
_
_
_
_
_
_
_
.
Pro n = 10 vzhledem k norm | . |
1
je k(A) = 3,5353.10
13
. Je vhodn si povim-
nout, e determinant tto matice je velmi mal.
Objasnme nyn praktick vznam vty 4.10.
Pedpokldejme, e vpoet v pohybliv dov rce se zaokrouhlovnm na
t desetinnch mst me zapinit relativn chyby dan v normch vztahy:
|A|
|A|
5.10
t
,
|b|
|b|
5.10
t
.
Za pedpokladu, e k(A) 10
a 5.10
t
1, dostaneme z odhadu ve vt 4.10:
|x
|
|x
|
10
t+1
.
Tato skutenost vede k nsledujcmu zvru:
Jestlie eme systm Ax = b v pohybliv dov rce se zaokrouhlovnm na
t desetinnch mst a k(A) 10
, pak vypoten een x je sprvn na (t 1)

desetinnch mst.
Nech nyn x je vypoten een (jakoukoliv metodou). Uvaujme reziduov
vektor r = b A x. Zdlo by se logick, e kdy |r| je mal slo, je x dobrou
aproximac pesnho een. Ale nsledujc pklad ukazuje, e tomu tak bt ne-
mus.
_
1 2
1,0001 2
__
x
1
x
2
_
=
_
3
3,0001
_
.
Tento systm m jedin een x
= (1, 1)
T
. Pro aproximaci x = (3, 0)
T
je rezidu-
ov vektor tvaru
r = b A x =
_
3
3,0001
_
_
1 2
1,0001 2
__
3
0
_
=
_
0
0,0002
_
.
Tedy |r|
= 0,0002, ale |x x|
= 2.
Z geometrickho hlediska lze tuto situaci vysvtlit takto:
een systmu je prsek pmek
l
1
: x
1
+ 2x
2
= 3, l
2
: 1,0001x
1
+ 2x
2
= 3,0001.
Bod x = (3, 0) le na pmce l
1
a pmky l
1
a l
2
jsou tm rovnobn, co
implikuje, e bod (3, 0) le blzko pmky l
2
, i kdy se podstatn li od prseku
pmek v bod (1, 1).
Matematicky lze tento jev objasnit nsledujc vtou.
Vta 4.12. Nech x je aproximace een systmu Ax = b s regulrn matic A.
Pak pro pidruenou maticovou normu plat:
|x
x| |r| |A
1
|, (4.27)
|x
x|
|x
|
k(A)
|r|
|b|
, za pedpokladu b ,= o. (4.28)
Dkaz. Je r = b A x = Ax
A x x
x = A
1
r, nebo A je regulrn
matice.
Z vlastnost pidruen normy plyne:
|x
x| = |A
1
r| |A
1
| |r|
Dle b = Ax
a tedy |b| |A||x
|, tj. |x
| |b|/|A|. Pouitm vztahu (4.27)

nyn dostaneme
|x
x|
|x
|

|A
1
| |A|
|b|
|r| = k(A)
|r|
|b|
.
2
Tato vta k, e relativn chyba aproximace x zvis nejen na reziduovm
vektoru, ale tak na sle podmnnosti matice A. Vypoten een tedy bude
dostaten pesn pouze v ppad, e souin sla podmnnosti a relativnho
rezidua |r|/|b| je mal slo. Vrame se nyn k pedchozmu pkladu a vypotme
slo podmnnosti matice A vzhledem k | . |
. Je
A
1
=
_
10000 10000
5000,5 5000
_
,
|A|
= 3,0001, |A
1
|
= 20000, tzn.
k(A) = 60002.
slo podmnnosti je velmi velk, co znamen, e i v ppad, e norma rezidu-
ovho vektoru je mal slo, chyba aproximace me bt velk.
Poznmka 11. Nech A je pozitivn denitn matice. Uvaujme spektrln normu
|A|
2
=
_
(A
T
A). Protoe je A pozitivn denitn, plat
|A|
2
= max
1in
i
a
|A
1
|
2
= ( min
1in
i
)
1
.
slo podmnnosti k(A) je v tomto ppad tvaru
k(A) =
max
i
min
i
.
Vrtme-li se ke geometrick interpretaci hledn minima kvadratick funkce v od-
stavci 4.5, je rovnice s
T
As = c rovnic hyperelipsoidu, jeho kanonick tvar je
n
i=1
i
z
2
i
= c .
Je-li tedy matice A dobe podmnna, k(A) 1, jsou hyperelipsoidy blzk kulo-
vm nadplochm a naopak pro k(A) 1 jsou hyperelipsoidy prothl.
Cvien ke kapitole 4
1. ete systm GEM a) bez vbru hlavnho prvku, b) s stenm vbrem
hlavnho prvku, c) s plnm vbrem hlavnho prvku:
x
1
x
2
+ 2x
3
x
4
= 8
2x
1
2x
2
+ 3x
3
3x
4
= 20
x
1
+ x
2
+ x
3
= 2
x
1
x
2
+ 4x
3
+ 3x
4
= 4
(een: x
1
= 7, x
2
= 3, x
3
= 2, x
4
= 2.)
2. Uijte Gaussovy eliminan metody s stenm vbrem hlavnho prvku
pro een soustavy
x
2
+x
3
= 0
2x
1
+ 2x
2
+ 3x
3
= 1
x
1
+ 2x
2
+x
3
= 5
.
3. Ukate e matici A nelze rozloit na souin horn a doln trojhelnkov
matice:
A =
_
_
_
_
1 1 1 1
1 1 0 2
2 2 3 0
1 1 2 2
_
_
_
_
.
ete nyn systmy Ax = b
1
, Ax = b
2
, kde b
1
= (7, 8, 10, 0)
T
, b
2
=
(7, 5, 10, 0)
T
. Uijte GEM a ukate, e systm Ax = b
1
m nekonen mnoho
een a systm Ax = b
2
nem dn een.
4. Choleskho metodou ete soustavu
x
1
+x
2
+x
3
= 3
x
1
+ 5x
2
+ 5x
3
= 11
x
1
+ 5x
2
+ 14x
3
= 20
.
5. ete systm Hx = b s Hilbertovou matic H:
a)
H =
_
_
_
_
_
_
_
_
_
_
_
1
1
2
1
3
1
4
1
5
1
2
1
3
1
4
1
5
1
6
1
3
1
4
1
5
1
6
1
7
1
4
1
5
1
6
1
7
1
8
1
5
1
6
1
7
1
8
1
9
_
_
_
_
_
_
_
_
_
_
_
b =
_
_
_
_
_
_
1
0
0
0
0
_
_
_
_
_
_
.
b) Dle ete tento systm s matic

H = H +H a porovnejte vsledky
H +H =
_
_
_
_
_
_
1,0 0,5 0,33333 0,25 0,2
0,5 0,33333 0,25 0,2 0,16667
0,33333 0,25 0,2 0,16667 0,14286
0,25 0,2 0,16667 0,14286 0,125
0,2 0,16667 0,14286 0,125 0,11111
_
_
_
_
_
_
b =
_
_
_
_
_
_
1
0
0
0
0
_
_
_
_
_
_
.
( a) een s matic H:
x = (25, 300, 1050, 1400, 630)
T
.
b) een s matic

H:
x = (28,02304; 348,5887; 1239,781; 1666,785; 753,5564)
T
.)
6. Pesn een systmu
1,133x
1
+ 5,281x
2
= 6,414
24,14x
1
1,210x
2
= 22,93
je x = (1, 1)
T
. ete tento systm se zaokrouhlovnm na 4 cifry
a) GEM bez vbru hlavnho prvku,
b) GEM s stenm vbrem hlavnho prvku.
( a) x
1
= 0,9956, x
2
= 1,001; b) x
1
= 1,000, x
2
= 1,000.)
7. Uvaujme systm
x
1
+ 2x
2
= 2
2x
1
+ 3x
2
= 3,4 ,
jeho pesn een je x = (0,8; 0,6)
T
. Vypotte reziduov vektor pro apro-
ximaci x = (1,00; 0,48)
T
a vektor skuten chyby een. Vsledky vysvtlete
gracky.
8. Vypotte matici inverzn k matici
A =
_
_
1 2 3
2 4 5
1 5 3
_
_
(sprvnost vsledk zkontrolujte vpotem AA
1
).
9. Najdte pm rozklad A = LU (l
ii
= 1, i = 1, 2, 3)
A =
_
_
5 2 1
1 0 3
3 1 6
_
_
(een: L =
_
_
1 0 0
0,2 1 0
0,6 5,5 1
_
_
, U =
_
_
5 2 1
0 0,4 2,8
0 0 10
_
_
)
10. Choleskho metodou ete soustavu
x
1
+x
2
+x
3
= 2
x
1
+ 5x
2
+ 5x
3
= 5
x
1
+ 5x
2
+ 14x
3
= 8
11. Choleskho metodou ete systm
x
1
+ 3x
2
2x
3
2x
5
= 0,5
3x
1
+ 4x
2
5x
3
+ x
4
3x
5
= 5,4
2x
1
5x
2
+ 3x
3
2x
4
+ 2x
5
= 5,0
x
2
2x
3
+ 5x
4
+ 3x
5
= 7,5
2x
1
3x
2
+ 2x
3
+ 3x
4
+ 4x
5
= 3,3.
(een: x
= (0,60978; 2,2016; 6,8011; 0,8996; 0,1995)

T
.)
12. Croutovou metodou ete systm
4x
1
+ 3x
2
= 24
3x
1
+ 4x
2
x
3
= 30
x
2
+ 4x
3
= 24.
(een: x
= (3, 4, 5)
T
.)
13. Nech A je pozitivn denitn matice. Ukate, e
a) a
ii
> 0, i = 1, 2, . . . , n,
b) max
1in
a
ii
= max
i,j
[a
ij
[.
1. Je mon provst rozklad A = LR, respektive PA = LR pro singulrn
matici A?
2. Popite, jak byste pomoc GEM eili tuto lohu:
Je dno m systm linernch rovnic vdy s tout matic A. Tato loha
me bt zapsna ve tvaru
AX = B,
A /
n
, B = (b
1
, . . . , b
m
), X = (x
1
, . . . , x
m
) jsou matice typu n m, b
i
,
b
i
, x
i
, i = 1, . . . , m jsou vektory.
3. Lze ut elementrn matici E
1
denovanou vztahem (A
11
,= 0)
E
1
=
_
_
_
_
_
_
_
_
_
1
a21
a11
.
.
. 0
.
.
. 1
.
.
. 0
.
.
.
an1
a11
1
_
_
_
_
_
_
_
_
_
pro transformaci matice A = A
(1)
na matici A
(2)
v Gaussov eliminan
metod?
4. Lze pout Choleskho metodu pro een systmu s matic
A =
_
0 1
1 0
_
?
5. Je mon rozloit matici
A =
_
_
3 3 2
1 1 4
2 8 2
_
_
na souin doln a horn trojhelnkov matice?
Kapitola 5
Iteran metody een
systm linernch rovnic
Uvaujme systm linernch rovnic
Ax = b (5.1)
s regulrn matic A /
n
. Ozname, stejn jako v pedchoz kapitole, x
pesn
een tohoto systmu,
x
= A
1
b. (5.2)
Pm metody zaloen na rozkladu matice A nejsou vhodn vzhledem k dob
vpotu a nrokm na pam potae v ppad, e matice A je dosti velk.
V praxi se s takovmi maticemi setkvme nap. pi numerickm een parcilnch
diferencilnch rovnic, kdy se asto vyskytuj matice du n > 10000. V tchto
ppadech je pouit Gaussovy eliminan metody velmi nron. Na druh stran
tyto matice jsou asto dk, tj. maj velk procento nulovch prvk, ale tato
vlastnost se ztrc uitm metod pedchoz kapitoly. Pro een takovch loh lze
ut tdy metod, kter se nazvaj iteran metody. Tyto metody nemn strukturu
matice A a poaduj uchovn pouze nkolika vektor du n.
5.1. Princip iteranch metod
Zkladn mylenka iteranch metod spov nejdve ve vyjden systmu Ax = b
v ekvivalentnm tvaru
x = Tx +g, T /
n
, (5.3)
x
je een systmu (5.1) prv tehdy, kdy x
je eenm systmu (5.3), x
=
(E T)
1
g za pedpokladu, e E T je regulrn.
134 5. ITERAN METODY EEN SYSTM LINERNCH ROVNIC
Nech x
0
R
n
je libovoln poten aproximace. Posloupnost
_
x
k
_
k=0
uren
rekurentn vztahem
x
k+1
= Tx
k
+g, k = 0, 1, . . . (5.4)
se nazv iteran posloupnost a matice T se nazv iteran matice.
Budeme se nyn zabvat dvma problmy:
(a) Jak zvolit iteran matici T, tj. jakm zpsobem pevst systm (5.1) na
systm (5.3)?
(b) Za jakch pedpoklad posloupnost
_
x
k
_
k=0
konverguje pro libovolnou po-
ten aproximaci k pesnmu een x
?
Vimnme si, e vztah (5.4) me bt tak zapsn jinm zpsobem:
Je
x
1
= Tx
0
+g,
x
2
= Tx
1
+g = T(Tx
0
+g) +g = T
2
x
0
+ (T +E)g,
.
.
.
x
k+1
= T
k+1
x
0
+ (T
k
+T
k1
+. . . +E)g.
(5.5)
Mocniny matice T budou hrt zejm dleitou lohu v naich dalch vahch.
Podvejme se na posloupnosti mocnin matic obecn.
Denice 5.1. ekneme, e matice H /
n
je konvergentn, jestlie
lim
k
H
k
= lim
k
H . . . H
. .
k-krt
= O,
kde O je nulov matice.
Pklad 5.1. Matice H =
_
1
2
0
1
4
1
2
_
je konvergentn. Je toti
H
2
=
_
1
4
0
1
4
1
4
_
, H
3
=
_
1
8
0
3
16
1
8
_
, . . . , H
k
=
_
_
_
1
2
_
k
0
k
2
k+1
_
1
2
_
k
_
_
a odtud je zejm, e lim
k
H
k
= O.
Vta 5.1. ([8]) Nsledujc tvrzen jsou ekvivalentn:
(i) H je konvergentn matice.
(ii) lim
k
|H
k
| = 0 pro njakou pidruenou maticovou normu.
(iii) (H) < 1 ((H) je spektrln polomr H).
(iv) lim
k
H
k
x = o pro libovoln vektor x R
n
.
5.1. Princip iteranch metod 135
Pklad 5.2. Matice H =
_
1 0
1
4
1
2
_
nen konvergentn, nebo (H) = 1.
V naich dalch vahch budeme pouvat poznatk o normch vektor a ma-
tic z kapitoly 1.
Vrame se nyn k iteranmu procesu (5.4). Dve ne dokeme hlavn vtu
o konvergenci iteranho procesu, dokeme toto lemma:
Lemma. Nech (T) < 1. Pak E T je regulrn a plat
(E T)
1
= E +T +T
2
+. . . (5.6)
Dkaz. Prvn st tvrzen plyne z dsledku vty 1.5. Dokeme platnost (5.6).
Nech
S
m
= E +T +T
2
+. . . +T
m
.
Pak
(E T)S
m
= (E T)(E +. . . +T
m
) = E T
m+1
.
Jeliko (T) < 1, je matice T konvergentn a tud lim
m
T
m+1
= O. Odtud
lim
m
(E T)S
m
= E,
co znamen, e
(E T)
1
= E +T +T
2
+. . .
2
Hlavn vtu o konvergenci iteranho procesu (5.4) lze formulovat takto:
Vta 5.2. Posloupnost
_
x
k
_
k=0
uren iteranm procesem (5.4) konverguje
pro kadou poten aproximaci x
0
R
n
prv tehdy, kdy (T) < 1, piem
lim
k
x
k
= x
, x
= Tx
+g.
Dkaz. Nech x
0
R
n
je libovoln poten aproximace. Podle vztahu (5.5) lze
aproximaci x
k+1
zapsat ve tvaru:
x
k+1
= T
k+1
x
0
+ (T
k
+T
k1
+. . . +T +E)g.
Nech (T) < 1. Pak podle vty 5.1 je matice T konvergentn a podle lemmatu je
(E T) regulrn. Odtud plyne, e
lim
k
x
k+1
= lim
k
T
k+1
x
0
+ lim
k
(T
k
+. . . +T +E)g = o + (E T)
1
g = x
.
Nech nyn iteran proces (5.4) konverguje k limit x
pro kadou poten apro-

ximaci x
0
R
n
.
Nech x
k
= Tx
k1
+g, k = 1, 2, . . ., x
= Tx
+g. Pak
x
x
k
= T(x
x
k1
) = . . . = T
k
(x
x
0
). (5.7)
Odtud pro libovoln vektor x
0
R
n
plat
lim
k
(x
x
k
) = lim
k
T
k
(x
x
0
) = o.
Nech nyn z R
n
je libovoln vektor a polome x
0
= x
z, pak
lim
k
T
k
z = lim
k
T
k
(x
(x
z)) = o,
co implikuje, podle vty 5.1, e (T) < 1. 2
Poznmka 1. Kriteria pro zastaven vpotu mohou bt nap. nsledujc:
1. |x
k+1
x
k
|/|x
k
| < , kde | . | je njak vektorov norma a > 0 je
poadovan pesnost,
2. |r
k+1
| (|A| |x
k+1
| +|b|), kde r
k+1
= Ax
k+1
b,
maticov norma je pidruen dan vektorov norm, a > 0 je poadovan
pesnost.
Vme, e pro pidruenou maticovou normu plat |T| (T). Nutnou a po-
staujc podmnku (T) < 1 lze pak ve vt 5.2 nahradit podmnkou postaujc:
|T| < 1. Tuto skutenost zformulujme jako dsledek.
Dsledek. Nech pro njakou pidruenou maticovou normu plat |T| < 1. Pak
posloupnost
_
x
k
_
k=0
generovan iteranm procesem (5.4) konverguje k een
x
= (E T)
1
g pro kadou poten aproximaci x
0
R
n
. Dle plat
|x
x
k
| |T|
k
|x
x
0
|, (5.8)
|x
x
k
|
|T|
k
1 |T|
|x
1
x
0
|. (5.9)
Dkaz. Jak ji bylo uvedeno, prvn st dkazu plyne ze skutenosti 1 > |T|
(T) a je tedy dsledkem pedchoz vty. Ale dkaz lze rovn provst aplikac
Banachovy vty o pevnm bod:
Uvaujme zobrazen F : R
n
R
n
, Fx = Tx+g. Ukeme, e toto zobrazen
je kontrakce v prostoru R
n
vzhledem k metrice (x, y) = |x y|, R
n
je pln
metrick prostor. Je toti
|Fx Fy| = |T(x y)| |T| |x y| = q|x y|.
To znamen, e F je kontrakce s koecientemq = |T|. Z Banachovy vty o pevnm
bod plyne tvrzen a rovn vztah (5.9).
Pokud jde o odhad dan vztahem (5.8), plyne ihned ze vztahu (5.7), nebo
|x
x
k
| = |T
k
(x
x
0
)| |T|
k
|x
x
0
|.
2
Pipomeme jet zajmav vsledek, tkajc se vztahu pidruen normy ma-
tice a jejho spektrlnho polomru: Pro kadou matici A a libovoln > 0 existuje
5.2. Jacobiova iteran metoda 137
pidruen maticov norma s vlastnost |A| (A) + . Tedy (A) je inmum
vech pidruench norem matice A ([17]).
Vrame se nyn k iteranm procesm. Jeliko vztah (5.8) plat pro kadou
pidruenou maticovou normu, plyne z pedchozho
|x
k
x
| ((T))
k
|x
0
x
|. (5.10)
Pedpokldejme, e (T) < 1 a x
0
= o je poten aproximace. Chceme-li do-
shnout relativn chyby nejve 10
t
, je podle vztahu (5.10) zapoteb k iterac,
piem pro k plat
((T))
k
10
t
,
tj.
k
t
log (T)
. (5.11)
5.2. Jacobiova iteran metoda
Volbou iteran matice T lze zskat konkrtn iteran metody.
Matici A zapime ve tvaru
A = DL U,
kde
D =
_
_
_
a
11
0
.
.
.
0 a
nn
_
_
_,
L =
_
_
_
_
_
_
0 0
a
21
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n,n1
0
_
_
_
_
_
_
,
U =
_
_
_
_
_
_
0 a
12
a
1n
.
.
.
.
.
.
.
.
.
.
.
. a
n1,n
0 0
_
_
_
_
_
_
.
D je diagonln matice, L je doln trojhelnkov matice s nulami na diagonle
a U je horn trojhelnkov matice s nulami na diagonle.
Rovnici Ax = b zapeme ve tvaru (D L U)x = b a transformujeme ji na
rovnici
Dx = (L +U)x +b.
Za pedpokladu, e a
ii
,= 0, i = 1, . . . , n, je matice D regulrn a z pedchoz
rovnice lze vypotat x
x = D
1
(L +U)x +D
1
b. (5.12)
Tento vztah vede na maticov tvar Jacobiovy iteran metody. Ozname-li T
J
=
D
1
(L +U), je tato metoda tvaru:
x
k+1
= T
J
x
k
+D
1
b, (5.13)
kde T
J
= (t
ij
) je Jacobiova iteran matice, t
ij
=
aij
aii
pro i ,= j, t
ii
= 0 pro
i = 1, . . . , n. Matice T
J
m tedy nulov diagonln prvky a je tvaru
T
J
=
_
_
_
_
_
_
_
_
_
_
_
_
0
a
12
a
11

a
1n
a
11
a
21
a
22
0
a
2n
a
22
.
.
.
.
.
.
.
.
.
a
n1
a
nn
a
n2
a
nn
0
_
_
_
_
_
_
_
_
_
_
_
_
. (5.14)
Ve slokch vektoru x
k
lze Jacobiovu iteran metodu zapsat takto:
x
k+1
i
=
n
j=1
j=i
a
ij
a
ii
x
k
j
+
b
i
a
ii
, i = 1, . . . , n; k 0. (5.15)
Pro realizaci vpotu to znamen, e z prvn rovnice vypoteme x
1
, z druh
x
2
, obecn z k-t rovnice vypoteme x
k
a z n-t rovnice vypoteme x
n
a na prav
stran takto zskanho systmu jsou prvky matice T
J
.
Z vty 5.2 ihned plyne vta o konvergenci Jacobiovy iteran metody:
_
x
k
_
k=0
generovan metodou (5.13) konverguje pro ka-
dou poten aproximaci x
0
R
n
prv tehdy, kdy (T
J
) < 1.
Pklad 5.3. Jacobiovou iteran metodou ete systm
10x
1
2x
2
2x
3
= 6
x
1
+ 10x
2
2x
3
= 7
x
1
x
2
+ 10x
3
= 8,
jeho pesn een x
= (1, 1, 1)
T
.
een. Jacobiova iteran metoda je tvaru
x
k+1
1
=
1
10
(6 + 2x
k
2
+ 2x
k
3
)
x
k+1
2
=
1
10
(7 + x
k
1
+ 2x
k
3
)
x
k+1
3
=
1
10
(8 + x
k
1
+ x
k
2
)
5.2. Jacobiova iteran metoda 139
Nech x
0
= (0, 0, 0)
T
. Pak
x
1
=
_
_
_
0,6
0,7
0,8
_
_
_ x
2
=
_
_
_
0,90
0,92
0,93
_
_
_ x
3
=
_
_
_
0,970
0,976
0,982
_
_
_ x
4
=
_
_
_
0,9918
0,9934
0,9958
_
_
_
Matice T
J
je v tomto ppad tvaru
T
J
=
_
_
_
_
_
0 0,2 0,2
0,1 0 0,2
0,1 0,1 0
_
_
_
_
_
(T
J
) = 0,285
a |T
J
|
= 0,4. Podle vty 5.3 je posloupnost

_
x
k
_
konvergentn.
Pro odhad chyby plat (viz (5.9))
|x
x
k
|

|T
J
|
k
1 |T|
|x
1
x
0
|
,
co v naem ppad pro k = 4
|x
x
4
|

0,4
4
0,6
0,8 0,034.
Na druh stran, skuten chyba |x
x
4
|
0,008. Vztah (5.9) udv toti,

jako obvykle v numerickch metodch, horn odhad chyby.
Pro nkter speciln typy matice A je zaruena konvergence Jacobiovy iteran
metody.
Vta 5.4.
a) Siln dkov suman kriterium:
Nech matice A je ryze dkov diagonln dominantn, tj.
[a
ii
[ >
n
j=1
j=i
[a
ij
[, i = 1, . . . , n.
Pak Jacobiova iteran metoda konverguje pro kadou poten aproximaci
x
0
R
n
.
b) Siln sloupcov suman kriterium:
Nech matice A je ryze sloupcov diagonln dominantn, tj.
[a
kk
[ >
n
i=1
i =k
[a
ik
[, k = 1, . . . , n.
Pak Jacobiova iteran metoda konverguje pro kadou poten aproximaci
x
0
R
n
.
Dkaz.
a) Spotejme normu | . |
matice T
J
= D
1
(L +U). Je
|T
J
|
= max
1i n
n
j=1
[t
ij
[ = max
1i n
n
j=1
j=i
a
ij
a
ii
.
Jeliko
[a
ii
[ >
n
j=1
j=i
[a
ij
[,
je
n
j=1
a
ij
a
ii
< 1, i = 1, . . . , n
a odtud |T
J
|
< 1. Podle dsledku vty 5.2 je Jacobiova iteran metoda

konvergentn.
b) Podle pedpokladu Jacobiova metoda konverguje pro matici A
T
. To zna-
men, e (D
1
(L
T
+U
T
)) < 1. Polome X = D
1
(L
T
+U
T
). Tato matice
m stejn vlastn sla jako matice X
T
= (L +U)D
1
. Dle matice X
T
m
stejn vlastn sla jako matice s n podobn
D
1
X
T
D = D
1
(L +U)D
1
D = D
1
(L + U) = T
J
a odtud plyne, e (T
J
) < 1 a je splnn pedpoklad vty 5.3.
2
Matice A systmu pkladu 5.3 je ryze dkov i sloupcov diagonln domi-
nantn.
Geometrick vznam Jacobiovy metody budeme ilustrovat na pkladu systmu
dvou rovnic:
l
1
: a
11
x
1
+ a
12
x
2
= b
1
l
2
: a
21
x
1
+ a
22
x
2
= b
2
.
Tyto rovnice jsou rovnice pmek l
1
, l
2
. Jacobiova iteran metoda je tvaru:
l
1
: x
k+1
1
=
a
12
a
11
x
k
2
+
b
1
a
11
l
2
: x
k+1
2
=
a
21
a
22
x
k
1
+
b
2
a
22
(5.16)
a iteran matice
T
J
=
_
_
_
_
0
a
12
a
11
a
21
a
22
0
_
_
_
_
5.3. Gaussova-Seidelova iteran metoda 141
m charakteristickou rovnici
2
+a
12
a
21
/a
11
a
22
= 0.
Ze vztah (5.16) bezprostedn plyne geometrick vznam tto metody:
Bod (x
k+1
1
, x
k
2
) le na pmce l
1
, bod (x
k
1
, x
k+1
2
) le na pmce l
2
. Bod
(x
k+1
1
, x
k+1
2
) je prsekem pmek x
2
= x
k+1
1
a x
2
= x
k+1
2
.
Gracky je tato metoda ilustrovna na obr. 5.1.
0 1 2 3 4 5 6
0
1
2
3
4
5
6
x
0
x
1
x
2
x
3
x
4
x
1
x
2
l
1
: 2x
1
x
2
1.5=0
l
2
: x
1
2x
2
+1=0
Obr. 5.1: Jacobiova iteran metoda
Poznmka 2. Vlastn sla matice T
J
jsou dna vztahem
2
= a
12
a
21
/a
11
a
22
.
Vymnme-li poad pmek (za pedpokladu, e a
ij
,= 0, i, j = 1, 2) budou vlastn
sla tohoto systmu rovna pevrcenm hodnotm sel , co m za nsledek
zmnu konvergentnho procesu v proces divergentn a naopak.
5.3. Gaussova-Seidelova iteran metoda
Pi pouit Jacobiovy metody pi vpotu x
k+1
musme uchovvat v pamti po-
tae cel vektor x
k
. Jistou modikac Jacobiovy metody je metoda, kter pi
vpotu sloky x
k+1
i
, 1 < i n, pouv ji vypoten sloky x
k+1
1
, . . . , x
k+1
i1
.
Popime nyn tuto metodu podrobnji. Uvedeme nejdve zpis po slokch a pot
pejdeme k maticovmu zpisu.
Uvaovan metoda me bt zapsna takto:
a
11
x
k+1
1
+ a
12
x
k
2
+ . . . + a
1n
x
k
n
= b
1
a
21
x
k+1
1
+ a
22
x
k+1
2
+ . . . + a
2n
x
k
n
= b
2
.
.
.
.
.
.
a
n1
x
k+1
1
+ a
n2
x
k+1
2
+ . . . + a
nn
x
k+1
n
= b
n
neboli
x
k+1
i
=
i1
j=1
a
ij
a
ii
x
k+1
j

n
j=i+1
a
ij
a
ii
x
k
j
+
b
i
a
ii
, i = 1, . . . , n. (5.17)
Tato metoda se nazv Gaussova-Seidelova metoda.
Vztah (5.17), kter je v podstat zskan obdobnm postupem jako u Jacobiovy
metody, je vhodn pro praktick pouit.
Maticov zpis Gaussovy-Seidelovy metody lze zskat takto:
Ax = b (D L U)x = b
(D L)x = Ux +b.
Za pedpokladu, e a
ii
,= 0, i = 1, . . . , n, je matice DL regulrn a
x = (D L)
1
Ux + (D L)
1
b.
Polome-li T
G
= (D L)
1
U, je Gaussova-Seidelova iteran metoda tvaru
x
k+1
= T
G
x
k
+g, g = (D L)
1
b. (5.18)
_
x
k
_
k=0
generovan Gaussovou-Seidelovou iteran me-
todou (5.18) konverguje pro kadou poten aproximaci x
0
R
n
prv tehdy,
kdy (T
G
) < 1.
Dkaz. Vta je pmm dsledkem vty 5.2. 2
Poznmka 3. Vztah (5.18) umouje stanovit kritria pro konvergenci metody.
Vta 5.6. Nech jsou splnny pedpoklady a), b) vty 5.4. Pak Gaussova-Seidelova
metoda konverguje pro kadou poten aproximaci x
0
R
n
.
Dkaz.
Dkaz provedeme pouze pro ryze dkov diagonln dominantn matice.
Nech je vlastn slo matice T
G
= (D L)
1
U a nech x = (x
1
, . . . , x
n
)
T
je
odpovdajc vlastn vektor. Odtud plyne, e
T
G
x = x (D L)
1
Ux = x Ux = (D L)x,
neboli vyjdeno ve slokch vektoru x
j=i+1
a
ij
x
j
=
i
j=1
a
ij
x
j
.
Posledn vztah meme pepsat takto:
a
ii
x
i
=
i1
j=1
a
ij
x
j

n
j=i+1
a
ij
x
j
, 1 i n.
5.3. Gaussova-Seidelova iteran metoda 143
Nech [x
k
[ = max
1i n
[x
i
[. Nyn pro i = k dostaneme z pedchozho vztahu
[[[a
kk
[ [[
k1
j=1
[a
kj
[ +
n
j=k+1
[a
kj
[,
co znamen, e
[[
_
_
[a
kk
[
k1
j=1
[a
kj
[
_
_
j=k+1
[a
kj
[
neboli
[[
n
j=k+1
[a
kj
[
_
_
[a
kk
[
k1
j=1
[a
kj
[
_
_
(5.19)
Matice A je ryze dkov diagonln dominantn, tj.
[a
kk
[ >
n
j=1
j=k
[a
kj
[,
co tak znamen, e
[a
kk
[
k1
j=1
[a
kj
[ >
n
j=k+1
[a
kj
[. (5.20)
Nyn z (5.20) a (5.18) plyne, e [[ < 1 a tedy (T
G
) < 1 a vta je dokzna. 2
Pklad 5.5. Systm v pklad 5.3 ete Gaussovou-Seidelovou iteran metodou.
een. Gaussova-Seidelova metoda bude konvergovat pro kadou poten apro-
ximaci, nebo matice systmu je ryze dkov diagonln dominantn.
Tato metoda je nyn tvaru
x
k+1
1
=
1
10
(6 + 2x
k
2
+ 2x
k
3
)
x
k+1
2
=
1
10
(7 + x
k+1
1
+ 2x
k
3
)
x
k+1
3
=
1
10
(8 + x
k+1
1
+ x
k+1
2
)
Nech x
0
= (0, 0, 0)
T
. Pak
x
1
=
_
_
_
0,6
0,76
0,936
_
_
_ x
2
=
_
_
_
0,9392
0,98112
0,99203
_
_
_ x
3
=
_
_
_
0,994630
0,997869
0,9992499
_
_
_
Nyn |x
x
3
|
0,005.
Iteran matice T
G
je tvaru
T
G
=
_
_
_
0 0,2 0,2
0 0,02 0,22
0 0,022 0,042
_
_
_ (T
G
) = 0,101.
Podvejme se nyn na geometrick vznam Gaussovy-Seidelovy metody.
Pklad 5.6. Uvaujme systm dvou rovnic:
l
1
: a
11
x
1
+ a
12
x
2
= b
1
l
2
: a
21
x
1
+ a
22
x
2
= b
2
Gaussova-Seidelova iteran metoda je tvaru
l
1
: x
k+1
1
=
a
12
a
11
x
k
2
+
b
1
a
11
l
2
: x
k+1
2
=
a
21
a
22
x
k+1
1
+
b
2
a
22
(5.21)
Iteran matici T
G
lze v tomto ppad jednodue zskat dosazenm x
k+1
1
z prvn
rovnice do druh rovnice:
l
1
: x
k+1
1
=
a
12
a
11
x
k
2
+
b
1
a
11
l
2
: x
k+1
2
=
a
12
a
21
a
11
a
22
x
k
2
+
b
2
a
22
a
21
b
1
a
22
a
11
Iteran matice T
G
T
G
=
_
_
_
_
0
a
12
a
11
0
a
12
a
21
a
11
a
22
_
_
_
_
je singulrn. Vlastn sla tto matice vyhovuj rovnici
_

a
12
a
21
a
11
a
22
_
= 0,
tj.
1
= 0,
2
= a
12
a
21
/a
11
a
22
.
Z geometrickho hlediska bod o souadnicch (x
k+1
1
, x
k
2
) le na pmce l
1
a bod
(x
k+1
1
, x
k+1
2
) le na pmce l
2
. Tato skutenost je zejm ze vztah (5.21).
Gracky je iteran proces znzornn na obr. 5.2.
I v tomto ppad, pi zmn poad rovnic, konvergentn proces se zmn na
divergentn a naopak.
Vidli jsme, e pro ryze dkov diagonln dominantn matice Jacobiova
i Gaussova-Seidelova metoda konverguj. Pirozen vznik otzka, zda toto plat
5.4. Relaxan metody 145
0 1 2 3 4 5 6
0
1
2
3
4
5
6
x
0
x
1
x
2
x
3
x
1
x
2
l
1
: 2x
1
-x
2
-1.5=0
l
2
: x
1
-2x
2
+1=0
Obr. 5.2: Gaussova-Seidelova iteran metoda
i pro jin typy matic a jestlie ano, kter z metod konverguje rychleji. Ale obecn
jsou obory konvergence tchto dvou metod rzn a jen sten se pekrvaj.
Porovnat obory konvergence tchto metod lze pouze ve specilnch ppadech.
Vta 5.7. (Stein-Rosenberg). ([5]) Nech pro prvky matice A plat a
ij
0 pro
vechna i ,= j a a
ii
> 0, i = 1, . . . , n. Pak plat prv jedno z nsledujcch tvrzen:
(a) 0 < (T
G
) < (T
J
) < 1
(b) 1 < (T
J
) < (T
G
)
(c) (T
J
) = (T
G
) = 0
(d) (T
J
) = (T
G
) = 1.
To znamen, e konverguj-li ob metody, Gaussova-Seidelova metoda konverguje
rychleji.
Podle tto vty pro systmy v pklad 5.5 konverguje Gaussova-Seidelova me-
toda rychleji ne Jacobiova, nebo (T
G
) < (T
J
). Uvedeme jet jednu vtu t-
kajc se Gaussovy-Seidelovy iteran metody.
Vta 5.8. Nech A je pozitivn denitn matice. Pak Gaussova-Seidelova metoda
konverguje pro kadou poten aproximaci.
Dkaz viz [5].
5.4. Relaxan metody
Na zklad pedchozch vsledk lze vyslovit hypotzu, e existuj jednoduch
matice T, pro kter odpovdajc iteran proces konverguje rychleji ne v ppad
Gaussovy-Seidelovy metody. Uvaujme tdu matic T
zvisejcch na parametru
a budeme se snait vybrat parametr optimlnm zpsobem, tj. tak, aby slo
(T
) bylo co nejmen. Speciln uvaujme tuto tdu matic:

