Vous êtes sur la page 1sur 131

A

n
a
l
y
s
e
n
u
m

r
i
q
u
e
M
4
3
U
S
T
V
L2
2011/2012
Recueil dexercices corrigs
et aide-mmoire
G
.
F
A
C
C
A
N
O
N
I
D
e
r
n
i
r
e
m
is
e
-

-
jo
u
r
Je
u
d
i
1
0
m
a
i
2
0
1
2
Avertissement : ces notes sont rgulirement mises jour et corriges, ne vous tonnez pas si vous dcouvrez des erreurs.
Merci de me les communiquer. Toutes les remarques ou questions permettant den amliorer la rdaction peuvent tre en-
voyes ladresse gloria.faccanoni@univ-tln.fr
Gloria FACCANONI
IMATH Btiment U-318 T0033 (0)4 94 14 23 81
Universit du Sud Toulon-Var
Avenue de luniversit Bgloria.faccanoni@univ-tln.fr
83957 LA GARDE - FRANCE ihttp://faccanoni.univ-tln.fr
2
Table des matires
1. Rsolution dquations non linaires 5
2. Interpolation 25
3. Quadrature 41
4. Systmes linaires 61
5. quations direntielles ordinaires 85
Schmas numriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
A. Rappels danalyse et dalgbre linaire 105
A.1. Suites numriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
A.2. Primitives et intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
A.3. Matrices et calcul pratique dun dterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.4. Systmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
A.5. quations diffrentielles dordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3
1. Rsolution dquations non linaires
Recherche de la solution de lquation non linaire f (x) 0 o f est une fonction donne
Thorme des zros dune fonction continue
Soit une fonction continue f : [a, b] R, si f (a) f (b) <0, alors il existe ]a, b[ tel que f () 0.
Mthode de dichotomie et mthode de LAGRANGE
Soit deux points a
0
et b
0
(avec a
0
<b
0
) dimages par f de signe contraire (i.e. f (a
0
) f (b
0
) <0). En partant de I
0
[a
0
, b
0
],
les mthodes de dichotomie et de LAGRANGE (appele aussi Regula falsi) produisent une suite de sous-intervalles I
k

[a
k
, b
k
], k 0, avec I
k
I
k1
pour k 1 et tels que f (a
k
) f (b
k
) <0.
Dans la mthode de dichotomie, on dcoupe lintervalle [a
k
; b
k
] en deux intervalles de mme longueur, i.e. on divise
[a
k
; b
k
] en [a
k
; c
k
] et [c
k
; b
k
] o c
k
est
c
k

a
k
+b
k
2
.
Dans la mthode de Lagrange, plutt que de diviser lintervalle [a
k
; b
k
] en deux intervalles de mme longueur, on
dcoupe [a
k
; b
k
] en [a
k
; c
k
] et [c
k
; b
k
] o c
k
est labscisse du point dintersection de la droite passant par (a
k
, f (a
k
))
et (b
k
, f (b
k
)) et laxe des abscisses, i.e. le zro de la fonction
g(c)
f (b
k
) f (a
k
)
b
k
a
k
(c a
k
) + f (a
k
)
qui est
c
k
a
k

b
k
a
k
f (b
k
) f (a
k
)
f (a
k
)
a
k
f (b
k
) b
k
f (a
k
)
f (b
k
) f (a
k
)
.
Dans les deux cas, pour litration suivante, on pose soit [a
k+1
; b
k+1
] [a
k
; c
k
] soit [a
k+1
; b
k+1
] [c
k
; b
k
] de sorte ce que
f (a
k+1
) f (b
k+1
) <0. Les algorithmes scrivent alors comme suit :
DICHOTOMIE :
Require: a, b, , f : [a, b] R
k 0
a
k
a
b
k
b
x
k

a
k
+b
k
2
while [b
k
a
k
[ > do
if f (a
k
) f (x
k
) <0 then
a
k+1
a
k
b
k+1
x
k
else
a
k+1
x
k
b
k+1
b
k
end if
x
k+1

a
k+1
+b
k+1
2
k k +1
end while
LAGRANGE :
Require: a, b, , f : [a, b] R
k 0
a
k
a
b
k
b
x
k
a
k

b
k
a
k
f (b
k
)f (a
k
)
f (a
k
)
while [b
k
a
k
[ > do
if f (a
k
) f (x
k
) <0 then
a
k+1
a
k
b
k+1
x
k
else
a
k+1
x
k
b
k+1
b
k
end if
x
k+1
a
k+1

b
k+1
a
k+1
f (b
k+1
)f (a
k+1
)
f (a
k+1
)
k k +1
end while
Remarque
Avec la mthode de la dichotomie, les itration sachvent la m-me tape quand [x
m
[ [I
m
[ < , o est une
tolrance xe et [I
m
[ dsigne la longueur de lintervalle I
m
. Clairement I
k

ba
2
k
, donc pour avoir une erreur [x
m
[ <
5
1. Rsolution dquations non linaires Jeudi 10 mai 2012
on doit prendre
mlog
2
b a

.
Exemple
Soit f (x) 3943x +39x
2
5x
3
. On cherche a estimer x [1; 5] tel que f (x) 0.
DICHOTOMIE
f (x) 39+(43+(395x)x)x
x
y
1
f (1) 1
5
f (5) 2
3
f (3) 1
2
f (2) 0.1875
2.5
f (2.5) 0.3984375
I
0
[1; 5]
I
1
[1; 3]
I
2
[2; 3]
I
3
[2; 2.5]
LAGRANGE
f (x) 39+(43+(395x)x)x
x
y
1
f (1) 1
5
f (5) 2
2.

3
f (2.

3) 0.197530824
2.11
f (2.11) 0.06002
I
0
[1; 5]
I
1
[1; 2.

3]
I
2
[2.11; 2.

3]
6 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
Mthode de point xe
Soit f : [a, b] R. Il est toujours possible de transformer le problme f (x) 0 en un problme quivalent x (x) 0, o
la fonction auxiliaire : [a, b] R a t choisie de manire ce que () quand f () 0. Approcher les zros de f se
ramne donc au problme de la dtermination des points xes de , ce qui se fait en construisant la suite rcurrente
_
x
k+1
(x
k
),
x
0
donn.
On utilise alors lalgorithme itratif suivant :
Require: x
0
, , : [a, b] R
k 0
while [x
k+1
x
k
[ > do
x
k+1
(x
k
)
k k +1
end while
Convergence des itrations de point xe
On se donne x
0
et on considre la suite x
k+1
(x
k
) pour k 0. Si
Stabilit : (x) [a, b] pour tout x [a, b]
Rgularit : C
1
([a, b])
Contraction : il existe K <1 tel que [
t
(x)[ K pour tout x [a, b]
alors a un unique point xe dans [a, b] et la suite x
k+1
(x
k
) converge vers pour tout choix de x
0
dans [a, b]. De
plus, on a
lim
k
x
k+1

x
k

t
().
Ce thorme assure la convergence, avec unordre 1, de la suite (x
k
)
kN
vers le point xe pour tout choix dune valeur initiale
x
0
[a; b]. Il constitue donc un exemple de rsultat de convergence globale. Mais en pratique, il est souvent difcile de dter-
miner a priori lintervalle [a; b] ; dans ce cas, le rsultat de convergence suivant peut tre utile.
Thorme dOSTROWSKI
Soit un point xe dune fonction continue et diffrentiable dans un intervalle [c; d] contenant . Si [
t
()[ <1, alors
il existe un intervalle [a; b] [c; d] tel que la suite (x
k
)
k
converge vers pour tout x
0
[a; b].
Remarque
si 0 <
t
() < 1 la suite converge de faon monotone, cest--dire, lerreur x
k
garde un signe constant quand k
varie ;
si 1 <
t
() <0 la suite converge de faon oscillante, cest--dire, lerreur x
k
change de signe quand k varie ;
si [
t
()[ > 1 la suite diverge. Plus prcisment, si
t
() > 1 la suite diverge de faon monotone, tandis que pour

t
() <1 elle diverge en oscillant ;
si [
t
()[ 1, on ne peut en gnral tirer aucune conclusion : selon le problme considr, il peut y avoir convergence
ou divergence.
Par exemple,
soit (x) x x
3
qui admet 0 comme point xe. On a
t
() 1 et x
k
pour tout x
0
[1; 1] car
si x
0
1 alors x
k
pour tout k 1,
si x
0
[1, 1] alors x
k
] 1, 1[ pour tout k 1 et la suite est monotone ;
considrons maintenant (x) x +x
3
qui admet aussi 0 comme point xe. nouveau
t
() 1 mais dans ce cas
la suite diverge pour tout choix de x
0
/0.
Ordre de convergence
Soit un point xe dune fonction C
p+1
pour un entier p 1 dans un intervalle [a; b] contenant . Si
(i )
() 0 pour
1 i p et
(p+1)
() /0, alors la mthode de point xe associe la fonction ditration est dordre p +1.
Mthodes de point xe particulirement connues
Mthode de la Corde : (x
k
) x
k

b a
f (b) f (a)
f (x
k
) ordre : 1
G. Faccanoni 7
1. Rsolution dquations non linaires Jeudi 10 mai 2012
Mthode de Newton : (x
k
) x
k

f (x
k
)
f
t
(x
k
)
ordre :
_
2 si est une racine simple
1 sinon
Ordre de convergence de la mthode de Newton
Soit la mthode de Newton pour le calcul de zro de f . Cette mthode peut tre mise sous la forme dune itration de
point xe u
n+1
(u
n
) en posant
(x) x
f (x)
f
t
(x)
.
Si f () /0 (i.e. si est racine simple), on trouve