T
= (D L)
1
[(1 )D +U]
Parametr se nazv relaxan parametr a odpovdajc metody se nazvaj rela-
xan metody.
Pro 0 < < 1 se iteran metody nazvaj metodami doln relaxace. Tyto
metody jsou vhodn v ppad, e Gaussova-Seidelova me-
toda nekonverguje.
Pro = 1 je relaxan metoda toton s Gaussovou-Seidelovou meto-
dou.
Pro 1 < se metody nazvaj metodami horn relaxace, nebo astji
SOR metodami (SOR = Successive Over-Relaxation). Tyto
metody lze ut ke zrychlen konvergence Gaussovy-Seidelovy
metody.
Relaxan metodu lze maticov zapsat takto
x
k+1
= (D L)
1
[(1 )D +U]x
k
+(DL)
1
b (5.22)
a zpis v jednotlivch slokch je tvaru
x
k+1
i
= (1 )x
k
i
+

a
ii
_
_
b
i
i1
j=1
a
ij
x
k+1
j

n
j=i+1
a
ij
x
k
j
_
_
. (5.23)
Je pirozen zabvat se otzkou, pro kter hodnoty parametru bude iteran
proces (5.22) konvergovat. Dal otzkou je optimln volba parametru . Na prvn
otzku obecn neexistuje vyerpvajc odpov, ale nsledujc vsledek je velmi
dleit.
Vta 5.9. (Kahan). Nech a
ii
,= 0, i = 1, . . . , n. Pak
(T
) [ 1[.
Dkaz. Pipomeme, e D L je doln trojhelnkov matice tvaru
D L =
_
_
_
_
_
_
_
_
a
11
0
a
21
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
_
_
_
_
_
_
Je zejm, e det D = det(D L) =
n
i=1
a
ii
.
Zabvejme se nyn charakteristickm polynomem () matice T
:
() = det(T
E) =
= det D
1
det(D L) det(T
E) =
= det D
1
det(D L)(T
E) =
= det D
1
(D L)
_
(D L)
1
[(1 )D +U] E
_
=
= det D
1
((1 )D +U (D L)E) =
= det
_
(1 )E +D
1
(U +L)
_
.
() je charakteristick polynom; jeho hodnota v bod = 0 je rovna determi-
nantu dan matice T
. Z vlastnost koen charakteristickho polynomu a z ped-

chozho vztahu vak dle plyne, e
(0) =
n
i=1
i
= det
_
(1 )E +D
1
U
_
,
kde
i
, i = 1, . . . , n, jsou vlastn sla matice T
. Matice (1 )E + D
1
U je
horn trojhelnkov matice s prvky 1 na diagonle. Odtud plyne, e
det
_
(1 )E +D
1
U
_
= (1 )
n
.
Nyn z rovnosti
n
i=1
i
= (1 )
n
nutn plyne, e (T
) = max
1i n
[
i
[ [1 [. 2
Poznmka 4. Z pedchoz vty plyne, e m smysl uvaovat pouze (0, 2).
Uvaujeme-li nyn stejn systm jako v pkladu 5.4, je pslun iteran matice
T
tvaru
T
=
_
_
_
_
1
a
12
a
11
a
21
a
22
(1 )
a
12
a
21
a
11
a
22
2
+ (1 )
_
_
_
_
a vektor
g
=
_
b
1
a
11
,
b
2
a
22

b
1
a
21
a
11
a
22
2
_
T
.
Geometricky jsou iterace tto metody znzornny na obr. 5.3 a 5.4.
Nsledujc vty udvaj postaujc podmnky pro konvergenci relaxan me-
tody pro nkter typy matic.
Vta 5.10. (Ostrowski-Reich). Pro pozitivn denitn matici A plat (T
) < 1
pro vechna (0, 2).
Dkaz viz [5].
0 1 2 3 4 5 6
0
1
2
3
4
5
6
x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
1
x
2
l
1
: 2x
1
-x
2
-1.5=0
l
2
: x
1
-2x
2
+1=0
Obr. 5.3: Relaxan metoda pro = 0,5
0 1 2 3 4 5 6
0
1
2
3
4
5
6
x
0
x
1
x
2
x
3
x
1
x
2
l
1
: 2x
1
-x
2
-1.5=0
l
2
: x
1
-2x
2
+1=0
Obr. 5.4: Relaxan metoda pro = 1,4
Poznmka 5. Z tto vty plyne jako dsledek vta 5.8.
Pokud jde o optimln hodnotu parametru , tj. hodnotu (0, 2), pro kterou
je konvergence relaxan metody nejrychlej, uvedeme bez dkazu pouze tuto vtu
([5]).
Vta 5.11. Nech A je tdiagonln pozitivn denitn matice. Pak (T
G
) =
2
(T
J
) < 1 a optimln hodnota relaxanho parametru je dna vztahem
=
opt
=
2
1 +
_
1
2
(T
J
)
.
Pi tto volb je (T
) = [1 [.
2x
1
x
3
= 1
x
1
+ 2x
2
x
3
= 0
x
2
+ 2x
3
= 1,
jeho pesn een je x
= (1, 1, 1)
T
.
Matice tohoto systmu je tdiagonln a pozitivn denitn a jsou tedy splnny
pedpoklady vty 5.11. Pro spektrln polomry iteranch matic plat
(T
G
) = (T
J
)
2
a optimln hodnota relaxanho parametru je dna vztahem
opt
=
2
1 +
_
1 ((T
J
))
2
.
Spektrln polomr iteran matice pro relaxan metodu je roven (T
opt
) = [1
opt
[.
Jacobiova matice je tvaru
T
J
=
_
_
_
0 0,5 0
0,5 0 0,5
0 0,5 0
_
_
_.
Vlastn sla tto matice jsou
1
= 0,
2,3
=
2/2. Tedy (T
J
) =

2/2,
(T
G
) = 1/2 a
opt
=
2
1 +
_
1 1/2
1,172.
Za optimln hodnotu parametru lze tedy vzt hodnotu 1,17. Pro tuto hodnotu
relaxanho parametru je (T
opt
) = 0,17.
Ze vztahu (5.10) plyne, e pro dosaen relativn chyby dov 10
3
je teba
provst 5 iterac, zatmco v ppad pouit Gaussovy-Seidelovy iteran metody
je teba provst 10 iterac.
Pro dan systm a = 1,17 je relaxan metoda tvaru
x
k+1
1
= 0,17x
k
1
+ 0,585(1 +x
k
2
)
x
k+1
2
= 0,17x
k
2
+ 0,585(x
k+1
1
+x
k
3
)
x
k+1
3
= 0,17x
k
3
+ 0,585(1 +x
k+1
2
)
Pro poten aproximaci x
0
= (0, 0, 0)
T
dostaneme
x
1
1
= 0,585 x
1
2
= 0,3422 x
1
3
= 0,7852
x
2
1
= 0,685752 x
2
2
= 0,802329 x
2
3
= 0,920878
x
3
1
= 0,9377849 x
3
2
= 0,9509221 x
3
3
= 0,9847401
x
4
1
= 0,9818660 x
4
2
= 0,9888078 x
4
3
= 0,9960467
x
5
1
= 0,9965353 x
5
2
= 0,9975632 x
5
3
= 0,9992465.
Z vsledk tto kapitoly je zejm, e pro (T) < 1 iteran proces konverguje
a pro (T) > 1 urit diverguje.
Povimnme si nyn chovn posloupnosti v ppad (T) = 1. Touto otzkou
se nebudeme zabvat podrobn, ale upozornme na zajmav geometrick chovn
nkterch iteranch posloupnost.
Denice 5.2. Nech x
k
k=0
je posloupnost generovan iteran metodou (5.4)
s poten aproximac x
0
R
n
. ekneme, e vektor x
0
generuje cyklus du p,
p N, p 2, jestlie x
p
= x
0
, piem x
k
,= x
0
, k = 1, 2, . . . , p 1.
Samozejm se pedpokld x
0
,= x
.
D se ukzat (viz [24]), e pro systm tvaru
x
1
+ kx
2
= b
1
x
1
kx
2
= b
2
,
kde k ,= 0, nastane pro Jacobiovu metodu cyklus du 4 pro kadou poten
aproximaci. V tomto ppad (T
J
) = 1. Pro Gaussovu-Seidelovu metodu nastane
cyklus du 2, ale a od 1. aproximace, tj. vlastn s poten aproximac Tx
0
.
Gracky jsou cykly pro tyto metody znzornny na obr. 5.5, 5.6.
Zajmav situace se objevuje u relaxan metody. Uvaujme systm tvaru
x
1
+ x
2
= 1
qx
1
+ x
2
= 1.
Odpovdajc relaxan matice T
a vektor g
jsou tvaru
T
=
_
_
1
q(1 ) q
2
+ (1 )
_
_
, g
=
_
_
(1 q)
_
_
.
10 8 6 4 2 0 2 4 6
1
0.5
0
0.5
1
1.5
2
2.5
3
3.5
4
x
0
x
1
x
2
x
1
x
2
x
1
+3x
2
-3=0 x
1
-3x
2
+6=0
Obr. 5.5: Gaussova-Seidelova iteran metoda
10 8 6 4 2 0 2 4 6
1
0.5
0
0.5
1
1.5
2
2.5
3
3.5
4
x
0
x
1
x
2
x
3
x
1
x
2
x
1
+3x
2
-3=0 x
1
-3x
2
+6=0
Obr. 5.6: Jacobiova iteran metoda
Pro = 2 je matice T
2
a vektor g
2
tvaru
T
2
=
_
_
1 2
2q 4q 1
_
_
, g
2
=
_
_
2
2(1 2q)
_
_
.
Charakteristick polynom
() =
2
+(2 4q) + 1
m koeny
1,2
= 1 + 2q 2
_
q(q 1).
Pro q (0, 1) jsou tyto koeny komplexn sdruen a jejich absolutn hodnota
je rovna jedn, tedy (T
2
) = 1. Vlastn sla
1
,
2
mohou bt tak vyjdena
v goniometrickm tvaru
1,2
= cos i sin
a lze ukzat ([24]), e
q =
1
2
(1 + cos ) .
V prci [24] je dokzno, e cyklus du p > 2 existuje tehdy a jen tehdy, kdy
= 2l/p, 0 < l < p/2. Vztah q = (1+cos )/2 umouje nalzt systm generujc
cyklus danho du p vhodnou volbou p, l.
Nap.: pro q = 0.5((1 +cos 2
4
11
)
.
= 0.17257 existuje cyklus du 11 (viz obr. 5.7)
pro q = 0.5((1+cos 2
9
40
)
.
= 0.578217 existuje cyklus du 40 (viz obr. 5.8).
3 2 1 0 1 2 3
1
0.5
0
0.5
1
1.5
2
2.5
3
x
0
x
1
x
2
Obr. 5.7: Cyklus du 11, poten aproximace x
0
= (0, 0).
3 2 1 0 1 2 3
1
0.5
0
0.5
1
1.5
2
2.5
3
x
0
x
1
x
2
Obr. 5.8: Cyklus du 40, poten aproximace x
0
= (0, 0).
Vechny body cyklu du p = l/s le na elipse, jej sted je pesn een x
.
Rovnice elipsy je tvaru
x
2
1
+
x
2
2
q
+ 2x
1
x
2
2x
2
q
2x
1
= (x
0
1
)
2
+
(x
0
2
)
2
q
+ 2x
0
1
x
0
2
2x
0
2
q
2x
0
1
,
kde x
0
= (x
0
1
, x
0
2
) je poten aproximace.
Pro rznou volbu potench aproximac dostvme mnoinu soustednch
elips.
Poznmka 6. Jestlie v iteranm procesu (5.4) nastv cyklus, pak (T
) =
1. Ale opak neplat. Je-li (T
) = 1, nemus v iteranm procesu nastat cyklus.

Otzky cykl iteranch metod jsou podrobn studovny v [24].
Cvien ke kapitole 5
1. Je matice H =
_
_
_
_
_
0, 2 0, 3 0, 1
0, 7 0, 15 0, 05
0, 2 0, 0 0, 6
_
_
_
_
_
konvergentn?
2. a) Jacobiovou, b) Gaussovou-Seidelovou iteran metodou ete systmy
10x
1
2x
2
2x
3
= 6
x
1
+ 10x
2
2x
3
= 7
x
1
x
2
+ 10x
3
= 8
2x
1
x
2
+ x
3
= 1
3x
1
+ 3x
2
+ 9x
3
= 0
3x
1
+ 3x
2
+ 5x
3
= 4
.
3. Ukate, e pro systm
x
1
+ x
2
= 1
2(1 )x
1
+ x
2
+ x
3
= 2
x
3
+ x
4
= 1
(1 )
2
x
1
+ x
4
= 5
(0 < < 0,1) Jacobiova metoda konverguje a Gaussova-Seidelova metoda
diverguje.
2x
2
+ 4x
3
= 0
x
1
x
2
x
3
= 0,375
x
1
x
2
+ 2x
3
= 0
diverguje Jacobiova i Gaussova-Seidelova metoda.
4x
1
+ 3x
2
= 24
3x
1
+ 4x
2
x
3
= 30
x
2
+ 4x
3
= 24
Jacobiova iteran metoda konverguje. Zvolte poten aproximaci x
0
=
(1, 1, 1)
T
a vypotte x
1
a x
2
.
3x
1
+ 2x
2
+ 2x
3
= 1
2x
1
+ 3x
2
+ 2x
3
= 0
2x
1
+ 2x
2
+ 3x
3
= 1
Jacobiova iteran metoda diverguje a Gaussova-Seidelova metoda konver-
guje.
7. Dokate, e pro systm
10x
1
x
2
+ 2x
3
3x
4
= 0
x
1
+ 10x
2
x
3
+ 2x
4
= 5
2x
1
+ 3x
2
+ 20x
3
x
4
= 10
3x
1
+ 2x
2
+ x
3
+ 20x
4
= 15
Jacobiova iteran metoda konverguje. Kolik iterac je teba k nalezen een
s chybou men ne 10
4
?
(een: k 17.)
4x
1
+ 3x
2
+ 2x
3
= 1
x
1
+ 5x
2
+ 4x
3
= 2
2x
1
x
2
7x
3
= 4
Jacobiova metoda konverguje. Zvolte poten iteraci x
0
= (1, 1, 1)
T
a vy-
potte x
1
a x
2
.
3x
1
+ x
2
+x
3
= 2
2x
1
+ 4x
2
+x
3
= 4
x
1
x
2
3x
3
= 1
Gaussova-Seidelova metoda konverguje. Zvolte poten iteraci x
0
= (0, 0, 0)
T
a vypotte prvn dv iterace.
2x
1
x
2
x
3
= 3
x
1
+ 3x
2
2x
3
= 1
3x
1
x
2
+ 4x
3
= 1
Jacobiova iteran metoda diverguje.
6x
1
+ 3x
2
= 10
3x
1
+ 5x
2
x
3
= 5
x
2
+ 4x
3
= 6
GaussovaSeidelova iteran metoda konverguje. Zvolte poten aproxima-
ci x
0
= (1, 1, 1)
T
a vypotte x
1
a x
2
.
12. Systm
4x
1
+ 3x
2
= 24
3x
1
+ 4x
2
x
3
= 30
x
2
+ 4x
3
= 24
m pesn een x
= (3, 4, 5)
T
. Uijte Gaussovy-Seidelovy iteran me-
tody a relaxan metody s parametrem = 1,25. Porovnejte vsledky po
proveden 7 iterac. Vypotte optimln hodnotu parametru .
(een: (T
G
) = 0,625, (T
opt
) 0,24,
opt
1,24.)
13. Systm
10x
1
x
2
= 9
x
1
+ 10x
2
2x
3
= 7
2x
2
+ 10x
3
= 6
(pesn een x
=
_
473
475
,
455
475
,
376
475
_
T
) ete relaxan metodou s = 0,5, =
1,1 a vypotte optimln hodnotu parametru
opt
a ete systm relaxan
metodou s tmto parametrem.
1. Me bt v iteranm procesu x
k+1
= Tx
k
+g iteran matice T singulrn?
2. V pkladu 6 Jacobiova metoda pro systm
3x
1
+ 2x
2
+ 2x
3
= 1
2x
1
+ 3x
2
+ 2x
3
= 0
2x
1
+ 2x
2
+ 3x
3
= 1
obecn nekonverguje, nebo (T
J
) > 1. Pesto pro poten aproximaci
x
0
= (0, 0, 0)
T
iteran proces konverguje k een (1, 0, 1)
T
. Pro?
3. Uvaujte systm
x
1
x
2
= 0
x
1
+x
2
= 0 .
Co znamen fakt, e T
4
J
= E?
4. Jestlie matice A nen ryze dkov nebo sloupcov diagonln dominantn,
me Jacobiova iteran metoda konvergovat?
Kapitola 6
Interpolace
V tto kapitole budeme zkoumat problm aproximace funkc. Tento problm spo-
v vtinou v nalezen aproximace funkce f pomoc vhodn kombinace funkc
z njak tdy funkc. Uvaujme tdu funkc jedn promnn:
(x; a
0
, . . . , a
n
) ,
kde a
0
, . . . , a
n
jsou parametry, jejich hodnoty charakterizuj jednotliv funkce
v tto td. stednm problmem aproximace je kriterium pro volbu tchto pa-
rametr. U interpolan aproximace poadujeme, aby parametry byly vybrny tak,
e na mnoin navzjem rznch bod x
i
n
i=0
plat
(x
i
; a
0
, . . . , a
n
) = f(x
i
), i = 0, . . . , n.
V nkterch ppadech jsou pedepsny i hodnoty derivac v nkterch bodech.
V ppad metody nejmench tverc se parametry a
0
, . . . , a
n
vyberou tak, aby
veliina
(a
0
, . . . , a
n
) =
N
j=0
(f(x
j
) (x
j
; a
0
, . . . , a
n
))
2
, n < N,
nabvala minimln hodnoty. Dalm typem aproximace je ebyevova aproxi-
mace, kde hledme takovou aproximaci, kter minimalizuje maximln absolutn
hodnotu rozdlu funkce f a aproximace :
min
(a0,...,an)
max
x[a,b]
[f(x) (x; a
0
, . . . , a
n
)[
V dalm se zamme pouze na linern aproximaci, tj. budeme se zabvat funk-
cemi tvaru
(x; a
0
, . . . , a
n
) = a
0
0
(x) +. . . +a
n
n
(x) ,
kde funkce
i
, i = 0, . . . , n tvo bzi linernho prostoru dimenze n + 1. Do tto
tdy pat i klasick polynomiln interpolace
(x; a
0
, . . . , a
n
) = a
0
x
n
+a
1
x
n1
+. . . +a
n
158 6. INTERPOLACE
a trigonometrick interpolace
(x; a
1
, . . . , a
n
) = a
0
+a
1
e
ix
+a
2
e
2ix
+. . . +a
n
e
nix
, (i
2
= 1)
Polynomiln interpolace se uv pedevm k aproximaci funkc danch tabulkou
a je tak dleitm zkladem pro nkter typy formul numerickho derivovn
a integrovn. Do tdy linernch interpolanch problm tak pat splajnov in-
terpolace. Ve specilnm ppad kubickch splajn se poaduje, aby funkce byla
dvakrt spojit diferencovateln pro x [x
0
, x
n
] a byla toton s kubickm poly-
nomem na kadm subintervalu [x
i
, x
i+1
] danho dlen x
0
< x
1
< . . . < x
n
. Splaj-
nov interpolaci je nyn vnovna znan pozornost, protoe poskytuje vhodn n-
stroj pro interpolaci empirickch kivek a sloitch matematickch funkc. Roste
tak jej uit pi piblinm een diferencilnch rovnic.
6.1. Polynomiln interpolace
Nejjednodu lohu linern interpolace lze formulovat takto: Jsou dny body x
i
,
i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k a hodnoty funkce f v tchto bodech: f(x
i
) = f
i
,
i = 0, 1, . . . , n. Je teba najt algebraick polynom P
n
stupn nejve n takov, e
P
n
(x
i
) = f
i
, i = 0, 1, . . . , n.
mluva. Body x
i
, i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k, budeme nazvat uzly,
polynom P
n
interpolan polynom. Jako dve ozname
n
mnoinu vech relnch
polynom stupn nejve n tvaru
P
n
(x) = a
0
x
n
+a
1
x
n1
+. . . +a
n
.
Vta 6.1. Pro (n + 1) danch dvojic sel
(x
i
, f
i
), i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k,
existuje prv jeden polynom P
n

n
takov, e
P
n
(x
i
) = f
i
, i = 0, 1, . . . , n. (6.1)
Dkaz.
Jednoznanost: Pedpokldejme, e existuj dva interpolan polynomy P
n
, Q
n

n
splujc podmnky (6.1), tj.
P
n
(x
i
) = Q
n
(x
i
) = f
i
, i = 0, 1, . . . , n.
Polome R
n
(x) = P
n
(x) Q
n
(x). Je zejm, e R
n

n
a dle R
n
(x
i
) = 0,
i = 0, 1, . . . , n, tzn. R
n
m alespo n +1 rznch koen. To je ale spor s pedpo-
kladem, e R
n
je polynom stupn nejve n. Odtud plyne, e polynomy P
n
a Q
n
mus bt toton.
Existence: Existenci dokeme tak, e pslun polynom sestrojme. Nejdve se-
strojme polynomy l
i
, i = 0, 1, . . . , n s tmito vlastnostmi:
6.1. Polynomiln interpolace 159
(a) l
i
je polynom stupn n,
(b) l
i
(x
j
) =
_
_
_
0 pro i ,= j
1 pro i = j.
Je zejm, e
l
i
(x) = A
i
(x x
0
) . . . (x x
i1
)(x x
i+1
) . . . (x x
n
).
Konstantu A
i
urme tak, aby byla splnna podmnka l
i
(x
i
) = 1, tedy
A
i
=
1
(x
i
x
0
) . . . (x
i
x
i1
)(x
i
x
i+1
) . . . (x
i
x
n
)
.
a odtud
l
i
(x) =
(x x
0
) . . . (x x
i1
)(x x
i+1
) . . . (x x
n
)
(x
i
x
0
) . . . (x
i
x
i1
)(x
i
x
i+1
) . . . (x
i
x
n
)
. (6.2)
Denujme nyn polynom P
n
vztahem:
P
n
(x) = l
0
(x)f
0
+l
1
(x)f
1
+. . . + l
n
(x)f
n
=
n
i=0
l
i
(x)f
i
. (6.3)
Snadno se ov, e tento polynom spluje interpolan podmnky (6.1), a protoe
je linern kombinac polynom stupn n, je polynomem stupn nejve n. 2
Interpolan polynom tvaru (6.3) nazvme Lagrangeovm interpolanm po-
lynomem nebo pesnji Lagrangeovm tvarem interpolanho polynomu.
mluva. Polynomy l
i
, i = 0, 1, . . . , n, denovan vztahem (6.2) budeme nazvat
fundamentln polynomy.
Z jednoznanosti interpolanho polynomu rovn plyne, e interpolan poly-
nom stupn nejve n pro polynom Q
n
stupn n je tent polynom, tj. P
n
(x)
Q
n
(x).
Polome
n+1
(x) = (x x
0
) . . . (x x
n
) =
n
i=0
(x x
i
).
Je zejm, e
n+1
(x
i
) = (x
i
x
0
) . . . (x
i
x
i1
)(x
i
x
i+1
) . . . (x
i
x
n
) =
n
k=0
k =i
(x
i
x
k
).
Pouitm tchto vztah lze fundamentln polynomy zapsat ve tvaru
l
i
(x) =

n+1
(x)
(x x
i
)
n+1
(x
i
)
, i = 0, 1, . . . , n. (6.4)
160 6. INTERPOLACE
Pklad 6.1. Sestrojte Lagrangev interpolan polynom, je-li dno:
x
i
0 1 2 5
f
i
2 3 12 147
een. V tomto ppad je n = 3, hledme tedy polynom P
3

3
.
P
3
(x) = 2
(x 1)(x 2)(x 5)
(1)(2)(5)
+ 3
(x 0)(x 2)(x 5)
(1 0)(1 2)(1 5)
+
+ 12
(x 0)(x 1)(x 5)
(2 0)(2 1)(2 5)
+ 147
(x 0)(x 1)(x 2)
(5 0)(5 1)(5 2)
=
= x
3
+x
2
x + 2.
Pklad 6.2. Sestrojte interpolan polynom pro funkci f(x) = x +sin x v uzlech
x
0
= 9, x
1
= 3, x
2
= 4,5, x
3
= 10, x
4
= 5,5, x
5
= 12,5.
een. Jeliko n = 5, hledme polynom P
5

5
. Na obr. 6.1 jsou znzornny
fundamentln polynomy l
i
, i = 0, 1, . . . 5, na obr. 6.2 je znzornn rkovan
polynom P
5
a plnou arou je znzornn graf dan funkce.
Fundamentln polynomy l
i
, i = 0, . . . , n maj zajmavou vlastnost, spluj
toti identitu
n
i=0
l
i
(x) = 1 x R.
Toto tvrzen plyne z faktu, e interpolan polynom P
n

n
pro funkci f, kter
je polynomem stupn nejve n, plat P
n
(x) = f(x), x R. Tedy i pro funkci
f(x) 1, kter je polynomem nultho stupn, tvrzen plat. Uveden vztah dle
vyjaduje skutenost, e polynomy l
i
, i = 0, . . . , n jsou jist vhy piazen
hodnotm f
i
, i = 0, . . . , n.
Dal zajmavou vlastnost interpolanho polynomu dostaneme pomoc nsle-
dujcho vpotu:
Plat
P
n
(x) =
n
i=0
n+1
(x)
(x x
i
)
n+1
(x
i
)
f(x
i
) .
Ozname w
i
= (
n+1
(x
i
))
1
, tedy w
i
zvis pouze na x
i
a plat
P
n
(x) =
n+1
(x)
n
i=0
f(x
i
) w
i
(x x
i
)
.
Dle vme, e
n
i=0
n+1
(x)
(x x
i
)
n+1
(x
i
)
= 1 ,
2 14
1.5
1
0.5
0
0.5
1
x
0
x
1
x
2
x
3
x
4
x
5
2 14
0
0.2
0.4
0.6
0.8
1
1.2
x
0
x
1
x
2
x
3
x
4
x
5
Fundamentln polynom l
0
(x) Fundamentln polynom l
1
(x)
2 14
2
1.5
1
0.5
0
0.5
1
x
0
x
1
x
2
x
3
x
4
x
5
2 14
2
1
0
1
2
x
0
x
1
x
2
x
3
x
4
x
5
2
3
(x)
2 14
0.5
0
0.5
1
x
0
x
1
x
2
x
3
x
4
x
5
2 14
0
0.2
0.4
0.6
0.8
1
x
0
x
1
x
2
x
3
x
4
x
5
4
5
(x)
Obr. 6.1: Fundamentln polynomy l
i
162 6. INTERPOLACE
2 4 6 8 10 12 14
4
6
8
10
12
14
x
y
x
0
x
1
x
2
x
3
x
4
x
5
Obr. 6.2: Lagrangev interpolan polynom pro f(x) = x + sinx v bodech (x
i
, f
i
), i = 0, . . . , 5
tj.
n+1
(x)
n
i=0
w
i
(x x
i
)
= 1 ,
neboli
n+1
(x) =
1
n
i=0
wi
(xxi)
.
Odtud
P
n
(x) =
n
i=0
f(xi) wi
(xxi)
n
i=0
wi
(xxi)
=
n
i=0
wi
(xxi)
n
j=0
wj
(xxj)
f(x
i
) .
Hodnoty
wi
(xxi)
_
n
j=0
wj
(xxj)
tvo tzv. barycentrick souadnice bodu (x, P
n
(x))
v rovin vzhledem k bodm (x
i
, f(x
i
)), i = 0, . . . , n. Tato formule je navc z vpo-
etnho hlediska velmi efektivn pi urench hodnotch w
i
je vpoet hodnoty
P
n
(x) linern vzhledem k n. Problmy mohou ale nastat pro x blzk nktermu
uzlu x
i
, kde pi dlen vrazem xx
i
, kter je blzk nule, dochz k velk relativn
chyb.
Poznmka 1. Danou lohu interpolace lze rovn eit metodou neuritch ko-
ecient. Tato metoda spov v nsledujcm. Podmnky (6.1) zapeme ve tvaru
systmu linernch rovnic pro neznm koecienty a
i
, i = 0, 1, 2, . . . , n,
a
0
x
n
i
+a
1
x
n1
i
+. . . +a
n
= 0, i = 0, 1, . . . , n.
Jestlie body x
i
, i = 0, . . . , n, jsou navzjem rzn, m tento systm prv jedno
een. Ale tento postup je pli tkopdn a nevhodn pro vt poet uzl.
Nech nyn P
n1
je Lagrangev interpolan polynom v uzlech x
0
, . . . , x
n1
.
Rozdl f(x) P
n1
(x) vydlme souinem (x x
0
) . . . (x x
n1
). Tento podl
v bod x = x
n
vyjdme ve tvaru
f(x
n
) P
n1
(x
n
)
n1
j=0
(x
n
x
j
)
=
f(x
n
) P
n1
(x
n
)
n
(x
n
)
=
=
1
n
(x
n
)
_
_
f(x
n
)
n1
j=0
f(x
j
)

n
(x
n
)
n
(x
n
)(x
n
x
j
)
_
_
=
=
n
j=0
f(x
j
)
n
i=0
i =j
(x
j
x
i
)
= f[x
0
, . . . , x
n
]. (6.5)
Denice 6.1. Vraz f[x
0
, . . . , x
n
] ve vztahu (6.5) nazvme pomrnou diferenc
du n funkce f v bodech x
0
, . . . , x
n
.
Polome f(x
0
) = f[x
0
]. Dle
f[x
0
, x
1
] =
f(x
0
)
x
0
x
1
+
f(x
1
)
x
1
x
0
=
f(x
0
) f(x
1
)
x
0
x
1
,
f[x
0
, x
1
, x
2
] =
f(x
0
)
(x
0
x
1
)(x
0
x
2
)
+
f(x
1
)
(x
1
x
0
)(x
1
x
2
)
+
f(x
2
)
(x
2
x
0
)(x
2
x
1
)
.
Poznamenejme, e pomrn diference je symetrickou funkc svch argument,
tedy hodnota pomrn diference nezvis na poad uzl x
i
.
Lagrangev interpolan polynom je po teoretick strnce velmi dleit. Je
zkladem pro odvozen metod numerickho derivovn a integrovn. Ale pro prak-
tick vpoty, zejmna pro velk poet uzl nebo pi zmn potu uzl (kdy je
teba pepotat vechny polynomy l
i
), je vhodnj pout nkter z formul,
kter nyn uvedeme.
Vta 6.2. Interpolan polynom P
n

n
pro body (x
i
, f
i
), i = 0, 1, . . . , n, me
bt zapsn ve tvaru
P
n
(x) = f
0
+ (x x
0
)f[x
0
, x
1
] +. . . + (x x
0
) . . . (x x
n1
)f[x
0
, . . . , x
n
]. (6.6)
Dkaz. Budeme postupovat tak, e vhodnm zpsobem vyjdme Lagrangev
interpolan polynom a dal pravou dostaneme vyjden (6.6). Nech P
n

n
je
Lagrangev interpolan polynom pro dan body (x
i
, f
i
), i = 0, 1, . . . , n. Zapime
tento polynom ve tvaru
P
n
(x) =P
0
(x) + [P
1
(x) P
0
(x)] +. . . + [P
j
(x) P
j1
(x)] +. . .
. . . + [P
n
(x) P
n1
(x)] ,
(6.7)
164 6. INTERPOLACE
kde P
j

j
je Lagrangev interpolan polynom pro body (x
i
, f
i
), i = 0, 1, 2, . . . , j.
Potejme rozdly P
j
(x) P
j1
(x):
P
j
(x) P
j1
(x) =
j
i=0
j+1
(x)
(x x
i
)
j+1
(x
i
)
f
i
j1
i=0
j
(x)
(x x
i
)
j
(x
i
)
f
i
=
=

j+1
(x)
(x x
j
)
j+1
(x
j
)
f
j
+
j1
i=0
f
i
_

j+1
(x)
(x x
i
)
j+1
(x
i
)

j
(x)
(x x
i
)
j
(x
i
)
_
.
Pro
j+1
a
j
plat
j+1
(x) =
j
i=0
(x x
i
),
j
(x) =
j1
i=0
(x x
i
)
j+1
(x) = (x x
j
)
j
(x).
Dle pro derivace funkc
j
a
j+1
mme
j+1
(x) =
j
(x) +(x x
j
)
j
(x)
j+1
(x
i
) =
_
_
_
(x
i
x
j
)
j
(x
i
) pro i ,= j
j
(x
j
) pro i = j.
Tchto vztah nyn uijeme pro vpoet rozdl P
j
(x) P
j1
(x):
P
j
(x) P
j1
(x) =

j+1
(x)
(x x
j
)
j+1
(x
j
)
f
j
+
j1
i=0
j
(x)(x x
j
x
i
+x
j
)
(x x
i
)
j+1
(x
i
)
f
i
=
=

j
(x)
j+1
(x
j
)
f
j
+
j
(x)
j1
i=0
f
i
j+1
(x
i
)
=
j
(x)
j
i=0
f
i
j+1
(x
i
)
=
=
j
(x)f[x
0
, . . . , x
j
]
Kad rozdl P
j
(x) P
j1
(x) pro j = 0, 1, . . . , n meme tedy vyjdit ve tvaru
P
j
(x) P
j1
(x) = (x x
0
) . . . (x x
j1
)f[x
0
, . . . , x
j
].
Odtud a z (6.7) nyn plyne, e interpolan polynom me bt zapsn ve tvaru
(6.6). 2
Interpolan polynom (6.6) se nazv Newtonv interpolan polynom.
Jet jednou pipomnme, e pro dan body (x
i
, f
i
), i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k, je interpolan polynom uren jednoznan, tzn., e Newtonv interpo-
lan polynom je toton s Lagrangeovm interpolanm polynomem, li se pouze
formou zpisu.
Dsledek 1. Nech x
i
[a, b], i = 0, . . . , n, x
i
,= x
k
pro i ,= k. Nech f C
n
[a, b].
Pak existuje bod (a, b) takov, e
f[x
0
, . . . , x
n
] =
1
n!
f
(n)
(). (6.8)
Dkaz. Funkce (x) = f(x) P
n
(x) m alespo (n + 1) nulovch bod v [a, b]:
x
0
, . . . , x
n
. Podle Rolleovy vty m funkce
(n)
(x) = f
(n)
(x) P
(n)
n
(x) alespo
jeden nulov bod (a, b):
f
(n)
() P
(n)
n
() = 0,
a
f
(n)
() = P
(n)
n
().
Na druh stran, ze vztahu (6.6) plyne
P
(n)
n
() = n!f[x
0
, . . . , x
n
]
a odtud
1
n!
f
(n)
() = f[x
0
, . . . , x
n
].
2
Poznmka 2. Lze ukzat ([23]), e
lim
xix0
i=1,...,n
f[x
0
, . . . , x
n
] =
1
n!
f
(n)
(x
0
) , (6.9)
neboli
f[x
0
, . . . x
0
. .
(n+1)krt
] =
1
n!
f
(n)
(x
0
) . (6.10)
Dsledek 2. Nech Q
n1
je polynom stupn nejve n 1. Pak
Q
n1
[x
0
, . . . , x
n
] = 0. (6.11)
Je-li Q
n
(x) = x
n
, pak
Q
n
[x
0
, . . . , x
n
] = 1. (6.12)
Dkaz. (6.11) plyne ihned ze skutenosti, e interpolan polynom pro Q
n1
je tent polynom a tedy posledn len ve vyjden (6.6) mus bt roven nule.
Vztah (6.12) plyne z nsledujcho: Nech P
n1
je interpolan polynom pro funkci
Q
n
(x) = x
n
v uzlech x
0
, . . . , x
n1
. Rozdl x
n
P
n1
(x) je tedy polynom stupn n
s koeny v bodech x
0
, . . . , x
n1
, co znamen, e tento rozdl lze vyjdit ve tvaru
x
n
P
n1
(x) = (x x
0
) . . . (x x
n1
),
Dle ze vztahu (6.5) pro pomrnou diferenci plyne pro x = x
n
1 =
x
n
n
P
n1
(x
n
)
n1
i=0
(x
n
x
i
)
= Q
n
[x
0
, . . . , x
n
].
2
Lemma. Plat identita
(x
0
x
n
)f[x
0
, . . . , x
n
] = f[x
0
, . . . , x
n1
] f[x
1
, . . . , x
n
]. (6.13)
166 6. INTERPOLACE
Dkaz. Nech P
n

n
je interpolan polynom splujc podmnky (6.1). Ze
vztahu (6.6) plyne
P
(n1)
n
(x) = f[x
0
, . . . , x
n1
](n 1)! +
+f[x
0
, . . . , x
n
](n!x (n 1)!(x
0
+. . . +x
n1
)). (6.14)
Vymnme-li ve vztahu (6.6) body x
0
a x
n
, dostaneme
P
(n1)
n
(x) = f[x
n
, x
1
, . . . , x
n1
](n 1)! +
+f[x
n
, x
1
, . . . , x
n1
, x
0
](n!x (n 1)!(x
n
+x
1
+. . . +x
n1
)) =
= f[x
1
, . . . , x
n
](n 1)! + (6.15)
+f[x
0
, . . . , x
n
](n!x (n 1)!(x
1
+. . . x
n
)).
Odetenm vztah (6.14) a (6.15) dostaneme poadovanou identitu (6.13). 2
Poznmka 3. Uveden lemma znamen, e pomrnou diferenci n-tho du lze
rekurentn vyjdit pomoc diferenc du n 1:
f[x
0
, . . . , x
n
] =
f[x
1
, . . . , x
n
] f[x
0
, . . . , x
n1
]
x
n
x
0
(6.16)
Na zklad tohoto rekurentnho vztahu lze sestavit nsledujc tabulku pomrnch
diferenc:
x
i
f
i
f[x
i
, x
i+1
] f[x
i
, x
i+1
, x
i+2
] . . .
x
0
x
1
x
2
.
.
.
x
n
f
0
f
1
f
2
.
.
.
f
n

r r

r
r

r
r
f[x
0
, x
1
]
f[x
1
, x
2
]
.
.
.
f[x
n1
, x
n
]

r r

r
r
f[x
0
, x
1
, x
2
]
.
.
.
f[x
n2
, x
n1
, x
n
]

r
r

r r

r r
f[x
0
, . . . , x
n
]
Je jasn, e pro konstrukci Newtonova interpolanho polynomu jsme uili hod-
not oznaench .
Pklad 6.3. Pro hodnoty uveden v pkladu 6.1 sestrojte Newtonv interpolan
polynom.
een. Sestavme podle vztahu (6.16) tabulku pomrnch diferenc:
x
i
f
i
f[x
i
, x
i+1
] f[x
i
, x
i+1
, x
i+2
] f[x
i
, x
i+1
, x
i+2
, x
i+3
]
0
1
2
5
2
3
12
147

r
r

r r

r r
1
9
45

r r

r r
4
9

r r
1
P
3
(x) = 2 +x + 4(x 1)x +x(x 1)(x 2) = x
3
+x
2
x + 2.
6.2. Chyba interpolace 167
Pro vpoet Newtonova polynomu jsme uili hodnot lecch na diagonle.
Pipomeme jet, e z denice pomrn diference (vztah (6.5)) plyne, e po-
mrn diference zvis linern na funkci f: pro libovoln reln sla a, b a funkce
f, g denovan v bodech x
i
, i = 0, 1, . . . , x
n
, plat:
(af +bg)[x
0
, . . . , x
n
] = a(f[x
0
, . . . , x
n
]) +b(g[x
0
, . . . , x
n
])
6.2. Chyba interpolace
Zabvejme se nyn otzkou, s jakou pesnost bude interpolan polynom P
n

n
aproximovat danou funkci v bodech rznch od bod x
i
, i = 0, 1, . . . , n. Jak bude
rozdl E( x) = f( x) P
n
( x) pro x ,= x
i
, i = 0, 1, . . . , n? Odpov dv nsledujc
vta:
Vta 6.3. Nech f C
(n+1)
[a, b] a nech uzly x
i
[a, b], i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k. Nech dle P
n

n
je interpolan polynom splujc podmnky (6.1).
Pak ke kadmu bodu x [a, b] existuje bod (a, b) tak, e plat:
f( x) P
n
( x) =

n+1
( x)
(n + 1)!
f
(n+1)
(), = ( x). (6.17)
Dkaz. Sestrojme Newtonv tvar interpolanho polynomu podle vztahu (6.6)
pro uzly x
0
, . . . , x
n
, x. Je tedy teba najt interpolan polynom P
n+1

n+1
.
Tento polynom je podle (6.6) tvaru
P
n+1
(x) = f
0
+ (x x
0
)f[x
0
, x
1
] +. . . + (x x
0
) . . . (x x
n
)f[x
0
, . . . , x
n
, x].
Jeliko P
n+1
je interpolanm polynomem i v bod x, je f( x) = P
n+1
( x). Ale na
druh stran
P
n+1
( x) = P
n
( x) + ( x x
0
) . . . ( x x
n
)f[x
0
, . . . , x
n
, x],
neboli
f( x) P
n
( x) = ( x x
0
) . . . ( x x
n
)f[x
0
, . . . , x
n
, x].
Zde
n+1
( x) =
n
i=0
( x x
i
).
Nyn podle dsledku 1 je
f[x
0
, . . . , x
n
, x] =
f
(n+1)
()
(n + 1)!
a odtud plyne tvrzen. Vztah (6.17) jsme dokzali pouitm Newtonova interpo-
lanho polynomu. Ale z jednoznanosti interpolanho polynomu plyne, e vztah
plat pro polynom vyjden v libovolnm tvaru. 2
Poznmka 4. Z dsledku 1 je jasn, e bod zvis na x. Tto skutenosti si
musme bt vdomi pi dalch vahch a operacch tkajcch se chyby interpolace.
Rozdl E( x) = f( x) P
n
( x) nazvme chybou interpolace v bod x.
168 6. INTERPOLACE
Jestlie [f
(n+1)
(x)[ M
n+1
, x [a, b], lze chybu interpolace ohraniit shora
takto
[E( x)[
M
n+1
(n + 1)!
[
n+1
( x)[ .
Tento odhad zvis na vlastnostech interpolovan funkce a na volb uzl x
i
. Vznik
tedy otzka, jak volit uzly x
i
, aby maximln absolutn hodnota
n+1
byla na
danm intervalu co nejmen. Toho lze doshnout tak, e za uzly x
i
zvolme koeny
nkterch specilnch polynom. O tomto pstupu nyn strun pojednme.
mluva. Tdu vech normovanch polynom stupn m, tj. polynom tvaru
x
m
+a
m1
x
m1
+. . . +a
0
ozname

m
.
Denice 6.2. ekneme, e polynom Q
m

m
m ze vech polynom tdy

m
nejmen odchylku od nuly na intervalu [1, 1], jestlie plat
max
1x1
[Q
m
(x)[ < max
1x1
[S
m
(x)[
pro vechny polynomy S
m

m
.
Vta 6.4. T
m
(x) = cos(marccos x), x [1, 1] je polynom stupn m s koeci-
entem 2
m1
u x
m
, m 1.
Dkaz. Je T
0
(x) 1, T
1
(x) = x. Dle pouijeme vztahu
cos(m + 1) + cos(m1) = 2 cos cos m.
Polome-li = arccos x, dostaneme
T
m+1
(x) +T
m1
(x) = 2xT
m
(x),
tj.
T
m+1
(x) = 2xT
m
(x) T
m1
(x). (6.18)
Nech nyn podle induknho pedpokladu je T
m
polynom stupn m s koecientem
2
m1
u x
m
. Pak z rekurentnho vztahu (6.18) ihned plyne, e T
m+1
je polynom
stupn m+ 1 s koecientem 2
m
u x
m+1
. 2
Uvedeme nyn nkter dleit vlastnosti polynom T
m
. Z rekurentnho vztahu
(6.18) plyne
T
2
(x) = 2x
2
1, T
3
(x) = 4x
3
3x, T
4
(x) = 8x
4
8x
2
+ 1, atd.
Polynom T
m
m m koen, kter jsou reln, rzn a vechny le v intervalu
(1, 1), nebo pro n plat
cos(marccos x
k
) = 0
marccos x
k
=
2k + 1
2
, k = 0, 1, . . . , m1
x
k
= cos
2k + 1
2m
, k = 0, 1, . . . , m1 (6.19)
6.2. Chyba interpolace 169
Dle je
max
1x1
[T
m
(x)[ = 1.
Tto maximln hodnoty nabv T
m
se stdavmi znamnky v (m + 1) rznch
bodech intervalu [1, 1]:
[ cos(marccos x
k
)[ = 1
x
k
= cos
k
m
, k = 0, 1, . . . , m (6.20)
Vta 6.5. Polynom