t
(x) 1
( f
t
(x))
2
f (x) f
tt
(x)
( f
t
(x))
2

f (x) f
tt
(x)
( f
t
(x))
2
,
t
() 0,

tt
(x)
f
tt
(x)
f
t
(x)
+
f (x) f
ttt
(x)
( f
t
(x))
2
2
f (x)( f
tt
(x))
2
( f
t
(x))
3
,
tt
()
f
tt
()
f
t
()
.
La mthode de Newton est donc dordre 2. Si la racine est de multiplicit m>1, alors la mthode nest plus du second
ordre. En effet, f (x) (x )
m
h(x) o h est une fonction telle que h() /0. On a alors
(x) 1
f (x)
f
t
(x)
1
(x )h(x)
mh(x) +(x )h
t
(x)
,

t
(x)
h(x)
_
m(m1)h(x) +2(x )h
t
(x) +(x )
2
h
tt
(x)
_
_
mh(x) +(x )h
t
(x)
_
2
,
t
() 1
1
m
.
Si la valeur de m est connue a priori, on peut retrouver la convergence quadratique en modiant la mthode de Newton
comme suit :
(x) x m
f (x)
f
t
(x)
.
Critres darrt
Supposons que (x
n
)
n
soit une suite qui converge vers zro de la fonction f . Nous avons le choix entre deux types de
critres darrt pour interrompre le processus itratif dapproximation de : ceux bass sur le rsidu et ceux bass sur
lincrment. Nous dsignerons par une tolrance xe pour le calcul approch de et par e
n
x
n
lerreur absolue.
Nous supposerons de plus f continment diffrentiable dans un voisinage de la racine.
Contrle du rsidu : les itrations sachvent ds que [ f (x
n
)[ <. Il y a des situations pour lesquelles ce test savre trop restric-
tif ou, au contraire, trop optimiste.
si [ f
t
()[ 1 alors [e
n
[ : le test donne donc une indication satisfaisante de lerreur ;
si [ f
t
()[ <1, le test nest pas bien adapt car [e
n
[ peut tre assez grand par rapport ;
si enn [ f
t
()[ >1 alors [e
n
[ < et le test est trop restrictif.
Dans lexercice prcdent f
t
() 2
_
2 >1 : le test est trop restrictif (comparer la colonne [ f (x
n
)[ la colonne [x
n
[).
Contrle de lincrment : les itrations sachvent ds que [x
n+1
x
n
[ <. Soit (x
n
)
n
la suite produite par la mthode de point
xe x
n+1
(x
n
). Comme () et x
n+1
(x
n
), on obtient par un dveloppement au premier ordre
e
n+1
x
n+1
() (x
n
)
t
(
n
)(x
n
)
t
(
n
)e
n
,
n
I
,x
n
I
,x
n
tant lintervalle dextrmits et x
k
. En utilisant lidentit
e
n
(x
n+1
) +(x
n+1
x
n
) e
n+1
+(x
n+1
x
n
)
t
(
n
)e
n
+(x
n+1
x
n
),
on en dduit que
e
n

x
n+1
x
n
1
t
(
n
)
.
Par consquent, ce critre fournit un estimateur derreur satisfaisant si
t
(x) 0 dans un voisinage de . Cest le cas
notamment des mthodes dordre 2, dont la mthode de Newton. Cette estimation devient dautant moins bonne
que
t
sapproche de 1.
8 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
Les fractales de NEWTON
Prenons la fonction f : x x
3
3x
2
+2x. Ce polynme admet 3 racines : 0, 1 et 2. Que se passe-t-il lorsque lon applique
la mthode de NEWTON en partant de x
0
0.4 ? En partant de x
0
0.5 ? En partant de x
0
0.6 ? De x
0
0.5527 ? De
x
0
0.55275 ? De x
0
0.5528 ?
si x
0
0.4 alors x
n
0
si x
0
0.4 alors x
n
2
si x
0
0.4 alors x
n
1
si x
0
0.4 alors x
n
0
si x
0
0.4 alors x
n
2
si x
0
0.4 alors x
n
1
En choisissant une couleur par limite possible (0 :jaune, 1 :vert et 2 :bleu), on retrouve quelque chose de fractal !
Source : http://eljjdx.canalblog.com/archives/2008/08/30/10303555.html
G. Faccanoni 9
1. Rsolution dquations non linaires Jeudi 10 mai 2012
Exercices
Exercice 1.1
Dcrire les mthodes de la dichotomie et de LAGRANGE et les utiliser pour calculer le zro de la fonction
f (x) x
3
4x 8.95
dans lintervalle [2; 3] avec une prcision de 10
2
.
SOLUTION. Enpartant de I
0
[a, b], les mthodes de la dichotomie et de LAGRANGE produisent une suite de sous-intervalles
I
k
[a
k
, b
k
], k 0, avec I
k
I
k1
, k 1, et tels que f (a
k
) f (b
k
) <0. Dans notre cas on a
k 0
a
k
2
b
k
3
while [b
k
a
k
[ >0.01 do
x
k
g(a
k
, b
k
)
k k +1
if (a
3
k
4a
k
8.95)(x
3
k
4x
k
8.95) <0 then
a
k+1
a
k
b
k+1
x
k
else
a
k+1
x
k
b
k+1
b
k
end if
end while
avec
g(a
k
, b
k
)
_
a
k
+b
k
2
pour la mthode de la dichotomie,
a
k
f (b
k
)b
k
f (a
k
)
f (b
k
)f (a
k
)
pour la mthode de la LAGRANGE.
Dichotomie
k a
k
x
k
b
k
signe de f (a
k
) signe de f (x
k
) signe de f (b
k
)
0 2.000000 2.5000000 3.00000 +
1 2.500000 2.7500000 3.00000 + +
2 2.500000 2.6250000 2.75000 +
3 2.625000 2.6875000 2.75000 +
4 2.687500 2.7187500 2.75000 + +
5 2.687500 2.7031250 2.71875 +
6 2.703125 2.7109375 2.71875 + +
LAGRANGE
k a
k
x
k
b
k
signe de f (a
k
) signe de f (x
k
) signe de f (b
k
)
0 2.000000 2.596666667 3.00000 +
1 2.596666667 2.690262642 3.00000 +
2 2.690262642 2.702092263 3.00000 +
3 2.702092263 2.703541518 3.00000 +
4 2.703541518 2.703718378 3.00000 +
5 2.703718378 2.703739951 3.00000 +
6 2.703739951 2.703742582 3.00000 +
Exercice 1.2
Dterminer la suite des premiers 3 itrs des mthodes de dichotomie dans lintervalle [1, 3] et de Newtonavec x
0
2 pour
lapproximationdu zro de la fonction f (x) x
2
2. Combiende pas de dichotomie doit-oneffectuer pour amliorer dun
ordre de grandeur la prcision de lapproximation de la racine ?
10 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
f (x)
x
y
1
1
3
7
2
2
3
2
1
4
5
4

7
16
I
0
I
1
I
2
I
3
I
4
(a) Mthode de la dichotomie.
f (x)
x
y
2 3
2
17
12
(b) Mthode de Newton.
FIGURE 1.1.: Approximation du zro de la fonction f (x) x
2
2.
SOLUTION. On cherche les zros de la fonction f (x) x
2
2 :
Mthode de la dichotomie : en partant de I
0
[a, b], la mthode de la dichotomie produit une suite de sous-intervalles
I
k
[a
k
, b
k
] avec I
k+1
I
k
et tels que f (a
k
) f (b
k
) <0. Plus prcisment
on pose a
0
a, b
0
b, x
0

a
0
+b
0
2
,
pour k 0
si f (a
k
) f (x
k
) <0 on pose a
k+1
a
k
, b
k+1
x
k
sinon on pose a
k+1
x
k
, b
k+1
b
k
et on pose x
k+1

a
k
+b
k
2
.
Voir la gure 1.1a.
Mthode de Newton :
x
k+1
x
k

f (x
k
)
f
t
(x
k
)
x
k

x
2
k
2
2x
k

1
2
x
k
+
1
x
k
.
Voir la gure 1.1b.
Donc on a le tableau suivant
x
0
x
1
x
2
x
3
Dichotomie 2
3
2
1,5
5
4
1,25
11
8
1,375
Newton 2
3
2
1,5
17
12
1,41