T
m
(x) = 2
1m
T
m
(x), m 1, m na intervalu [1, 1]
nejmen odchylku od nuly ze vech polynom tdy

m
.
Dkaz. Pedpokldejme, e existuje polynom Q
m

m
, kter m na intervalu
[1, 1] men absolutn hodnotu ne polynom

T
m
. Uvaujme polynom
R
m1
(x) =

T
m
(x) Q
m
(x).
Je zejm R
m1

m1
a v bodech x
k
= cos(k/m), k = 0, 1, . . . , m plat
sign
_
T
m
(x
k
) Q
m
(x
k
)
_
= sign
_
2
1m
(1)
k
Q
m
(x
k
)
_
= (1)
k
nebo podle pedpokladu [
T
m
(x
k
)[ = 2
1m
, [Q
m
(x
k
)[ < 2
1m
. Polynom R
m1
mn tedy znamnko mezi body x
k
, x
k+1
, k = 0, 1, . . . m 1. Odtud plyne, e
tento polynom stupn m1 m m rznch koen. Dospli jsme ke sporu. Ped-
pokldejme nyn, e existuje polynom Q
m
s maximln absolutn hodnotou rovnou
maximln absolutn hodnot polynomu

T
m
. Nen-li aspo v jednom bod, ve kte-
rm nabv polynom

T
m
extrmu, polynom Q
m
roven polynomu

T
m
, dostaneme
spor jako ve. Je-li vak v takovm bod Q
m
(x) =

T
m
(x), m polynom R
m1
v tomto bod dvojnsobn koen a urme-li poet koen polynomu R
m1
jako
ve, dojdeme opt ke sporu, kter dokonuje dkaz vty (viz [19]). 2
Denice 6.3. Polynomy T
m
se nazvaj ebyevovy polynomy.
Jestlie se pi interpolaci omezme na interval [1, 1] a za uzly interpolace zvo-
lme koeny ebyevova polynomu,
n+1
(x) = 2
n
T
n+1
(x), meme najt odhad
chyby ve tvaru
[f( x) P
n
( x)[
M
n+1
(n + 1)!2
n
, (6.21)
nebo
max
x[1,1]
[
n+1
(x)[ = 2
n
.
Chyba je v tomto ppad nejmen mon. Pi interpolaci na libovolnm intervalu
[a, b] uijeme linern transformaci
x =
1
2
((b a)z +b +a), z [1, 1] .
170 6. INTERPOLACE
Pi tto transformaci se koeny z
k
, k = 0, 1, . . . , n, polynomu

T
n+1
transformuj
na koeny
x
k
=
1
2
((b a)z
k
+b +a).
Odhad chyby interpolace nyn bude
[f( x) P
n
( x)[
M
n+1
(n + 1)!
(b a)
n+1
2
2n+1
.
K dalm otzkm tkajcch se chyby interpolace se vrtme v dal sti tto
kapitoly.
6.3. Interpolace na ekvidistantnch uzlech
Nyn pedpokldejme, e body x
i
, i = 0, 1, . . . , n, jsou ekvidistantn, tj. existuje
reln slo h ,= 0 takov, e
x
i
= x
0
+ih, i = 0, . . . , n.
slo h obvykle nazvme krok. Vypoteme pro Lagrangev interpolan polynom
P
n1

n1
, kter je interpolanm polynomem v uzlech x
0
, . . . , x
n1
, funda-
mentln polynomy l
i
:
l
i
(x) =

n
(x)
(x x
i
)
n
(x
i
)
Potejme hodnoty tchto polynom v bod x
n
:
l
i
(x
n
) =

n
(x
n
)
(x
n
x
i
)
n
(x
i
)
=
=
(x
n
x
0
) . . . (x
n
x
n1
)
(x
n
x
i
)(x
i
x
0
) . . . (x
i
x
i1
)(x
i
x
i+1
) . . . (x
i
x
n1
)
Nyn je x
n
x
i
= x
0
+nh(x
0
+ih) = (ni)h. Dosazenm do pedchozho vztahu
dostaneme:
l
i
(x
n
) =
n(n 1) . . . (n (n 1))
(n i)(i) . . . (i (i 1))(i (i + 1)) . . . (i (n 1))
=
=
n!
i!(n i)!
(1)
ni
Odtud
l
i
(x
n
) = (1)
ni
_
n
i
_
.
Potejme nyn rozdl
f(x
n
) P
n1
(x
n
) = f(x
n
) +
n1
i=0
(1)
ni
_
n
i
_
f(x
i
).
6.3. Interpolace na ekvidistantnch uzlech 171
Hodnotu f(x
n
) lze zahrnout do soutu s koecientem
(1)
nn
_
n
n
_
= 1
a vsledkem je
f(x
n
) P
n1
(x
n
) =
n
i=0
(1)
ni
_
n
i
_
f
i
. (6.22)
Denice 6.4. Vraz
n
f
j
=
n
i=0
(1)
ni
_
n
i
_
f
i+j
(6.23)
se nazv n-t obyejn diference v bod x
j
.
Nap.:
1
f
0
= f(x
0
) +f(x
0
+h) = f
0
+f
1
2
f
0
= f(x
0
) 2f(x
0
+h) +f(x
0
+ 2h) = f
0
2f
1
+f
2
3
f
0
= f
0
+ 3f
1
3f
2
+f
3
atd.
Obdobnm zpsobem jako pro pomrn diference lze i pro obyejn diference
dokzat rekurentn vztah:
k+1
f
i
=
_
k
f
i
_
=
k
f
i+1
k
f
i
. (6.24)
Lemma. Na ekvidistantn mnoin uzl x
i
n
i=0
plat
f[x
0
, . . . , x
n
] =

n
f
0
n! h
n
. (6.25)
Dkaz lze provst matematickou indukc viz cvien.
Nkter dal vlastnosti pomrnch a obyejnch diferenc lze nalzt nap.
v [23].
Vta 6.6. Nech uzly x
i
, i = 0, 1, . . . , n jsou ekvidistantn, x
i
= x
0
+ ih, h > 0.
Pak Newtonv interpolan polynom lze zapsat ve tvaru
P
n
(x
0
+th) = f
0
+
n
j=1
j
f
0
j!
t(t 1) . . . (t j + 1), (6.26)
kde x = x
0
+th, t je nov promnn, t R.
Dkaz. Bod x, ve kterm potme hodnotu interpolanho polynomu, vyjdme
pomoc kroku h, x = x
0
+th, t je nov promnn. Nyn
x x
i
= x
0
+th (x
0
+ih) = (t i)h.
172 6. INTERPOLACE
Vme, e Newtonv polynom je tvaru
P
n
(x) = f
0
+f[x
0
, x
1
](x x
0
) +. . . + (x x
0
) . . . (x x
n1
)f[x
0
, . . . , x
n
].
Uitm vztahu (6.25) upravme j-t len tohoto polynomu:
(x x
0
) . . . (x x
j1
)f[x
0
, . . . , x
j
] = (x x
0
) . . . (x x
j1
)
j
f
0
j! h
j
a dle, v dsledku toho, e x x
i
= (t i)h, dostaneme
(x x
0
) . . . (x x
j1
)f[x
0
, . . . , x
j
] =
t . . . (t j + 1)
j!

j
f
0
a odtud plyne (6.26). 2
Obdobnm zpsobem jako vtu 6.6 lze dokzat nsledujc vtu 6.7.
Vta 6.7. Nech uzly x
i
, i = 0, 1, . . . , n, jsou ekvidistantn, x
i
= x
0
+ih, h > 0.
Pak Newtonv interpolan polynom lze zapsat ve tvaru
P
n
(x
n
+sh) = f
n
+
n
j=1
j
f
nj
j!
s(s + 1) . . . (s +j 1), (6.27)
kde x = x
n
+sh, s R.
Dkaz. V tomto ppad se bod x vyjd pomoc bodu x
n
: x = x
n
+sh, s R
je nov promnn a interpolan polynom sestrojme v bodech x
n
, . . . , x
0
, x
nj
=
x
n
jh, tj.
P
n
(x) = f
n
+ (x x
n
)f[x
n
, x
n1
] +. . . + (x x
n
) . . . (x x
1
)f[x
n
, . . . , x
0
].
2
Denice 6.5. Formule (6.26) se nazv Newtonv interpolan polynom pro in-
terpolaci vped. Formule (6.27) se nazv Newtonv interpolan polynom pro in-
terpolaci vzad.
Schematicky lze znzornit pouit formul vped a vzad takto:
x
0
x
1
x
2
x
3
.
.
.
x
n2
x
n1
x
n
f
0
f
1
f
2
f
3
.
.
.
f
n2
f
n1
f
n
f
0
f
1
f
2
.
.
.
f
n2
f
n1
2
f
0
2
f
1
.
.
.
2
f
n3
2
f
n2
z
$$
$$
$$
$$
$$
$$
$$
$$X

n
f
0
Diference oznaen se pouvaj pro formuli vped, diference se pouvaj
pro formuli vzad.
Poznmka 5. Z ponkud modikovan tabulky diferenc tzv. Fraserova diagramu
lze odvodit celou adu uitench interpolanch formul. Tento diagram lze najt
nap. v [19].
Zmnme se nyn o minimalizaci chyby v ppad, e uzly jsou ekvidistantn.
Zejm m na velikost chyby rozhodujc vliv chovn funkce
n+1
. Uitm substi-
tuce x = x
0
+th lze funkci
n+1
vyjdit ve tvaru
n+1
(x) =
n+1
(x
0
+th) = h
n+1
t(t 1) . . . (t n), t R.
Nyn budeme vyetovat chovn funkce
(t) = t(t 1) . . . (t n). (6.28)
pro t [0, n]. Nejdve si vimnme, e funkce je lich nebo sud (v zvislosti
na n) vzhledem k bodu (
n
2
, 0). Tento fakt plyne ze vztahu
(t) = (1)
n+1
(n t),
tedy je sud, je-li n lich, a lich, je-li n sud. Dle
(t + 1) = (t + 1)t(t 1) . . . (t + 1 n) =
t + 1
t n
(t).
Odtud plyne, e na intervalu [i, i +1], i = 0, . . . , n1, lze hodnoty funkce zskat
pomoc hodnot funkce na intervalu [i 1, i] vynsobench faktorem (t +1)/(t n).
Ovem tento faktor je vdy zporn pro t < n. To znamen, e znamnka funkce
se budou stdat pi pechodu z jednoho intervalu na interval nsledujc. Navc
t + 1
t n
< 1
pro t [0,
n1
2
). Tedy, extremln hodnoty funkce na jednotlivch intervalech
[i, i +1] budou v absolutn hodnot klesat a do stedu intervalu [0, n], a pak v d-
sledku symetrie opt porostou. Vn intervalu [0, n] funkce v absolutn hodnot
velmi rychle roste. Tato skutenost je ilustrovna na nsledujcch dvou ppadech
obr. 6.3 a 6.4 ilustruj prbh funkc
4
a
5
. Z uvedench poznatk plyne
nsledujc zvr: Veliina [
n+1
( x)[ bude minimln, a tedy i chyba interpolace
bude minimln, jestlie pro interpolaci v bod x vybereme n + 1 uzl nejblich
bodu x. V ppad, e bod x le na zatku tabulky, je vhodn ut Newtonovu in-
terpolan formuli vped, le-li bod x blzko konce tabulky, je vhodn Newtonova
interpolan formule vzad. Pro hodnoty x lec vn intervalu [x
0
, x
n
] lze oekvat
znanou chybu interpolace. V tomto ppad hovome o extrapolaci.
Pklad 6.4. V nsledujc tabulce jsou dny hodnoty Besselovy funkce 1. druhu
du nula. Aproximujte hodnotu tto funkce v bod x = 1,5. Uijte Lagrangeovch
polynom rznch stup a porovnejte vsledky s pesnou hodnotou.
174 6. INTERPOLACE
2 4 6 8 10 12 14
250
200
150
100
50
0
50
100
150
x
y
x
0
x
1
x
2
x
3
Obr. 6.3: Polynom
4
(x) = (x 2)(x 6)(x 10)(x 14)
2 4 6 8 10 12 14
1000
800
600
400
200
0
200
400
600
800
1000
x
y
x
0
x
1
x
2
x
3
x
4
Obr. 6.4: Polynom
5
(x) = (x 2)(x 5)(x 8)(x 11)(x 14)
x
i
1,0 1,3 1,6 1,9 2,2
f(x
i
) 0,7651977 0,6200860 0,4554022 0,2818186 0,1103623
een:
a) Linern interpolace: bod x = 1,5 le mezi x
1
= 1,3 a x
2
= 1,6, zvolme za
uzly interpolace 1,3; 1,6.
P
1
(1,5) =
(1,5 1,6)
(1,3 1,6)
0,6200860 +
1,5 1,6
1,6 1,3
0,4554022 = 0,5102968
b) Pro aproximaci polynomem druhho stupn zvolme uzly 1,6; 1,3; 1,9. Do-
staneme piblinou hodnotu
P
2
(1,5) = 0,5112857.
c) Pro polynom tetho stupn zvolme uzly 1,6; 1,3; 1,9; 1,0 a dostaneme hod-
notu
P
3
(1,5) = 0,5118127.
d) Pro polynom tvrtho stupn uijeme vech uzl a vsledn hodnota je
P
4
(1,5) = 0,5118200.
e) Pro polynom prvnho stupn uijeme nyn uzl x
0
= 1, x
1
= 1,3. Je
P
1
(1,5) = 1,17752595.
f) Pro polynom druhho stupn uijeme nyn uzl x
0
= 1,6, x
1
= 1,9, x
2
= 2,2.
Je
P
2
(1,5) = 1,73385945.
Porovnme vypoten hodnoty s pesnou hodnotou f(1,5) = 0,5118277:
a) [P
1
(1,5) f(1,5)[ 1,53.10
3
b) [P
2
(1,5) f(1,5)[ 5,42.10
4
c) [P
3
(1,5) f(1,5)[ 1,5.10
5
d) [P
4
(1,5) f(1,5)[ 7,7.10
6
e) [P
1
(1,5) f(1,5)[ 6,6.10
1
f) [P
2
(1,5) f(1,5)[ 1,22
Je jasn, e v ppadech e), f) je chyba (vzhledem k extrapolaci) podstatn vt.
Penechvme teni, aby se pokusil navrhnout algoritmus pro konstrukci ta-
kov posloupnosti polynom. Nelze vak oekvat, e ve vech ppadech se bude
s rostoucm potem uzl zvyovat tak pesnost aproximace (viz odstavec 6.4).
176 6. INTERPOLACE
Na zvr tohoto odstavce ukeme zajmav pklad pouit interpolanho
polynomu.
Pklad 6.5. Dokate, e plat
n1
k=0
(1)
k
n k
n
_
n +m
k
_
= (1)
n1
(n +m2)!
(m1)! n!
.
een: Nech
f(x) =
(n x)(n 1 x) . . . (2 x)
n!
a sestrojme interpolan polynom P
n1
stupn n 1 pro ekvidistantn uzly dan
hodnotami x
0
= 0, h = 1:
P
n1
(x) =
n1
k=0
k
f
0
h
k
(x x
0
)(x x
0
h) . . . (x x
0
(k 1)h)
k!
=
=
n1
k=0
k
f
0
x(x 1) . . . (x (k 1))
k!
.
Plat
P
n1
(x
0
) = P
n1
(0) = f(0) = 1, P
n1
(x
0
+h) = P
n1
(1) = f(1) =
1
n
a dle
P
n1
(x
0
+kh) = P
n1
(k) = f(k) = 0, pro k = 2, . . . , n 1 .
Odtud
k
f
0
=
k
r=0
(1)
kr
_
k
r
_
f(x
0
+rh) = (1)
k
n k
n
,
a protoe funkce f je polynomem stupn n 1, mus bt toton s polynomem
P
n1
, tedy
(n x)(n 1 x) . . . (2 x)
n!
=
n1
k=0
(1)
k
n k
n
x(x 1) . . . (x (k 1))
k!
.
Pro x = n +m dostaneme poadovanou formuli
n1
k=0
(1)
k
n k
n
_
n +m
k
_
= (1)
n1
(n +m2)!
(m1)! n!
,
nebo dal transformac (vmnou role n a m a polome-li i = mk)
m
i=1
(1)
m1
i
m
_
n +m
n +i
_
= (1)
m1
(n +m2)!
(n 1)! m!
.
6.4. Obecn interpolan proces 177
6.4. Obecn interpolan proces
Uvaujme nyn nsledujc problm: V intervalu [a, b] vybereme uzly tvoc neko-
nenou trojhelnkovou matici:
x
(0)
0
x
(1)
0
x
(1)
1
x
(2)
0
x
(2)
1
x
(2)
2
.
.
.
.
.
.
.
.
.
.
.
.
x
(n)
0
x
(n)
1
x
(n)
2
x
(n)
n
.
.
.
.
.
.
.
.
.
.
.
.
(6.29)
Pro danou funkci sestrojme posloupnost Lagrangeovch interpolanch polynom
P
n
tak, e k sestrojen P
n
uijeme (n + 1)-ho dku matice (6.29), tj.
P
n
(x
(n)
i
) = f(x
(n)
i
), i = 0, 1, . . . , n.
Ptme se: Bude posloupnost P
n
konvergovat stejnomrn k funkci f na intervalu
[a, b]? D se ukzat, e pro kadou matici (6.29) existuje tda funkc, pro ni plat
stejnomrn konvergence, ale tato tda je podstatn u ne C[a, b].
Vta 6.8. (G. Fber). Pro kadou matici (6.29) existuje spojit funkce, pro kterou
pslun posloupnost interpolanch polynom nekonverguje stejnomrn k f na
intervalu [a, b].
Dkaz je uveden v [16].
Ve Fberov vt se mluv o neexistenci stejnomrn konvergence posloupnost
P
n
k f. Nen ale vyloueno, e v nkterch bodech konverguj polynomy P
n
k funkci
f. Nsledujc pklad ilustruje monost divergence interpolanho procesu v jed-
notlivch bodech.
Vta 6.9. (S. N. Berntejn). Interpolan polynom P
n
sestrojen pro funkci [x[
na ekvidistantn mnoin uzl intervalu [1, 1] (tak, e x
0
= 1, x
n
= 1) nekon-
verguje s rostoucm n k [x[ ani v jednom bod intervalu [1, 1] rznm od bod
1, 0, 1.
Dkaz je opt uveden v [16], pklad je ilustrovn na obr. 6.5.
Zajmav pklad pklad Rungeho je uveden v [8]. Tento pklad se tk
interpolace funkce f(x) = 1/(1+x
2
), x [4, 4], a interpolan proces je ilustrovn
na obr. 6.6.
Na druh stran plat:
Vta 6.10. (I. Marcinkiewicz). Pro kadou spojitou funkci f existuje takov ma-
tice (6.29), e odpovdajc posloupnost interpolanch polynom konverguje stej-
nomrn k funkci f na intervalu [a, b].
178 6. INTERPOLACE
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1.2
P
8
P
16
Obr. 6.5: Interpolan polynomy pro f(x) = |x| na ekvidistantnch uzlech
4 3 2 1 0 1 2 3 4
1.5
1
0.5
0
0.5
1
1.5
P
8
P
16
Obr. 6.6: Interpolan polynomy pro f(x) = 1/(1 + x
2
) na ekvidistantnch uzlech
6.5. Iterovan interpolace 179
Dkaz lze opt nalzt v [16], kde je obecnmu interpolanmu procesu vnovna
znan pozornost.
Poznmka 6. Zvolme-li v pedchozch pkladech za uzly koeny ebyevovch
polynom denovanch vztahem (6.18), dostaneme konvergentn proces. Chovn
posloupnost odpovdajcch interpolanch polynom je zejm z obr. 6.7, 6.8.
1.1 1.1
0
0.2
0.4
0.6
0.8
1
x
y
x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
Obr. 6.7: Interpolan polynom P

8

8
pro f(x) = |x| na ebyevovch uzlech
6.5. Iterovan interpolace
Interpolan problm nemusme eit ihned jako celek pro vechny dan uzly, ale
meme zat s menm potem uzl a postupn zkonstruovat cel interpolan
polynom. Tmto problmem se budeme nyn zabvat.
Pro danou mnoinu bod (x
i
, f
i
); i = 0, 1, . . . , n, ozname
P
i0i1...i
k

k
, k n
takov polynom, pro kter
P
i0i1...i
k
(x
ij
) = f
ij
, j = 0, 1, . . . , k.
Lemma. Plat
P
ij
(x) = f
ij
, j = 0, 1, . . . , k, (6.30)
P
i0...i
k
(x) =
1
x
i
k
x
i0
P
i1...i
k
(x) x x
i
k
P
i0...i
k1
(x) x x
i0
. (6.31)
Tento postup nazvme iterovanou interpolac.
180 6. INTERPOLACE
1.5
1
0.5
0
0.5
1
1.5
y
x
0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
Obr. 6.8: Interpolan polynom P
8

8
pro f(x) = 1/(1 + x
2
) na ebyevovch uzlech
Dkaz. Vztah (6.30) je zejm. Abychom dokzali (6.31), ozname pravou stranu
R(x) a ukeme, e m charakteristick vlastnosti interpolanho polynomu. Zejm
R je polynom stupn nejve k. Podle denice P
i0...i
k1
, P
i1...i
k
je
R(x
i0
) = P
i0...i
k1
(x
i0
) = f
i0
,
R(x
i
k
) = P
i1...i
k
(x
i
k
) = f
i
k
,
R(x
ij
) =
(x
ij
x
i0
)f
ij
(x
ij
x
i
k
)f
ij
x
i
k
x
i0
= f
ij
pro j = 1, . . . , k 1. Tedy R P
i0...i
k
, co plyne z jednoznanosti interpolanho
polynomu v danm bod x. 2
Podle vzorce (6.31) lze vpoet uspodat napklad takto:
k = 0 1 2 3
x
0
f
0
= P
0
(x)
x
1
f
1
= P
1
(x) P
01
(x)
x
2
f
2
= P
2
(x) P
12
(x) P
012
(x)
x
3
f
3
= P
3
(x) P
23
(x) P
123
(x) P
0123
(x)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(6.32)
Prvn sloupec tabulky obsahuje pedepsan hodnoty f
i
. Hodnoty v dalch sloup-
cch potme podle vztahu (6.31). Je napklad
P
012
(x) =
(x x
0
)P
12
(x x
2
)P
01
x
2
x
0
.
6.5. Iterovan interpolace 181
Uveden algoritmus (6.32) se nazv Nevillv algoritmus.
Pklad 6.6. Je dna tabulka hodnot funkce f. Uijte Nevillova schematu pro
vpoet f(1).
x
i
f
i
P
i,i+1
P
i,i+1,i+2
P
i,i+1,i+2,i+3
0 1
2 3 2
3 2 4 8/3
5 5 1 17/3 49/15
To znamen, e f(1) 49/15.
Pro snaz pouit na potai zaveme nsledujc oznaen. Polome
T
i,j
= P
ij,ij+1,...,i1,i
.
Rekurentn vztahy (6.31) meme nyn zapsat takto
T
i,j
(x) =
(x x
ij
)T
i,j1
(x) (x x
i
)T
i1,j1
(x)
x
i
x
ij
j = 1, 2, 3, . . .
i = j, j + 1, . . .
T
i0
= f
i
, i = 0, 1, . . . , n
a pak
T
nn
= P
01...n
.
Pslun tabulka je tvaru
k = 0 1 2 3
x
0
f
0
= T
00
x
1
f
1
= T
10
T
11
x
2
f
2
= T
20
T
21
T
22
x
3
f
3
= T
30
T
31
T
32
T
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(6.33)
Jako kriteria pro zastaven vpotu lze ut nerovnosti
[T
i,i
T
i1,i1
[ < ,
kde je pedepsan pesnost. Jestlie tato nerovnost nen splnna, pid se dal
uzel x
i+1
.
182 6. INTERPOLACE
Zvremtohoto odstavce pipomeme Aitkenv algoritmus ([11]). Ten je rovn
zaloen na vztazch (6.30), (6.31), ale pouv jinch polynom bhem vpotu.
Tabulka je nsledujc:
k = 0 1 2 3
x
0
f
0
= P
0
x
1
f
1
= P
1
P
01
x
2
f
2
= P
2
P
02
P
012
x
3
f
3
= P
3
P
03
P
013
P
0123
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Pklad 6.7. Pro tabulku hodnot z pkladu 6.6 vypotte f(1) pomoc Aitkenova
schematu.
x
i
f
i
P
0i
P
01i
P
012i
0 1
2 3 2
3 2 4/3 8/3
5 5 9/5 31/15 49/15
Tedy f(1) 49/15.
Ob schemata dvaj tent vsledek, nebo se jedn o uit interpolanho
polynomu v uzlech x
0
= 0, x
1
= 2, x
2
= 3, x
3
= 5.
6.6. Inverzn interpolace
Nyn ukeme, jak lze ut interpolace k nalezen piblinho koene funkce. Tento
proces budeme nazvat inverzn interpolac. Pedpokldejme, e funkce f, f
jsou
spojit v [a, b], f
(x) ,= 0 v [a, b] a nech je koen funkce f lec v intervalu

[a, b]. Nech x
i
[a, b], i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k a nech f(x
i
) = y
i
, i =
0, 1, . . . , n. Nam kolem je najt piblinou hodnotu koene . Budeme postupovat
takto: Sestrojme interpolan polynom P
n
(y) pro funkci f
1
(y) v bodech
(y
i
, x
i
), x
i
= f
1
(y
i
), i = 0, 1, . . . , n,
tj.
P
n
(y
i
) = f
1
(y
i
), i = 0, 1, . . . , n.
Protoe 0 = f(), je = f
1
(0) a za piblinou hodnotu koene lze vzt slo
P
n
(0). Pro vpoet lze s vhodou ut iterovan interpolace.
6.7. Sestavovn tabulek
Nyn se zabvejme nsledujcm kolem: Je teba sestavit tabulku hodnot njak
funkce tak, aby chyba pi interpolaci hodnot funkce polynomem danho stupn m
6.8. Hermitova interpolace 183
nepevila . V takovm ppad kme, e tabulka pipout interpolaci stupn
m. Tabulky, se ktermi se vtinou setkvme, pipoutj linern interpolaci. Bu-
deme se zabvat tabulkami s ekvidistantnmi uzly. Otzka tedy je: Jak zvolit krok
h, aby pi linern interpolaci byla chyba men ne ? Nech x je bod, ve kte-
rm mme spotat piblinou hodnotu. Polome x
0
< x < x
1
a f aproximujeme
interpolanm polynomem
f(x) = P
1
(x) +E(x),
substituce x = x
0
+th, t (0, 1) je nov promnn, vede ke vztahu
f(x
0
+th) = P
1
(x
0
+th) +
h
2
t(t 1)
2
f
().
Protoe [t(t 1)[
1
4
, mus pro krok h platit
h
2
max [f
(x)[ 8.
Pklad 6.8. Nech je teba sestavit tabulku funkce sinx na intervalu [0,

2
] tak,
aby chyba linern interpolace byla men ne 0,5.10
6
.
een. Je
f(x) = sinx [f
(x)[ 1.
Z pedchozho plyne
h
2
4.10
6
,
h 2.10
3
.
Penechvme teni posoudit otzku ppustnosti kvadratick interpolace.
6.8. Hermitova interpolace
Obecn lze pedepsat hledanmu polynomu nejen funkn hodnoty, ale tak hod-
noty derivac. Pesnji: Jsou dna reln sla x
i
, i = 0, 1, . . . , m, x
i
,= x
k
pro
i ,= k, f
(k)
i
, k = 0, 1, . . . , n
i
1, piem
m
i=0
n
i
= n + 1. (6.34)
Hermitv interpolan problm spov v tom, e je teba najt polynom P
n

n
takov, e
P
(k)
n
(x
i
) = f
(k)
i
, i = 0, 1, . . . , m; k = 0, 1, . . . , n
i
1. (6.35)
V kadm uzlu x
i
je tedy pedepsna nejen funkn hodnota, ale tak hodnoty
prvnch (n
i
1) derivac.
184 6. INTERPOLACE
Vta 6.11. Pro dan reln sla x
i
, i = 0, 1, . . . , m, x
i
,= x
k
pro i ,= k, a hodnoty
f
(k)
i
, k = 0, 1, . . . , n
i
1, existuje prv jeden polynom P
n

n
,
m
i=0
n
i
= n + 1,
takov, e jsou splnny podmnky (6.35).
Obecn dkaz nebudeme provdt, ale uvedeme nyn konstrukci Hermitova
interpolanho polynomu v jednodum ppad, kdy v kadm uzlu x
i
, i =
0, 1, . . . , m, pedepeme funkn hodnotu f
i
a hodnotu prvn derivace f
i
. Je tedy
teba najt polynom P
n

n
, 2m+ 1 = n, takov, e
P
2m+1
(x
i
) = f
i
, i = 0, 1, . . . , m
P
2m+1
(x
i
) = f
i
, i = 0, 1, . . . , m
(6.36)
Polynom P
2m+1
budeme hledat ve tvaru
P
2m+1
(x) =
m
i=0
h
i
(x)f
i
+
m
i=0
h
i
(x)f
i
,
kde h
i
,

h
i
jsou polynomy stupn 2m + 1 pro m > 0. Polynomy h
i
,

h
i
je teba
vybrat tak, aby byly splnny podmnky (6.36), tj.
h
i
(x
j
) =
ij
, i, j = 0, 1, . . . , m
h
i
(x
j
) = 0, i, j = 0, 1, . . . , m
(6.37)
h
i
(x
j
) = 0, i, j = 0, 1, . . . , m
i
(x
j
) =
ij
, i, j = 0, 1, . . . , m,
(6.38)
kde
ij
= 0 pro i ,= j,
ij
= 1 pro i = j (Kroneckerv symbol). Sestrojme nejdve
polynomy h
i
: Polynom h
i
je polynom stupn 2m+1, kter m podle (6.37) koeny
x
0
, . . ., x
i1
, x
i+1
, . . ., x
m
, piem jsou vechny tyto koeny dvojnsobn, tj. 2m
koen. Protoe h
i
je polynom stupn 2m+ 1, plyne odtud, e je tvaru
h
i
(x) = t
i
(x)(x x
0
)
2
. . . (x x
i1
)
2
(x x
i+1
)
2
. . . (x x
m
)
2
,
kde t
i
je polynom stupn prvnho. Bez jmy na obecnosti lze pst
h
i
(x) = u
i
(x)
(x x
0
)
2
. . . (x x
i1
)
2
(x x
i+1
)
2
. . . (x x
m
)
2
(x
i
x
0
)
2
. . . (x
i
x
i1
)
2
(x
i
x
i+1
)
2
. . . (x
i
x
m
)
2
=
= u
i
(x)l
2
i
(x),
kde l
i
je fundamentln polynom odvozen pi konstrukci Lagrangeova interpo-
lanho polynomu a u
i
je linern polynom: u
i
(x) = a
i
x + b
i
, i = 0, 1, . . . , m.
Koecienty a
i
, b
i
urme z podmnek
h
i
(x
i
) = 1, h
i
(x
i
) = 0,
tj. u
i
(x
i
)l
2
i
(x
i
) = 1 u
i
(x
i
) = 1,
u
i
(x)l
2
i
(x) + 2u
i
(x)l
i
(x)l
i
(x) = 0 u
i
(x
i
) + 2u
i
(x
i
)l
i
(x
i
) = 0.
Odtud
a
i
= 2l
i
(x
i
), b
i
= 1 + 2x
i
l
i
(x
i
),
polynom u
i
je tvaru
u
i
(x) = 1 2(x x
i
)l
i
(x
i
), i = 0, 1, . . . , m
a hledan polynom h
i
:
h
i
(x) = (1 2(x x
i
)l
i
(x
i
)) l
2
i
(x), i = 0, 1, . . . , m. (6.39)
Obdobn sestrojme polynomy

h
i
:

h
i
je polynom stupn 2m+1 a m podle (6.38)
koeny x
0
, x
1
, . . . , x
m
, piem koeny x
0
, x
1
, . . . , x
i1
, x
i+1
, . . . , x
m
jsou dvojn-
sobn, tj. celkem 2m+ 1 koen. Pedpokldan tvar polynomu

h
i
je
h
i
(x) = A
i
(x x
i
)(x x
0
)
2
. . . (x x
i1
)
2
(x x
i+1
)
2
. . . (x x
m
)
2
,
co lze opt bez jmy na obecnosti zapsat ve tvaru
h
i
(x) = B
i
(x x
i
)l
2
i
(x)
a hodnotu B
i
urme tak, aby

h
i
(x
i
) = 1, tj.
B
i
= 1.
Polynomy

h
i
jsou tvaru
h
i
(x) = (x x
i
)l
2
i
(x), i = 0, 1, . . . , m. (6.40)
Hermitv polynom pro dan hodnoty (6.36) m tvar
P
2m+1
(x) =
m
i=0
h
i
(x)f
i
+
m
i=0
h
i
(x)f
i
s polynomy h
i
,

h
i
danmi vztahy (6.39), (6.40).
Poznmka 7. Pro m = 0 dostvme nejjednodu Hermitv polynom, kter je
prvnho stupn a je dan vztahem
P
1
(x) = f(a) + (x a)f
(a) .
Pro uren tohoto polynomu potebujeme dv podmnky hodnotu funkce a deri-
vace v danm bod.
186 6. INTERPOLACE
Pklad 6.9. Najdte Hermitv interpolan polynom, je-li dno
x
i
0 1 4
f
i
2 5 1
f
i
1 1 2
Polynomy l
i
jsou tvaru
l
0
(x) =
1
4
(x 1)(x 4), l
1
(x) =
1
3
x(x 4), l
2
(x) =
1
12
x(x 1)
Podle (6.39), (6.40) dostaneme pro h
i
a

h
i
h
0
(x) =
1
32
(x 1)
2
(x 4)
2
(2 + 5x),

h
0
(x) =
1
16
x(x 1)
2
(x 4)
2
h
1
(x) =
1
27
x
2
(x 4)
2
(7 4x),

h
1
(x) =
1
9
x
2
(x 1)(x 4)
2
h
2
(x) =
1
864
x
2
(x 1)
2
(34 7x),

h
2
(x) =
1
144
(x 4)x
2
(x 1)
2
Hledan polynom P
5

5
je tvaru
P
5
(x) =
1
16
(x 1)
2
(x 4)
2
(2 + 5x) +
5
27
x
2
(x 4)
2
(7 4x) +
+
1
864
x
2
(x 1)
2
(34 7x) +
1
16
x(x 1)
2
(x 4)
2
1
9
(x 1)x
2
(x 4)
2
+
1
72
(x 4)x
2
(x 1)
2
.
Pklad 6.10. Pro funkci f(x) = x+sinx sestrojte Hermitv interpolan polynom
splujc v uzlech x
0
= 5,5, x
1
= 12,5, x
2
= 3 podmnky (6.36). Je zejm, e
P
5

5
. Na obr. 6.9 jsou grafy polynom h
i
,

h
i
, i = 0, 1, 2, obr. 6.10 znzoruje
graf funkce f (pln ra) a graf pslunho polynomu P
5
(rkovan).
Chyba interpolace pro Hermitv interpolan polynom me bt odvozena stej-
nm zpsobem jako pi Lagrangeov interpolaci. Odpovdajc vtu lze formulovat
takto:
Vta 6.12. Nech funkce f je (n+1)-krt diferencovateln v intervalu [a, b] a nech
jsou dny body x
i
[a, b], i = 0, 1, . . . , m, x
i
,= x
k
pro i ,= k. Jestlie polynom
P
n

n
,
m
i=0
n
i
= n + 1,
spluje interpolan podmnky
P
(k)
n
(x
i
) = f
(k)
(x
i
), k = 0, 1, . . . , n
i
1; i = 0, 1, . . . , m,
pak ke kadmu x [a, b] existuje

(a, b) tak, e
f( x) P
n
( x) =

n+1
( x)
(n + 1)!
f
(n+1)
(
),

=

( x), (6.41)
2 14
1.5
1
0.5
0
0.5
1
1.5
x
0
x
1
x
2 2 14
0
0.2
0.4
0.6
0.8
1
x
0
x
1
x
2
Fundamentln polynom h
0
(x) Fundamentln polynom h
1
(x)
2 14
1
0
1
2
3
4
5
6
x
0
x
1
x
2 2 14
0
0.5
1
1.5
2
x
0
x
1
x
2
Fundamentln polynom h
2
(x) Fundamentln polynom

h
0
(x)
2 14
1
0.5
0
0.5
1
1.5
2
x
0
x
1
x
2 2 14
1
0.5
0
0.5
1
x
0
x
1
x
2
Fundamentln polynom

h
1
(x) Fundamentln polynom

h
2
(x)
Obr. 6.9: Fundamentln polynomy h
i
,

h
i
188 6. INTERPOLACE
2 4 6 8 10 12 14
4
6
8
10
12
14
x
y
x
0
x
1
x
2
Obr. 6.10: Hermitv interpolan polynom P
5