6
17
24
+
12
17
1,4142156
On rappelle quavec la mthode de la dichotomie, les itration sachvent la m-me tape quand [x
m
[ [I
m
[ < , o
est une tolrance xe et [I
m
[ dsigne la longueur de lintervalle I
m
. Clairement I
k

ba
2
k
, donc pour avoir [x
m
[ < on doit
prendre
mlog
2
b a

.
Amliorer dun ordre de grandeur la prcision de lapproximation de la racine signie avoir
[x
k
[
[x
j
[
10
donc on doit effectuer k j log
2
(10) 3,3 itrations de dichotomie.
Exercice 1.3
1. Donner la suite dnissant la mthode de Newton pour la recherche dun zro de fonction. Justier lexpression de
la suite.
G. Faccanoni 11
1. Rsolution dquations non linaires Jeudi 10 mai 2012
2. crire lalgorithme pour une convergence 10
6
prs.
3. Dterminer lordre de convergence minimale de cette suite.
SOLUTION.
1. Supposons f C
1
et f
t
() /0 (cest--dire est une racine simple de f ). La mthode de Newton revient calculer le
zro de f en remplaant localement f par sa tangente : en partant de lquation de la tangente la courbe (x, f (x)) au
point x
(k)
y(x) f (x
(k)
) + f
t
(x
(k)
)(x x
(k)
)
et en faisant comme si x
(k+1)
vriait y(x
(k+1)
) 0, on obtient
x
(k+1)
x
(k)

f (x
(k)
)
f
t
(x
(k)
)
.
tant donn une valeur initiale x
(0)
, cette formule permet de construire une suite x
(k)
.
2. Algorithmes pour une convergence 10
6
:
Require: x
(0)
while [x
(k+1)
x
(k)
[ >10
6
do
x
(k+1)
x
(k)

f (x
(k)
)
f
t
(x
(k)
)
end while
3. La relation prcdent peut tre mise sous la forme dune itration de point xe x
(k+1)
g(x
(k)
) avec
g(x) x
f (x)
f
t
(x)
.
Si est racine simple, cest--dire si f
t
() / 0, on trouve g
t
() 0 et g
tt
()
f
tt
()
f
t
()
: la mthode de Newton est donc
dordre 2. Si la racine est de multiplicit m>1, alors g
t
() 1
1
m
et la mthode nest que dordre 1. Si la valeur de m
est connue priori, on peut retrouver la convergence quadratique de la mthode de Newton en modiant la mthode
comme suit :
x
(k+1)
x
(k)
m
f (x
(k)
)
f
t
(x
(k)
)
.
Exercice 1.4
On veut calculer le zro de la fonction
f (x) x
2
2
dans lintervalle [0; 2].
1. On applique la mthode de LAGRANGE : crire lalgorithme et lutiliser pour remplir le tableau (on sarrtera au plus
petit k qui vrie [ f (x
k
)[ <10
4
).
k a
k
x
k
b
k
signe de f (a
k
) f (x
k
) signe de f (b
k
) [x
k

_
2[
0 0.00000 1.00000 2.00000 -1.00000 + 0.41421
1
.
.
.
2. On applique la mthode de NEWTON : crire lalgorithme et lutiliser pour remplir le tableau (on sarrtera au plus
petit k qui vrie [ f (x
k
)[ <10
4
). Le point de dpart x
0
est donn.
k x
k
f (x
k
) [x
k

_
2[
0 1.00000
1
.
.
.
SOLUTION.
1. En partant de I
0
[a, b], la mthode de LAGRANGE produit une suite de sous-intervalles I
k
[a
k
, b
k
], k 0, avec
I
k
I
k1
, k 1, et tels que f (a
k
) f (b
k
) <0. Dans notre cas on a
k 0
a
k
0
b
k
2
x
k
a
k
12 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
while [x
2
k
2[ >0.0001 do
x
k

a
k
b
k
+2
a
k
+b
k
if (a
2
k
2)(x
2
k
2) <0 then
a
k+1
a
k
b
k+1
x
k
else
a
k+1
x
k
b
k+1
b
k
end if
k k +1
end while
k a
k
x
k
b
k
signe de f (a
k
) [ f (x
k
)[ signe de f (b
k
) [x
k

_
2[
0 0.00000 1.00000 2.00000 |-1.00000|>0.0001 + 0.41421
1 1.00000 1.33333 2.00000 |-0.22222|>0.0001 + 0.08088
2 1.33333 1.40000 2.00000 |-0.04000|>0.0001 + 0.01421
3 1.40000 1.41176 2.00000 |-0.00692|>0.0001 + 0.00245
4 1.41176 1.41379 2.00000 |-0.00119|>0.0001 + 0.00042
5 1.41379 1.41414 2.00000 |-0.00020|>0.0001 + 0.00007
6 1.41414 1.41420 2.00000 |-0.00004|<0.0001 + 0.00001
2. La mthode de Newton est une mthode de point xe avec fonction ditration (x) x
f (x)
f
t
(x)
ce qui donne lalgo-
rithme suivant :
k 0
x
k
1.00000
while [x
2
k
2[ >10
4
do
x
k+1

x
k
2
+
1
x
k
k k +1
end while
k x
k
[ f (x
k
)[ [x
k

_
2[
0 1.00000 |-1.00000|>0.0001 0.41421
1 1.50000 |0.25000|>0.0001 0.08579
2 1.41667 |0.00695|>0.0001 0.00246
3 1.41422 |0.00002|<0.0001 0.00001
Exercice 1.5
Le but de cet exercice est de calculer la racine cubique dun nombre positif a. Soit g la fonction dnie sur R

+
par
g(x)
2
3
x +
1
3
a
x
2
(a >0 x).
1. Faire ltude complte de la fonction g.
2. Comparer g lidentit.
3. Soit la suite (x
n
)
nN
dnie par
x
n+1
g(x
n
), x
0
>0.
laide des graphe de g et de lidentit sur R

+
, dessiner la suite (x
n
)
nN
sur laxe des abscisses. Observer graphi-
quement la convergence.
4. Justier mathmatiquement la convergence observe graphiquement. En particulier, montrer que cette suite est
dcroissante partir du rang 1.
5. Calculer lordre de convergence de la suite.
6. crire lalgorithme dni par la suite (x
n
)
nN
qui permet de dterminer
3
_
a une prcision de 10
6
.
7. Expliciter la mthode de Newtonpour la recherche duzro de la fonction f dnie par f (x) x
3
a. Que remarque-
t-on?
SOLUTION.
1. tude de la fonction g : R

+
R dnie par g(x)
2
3
x +
1
3
a
x
2
:
g(x) >0 pour tout x R

+
;
G. Faccanoni 13
1. Rsolution dquations non linaires Jeudi 10 mai 2012
y
2
3
x
g(x)
x
y
i (x)
3
_
a
3
_
a
(a) Graphe de g compar au graphe de i (x) x.
g(x)
x
y
i (x)
3
_
a
3
_
a
x
0
x
1
x
2
x
3
x
4
(b) tude graphique de la convergence de la mthode de point xe.
FIGURE 1.2.: Exercice 1.5
lim
x0
+
g(x) lim
x+
g(x) +;
lim
x+
g(x)
x

2
3
et lim
x+
g(x)
2
3
x 0 donc y
2
3
x est un asymptote ;
g
t
(x)
2
3x
3
(x
3
a) ;
g est croissante sur [
3
_
a, +[, dcroissante sur [0,
3
_
a] ;
x
3
_
a est un minimum absolu et g(
3
_
a)
3
_
a.
x 0
3
_
a +
g
t
(x)

+
g(x)
+
3
_
a
+
2. Graphe de g compar au graphe de i (x) x : voir la gure 1.2a. On vrie analytiquement quil existe une et une seule
intersection entre la courbe dquation y g(x) et la droite dquation y x :
g(x) x
2
3
x +
1
3
a
x
2
x x
3
a.
3. tude graphique de la convergence de la mthode de point xe : voir la gure 1.2a.
4. On en dduit que pour tout x > 0 on a g(x)
3
_
a. Donc, pour tout k > 0, x
k
g(x
k1
)
3
_
a. Vrions les hypothses
du thorme de point xe qui fournit une condition sufsante de convergence de la suite :
4.1. pour tout x dans [
3
_
a, +[ on a g(x) >
3
_
a donc g([
3
_
a, +[) [
3
_
a, +[ (i.e. lintervalle
3
_
a, +[ est stable) ;
4.2. g C
1
([
3
_
a, +[) ;
4.3. pour tout x dans [
3
_
a, +[ on a
[g
t
(x)[

2
3
_
1
a
x
3
_

<1
donc g est contractante.
Alors la mthode converge vers point xe de g. De plus, pour tout [
3
_
a, +[ on a g()
3
_
a : la
mthode permet donc de calculer de faon itrative la racine cubique de a.
5. tant donn que
g
t
() 0, g
tt
()
2a

4
/0
la mthode de point xe converge lordre 2.
14 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
Algorithm1 Calcul de x g(x)
Require: x
0
>0
while [x
k+1
x
k
[ >10
6
do
x
k+1
g(x
k
)
end while
6. Algorithme de point xe : Quelques remarques propos du critre darrt bas sur le contrle de lincrment. Les
itrations sachvent ds que [x
k+1
x
k
[ < ; on se demande si cela garantt-t-il que lerreur absolue e
k+1
est elle aussi
infrieur . Lerreur absolue litration (k +1) peut tre value par un dveloppement de Taylor au premier ordre
e
k+1
[g() g(x
k
)[ [g
t
(z
k
)e
k
[
avec z
k
compris entre et x
k
. Donc
[x
k+1
x
k
[ [e
k+1
e
k
[ [g
t
(z
k
) 1[e
k
[g
t
() 1[e
k
.
Puisque g
t
() 0, on a bien [x
k+1
x
k
[ e
k
.
7. La mthode de Newton est une mthode de point xe avec g(x) x
f (x)
f
t
(x)
. Ici elle scrit
x
k+1
x
k

f (x
k
)
f
t
(x
k
)
x
k

x
3
k
a
3x
2
k
x
k

1
3
x
k
+
a
3x
2
k

2
3
x
k
+
a
3x
2
k
autrement dit la mthode de point xe assigne est la mthode de Newton (quon sait tre dordre de convergence
gale 2 lorsque la racine est simple).
Exercice 1.6
On veut rsoudre lquation e
x
x avec 0 <<1.
1. Vrier que cette quation admet une unique solution, note

, dans R.
2. Soit g : RR la fonction dnie par g(x) e
x
. On dnit la suite rcurrente
_
u
0
R
u
n+1
g(u
n
).
(1.1)
On veut montrer que u
n
converge vers