5
pro funkci f(x) = x + sinx
kde
n+1
(x) = (x x
0
)
n0
. . . (x x
m
)
nm
.
Poznmka 8. Odvozen tvaru Hermitova interpolanho polynomu v obecnm p-
pad lze najt nap. v [2], [19]. Pro konstrukci Hermitova interpolanho polynomu
lze tak s vhodou ut Lagrangeova polynomu. Postup je nsledujc: Zapime
Hermitv polynom P
n

n
pro hodnoty (6.35) ve tvaru
P
n
(x) = P
m
(x) +
m+1
(x)H
nm1
(x),
kde P
m

m
je Lagrangev polynom pro hodnoty (x
i
, f
(0)
i
), i = 0, 1, . . . , m,
m+1
= (x x
0
) . . . (x x
m
), H
nm1

nm1
je polynom stupn nejve
n m1 a urme jej ze zbvajcch (n m) podmnek, tj. z podmnek
P
(k)
n
(x
i
) = f
(k)
i
, k = 1, . . . , n
i
1, i = 0, 1, . . . , m. (6.42)
Podmnkami (6.42) je polynom H
nm1
uren jednoznan.
Pklad 6.11. Najdte Hermitv interpolan polynom, je-li dno:
x
i
0 1 2
f
i
1 -1 0
f
i
0 0 0
f
i
0
een: Budeme hledat polynom P
6

6
ve tvaru
P
6
(x) = P
2
(x) +
3
(x)H
3
(x) ,
kde
3
(x) = x(x 1)(x 2) a polynom H
3

3
, H
3
(x) = ax
3
+ bx
2
+ cx + d,
sestrojme tak, aby platilo P
6
(0) = 0, P
6
(1) = 0, P
6
(2) = 0, P
6
(0) = 0. P
2
je
Lagrangev interpolan polynom pro body (0, 1), (1, 1), (2, 0) a je zejm tvaru
P
2
(x) =
(3x 1)(x 2)
2
.
Pak
P
6
(x) =
(3x 1)(x 2)
2
+x(x 1)(x 2)H
3
(x) .
Potejme prvn a druhou derivaci polynomu P
6
:
P
6
(x) =
6x 7
2
+ (3x
2
6x + 2)H
3
(x) +x(x 1)(x 2)H
3
(x)
P
6
(x) = 3 + (6x 6)H
3
(x) + 2(3x
2
6x + 2)H
3
(x) +x(x 1)(x 2)H
3
(x)
Z interpolanch podmnek pro derivace nyn plyne:
P
6
(0) = 0 0 =
7
2
+ 2H
3
(0)
P
6
(1) = 0 0 =
1
2
H
3
(1)
P
6
(2) = 0 0 =
5
2
+ 2H
3
(2)
P
6
(0) = 0 0 = 3 + 4H
3(0) 6H
3
(0)
Odtud
H
3
(0) =
7
4
d =
7
4
H
3
(1) =
1
2
a +b +c +d =
1
2
H
3
(2) =
5
4
8a + 4b + 2c +d =
5
4
4H
3
(0) + 6H
3
(0) = 3 4c + 6d = 3
Vypoteme
d =
7
4
c =
15
8
b =
105
16
a =
39
16
,
tedy
H
3
(x) =
1
16
(39x
3
105x
2
+ 30x + 28) .
Vsledn Hermitv polynom je
P
6
(x) =
(2x 1)(x 2)
2
+
1
16
x(x 1)(x 2)(39x
3
105x
2
+ 30x + 28) .
190 6. INTERPOLACE
S Hermitovm interpolanm polynomem jsme se u vlastn setkali v matema-
tick analze. Pipomeme si Taylorv vzorec tvaru
f(x) = f(a) + (x a)f
(a) +
(x a)
2
2
f
(a) +. . .
. . . +
(x a)
n
n!
f
(n)
(a) +
(x a)
n+1
(n + 1)!
f
(n+1)
(),
kde le v intervalu urenm body a, x, tj.
f(x) = P
n
(x) +
(x a)
n+1
(n + 1)!
f
(n+1)
()
a P
n

n
je v podstat Hermitv interpolan polynom v ppad, e je dn
pouze jeden uzel x
0
= a a poadujeme v tomto uzlu rovnost derivac a do du n
vetn.
Z pedchozch vah plyne, e vpoet tvaru Hermitova interpolanho poly-
nomu me bt asov dosti nron. Popeme alternativn postup zaloen na
Newtonov tvaru interpolanho polynomu (viz nap. [2])
Pedpokldejme, e jsou dny hodnoty (x
i
, f
(k)
(x
i
)), i = 0, . . . , m, k = 0, . . . , n
i
1 a nech
m
i=0
n
i
= n + 1. Pedpokldejme dle, e f C
n+1
[a, b], x
i
[a, b],
i = 0, . . . , m.
Denujme pomrn diference s nsobnmi uzly vztahem
f[x
j
, . . . , x
j
. .
nj
] =
f
(nj1)
(x
j
)
(n
j
1)!
, j = 0, . . . , m
a obecn
f[x
0
, . . . , x
0
. .
n0
, x
1
, . . . , x
1
. .
n1
, . . . , x
m
, . . . , x
m
. .
nm
] =
=
1
x
m
x
0
_
f[x
0
, . . . , x
0
. .
n01
, x
1
, . . . , x
1
. .
n1
, . . . , x
m
, . . . , x
m
. .
nm
]
f[x
0
, . . . , x
0
. .
n0
, x
1
, . . . , x
1
. .
n1
, . . . , x
m
, . . . , x
m
. .
nm1
]
_
.
Sestaven tabulky diferenc.
Sloupec 1: uzly interpolace, piem kad uzel opakujeme tolikrt, jak je jeho
nsobnost, t.j. uzel x
i
n
i
-krt, i = 0, . . . , m.
Sloupec 2: odpovdajc funkn hodnoty f
(0)(xi)
, i = 0, . . . , m.
Sloupec 3: pomrn diference, jsou-li sousedn uzly rzn, jinak prvn derivace
Sloupec 4: opt pomrn diference, jsou-li sousedn uzly rzn, jinak druh de-
rivace dlen 2!
.
.
.
Sloupec (n + 2) (posledn): pomrn diference f[x
0
, . . . , x
0
. .
n0
, . . . , x
m
, . . . , x
m
. .
nm
]
Tabulka pomrnch diferenc.
n
0
_
_
x
0
x
0
x
0
.
.
.
x
0
f
0
f
0
f
0
.
.
.
f
0
3
(x
0
)
f
(x
0
)
.
.
.
3
(x0)
2!
f
(x0)
2!

r r
f
(x0)
3!
. . .
n
1
_
_
x
1
x
1
x
1
.
.
.
x
1
f
1
f
1
f
1
.
.
.
f
1
3
f[x
0
, x
1
]
f
(x
1
)
f
(x
1
)
.
.
.
3
(x1)f[x0,x1]
x1x0
f
(x1)
2!
3
. . .
n
2
_
_
x
2
.
.
.
x
2
f
2
.
.
.
f
1
3
f[x
2
, x
1
]
.
.
.
3
f
(x2)f[x1,x2]
x1x0
3
. . .
.
.
.
.
.
.
Nyn sestrojme Newtonv interpolan polynom stejnm zpsobem jako dve:
P
n
(x) = f(x
0
) + (x x
0
)f
(x
0
) + (x x
0
)
2
f
(x
0
)
2
+. . . +
+ (x x
0
)
n01
f
(n01)
(x
0
)
(n
0
1)!
+ (x x
0
)
n0
f[x
0
, . . . , x
0
. .
n0
, x
1
] +
+ (x x
0
)
n0
(x x
1
)f[x
0
, . . . , x
0
. .
n0
, x
1
, x
1
] +. . . +
+ (x x
0
)
n0
(x x
1
)
n11
f[x
0
, . . . , x
0
. .
n0
, x
1
, . . . , x
1
. .
n1
] +. . . +
+ (x x
0
)
n0
(x x
1
)
n1
. . . (x x
m
)
nm1
f[x
0
, . . . , x
0
. .
n0
, . . . , x
m
, . . . , x
m
. .
nm
] .
192 6. INTERPOLACE
Lze ukzat, e tento polynom spluje interpolan podmnky pro Hermitv poly-
nom, t.j.
P
(k)
(x
i
) = f
(k)
(x
i
), i = 0, . . . , m, k = 0, . . . , n
i
1
a je tedy toton s hledanm Hermitovm interpolanm polynomem.
Poznmka 9. Pro vpoet hodnoty tohoto polynomu v danm bod x lze tak
pout iterovanou interpolaci.
Pklad 6.12. Sestrojte Hermitv interpolan polynom, je-li dno:
x
i
0 1 2
f
i
1 2 129
f
i
0 7 448
f
i
0 - 1344
Tabulka pomrnch diferenc:
x
i
0
0
0
1
1
2
2
2
f
i
1
1
1
2
2
129
129
129
3
0
0
1
7
127
448
448
3
0
1
6
120
321
672
3
1
5
57
201
351
3
4
27
72
150
3
11
23
39
3
6
8
3
1
P
7
(x) = 1 + 0(x 0) + 0(x 0)
2
+ 1(x 0)
3
+ 4(x 0)
3
(x 1) +
+ 11(x 0)
3
(x 1)
2
+ 6(x 0)
3
(x 1)
2
(x 2) +
+ 1(x 0)
3
(x 1)
2
(x 2)
2
= x
7
+ 1 .
U Hermitovy interpolace se meme setkat s ppady. kde v posloupnosti deri-
vac zadanch v nkterm z uzl jsou mezery (lakunrn interpolace). V tchto
ppadech se me stt, e zadan loha nem een, nebo m een vce v z-
vislosti na geometrick struktue st uzl interpolace a mezer v posloupnostech
pedepsanch hodnot. Zde uvedeme pouze ilustran pklady, podrobnji se lze
s problematikou lakunrn interpolace seznmit napklad v pehledovm lnku
[10]. Jak lze snadno ovit, loha nalzt Hermitv interpolan polynom nem e-
en pro hodnoty:
6.9. Interpolace pomoc splajn 193
x
i
x
0
x
1
x
2
f
i
f
0
f
2
f
i
f
1
jestlie x
1
=
1
2
(x
0
+x
2
).
Naopak loha pro hodnoty
x
i
x
0
x
1
x
2
f
i
f
0
f
2
f
i
f
1
f
i
f
1
m jedin een.
6.9. Interpolace pomoc splajn
Dosud uveden interpolan metody aproximuj danou funkci jednm interpola-
nm polynomem na celm intervalu. Tento postup nen vdy vhodn, nebo lokln
chovn aproximovan funkce ovlivuje v tomto ppad celkov chovn aproximu-
jc funkce. Tato skutenost vedla na mylenku aproximace pvodn funkce ana-
lytickmi funkcemi po stech. Takovmi funkcemi jsou napklad polynomiln
splajny. Jejich nejdleitjm reprezentantem jsou kubick splajnov polynomy.
1
Denice 6.6. Nech je dna funkce f denovan v intervalu [a, b] a mnoina
bod, kter nazvme uzly, a = x
0
< x
1
< . . . < x
n
= b. Kubick interpolan
splajn S C
2
[a, b] pro funkci f vyhovuje nsledujcm podmnkm:
a) S je kubickm polynomem S
j
na subintervalu [x
j
, x
j+1
] pro kad j =
0, 1, . . . , n 1;
b) S(x
j
) = f(x
j
), j = 0, 1, . . . , n;
c) S
j+1
(x
j+1
) = S
j
(x
j+1
), j = 0, 1, . . . , n 2;
d) S
j+1
(x
j+1
) = S
j
(x
j+1
), j = 0, 1, . . . , n 2;
e) S
j+1
(x
j+1
) = S
j
(x
j+1
), j = 0, 1, . . . , n 2;
Jeliko pi tto konstrukci existuj dva voln parametry, je mon poadovat,
aby byly splnny jedny z nsledujcch podmnek:
(i) S
(x
0
) = S
(x
n
) = 0,
(ii) S
(x
0
) = f
(x
0
), S
(x
n
) = f
(x
n
), (f C
1
[a, b])
(6.43)
1
Termn splajn je fonetickm pepisem anglickho slova spline, kter oznauje zazen na
kreslen kivek. Jde o prunou ablonu, kter se vytvaruje do danho tvaru; v nkterch bodech
se upevn zva.
194 6. INTERPOLACE
Spluje-li kubick interpolan splajn S podmnku (i), nazv se pirozen splajn,
v ppad podmnky (ii) jde o pln splajn.
Poznmka 10. Je zejm, e podmnky b)e) zaruuj, e S C
2
[a, b].
Nyn uvedeme konstrukci kubickho interpolanho splajnu S. Kubick poly-
nomy na intervalech [x
j
, x
j+1
], j = 0, 1, . . . , n 1, uvaujme ve tvaru
S
j
(x) = a
j
+b
j
(x x
j
) +c
j
(x x
j
)
2
+d
j
(x x
j
)
3
Je jasn, e
S
j
(x
j
) = a
j
= f(x
j
).
Z podmnky c) dle plyne
a
j+1
= S
j+1
(x
j+1
) = S
j
(x
j+1
) =
= a
j
+b
j
(x
j+1
x
j
) +c
j
(x
j+1
x
j
)
2
+d
j
(x
j+1
x
j
)
3
, j = 0, 1, . . . , n 2.
Zaveme nyn oznaen
h
j
= x
j+1
x
j
, j = 0, 1, . . . , n 1.
Dle polome a
n
= f(x
n
). Z pedchozho vztahu nyn plyne, e
a
j+1
= a
j
+b
j
h
j
+c
j
h
2
j
+d
j
h
3
j
, j = 0, 1, . . . , n 1. (6.44)
Denujme obdobn b
n
= S
(x
n
). Nyn
S
j
(x) = b
j
+ 2c
j
(x x
j
) + 3d
j
(x x
j
)
2
a odtud S
j
(x
j
) = b
j
, j = 0, 1, . . . , n 1. Aplikac podmnky d) dostaneme
b
j+1
= b
j
+ 2c
j
h
j
+ 3d
j
h
2
j
, j = 0, 1, . . . , n 1. (6.45)
Polome nyn c
n
= S
(x
n
)/2 a aplikujme podmnku e). V tomto ppad jsou
vsledkem vztahy
c
j+1
= c
j
+ 3d
j
h
j
, j = 0, 1, . . . , n 1. (6.46)
Nyn je nam kolem urit koecienty b
j
, c
j
, d
j
, j = 0, 1, . . . , n. Uitm vztah
(6.44), (6.45), (6.46) sestavme systm rovnic pro neznm koecienty c
j
. Nyn
popeme tento postup. Z rovnice (6.46) vypotme d
j
a dosadme do rovnic
(6.44) a (6.45) a dostaneme nov rovnice
a
j+1
= a
j
+b
j
h
j
+
h
2
j
3
(2c
j
+c
j+1
), j = 0, 1, . . . , n 1 (6.47)
a
b
j+1
= b
j
+h
j
(c
j
+c
j+1
), j = 0, 1, . . . , n 1. (6.48)
Vyeme rovnici (6.47) nejdve pro b
j
:
b
j
=
1
h
j
(a
j+1
a
j
)
h
j
3
(2c
j
+c
j+1
) (6.49)
a pak zmenme index j o jedniku:
b
j1
=
1
h
j1
(a
j
a
j1
)
h
j1
3
(2c
j1
+c
j
) (6.50)
Nyn dosadme vyjden (6.49) a (6.50) pro b
j
a b
j1
do rovnice (6.48) (kde jsme
snili index o 1):
h
j1
c
j1
+ 2(h
j1
+h
j
)c
j
+h
j
c
j+1
=
=
3
h
j
(a
j+1
a
j
)
3
h
j1
(a
j
a
j1
), j = 1, 2, . . . , n 1.
(6.51)
Systm (6.51) je systm linernch rovnic pro neznm koecienty c
j
, j = 0, . . . , n.
Znme-li c
j
, spotme ze vztahu (6.49) koecienty b
j
a ze vztahu (6.46) koecienty
d
j
. Otzkou zstv, zdali je soustava (6.51) eiteln a jestlie ano, zda je een
jedin. Odpov na tuto otzku pro pirozen splajny dv nsledujc vta.
Vta 6.13. Nech f je funkce denovan na intervalu [a, b]. Pak f m jedin
pirozen kubick interpolan splajn splujc podmnky S
(a) = S
(b) = 0.
Dkaz. Nech x
i
, i = 0, . . . , n, je dlen intervalu [a, b]: a = x
0
< x
1
. . . < x
n
=
b. Okrajov podmnky (i) implikuj, e
c
n
= S
(x
n
)/2 = 0, 0 = S
(x
0
) = 2c
0
+ 6d
0
(x
0
x
0
),
tj. c
0
= 0. Rovnice c
0
= 0, c
n
= 0 spolen se systmem (6.51) tvo linern
systm Ac = g, c = (c
0
, . . . , c
n
)
T
, kde A /
n+1
a b je vektor dimenze (n + 1):
A =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0
h
0
2(h
0
+h
1
) h
1
0
0 h
1
2(h
1
+h
2
) h
2
.
.
.
.
.
.
.
.
.
.
.
. h
n2
2(h
n2
+h
n1
) h
n1
0 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
g =
_
_
_
_
_
_
_
_
_
_
_
_
0
3
h
1
(a
2
a
1
)
3
h
0
(a
1
a
0
)
.
.
.
3
h
n1
(a
n
a
n1
)
3
h
n2
(a
n1
a
n2
)
0
_
_
_
_
_
_
_
_
_
_
_
_
.
196 6. INTERPOLACE
Matice A je ryze dkov diagonln dominantn. Podle vty 4.2 je regulrn a dan
soustava m jedin een, tzn. existuje jedin kubick interpolan splajn. 2
Obdobn vta plat i v ppad, e jsou pedepsny okrajov podmnky (ii).
Poznmka 11. Matice A je tdiagonln a pro een uvedenho systmu lze ut
Croutovy metody, nebo jsou splnny pedpoklady vty 4.8.
Na zvr tohoto odstavce uvedeme odhad chyby pro okrajov podmnky (ii).
Vta 6.14. Nech f C
4
[a, b], max
axb
[f
(4)
(x)[ = M. Pro kubick interpolan
splajn S splujc okrajov podmnky S
(a) = f
(a), S
(b) = f
(b) plat
max
axb
[f(x) S(x)[
5M
384
max
0jn1
(x
j+1
x
j
)
4
.
Dkaz viz [4].
Odhad chyby pro pirozen splajn zvis rovn na (x
j+1
x
j
)
4
, ale tento od-
had lze velmi obtn vyjdit. Splajny hraj dleitou lohu nejen pi interpolaci
funkc, ale i pi jinch typech aproximace. Lze je zkonstruovat tak, e zachov-
vaj geometrick tvar funkce (nap. konvexitu). Uplatuj se tak ve statistice pi
vyhlazovn dat.
Pklad 6.13. Sestrojte pirozen kubick interpolan splajn pro funkci f(x) =
1/(1 +x
2
) na intervalu [0, 3]. Za uzly zvolte body x
0
= 0, x
1
= 1, x
2
= 3.
een. V tomto ppad je teba sestrojit 2 kubick polynomy S
0
, S
1
S
0
(x) = a
0
+b
0
x + c
0
x
2
+d
0
x
3
S
1
(x) = a
1
+b
1
(x 1) +c
1
(x 1)
2
+d
1
(x 1)
3
.
Je h
0
= x
1
x
0
= 1, h
1
= x
2
x
1
= 2, a
0
= f(0) = 1, a
1
= f(1) =
1
2
,
a
2
= f(3) =
1
10
. Systm (6.51) je tvaru (S
(x
0
) = 0 = c
0
, S
(x
2
) = 0 = c
2
)
c
0
= 0
c
0
h
0
+ 2(h
0
+h
1
)c
1
+h
1
c
2
=
3
h
1
(a
2
a
1
)
3
h
0
(a
1
a
0
)
c
2
= 0.
Odtud po dosazen za h
0
, h
1
, h
2
, a
0
, a
1
, a
2
dostaneme
c
0
= 0, c
1
=
3
20
, c
2
= 0.
Dle uitm vztah (6.49) resp. (6.50) vypoteme
b
0
=
11
20
, b
1
=
2
5
.
A ze vztah (6.46) vypoteme
d
0
=
1
20
, d
1
=
1
40
.
Odpovdajc kubick interpolan splajny jsou tvaru:
S
0
(x) = 1
11
20
x +
1
20
x
3
S
1
(x) =
1
2

2
5
(x 1) +
3
20
(x 1)
2
1
40
(x 1)
3
.
0 1 3
0
0.2
0.4
0.6
0.8
1
x
y
Obr. 6.11: Kubick splajn pro funkci f(x) = 1/(1 + x
2
)
Na zvr tohoto odstavce ukeme pouit splajn v grace (viz [4]). Pokusme
se v obrzku 6.12 aproximovat pirozenmi kubickmi splajny kivku, kter tvo
jeho horn hranici (obrzek 6.13).
Obr. 6.12: Pvodn obrzek
Pomoc dostaten jemn st je mon piblin stanovit funkn hodnoty
kivky, piem v mstech, kde se kivka rychleji mn, je vhodn volit s hus-
tji. Na dvou mstech (oznaeny kkem) je poruena hladkost kivky, proto ji
rozdlme na ti sti a kadou budeme aproximovat zvl.
V tabulce 6.1 jsou uvedeny uzly a funkn hodnoty pro jednotliv sti kivky.
Po vpotu dostaneme ti splajny, jejich koecienty jsou v tabulce 6.2. Obrzek
6.14 ukazuje rozdl mezi pvodn kivkou (rkovan) a nalezenmi splajny (plnou
arou).
198 6. INTERPOLACE
Obr. 6.13: Aproximovan kivka
Kivka 1 Kivka 2 Kivka 3
x
i
f(x
i
) x
i
f(x
i
) x
i
f(x
i
)
1 3,0 17 4,5 27,7 4,1
2 3,7 20 7,0 28 4,3
5 3,9 23 6,1 29 4,1
6 4,2 24 5,6 30 4,0
7 5,7 25 5,8
8 6,6 27 5,2
10 7,1 27,7 4,1
13 6,7
17 4,5
Tabulka 6.1: Hodnoty bod na jednotlivch kivkch
Obr. 6.14: Kubick interpolan splajny
Splajn 1
i x
i
a
i
= f(x
i
) b
i
c
i
d
i
0 1 3,0 0,786 0,000 -0,086
1 2 3,7 0,529 -0,257 0,034
2 5 3,9 -0,086 0,052 0,334
3 6 4,2 1,019 1,0583 -0,572
4 7 5,7 1,408 -0,664 0,156
5 8 6,6 0,547 -0,197 0,024
6 10 7,1 0,049 -0,052 -0,003
7 13 6,7 -0,342 -0,078 0,007
8 17 4,5
Splajn 2
i x
i
a
i
= f(x
i
) b
i
c
i
d
i
0 17 4,5 1,106 0,000 -0,030
1 20 7,0 0,289 -0,272 0,025
2 23 6,1 -0,660 -0,044 0,204
3 24 5,6 -0,137 0,567 -0,230
4 25 5,8 0,306 -0,124 -0,089
5 27 5,2 -1,263 -0,660 0,314
6 27,7 4,1
Splajn 3
i x
i
a
i
= f(x
i
) b
i
c
i
d
i
0 27,7 4,1 0,749 0,000 -0,910
1 28 4,3 0,503 -0,819 0,116
2 29 4,1 -0,787 -0,470 0,157
3 30 3,0
Tabulka 6.2: Koecienty jednotlivch splajn
200 6. INTERPOLACE
Cvien ke kapitole 6
1. Najdte Lagrangev interpolan polynom, je-li dno
x
i
0 1 2 5
f
i
2 3 12 147
(P
3
(x) = x
3
+x
2
x + 2.)
2. S jakou pesnost lze vypotat

115 pomoc Lagrangeova interpolanho
polynomu pro funkci y =
x, kdy vybereme za uzly interpolace x

0
= 100,
x
1
= 121, x
2
= 144?
([E(115)[ 1,6.10
3
.)
3. Pro ppad ekvidistantnch uzl a tbodovho Lagrangeova vzorce najdte
takov odhad veliiny h
3
f
(x), kter v intervalu urenm temi body za-

ruuje chybu metody men ne 10
d
, d je pirozen slo. Pouijte tohoto
vsledku k odhadu nejvt hodnoty kroku h, kterho lze ut k interpolaci
funkce f(x) = sin x na intervalu [, ] s chybou men ne 10
10
.
(h 1,15.10
3
.)
4. Nech l
i
, i = 0, 1, . . . , n jsou fundamentln polynomy. Dokate:
a) Je-li l
i
(0) = c
i
, i = 0, 1, . . . , n, pak
n
i=0
c
i
x
j
i
=
_
_
1 pro j = 0
0 pro j = 1, 2, . . . , n
(1)
n
x
0
x
1
. . . x
n
pro j = n + 1
(Nvod: Vyuijte jednoznanosti interpolanho polynomu.)
5. Nech x
0
, . . . , x
n
jsou libovoln cel sla x
0
< x
1
< . . . < x
n
. Ukate, e
kad algebraick polynom stupn n tvaru
Q(x) = x
n
+a
1
x
n1
+. . . +a
n
nabv v bodech x
0
, . . . , x
n
hodnot, z nich alespo jedna je v absolutn
hodnot vt nebo rovna n!/2
n
.
(Nvod: Napite interpolan polynom pro Q v bodech x
0
, . . . , x
n
, uijte
jednoznanosti a porovnejte koecienty u x
n
.)
6. Najdte Newtonv interpolan polynom, je-li dno
x
i
0 2 3 5
f
i
1 3 2 5
(P
3
(x) =
3
10
x
3
13
6
x
2
+
62
15
x + 1.)
7. Je dna tabulka
x
i
3 0 1 2
f
i
13 2 3 12
Uitm inverzn interpolace najdte piblin koen rovnice f(x) = 0 lec
v intervalu [3, 0].
( 2,13.)
8. Vypotte fundamentln polynomy l
i
, i = 0, 1, . . . , n, jestlie za uzly inter-
polace zvolme koeny ebyevova polynomu
T
n+1
(x) = cos ((n + 1) arccos x).
(l
i
(x) =
1 x
2
(1)
i
cos ((n + 1) arccos x)
(n + 1)(x x
i
)
, x
i
= cos
2i + 1
2(n + 1)
,
i = 0, 1, . . . , n. )
9. a) Uijte vhodnho Lagrangeova interpolanho polynomu stupn jedna,
dva, ti a tyi pro aproximaci hodnoty f(2,5), jestlie je dno
x
i
2,0 2,2 2,4 2,6 2,8
f
i
0,5103757 0,5207843 0,5104147 0,4813306 0,4359160
( Uzly stupe aproximace
2,4; 2,6 1 0,4958727
2,4; 2,6; 2,2 2 0,4982120
2,4; 2,6; 2,2; 2,8 3 0,4980630
vechny 4 0,4980705 )
b) Navrhnte algoritmus pro obecn ppad lohy a).
10. Nech f(x) = e
x
, 0 x 2.
a) Aproximujte f(0,25) uitm linern interpolace s uzly x
0
= 0, x
1
= 0,5.
b) Aproximujte f(0,75) uitm linern interpolace s uzly x
0
= 0,5, x
1
= 1.
c) Aproximujte f(0,25) a f(0,75) uitm kvadratick interpolace s uzly
x
0
= 0, x
1
= 1, x
2
= 2.
Kter aproximace jsou lep a pro?
(a) 1,32436, b) 2,18350, c) 1,15277; 2,01191. Vsledky a), b) jsou lep apro-
ximac, nebo jsou zvoleny vhodnj uzly.)
11. Uijte Nevillova schematu pro uren aproximace ve cvien 8.
202 6. INTERPOLACE
12. a) Aproximujte
3 uitm Nevillova schematu pro funkci f(x) = 3

x
a uzly
x
0
= 2, x
1
= 1, x
2
= 0, x
3
= 1, x
4
= 2.
b) Opakujte st a) uitm Aitkenova schematu.
13. Uitm iterovan inverzn interpolace naleznte piblin een rovnice x
e
x
= 0, je-li dno
x
i
0,3 0,4 0,5 0,6
e
xi
0,740818 0,670320 0,606531 0,548812
(f
1
(0) 0,567142.)
14. Aproximujte f(0,05) uitm Newtonovy formule pro interpolaci vped, je-li
dno
x
i
0,0 0,2 0,4 0,6 0,8
f(x
i
) 1,00000 1,22140 1,49182 1,82212 2,22554
(f(0,05) 1,05126.)
15. Jsou dny hodnoty funkce f: f(a), f(b), f(c) v blzkosti jejho maxima nebo
minima. Ukate, e pro bod x, ve kterm se realizuje maximum nebo mini-
mum, piblin plat
x
(b
2
c
2
)f(a) + (c
2
a
2
)f(b) + (a
2
b
2
)f(c)
2(b c)f(a) + (c a)f(b) + (a b)f(c)
.
16. Sestrojte Hermitv interpolan polynom pro hodnoty
a)
x
i
1 0 1
f
i
1 0 1
f
i
0 0 0
b)
x
i
0 1 2
f
i
1 1 0
f
i
0 0
f
i
0
(a) P
5
(x) =
1
2
x
3
(53x
2
), b) P
5
(x) = (3x1)(x2)/2+x(x1)(x2)(
7
4
+
15
4
x
33
8
x
2
).)
17. Uijte nsledujcch hodnot pro konstrukci Hermitova interpolanho poly-
nomu a pro uren hodnoty sin 0,34.
x
i
sin x
i
(sin x)
[
x=xi
0,30 0,29552 0,95534
0,32 0,31457 0,94924
0,33 0,32404 0,94604
0,35 0,34290 0,93937
(sin 0,34 0,33350.)
18. Interpolace funkce dvou promnnch.
a) Linern interpolace.
Nech x
i
x x
i+1
, y
i
y y
i+1
. Uitm linern interpolace nejdve
pro x a pak pro y dokate, e
f( x, y) (1)(1)f
ij
+(1)f
i,j+1
+(1)f
i+1,j
+f
i+1,j+1
,
kde = ( x x
i
)/(x
i+1
x
i
), = ( y y
j
)/(y
j+1
y
j
), f
ij
= f(x
i
, y
j
).
b) Interpolace funkce dvou promnnch v obecnm ppad.
Je dna tabulka
(a
1
, b
1
) (a
n
, b
1
)
(a
1
, b
2
) (a
n
, b
2
)
.
.
.
.
.
.
(a
1
, b
k
) (a
n
, b
k
)
a hodnoty funkce f(x, y) v tchto bodech. Uitm interpolace najdte
piblin hodnoty f( x, y), ( x, y) ,= (a
i
, b
j
), i = 1, . . . , n, j = 1, . . . , k.
(Nvod: Pro kad dek tabulky sestrojte interpolan polynom a takto
zskanch hodnot uijte k interpolaci.)
19. Uitm cv. 18b ete tuto lohu. Je dna tabulka hodnot funkce f(x, y) =
e
x+y
:
d
d y
x
0,7 0,9 1,5
0,7 4,05519 4,95303 9,0250
1,1 6,04964 7,38905 13,46373
1,3 7,38905 9,02501 16,44464
Sestrojte interpolan polynom 2. stupn ve smru x a 2. stupn ve smru y
a urete piblinou hodnotu funkce v bod (1, 1).
(f(1, 1) 7,38905.)
20. Naleznte pirozen kubick interpolan splajn pro f(x) = cos
2
x a uzly
x
0
= 0, x
1
=

2
, x
2
=
3
4
.
(S
0
(x) = 1
10
3
x +
16
3
3
x
3
, S
1
(x) =
2
3
(x

2
) +
8
2
(x

2
)
2
32
3
3
(x

2
)
3
.)
204 6. INTERPOLACE
1. Je mon sestrojit Hermitv interpolan polynom pro nsledujc hodnoty?
x
i
0 1 2
f
i
1 0 1
f
i
2
2. lze pro danou mnoinu (n+1) sel c
0
, c
1
,. . . ,c
n
jedinm zpsobem sestrojit
polynom P
n
splujc podmnky
P(x
0
) = c
0
, P
(x
1
) = c
1
, . . . , P
(n)
(x
n
) = c
n
?
3. Jsou dny dvojice sel (x
i
, f
i
), i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k.
a) Lze najt prv jeden polynom Q stupn nejve n 1, kter spluje
podmnky Q(x
i
) = f
i
, i = 0, . . . , n?
b) Lze najt prv jeden polynom R stupn alespo n + 1, kter spluje
podmnky R(x
i
) = f
i
, i = 0, . . . , n?
4. Je mon modikovat Nevillovo, ppadn Aitkenovo schema na konstrukci
Hermiteova polynomu?
5. Pedpokldejme, e chceme eit tuto lohu interpolace funkce dvou pro-
mnnch:
Naleznte polynom P tvaru P(x, y) = a
0
+ a
1
x + a
2
y splujc podmnky
P(x
i
, y
i
) = f(x
i
, y
i
), i = 0, 1, 2.
Je mon najt takov polynom pro libovolnou trojici bod (x
i
, y
i
), i =
0, 1, 2?
Jak to dopadne v ppad, e x
0
= (1, 1), x
1
= (0, 0), x
2
= (1, 1)?
6. V jakch ppadech bude splajn roven interpolanmu polynomu?
Kapitola 7
Numerick derivovn
Pi een praktickch loh je nkdy teba najt derivaci funkce dan tabulkou.
Me se tak stt, e v dsledku sloitho analytickho vyjden je bezprostedn
vpoet derivace obtn. V takovch ppadech uvme numerickho derivovn.
Na zklad poznatk z pedchoz kapitoly je zejm, e formule pro numerick
derivovn lze zskat derivac interpolanho polynomu a poloit
f
(x) P
n
(x).
Obecn vak numerick derivovn je operace mn pesn ne interpolace, nebo
ze skutenosti, e hodnoty funkce a aproximujcho polynomu jsou blzk, neplyne
jet blzkost hodnot derivac. Probereme nyn problm numerickho derivovn
podrobnji.
7.1. Numerick vpoet derivace
mluva. I[x
0
, . . . , x
n
, x] bude oznaovat nejmen uzaven interval obsahujc
body x
0
, . . . , x
n
, x.
Jsou dny body (x
i
, f
i
), i = 0, 1, . . . , n, x
i
,= x
k
pro i ,= k. Nech P
n

n
je
Lagrangev interpolan polynom pro tyto body, tj.
f(x) = P
n
(x) +E(x), (7.1)
kde
P
n
(x) =
n
i=0
l
i
(x)f
i
, E(x) =

n+1
(x)
(n + 1)!
f
(n+1)
(), = (x), I.
Derivujme vztah (7.1):
f
(x) = P
n
(x) +E
(x) =
=
n
i=0
l
i
(x)f
i
+

n+1
(x)
(n + 1)!
f
(n+1)
() +

n+1
(x)
(n + 1)!
d
dx
f
(n+1)
() (7.2)
206 7. NUMERICK DERIVOVN
Vidme, e chyba m v tomto ppad sloitj tvar ne tomu bylo pi interpolaci.
Jestlie poadujeme vpoet derivace v nkterm z uzlovch bod x
j
, co bv
nejastj loha, je pedchoz formule tvaru
f
(x
j
) =
n
i=0
l
i
(x
j
)f
i
+

n+1
(x
j
)
(n + 1)!
f
(n+1)
(
j
), j = 0, 1, . . . , n,
j
I.
Ozname f
j
piblinou hodnotu derivace v bod x
j
. Ta je tedy dna vztahem
f
j
=
n
i=0
l
i
(x
j
)f
i
a vraz
n+1
(x
j
)
(n + 1)!
f
(n+1)
(
j
)
udv chybu tto aproximace,
j
=
j
(x
j
). V obecnm ppad lze druh len
chyby v (7.2) vyjdit takto:
Vta 7.1. Nech
n+1
(x)
(n + 1)!
f
(n+1)
(), I[x
0
, . . . , x
n
, x]
je chyba pi Lagrangeov interpolaci. Nech f
(n+2)
je spojit v intervalu I[x
0
, . . . ,
x
n
, x]. Pak existuje I[x
0
, . . . , x
n
, x] takov, e
1
(n + 1)!
d
dx
f
(n+1)
() =
1
(n + 2)!
f
(n+2)
().
Dkaz. Uvaujme Lagrangev interpolan polynom v bod x ,= x
i
, kde i =
0, 1, . . . , n,
f(x) =
n
i=0
l
i
(x)f
i
+

n+1
(x)
(n + 1)!
f
(n+1)
().
Pro l
i
uijeme vyjden
l
i
(x) =

n+1
(x)
(x x
i
)
n+1
(x
i
)
,
a pak
f(x) =
n
i=0
n+1
(x)
(x x
i
)
n+1
(x
i
)
f
i
+

n+1
(x)
(n + 1)!
f
(n+1)
().
Protoe x ,= x
i
, i = 0, 1, . . . , n, meme tuto rovnost vydlit
n+1
(x) a derivovat
d
dx
_
f(x)
n+1
(x)
_
=
n
i=0
f
i
(x x
i
)
2
n+1
(x
i
)
+
1
(n + 1)!
d
dx
f
(n+1)
(). (7.3)
7.1. Numerick vpoet derivace 207
Uvaujme jet nyn dal bod (x
n+1
, f
n+1
), x
n+1
I[x
0
, . . . , x
n
, x], x
n+1
,= x, x
i
,
i = 0, 1, . . . , n. Pak
n+2
(x) =
n+1
i=0
(x x
i
)
n+2
(x) = (x x
n+1
)
n+1
(x)
n+2
(x) =
n+1
(x) + (x x
n+1
)
n+1
(x)

n+2
(x
i
) =
_
_
_
(x
i
x
n+1
)
n+1
(x
i
) pro i ,= n + 1
n+1
(x
n+1
) pro i = n + 1
(7.4)
Sestrojme nyn Lagrangev polynom pro body (x
i
, f
i
), i = 0, 1, . . . , n + 1:
f(x) =
n+1
i=0
n+2
(x)
(x x
i
)
n+2
(x
i
)
f
i
+

n+2
(x)
(n + 2)!
f
(n+2)
(), (7.5)
= (x) I[x
0
, . . . , x
n+1
, x]. Vztah (7.5) nyn ponkud upravme:
f(x)

n+2
(x)
(x x
n+1
)
n+2
(x
n+1
)
f
n+1
=
=
n
i=0
n+2
(x)
(x x
i
)
n+2
(x
i
)
f
i
+

n+2
(x)
(n + 2)!
f
(n+2)
().
V dalm pouijeme vztah (7.4):
f(x)

n+1
(x)
n+1
(x
n+1
)
f
n+1
=
=
n
i=0
(x x
n+1
)
n+1
(x)
(x x
i
)(x
i
x
n+1
)
n+1
(x
i
)
f
i
+

n+2
(x)
(n + 2)!
f
(n+2)
().
Tuto rovnici vydlme (x x
n+1
)
n+1
(x):
f(x)
(x x
n+1
)
n+1
(x)

f
n+1
(x x
n+1
)
n+1
(x
n+1
)
=
=
n
i=0
f
i
(x x
i
)(x
i
x
n+1
)
n+1
(x
i
)
+
1
(n + 2)!
f
(n+2)
()
neboli
f(x)
n+1
(x)

f
n+1
n+1
(x
n+1
)
x x
n+1
=
=
n
i=0
f
i
(x x
i
)(x
i
x
n+1
)
n+1
(x)
+
1
(n + 2)!
f
(n+2)
().
Pechodem k limit pro x
n+1
x dostaneme (f
(n+2)
spojit v I)
d
dx
f(x)
n+1
(x)
=
n
i=0
f
i
(x x
i
)
2
n+1
(x
i
)
+
1
(n + 2)!
f
(n+2)
(), (7.6)
I[x
0
, . . . , x
n
, x].
Porovnnm (7.5) a (7.6) plyne tvrzen vty. 2
Vsledn formule pro vpoet derivace v bod x ,= x
i
, i = 0, 1, . . . , n, je tvaru
f
(x) =
n
i=0
l
i
(x)f
i
+

n+1
(x)
(n + 1)!
f
(n+1)
() +

n+1
(x)
(n + 2)!
f
(n+2)
(),
, I[x
0
, . . . , x
n
, x]
Poznmka 1. Pro vy derivace plat obdobn vztah
1
n!
d
k
dx
k
f
(n)
() =
k!
(n +k)!
f
(n+k)
().
V praxi se asto setkvme s ppadem, kdy mnoina uzl x
i
, i = 0, 1, . . . , n
je ekvidistantn. Je-li celkov poet uzl lich, je vhodn piadit uzlm kladn
a zporn indexy a to takto:
x
l
, . . . , x
1
, x
0
, x
1
, . . . , x
l
,
x
i
= x
0
+ih, i = 1, . . . , l, h > 0.
Pklad 7.1. Odvote formuli pro vpoet derivace v prostednm ze t uzl:
x
1
, x
0
, x
1
, x
i
= x
0
+ih, i = 1.
een. Sestrojme Lagrangev interpolan polynom pro hodnoty
x
i
x
1
x
0
x
1
f
i
f
1
f
0
f
1
Je f(x) = P
2
(x) +E(x)
f(x) =
(x x
0
)(x x
1
)
(x
1
x
0
)(x
1
x
1
)
f
1
+
(x x
1
)(x x
1
)
(x
0
x
1
)(x
0
x
1
)
f
0
+
+
(x x
1
)(x x
0
)
(x
1
x
1
)(x
1
x
0
)
f
1
+