. Pour cela, comparer dabord le graphe de g lidentit et observer


graphiquement la convergence, ensuite justier mathmatiquement la convergence observe graphiquement.
3. crire la mthode de Newton pour rsoudre lquation e
x
x avec 0 <<1. Parmi la mthode de Newton et la
mthode de point xe (1.1), laquelle faut-il prfrer vis--vis de la vitesse de convergence ?
SOLUTION.
1. Deux mthodes (quivalentes) possibles :
Mthode 1 : La fonction g : x e
x
est monotone dcroissante, lim
x
e
x
+et lim
x+
e
x
0 ; par cons-
quente elle intersecte la droite dquation y x une et une seule fois. Notons ce point

. Comme la fonc-
tion x e
x
est positive pour tout x R tandis que la fonction x x est positive si et seulement si x >0,
on en dduit que

>0.
Mthode 2 : La fonction f : x e
x
x est monotone dcroissante, lim
x
e
x
x +et lim
x+
e
x
x
; par le thorme des valeurs intermdiaires on conclut quil existe un et un seul

Rtel que f (

)
0. Comme f (0) > 0, on peut appliquer nouveau le thorme des valeurs intermdiaires lintervalle
[0; [ et en dduire que

>0. De plus, comme f (1) <e


1
1 <0, on peut conclure que

]0; 1[.
2. Le graphe de la fonction g est celui en gure 1.6. On en dduit que
la suite (u
n
)
n
converge pour tout u
0
R;
g(R) ]0; +[ et g(]0; +[) ]0; 1[ ainsi u
1
]0; +[ et u
n
]0; 1[ pour tout n >1 ;
la convergence nest pas monotone : la sous-suite des termes dindice pair est monotone croissante tandis que
la sous-suite des termes dindice impair est monotone dcroissante (ce qui veut dire dune part quon ne pourra
pas utiliser les thormes du type monotone+borneconvergente pour prouver la convergence, dautre part
on voit aussi que ni lintervalle [

; +[ ni lintervalle [0;

] sont stables) ;
[g
t
(x)[ nest pas borne pour tout x R (croissance exponentielle ). Plus particulirement, [g
t
(x)[ < 1 ssi
e
x
> ssi x >ln()/. Comme 0 <<1, on conclut que [g
t
(x)[ <1 pour tout x 0.
G. Faccanoni 15
1. Rsolution dquations non linaires Jeudi 10 mai 2012
g(x)
x
y
i (x)

1 0 1 2 3 4
(a) Graphe de g compar au graphe de i (x) x.
g(x)
x
y
i (x)

1 0 1 2 3 4
x
0
x
1
x
2
x
3
x
4
(b) tude graphique de la convergence de la mthode de point
xe.
FIGURE 1.3.: Exercice 1.6
Cette tude prliminaire suggre dutiliser le thorme de point xe dans lintervalle ]0; +[. On a
g C

(]0; +[),
g(]0; +[) ]0; +[,
[g
t
(x)[ <1 pour tout x ]0; +[,
on peut alors utiliser le thorme de point xe pour conclure que la suite (u
n
)
nN
converge vers

pour tout u
0

]0; +[. Comme g(x) ]0; +[ pour tout x R, alors u
n
]0; +[ pour tout n N

, on peut donc conclure que la suite


(u
n
)
nN
converge vers

pour tout u
0
R.
3. Soit f (x) e
x
x. La mthode de Newton (qui sapplique f et non g) dnit la suite rcurrente
_
u
0
R
u
n+1
u
n

e
un
u
n
e
un
1
.
(1.2)
La mthode de point xe (1.1) nest que dordre 1 car g
t
(

) /0 tandis que la mthode de Newton, qui est encore une


mthode de point xe, est dordre 2.
Exercice 1.7
Soit f une application de R dans R dnie par f (x) exp(x
2
) 4x
2
. On se propose de trouver les racines relles de f .
1. Situer les 4 racines de f (i.e. indiquer 4 intervalles disjoints qui contiennent chacun une et une seule racine).
2. Montrer quil y a une racine comprise entre 0 et 1.
3. Soit la mthode de point xe
_
x
k+1
(x
k
),
x
0
]0, 1[,
(1.3)
avec lapplication de R dans R dnie par (x)
_
exp(x
2
)
2
. Examiner la convergence de cette mthode et en
prciser lordre de convergence.
4. crire la mthode de Newton pour la recherche des zros de la fonction f .
5. Entre la mthode de Newton et la mthode de point xe (1.3), quelle est la plus efcace ? Justier la rponse.
SOLUTION. On cherche les zros de la fonction f (x) exp(x
2
) 4x
2
.
1. On remarque que f (x) f (x) : la fonction est paire. On fait donc une brve tude sur [0, +[ :
f (0) 1 et lim
x+
f (x) +,
f
t
(x) 0 pour x 0 et x
_
ln4 et on a f (0) 1 et f (
_
ln4) 4(1 ln4) < 0 ; f est croissante pour x >
_
ln4 et
dcroissante pour 0 <x <
_
ln4.
On a
une racine dans lintervalle ] ,
_
ln4[,
une racine dans lintervalle ]
_
ln4, 0[,
une racine dans lintervalle ]0,
_
ln4[,
une racine dans lintervalle ]
_
ln4, [.
Voir la gure 1.4a pour le graphe de f sur R.
2. Puisque f (0) 1 >0 et f (1) e 4 <0, pour le thorme des valeurs intermdiaires il existe au moins un ]0, 1[ tel
que f () 0. Puisque f
t
(x) 2x exp(x
2
) 8x 2x(exp(x
2
) 2
2
) <2x(e 4) <0 pour tout x ]0, 1[, ce est unique. Voir
la gure 1.4b.
16 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
f (x)
x
y
4(1ln4)
_
ln4
1
(a) Graphe de f (x) exp(x
2
) 4x
2
.
f (x)
x
y
1 0
1

(b) Zoom.
FIGURE 1.4.: Exercice 1.7
3. tude de la convergence de la mthode (1.3) :
3.1. pour tout x dans ]0, 1[ on a
0 <
_
exp(x
2
)
4
<
_
e
4
<1
donc : ]0, 1[]0, 1[ ;
3.2. C
1
(]0, 1[) ;
3.3. pour tout x dans ]0, 1[ on a
[
t
(x)[

x
_
exp(x
2
)
2

x(x)

<[x[ <1
donc est contractante.
Alors la mthode (1.3) converge vers point xe de . De plus, pour tout ]0, 1[,
() 2
_
exp(
2
) 4
2
exp(
2
) f () 0;
donc , point xe de , est un zro de f .
tant donn que

t
() ()
2
/0,
la mthode de point xe (1.3) converge seulement lordre 1.
4. La mthode de Newton est une mthode de point xe avec (x) x
f (x)
f
t
(x)
. Ici donc elle scrit
x
k+1
x
k

f (x
k
)
f
t
(x
k
)
x
k

exp(x
2
k
) 4x
2
k
2x
k
exp(x
2
k
) 8x
k
x
k

exp(x
2
k
) 4x
2
k
2x
k
(exp(x
2
k
) 4)
.
5. Puisque est une racine simple de f , la mthode de Newton converge lordre 2 tandis que la mthode de point xe
(1.3) converge seulement lordre 1 : la mthode de Newton est donc plus efcace.
Exercice 1.8
On cherche valuer
_
5 laide dun algorithme nautorisant que les oprations lmentaires. Soit (x
n
)
nN
la suite
dnie par rcurrence
_
_
_
x
0
1,
x
n+1

10x
n
x
2
n
+5
n N.
1. Montrer que si la suite converge, alors elle converge vers 0 ou
_
5.
2. Soit la fonction g dnie sur [1;
_
5] par g(x)
10x
x
2
+5
. tudier g et la comparer lidentit.
3. Montrer que la suite (x
n
)
nN
est croissante et majore par
_
5. Conclure.
4. Dterminer lordre de convergence de cette suite.
G. Faccanoni 17
1. Rsolution dquations non linaires Jeudi 10 mai 2012
x
y
0
1
1

x
y
0
1
1

FIGURE 1.5.: Exercice 1.7 : convergence de la mthode de point xe.


SOLUTION.
1. Supposons quil existe R tel que x
n

n+
.
Par dnition de convergence on a
10

2
+5
et par consquent
_

_
5, 0,
_
5
_
.
On prouve par rcurrence que
si x
0
0 alors x
n
0 pour tout n Ndonc 0,
si x
0
>0 alors x
n
>0 pour tout n Ndonc 0,
si x
0
<0 alors x
n
<0 pour tout n Ndonc 0.
Comme x
0
1 >0, alors x
n
>0 pour tout n Net
_
0,
_
5
_
.
2. Soit la fonction g dnie sur [1;
_
5] par g(x)
10x
x
2
+5
. On tudie la fonction g :
g(x) >0 pour tout x [1;
_
5] ;
g(1)
5
3
, g(
_
5)
_
5 ;
g
t
(x) 10
x
2
5
(x
2
+5)
2
;
g est croissante sur [1;
_
5[ et g
t
(
_
5) 0.
Graphe de g compar au graphe de i (x) x : voir la gure 1.6a. On vrie analytiquement quil existe une et une seule
intersection entre la courbe dquation y g(x) et la droite dquation y x dans [1;
_
5] :
g(x) x
10x
x
2
+5
x x
2
5.
3. On a g(x) [5/3;
_
5] pour tout x [1;
_
5] et on a vu au point prcdent que g est croissante et g(
_
5)
_
5.
De plus, g(x) x car
g(x)
10x
x
2
+5

10x
(
_
5)
2
+5
x,
par consquent la suite x
k+1
g(x
k
) x
k
est croissante.
Comme g(x) (
_
5)
_
5 alors la suite x
k+1
g(x
k
)
_
5 est borne. On a ainsi une suite croissante et born, ce
qui implique quelle converge. Comme au premier point on a montr que si elle converge vers alors
_
0,
_
5
_
, on
conclut que x
n

n+
_
5. Pour ltude graphique de la convergence de la mthode de point xe voir la gure 1.6b.
Dans ce cas, on ne peut pas utiliser le thorme de point xe pour prouver la convergence de la suite sur lintervalle
[1;
_
5]. En effet
g est au moins de classe C
1
([1;
_
5])
18 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
g(x)
x
y
i (x)
1
5
3
_
5
_
5
(a) Graphe de g compar au graphe de i (x) x.
g(x)
x
y
i (x)
x
0
x
1
x
2
(b) tude graphique de la convergence de la
mthode de point xe x
k+1
g(x
k
).
FIGURE 1.6.: Exercice 1.8
g([1;
_
5]) [5/3;
_
5] [1;
_
5]
mais 0 g
t
(x) <1 ssi x [
_
10+5
_
5;
_
5] (et on a
_
10+5
_
5 >1).
En revanche, on peut utiliser le thorme de point xe pour prouver la convergence de la suite sur lintervalle [5/3;
_
5]
car
g est au moins de classe C
1
([5/3;
_
5])
g([5/3;
_
5]) [5/3;
_
5]
0 g
t
(x) <1 pour tout x [5/3;
_
5].
4. Comme g
t
(
_
5) 0 et g
tt
(
_
5) /0, la mthode de point xe associe la fonction ditration g est dordre 2.
Exercice 1.9
Lobjectif de cet exercice est de dterminer le zro dune fonction C
2
(R, R) vriant 2 < f
t
(x) < 1 sur R. On dnit la
suite {x
n
}
nN
de R par la rcurrence suivante
x
n+1
g(x
n
) x
n
+f (x
n
),
o >0 et x
0
R sont donns.
1. Montrer que lim
x
f (x) +et lim
x+
f (x) .
2. En dduire quil existe un unique lment de R tel que f () 0.
3. Montrer que si 0 <<1, la fonction g dnie par g(x) x +f (x) vrie
1 <12<g
t
(x) <1 sur R.
4. En dduire la convergence de la suite {x
n
}
nN
si 0 <<1.
5. La suite converge-t-elle pour
1
f
t
()
?
6. Donner lordre de convergence de la suite {x
n
}
nN
pour 0 <<1 en distinguant le cas
1
f
t
()
.
7. Peut-on choisir
1
f
t
()
dun point de vue pratique ?
8. On choisit alors dapprocher
1
f
t
()
par
n

1
f
t
(x
n
)
et la suite {x
n
}
nN
est dnie par
x
n+1
g(x
n
) x
n
+
n
f (x
n
).
Quel est le nom de cette mthode itrative ? Montrer que la suite {x
n
}
nN
converge quel que soit x
0
R.
SOLUTION.
1. Puisque f est de classe C
2
(R, R) et f
t
(x) <0 sur R alors f est monotone dcroissante. De plus, f
t
(x) <1 sur R donc
lim
x
f (x) + lim
x+
f (x) .
NB : seul la condition f
t
(x) <1 permet de conclure car une fonction peut tre monotone dcroissante mais avoir une
limite nie ! En effet, la condition f
t
(x) < 1 garantie que la fonction dcroit plus vite quune droite comme on peut
G. Faccanoni 19
1. Rsolution dquations non linaires Jeudi 10 mai 2012
facilement vrier :
lim
x
f (x)
x
lim
x
f
t
(x)
1
1.
2. Puisque lim
x
f (x) +>0 et lim
x+
f (x) <0, pour le thorme des valeurs intermdiaires il existe au moins un
R tel que f () 0. Puisque f
t
(x) <0 pour tout x R, ce est unique.
3. Considrons la fonction g dnie par g(x) x +f (x) alors g est de classe C
2
(R, R) et
g
t
(x) 1+f
t
(x) sur R.
Puisque f
t
(x) <1 et 0 <<1 on a
g
t
(x) <1<1 sur R
et puisque f
t
(x) >2 et 0 <<1 alors
g
t
(x) >12>1 sur R.
Autrement dit
[g
t
(x)[ <1 sur R.
4. Soit 0 <<1. On tudie la suite
x
n+1
g(x
n
)
et on va vrier quil sagit dune mthode de point xe pour le calcul du zro de f .
4.1. On vrie dabord que, si la suite converge vers un point xe de g, ce point est bien un zro de f (ici le rciproque
est vrai aussi) : soit R, alors
g() +f () 0 f () f () 0;
4.2. vrions maintenant que la suite converge vers un point xe de g (et donc, grce ce quon a vu au point prc-
dant, elle converge vers lunique zro de f ) :
4.2.1. on a videmment que g : RR;
4.2.2. on a dj remarqu que g C
1
(R, R) ;
4.2.3. pour tout x dans R on a prouv que [g
t
(x)[ <1, i.e. que g est contractante.
Alors la suite x
n+1
g(x
n
) converge vers point xe de g et zro de f .
5. Si
1
f
t
()
alors
x
n+1
g(x
n
) x
n

f (x
n
)
f
t
()
,
qui converge car 2 < f
t
() <1 ssi
1
2
<<1 et donc on rentre dans le cas de 0 <<1.
6. tant donn que
g
t
() 1+f
t
()
la mthode de point xe converge lordre 2 si f
t
() 1,
la mthode de point xe converge lordre 1 si 2 <f
t
() <0 mais f
t
() /1,
la mthode de point xe ne converge pas si f
t
() <2 ou f
t
() >0.
tant donn que 2 < f
t
() <1 et que 0 <<1 on peut conclure que
la mthode de point xe converge lordre 2 si
1
f
t
()
,
la mthode de point xe converge lordre 1 si /
1
f
t
()
.
7. Dun point de vue pratique on ne peut pas choisir
1
f
t
()
car on ne connat pas .
8. Si on choisit dapprocher
1
f
t
()
par
n

1
f
t
(x
n
)
et on considre la suite {x
n
}
nN
dnie par
x
n+1
g(x
n
) x
n
+
n
f (x
n
),
on obtient la mthode de Newton (qui est dordre 2).
De plus, comme 2 < f
t
(x) <1 on rentre dans le cas 0 <<1 donc la suite {x
n
}
nN
converge quel que soit x
0
R.
Exercice 1.10
Soit g la fonction dnie sur R

+
par
g(x)
2x
3
+4x
2
+10
3x
2
+8x
.
20 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
1. Faire ltude complte de la fonction g. (On admettra que x
3
+4x
2
10 0 admet comme unique solution m1,36
et que g(m) m.)
2. Comparer g lidentit.
3. Soit la suite (x
n
)
nN
dnie par
x
n+1
g(x
n
), x
0
>0.
laide des graphe de g et de lidentit sur R

+
, dessiner la suite (x
n
)
nN
sur laxe des abscisses. Observer graphi-
quement la convergence. En particulier, montrer que cette suite est dcroissante partir du rang 1.
4. Expliciter (sans la vrier) la condition ncessaire pour la convergence observe graphiquement.
5. crire lalgorithme dni par la suite (x
n
)
nN
qui permet de dterminer le point xe une prcision de .
6. Expliciter la mthode de Newton pour la recherche du zro de la fonction f dnie par f (x) x
3
+4x
2
10. Que
remarque-t-on?
7. Donner lordre de convergence de la suite.
SOLUTION.
1. tude de la fonction g : R

+
R dnie par g(x)
2x
3
+4x
2
+10
3x
2
+8x
:
g(x) >0 pour tout x R

+
;
lim
x0
+
g(x) lim
x+
g(x) +;
lim
x+
g(x)
x

2
3
et lim
x+
g(x)
2
3
x
4
9
donc y
2
3
x
4
9
est un asymptote ;
g
t
(x)
2(3x+4)(x
3
+4x
2
10)
x
2
(3x+8)
2
;
g est croissante sur [m, +[, dcroissante sur [0, m] o m1,36 ;
x m est un minimum absolu et g(m) m.
x 0 m +
g
t
(x)

+
g(x)
+
m
+
2. Graphe de g compar au graphe de i (x) x : voir la gure 1.7a. On vrie analytiquement quil existe une et une seule
intersection entre la courbe dquation y g(x) et la droite dquation y x :
g(x) x
2x
3
+4x
2
+10
3x
2
+8x
x x
3
+4x
2
10 0 x m f (x) 0.
3. Pour ltude graphique de la convergence de la mthode de point xe voir la gure 1.7b.
4. On en dduit que pour tout x >0 on a g(x) m. Donc, pour tout k >0, x
k
g(x
k1
) m. Pour tudier la convergence
de la mthode vrions si on peut appliquer le thorme de point xe :
4.1. pour tout x dans [m, +[ on a g(x) >m donc g([m, +[) [m, +[ ;
4.2. g C
1
([m, +[) ;
4.3. pour tout x dans [m, +[, on a [g
t
(x)[

(6x
2
+8x)g(x)(6x+8)
3x
2
+8x

<1 alors g est contractante.