3
(x)
3!
f
(),
3
(x) = (x x
1
)(x x
0
)(x x
1
). Derivujeme
f
(x) =
2x x
0
x
1
2h
2
f
1
2x x
1
x
1
h
2
f
0
+
2x x
1
x
0
2h
2
f
1
+
+
1
3!
3
(x)f
() +
1
3!
3
(x)
d
dx
(f
()),
7.1. Numerick vpoet derivace 209
kde jsme poloili x
i
= x
0
+ih, i = 1, a pro x = x
0
mme
f
(x
0
) =
1
2h
(f
1
+f
1
)
h
2
6
f
(
0
). (7.7)
Vimnme si jet geometrickho vznamu tto formule viz obr. 7.1. Zde f
0
=
(f
1
+f
1
)/2h je piblin hodnota derivace v bod x
0
, co geometricky znamen
smrnici seny uren body (x
1
, f
1
) a (x
1
, f
1
). Stejnm zpsobem lze odvodit
0 1 2 3 4 5
0
0.5
1
1.5
2
2.5
3
3.5
4
x
1
x
1
x
0
Obr. 7.1: Sena uren body (x
1
, f
1
), (x
1
, f
1
) (rkovan) a tena v bod (x, f
0
) (erchovan)
i formule pro vpoet derivace v bodech x
1
, x
1
:
f
(x
1
) =
1
2h
(3f
1
+ 4f
0
f
1
) +
h
2
3
f
(
1
) (7.8)
f
(x
1
) =
1
2h
(f
1
4f
0
+ 3f
1
) +
h
2
3
f
(
1
) (7.9)
Tyto formule se nazvaj tbodov.
Pklad 7.2. Uitm formul (7.7), (7.8) a (7.9) vypotte derivaci funkce f(x) =
log x + 2 v bodech 0,5, 1, 1,5; h = 0, 5.
een:
f
1
=
1
2h
(3 log(0,5) + 4 log(1) log(1,5)) = 1,6740,
f
0
=
1
2h
(log(0,5) + log(1,5)) = 1,0986,
f
1
=
1
2h
( log(0,5) 4 log(1) + 3 log(1,5)) = 0,5232.
Pesn hodnoty jsou f
(0,5) = 2, f
(1) = 1, f
(1,5) = 2/3.
Poznmka 2. Vimnme si, e chyba ve vzorci (7.7) je rovna piblin polovin
chyby ve vzorcch (7.8), (7.9). To je logick, nebo (7.7) uv hodnot v bodech
lecch po obou stranch x
0
, ale vzorce (7.8), (7.9) pouze hodnot lecch pouze na
jednu stranu od x
1
resp. x
1
. Formule (7.8) a (7.9) jsou tedy vhodn pro vpoet
derivace v blzkosti koncovch bod intervalu, nebo nemusme mt k dispozici
hodnoty vn intervalu.
Pi pouit formul pro numerick derivovn se setkvme jet s dalm pro-
blmem. Jestlie hodnoty f
i
jsou dny s chybou
i
, me tato okolnost podstatn
ovlivnit vslednou hodnotu f
i
. Ukeme to na ppad formule (7.7). Nech f
i
je
pesn hodnota,

f
i
je piblin hodnota v bod x
i
, i = 0, 1. Celkovou chybu T
lze odhadnout takto:
[T[
1
2h
([
f
1
f
1
[ +[
f
1
f
1
[) +
h
2
6
[f
(
0
)[
1
2h
(
1
+
1
) +
h
2
6
[f
(
0
)[ ,
kde [f
i

f
i
[
i
; polome
= max(
1
,
1
), M
3
= max
[x1,x1]
[f
(x)[ .
Pak
[T[

h
+
h
2
6
M
3
.
Prvn len chyby (nap. chyba zpsoben zaokrouhlovnm) zvis nepmo mrn
na h, druh len (chyba metody) zvis pmo mrn na h. Vznik problm, jak
volit h, aby celkov chyba byla minimln. Hledejme tedy minimum funkce
g(h) =

h
+
h
2
6
M
3
.
Ze vztahu g
(h) = 0 dostvme bod minima

h
opt
=
3
_
3
M
3
.
Pro obecn ppad je problm podrobn popsn v [1], [19].
Poznmka 3. V ppad, e hodnoty f
i
jsou dny s malou pesnost (nap. byly
zskny empiricky), nen vhodn pout formuli pro numerick derivovn pmo,
nebo by mohlo dojt ke zkreslen vsledk. V takovch ppadech je lpe nejdve
namen hodnoty vyrovnat metodou nejmench tverc a pak teprve derivovat.
Postupem uvedenm ve lze zskat formule pro numerick vpoet derivac
vych d. Jako pklady lze uvst tyto tbodov formule:
f
(x
1
) =
1
h
2
(f
1
2f
0
+f
1
) hf
(
1
) +
h
2
6
f
(4)
(
1
)
f
(x
0
) =
1
h
2
(f
1
2f
0
+f
1
)
h
2
12
f
(4)
(
0
)
f
(x
1
) =
1
h
2
(f
1
2f
0
+f
1
) +hf
(
1
)
h
2
6
f
(4)
(
1
) .
7.2. Diferenn aproximace 211
7.2. Diferenn aproximace
Zmnme se jet o jinm zpsobu piblinho vpotu derivace. Pi numeric-
km een diferencilnch rovnic se u nkterch metod aproximuj derivace dife-
rencemi (diferenn metody). Ukeme, jak se v takovch ppadech aproximuj
prvn a druh derivace. Stejn jako v pklad 7.1 uvaujme ti body x
1
= x
0
h,
x
0
, x
1
= x
0
+ h. Pedpokldejme, e f m dostaten poet derivac v okol x
0
.
Napime nyn Taylorv rozvoj v bod x
0
:
f(x
0
+h) = f(x
0
) +hf
(x
0
) +
h
2
2
f
(x
0
) +
h
3
3!
f
(3)
(x
0
) + (7.10)
+
h
4
4!
f
(4)
(x
0
) +
h
5
5!
f
(5)
(x
0
) +
h
6
6!
f
(6)
(x
0
) +O(h
7
),
f(x
0
h) = f(x
0
) hf
(x
0
) +
h
2
2
f
(x
0
)
h
3
3!
f
(3)
(x
0
) + (7.11)
+
h
4
4!
f
(4)
(x
0
)
h
5
5!
f
(5)
(x
0
) +
h
6
6!
f
(6)
(x
0
) +O(h
7
) .
Ze vztahu (7.10) nyn dostaneme aproximaci prvn derivace ve tvaru
f
(x
0
) =
f(x
0
+h) f(x
0
)
h
+O(h) .
Vraz (f(x
0
+h) f(x
0
))/h se nazv prav diferenn derivace.
Ze vztahu (7.10) plyne
f
(x
0
) =
f(x
0
) f(x
0
h)
h
+O(h) .
Vraz (f(x
0
) f(x
0
h))/h se nazv lev diferenn derivace.
Prav a lev diferenn derivace aproximuj f
(x
0
) s chybou du O(h) (tj. chyba
se chov piblin jako kh, k = konst.). Jestlie vztahy (7.10) a (7.11) odeteme,
dostaneme aproximaci derivace, kter je du O(h
2
):
f
(x
0
) =
f(x
0
+h) f(x
0
h)
2h
+O(h
2
) .
Tato aproximace se nazv centrln diferenn derivace. Soutem vztah (7.10)
a (7.11) se zsk aproximace druh derivace v bod x
0
:
f
(x
0
) =
f(x
0
+h) 2f(x
0
) +f(x
0
h)
h
2
+O(h
2
) .
Poznmka 4. Vimnme si, e ve vech uvedench pkladech jsme neznm hod-
noty f
(x
0
), f
(x
0
) aproximovali jistmi formulemi zvislmi na kroku h, kter
zde hraje roli parametru. V nsledujcm odstavci ukeme, jak lze tchto formul
ut k zskn aproximac vych d.
7.3. Richardsonova extrapolace
Technika znm jako Richardsonova extrapolace se asto pouv pro zskn
vsledk vych d pesnosti uitm formul nich d pesnosti. Mylenka
tto metody pochz u od Archimeda (cca 200 p. n. l.). Vysvtlme nejdve
obecn postup a pak ukeme aplikaci na numerick vpoet derivace.
Nech N(h) je formule, kter aproximuje neznmou veliinu M a nech d
tto aproximace je O(h
2
). Navc pedpokldejme, e aproximace N(h) veliiny M
me bt vyjdena ve tvaru:
M = N(h) +k
1
h
2
+O(h
4
) , (7.12)
kde k
1
je konstanta. Napeme-li tento vztah s h/2 msto s h, dostaneme
M = N(
h
2
) +k
1
(
h
2
)
2
+O((
h
2
)
4
) . (7.13)
Vynsobme rovnici (7.13) tymi a odeteme od n rovnici (7.12):
3M = 4N(
h
2
) N(h) +O(h
4
) ,
odtud
M =
4N(
h
2
) N(h)
3
+O(h
4
) .
Polome N
1
(h) = N(h) a
N
2
(h) =
4N
1
(
h
2
) N
1
(h)
3
. (7.14)
Veliina N
2
(h) je novou aproximac veliiny M a d tto aproximace je O(h
4
).
Tento postup lze zobecnit takto: Pedpokldejme, e chyba aproximace N(h) ve-
liiny M me bt vyjdena ve tvaru
M = N(h) +
m1
j=1
k
j
h
2j
+O(h
2m
) ,
kde k
1
,. . . ,k
m1
jsou konstanty. Aproximace N
j
(h) du O(h
2j
), j = 2, 3, . . . , m
jsou denovny vztahy
N
j
(h) =
4
j1
N
j1
(
h
2
) N
j1
(h)
4
j1
1
(7.15)
7.3. Richardsonova extrapolace 213
a vpoet lze uspodat do tabulky:
N
1
(h)
N
1
(
h
2
) N
2
(h)
N
1
(
h
4
) N
2
(
h
2
) N
3
(h)
N
1
(
h
8
) N
2
(
h
4
) N
3
(
h
2
) N
4
(h)
N
1
(
h
16
) N
2
(
h
8
) N
3
(
h
4
) N
4
(
h
2
) N
5
(h)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Poznmka 5. Uveden postup se nazv Richardsonova extrapolace. Sname se
toti zskat hodnotu pro h 0, tj. jedn se o extrapolaci z kladnch hodnot h.
Je zejm, e centrln diferenn derivace me bt vyjdena ve tvaru (viz
(7.10) a (7.10))
f
(x
0
) =
f(x
0
+h) f(x
0
h)
2h

h
2
6
f
(x
0
)
h
4
120
f
(5)
(x
0
) +O(h
6
) . (7.16)
V tomto ppad je
N
1
(h) =
f(x
0
+h) f(x
0
h)
2h
, k
1
=
f
(x
0
)
6
, k
2
=
f
(5)
(x
0
)
120
. (7.17)
Pklad 7.3. Uijte formuli (7.16) a (7.15) pro vpoet druh derivace funkce
f(x) = xe
x
v bod x
0
= 2 s krokem h = 0, 2
een: Je
N
1
(h) = N
1
(0, 2) =
1
0, 4
(f(2, 2) f(1, 8)) = 22, 414160
N
1
(0, 1) = 22, 228787
N
1
(0, 05) = 22, 182565
Dal aproximace jsou uspodny v tabulce
N
1
(0, 2) = 22, 414160
N
1
(0, 1) = 22, 228787 N
2
(0, 2) =
4 N1(0,1)N1(0,2)
3
= 22, 166996
N
1
(0, 05) = 22, 182565 N
2
(0, 1) =
4 N1(0,05)N1(0,1)
3
= 22, 167158
N
3
(0, 2) =
16 N2(0,1)N2(0,2)
15
= 22, 167168 .
Pro srovnn pesn hodnota f
(x) = e
x
+xe
x
v bod x
0
= 2 je 22, 167168.
Poznmka 6. Jak uvidme v kapitole 9, lze Richardsonovy extrapolace s vhodou
pout i pro numerick vpoet integrlu.
Cvien ke kapitole 7
1. Odvote formuli (7.8), (7.9).
2. Odvote ptibodovou formuli ve tvaru
f
0
=
1
12h
(f
2
8f
1
+ 8f
1
f
2
) +
h
4
30
f
(5)
(), x
2
< < x
2
.
3. Uitm formul (7.7), (7.8), (7.9) vypotte derivace funkce v danch bodech
x
i
0,3 0,1 0,1 0,3
f
i
0,20431 0,08993 0,11007 0,39569
(f
(0,3) 0,35785, f
(0,1) 0,78595, f
(0,1) 1,2141, f
(0,3)
61,6422.)
4. a) Nech f(x) = 2
x
sin x. Aproximujte hodnotu f
(1,05) uitm h = 0,05 a

h = 0,01 ve formuli (7.7), jsou-li dny hodnoty:
x
i
1,0 1,04 1,06 1,10
f(x
i
) 1,6829420 1,7732994 1,8188014 1,9103448
b) Opakujte st a) pro ppad, e vechny funkn hodnoty zaokrouhlte
na tyi desetinn msta.
(2,27403, 2,27510.)
5. Uitm formule (7.7) najdte prvn derivaci funkce f(x) = 1/(1 +x) v bod
x = 0,005. Uijte a) h = 1,0, b) h = 0,01 a vsledky porovnejte s pesnou
hodnotou. Vysvtlete!
6. Pouijte formule (7.16) a (7.15) k vpotu hodnoty N
3
(h) pro nsledujc
funkce a kroky h:
a) f(x) = ln x, x
0
= 1, 0, h = 0, 4
b) f(x) = x +e
x
, x
0
= 0, 0, h = 0, 4
c) f(x) = 2
x
sinx, x
0
= 1, 05, h = 0, 4
Vsledek porovnejte s pesnmi hodnotami.
1. Me bt prvn krok Richardsonovy extrapolace, tj. vztah (7.14), popsn
pomoc interpolace uren body (h
2
, N
1
(h)), ((
h
2
)
2
, N
1
(
h
2
))? Jak je hodnota
pslunho interpolanho polynomu v bod 0?
2. Je vhodn pout pro numerick vpoet derivace podle formule (7.2), ve
kter jsou jako uzly pouity koeny ebyevova polynomu (viz kapitola 6)?
(Nvod: [T
n
(x)[ n
2
pro x [1, 1].)
3. Je mon pout hodnot z pkladu 1 pro vpoet f
(x
i
), i = 1, 0, 1? Sta
v tomto ppad aproximace funkce polynomem druhho stupn?
Kapitola 8
Ortogonln polynomy
V tto kapitole se budeme zabvat uritmi polynomy, kter budou velmi ui-
ten pi konstrukci formul numerickho integrovn. Zde uvedeme pouze denice
a nejdleitj vlastnosti. Podrobnm studiem tchto polynom se zabv nap.
publikace [22].
Nech
j
stejn jako dve zna mnoinu vech polynom stupn nejve j
a

j
mnoinu vech normovanch polynom stupn j, tj. polynom s koecientem
rovnm jedn u nejvy mocniny.
Nech w je funkce, o kter pedpokldme, e je integrovateln a nezporn na
intervalu [a, b] a w(x) > 0 skoro vude na [a, b]. Takovou funkci budeme nazvat
vahovou funkc.
Dle denujeme skalrn souin
f, g) =
_
b
a
w(x)f(x)g(x) dx
pro vechny funkce, pro kter existuje konen integrl
f, f) =
_
b
a
w(x)f
2
(x) dx < +.
Jestlie f, g) = 0, kme, e funkce f, g jsou ortogonln na intervalu [a, b] s vahou
w.
Nsledujc vta dokazuje existenci posloupnosti navzjem ortogonlnch poly-
nom vzhledem k vahov funkci w.
Vta 8.1. Pro danou vahovou funkci w na [a, b] existuj polynomy p
j

j
,
j = 0, 1, 2, . . ., takov, e
p
i
, p
k
) = 0 pro i ,= k. (8.1)
Tyto polynomy jsou jednoznan denovny vztahy
p
0
(x) 1
218 8. ORTOGONLN POLYNOMY
p
i+1
(x) = (x
i+1
)p
i
(x)
2
i
p
i1
(x) pro i 0,
kde p
1
(x) 0 a
i+1
= xp
i
, p
i
)/p
i
, p
i
) pro i 0
xp
i
, p
i
) =
_
b
a
w(x)xp
2
i
(x) dx
a
2
i
=
_
_
_
0 pro i = 0,
p
i
, p
i
)/p
i1
, p
i1
) pro i 1.
Dkaz. Polynomy p
j
, j = 0, 1, 2, . . ., lze sestrojit rekurentn pomoc Gramova-
Schmidtova ortogonalizanho procesu ([22]). 2
Kad polynom p
k
lze zejm vyjdit jako linern kombinaci ortogonl-
nch polynom p
i

i
, i k. Mme tedy:
Dsledek. p, p
n
) = 0 pro vechny polynomy p
n1
, p
n

n
.
Vta 8.2. Nech p
j
je systm polynom ortogonlnch s vahou w na intervalu
[a, b].
Plat: Kad polynom p
j
m vechny koeny reln, rzn a vechny le v in-
tervalu (a, b).
Nkter vahov funkce se vyskytuj v praxi dosti asto, pslun ortogonln
polynomy se uvauj ve standardnm tvaru, v nm je koecient u x
n
obvykle
rzn od jedn. Uvedeme nyn nkter speciln ortogonln polynomy.
1. Legendrovy polynomy P
n
jsou ortogonln na intervalu [1, 1] s vahou
w(x) 1.
Vlastnosti:
a) Ortogonalita
_
1
1
P
n
(x)P
m
(x) dx =
_
_
_
0 pro n ,= m,
2
2n + 1
pro n = m.
(8.2)
b) Plat rekurentn vztah
P
n+1
(x) =
2n + 1
n + 1
xP
n
(x)
n
n + 1
P
n1
(x), n = 1, 2, 3, . . .
Je
P
0
(x) = 1, P
1
(x) = x, P
2
(x) =
3
2
x
2
1
2
, . . .
c) Polynomy P
n
vyhovuj diferenciln rovnici
(1 x
2
)y
2xy
+n(n + 1)y = 0.
219
2. ebyevovy polynomy T
n
jsou ortogonln na intervalu [1, 1] s vahou w(x) =
1/
1 x
2
.
Vlastnosti:
a) Ortogonalita
_
1
1
T
n
(x)T
m
(x)
1 x
2
dx =
_
_
0 pro n ,= m,
pro n = m = 0,
2
pro n = m ,= 0.
(8.3)
T
n+1
(x) = 2xT
n
(x) T
n1
(x).
Je
T
0
(x) = 1, T
1
(x) = x, T
2
(x) = 2x
2
1, . . .
c) Polynomy T
n
jsou eenm diferenciln rovnice
(1 x
2
)y
xy
+n
2
y = 0.
S tmito polynomy jsme se ji setkali, kdy jsme hledali polynomy
s nejmen odchylkou od nuly na intervalu [1, 1].
3. Laguerrovy polynomy L
n
jsou ortogonln na intervalu [0, ) s vahou w(x) =
x
e
x
, > 1.
Vlastnosti:
a) Ortogonalita
_

0
x
e
x
L
n
(x, )L
m
(x, ) dx =
_
_
_
0 pro n ,= m,
( +n + 1)
n!
pro n = m,
(8.4)
kde je gamma funkce.
L
n+1
(x, ) =
2n + + 1 x
n + 1
L
n
(x, )
n +
n + 1
L
n1
(x, )
Je
L
0
(x, ) = 1, L
1
(x, ) = x + + 1, . . .
c) Polynomy L
n
xy
+ ( x + 1)y
+ny = 0.
4. Hermitovy polynomy H
n
jsou ortogonln na intervalu (, +) s vahou
w(x) = e
x
2
.
Vlastnosti:
a) Ortogonalita
_

e
x
2
H
n
(x)H
m
(x) dx =
_
_
_
0 pro n ,= m,
2
n
n!
pro n = m.
(8.5)
H
n+1
(x) = 2xH
n
(x) 2nH
n1
(x)
Je
H
0
(x) = 1, H
1
(x) = 2x, H
2
(x) = 4x
2
2, . . .
c) Polynomy H
n
y
2xy
+ 2ny = 0.
Dal vlastnosti ortogonlnch polynom p
n
dv nsledujc vta.
Vta 8.3. Nech p
j
je systm polynom ortogonlnch s vahou w na intervalu
[a, b]. Pak plat:
1. Nech x
1
< x
2
< . . . < x
n
jsou koeny polynomu p
n
, x
0
= a, x
n+1
= b.
Pak kad interval [x
k
, x
k+1
], k = 0, 1, . . . , n obsahuje prv jeden koen
polynomu p
n+1
.
2. p
n
(x) p
n1
(x) p
n1
(x) p
n
(x) > 0 x R, n 1.
Cvien ke kapitole 8
1. Ukate, e funkce
0
= 1/
2,
1
(x) = (1/
) cos x, . . . ,
n
(x) =
(1/
) cos nx,
n+1
(x) = (1/
) sin x, . . . ,
2n1
(x) = (1/
) sin(n 1)x
jsou ortogonln na [, ] s vahou w(x) 1.
(Nvod: uijte trigonometrickch identit pro cos(mx nx), sin(mx nx).)
2. Dokate vztahy (8.3).
3. Dokate, e pro kad pirozen sla i, j plat
T
i
(x)T
j
(x) =
1
2
[T
i+j
(x) +T
|ij|
(x)],
kde T
i
je ebyevv polynom stupn i.
1 0.5 0 0.5 1
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
n=0
n=1
n=2
n=3
n=4
x
y
Obr. 8.1: Legendrovy polynomy Pn
0 1 2 3 4 5 6 7
20
10
0
10
20
30
40
n=0
n=1
n=2
n=3
n=4
x
y
Obr. 8.2: Laguerrovy polynomy Ln, = 1
1 0.5 0 0.5 1
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
n=0
n=1
n=2
n=3
n=4
x
y
Obr. 8.3: ebyevovy polynomy Tn
2 1 0 1 2
30
20
10
0
10
20
30
n=0
n=1
n=2
n=3
n=4
x
y
Obr. 8.4: Hermitovy polynomy Hn
1. Nech
0
, . . . ,
n
je ortogonln systm funkc na intervalu [a, b] s vahou
w. Je tento systm linern nezvisl?
2. Tvo ortogonln polynomy p
n
,. . . ,p
0
denovan ve vt 8.1 Sturmovu po-
sloupnost?
Kapitola 9
Numerick integrovn
9.1. Kvadraturn formule, stupe pesnosti, chyba
Zabvejme se piblinm vpotem integrlu
I(f) =
_
b
a
f(x) dx. (9.1)
Z denice Riemannova integrlu a z jeho geometrickho vznamu plyne, e je
pirozen hledat aproximaci tohoto integrlu ve tvaru
I(f)
n
i=0
A
i
f(x
i
), (9.2)
kde body x
i
[a, b], i = 0, 1, . . . , n, a reln sla A
i
, i = 0, 1, . . . , n, nezvis na f.
Denice 9.1. Vraz
Q(f) =
n
i=0
A
i
f(x
i
) (9.3)
budeme nazvat kvadraturn formul, sla A
i
, i = 0, 1, . . . , n, koecienty kvadra-
turn formule a navzjem rzn body x
i
, i = 0, 1, . . . , n, uzly kvadraturn formule.
Poznmka 1. Mjme integrl
I =
_
1
1
dx
(1 +x
2
)
1 x
2
.
Potejme tento integrl pomoc formule (9.2). V ppad, e body 1, 1 jsou uzly
kvadraturn formule, nememe tuto formuli pout, nebo integrand m singu-
larity v tchto bodech. V tomto ppad lze vhodn vyjdit integrand pomoc
vahov funkce (kap. 8) takto
I =
_
1
1
w(x)
(1 +x
2
)
dx, w(x) =
1
1 x
2
.
226 9. NUMERICK INTEGROVN
Pro vpoet tohoto integrlu uijeme opt formule tvaru
_
1
1
w(x)
(1 +x
2
)
dx
n
i=0
A
i
1
(1 +x
2
i
)
.
Singularitu integrandu jsme tedy zahrnuli do vahov funkce, jej funkn hodnoty
nevystupuj explicitn v kvadraturn formuli. Mylenku pouit vahovch funkc
v integrandu lze zobecnit a z tohoto dvodu se budeme obecn zabvat problmem
aproximace integrlu
I(f) =
_
b
a
w(x)f(x) dx (9.4)
formul tvaru (9.3), tj.
_
b
a
w(x)f(x) dx
n
i=1
A
i
f(x
i
). (9.5)
Vahovou funkci je rovn vhodn zavst v ppadech, kdy potme celou adu
podobnch integrl a do funkce w meme zahrnout st spolenou vem in-
tegrandm. Kvadraturn formule jsou vtinou odvozeny integrac interpolanho
polynomu a z tohoto dvodu je vhodn vybrat vahovou funkci tak, aby funkci f
bylo mon dobe aproximovat interpolanm polynomem.
Ve formuli (9.5) vystupuj uzly a koecienty. Vznik tedy otzka, jak vybrat
tyto parametry. Jak je kritrium pesnosti, tj. pro kter funkce nastane ve vztahu
(9.2) resp. (9.5) rovnost? Jak je chyba tto aproximace?
Rozdl
R(f) =
_
b
a
w(x)f(x) dx
n
i=0
A
i
f(x
i
) (9.6)
budeme nazvat chybou kvadraturn formule.
Obecn tvar chyby zde nebudeme uvdt, ale u kad kvadraturn formule, kte-
rou se budeme zabvat, uvedeme pslun tvar chyby. Elegantn dkaz obecnho
tvaru chyby podal G. Peano (viz nap [5], [8]).
Denice 9.2. ekneme, e kvadraturn formule
Q(f) =
n
i=0
A
i
f(x
i
)
m stupe pesnosti N, jestlie
R(x
j
) = 0, j = 0, 1, . . . , N, R(x
N+1
) ,= 0. (9.7)
Poznmka 2. V tto denici se jedn o algebraick stupe pesnosti, ne o chybu
kvadraturn formule.
9.1. Kvadraturn formule, stupe pesnosti, chyba 227
Pklad 9.1. Urete stupe pesnosti kvadraturn formule Q(f) = f() +f(),
0 < 1 pro vpoet integrlu
1
_
1
f(x)dx.
een: Pro funkci f(x) = x
0
je
R(x
0
) =
1
_
1
1dx (1 1) = 0.
Je-li f(x) = x, pak
R(x) =
1
_
1
xdx ( ) = 0.
Dle
R(x
2
) =
1
_
1
x
2
dx (
2
+ ()
2
) =
2
3
2
2
.
Je-li
2
,=
1
3
, pak m kvadraturn formule stupe pesnosti roven jedn. Pro =
3
3
je
R(x
3
) =
1
_
1
x
3
dx ((
3
3
)
3
+ (
3
3
)
3
) = 0,
R(x
4
) =
1
_
1
x
4
dx ((
3
3
)
4
+ (
3
3
)
4
) ,= 0.
Pro =
3
3
je stupe pesnosti kvadraturn formule roven tem.
Vta 9.1. Kvadraturn formule uvajc n + 1 uzl m stupe pesnosti nejve
2n + 1.
Dkaz. Pedpokldejme, e kvadraturn formule
Q(f) =
n
i=0
A
i
f(x
i
)
pro vpoet integrlu (9.4) m stupe pesnosti 2n + 2. Nech x
i
, i = 0, 1, . . . , n,
jsou uzly kvadraturn formule. Polome
2
n+1
(x) = (x x
0
)
2
. . . (x x
n
)
2
,
2
n+1
je polynom stupn 2n+2. Potejme nyn chybu kvadraturn formule pro vpoet
integrlu
_
b
a

2
n+1
(x)w(x) dx:
R(
2
n+1
) =
_
b
a
w(x)
2
n+1
(x) dx
n
i=0
A
i
2
n+1
(x
i
) =
_
b
a
2
n+1
(x)w(x) dx,
nebo
2
n+1
(x
i
) = 0, i = 0, 1, . . . , n. Jeliko pedpokldme, e N = 2n + 2, plyne
z tohoto vztahu:
R(
2
n+1
) =
_
b
a
2
n+1
(x)w(x) dx = 0.
Toto je spor, nebo integrl z nezporn funkce se neme rovnat nule. Stupe
pesnosti kvadraturn formule je tedy nejve 2n + 1. 2
Poznmka 3. Funkce uveden v pkladu 9.1 m pro =
3/3 maximln stupe

pesnosti.
Vta 9.2. Kvadraturn formule zskan integrac interpolanho polynomu ure-
nho body (x
i
, f(x
i
)), i = 0, . . . , n, m stupe pesnosti alespo n.
Dkaz. Nech P
n

n
je Lagrangev tvar interpolanho polynomu funkce f
v bodech x
i
, i = 0, 1, . . . , n:
P
n
(x) =
n
i=0
l
i
(x)f(x
i
).
Pak
f(x) = P
n
(x) +E(x) =
n
i=0
l
i
(x)f(x
i
) +

n+1
(x)
(n + 1)!
f
(n+1)
(), = (x).
Vynsobme tuto identitu vahovou funkc w a integrujme v mezch od a do b:
_
b
a
w(x)f(x) dx =
n
i=0
f(x
i
)
_
b
a
w(x)l
i
(x) dx +
+
1
(n + 1)!
_
b
a
w(x)
n+1
(x)f
(n+1)
() dx.
Polome
A
i
=
_
b
a
w(x)l
i
(x) dx, i = 0, 1, . . . , n.
Z pedchozho vztahu plyne, e integrl
I(f) =
_
b
a
w(x)f(x) dx
je aproximovn kvadraturn formul
Q(f) =
n
i=0
A
i
f(x
i
)
s chybou
R(f) =
1
(n + 1)!
_
b
a
w(x)
n+1
(x)f
(n+1)
() dx.
9.1. Kvadraturn formule, stupe pesnosti, chyba 229
Ve vyjden chyby vystupuje (n+1)n derivace funkce f, tzn. e chyba kvadraturn
formule bude rovna nule pro funkce 1, x, . . . , x
n
a stupe pesnosti bude alespo n.
2
Pklad 9.2. Ukeme, e formuli v pklad 9.1 lze zskat integrac interpolanho
polynomu:
Nech P
1

1
je interpolan polynom pro funkci f v uzlech , :
P
1
(x) =
x
2
f() +
x +
2
f() .
Integrac dostaneme
1
_
1
P
1
(x)dx =
f()
2
1
_
1
(x )dx +
f()
2
1
_
1
(x +)dx = f() +f() .
Poznmka 4. Jsou-li dny uzly kvadraturn formule x
0
, . . . , x
n
, x
i
,= x
k
pro
i ,= k, meme vdy najt koecienty A
0
, . . . , A
n
tak, aby stupe pesnosti byl
roven n, nebo systm rovnic
n
i=0
A
i
x
k
i
=
b
_
a
x
k
w(x)dx, k = 0, . . . , n
m prv jedno een. Pro dan uzly existuje tedy prv jedna posloupnost ko-
ecient A
0
, . . . , A
n
. Na druh stran meme tyto koecienty zskat integrac
interpolanho polynomu a chyba kvadraturn formule je v takovm ppad dna
vztahem
R(f) =
1
(n + 1)!
b
_
a
w(x)
n+1
(x)f
(n+1)
()dx.
V zvislosti na vlastnostech uzl a vahov funkce lze tento integrl dle upravit
(nap. metodou per partes) tak, e ve vyjden chyby bude vystupovat f
(N+1)
(),
kde N je stupe pesnosti dan formule.
Vta 9.3. Nech vahov funkce w je sud vzhledem ke stedu s intervalu [a, b]
a nech uzly x
i
, i = 0, 1, . . . , n, jsou symetricky rozloeny vzhledem ke stedu s.
Pak koecienty kvadraturn formule (zskan integrac interpolanho polynomu
v uzlech x
i
, i = 0, . . . , n) odpovdajc symetrickm uzlm jsou stejn, tj.
A
i
= A
ni
, i = 0, 1, . . . , n. (9.8)
Dkaz lze najt nap. v [1].
Uvaujme takovou symetrickou kvadraturn formuli. Tato formule bude
pesn pro libovolnou funkci f lichou vzhledem ke stedu s intervalu [a, b]. Pro
takovou funkci je toti
_
b
a
w(x)f(x) dx = 0
a na druh stran
Q(f) =
n
i=0
A
i
f(x
i
) = 0,
nebo f(x
i
) = f(x
ni
), A
i
= A
ni
, i = 0, 1, . . . , n.
Nech nyn (n +1), tj. poet uzl tto symetrick kvadraturn formule, je slo
lich. Tato formule bude zejm pesn i pro polynom
P
n+1
(x) =
_
x
a +b
2
_
n+1
,
nebo P
n+1
je lich funkce vzhledem ke stedu s = (a + b)/2. Podle pedchoz
vty vme, e kvadraturn formule odvozen integrac interpolanho polynomu m
stupe pesnosti alesp n. Ukeme nyn, e tato symetrick kvadraturn formule
m pro (n + 1) lich stupe pesnosti alespo n + 1. Je toti
_
b
a
P
n+1
(x)w(x) dx =
n
i=0
A
i
P
n+1
(x
i
),
kde P
n+1
(x) = (x
1
2
(a +b))
n+1
.
Dle
_
b
a
P
n+1
(x)w(x) dx =
_
b
a
x
n+1
w(x) dx
_
b
a
_
_
n
j=0
d
j
x
j
_
_
w(x) dx =
=
n
i=0
A
i
x
n+1
i

n
i=0
A
i
_
_
n
j=0
d
j
x
j
i
_
_
.
Stupe pesnosti kvadraturn formule je alespo n, a proto
_
b
a
_
_
n
j=0
d
j
x
j
_
_
w(x) dx =
n
i=0
A
i
_
_
n
j=0
d
j
x
j
i
_
_
.
A odtud plyne
_
b
a
x
n+1
w(x) dx =
n
i=0
A
i
x
n+1
i
,
a to znamen, e stupe pesnosti kvadraturn formule je alespo n + 1.
9.2. Gaussovy kvadraturn formule 231
Zabvejme se nyn otzkou vbru uzl a koecient kvadraturn formule.
V praxi jsou asto uzly dny vnjmi okolnostmi nebo se uv ekvidistantnch
uzl. Ale na volbu uzl a koecient se tak meme dvat z hlediska stupn pes-
nosti. Formulujme nyn nejastj poadavky na uzly a koecienty kvadraturn
formule:
a) nejsou pedem dna dn omezen ani na uzly ani na koecienty kvadraturn
formule,
b) jsou pedepsny vechny uzly, obvykle ekvidistantn,
c) jsou pedepsny pouze nkter uzly, nap. koncov body intervalu nebo body,
v nich je chovn funkce vznan,
d) poaduje se rovnost vech koecient.
9.2. Gaussovy kvadraturn formule
Zabvejme se nejdve ppadem, kdy nejsou dna dn omezen ani na uzly ani
na koecienty kvadraturn formule. Je zde tedy problm: meme vybrat uzly
a koecienty tak, aby bylo dosaeno maximlnho stupn pesnosti?
Na tuto otzku dv odpov nsledujc vta:
Vta 9.4. Nech kvadraturn formule
Q(f) =
n
i=0
A
i
f(x
i
)
pro vpoet integrlu (9.4) m stupe pesnosti alespo n. Nech p
n
, p
n

n
,
n = 0, 1, . . . tvo ortogonln systm na intervalu [a, b] vzhledem k vahov funkci w.
Pak tato formule m stupe pesnosti 2n+1 prv tehdy, kdy uzly tto kvadraturn
formule jsou koeny polynomu p
n+1

n+1
.
Dkaz. Nech kvadraturn formule Q(f) m stupe pesnosti 2n + 1. Denujme
polynom
n+1

n+1
vztahem
n+1
(x) =
n
i=0
(x x
i
),
kde x
i
, i = 0, 1, . . . , n, jsou uzly dan kvadraturn formule. Podle pedpokladu
je kvadraturn formule pesn i pro polynom u
n
n+1
, kde u
n

n
je libovoln
polynom.
Je tedy
_
b
a
n+1
(x)u
n
(x)w(x) dx =
n
i=0
A
i

n+1
(x
i
)u
n
(x
i
).
Prav strana tto rovnosti je rovna nule, nebo
n+1
(x
i
) = 0, i = 0, 1, . . . , n, a tedy
pro libovoln polynom u
n

n
plat
_
b
a
w(x)
n+1
(x)u
n
(x) dx = 0.
Polynom
n+1
je ortogonln s vahou w ke vem polynomm ze tdy
n
, tzn.
e polynom
n+1
je toton s polynomem p
n+1
, kter nle systmu polynom
p
n
ortogonlnch s vahou w na intervalu [a, b], p
n

n
, (vta 8.1 a jej dsledek).
Uvaujme nyn systm p
n
polynom ortogonlnch s vahou w na intervalu
[a, b]. Sestrojme kvadraturn formuli, jej uzly jsou koeny ortogonlnho poly-
nomu p
n+1
. Z vty 8.2 vme, e vechny koeny tohoto polynomu jsou reln,
navzjem rzn a vechny le v (a, b).
Uvaujme formuli majc stupe pesnosti alespo n. Takovou formuli lze
snadno sestrojit integrac interpolanho polynomu (viz vta 9.2). Nech Q(f) je
takov formule a ukeme, e m stupe pesnosti 2n + 1.
Nech P
2n+1