Si les conditions prcdentes sont vries alors la mthode converge vers m point xe de g. De plus, pour tout
[m, +[ : g() m donc le point xe de g est racine de f .
5. Algorithme de point xe :
Algorithm2 Calcul de x g(x)
Require: x
0
>0
Require: g : x g(x)
while [x
k+1
x
k
[ > do
x
k+1
g(x
k
)
end while
G. Faccanoni 21
1. Rsolution dquations non linaires Jeudi 10 mai 2012
y
2
3
x
4
9
g(x)
x
y
i (x)
m
m
(a) Graphe de g compar au graphe de i .
g(x)
x
y
i (x)
x
0
x
1
x
2
x
3
x
4
(b) tude graphique de la convergence de la mthode de point
xe.
FIGURE 1.7.
6. La mthode de Newton est une mthode de point xe avec g(x) x
f (x)
f
t
(x)
. Ici donc elle scrit
x
k+1
x
k

f (x
k
)
f
t
(x
k
)
x
k

x
3
k
+4x
2
k
10
3x
2
k
+8x
k
g(x
k
)
autrement dit la mthode de point xe assigne est la mthode de Newton.
7. tant donn que la mthode de point xe donne est la mthode de Newton et que la racine m de f est simple, elle
converge lordre 2.
Quelques remarques propos du critre darrt bas sur le contrle de lincrment. Les itrations sachvent ds que [x
k+1

x
k
[ < ; on se demande si cela garantt-t-il que lerreur absolue e
k+1
est elle aussi infrieur . Lerreur absolue litration
(k +1) peut tre value par un dveloppement de Taylor au premier ordre
e
k+1
[g() g(x
k
)[ [g
t
(z
k
)e
k
[
avec z
k
compris entre m et x
k
. Donc
[x
k+1
x
k
[ [e
k+1
e
k
[ [g
t
(z
k
) 1[e
k
[g
t
(m) 1[e
k
.
Puisque g
t
(x) 2
3x+4
x
2
(3x+8)
2
f (x), alors g
t
(m) 0 donc on a bien [x
k+1
x
k
[ e
k
.
Exercice 1.11
On se propose de calculer
4
_
1
3
en trouvant les racines relles de lapplication f de R dans R dnie par f (x) x
4

1
3
.
1. Situer les 2 racines de f (i.e. indiquer 2 intervalles disjoints qui contiennent chacun une et une seule racine). En
particulier, montrer quil y a une racine comprise entre 0 et 1.
2. Soit g la fonction dnie sur [0; 1] par
g(x)
x(9x
4
+5)
3(5x
4
+1)
.
2.1. Faire ltude complte de la fonction g et la comparer lidentit.
2.2. Soit la suite (x
n
)
nN
dnie par
x
n+1
g(x
n
), x
0
]0; 1[.
laide des graphe de g et de lidentit sur [0; 1], dessiner la suite (x
n
)
nN
sur laxe des abscisses. Observer
graphiquement la convergence.
2.3. Justier mathmatiquement la convergence observe graphiquement.
22 G. Faccanoni
Jeudi 10 mai 2012 1. Rsolution dquations non linaires
y
3
5
x
g(x)
x
y
i (x)
1
4
_
1
3
4
_
1
3
(a) Graphe de g compar au graphe de i .
g(x)
x
y
i (x)
1
4
_
1
3
4
_
1
3
x
0
x
1
x
2
x
3
x
4
(b) tude graphique de la convergence de la mthode de point xe.
FIGURE 1.8.
2.4. Calculer lordre de convergence de la suite.
2.5. crire lalgorithme dni par la suite (x
n
)
nN
qui permet de dterminer
4
_
1
3
une prcision de .
3. Expliciter la mthode de Newton pour la recherche du zro de la fonction f .
4. Entre la mthode de Newtonet la mthode de point xe x
k+1
g(x
k
), quelle est la plus efcace ? Justier la rponse.
SOLUTION.
1. f est paire ; comme f
t
(x) 4x
3
, f est croissante pour x > 0 et dcroissante pour x < 0 ; puisque f (0) < 0 et f (1)
f (1) >0, on conclut que il ny a que deux racines relles distinctes : ]0; 1[ et ] 1; 0[.
2. On tudie la fonction g(x)
x(9x
4
+5)
3(5x
4
+1)
pour x 0.
2.1. g(x) 0 pour tout x 0 et g(x) 0 ssi x 0 ;
g
t
(x)
5(9x
8
6x
4
+1)
3(5x
4
+1)
2

5
3
_
3x
4
1
5x
4
+1
_
2
donc g
t
(x) 0 pour tout x ]0; 1[ et g
t
(x) 0 ssi x
4
_
1
3
. De plus, g
_
4
_
1
3
_

4
_
1
3
.
Enn, g
tt
(x)
10
3
3x
4
1
5x
4
+1
32x
3
(5x
4
+1)
2

_
20
3
g
t
(x)
32x
3
(5x
4
+1)
2

320x
3
(3x
4
1)
(5x
4
+1)
3
donc g
tt
(x) 0 ssi x 0 ou x
4
_
1
3
, g est
concave pour x
_
0;
4
_
1
3
_
, convexe pour x >
4
_
1
3
.
Pour le graphe de g compar au graphe de i (x) x pour x [0; 1] voir la gure 1.8a.
On vrie analytiquement quil existe une et une seule intersection entre la courbe dquation y g(x) et la
droite dquation y x :
g(x) x
x(9x
4
+5)
3(5x
4
+1)
x 9x
4
+5 3(5x
4
+1) x
4

1
3
f (x) 0.
2.2. Pour ltude graphique de la convergence de la mthode de point xe voir la gure 1.8b.
2.3. tudions la convergence de la mthode. On remarque que
x
k+1
x
k

9x
4
k
+5
3(5x
4
k
+1)
>1 x
k
<
4
_
1
3
donc la suite rcurrente
_
x
0

_
0;
4
_
1
3
_
x
k+1
g(x
k
)
est monotone croissante et majore par
4
_
1
3
: elle est donc convergente vers
4
_
1
3
. Comme g() ssi
4
_
1
3
,
on conclut quelle converge vers
4
_
1
3
. De mme, la suite rcurrente
_
x
0

_
4
_
1
3
; 0
_
x
k+1
g(x
k
)
G. Faccanoni 23
1. Rsolution dquations non linaires Jeudi 10 mai 2012
est monotone dcroissante et minor par
4
_
1
3
: elle est donc convergente vers
4
_
1
3
. Comme g() ssi
4
_
1
3
, on conclut quelle converge vers
4
_
1
3
.
Par consquent, quelque soit le point initiale, la mthode de point xe donne converge vers
4
_
1
3
point xe de g
(et racine de f ).
Soulignons quon ne peut pas utiliser le thorme de point xe pour prouver la convergence de la mthode car g
nest pas contractante sur [0; 1]. En effet, dans [0; 1] on a
[g
t
(x)[ <1 g
t
(x) <1 5(3x
4
1)
2
<3(5x
4
+1)
2
15x
8
+30x
4
1 >0 x
4
>1+
_
16
15
]0; 1[.
2.4. Si on pose
4
_
1
3
alors g() , g
t
() 0, g
tt
() 0 et g
ttt
() 320
2 25
8
22
4
+1
(5
4
+1)
4

15
_
3
2
: on conclut que la
suite converge lordre 3.
2.5. Algorithme de point xe :
Algorithm3 Calcul de x g(x)
Require: x
0
>0
Require: g : x g(x)
while [x
k+1
x
k
[ > do
x
k+1
g(x
k
)
end while
3. Entre la mthode de Newton et la mthode de point xe x
k+1
g(x
k
), la plus efcace est la mthode de point xe
x
k+1
g(x
k
) car elle est dordre 3 tandis que celle de Newton nest que dordre 2.
24 G. Faccanoni
2. Interpolation
tant donn n +1 points
_
(x
i
, y
i
)
_
n
i 0
, estimer y(x)
tant donn n +1 couples (x
i
, y
i
), le problme consiste trouver une fonction (x) telle que (x
i
) y
i
; on dit alors
que interpole {y
i
} aux nuds {x
i
}. On parle dinterpolation polynomiale quand est un polynme, dapproximation tri-
gonomtrique quand est un polynme trigonomtrique et dinterpolation polynomiale par morceaux (ou dinterpolation
par fonctions splines) si est polynomiale par morceaux. Les quantits y
i
peuvent, par exemple, reprsenter les valeurs
aux nuds x
i
dune fonction f connue analytiquement ou des donnes exprimentales. Dans le premier cas, lapproxi-
mation a pour but de remplacer f par une fonction plus simple en vue dun calcul numrique dintgrale ou de drive.
Dans lautre cas, le but est davoir une reprsentation synthtique de donnes exprimentales dont le nombre peut tre trs
lev.
Polynme de LAGRANGE
Considrons n+1 couples (x
i
, y
i
), le problme est de trouver unpolynme
m
(x) a
0
+a
1
x+. . . a
m
x
m
P
m
, appel polynme
dinterpolation ou polynme interpolant, tel quel

m
(x
i
) y
i
, i 0, . . . n.
Les points x
i
sont appels nuds dinterpolation. Il sagit dun systme linaire de n +1 quations et m+1 inconnues. Si
mn on a le rsultat suivant :
Thorme
tant donn n +1 points distincts x
0
, . . . , x
n
et n +1 valeurs correspondantes y
0
, . . . , y
n
, il existe un unique polynme

n
P
n
tel que
n
(x
i
) y
i
, pour i 0, . . . n quon peut crire sous la forme

n
(x)
n

i 0
y
i
L
i
(x) P
n
o L
i
(x)
n

j 0
j /i
x x
j
x
i
x
j
.
Cette relation est appele formule dinterpolation de LAGRANGE et les polynmes L
i
sont les polynmes caractristiques
(de Lagrange).
Remarque
Si n est petit on peut calculer directement les coefcients a
0
, a
1
, . . ., a
n
en rsolvant le systme linaire de n+1 quations
_

_
a
0
+a
1
x
0
+. . . a
n
x
n
0
y
0
a
0
+a
1
x
1
+. . . a
n
x
n
1
y
1
. . .
a
n
+a
1
x
n
+. . . a
n
x
n
n
y
n
i.e.
_
_
_
_
_
_
1 x
0
. . . x
n
0
1 x
1
. . . x
n
1
.
.
.
.
.
.
.
.
.
1 x
n
. . . x
n
n
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
.
.
.
a
n
_
_
_
_
_
_

_
_
_
_
_
_
y
0
y
1
.
.
.
y
n
_
_
_
_
_
_
Erreur
Si y
i
f (x
i
) pour i 0, 1, . . . , n, f : I R tant une fonction donne de classe C
n+1
(I ) o I est le plus petit intervalle
contenant les nuds {x
i
}, lerreur dinterpolation au point x I est donn par
E
n
(x) f (x)
n
(x)
f
(n+1)
()
(n +1)!

n+1
(x)
25
2. Interpolation Jeudi 10 mai 2012
o I et
n+1
(x)
n

i 0
(x x
j
).
Exemple
Pour n 2 le polynme de Lagrange scrit
P(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
Polynme dHERMITE ou polynme osculateur
On peut gnraliser linterpolation de LAGRANGE pour prendre en compte, en plus des valeurs nodales, les valeurs de la
drive du polynme interpolateur dans ces nuds.
Considrons n+1 triplets (x
i
, y
i
, y
t
i
), le problme est de trouver unpolynme
m
(x) a
0
+a
1
x+. . . a
m
x
m
P
m
tel quel
_

m
(x
i
) y
i
,

t
m
(x
i
) y
t
i
,
i 0, . . . n.
Il sagit dunsystme linaire de 2(n+1) quations et m+1 inconnues. Si m2n+1 ona le rsultat suivant :
Thorme
tant donn n+1 points distincts x
0
, . . . , x
n
et n+1 couples correspondantes (y
0
, y
t
0
), . . . , (y
n
, y
t
n
), il existe un unique poly-
nme
N
P
N
tel que
N
(x
i
) y
i
et
t
N
(x
i
) y
t
i
, pour i 0, . . . n quon peut crire sous la forme
Q(x)
n

i 0
y
i
A
i
(x) +y
t
i
B
i
(x) P
N
o
_

_
L
i
(x)
n

j 0
j /i
xx
j
x
i
x
j
,
c
i

n

j 0
j /i
1
x
i
x
j
,
A
i
(x) (12(x x
i
)c
i
)(L
i
(x))
2
,
B
i
(x) (x x
i
)(L
i
(x))
2
,
N 2n +1.
quon peut rcrire comme
Q(x)
n

i 0
(y
i
D
i
(x) +y
t
i
(x x
i
))(L
i
(x))
2
o
_

_
L
i
(x)
n

j 0
j /i
xx
j
x
i
x
j
,
c
i

n

j 0
j /i
1
x
i
x
j
,
D
i
(x) 12(x x
i
)c
i
,
N 2n +1.
Cette relation est appele formule dinterpolation de HERMITE.
Remarque
Si n est petit on peut calculer directement les coefcients a
0
, a
1
, . . ., a
N
en rsolvant le systme linaire de N +1 2n+2
26 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
quations
_

_
a
0
+a
1
x
0
+. . . a
N
x
N
0
y
0
a
0
+a
1
x
1
+. . . a
N
x
N
1
y
1
. . .
a
n
+a
1
x
n
+. . . a
N
x
N
n
y
n
a
1
+a
2
x
0
+. . . Na
N
x
N1
0
y
t
0
a
1
+a
2
x
0
+. . . Na
N
x
N1
1
y
t
1
. . .
a
n
+a
1
x
n
+. . . Na
N
x
N1
n
y
t
n
i.e.
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 x
0
. . . x
N
0
1 x
1
. . . x
N
1
.
.
.
.
.
.
.
.
.
1 x
n
. . . x
N
n
0 x
0
. . . Nx
N1
0
0 x
1
. . . Nx
N1
1
.
.
.
.
.
.
.
.
.
0 x
n
. . . Nx
N1
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
.
.
.
.
.
.
.
.
.
a
N
_
_
_
_
_
_
_
_
_
_
_
_

_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
y
0
y
1
.
.
.
y
n
y
t
0
y
t
1
.
.
.
y
t
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Exemple
Pour n 2 le polynme de Hermite scrit
Q(x) y
0
_
12(x x
0
)
_
1
x
0
x
1
+
1
x
0
x
2
___
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
_
2
+y
t
0
(x x
0
)
_
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
_
2
+y
1
_
12(x x
1
)
_
1
x
1
x
0
+
1
x
1
x
2
___
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
_
2
+y
t
1
(x x
1
)
_
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
_
2
+y
2
_
12(x x
2
)
_
1
x
2
x
0
+
1
x
2
x
1
___
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
_
2
+y
t
2
(x x
2
)
_
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
_
2
,
quon peut rcrire comme
Q(x)
_
y
0
_
12(x x
0
)
_
1
x
0
x
1
+
1
x
0
x
2
__
+y
t
0
(x x
0
)
__
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
_
2
+
_
y
1
_
12(x x
1
)
_
1
x
1
x
0
+
1
x
1
x
2
__
+y
t
1
(x x
1
)
__
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
_
2
+
_
y
2
_
12(x x
2
)
_
1
x
2
x
0
+
1
x
2
x
1
__
+y
t
2
(x x
2
)
__
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
_
2
.
Algorithmes
LAGRANGE :
Require: t , n,
_
(x
i
, y
i
)
_
n
i 0
p 0
for i 0 to n do
L
i
1
for j 0 to n do
if j /i then
L
i

t x
j
x
i
x
j
L
i
end if
end for
p p +y
i
L
i
end for
return p
HERMITE :
Require: t , n,
_
(x
i
, y
i
, y
t
i
)
_
n
i 0
p 0
for i 0 to n do
L
i
1
for j 0 to n do
if j /i then
L
i

t x
j
x
i
x
j
L
i
c
i

1
x
i
x
j
+c
i
end if
end for
p p +
_
y
i
(12(t x
i
) c
i
) +y
t
i
(t x
i
)
_
L
2
i
end for
return p
Splines
Cest une mthode dinterpolationpar morceaux possdant des proprits de rgularit globale.
G. Faccanoni 27
2. Interpolation Jeudi 10 mai 2012
Dnition
tant donn n +1 points distincts x
0
, . . . , x
n
de [a; b] avec a x
0
< x
1
< < x
n
b, la fonction s
k
(x) : [a; b] R est une
spline de degr k relative aux nuds {x
i
} si
_
s
k
(x)[
[x
i
;x
i
+1]
P
k
, i 0, 1, . . . , n 1,
s
k
C
k1
([a; b]).
videmment tout polynme de degr k est une spline, mais enpratique une spline est constitue de polynmes diffrents sur
chaque sous-intervalle. Il peut donc y avoir des discontinuit de la drive k-ime aux nuds internes x
1
, . . . , x
n1
.
Splines linaires
tant donn n +1 points distincts x
0
, . . . , x
n
de [a; b] avec a x
0
< x
1
< < x
n
b, la fonction (x) : [a; b] R est une
spline linaire relative aux nuds {x
i
} si
_
(x)[
[x
i
;x
i
+1]
P
k
, i 0, 1, . . . , n 1,
C
0
([a; b]).
Autrement dit, dans chaque sous-intervalle [x
i
; x
i
+1], la fonction est le segment qui connecte le point (x
i
, y
i
) au point
(x
i +1
, y
i +1
) ; elle scrit donc
(x)[
[x
i
;x
i
+1]
y
i
+
y
i +1
y
i
x
i +1
x
i
(x x
i
)
Erreur
Si y
i
f (x
i
) pour i 0, 1, . . . , n, f : [a; b] R tant une fonction donne de classe C
2
([a; b]), lerreur dinterpolation au
point x [a; b] est donn par
max
xI
[ f (x) (x)[
(b a)
2
8
max
xI
[ f
tt
(x)[.
28 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
Exercices
Exercice 2.1
Construire le polynme de Lagrange P qui interpole les points (0, 2), (1, 1), (2, 2) et (3, 3).
SOLUTION. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
Ici n 3 donc on a
P(x) y
0
(x x
1
)(x x
2
)(x x
3
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+y
1
(x x
0
)(x x
2
)(x x
3
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+y
2
(x x
0
)(x x
1
)(x x
3
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

2
(x 1)(x 2)(x 3)
(01)(02)(03)
+
(x 0)(x 2)(x 3)
(10)(12)(13)
+2
(x 0)(x 1)(x 3)
(20)(21)(23)
+3
(x 0)(x 1)(x 2)
(30)(31)(32)

(x 1)(x 2)(x 3)
3
+
x(x 2)(x 3)
2
x(x 1)(x 3) +
x(x 1)(x 2)
2

1
3
x
3
+2x
2

8
3
x +2.
P(x)
x
y
0 1
1
2
2
3
3
Sinon, comme on cherche un polynme de degr 3, il sagit de trouver les 4 coefcients a
0
, a
1
, a
2
et a
3
solution du systme
linaire
_