2n+1
je libovoln polynom stupn 2n + 1. Zejm meme
tento polynom zapsat ve tvaru
P
2n+1
(x) = p
n+1
(x)u
n
(x) +r
n
(x),
kde u
n
je podl pi dlen P
2n+1
/p
n+1
a r
n
je zbytek pi tomto dlen. Je zejm
r
n
, u
n

n
.
Aplikujme nyn na P
2n+1
sestrojenou kvadraturn formuli a vypotme chybu
aproximace integrlu
R(P
2n+1
) =
_
b
a
w(x)P
2n+1
(x) dx
n
i=0
A
i
P
2n+1
(x
i
) =
=
_
_
b
a
w(x)u
n
(x)p
n+1
(x) dx
n
i=0
A
i
u
n
(x
i
)p
n+1
(x
i
)
_
+
+
_
_
b
a
w(x)r
n
(x) dx
n
i=0
A
i
r
n
(x
i
)
_
.
Vraz v prvn zvorce je roven nule, nebo polynom p
n+1
je ortogonln s vahou w
k polynomu u
n
a navc p
n+1
(x
i
) = 0, i = 0, . . . , n, nebo uzly kvadraturn formule
jsou koeny polynomu p
n+1
. Vraz v druh zvorce je rovn roven nule, nebo
stupe pesnosti kvadraturn formule je alespo n. Odtud plyne R(P
2n+1
) = 0 pro
libovoln polynom z
2n+1
a tedy stupe pesnosti kvadraturn formule je 2n+1.
2
Denice 9.3. Kvadraturn formule, jejich uzly a koecienty jsou vybrny tak,
aby bylo dosaeno maximlnho stupn pesnosti, se nazvaj Gaussovy kvadra-
turn formule.
Uveden vta uvd podmnky pro uzly kvadraturn formule. Vlastnosti koe-
cient tto kvadraturn formule jsou obsaeny implicitn v pedpokladu, e stupe
pesnosti je alespo n. Formule se stupnm pesnosti n meme snadno sestrojit
integrac interpolanho polynomu (vta 9.2). Koecienty meme tedy spotat
takto (viz poznmka 4):
A
i
=
_
b
a
w(x)l
i
(x) dx, i = 0, 1, . . . , n, (9.9)
kde x
i
, i = 0, 1, . . . , n, jsou koeny ortogonlnho polynomu, p
n+1
(x)
n+1
(x),
l
i
(x) =
p
n+1
(x)
p
n+1
(x
i
)(x x
i
)
, i = 0, 1, . . . , n,
jsou pslun fundamentln polynomy v Lagrangeov interpolanm polynomu.
Jin zpsob vpotu koecient vychz pmo z denice stupn pesnosti.
Poadujeme-li toti, aby kvadraturn formule mla stupe pesnosti n, pak mus
bt splnny podmnky:
_
b
a
w(x)x
k
dx =
n
i=0
A
i
x
k
i
, k = 0, 1, . . . , n. (9.10)
Vme, e vechny uzly x
i
, i = 0, 1, . . . , n, jsou reln, rzn a vechny le v (a, b).
Odtud plyne, e determinant soustavy, tzv. Vandermondv, je rzn od nuly a sou-
stava m jedin een, a tedy Gaussova kvadraturn formule je urena jedno-
znan.
Vta 9.5. Pro koecienty Gaussovy kvadraturn formule plat
a) A
i
> 0, i = 0, 1, . . . , n, b)
n
i=0
A
i
=
_
b
a
w(x) dx.
Dkaz.
a) Gaussovy kvadraturn formule maj stupe pesnosti 2n + 1 a jsou pesn
i pro polynomy l
2
j
, j = 0, 1, . . . , n, co jsou polynomy stupn 2n:
l
2
j
(x) =
_
p
n+1
(x)
p
n+1
(x
j
)(x x
j
)
_
2
.
Pro vpoet integrlu I(l
2
j
) =
_
b
a
w(x)l
2
j
(x) dx tedy plat
_
b
a
w(x)l
2
j
(x) dx =
n
i=0
A
i
l
2
j
(x
i
).
Jeliko l
j
(x
i
) =
ij
, i, j = 0, 1, . . . , n, plyne odtud
A
j
=
_
b
a
w(x)l
2
j
(x) dx > 0, j = 0, 1, . . . , n. (9.11)
Navc porovnnm vztah (9.9) a (9.11) dostvme zajmavou rovnost
_
b
a
w(x)l
2
j
dx =
_
b
a
w(x)l
j
(x) dx, j = 0, 1, . . . , n. (9.12)
b) Aplikac Gaussovy kvadraturn formule na funkci f(x) 1, pro kterou je
samozejm kvadraturn formule pesn, ihned dostaneme
_
b
a
w(x) dx =
n
i=0
A
i
.
2
Vta 9.6. Nech f C
(2n+2)
[a, b]. Chybu Gaussovy kvadraturn formule lze vy-
jdit ve tvaru
R(f) =
f
(2n+2)
()
(2n + 2)!
_
b
a
w(x)p
2
n+1
(x) dx, (a, b), (9.13)
kde
n+1
(x) = p
n+1
(x) x.
Dkaz. Funkci f vyjdme pomoc Hermitova interpolanho polynomu P
2n+1

2n+1
splujcho podmnky
P
2n+1
(x
i
) = f(x
i
), i = 0, 1, . . . , n,
P
2n+1
(x
i
) = f
(x
i
), i = 0, 1, . . . , n,
kde x
i
, i = 0, 1, . . . , n, jsou uzly Gaussovy kvadraturn formule. Podle kapitoly 8
vme, e funkci f lze pomoc tohoto polynomu vyjdit ve tvaru
f(x) = P
2n+1
(x) + E(x),
kde
P
2n+1
(x) =
n
i=0
h
i
(x)f(x
i
) +
n
i=0
h
i
(x)f
(x
i
),
E(x) =
p
2
n+1
(x)
(2n + 2)!
f
(2n+2)
(), = (x).
Pipomnme, e v tomto ppad
n+1
(x) = p
n+1
(x), p
n+1
je ortogonln polynom
(s vahou w na [a, b]).
Uijeme nyn tohoto vyjden pi vpotu chyby kvadraturn formule:
R(f) =
_
b
a
w(x)f(x) dx
n
i=0
A
i
f(x
i
) =
=
_
_
b
a
P
2n+1
(x)w(x) dx
n
i=0
A
i
P
2n+1
(x
i
)
_
+
+
_
_
b
a
E(x)w(x) dx
n
i=0
A
i
E(x
i
)
_
.
Vraz v prvn zvorce je roven nule, nebo formule m stupe pesnosti 2n + 1;
dle E(x
i
) = 0, i = 0, 1, . . . , n, nebo p
n+1
(x
i
) = 0, i = 0, 1, . . . , n. Odtud plyne
R(f) =
_
b
a
w(x)p
2
n+1
(x)
(2n + 2)!
f
(2n+2)
() dx.
Funkce f C
(2n+2)
[a, b] a funkce wp
2
n+1
je nezporn a integrovateln v [a, b]. Lze
tedy ut druh vty o stedn hodnot integrlu
1
. Vsledkem je nsledujc tvar
chyby Gaussovy kvadraturn formule:
R(f) =
f
(2n+2)
()
(2n + 2)!
_
b
a
w(x)p
2
n+1
(x) dx, (a, b).
2
Popime nyn podrobnji konstrukci Gaussovch formul pro ppad [a, b] =
[1, 1] a w(x) = 1 x [1, 1]. To znamen, e hledme Gaussovu formuli pro
vpoet integrlu
_
1
1
f(x) dx.
Polynomy, kter jsou ortogonln na intervalu [1, 1] s vahou w(x) 1, se nazvaj
Legendrovy polynomy (viz kap. 8) a oznaujeme je P
n
. Z rekurentnho vztahu
P
n+1
(x) =
2n + 1
n + 1
xP
n
(x)
n
n + 1
P
n1
(x), n = 1, 2, . . .
P
0
(x) = 0, P
1
(x) = x, plyne, e je-li stupe polynomu P
n
slo sud, obsahuje P
n
pouze sud mocniny x, je-li stupe polynomu slo lich, obsahuje polynom pouze
lich mocniny x. Odtud dle plyne, koeny polynomu P
n
jsou symetricky rozloeny
vzhledem k bodu 0. Uzly x
i
, i = 0, 1, . . . , n, Gaussovy kvadraturn formule jsou
koeny Legendreova polynomu P
n+1
a koecienty lze spotat takto ([19]):
A
i
=
2(1 x
i
)
2
(n + 1)
2
(P
n
(x
i
))
2
, i = 0, 1, . . . , n. (9.14)
Vsledn formule je tvaru
_
1
1
f(x) dx =
n
i=0
A
i
f(x
i
) +
f
(2n+2)
()
(2n + 2)!
_
1
1
n
i=0
(x x
i
)
2
dx, (1, 1). (9.15)
Tato formule se nazv Gaussova-Legendreova kvadraturn formule.
1
Druh vta o stedn hodnot integrlu nkdy se tak nazv zobecnn vta o stedn
hodnot integrlu: Nech C[a, b], integrovateln v [a, b] a nemn znamnko v [a, b]. Pak
existuje bod (a, b), e
Z
b
a
(x)(x) dx = ()
Z
b
a
(x) dx.
Legendrovy polynomy uveden v pedchoz kapitole spluj vztah
_
1
1
P
2
n
(x) dx =
2
2n + 1
.
Tyto polynomy nemaj koecient 1 u nejvy mocniny. Polome nyn
p
n
(x) =
1
a
n
P
n
(x),
kde a
n
je koecient u x
n
v polynomu P
n
. Pak
2
2n + 1
=
_
1
1
P
2
n
(x) dx = a
2
n
_
1
1
p
2
n
(x) dx.
Odtud
_
1
1
p
2
n
(x) dx =
2
(2n + 1)a
2
n
.
Lze ukzat [19], [21], e
a
n
=
(2n)!
2
n
(n!)
2
.
A z toho plyne, e chyba Gaussovy-Legendrovy formule me bt vyjdena ve
tvaru
R(f) =
f
(2n+2)
()
(2n + 2)!
2
2(n + 1) + 1
_
2
n+1
((n + 1)!)
2
(2(n + 1))!
_
2
.
Podobnm postupem lze vyjdit chybu i pro dal kvadraturn formule.
Vpoet integrlu na libovolnm intervalu [a, b] lze vhodnou substituc pevst
na vpoet na intervalu [1, 1] a pot pout formule (9.15).
Pklad 9.3. Odvote Gaussovu-Legendrovu formuli ve tvaru
1
_
1
f(x)dx A
0
f(x
0
) +A
1
f(x
1
) .
een. Legendrv polynom druhho stupn je tvaru
P
2
(x) =
3
2
x
2
1
2
.
Jeho koeny jsou x
0
=
3/3, x
1
=
3/3, a to jsou dva uzly kvadraturn formule.

Nejprve spotme koecienty kvadraturn formule integrac interpolanho po-
lynomu. Uijeme vzorce (9.9), kde w(x) 1 a
l
0
(x) =
x
3
3
3
3
, l
1
(x) =
x +
3
3
2
3
3
.
Koecienty
A
0
=
1
_
1
l
0
(x)dx = 1, A
1
=
1
_
1
l
1
(x)dx = 1 .
Vsledn formule je tedy tvaru
1
_
1
f(x)dx = f(
3
3
) +f(
3
3
) +R(f) . (9.16)
Samozejm, e koecienty A
0
, A
1
meme urit tak eenm systmu (9.10):
A
0
+A
1
=
1
_
1
1dx = 2
A
0
3
3
+A
1
3
3
=
1
_
1
xdx = 0
Odtud pak ihned plyne, e A
0
= A
1
= 1.
Pklad 9.4. Ukeme jet jeden zpsob konstrukce Gaussovch formul. Uva-
ujme formuli Q(f) = A
0
f(x
0
) +A
1
f(x
1
) pro vpoet integrlu
1
_
1
f(x)dx. Vme,
e takov kvadraturn formule me mt nejve stupe pesnosti 2n + 1, co je
v naem ppad 3 (viz vta 9.1). Podmnky pro dosaen tohoto stupn pesnosti
jsou dny rovnicemi R(x
k
) = 0, k = 0, 1, 2, 3, tj.
A
0
+A
1
=
1
_
1
1dx = 2
A
0
x
0
+A
1
x
1
=
1
_
1
xdx = 0
A
0
x
2
0
+A
1
x
2
1
=
1
_
1
x
2
dx =
2
3
A
0
x
3
0
+A
1
x
3
1
=
1
_
1
x
3
dx = 0 .
Uzly x
0
, x
1
jsou koeny polynomu
2
(x) = (x x
0
)(x x
1
) = x
2
+ a
1
x + a
2
. Je
teba urit koecienty A
1
, A
2
. Postup je nsledujc:
Vynsobme prvn z ve uvedench rovnic a
2
, druhou a
1
tet jednikou a seteme
je. Pak druhou rovnici vynsobme a
2
, tet a
1
tvrtou jednikou a opt seteme:
a
2
(A
0
+A
1
) +a
1
(A
0
x
0
+A
1
x
1
) +A
0
x
2
0
+A
1
x
2
1
= 2a
2
+
2
3
a
2
(A
0
x
0
+A
1
x
1
) +a
1
(A
0
x
2
0
+A
1
x
2
1
) +A
0
x
3
0
+A
1
x
3
1
=
2
3
a
1
.
Vme, e x
2
i
+a
1
x
i
+a
2
= 0, i = 0, 1, a proto jsou lev strany tchto rovnic rovny
nule:
0 = 2a
2
+
2
3
a
2
=
1
3
0 = a
1
.
Pak polynom
2
(x) = x
2
1
3
, odtud x
0
=
3
3
, x
1
=
3
3
. Koecienty A
0
, A
1
zskme z prvnch dvou rovnic: A
0
= A
1
= 1.
Poznmka 5. Vme, e chyba Gaussovy kvadraturn formule me bt vyjdena
ve tvaru
R(f) =
f
(2n+2)
()
(2n + 2)!
_
b
a
w(x)p
2
n+1
(x) dx.
Veliina
_
b
a
w(x)p
2
n+1
(x) dx nezvis na volb funkce f. Je tedy pro vechny funkce
stejn. Vypotme nyn chybu kvadraturn formule pro funkci f(x) = x
2n+2
. Tato
chyba je tvaru
R(x
2n+2
) =
_
b
a
w(x)x
2n+2
dx
n
i=0
A
i
x
2n+2
i
.
Z ve uvedenho vztahu plyne, e pro f(x) = x
2n+2
je
R(x
2n+2
) =
(2n + 2)!
(2n + 2)!
_
b
a
w(x)p
2
n+1
(x) dx
a odtud
_
b
a
w(x)p
2
n+1
(x) dx = R(x
2n+2
).
Vraz pro chybu Gaussovy kvadraturn formule meme zapsat takto:
R(f) =
f
(2n+2)
()
(2n + 2)!
R(x
2n+2
).
Tedy nap. pro Gaussovu-Legendrovu formuli pro n = 1 je
R(f) =
f
(4)
()
4!
R(x
4
), (1, 1)
kde
R(x
4
) =
_
1
1
x
4
dx
_
_
_
3
3
_
4
+
_
3
3
_
4
_
_
=
8
45
a odtud
R(f) =
1
135
f
(4)
().
Poznmka 6. Nejjednodu Gaussova-Legendreova formule je tvaru:
1
_
1
f(x)dx = 2f(0) +
f
()
3
. (9.17)
Zde toti n = 0, Legendrv polynom P
1
(x) = x m koen x
0
= 0 a pak
A
0
=
1
_
1
l
0
(x)dx =
1
_
1
1dx = 2 .
Vpoet chyby R(f) v tomto ppad:
Je R(x
2
) = 2/3 a odtud
R(f) =
1
2
2
3
f
() =
1
3
f
(), (1, 1).

Jak u jsme se zmnili dve, obecn tvar chyby kvadraturnch formul dok-
zal G. Peano. Ukeme nyn na pklad Gaussovy-Legendrovy formule mylenku
tohoto dkazu.
Mjme formuli
1
_
1
f(x)dx = f
_
3
3
_
+f
_
3
3
_
+R(f) .
Jedn se o Gaussovu-Legendrovu formuli pro n = 1. Vme, e stupe pesnosti
tto formule je N = 3. Pedpokldejme, e f C
4
[1, 1]. Uvaujme Taylorv
rozvoj funkce f v okol bodu x = 1 ve tvaru
f(x) = f(1) +f
(1)(x + 1) +
f
(1)
2
(x + 1)
2
+
f
(1)
x!
(x + 1)
3
+r
3
(x) ,
kde zbytek r
3
(x) je zapsn v integrlnm tvaru
r
3
(x) =
1
3!
x
_
1
f
(4)
(t)(x t)
3
dt .
Funkci f meme nyn zapsat takto
f(x) = P
3
(x) +r
3
(x), P
3

3
.
Aplikujeme nyn na takto vyjdenou funkci danou kvadraturn formuli a po-
tejme chybu:
R(f) =
1
_
1
f(x)dx
_
f
_
3
3
_
+f
_
3
3
__
=
=
_
_
_
1
_
1
P
3
(x)dx
_
P
3
_
3
3
_
+P
3
_
3
3
__
_
_
_
+
+
_
_
_
1
_
1
r
3
(x)dx
_
r
3
_
3
3
_
+r
3
_
3
3
__
_
_
_
.
Vraz v prvn zvorce je roven nule, nebo stupe pesnosti kvadraturn formule
je N = 3, a tedy
R(f) =
1
3!
1
_
1
_
_
x
_
1
f
(4)
(t)(x t)
3
dt
_
_
dx
1
3!
_
_
_
3
3
_
1
f
(4)
(t)
_
3
3
t
_
)
3
dt +
3
3
_
1
f
(4)
(t)
_
3
3
t
_
)
3
dt
_
_
_ .
Denujme nyn funkci (x t)
3
+
jako funkci promnn t takto:
(x t)
3
+
=
_
_
_
(x t)
3
x t
0 x < t .
Na obrzku 9.1 vidme prbh funkc (
3
3
t)
3
+
a (
3
3
t)
3
+
. Tyto funkce se
nkdy nazvaj useknut mocniny a zavedli jsme je proto, aby integran meze
v pedchozm vyjden byly konstanty, co pak umon dal vpoet. Mme tedy
integrl
R(f) =
1
3!
1
_
1
_
_
1
_
1
f
(4)
(t)(x t)
3
+
dt
_
_
dx
1
3!
_
_
1
_
1
f
(4)
(t)
_
3
3
t
_
3
+
dt +
1
_
1
f
(4)
(t)
_
3
3
t
_
3
+
dt
_
_
.
0
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
3/3 3/3
Obr. 9.1: Funkce (
3
3
t)
3
+
a (
3
3
t)
3
+
.
Integran meze jsou konstanty a meme zamnit poad integrace v prvnm in-
tegrlu.
R(f) =
1
3!
1
_
1
f
(4)
(t)
_
_
1
_
1
(x t)
3
+
dx
_
_
dt
1
3!
_
_
1
_
1
f
(4)
(t)
_
3
3
t
_
3
+
dt +
1
_
1
f
(4)
(t)
_
3
3
t
_
3
+
dt
_
_
=
=
1
3!
1
_
1
f
(4)
(t)
_
_
_
1
_
1
(x t)
3
+
dx
_
3
3
t
_
3
+
3
3
t
_
3
+
_
_
_
dt .
Vraz
R
x
((x t)
3
+
) =
1
_
1
(x t)
3
+
dx
_
3
3
t
_
3
+
3
3
t
_
3
+
je chyba dan kvadraturn formule pro funkci (x) = (x t)
4
+
.
Polome nyn K(t) =
1
3!
R
x
((x t)
3
+
) a chybu kvadraturn formule meme
zapsat ve tvaru
R(f) =
1
_
1
f
(4)
(t)K(t)dt ,
kde K je Peanovo jdro.
Podvejme se nyn na vlastnosti funkce K:
K(t) =
1
3!
_
_
1
_
1
(x t)
3
+
dx
_
3
3
t
_
3
+
3
3
t
_
3
+
_
_
.
Z vlastnost funkce (x t)
3
+
plyne, e
1
_
1
(x t)
3
+
dx =
1
_
t
(x t)
3
dx =
(1 t)
4
4
.
Pro funkci K plat:
K(t) =
1
3!
_
_
(1 t)
4
4

_
3
3
t
_
3
+
3
3
t
_
3
+
_
_
.
Vyeteme nyn chovn tto funkce postupn na intervalech [1,
3/3],
[
3/3,
3/3], [
3/3, 1].
(1) t [1,
3/3] K(t) =
1
3!
_
(1t)
4
4
+
_
+
3
3
+t
_
3
3
3
t
_
3
_
=
(1+t)
4
24
(2) t [
3/3,
3/3] K(t) =
1
3!
_
(1t)
4
4

_
3
3
t
_
3
_
(3) t [
3/3, 1] K(t) =
(1t)
4
24
Prbh funkce K je zachycen na obrzku 9.2. Z pedchozho plyne, e funkce K
je integrovateln a nemn znamnko. Pro vpoet integrlu
R(f) =
1
_
1
f
(4)
(t)K(t)dt
lze pout druh vty o stedn hodnot integrlu:
R(f) = f
(4)
()
1
_
1
K(t)dt, (1, 1) .
Nyn je mon vypotat
1
_
1
K(t)dt, ale protoe tento integrl nezvis na funkci
f, lze pout postupu uvedenho v poznmce 5:
R(x
4
) =
8
45
a souasn R(x
4
) = 4!
1
_
1
K(t)dt .
1 0 1
0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0.008
0.009
0.01
3/3 3/3
Obr. 9.2: Prbh Peanova jdra.
Odtud
1
_
1
K(t)dt =
1
4!
8
45
=
1
135
,
take
R(f) =
1
135
f
(4)
() .
Pklad 9.5. Uitm Gaussovy-Legendrovy formule (pro n = 3) vypotte integrl
_
1
1
dx
1 +x
2
,
(pesn hodnota je

2
).
een.
_
1
1
dx
1 +x
2

2.0,651145
1 + (0,339981)
2
+
2.0,347855
1 + (0,861136)
2
1,5668347.
V nsledujc tabulce jsou uvedeny uzly, koecienty a chyba Gaussovy-Legend-
rovy formule pro n = 1, 2, 3.
n x
i
A
i
R(f)
1 0,577350 =
3
3
1
1
135
f
(4)
(
1
)
2 0
8
9
1
15750
f
(6)
(
2
)
0,774597 =
_
3
5
5
9
3 0,339981 0,651145
1
3472875
f
(8)
(
3
)
0,861136 0,347855
Obrzky 9.3 a 9.4 ilustruj geometrick vznam Gaussovy-Legendrovy formule.
Graf funkce je znzornn plnou arou a graf polynomu, kter integrujeme, je zn-
zornn rkovan.
1 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
0
0.7746
x
1
0
x
2
0.7746
x
y
Obr. 9.3: Gaussova-Legendreova kvadraturn formule, n = 2
Nech vahov funkce w(x) = 1/
1 x
2
, [a, b] = [1, 1]. Polynomy, kter jsou
ortogonln na tomto intervalu s uvedenou vahovou funkc, jsou ebyevovy poly-
nomy. Kvadraturn formule pro vpoet integrlu
_
1
1
1/
1 x
2
f(x)dx se nazv
Gaussova-ebyevova kvadraturn formule. Tato formule je tvaru
_
1
1
f(x)
1 x
2
dx =
n
i=0
A
i
f(x
i
) +
2
2
2(n+1)
(2(n + 1)!)
f
(2n+2)
(), 1 < < 1.
Nsledujc tabulka udv koecienty, uzly a chybu tto formule pro n = 1, 2, 3.
1 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
0
0.8611
x
1
0.34
x
2
0.34
x
3
0.8611
x
y
Obr. 9.4: Gaussova-Legendreova kvadraturn formule, n = 3
n x
i
A
i
R(f)
1
2
2
192
f
(4)
(
1
)
2 0,
3
2
3840
f
(6)
(
2
)
3
0,92386
0,38268
5160960
f
(8)
(
3
)
Vidme, e u jednotlivch formul jsou vechny koecienty stejn a rovn
/(n + 1).
Pklad 9.6. Uitm Gaussovy-ebyevovy kvadraturn formule (n = 2) vypotte
integrl
_
1
1
dx
(1 +x
2
)
1 x
2
(pesn hodnota je /
2).
een. Je
_
1
1
dx
(x
2
+ 1)
1 x
2

3
_
_
_
1
1 +
_
3
2
_
2
+
1
1 + 0
+
1
1 +
_
3
2
_
2
_
_
_ =
5
7
.
Laguerrovy polynomy jsou ortogonln na intervalu [0, ) s vahou w(x) = e
x
.
Kvadraturn formule pro vpoet integrlu
_
0
e
x
f(x) dx se nazv Gaussova-
Laguerrova kvadraturn formule. Formule je tedy tvaru
_

0
e
x
f(x) dx =
n
i=0
A
i
f(x
i
) +
((n + 1)!)
2
(2(n + 1))!
f
(2n+2)
(), 0 < < .
V nsledujc tabulce jsou uvedeny uzly, koecienty a chyba tto formule pro
n = 1, 2, 3:
x
i
A
i
R(f)
1 0,585786 0,853553
1
6
f
(4)
(
1
)
3,414214 0,146447
2 0,415775 0,711093
1
20
f
(6)
(
2
)
2,294280 0,278512
6,289945 0,010389
3 0,322548 0,603154
1
70
f
(8)
(
3
)
1,745761 0,357419
4,536620 0,038888
9,395071 0,000539
Pklad 9.7. Uitm Gaussovy-Laguerrovy kvadraturn formule (n = 1) vypotte
_

0
x
4
e
x
dx,
(pesn hodnota je 4!).
een.
_

0
x
4
e
x
dx 0,853553.(0,585786)
4
+ 0,146447.(3,414214)
4
20,00006.
Pro vpoet integrlu
_
e
x
2
f(x) dx lze ut Gaussovy-Hermitovy kvadra-
turn formule. Tyto formule jsou tvaru
_

e
x
2
f(x) dx =
n
i=0
A
i
f(x
i
) +
(n + 1)!
2
n+1
(2n + 2)!
f
(2n+2)
(), < < .
Uzly tto kvadraturn formule jsou koeny Hermitova polynomu ortogonlnho na
intervalu (, ) s vahou w(x) = e
x
2
. Nsledujc tabulka uvd uzly, koeci-
enty a chybu tto formule:
n x
i
A
i
R(f)
1 0,707107 0,886227
48
f
(4)
(
1
)
2 0 1,181636
960
f
(6)
(
2
)
1,224745 0,295409
3 0,524648 0,804914
26880
f
(8)
(
3
)
1,650680 0,081313
Pklad 9.8. Uitm Gaussovy-Hermitovy kvadraturn formule (n = 3) vypotte
integrl
_

[x[ e
x
2
dx,
(pesn hodnota je rovna 1).
een.
_

[x[ e
x
2
dx 2(0,524648.0,804914 + 1,650680.0,081313) 1,1130364.
Poznmka 7. Gaussovy formule maj jet jednu dleitou vlastnost s ros-
toucm potem uzl konverguje posloupnost Gaussovch formul k pesn hodnot
integrlu. Tuto vlastnost nemaj vechny kvadraturn formule, obecn toti nen
splnn pedpoklad, e souet absolutnch hodnot koecient je stejnomrn ohra-
nien pro vechna n. Pro Gaussovy formule vak tento pedpoklad splnn je
viz vta 9.5b (podrobnji viz [19], [21]).
Gaussovy formule tvo velmi dleitou tdu kvadraturnch formul. K jejich
zhodnocen a pouit se vrtme v zvru tto kapitoly.
Ukeme nyn na pkladech nkter dal zajmav vlastnosti Gaussovch for-
mul.
Uvaujme integrl
J =
_
1
1
w(x)
f(x)
f(x) +f(x)
dx, (9.18)
kde vahov funkce je sud a funkce f nen lich. Potejme tento integrl. Substi-
tuce y = x vede na integrl
J =
_
1
1
w(y)
f(y)
f(y) +f(y)
dy.
Odtud
2J =
_
1
1
w(x)
f(x)
f(x) +f(x)
dx +
_
1
1
w(x)
f(x)
f(x) +f(x)
dx =
_
1
1
w(x) dx
a
J =
1
2
_
1
1
w(x) dx. (9.19)
Nech nyn w(x) 1, pak J = 1 a vypotme tento integrl pomoc Gauss-
ovch-Legendrovch formul. Polome
F(x) =
f(x)
f(x) +f(x)
.
Je
Q(F) =
n
i=0
A
i
F(x
i
) =
1
2
n
i=0
A
i
(F(x
i
) +F(x
i
)) =
1
2
n
i=0
A
i
= 1,
tj. Q(F) = J. To znamen, e Gaussova-Legendreova formule dv pesnou hod-
notu integrlu. Zde jsme pouili skutenosti, e uzly x
i
jsou symetricky rozloeny
vzhledem k bodu 0 a koecienty odpovdajc symetrickm uzlm jsou stejn (vta
9.3). A dle, vme, e pro koecienty Gaussovch formul plat
n
i=0
A
i
=
_
1
1
w(x) dx,
co znamen v ppad Gaussovch-Legendrovch formul
n
i=0
A
i
= 2.
Pklad 9.9.
a) J =
_
1
1
dx
1 + e
2x
=
_
1
1
e
x
e
x
+ e
x
dx = 1,
b) J =
_
1
1
dx
1 x
2
(1 + e
2x
)
=
_
1
1
e
x
1 x
2
(e
x
+ e
x
)
dx =

2
.
9.3. Newtonovy-Cotesovy kvadraturn formule
Nyn se budeme zabvat kvadraturnmi formulemi, pro kter jsou pedepsny
vechny uzly. Podrobn vyetme ppad ekvidistantnch uzl.
Nech je tedy dno dlen intervalu [a, b]:
a = x
0
< x
1
< . . . < x
n
= b,
x
i
= x
0
+ih, i = 0, 1, . . . , n, h = (b a)/n.
9.3. Newtonovy-Cotesovy kvadraturn formule 249
Nech nejdve P
n

n
je Lagrangev interpolan polynom pro body
(x
i
, f(x
i
)), i = 0, 1, . . . , n. Stejnm zpsobem jako ve vt 9.2 dostaneme formuli
_
b
a
w(x)f(x) dx =
n
i=0
A
i
f(x
i
) +
1
(n + 1)!
_
b
a
w(x)
n+1
(x)f
(n+1)
() dx. (9.20)
sla A
i
=
_
b
a
w(x)l
i
(x) dx, i = 0, 1, . . . , n, se nazvaj Cotesova sla a jsou tabe-
lovna. Uveden formule se nazv Newtonova-Cotesova formule uzavenho typu,
v tomto ppad integran meze jsou uzly kvadraturn formule. Zejm je stupe
pesnosti tto formule alespo n. V nkterch ppadech lze vyjden chyby zjed-
noduit ([1], [8], [19]). Je-li vahov funkce sud vzhledem ke stedu s = (a + b)/2
a slo n je sud, a protoe uzly jsou v tomto ppad symetricky rozloeny vzhle-
dem ke stedu s, je podle poznmky za vtou 9.3 stupe pesnosti tto kvadraturn
formule n + 1. To znamen, e ve vyjden chyby bude vystupovat f
(n+2)
. Toho
lze doshnout integrac per partes chybovho lenu (viz poznmka 4).
Uvedeme nejjednodu typy tchto formul (w(x) 1).
a) Nech n = 1. Funkci f aproximujeme polynomem P
1

1
, tj.
f(x) =
x a
b a
f(b)
x b
b a
f(a) +
(x a)(x b)
2
f
().
Integrac
_
b
a
f(x) dx =
b a
2
(f(a) +f(b)) +
1
2
_
b
a
(x a)(x b)f
() dx.
Spotejme nyn chybu
R(f) =
1
2
_
b
a
(x a)(x b)f
() dx.
Za pedpokladu, e f
je spojit na intervalu [a, b], lze ut druh vty

o stedn hodnot integrlu, nebo funkce u(x) = (x a)(x b) nemn
znamnko na intervalu [a, b]. Chybu lze nyn vyjdit takto:
R(f) =
f
()
2
_
b
a
(x a)(x b) dx =
(b a)
3
12
f
(), a < < b.

_
b
a
f(x) dx =
b a
2
(f(a) +f(b))
(b a)
3
12
f
(). (9.21)
Kvadraturn formule Q(f) =
1
2
(b a)(f(a) + f(b)) je obsah lichobnka,
a proto se tato formule nazv lichobnkov pravidlo.
b) Nech n = 2. V tomto ppad aproximujeme f polynomem P
2

2
, neboli
f nahradme parabolou. Vsledn formule je tvaru
_
b
a
f(x) dx =
b a
6
_
f(a) + 4f
_
a + b
2
_
+f(b)
_
1
90
_
b a
2
_
5
f
(4)
()
(9.22)
Toto pravidlo se nazv Simpsonovo nebo tak parabolick pravidlo. Dkaz
viz cvien.
Pklad 9.10. Uitm a) lichobnkovho, b) Simpsonova pravidla vypotte in-
tegrl
_
1
0
dx
1 +x
2
(pesn hodnota je

4
).
a)
_
1
0
dx
1 +x
2

1
2
_
1 +
1
2
_
=
3
4
b)
_
1
0
dx
1 +x
2

1
6
_
1 + 4
4
5
+
1
2
_
=
47
60
Na obrzku 9.5 vidme prbh integrovan funkce a plochy ohranien rkova-
nou kivkou, kter se pouvaj k piblinmu vpotu integrlu lichobnkovm
a Simpsonovm pravidlem.
0 0.5 1
0
0.5
1
0 0.5 1
0
0.5
1
Obr. 9.5: Lichobnkov a Simpsonovo pravidlo pro funkci f(x) =
1
1+x
2
.
Aproximujme nyn funkci f interpolanm polynomem v bodech x
1
, . . . , x
n1
,
tj. pouze ve vnitnch uzlech intervalu [a, b]. Stejnm zpsobem jako dve ob-
drme formuli
_
b
a
f(x)w(x) dx =
n1
i=1
A
i
f(x
i
) +
1
(n 1)!
_
b
a
w(x)
n1
(x)f
(n1)
() dx,
kde A
i
, i = 1, . . . , n, jsou opt Cotesova sla. Tuto kvadraturn formuli nazvme
Newtonovou-Cotesovou formul otevenho typu, integran meze nejsou uzly kva-
draturn formule. Zejm je stupe pesnosti tto formule alespo n2. Je-li opt
vahov funkce sud vzhledem k s = (a +b)/2 a n je slo sud, je pesnost formule
n 1.
Odvodme nyn nejjednodu formuli tohoto typu (w(x) 1, n = 2). Vahov
funkce je v tomto ppad sud a ukeme, e pesnost tto formule je 1.
Funkci f aproximujeme interpolanm polynomem P
0

0
v bod ((a +
b)/2, f((a +b)/2)), tj.
f(x) = f
_
a +b
2
_
+
_
x
a +b
2
_
f
(), = (x),
(P
0
(x) f((a +b)/2)). Integrujeme:
_
b
a
f(x)dx =
_
b
a
f
_
a +b
2
_
dx +
_
b
a
_
x
a +b
2
_
f
() dx =
= (b a)f
_
a +b
2
_
+
_
b
a
_
x
a +b
2
_
f
() dx.
Vypoteme nyn chybu
R(f) =
_
b
a
_
x
a +b
2
_
f
() dx.
Tento integrl budeme potat metodou per partes a to takto:
u(x) =
_
x
a
_
t
a +b
2
_
dt, v(x) = f
()
u
(x) =
_
x
a +b
2
_
, v
(x) =
f
()
2!
[a, b],
(pro vpoet v
jsme uili vty 7.1). Je zejm u(x) = (x a)(x b)/2 a u(a) =

u(b) = 0 a u(x) 0 pro x [a, b]. Pro n integrl mme
R(f) = [u(x)v(x)]
b
a
_
b
a
u(x)v
(x) dx =
1
4
_
b
a
(x a)(x b)f
() dx.
Za pedpokladu, e f C
2
([a, b]), lze ut druh vty o stedn hodnot integrlu,
nebo funkce u nemn znamnko na tomto intervalu:
R(f) =
f
()
4
_
b
a
(x a)(x b) dx =
(b a)
3
24
f
(
1
),
1
(a, b).
Vsledn formule
_
b
a
f(x) dx = (b a)f
_
a +b
2
_
+
(b a)
3
24
f
(
1
)
se nazv obdlnkov pravidlo, nebo Q(f) = (ba)f((a+b)/2) je obsah obdlnka
o stranch (b a) a f((a +b)/2).
Pklad 9.11. Uitm obdlnkovho pravidla vypotte
1
_
0
1/(1 +x
2
) dx. (pesn
hodnota je /4.)
een.
_
1
0
dx
1 +x
2
1
1
1 + 1/4
= 4/5.
Nsledujc tabulky ukazuj pehled nejuvanjch Newtonovch-Cotesovch
kvadraturnch formul.
Newtonovy-Cotesovy formule uzavenho typu:
1.
_
b
a
f(x) dx =
b a
2
(f(a) +f(b))
(b a)
3
12
f
(
1
), a <
1
< b
2.
_
b
a
f(x) dx =
b a
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
_
b a
2
_
5
f
(4)
(
2
)
90
,
a <
2
< b
3.
_
b
a
f(x) dx =
b a
8
_
f(a) + 3f
_
a +
b a
3
_
+ 3f
_
a + 2
b a
3
_
+
+f(b)
_
3
80
_
b a
3
_
5
f
(4)
(
3
), a <
3
< b
4.
_
b
a
f(x) dx =
b a
90
_
7f(a) + 32f
_
a +
b a
4
_
+ 12f
_
a +
b a
2
_
+
+ 32f
_
a + 3
b a
4
_
+ 7f(b)
_
_
b a
4
_
7
8
945
f
(6)
(
4
),
a <
4
< b
Formule 3. se tak nazv Newtonovo pravidlo nebo pravidlo 3/8.
Newtonovy-Cotesovy formule otevenho typu:
5.
_
b
a
f(x) dx = (b a)f
_
a +b
2
_
+
(b a)
3
24
f
(
5
), a <
5
< b
6.
_
b
a
f(x) dx =
b a
2
_
f
_
a +
b a
3
_
+f
_
a + 2
b a
3
__
+
+
_
b a
3
_
3
f
(
6
)
4
, a <
6
< b
7.
_
b
a
f(x) dx =
b a
3
_
2f
_
a +
b a
4
_
f
_
a +
b a
2
_
+
+ 2f
_
a + 3
b a
4
__
+
28
90
_
b a
4
_
5
f
(4)
(
7
), a <
7
< b
8.
_
b
a
f(x) dx =
b a
24
_
11f
_
a +
b a
5
_
+f
_
a + 2
b a
5
_
+
+f
_
a + 3
b a
5
_
+ 11f
_
a + 4
b a
5
__
+
+
95
144
_
b a
5
_
5
f
(4)
(
8
), a <
8
< b
Pklad 9.12. Na zvr tohoto odstavce uvedeme zajmav pklad. Uvaujme
integrl
2
_
0
sin
2
xdx,
jeho pesn hodnota je /4. Ukeme, e vechny Newtonovy-Cotesovy formule
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
/4 /2
Obr. 9.6: Integrace funkce f(x) = sin
2
x.
dvaj pesnou hodnotu /4:
Vme, e uzly Newtonovch-Cotesovch formul jsou ekvidistantn a jsou syme-
tricky rozloeny vzhledem ke stedu s intervalu [a, b]. V naem ppad s = /4.
Vechny tyto formule maj stupe pesnosti N 1, a tedy zejmna pro funkci
f(x) 1 plat
2
_
0
1dx =
n
i=0
A
i

n
i=0
A
i
=

2
.
Na druh stran z vlastnost funkce f(x) = sin
2
x, x [0, /2] plyne opt ze
symetrie uzl vzhledem k bodu s = /4, e
f(x
i
) +f(/2 x
i
) = 1 .
Zejm plat x
i
= i /2, x
ni
= /2 x
i
, a odtud
n
i=0
A
i
f(x
i
) =
1
2
n
i=0
A
i
(f(x
i
) +f(/2 x
i
)) =
1
2
n
i=0
A
i
=

4
,
nebo koecienty odpovdajc symetrickm uzlm jsou stejn.
Podvejme se jet na vpoet tohoto integrlu pomoc Gaussovy-Legendrovy
formule (9.17). Nejdve je teba ut substituce tak, abychom dan integrl pe-
vedli na integrl s mezemi 1, 1.
2
_
0
sin
2
xdx =
y =
4
x 1
=

4
1
_
1
sin
2
(y + 1)
4
dy .
Nyn tato formule d hodnotu
4
1
_
1
sin
2
(y + 1)
4
dy =

4
2 sin
2

4
=

4
.
Dostali jsme opt pesnou hodnotu. Gaussova-Legendreova formule je toti pro
ppad n = 0 toton s obdlnkovm pravidlem pro interval [1, 1]!
9.4. Lobattova kvadraturn formule
Zmnme se strun o ppadu, kdy jsou pro kvadraturn formuli pedepsny pouze
nkter uzly. Problematiku objasnme pro integrl
I(f) =
_
1
1
f(x) dx.
Nam kolem je najt kvadraturn formuli tvaru
Q(f) = A
0
f(1) +
n1
i=1
A
i
f(x
i
) +A
n
f(1).
Celkov poet neznmch je 2n: uzly x
1
, . . . , x
n1
a koecienty A
0
, A
1
, . . . , A
n
.
Lze oekvat, e pesnost takov formule bude 2n 1, nebo meme poadovat
splnn nsledujcch podmnek:
_
1
1
x
k
dx = A
0
(1)
k
+
n1
i=1
A
i
x
k
i
+A
n
, k = 0, 1, . . . , 2n 1.
Nech nyn P
1

1
je interpolan polynom pro funkci f v bodech -1, 1; je
zejm
P
1
(x) =
1 x
2
f(1) +
1 +x
2
f(1).
9.4. Lobattova kvadraturn formule 255
Dan integrl vyjdme ve tvaru
I(f) =
_
1
1
P
1
(x) dx +
_
1
1
f(x) P
1
(x)
1 x
2
w(x) dx, (9.23)
kde w(x) = 1 x
2
.
Nyn pro vpoet druhho integrlu sestrojme Gaussovu kvadraturn formuli
s vahou w(x):
_
1
1
f(x) P
1
(x)
1 x
2
w(x) dx
n1
i=1
A
i
f(x
i
) P
1
(x
i
)
1 x
2
i
. (9.24)
Zde

A
i
jsou koecienty Gaussovy kvadraturn formule pro vahovou funkci w(x) =
1 x
2
a x
1
, . . . , x
n1
jsou koeny ortogonlnho polynomu s vahou w(x) = 1 x
2
na intervalu [1, 1].
Pipomnme, e z vlastnost ortogonlnch polynom plyne, e x
i
,= 1,
i = 1, . . . , n 1. Vypoteme-li pmo integrl v (9.23), dostaneme poadovanou
kvadraturn formuli
_
1
1
f(x) dx A
0
f(1) +
n1
i=1
A
i
f(x
i
) +A
n
f(1), (9.25)
kde
A
i
=
A
i
1 x
2
i
, i = 1, . . . , n 1,
A
0
= 1
n1
i=1
A
i
1
2(1 +x
i
)
,
A
n
= 1
n1
i=1
A
i
1
2(1 x
i
)
.
Tato formule se nazv Lobattova kvadraturn formule. Koecienty a uzly tto
formule jsou tabelovny a lze je najt nap. v [19]. Lze ovit, e tato formule m
pesnost 2n 1 a chybu lze vyjdit ve tvaru ([19]):
R(f) =
f
(2n)
()
(2n)!
_
1
1
2n
(x) dx, (1, 1),
2n
(x) = (x
2
1)(x x
1
)
2
. . . (x x
n1
)
2
. (Pro odvozen tohoto vztahu lze ut
Hermitova interpolanho polynomu.)
Pklad 9.13. Pro n = 3 je Lobattova kvadraturn formule tvaru
_
1
1
f(x) dx =
1
6
_
f(1) + 5f
_
5
5
_
+ 5f
_
5
5
_
+f(1)
_
2
2,3625.10
4
f
(6)
(), (1, 1).
Vypotme pomoc tto formule integrl:
_
1
1
dx
1 +x
2

1
6
_
_
_
1
2
+ 5
1
1 +
_
5
5
_
2
+ 5
1
1 +
_
5
5
_
2
+
1
2
_
_
_ = 1,55
Pklad 9.14. Pro vpoet integrlu
1
_
1
f(x)dx
najdte formuli ve tvaru
Q(f) = A
0
f(1) +A
1
f(x
1
) .
een: Lze oekvat stupe pesnosti N 2. Z podmnek R(x
0
) = R(x
1
) =
R(x
2
) = 0 plyne
A
0
+A
1
= 2
A
0
(1) +A
1
x
1
= 0
A
0
(1)
2
+A
1
x
2
1
=
2
3
.
Polynom (x) = (x +1)(xx
1
) = x
2
+a
1
x+a
2
m koeny x
0
= 1, x
1
. Je teba
urit koen x
1
. Jako u odvozen Gaussovy formule vynsobme prvn rovnici a
2
,
druhou a
1
, tet jednikou a seteme. Vsledkem je rovnice
2a
2
+
2
3
= 0 .
Odtud a
2
= 1/3. Polynom (x) = x
2
+ a
1
x 1/3 m koen x
0
= 1 tedy
1 a
1
1/3 = 0 odkud a
1
= 2/3 a koen x
1
= 1/3.
Koecienty A
0
, A
1
urme z prvnch dvou rovnic: A
0
= 1/2, A
1
= 3/2. V-
sledn formule je tvaru
Q(f) =
1
2
f(1) +
3
2
f(
1
3
) .
Koecienty tto formule lze rovn zskat integrac interpolanho polynomu v bo-
dech x
0
= 1, x
1
= 1/3. Odtud pak snadno zskme vyjden chyby
R(f) =
1
_
1
(x + 1)(x 1/3)
6
f
()dx, = (x).
9.5. ebyevova kvadraturn formule 257
9.5. ebyevova kvadraturn formule
Podvejme se nyn na kvadraturn formuli z vpoetnho hlediska. Formule
_
b
a
w(x)f(x) dx
n
i=0
A
i
f(x
i
)
poaduj (n+1) nsoben a n stn. Jestlie vak jsou vechny koecienty stejn,
tj. A = A
i
, i = 0, 1, . . . , n, pak je teba pouze jedno nsoben a n stn.
Kvadraturn formule tohoto typu
_
b
a
w(x)f(x) dx A
n
i=0
f(x
i
) (9.26)
se nazvaj ebyevovy kvadraturn formule. Tyto formule maj jet dal uite-
nou vlastnost, a to:
Jsou-li dny hodnoty f(x
i
) s chybami
i
, pak vsledn chyba zpsoben tmito
nepesnostmi bude nejmen prv v ppad, kdy A = A
i
, i = 0, 1, . . . , n.
V uveden formuli (9.26) mme k dispozici (n + 2) volnch parametr
koecient A a uzly x
0
, x
1
, . . . , x
n
. Lze oekvat, e pesnost formule bude n + 1;
meme toti poadovat splnn rovnic
_
b
a
x
k
w(x) dx = A
n
i=0
x
k
i
, k = 0, 1, . . . , n + 1. (9.27)
Z prvn rovnice ihned plyne
A =
1
n + 1
_
b
a
w(x) dx.
Ale eit soustavu (9.27) nen jednoduch zleitost. Pro interval [1, 1] a va-
hovou funkci w(x) 1 eil tuto lohu P. L. ebyev a nalezl een pro n =
0, 1, 2, 3, 4, 5, 6. Pro n = 7 dokzal, e uzly x
i
jsou komplexn sla.
Tmto problmem se rovn zabval S. N. Berntejn a ukzal, e pro n > 8
nem tato loha een ([2]). Tedy pro interval [1, 1] a vahovou funkci w(x) 1
lze sestrojit ebyevovy formule pro n = 0, 1, 2, 3, 4, 5, 6, 8 a tyto formule jsou
tvaru
_
1
1
f(x) dx =
2
n + 1
n
i=0
f(x
i
) +R(f).
Chybu tto formule lze vyjdit nap. uitm Peanovy vty ([8], [5]).
I kdy ebyevovy formule uvedenho tvaru lze sestrojit pouze pro mal poet
uzl, je tento poet dostaten, nebo jak ukeme dle, uvme obvykle kvadra-
turnch formul nich d.
Pklad 9.15. Odvote ebyevovu kvadraturn formuli ve tvaru
1
_
1
f(x)dx A(f(x
0
) +f(x
1
) +f(x
2
)) .
een: V tomto ppad me bt stupe pesnosti N 3. Ze vztah R(x
0
) =
R(x
1
) = R(x
2
) = R(x
3
) = 0 dostvme
A(x
0
0
+x
0
1
+x
0
2
) = 2
A(x
0
+x
1
+x
2
) = 0
A(x
2
0
+x
2
1
+x
2
2
) =
2
3
A(x
3
0
+x
3
1
+x
3
2
) = 0 .
(9.28)
Z prvn rovnice plyne, e A = 2/3. Nech nyn
3
(x) = (xx
0
)(x x
1
)(x x
2
) =
x
3
+a
1
x
2
+a
2
x+a
3
je neznm polynom, jeho koeny jsou prv uzly x
0
, x
1
, x
2
.
Dle prvn rovnici vynsobme a
3
, druhou a
2
, tet a
1
, tvrtou jednikou a seteme.
Vsledkem je rovnice
2a
3
+
2
3
a
1
= 0 .
Z Newtonovch vztah mezi koeny a koecienty plynomu plyne:
x
0
+x
1
+x
2
=
a
1
a
0
, kde a
0
= 1 ,
take z druh rovnice systmu (9.28) plyne, e a
1
= 0. Tedy tak a
3
= 0. Koecient
a
2
urme opt pouitm Newtonovch vztah:
x
0
x
1
+x
1
x
2
+x
0
x
2
=
a
2
a
0
. (9.29)
Z ve uveden soustavy rovnic plyne
x
0
+ x
1
+x
2
= 0
x
2
0
+ x
2
1
+x
2
2
= 1 .
Odtud
(x
0
+x
1
+x
2
)
2
(x
2
0
+x
2
1
+x
2
2
) = 1
x
0
x
1
+x
1
x
2
+x
0
x
2
=
1
2
.
A z (9.29) plyne, e a
2
= 1/2.
9.5. ebyevova kvadraturn formule 259
Polynom
3
m koecienty : a
0
= 1, a
1
= 0, a
2
= 1/2, a
3
= 0, tedy
3
=
x
3
1/2 a koeny tohoto polynomu jsou
x
0
=
2
2
, x
1
= 0, x
2
=
2
2
.
Q(f) =
2
3
(f(
2
2
) +f(0) +f(
2
2
)) .
Chybu tto kvadraturn formule lze spotat integrac chyby pi interpolaci poly-
nomem P
2

2
v uzlech
2/2,

2/2:
R(f) =
1
3!
1
_
1
x(x
2
1
2
)f
(3)
((x))dx =
1
360
f
(4)
()
a pout podobnho postupu jako pi odvozen chyby obdlnkovho pravidla.
Pklad 9.16. Uitm ebyevovy formule
_
1
1
f(x) dx =
2
3
_
f
_
2
2
_
+f(0) + f
_
2
2
__
+
1
360
f
(4)
(), 1 < < 1,
vypotte integrl
_
1
1
dx
1 +x
2
,
jeho pesn hodnota je /2.
een.
_
1
1
dx
1 +x
2

2
3
_
_
_
1
1 +
_
2
2
_
2
+ 1 +
1
1 +
_
2
2
_
2
_
_
_ =
14
9
= 1,55.
Pro ilustraci uvedeme jet dal formule ebyevova typu
n = 1 :
_
1
1
f(x) dx = f
_
3
3
_
+f
_
3
3
_
+
1
135
f
(4)
(), 1 < < 1,
n = 3 :
_
1
1
f(x) dx =
1
2
_
_
f
_
_
5 + 2
3
5
_
_
+f
_
_
5 2
3
5
_
_
+
+f
_
_
5 2
3
5
_
_
+f
_
_
5 + 2
3
5
_
_
_
_
+
2
42525
f
(6)
(
1
),
1 <
1
< 1.
Vidme, e pro n = 1 dostvme formuli totonou s Gaussovou-Legendrovou
kvadraturn formul. Tento vsledek bylo mon oekvat a je dsledkem toho, e
v tto formuli jsou oba koecienty stejn.
9.6. Sloen kvadraturn formule
Uvaujme integrl
_

0
sin x dx,
jeho pesn hodnota je 2. Vypotejme nyn tento integrl lichobnkovm pra-
vidlem:
Q(f) =

2
(sin + sin 0) = 0.
Vysvtlen spov v tom, e lichobnk v tomto ppad degeneruje v seku
[0, ].
Rozdlme nyn interval [0, ] na dva subintervaly [0, /2], [/2, ] a na kadm
z nich aplikujme lichobnkov pravidlo:
_

0
sinx dx =
_
2
0
sin x dx +
_

2
sin x dx

4
_
sin0 + sin

2
_
+

4
_
sin

2
+ sin
_
=

2
.
Pi rozdlen intervalu na tyi subintervaly dlky /4 dostaneme
_

0
sin x dx
2 + 1
4
.
Uveden postup lze aplikovat i na dal typy kvadraturnch formul. Postupu-
jeme pitom takto:
Dan interval rozdlme na M subinterval a na kadm z tchto subinterval
aplikujeme kvadraturn formuli Q(f). Tm je dna na intervalu [a, b] nov kvad-
raturn formule, kterou budeme nazvat sloenou kvadraturn formul a budeme
pst
Q
M
(f) =
Q(f).
Pokud je dlen intervalu [a, b] ekvidistantn s krokem h, budeme rovn uvat
oznaen Q
h
(f), h = (b a)/M.
Nyn se budeme podrobnji zabvat sloenm lichobnkovm pravidlem,
kter pat k nejuvanjm formulm tohoto typu.
Nech je dno dlen intervalu [a, b]:
a = x
0
< x
1
< . . . < x
M
= b,
9.6. Sloen kvadraturn formule 261
piem x
i+1
x
i
= h, i = 0, 1, . . . , M1, h > 0. Na kadm subintervalu [x
i
, x
i+1
]
aproximujeme lichobnkovm pravidlem integrl
_
xi+1
xi
f(x) dx =
h
2
(f(x
i
) +f(x
i+1
))
h
3
12
f
(
i
), x
i
<
i
< x
i+1
.
Pro dan integrl dostaneme
_
b
a
f(x) dx =
M1
i=0
_
xi+1
xi
f(x) dx =
h
2
M1
i=0
(f(x
i
) +f(x
i+1
))
h
3
12
M1
i=0
f
(
i
).
(9.30)
Podvejme se nyn na chybu tto aproximace. Je
R(f) =
h
3
12
M1
i=0
f
(
i
). (9.31)
Pedpokldejme, e f
je spojit v [a, b] a polome L = max

axb
f
(x), l =
min
axb
f
(x). Pak
Ml
M1
i=0
f
(
i
) ML
a
l
1
M
M1
i=0
f
(
i
) L.
Nyn, protoe f
je spojit, mus nabvat kad hodnoty mezi svou maximln

a minimln hodnotou na intervalu. Odtud plyne, e existuje takov [a, b], e
f
() =
1
M
M1
i=0
f
(
i
).
Kdy se vrtme k vyjdenm (9.30), (9.31), lze zapsat chybu ve tvaru
R(f) =
(b a)
3
12M
2
f
()
a aproximaci integrlu sloenm lichobnkovm pravidlem
_
b
a
f(x) =
h
2
(f(x
0
) + 2f(x
1
) +. . . + 2f(x
M1
) +f(x
M
))
(b a)
3
12M
2
f
(), a < < b.

(9.32)
Tedy
Q
M
(f) =
h
2
(f(x
0
) + 2f(x
1
) +. . . + 2f(x
M1
) +f(x
M
)).
1 0.5 0 0.5 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
y
Obr. 9.7: Sloen lichobnkov pravidlo, f(x) = 1/(1 + x
2
), Q(f) = 1,55
Poznmka 8. Z tvaru chyby v (9.32) je vidt, e s rostoucm potem interval
konverguj aproximace k pesn hodnot integrlu.
Geometrick vznam sloenho lichobnkovho pravidla ilustruje obr. 9.7,
kde M = 4. Graf dan funkce je vyznaen plnou arou, odpovdajc lichobnky
jsou vyznaeny rkovan.
Pi aplikaci sloenho lichobnkovho pravidla je vhodn poloit M
k
= 2
k
,
k = 0, 1, 2, . . . a potat postupn hodnoty formul Q
M
k
(f), k = 0, 1, . . ., tj. na
kadm kroku zdvojnsobit poet subinterval. Vhodou tohoto postupu je sku-
tenost, e ji jednou vypoten hodnoty funkce f se pouij ve vech dalch
krocch. Tuto vlastnost obecn kvadraturn formule nemaj, nap. pi pouit slo-
ench Gaussovch formul, je teba vdy znovu spotat vechny funkn hodnoty.
Pro toto dlen intervalu meme zapsat sloen lichobnkov pravidlo ve
tvaru, kter je vhodn zejmna pro uit na potai. Snadno lze toti ukzat, e
Q
M
k
(f) =
1
2
_
_
Q
M
k1
(f) +
b a
2
k1
2
k1
i=0
f
_
a +
2
i
1
2
k
(b a)
_
_
_
, (9.33)
kde M
k
= 2
k
, k = 0, 1, . . .
Dkaz tohoto vyjden ponechvme do cvien.
Rozdlme nyn interval [a, b] na 2M subinterval s dlicmi body a = x
0
<
x
1
< . . . < x
2M
= b, x
i
x
i1
= h, h = (b a)/2M. Na kadm subintervalu
dlky 2h aplikujme Simpsonovo pravidlo. Vsledn formule
_
b
a
f(x) dx =
h
3
_
_
f(a) + 2
M1
j=1
f(x
2j
) + 4
M
j=1
f(x
2j1
) +f(b)
_
_
9.6. Sloen kvadraturn formule 263
b a
180
h
4
f
(4)
(), a < < b,
se nazv sloen Simpsonovo pravidlo.
Vraz pro chybu se odvod stejnm zpsobem jako u sloenho lichobnko-
vho pravidla.
1 0.75 0.5 0.25 0 0.25 0.5 0.75 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
y
Obr. 9.8: Sloen Simpsonovo pravidlo, f(x) = 1/(1 + x
2
), Q(f) = 1,5667
Obr. 9.8 ilustruje geometrick vznam sloenho Simpsonova pravidla pro
M = 2, tj. h =
1
2
, tj. interval [1, 1] rozdlme na 4 subintervaly dlky h =
1
2
a na 2 subintervalech dlky 2h = 1 aplikujeme Simpsonovo pravidlo. Grafy dvou
pslunch parabol jsou vyznaeny rkovan.
Nyn opt uvedeme zajmav pklad tkajc se aplikace sloenho lichobn-
kovho pravidla.
Mjme integrl
K =
_
1
0
f(x)
f(x) +f(1 x)
dx. (9.34)
Obdobnm zpsobem jako pi vpotu integrlu (9.18) lze ukzat, e K =
1
2
. Apli-
kujme nyn sloen lichobnkov pravidlo na vpoet tohoto integrlu. Polome
F(x) =
f(x)
f(x) +f(1 x)
.
Je jasn, e
F(x) +F(1 x) = 1. (9.35)
Dle vme, e uzly dlen jsou ekvidistantn a x
Mi
= 1x
i
, h = 1/M. Aplikujme
nyn sloen lichobnkov pravidlo na funkci F(x). Je
Q
M
(F) =
1
M
_
1
2
F(x
0
) +F(x
1
) +. . . +F(x
M1
) +
1
2
F(x
M
)
_
=
=
1
2M
_
1
2
F(x
0
) +F(x
1
) +. . . +F(x
M1
) +
1
2
F(x
M
) +
+
1
2
F(1 x
0
) +F(1 x
1
) +. . . +F(1 x
M1
) +
1
2
F(x
0
)
_
Vezmeme-li v vahu (9.35), dostaneme
Q
M
(F) =
1
2M
_
1
2
+ (M 1) +
1
2
_
=
1
2
.
Vidme, e sloen lichobnkov pravidlo dv pesnou hodnotu integrlu K.
9.7. Adaptivn kvadraturn formule
Jak jsme ji uvedli, sloen kvadraturn formule obvykle uvaj ekvidistantnho
dlen intervalu. Ale tento postup nen vhodn v ppad, kdy integran inter-
val obsahuje jak subintervaly, kde funkce znan osciluje, tak tak subintervaly,
kde funkn hodnoty se nemn pli rychle. To znamen, e v prvnm ppad je
vhodn men krok dlen, aby pslun kvadraturn formule vhodn vystihla cho-
vn funkce, v druhm ppad krok dlen me bt vt. Efektivn metody, kter
mohou pizpsobit dlku kroku variaci funkce, se nazvaj adaptivn kvadraturn
formule.
V systmu MATLAB jsou uvedeny dv metody tohoto typu:
1) QUAD adaptivn kvadraturn formule zaloen na Simpsonov pravidle,
2) QUAD 8 adaptivn kvadraturn formule zaloen na pravidle 3/8.
Vysvtlme strun podstatu metody QUAD. Je teba aproximovat integrl
I(f) =
_
b
a
f(x) dx
s chybou men ne , > 0. Ozname S(a, b) Simpsonovo pravidlo pro interval
[a, b],
S(a, b) =
h
3
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
, h =
b a
2
.
Pak
_
b
a
f(x) dx = S(a, b)
h
5
90
f
(4)
(), a < < b. (9.36)
Aplikujme nyn sloen Simpsonovo pravidlo pro dva subintervaly [a, (a + b)/2],
[(a +b)/2, b], tj. krok dlen je h
1
= h/2 = (b a)/4. Aproximace integrlu je nyn
tvaru
_
b
a
f(x) dx =
h
6
_
f(a) + 4f
_
a +
h
2
_
+ 2f(a +h) + 4f
_
a +
3
2
h
_
+f(b)
_
_
h
2
_
4
b a
180
f
(4)
( ), a < < b.
(9.37)
9.7. Adaptivn kvadraturn formule 265
Polome
S
_
a,
a +b
2
_
=
h
6
_
f(a) + 4f
_
a +
h
2
_
+f(a +h)
_
,
S
_
a +b
2
, b
_
=
h
6
_
f(a +h) + 4f
_
a +
3
2
h
_
+f(b)
_
.
Vztah (9.37) meme nyn zapsat ve tvaru
_
b
a
f(x) dx = S
_
a,
a + b
2
_
+S
_
a +b
2
, b
_
1
16
h
5
90
f
(4)
( ). (9.38)
Pedpokldejme nyn, e f
(4)
se pli nemn v [a, b], tj. pedpokldejme, e
f
(4)
() f
(4)
( ). Za tohoto pedpokladu vztahy (9.36) a (9.38) implikuj
S
_
a,
a +b
2
_
+S
_
a +b
2
, b
_
1
16
h
5
90
f
(4)
() S(a, b)
h
5
90
f
(4)
().
Odtud
h
5
90
f
(4)
()
16
15
_
S(a, b) S
_
a,
a +b
2
_
S
_
a +b
2
, b
__
.
Uijeme-li tohoto vyjden ve vztahu (9.38), dostaneme
_
b
a
f(x) dx S
_
a,
a +b
2
_
S
_
a +b
2
, b
_
1
15
S(a, b) S
_
a,
a +b
2
_
S
_
a +b
2
, b
_
.
(9.39)
Tento vztah znamen, e souet (S(a, (a+b)/2) +S((a+b)/2, b)) aproximuje dan
integrl 15krt lpe ne (tent souet) aproximuje hodnotu S(a, b).
To znamen, e S(a, (a+b)/2) +S((a+b)/2, b) bude aproximovat integrl I(f)
s pesnost , za pedpokladu, e S(a, (a +b)/2) +S((a +b)/2, b) se li od S(a, b)
o mn ne 15, tj. je-li
S(a, b) S
_
a,
a +b
2
_
S
_
a +b
2
, b
_
< 15, (9.40)

pak
I(f) S
_
a,
a +b
2
_
S
_
a +b
2
, b
_
< . (9.41)
Je-li tedy splnna podmnka (9.40), je integrl aproximovn s dostatenou pes-
nost.
Jak je tedy zkladn mylenka programu QUAD? Testujeme, zda je splnna
podmnka (9.40). Je-li splnna, je integrl aproximovn s dostatenou pesnost.
Jestlie podmnka (9.40) nen splnna, aplikujeme ve uveden postup na kad
subinterval [a, (a + b)/2], [(a + b)/2, b] zvl a poadujeme, aby chyba byla na
kadm z tchto subinterval men ne /2. Pak je celkov chyba men ne .
Je-li chyba aproximace na nkterm ze subinterval vt ne /2, pak se opt
rozdl tento subinterval na dva intervaly a poaduje se, aby chyba aproximace
na kadm z nich byla men ne /4. Postup opakujeme tak dlouho, pokud nen
dosaeno poadovan pesnosti.
Obr. 9.9 ilustruje pouit adaptivn formule QUAD. Na ose x jsou vyznaeny
koncov body interval, kter odpovdaj dlen pi realizaci procedury QUAD,
f(x) =
100
x
2
sin
10
x
,
tolerance 0,03, Q(f) = 1,413.
1 1.5 2 2.5 3
60
40
20
0
20
40
60
x
y
Obr. 9.9: QUAD pro vpoet integrlu
3
R
1
100
x
2
sin
10
x
dx
Program QUAD 8 je konstruovn podobnm zpsobem zaloenm na pravidle
3/8.
9.8. Rombergova integrace
Lze ukzat ([5], [19]), e sloen lichobnkov pravidlo s krokem h meme vy-
jdit ve tvaru
Q
h
(f) =
_
b
a
f(x) dx +c
1
h
2
+c
2
h
4
+. . . +c
m
h
2m
+
m+1
(h)h
2m+2
, (9.42)
kde [
m+1
(h)[ A
m+1
pro vechna h = (b a)/M, M = 1, 2, . . .
9.8. Rombergova integrace 267
Na tomto vyjden je zaloena velice uiten a elegantn Rombergova kvad-
raturn formule. Posledn len ve vyjden (9.42) je relativn mal a meme jej
tedy zanedbat,
Q
h
(f) I(f) +
m
i=1
c
i
h
2i
, I(f) =
_
b
a
f(x) dx. (9.43)
Polome
P
m
(y) = I(f) +c
1
y +. . . +c
m
y
m
. (9.44)
Je zejm P
m

m
, P
m
(0) = I(f). Nam kolem je najt piblinou hodnotu
P
m
(0). Budeme postupovat takto:
Z (9.43) a (9.44) plyne piblin vztah
P
m
(h
2
) Q
h
(f). (9.45)
Uvaujme nyn posloupnost
k
dlen intervalu [a, b];
k
: x
i
= x
0
+ ih
k
,
i = 0, 1, . . . , k, x
0
= a, x
k
= b, h
k
= (b a)/2
k
, k = 0, 1, . . . , m. Nech Q
h
k
(f) je
hodnota lichobnkovho pravidla odpovdajc kroku h
k
. Podle (9.45) je
P
m
(h
2
k
) Q
h
k
(f), k = 0, 1, . . . , m. (9.46)
Pro funkci P
m
(y) znme (piblin) hodnoty v (m+1) rznch bodech y
k
= h
2
k
=
((b a)/2
k
)
2
. Sestrojme pro tyto hodnoty (y
k
, P
m
(y
k
)), k = 0, . . . , m, pslun
Lagrangev interpolan polynom:
P
m
(y) =
m
k=0
l
k
(y)P
m
(y
k
)
m
k=0
l
k
(y)Q
h
k
(f),
kde l
k
, k = 0, . . . , m, jsou fundamentln polynomy (rovnost plyne z jednoznanosti
interpolanho polynomu). Spotejme hodnotu P
m
(0):
P
m
(0)
m
k=0
l
k
(0)Q
h
k
(f) =
m
k=0
d
k
Q
h
k
(f),
kde jsme poloili l
k
(0) = d
k
, k = 0, 1, . . . , m. Pro vpoet danho integrlu jsme
nalezli formuli
_
b
a
f(x) dx
m
k=0
d
k
Q
h
k
(f),
kterou nazvme Rombergovou kvadraturn formul.
Rombergova formule pat mezi tzv. extrapolan metody, nebo hodnotu
P
m
(0) jsme zskali extrapolac (bod 0 le vn intervalu [h
2
m
, h
2
0
]).
Poznmka 9. Vpoet integrlu Rombergovou formul lze velmi efektivn provst
uitm Nevillova schematu pro iterovanou interpolaci.
Polome nejdve Q
h
k
(f) = T
k0
, k = 0, . . . , m. Vpoet lze uspodat do n-
sledujc tabulky (stejn jako u Nevillova schematu):
h
2
0
T
00
h
2
1
T
10
T
11
h
2
2
T
20
T
21
T
22
h
2
3
T
30
T
31
T
32
T
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
kde (viz Nevillovo schema, kap. 6)
T
ij
(y) =
(y y
ij
)T
i,j1
(y) (y y
i
)T
i1,j1
(y)
y
i
y
ij
,
j = 1, 2, 3, . . .
i = j, j + 1, . . .
a pro y = 0 a y
i
= ((b a)/2
i
)
2
dostaneme rekurentn vztah
T
ij
=
4
j
T
i,j1
T
i1,j1
4
j
1
,
j = 1, 2, . . . , m
i = j, j + 1, . . . , m
(9.47)
T
mm
= P
m
(0) I(f).
Kad len tabulky T
ij
pedstavuje ve skutenosti linern kvadraturn formuli pro
krok dlky h
j
= (b a)/2
j
:
T
ij
=
0
f(a) +
1
f(a +h
j
) +. . . +
j1
f(b h
j
) +
j
f(b).
Nkter z tchto formul, ale ne vechny, jsou pro i = k formule Newtonova
typu, nap. T
11
je Simpsonovo pravidlo:
T
11
=
4
3
T
10
1
3
T
00
=
b a
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
.
Poznmka 10. Lze ukzat ([4]), e pro chybu Rombergovy integrace plat
T
ij

_
b
a
f(x) dx = (b a)
_
(b a)
2
2
2ij
_
j+1
(1)
j
B
2j+2
(2j + 2)!
f
(2j+2)
(), a < < b,
pro funkci f C
2j+2
([a, b]), B
2j+2
jsou Bernoulliova sla.
Pklad 9.17. Uijte Rombergovy kvadraturn formule pro vpoet
_
0
sinx dx.
een. Polome h
0
= , h
1
=

2
, h
2
=

4
, h
3
=

8
. Pslun tabulka hodnot T
ij
:
h
2
i
T
i0
T
i1
T
i2
T
i3
h
2
0
0
h
2
1
1,57079630 2,09439511
h
2
2
1,86911890 2,00455976 1,99857073
h
2
3
1,97423160 2,00026917 1,99998313 2, 000005
9.9. Metoda polovinho kroku, pouit kvadraturnch formul 269
Lze ukzat, e posloupnost na diagonle v takov tabulce bude konvergovat
k hodnot integrlu rychleji ne posloupnost T
i0
.
Rombergova metoda m jet jednu dleitou vlastnost: umouje snadno pi-
dat dal dek znamen to pouze vypotat dal lichobnkov pravidlo a ut
vzorce (9.47). Vpoet lze toti uspodat tak, aby probhl po dcch, tj. v po-
ad T
00
, T
10
, T
11
, T
20
, T
21
, T
22
, . . . Jako testu pro zastaven vpotu lze nap-
klad pout vztahu [T
mm
T
m1,m1
[ < , > 0 je pedepsan tolerance, nebo
[T
mm
T
m,m1
[ < .
Rombergova metoda pat k velmi asto pouvanm metodm. Je vhodn
pedevm v tch vpotech, kde je poadovna mal chyba aproximace. I kdy
je tato metoda velmi efektn, nen ji mon pouvat univerzln. Je to vhodn
metoda pro hladk funkce a je vdy teba pedpokldat existenci dostatenho
potu derivac funkce f na celm intervalu [a, b]. V opanm ppad nepin
Rombergova metoda dn zrychlen konvergence oproti nap. sloenmu lichob-
nkovmu pravidlu.
Zmnme se jet strun o kvadraturnch formulch s rychle oscilujcmi vaho-
vmi funkcemi, kter se napklad vyskytuj pi vpotu Fourierovch koecient.
Aplikace znmch kvadraturnch formul na integrly tohoto typu nedv dobr
vsledky. Pina selhn tchto metod je v rychl oscilaci integrandu, o jeho pr-
bhu nemaj pouit metody dostatek informace. Vpotem takovch integrl se
zabval J. Mikloko ([15]).
9.9. Metoda polovinho kroku, pouit kvadraturnch formul
Budeme se nyn zabvat otzkou volby kvadraturn formule. Uvedeme pouze fak-
tory, kter mohou mt vliv na tuto volbu, ale obecn jenoznan pravidla stanovit
nelze.
V ppad, e funkce je dna tabulkou, tj. jsou znmy jej hodnoty na ekvi-
distantn mnoin uzl, je vhodn pout Newtonovch-Cotesovch formul.
Jestlie meme odhadnout derivaci dan funkce, je mon stanovit z odhadu
chyby kvadraturn formule poet uzl potebnch k dosaen poadovan pes-
nosti. Tyto hodnoty se vak v praxi obtn odhaduj a navc Newtonovy-Cotesovy
formule vysokch d nekonverguj k pesn hodnot integrlu (viz [16], [19] a p-
klad 9.18). Proto se zpravidla postupuje tak, e uijeme sloen kvadraturn for-
mule s nim potem uzl a postupn zvyujeme poet interval tak dlouho, a
se poet desetinnch mst odpovdajcch dan pesnosti stabilizuje ve dvou po
sob jdoucch aproximacch.
Runge navrhl ponkud preciznj zpsob odhadu dosaen pesnosti (tzv. me-
todu polovinho kroku). Popeme nyn tuto metodu. Z vah v 9.6 je vidt, e
vpoet pomoc sloenho lichobnkovho resp. Simpsonova pravidla me bt
zapsn ve tvaru
I(f) = Q
M
(f) +Kh
2
resp.
I(f) = Q
M
(f) +

K
h
4
,
kde K resp.

K je souin konstanty a druh resp. tvrt derivace f v jistch bodech
intervalu [a, b]. D se ukzat i obecn ([1]), e vpoet pomoc sloen kvadraturn
formule me bt zapsn ve tvaru
I(f) Q
M
(f) +Kh
N
, h =
b a
M
,
vraz h
N
K se nazv hlavn len chyby a N 1 je stupe pesnosti kvadraturn
formule, K zvis na N-t derivaci funkce f. Vpoet veliiny K je zpravidla dosti
obtn. A proto se v praxi postupuje jinm zpsobem. Zdvojnsobme-li poet
subinterval, dostaneme aproximaci
I(f) Q
2M
+K
1
_
h
2
_
N
.
Pokud se derivace funkce f v intervalu [a, b] pli nemn, lze poloit K K
1
.
Plat tedy
I(f) Q
M
(f) +Kh
N
,
I(f) Q
2M
(f) +K
_
h
2
_
N
.
Z tchto dvou vztah vypoteme konstantu K:
K 2
N
Q
2M
(f) Q
M
(f)
(2h)
N
h
N
Nyn pro dal aproximaci integrlu obdrme
I(f) Q
2M
(f) +
Q
2M
(f) Q
M
(f)
2
N
1
.
Veliinu
z =
Q
2M
(f) Q
M
(f)
2
N
1
lze ut pro odhad chyby. Pi vpotu postupujeme takto: Potme sloen kva-
draturn formule Q
M
k
, M
k
= 2
k
M
0
, M
0
> 0, k = 0, 1, 2, . . . a na kadm kroku
potme veliinu
z
k
=
Q
M
k+1
(f) Q
M
k
(f)
2
N
1
.
Jestlie pro njak k = l je [z
l
[ < , je poadovan pesnost, pak za novou
aproximaci integrlu lze vzt hodnotu
I(f) Q
M
l+1
(f) +z
l
,
piem chyba tto aproximace [z
l
[ < . V podstat se jedn o aplikaci Richard-
sonovy extrapolace. Pro N = 2 je to prv ppad uveden v kapitole 7.
9.10. Integrly se singularitami 271
Je-li funkce dna analyticky, je teba vzt v vahu jak Newtonovy-Cotesovy
vzorce, tak i Gaussovu kvadraturn formuli. Gaussovy formule dosahuj vy pes-
nosti pi uit menho potu uzl ne Newtonovy-Cotesovy formule a potebuj
tedy potat mn funknch hodnot funkce f. Maj rovn pznivj chybov
vraz. Poadovan pesnosti lze doshnout volbou Gaussova vzorce dostaten vy-
sokho du, nebo posloupnost Gaussovch formul konverguje k pesn hodnot
integrlu. Toto jsou vhody Gaussovy formule v ppad, e pouvme jednu for-
muli. Pi pouit sloench formul je vak aplikace Gaussovch formul nronj
oproti Newtonovm-Cotesovm formulm. Toti, pi dlen danho intervalu na
M
k
= 2
k
M
0
, M
0
= pirozen slo, k = 0, 1, 2, . . ., interval lze ji jednou vypote-
nch funknch hodnot ut ve vech dalch aplikacch Newtonovch-Cotesovch
formul, ale nen tomu tak u Gaussovch formul. A proto pouit sloench Gaus-
sovch formul je nronj. Pokud jde o sloen pravidla, lze doporuit pro hladk
funkce s vhodou sloen lichobnkov pravidlo a Rombergovu integraci. V p-
pad, e integrand v urit oblasti danho intervalu znan osciluje, ale v jin
oblasti m hladk prbh, je vhodn pout adaptivnch formul.
Na zvr tohoto odstavce si ukeme, e Newtonovy-Cotesovy formule obecn
nekonverguj (viz [19]).
Pklad 9.18. Potejme piblinou hodnotu integrlu
4
_
4
dx
1 + x
2
= 2 arctan4
.
= 2, 6516353 .
Nsledujc tabulka piblinou hodnotu integrlu urenou pomoc Newtonovy-
Cotesovy formule pro dan poet uzl a pro porovnn je uveden vsledek zskan
sloenm lichobnkovm pravidlem.
n Newtonova-Cotesova formule sloen lich. pravidlo
3 5,490 4,235
5 2,278 2,918
7 3,329 2,701
9 1,941 2,659
11 3,596 2,6511
13 1,335 2,6505
Pro M
7
= 2
7
, tj. 129 funknch hodnot by pomoc sloenho lichobnkova pravi-
dla vyel integrl piblin 2, 651617, zatmco Newtonova-Cotesova formule dv
hodnotu 2.977249 a pro n = 131 hodnotu 1, 556509.
9.10. Integrly se singularitami
V pedchozch odstavcch jsme se zabvali vpotem integrlu
_
b
a
f(x) dx
a pedpokldali jsme, e funkce f m dostaten poet derivac v intervalu [a, b].
Ale v praxi se asto setkvme s ppady, e integrl nebo jeho derivace maj
singularity v [a, b]. V tomto odstavci navrhneme nkolik zpsob, jak postupovat
v takovch ppadech.
Omezme se na singularity v krajnch bodech intervalu, nebo rozdlenm in-
tervalu na subintervaly lze zvldnout i singularity uvnit intervalu.
Pi vpotu takovch integrl se ukazuje velmi vhodn postup s vahovmi
funkcemi. Dan integrand f lze toti zapsat ve tvaru
f(x) = w(x)g(x),
kde w je vahov funkce zahrnujc singularitu, g je dostaten hladk funkce. Pro
standardn vahov funkce lze ut pslunch Gaussovch kvadraturnch formul.
Jako pklad uvedeme formuli pro vpoet integrlu
_
1
0
g(x)
x
dx;
zde mme singularitu v levm krajnm bod a vahov funkce je w(x) = 1/
x.
Urme ortogonln polynomy s vahou 1/
x na intervalu [0, 1]. Vme, e pro Le-

gendrovy polynomy plat:
_
1
0
P
m
(x)P
n
(x) dx = 0 pro m ,= n.
Dle, Legendrv polynom sudho stupn obsahuje pouze sud mocniny x a je tedy
sudou funkc. Pedchoz vztah pak meme zapsat ve tvaru
0 =
_
1
1
P
2m
(x)P
2n
(x) dx = 2
_
1
0
P
2m
(x)P
2n
(x) dx, m ,= n.
Uijeme-li nyn substituce x
2
= y, dostaneme
_
1
0
1
y
P
2n
(
y)P
2m
(
y) dy = 0.
Odtud, polynomy p
n
(x) = P
2n
(
x), n = 0, 1, 2, . . ., jsou ortogonln s vahou 1/
x
na intervalu [0, 1]. Nyn ji meme sestrojit kvadraturn formuli
_
1
0
g(x)
x
dx
n
j=0
H
j
g(a
j
),
kde
a
j
= x
2
j
, j = 0, . . . , n,
x
j
je kladn koen polynomu P
2(n+1)
(polynom P
2(n+1)
m koeny x
0
,. . . ,x
n
,
x
i
,= 0, i = 0, . . . , n). Vypoteme nyn koecienty H
j
, j = 0, . . . , n:
9.10. Integrly se singularitami 273
Nech A
j
je koecient Gaussovy-Legendrovy formule odpovdajc kladnmu
koenu x
j
, j = 0, 1, . . . , n. Je
A
j
=
1
_
1
(x
2
x
2
0
) . . . (x +x
j
)(x
2
x
2
j+1
) . . . (x
2
x
2
m
)
(x
2
j
x
2
0
) . . . (2x
j
)(x
2
j
x
2
j+1
) . . . (x
2
j
x
2
m
)
dx =
=
1
_
1
x
2x
j
(x
2
x
2
0
) . . . (x
2
x
2
j1
)(x
2
x
2
j+1
) . . . (x
2
x
2
m
)
(x
2
j
x
2
0
) . . . (x
2
j
x
2
j1
)(x
2
j
x
2
j+1
) . . . (x
2
j
x
2
m
)
dx +
+
1
_
1
x
j
2x
j
(x
2
x
2
0
) . . . (x
2
x
2
j1
)(x
2
x
2
j+1
) . . . (x
2
x
2
m
)
(x
2
j
x
2
0
) . . . (x
2
j
x
2
j1
)(x
2
j
x
2
j+1
) . . . (x
2
j
x
2
m
)
dx.
Prvn integrl je roven nule, nebo integrand je lich funkce. Pro druh integrl
uijeme substituci x
2
= y:
A
j
=
1
2
1
_
1
2
(y x
2
0
) . . . (y x
2
j1
)(y x
2
j+1
) . . . (y x
2
m
)
(x
2
j
x
2
0
) . . . (x
2
j
x
2
j1
)(x
2
j
x
2
j+1
) . . . (x
2
j
x
2
m
)
dy
2
y
=
=
1
2
1
_
1
(y x
2
0
) . . . (y x
2
j1
)(y x
2
j+1
) . . . (y x
2
m
)
(x
2
j
x
2
0
) . . . (x
2
j
x
2
j1
)(x
2
j
x
2
j+1
) . . . (x
2
j
x
2
m
)
dy
y
=
=
1
2
H
j
.
Pro koecienty H
j
tedy plat
H
j
= 2A
j
, j = 0, . . . , n,
kde A
j
je koecient odpovdajc kladnmu koenu x
j
v Gaussov-Legendrov kva-
draturn formuli.
Obdobn postupujeme v ppad vahov funkce w(x) =

x, x [0, 1], pi
vpotu integrlu
_
1
0
xg(x) dx.
Integrand m tentokrt singularitu v derivaci. Polynomy ortogonln na intervalu
[0, 1] s vahou

x jsou tvaru
p
n
(x) =
1
x
P
2n+1
(
x),
kde P
2n+1
je opt Legendrv polynom stupn 2n + 1 (podrobnji viz [19]).
Je-li teba vypotat integrl
_
1
0
_
x
1 x
_1
2
g(x) dx,
zvolme za vahovou funkci w(x) = (x/(1 x))
1/2
. Polynomy ortogonln s vahou
(x/(1 x))
1/2
na intervalu [0, 1] jsou ureny vztahem
p
n
(x) =
1
x
T
2n+1
(
x),
kde T
2n+1
je ebyevv polynom stupn 2n + 1.
Pro vpoet nevlastnch integrl
_

0
f(x) dx,
_

f(x) dx
meme ut pmo Laguerrovy nebo Hermitovy kvadraturn formule.
Nevlastn integrl
_

a
f(x) dx, a > 0,
jestlie existuje, meme rovn aproximovat uitm vhodn kvadraturn formule
a to tak, e jej substituc t = x
1
nejdv pevedeme na integrl
_
1
0
1
t
2
f
_
1
t
_
dt.
Nkter dal zpsoby vpotu singulrnch integrl lze najt nap. v [8], [19].
Cvien ke kapitole 9
1. Urete koecienty A
0
, A
1
, A
2
tak, aby pesnost kvadraturn formule
_
1
1
f(x) dx = A
0
f
_
1
2
_
+A
1
f(0) +A
2
f
_
1
2
_
+R(f)
byla alespo 2.
(A
0
=
4
3
, A
1
=
2
3
, A
2
=
4
3
.)
2. Urete koecienty A
0
, A
1
a uzel x
0
pro formuli
_
1
0
xf(x) dx = A
0
f(x
0
) +A
1
f(1) +R(f).
(A
0
=
7
15
, A
1
=
1
5
, x
0
=
3
7
.)
3. Urete algebraicky neznm uzly x
0
, x
1
a koecienty A
0
, A
1
pro formuli
_

0
sinxf(x) dx = A
0
f(x
0
) +A
1
f(x
1
) +R(f)
tak, aby bylo dosaeno maximlnho stupn pesnosti.
(A
0
= A
1
= 1, x
0,1
=

2

_
2
4
2. )
4. Odvote Newtonovu-Cotesovu formuli otevenho typu pro interval [2, 3]
s krokem h = 1.
(
_
3
2
f(x) dx =
5
24
(11f(1) +f(0) +f(1) + 11f(2)) +
95
144
f
(4)
(),
2 < < 3.)
5. Odvote Newtonovu-Cotesovu formuli uzavenho typu pro interval [a, b] a
n = 3 (tzv. pravidlo 3/8).
(
_
b
a
f(x) dx =
b a
8
_
f(a) + 3f
_
a +
b a
3
_
+ 3f
_
a +
b a
3
_
+f(b)
_
3
80
_
b a
3
_
5
f
(4)
(), a < < b.)
6. Odvote Simpsonovo pravidlo.
7. Nech f C
(6)
([1, 1]) a nech P
5

5
je Hermitv interpolan polynom
s vlastnostmi P(x
i
) = f(x
i
), P
(x
i
) = f
(x
i
), x
i
= 1, 0, 1.
a) Ukate, e
_
1
1
P(x) dx =
7
15
f(1) +
16
15
f(0) +
7
15
f(+1) +
1
15
f
(1)
1
15
f
(+1).
b) Formule v sti a) pedstavuje kvadraturn formuli pesnou pro poly-
nomy stupn nejve 5. Ukate, e formule nen pesn pro polynomy
stupn 6.
8. Odvote formuli ebyevova typu ve tvaru
_
1
1
f(x) dx = A(f(x
0
) +f(x
1
) +f(x
2
)) +R(f).
(A =
2
3
, x
0
=
2
2
, x
1
= 0, x
2
=
2
2
, R =
f
(4)
()
360
, 1 < < 1.)
9. Aproximujte integrl
_
4
0
sin x dx = 1
2
2
a) obdlnkovm, b) lichobnkovm, c) Simpsonovm pravidlem.
( a) 0,30055887, b) 0,27768018, c) 0,29293264. )
10. Nsledujc integrly vypotte a) lichobnkovm, b) Simpsonovm pravi-
dlem. Vsledky porovnejte s pesnmi hodnotami
1.
_
2
1
ln x dx, 2.
_
0,1
0
x
1
3
dx, 3.
_
3
0
(sin x)
2
dx.
( a) 1. 0,34657, 2. 0,023208, 3. 0,39270,
b) 1. 0,38583, 2. 0,032296, 3. 0,30543. )
11. Uijte Newtonovy-Cotesovy formule uzavenho typu pro n = 3 (viz cv. 5)
pro vpoet
_
3
1
e
x
2
dx.
(0,766801.)
12. Uijte a) sloenho lichobnkovho, b) sloenho Simpsonova pravidla pro
vpoet integrl:
1.
_
3
0
x
_
1 +x
2
dx, M = 6,
2.
_
1
0
sin x dx, M = 6,
3.
_
2
0
xsin x dx, M = 8,
4.
_
1
0
x
2
e
x
dx, M = 8.
Porovnejte zskan aproximace s pesnmi hodnotami.
( a) 1. 10,3122, 2. 0,62201, 3. 5,9568, 4. 0,72889,
b) 1. 10,20751, 2. 0,6366357, 3. 6,284027, 4. 0,7182830. )
13. Uijte Rombergovy integrace pro vpoet hodnoty T
4,4
pro nsledujc inte-
grly a vsledky porovnejte s pesnmi hodnotami.
a)
_
4
0
sin x dx b)
_ 3
4
2
cos x dx
14. Uijte Rombergovy metody integrace pro vpoet
_
2
0
x
2
e
x
2
dx.
slo m urete bhem vpotu tak, aby [T
m,m1
T
m,m
[ < 10
6
.
(0,4227250.)
15. Dokate vztah (9.33).
16. Uitm Gaussovy-Legendrovy kvadraturn formule pro n = 2, 3, 4 aproxi-
mujte integrl
_
3
1
e
x
sin x dx.
(11,141495; 10,948403; 10,950140.)
17. Opakujte cvien 10 uitm Gaussovch-Legendrovch formul pro n = 1.
18. Uitm Gaussovy-Laguerrovy formule pro n = 2, 3 aproximujte integrl
_

0
e
x
sin x dx.
(n = 2 . . . 0,432460, n = 3 . . . 0,496023, pesn hodnota je 0,5.)
19. Odvote sloen obdlnkov pravidlo a navrhnte pslun algoritmus.
20. Navrhnte algoritmus pro vpoet
_
b
a
f(x) dx
se zadanou pesnost , kter vychz z pomrn hrubho dlen intervalu
[a, b] a uv metody polovinho kroku.
21. Pomoc Gaussovy-ebyevovy formule pro n = 1, 2 aproximujte integrl
_
1
1
cos x
1 x
2
dx.
(2,3884; 2,4041; pesn hodnota 2,40394.)
1. Dvaj vechny Gaussovy-Legendreovy formule pro integrl
2
_
0
sin
2
xdx
stejnou hodnotu /4 jako Newtonovy-Cotesovy formule?
2. Budou dvat Newtonovy-Cotesovy formule tak pesnou hodnotu integrlu
(9.18)?
3. Jak je hodnota integrlu (9.18), je-li w lich funkce?
4. Jak tvar m sloen obdlnkov pravidlo?
5. Souvis Rombergova integrace s Richardsonovou extrapolac?
Kapitola 10
Metoda nejmench tverc
Pi interpolan aproximaci jsme poadovali, aby interpolan polynom nabval
v danch bodech tch hodnot jako aproximovan funkce. Ale v ppad, e hod-
noty funkce jsou dny empiricky a jsou zateny umem, nen tento pstup
nejvhodnj. V tto kapitole se budeme zabvat postupem, jm se z funknch
hodnot zatench nepesnostmi sestrojuje takov aproximace, kter vyrovnv
empirick hodnoty v tom smyslu, e informace o pesnm prbhu funkce obsaen
v namench hodnotch se zachov, ale um se tmto vyrovnnm odstran.
Formulujme nyn tuto lohu pesnji:
Nech jsou dny body x
j
, j = 0, . . . , N, x
j
,= x
k
, pro j ,= k, reln funkce f, dle
reln funkce
i
, i = 0, . . . , m, a hodnoty tchto funkc v bodech x
j
, j = 0, . . . , N.
Je teba najt koecienty c
0
, . . . , c
m
linern kombinace
1
P
m
(x) = c
0
0
(x) +. . . +c
m
m
(x) (10.1)
tak, aby funkce
2
(c
0
, . . . , c
m
) =
N
j=0
(f
j
P
m
(x
j
))
2
, f
j
= f(x
j
) (10.2)
nabvala minimln hodnoty, tj. minimalizujeme souet tverc. Odtud plyne tak
nzev metoda nejmench tverc. Funkci P
m
, pro kterou
2
nabv minimln
hodnoty, nazvme nejlep aproximaci funkce f na mnoin x
j
N
j=0
.
Poznmka 1. Budeme se zabvat ppadem m < N, nebo pro m N je mon
eit lohu interpolac.
Geometrick vznam metody je demonstrovn na obrzku 10.1. Nejlep aproxi-
mace je takov, pro kterou souet obsah jednotlivch tverc o stranch [f
j

P
m
(x
j
)[, j = 0, . . . , N, je minimln.
1
Omezme se zde pouze na linern ppad, otzky nelinern aproximace jsou studovny
nap. v [5].
280 10. METODA NEJMENCH TVERC
0 1 2 3 4 5 6
0
1
2
3
4
5
6
Obr. 10.1: Demonstrace metody nejmench tverc:
pvodn funkce
hodnoty s umem
interpolan polynom
odhad metodou nejmench tverc
obsah (f
j
P
m
(x
j
))
2
, j = 0, . . . , N
mluva. Nech
(f, g) =
N
j=0
f(x
j
)f(x
j
) (10.3)
oznauje skalrn souin funkc f a g na mnoin x
j
N
j=0
.
Funkce
2
(c
0
, . . . , c
m
) je funkce m+1 promnnch. Pi hledn minima postu-
pujeme jako v analze: derivujme (10.2) podle kad z neznmch c
k
, k = 0, . . . , m,
a derivace polome rovny nule, tj.
2
c
k
= 2
N
j=0
_
f
j
i=0
c
i
i
(x
j
)
_
k
(x
j
) = 0, k = 0, . . . , m.
281
Uitm (10.3) lze tyto rovnice zapsat ve tvaru
c
0
(
0
,
0
) + c
1
(
0
,
1
) + . . . + c
m
(
0
,
m
) = (f,
0
)
c
0
(
1
,
0
) + c
1
(
1
,
1
) + . . . + c
m
(
1
,
m
) = (f,
1
)
.
.
.
c
0
(
m
,
0
) + c
1
(
m
,
1
) + . . . + c
m
(
m
,
m
) = (f,
m
)
(10.4)
Vektorov zpis soustavy lze odvodit nsledujcm zpsobem. Polome
f =
_
_
_
f
0
.
.
.
f
N
_
_
_, P =
_
_
_
P
0
.
.
.
P
N
_
_
_, P
i
= P(x
i
), i = 0. . . . , N
A =
_
_
_
0
(x
0
) . . .
m
(x
0
)
.
.
.
.
.
.
0
(x
N
) . . .
m
(x
N
)
_
_
_, c =
_
_
_
c
0
.
.
.
c
N
_
_
_.
Pak P = Ac a
2
(c) = (f P)
T
(f P) = (f Ac)
T
(f Ac) .
Systm (10.4) je potom mon pepsat ve tvaru
Gc = d,
kde
G = A
T
A =
_
_
_
(
0
,
0
) . . . (
0
,
m
)
.
.
.
.
.
.
(
m
,
0
) . . . (
m
,
m
)
_
_
_, d = A
T
f =
_
_
_
(f,
0
)
.
.
.
(f,
m
)
_
_
_ ,
take soustavu (10.4) lze tak pst ve tvaru
A
T
Ac = A
T
f . (10.5)
Nyn se budeme zabvat otzkami eitelnosti soustavy (10.4).
Denice 10.1. Soustava linernch rovnic (10.4) se nazv normln. soustava.
Jej determinant se nazv Gramv determinant pslun funkcm
0
, . . . ,
m
.
Denice 10.2. ekneme, e funkce
0
, . . . ,
m
jsou linern nezvisl na mnoin
bod x
0
, . . . , x
N
, jestlie jsou linern nezvisl vektory (
0
(x
0
), . . . ,
0
(x
N
))
T
,
. . . , (
m
(x
0
), . . . ,
m
(x
N
))
T
.
Z denice plyne, e funkce
0
, . . . ,
m
jsou linern zvisl na mnoin bod
x
0
, . . . , x
N
, jestlie existuj sla a
0
, . . . , a
m
, [a
0
[ +. . . +[a
m
[ , = 0, tak, e plat
a
0
0
(x
j
) +. . . +a
m
m
(x
j
) = 0, j = 0, . . . , N.
Plat nsledujc tvrzen
Vta 10.1. Gramv determinant je rzn od nuly prv tehdy, kdy funkce
0
,
. . . ,
m
jsou linern nezvisl na mnoin bod x
0
, . . . , x
N
.
Dkaz. Matice G = A
T
A je regulrn prv tehdy, kdy m hodnost m + 1.
Hodnost matice G je ovem rovna hodnosti matice A, jej sloupce tvo vek-
tory (
0
(x
0
), . . . ,
0
(x
N
))
T
, . . . , (
m
(x
0
), . . . ,
m
(x
N
))
T
. Ty jsou linern nez-
visl v ppad, e funkce
0
, . . . ,
m
jsou linern nezvisl na mnoin bod
x
0
, . . . , x
N
. 2
Poznmka 2. Ze vztahu G = A
T
A navc bezprostedn plyne, e G je pozitivn
semidenitn, respektive pozitivn denitn (v ppad regularity).
Vta 10.2. Nech funkce
0
, . . . ,
m
jsou linern nezvisl na mnoin bod
x
0
, . . . , x
N
. Pak normln soustava (10.4) m jedin een c
0
, . . . , c
m
a funkce
P
m
(x) = c
0
(x) +. . . +c
m
(x)
je nejlep aproximac funkce f na mnoin x
j
N
j=0
.
Dkaz. Funkce
0
, . . . ,
m
jsou linern nezvisl na mnoin bod x
0
, . . . , x
N
.
Odtud plyne, e determinant soustavy, je rzn od nuly a soustava m jedin
een c
0
, . . . , c
m
. Ukeme, e pro toto een nabv funkce
2
minimln hodnoty.
Polome c
= (c
0
, . . . , c
m
) a potejme veliinu
2
(c
+ c), kde c ,= o.
2
(c
+ c) = (f Ac
Ac)
T
(f Ac
Ac) =
= (f Ac
)
T
(f Ac
) c
T
A
T
(f Ac
)
(f Ac
)
T
Ac + c
T
A
T
Ac =
=
2
(c
) c
T
(A
T
f A
T
Ac
) (A
T
f A
T
Ac
)
T
c +
+ c
T
A
T
Ac
len (A
T
f A
T
Ac
) roven nulovmu vektoru, protoe c
je een soustavy (10.5).

Navc je vraz c
T
A
T
Ac kladn, nebo matice A
T
A je pozitivn denitn a c
je nenulov vektor. Celkem tedy
2
(c
+ c) >
2
(c
). 2
Dsledek. Pro funkce
i
(x) = x
i
, i = 0, . . . , m, m < N m normln soustava
jedin een.
Pklad 10.1. Uijte metody nejmench tverc k nalezen nejlep linern apro-
ximace pro hodnoty
x
i
-1 1 3 5 7
f
i
1 3 4 5 6
een. Nejlep aproximaci budeme hledat ve tvaru
P
1
(x) = c
0
+c
1
x.
283
Veliina
2
je v tomto ppad tvaru
2
(c
0
, c
1
) = (1 c
0
+c
1
)
2
+ (3 c
0
c
1
)
2
+ (4 c
0
3c
1
)
2
+
+ (5 c
0
5c
1
)
2
+ (6 c
0
7c
1
)
2
a normln soustava
5c
0
+ 15c
1
= 19
15c
0
+ 85c
1
= 81 ,
jej een je c
0
= 2, c
1
=
3
5
. Hledan nejlep linern aproximace je P
1
(x) = 2+
3
5
x
viz obr. 10.2
2 1 0 1 2 3 4 5 6 7 8
0
1
2
3
4
5
6
7
Obr. 10.2: Vsledky pkladu 1.
Poznmka 3. Pro linern nezvisl funkce
i
, i = 0, . . . , m je matice normln
soustavy symetrick a pozitivn denitn. Tyto soustavy lze eit Gaussovou eli-
minan metodou nebo Choleskho metodou (viz kapitola 4).
Zmnme se podrobnji o volb
i
(x) = x
i
, i = 0, . . . , m. V tomto ppad
pi vtm stupni aproximujcho polynomu (m > 5) je soustava (10.4) patn
podmnn, tzn. e een je znan citliv na vliv chyb ve vstupnch datech a
na zaokrouhlovacch chybch bhem vpotu. D se toti ukzat (viz [19]), e
determinant soustavy je piblin (N + 1) nsobkem matice
H =
_
_
_
_
_
1
1
2

1
m+1
1
2
1
3

1
m+2
.
.
.
.
.
.
.
.
.
1
m+1
1
m+2

1
2m+1
_
_
_
_
_
,
kter je klasickm pkladem patn podmnn matice (inverzn matice m velmi
velk prvky pro m = 9 prvky du 10
12
). Dsledkem patn podmnnosti je
skutenost, e pi een soustavy zpsob kad zaokrouhlovac chyba, kter se
dopustme, mnohonsobn vt chybu v een. Ji pro m = 9 se mohou vyskytovat
pi een znan obte.
Dalm problmem je volba hodnoty m, tj. stupn polynomu (viz podrobnji
[19], [18]).
Zvolme-li vak za funkce
i
, i = 0, . . . , m. diskrtn ortogonln polynomy,
tj. plat-li pro funkce
i
(
i
,
k
) = 0 pro i ,= k,
tyto problmy odpadaj. Matice normln soustavy je v tomto ppad diagonln
a soustava je tvaru
c
0
(
0
,
0
) = (f,
0
)
c
1
(
1
,
1
) = (f,
1
)
.
.
.
.
.
.
c
m
(
m
,
m
) = (f,
m
)
Odtud lze snadno vypotat koecienty nejlep aproximace a
P
m
(x) =
m
i=0
(f,
i
)
(
i
,
i
)
i
(x). (10.6)
Pro metodu nejmench tverc lze s vhodou ut diskrtnch ebyevovch nebo
Gramovch polynom.
a) ebyevovy polynomy (diskrtn ppad). Uvaujme skalrn souin
(f, g) =
N
j=0
f(x
j
)g(x
j
),
kde za body x
j
, j = 0, . . . , N zvolme koeny ebyevova polynomu T
N+1
(viz
kapitola 6). D se ukzat (viz [18]), e
(T
j
, T
k
) = 0, pro j ,= k, 0 j, k N
(T
0
, T
0
) = N + 1, (T
j
, T
j
) =
N+1
2
, pro j > 0.
(10.7)
Soustava (T
0
, . . . , T
N
) je pi danch tabulkovch bodech x
j
, j = 0, . . . , N, dis-
krtn ortogonln.
b) Pi aproximaci metodou nejmench tverc pro ekvidistantn tabulkov body
je vhodn uvat, kde je to mon, lichho potu bod a prostedn bod brt
rovn nule (N = 2L). Polynomy, kter jsou ortogonln na takov mnoin bod
se nazvaj Gramovy polynomy (viz [19]).
Podrobnji: Pro N = 2L denujeme novou promnnou s pedpisemx = x
L
+hs,
tj. i = L + s, take body x
i
, i = 0, . . . , N, x
i
= x
0
+ ih jsou transformovny na
celoselnou mnoinu L, . . . , 1, 0, 1, . . . , L.
285
Gramovy polynomy G
j
, j = 0, . . . , m, kter jsou ortogonln na ekvidistantn
mnoin bod L, . . . , 1, 0, 1, . . . , L, s krokem h = 1, jsou denovny reku-
rentnmi vztahy
G
0
(s) 1, G
1
(s) = s,
G
j+1
(s) = G
j
(s)
j
2
((N+1)
2
j
2
)
4(4j
2
1)
G
j1
(s), j 1
(10.8)
Poznmka 4. Z praktickch i teoretickch dvod se nedoporuuje pouvat Gra-
movy polynomy pro m > 2
N.
Pklad 10.2. Pro dan hodnoty naleznte nejlep aproximaci pomoc G
0
, G
1
,
G
2
.
x
i
0,00 0,25 0,5 0,75 1,00
f
i
1,0000 1,2840 1,6487 2,1170 2,7183
een. Substituce x = 0, 5 + 0, 25s, kde s je nov promnn, pevede potek
souadnic do bodu x = 0, 5. Tabulkov body nyn jsou 2, 1, 0, 1, 2 a Gramov
polynomy
G
0
1, G
1
(s) = s. G
2
(s) = s
2
.
Je teba pouze vypotat skalrn souiny (G
i
, G
i
), (f, G
i
), i = 0, 1, 2. Je
(G
i
, G
i
) =
2
s=2
G
2
i
(s) (G
0
, G
0
) = 5, (G
1
, G
1
) = 10, (G
2
, G
2
) = 14 ,
dle (f, G
0
) = 8, 7680, (f, G
1
) = 4, 2696, (f, G
2
) = 0, 7382. Normln soustava je
tvaru
5c
0
= 8, 7680
10c
1
= 4, 2696
14c
2
= 0, 7382
a jej een je c
0
= 1, 7536, c
1
= 0, 42696, c
2
= 0, 05273. Nejlep aproximace
vyjden pomoc Gramovch polynom je
P
2
(s) = 1, 7536 + 0, 42696s + 0, 05273(s
2
2) .
Zptnou substituc s = 4(x 0, 5) dostaneme vyjden pomoc promnn x
P
2
(x) = 1, 0051 + 0, 8642x + 0, 8437x
2
.
Otzkou chyby pi aproximaci metodou nejmench tverc se zde nebudeme
zabvat. Tato problematika je podrobn rozebrna v [19]. Zmnme se vak strun
o vznamu tto metody.
Metodu nejmench tverc uvme obvykle v ppadech, kdy se jedn o apro-
ximaci funkce, jej hodnoty jsou znmy pouze empiricky a jsou tedy zateny
chybami. Aproximace zskan metodou nejmench tverc mus mt dv charak-
teristick vlastnosti:
1. Mus bt dostaten vysokho stupn, aby aproximujc polynom byl dobrou
aproximac funkce.
2. Nesm bt pli vysokho stupn, aby se nepesnosti v namench hodno-
tch nezachovaly v tto aproximaci.
M-li aproximace zskan metodou nejmench tverc tyto dv vlastnosti, kme,
e vyrovnv namen hodnoty v tom smyslu, e informace o pesnm prbhu
funkce se zachov, ale um se vyrovnnm odstran. Je-li P
m
takov nejlep
aproximace, pak P
m
(x
j
), j = 0, . . . , N jsou vyrovnan hodnoty v bodech x
j
,
j = 0, . . . , N.
V nsledujc tabulce jsou uvedeny vyrovnan hodnoty aproximace P
2
z pi-
kladu 10.2.
i 0 1 2 3 4
x
i
0 0,25 0,50 0,75 1,00
f
i
1,0000 1,2840 1,6487 2,1170 2,7183
P
2
(x
i
) 1,0052 1,2740 1,6482 2,1279 2,7130
f
i
P
2
(x
i
) -0,0052 0,0100 0,0005 -0,0109 0,0053
Funkce
2
(c
0
, c
1
, c
2
) nabv pro vypotenou nejlep aproximaci P
2
sv minimln
hodnoty a to
2
(c
0
, c
1
, c
2
) =
4
i=0
(f
i
P
2
(x
i
))
2
= 2, 76 10
4
.
Cvien ke kapitole 10
1. Pro hodnoty v pklad 10.2 naleznte nejlep aproximaci tvaru P
1
(x) =
c
o
+c
1
x.
(een: P
1
(x) = l, 70784x + 0, 89968)
2. Dokate vztahy (10.7).
3. Metodou nejmench tverc najdte polynom stupn druhho, kter apro-
ximuje tyto hodnoty:
x
i
-3 -2 -1 0 1 2 3
f
i
4 2 3 0 -1 -2 -5
a) zvolte nejdv
i
(x) = x
i
, i = 0, 1, 2
b) uijte Gramovy polynomy G
0
, G
1
, G
2
.
(een: P
2
(x) =
1
64
(56 117x 11x
2
).)
4. (a) Pro hodnoty v pklad 10.2 uijte tbodov formule a vypotte deri-
vace v bodech 0,25; 0,5; 0,75 (viz kapitola 7). V kadm ppad polote
sted formule do toho bodu, v nm potte derivaci.
(b) Uijte aproximace zskan metodou nejmench tverc v pklad 10.2
a vypotte derivace P
2
v uvedench bodech.
(c) Porovnejte vsledky s hodnotami derivace pesn funkce f(x) = e
x
.
Literatura
[1] Bachvalov, N. S.: islennyje metody. Nauka, Moskva, 1973.
[2] Berezin, I. S., idkov, N. P.: Metody vyislennj I, II. Nauka, Moskva, 1966.
[3] Brandts, J., Kek M.: Padest let metody sdruench gradient. PMFA, 47
(2), 2002, str. 103113
[4] Burden, R. L., Faires, J. D.: Numerical Analysis. Prindle, Weber and Schmidt,
Boston, 1984.
[5] Burlisch, R., Stoer, J.: Introduction to Numerical Analysis. Springer Verlag,
New York, Heidelberg, Berlin, 1980.
[6] Datta, B. N.: Numerical Linear Algebra and Applications. ITP, California,
1994.
[7] Hamming, R. W.: Numerical Methods for Scientists and Engineers. McGraw-
Hill, New York, 1962.
[8] Isaacson, E., Keller, H. B.: Analysis of Numerical Methods. John Wiley, New
York, London, Sydney, 1966.
[9] Jarnk, V.: Diferenciln poet (II). Academia, Praha, 1976.
[10] Kobza, J.: Interpolace vvoj formulace problmu a jeho een. PMFA, 44
(4), 1999, str. 273293
[11] Kopal, Z.: Numerical Analysis. Chapman and Hall, London, 1955.
[12] Koukal S., Kek M., Potek R.: Fourierovy trigonometrick ady a metoda
konench prvk. Academia, Praha, 2002
[13] Mathews, J. H.: Numerical Methods for Mathematics, Science and Enginee-
ring. Prentice-Hall International, Inc., New Jersey, 1992.
[14] Mathews, J. H., Fink, K. D.: Numerical Methods Using MATLAB, Pearson,
New Jersey, 2004.
290 LITERATURA
[15] Mikloko, J.: Syntza a analza efektvnych numerickch algoritmov. Veda,
Bratislava, 1979.
[16] Natanson, J. P.: Konstruktivnaja teorija funkcij. Nauka, Moskva, 1949.
[17] Ortega, J. M., Rheinboldt, W. C.: Iterative Solution of Nonlinear Equations
in Several Variables. Academic Press, New York, London, 1970.
[18] Pikryl, P.: Numerick metody matematick analzy. SNTL, Praha, 1988.
[19] Ralston, A.: Zklady numerick matematiky. Academia, Praha, 1973.
[20] Smtal, J.: O funkciach a funkcionalnych rovniciach. Alfa, Bratislava, 1984.
[21] Smith, H. V.: Numerical Methods of Integration. Chart.-Bratt Ltd., 1993.
[22] Szeg: Orthogonal Polynomials. AMS, Providence, 1991.
[23] evuk, I. A.: Priblienije mnogolenami i sledy nepreryvnych na otrezke funk-
cij. Naukova dumka, Kijev, 1992.
[24] otov, J.: Cykly v iteranch metodch pro een systm linernch rovnic.
Disertan prce, 1997.
291
Rejstk
algoritmus
Aitkenv, 182
Nevillv, 181
stabiln, 11, 121
bod
cyklu du n, 34
funkce, pevn, 28
odpuzujc, 32
pitahujc, 32
cyklus du n, 34
sla Cotesova, 249, 251
slo podmnnosti, 9, 124
len chyby, hlavn, 270
derivace
centrln diferenn, 211
lev diferenn, 211
prav diferenn, 211
derivovn numerick, 205
diagram Fraserv, 173
diference
obyejn, 171
pomrn, 163
extrapolace, 173, 267
Richardsonova, 212
formule
kvadraturn, 225
adaptivn, 264
ebyevova, 257
Gaussova, 232
Gaussova-ebyevova, 244
Gaussova-Hermitova, 246
Gaussova-Laguerrova, 246
Gaussova-Legendreova, 235
chyba, 226
koecienty, 225
Lobattova, 255
Rombergova, 267
sloen, 260
stupe pesnosti, 226
uzly, 225
Newtonova-Cotesova
otevenho typu, 251, 252
uzavenho typu, 249, 252
tbodov, 209
funkce
iteran, 29
vahov, 217
GEM, 95
bez vbru pivota, 122
s vbrem pivota
stenm, 102
plnm, 102
chaos, 36
chod
pm, 95
zptn, 95
chopping, 3
chyba
absolutn, 1
odhad, 1
interpolace, 167
292 REJSTK
metody, 6
primrn, 6
relativn, 1
odhad, 1
sekundrn, 6
interpolace
inverzn, 182
iterovan, 179
kvadratick, 183
polynomiln, 157
splajnov, 158
trigonometrick, 158
iterace k-t, 33
koen funkce, 23
separace, 23
zpesnn, 23
krok, 170
matice
dobe podmnn, 124
Frobeniova, 97
iteran, 134
Jacobiova, 138
Jacobiova, 67
konvergentn, 134
psov, 94
tdiagonln, 94
permutan, 97
pozitivn denitn, 95
ryze dkov diagonln
dominantn, 94
patn podmnn, 124
trojhelnkov
doln, 94
horn, 94
metoda
Aitkenova
2
, 57
bisekce, 23
Croutova, 110
doln relaxace, 146
Gaussova-Seidelova, 142
horn relaxace, 146
Choleskho, 108
iteran, 29
j-krokov, 29
Jacobiova, 138
jednokrokov, 29
Newtonova, 67
du p, 30
nejvtho spdu, 118
Newtonova, 40, 67
polovinho kroku, 269
prost iterace, 29
plen, 23
quasi Newtonova, 53
regula falsi, 50, 51
relaxan, 146
sdruench gradient, 120
seen, 48
Seidelova, 67
sniovn stupn, 83
Steensenova, 59
teen, 41
zdvojen, 81
multiplikativnost, 16
multipliktory, 96
norma
matice, spektrln, 18
maticov
pidruen k dan vektorov norm,
16
souhlasn, 16
odseknut, 3
parametr relaxan, 146
pivot, 96
vbr
sten, 102
pln, 102
podmnnost, 123
slo, 9, 124
podmnky Fourierovy, 44
polomr matice, spektrln, 18
polynom interpolan, 158
Lagrangev, 159
Newtonv, 164
REJSTK 293
pro interpolaci vped, 172
pro interpolaci vzad, 172
polynomy
ebyevovy, 169, 219
fundamentln, 159
Hermitovy, 220
Laguerrovy, 219
Legendrovy, 218
posloupnost
iteran, 134
Sturmova, 75
pravidlo
lichobnkov, 249
sloen, 261
obdlnkov, 252
parabolick, 250
Simpsonovo, 250
sloen, 263
problm
blzk, 11
interpolan
Hermitv, 183
prvek hlavn, 96
pesnost
dvojnsobn, 4
jednoduch, 4
rounding, 3
souhlasnost, 16
splajn
pirozen, 194
pln, 194
splajny
kubick, 158, 193
polynomiln, 193
stabilita, 11
symboly O, o, 12
systm rovnic
neeiteln, 94
eiteln, 94
tvar semilogaritmick, pohybliv dov
rky, 3
loha
dobe podmnn, 9
korektn, 8
dobe podmnn, 9
patn podmnn, 9
uzly, 158, 193
ekvidistantn, 170
vektor reziduov, 118
vzorec
Shermanv-Morrisonv, 113
Woodburyho, 113
zaokrouhlen, 3
znamnko
zachovn, 75
zmna, 75

Num Erika

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Num Erika

Uploaded by

Copyright:

Available Formats

i

. Jeliko [[ , jsou sla x

blzk slm x, y. Tedy

je maticov norma souhlasn s danou vektorovou normou | |

spojit, a tedy doshne na uzaven omezen mnoin = x: |x|

. Nyn ukeme, e jsou splnny vechny

m normu rovnu jedn.

je souhlasn s danou vektorovou normou.

. Pak pro vechna vlastn sla matice A plat:

A). Dle lze ukzat, e pro maticov normy plat

a m konstantn znamnko v tomto

1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

Horizontln konvergenn ps:

1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2

(x)[ q < 1, x [a, b].

()[ [x y[ q[x y[, (a, b).

(x)[ q < 1 (viz obrzek 2.4)?

Obr. 2.4: Graf funkce g(x) = 3

()[ < 1, pak je pitahujc pevn bod.

()[ > 1, pak je odpuzujc pevn bod.

()[ = 1 je teba vyetovat zvl. Me nastat situace,

(0) = A 1. Funkce m jedin pevn bod

5 jsou body cyklu du 2 body

5)) (viz obr. 2.11).

(x)[ q < 1 v okol

25. Ukeme, e funkce g spluje na intervalu I = [2, 6; 3, 5] pedpoklady

je rostouc a konkvn na I. Tedy

(x)[ q < 1 na [0, 1], mus platit 0 < Me

(x) = 0 dle lehce zjistme, e funkce g me mt lokln extrm jedin

() ,= 0. Pak pro funkci

() ,= 0. Pak existuje > 0 tak, e posloupnost

je spojit na intervalu [a, b], existuje takov

(x) ,= 0. Tedy funkce g je denovna

()[ q < 1. Odtud

(x)[ > 0, I = [ , +].

nemn znamnka na intervalu [a, b], piem f

na intervalu [a, b]. Pak posloupnost

(x) 0, x [a, b].

(x) = 2xarctg x. Na intervalu [1,5; 1,5] nen splnna podmnka [g

() ,= 0. Posloupnost uren metodou seen konverguje

(x) ,= 0 v okol bodu

(x) 0, x [a, b]. Polome a = x

nemn znamnko na intervalu

na intervalu [a, b] a posloupnost x

(x) > 0 pro x [1, 2], je bod b = 2 pevn. Tabulka

() ,= 0. Pak existuje > 0 tak, e posloupnost

[ , + ] [a, b]. Pokud m funkce f v okol bodu spojitou druhou derivaci,

[ , + ]. Pokud m f v okol bodu spojitou druhou derivaci, m zde spo-

() = 0, podle vty 2.4 je quasi

m > 0 v okol bodu x = a

(x) m v bod x = jednoduch koen bez ohledu na nsobnost

vedeme pmku a jej prsek

()[ > 1 a metoda

a za dal aproximaci bodu vez-

, t.j. splujc pod-

= f(x) = 0. Za poten aproximaci zvolte x

(x)[ 1, piem rovnost nastv pouze

dostaneme polynom, kter m tyt koeny,

je polynom stupn nejve n1, jsou toto vechny jeho koeny a P

(x) > 0 pro x >

jsou konvexn funkce pro x

(x)/2, s osou x. To znamen, e

po konenm potu krok za

= o. Pro tento vektor x