_
a
0
+a
1
0+a
2
0
2
+a
3
0
3
2
a
0
+a
1
1+a
2
1
2
+a
3
1
3
1
a
0
+a
1
2+a
2
2
2
+a
3
2
3
2
a
0
+a
1
3+a
2
3
2
+a
3
3
3
3
i.e.
_
_
_
_
1 0 0 0
1 1 1 1
1 2 4 8
1 3 9 27
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
_
_
_
_

_
_
_
_
2
1
2
3
_
_
_
_
Exercice 2.2
Trouver le polynme de lespace vectoriel Vec{1+x
2
, x
4
} qui interpole les points (0, 1) et (1, 3).
SOLUTION. Il sagit de trouver un polynme p(x) qui soit
combinaison linaire des deux polynmes assigns (i.e.
p(x) (1+x
2
) +(x
4
)) et qui interpole les deux points (0, 1)
et (1, 3) :
_
p(0) 1,
p(1) 3,

_
(1+0
2
) +(0
4
) 1,
(1+1
2
) +(1
4
) 3,
do 1 et 1. Le polynme cherch est donc le poly-
nme p(x) 1+x
2
+x
4
.
p(x)
0
1
1
3
x
y
Exercice 2.3
1. Construire le polynme de Lagrange P qui interpole les points (1, 2), (0, 1), (1, 2) et (2, 3).
G. Faccanoni 29
2. Interpolation Jeudi 10 mai 2012
2. Soit Q le polynme de Lagrange qui interpole les points (1, 2), (0, 1), (1, 2). Montrer quil existe un rel tel que :
Q(x) P(x) (x +1)x(x 1).
SOLUTION. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
1. Ici n 3 donc on a
P(x) y
0
(x x
1
)(x x
2
)(x x
3
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+y
1
(x x
0
)(x x
2
)(x x
3
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+y
2
(x x
0
)(x x
1
)(x x
3
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

x(x 1)(x 2)
3
+
(x +1)(x 1)(x 2)
2
(x +1)x(x 2) +
(x +1)x(x 1)
2

1
3
x
3
+x
2
+
1
3
x +1.
2. Par construction
Q(1) P(1),
Q(0) P(0),
Q(1) P(1),
donc le polynme Q(x) P(x) sannule en 1, en 0 et en 1, ceci signie quil existe un polynme R(x) tel que
Q(x) P(x) R(x)(x +1)x(x 1).
Puisque P(x) a degr 3 et Q(x) a degr 2, le polynme Q(x) P(x) a degr 3, donc le polynme R(x) quon a mis en
facteur a degr 0 (i.e. R(x) est une constante).
Si on na pas remarqu a, on peut tout de mme faire tous les calculs : dans ce cas n 2 donc on a
Q(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
x(x 1) (x +1)(x 1) +(x +1)x
x
2
+1.
Ainsi
Q(x) P(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
_
1
x x
3
x
0
x
3
_
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
_
1
x x
3
x
1
x
3
_
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
_
1
x x
3
x
2
x
3
_
y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)
y
0
(x x
0
)(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
y
1
(x x
0
)(x x
1
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
y
2
(x x
0
)(x x
1
)(x x
2
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

_
y
0
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+
y
1
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+
y
2
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+
y
3
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)
_
(x x
0
)(x x
1
)(x x
2
)

(x +1)x(x 1)
3
et
1
3
. Sinon directement
Q(x) P(x) x
2
+1+
1
3
x
3
x
2
+
1
3
x 1
1
3
x
3
+
1
3
x
(x +1)x(x 1)
3
x(x +1)(x 1)
avec
1
3
.
30 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
P(x)
Q(x)
x
y
1
2
x
0
0
x
1
1
2
x
2
2
3
x
3
Exercice 2.4
1. Construire le polynme de Lagrange P qui interpole les trois points (1, e), (0, 1) et (1, e).
2. Sans faire de calculs, donner lexpression du polynme de Lagrange Q qui interpole les trois points (1, 1), (0, 0)
et (1, 1).
3. Trouver le polynme de lespace vectoriel Vec{1, x, x
2
} qui interpole les trois points (1, 1), (0, 0) et (1, 1).
SOLUTION.
1. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
Ici n 2 donc on a
P(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)

e
x(x 1)
2
(x +1)(x 1) +e
(x +1)x
2

(e 1)x
2
+1.
P(x)
x
y
1
e
1
1
2. Il suft de changer les coefcients y
i
dans lexpression
prcdente :
Q(x)
x(x 1)
2

(x +1)x
2
x
2
.
Q(x)
x
y
1 0 1
G. Faccanoni 31
2. Interpolation Jeudi 10 mai 2012
3. Il sagit de trouver un polynme p(x) qui soit combinaison linaire des deux polynmes assigns (i.e. p(x) +x +
x
2
) et qui interpole les trois points (1, 1), (0, 0) et (1, 1) :
_

_
p(1) 1,
p(0) 0,
p(1) 1,

_
+ 1,
0,
++ 1,
do 0, 0 et 1. Le polynme cherch est donc le polynme p(x) x
2
.
Exercice 2.5
1. Construire le polynme de Lagrange P qui interpole les points (1, 1), (0, 1), (1, 2) et (2, 3).
2. Soit Q le polynme de Lagrange qui interpole les points (1, 1), (0, 1), (1, 2). Montrer quil existe un rel tel que :
Q(x) P(x) (x +1)x(x 1).
SOLUTION. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
1. Ici n 3 donc on a
P(x) y
0
(x x
1
)(x x
2
)(x x
3
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+y
1
(x x
0
)(x x
2
)(x x
3
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+y
2
(x x
0
)(x x
1
)(x x
3
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

x(x 1)(x 2)
6
+
(x +1)(x 1)(x 2)
2
(x +1)x(x 2) +
(x +1)x(x 1)
2

1
6
x
3
+
1
2
x
2
+
2
3
x +1.
2. Par construction
Q(1) P(1),
Q(0) P(0),
Q(1) P(1),
donc le polynme Q(x) P(x) sannule en 1, en 0 et en 1, ceci signie quil existe un polynme R(x) tel que
Q(x) P(x) R(x)(x +1)x(x 1).
Puisque P(x) a degr 3 et Q(x) a degr 2, le polynme Q(x) P(x) a degr 3, donc le polynme R(x) quon a mis en
facteur a degr 0 (i.e. R(x) est une constante).
Si on na pas remarqu a, on peut tout de mme faire tous les calculs : dans ce cas n 2 donc on a
Q(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)

x(x 1)
2
(x +1)(x 1) +(x +1)x

1
2
x
2
+
1
2
x +1.
Ainsi
Q(x) P(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
_
1
x x
3
x
0
x
3
_
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
_
1
x x
3
x
1
x
3
_
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
_
1
x x
3
x
2
x
3
_
y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)
32 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
y
0
(x x
0
)(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
y
1
(x x
0
)(x x
1
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
y
2
(x x
0
)(x x
1
)(x x
2
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

_
y
0
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+
y
1
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+
y
2
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+
y
3
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)
_
(x x
0
)(x x
1
)(x x
2
)

(x +1)x(x 1)
6
et
1
6
. Sinon directement
Q(x) P(x)
1
2
x
2
+
1
2
x +1+
1
6
x
3

1
2
x
2

2
3
x 1
1
6
x
3

1
6
x
1
6
x(x
2
1) x(x +1)(x 1)
avec
1
6
.
P(x)
Q(x)
x
y
1
1
x
0
0
x
1
1
2
x
2
2
3
x
3
Exercice 2.6
1. Construire le polynme de Lagrange P qui interpole les trois points (1, ), (0, ) et (1, ) o et sont des rels.
2. Si , donner le degr de P.
3. Montrer que P est pair. Peut-on avoir P de degr 1 ?
SOLUTION.
1. Construire le polynme de Lagrange P qui interpole les trois points (1, ), (0, ) et (1, ) o et sont des rels.
Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
Ici n 2 donc on a
P(x) y
0
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+y
1
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+y
2
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
+

x(x 1)
2
+
(x +1)(x 1)
1
+
(x +1)x
2


2
x(x 1) (x +1)(x 1) +

2
x(x +1)
()x
2
+.
G. Faccanoni 33
2. Interpolation Jeudi 10 mai 2012
2. Si , P qui est un polynme de degr 0.
3. P(x) P(x) donc P est pair. Donc P ne peut pas tre de degr 1 car un polynme de degr 1 est de la forme a
0
+a
1
x
qui ne peut pas tre pair.
Exercice 2.7
Soit f une fonction de classe C
1
([1, 1]) et p le polynme interpolateur dHermite (de degr 3) de f vriant
p(1) f (1), p
t
(1) f
t
(1), p(1) f (1), p
t
(1) f
t
(1).
crire le polynme p.
SOLUTION. On a deux mthodes pour calculer le polynme interpolateur dHermite :
Premire mthode : le polynme interpolateur dHermite scrit
p(x)
n

i 0
_

_
_
y
i
(12(x x
i
)c
i
) +y
t
i
(x x
i
)
_
n

j 0
j /i
(x x
j
)
2
(x
i
x
j
)
2
_

_
o c
i

n

j 0
j /i
1
x
i
x
j
.
Pour n 1 on a alors
p(x) y
0
_
12(x x
0
)
_
1
x
0
x
1
___
(x x
1
)
(x
0
x
1
)
_
2
+y
t
0
(x x
0
)
_
(x x
1
)
(x
0
x
1
)
_
2
+y
1
_
12(x x
1
)
_
1
x
1
x
0
___
(x x
0
)
(x
1
x
0
)
_
2
+y
t
1
(x x
1
)
_
(x x
0
)
(x
1
x
0
)
_
2
.
Dans notre cas x
0
1, x
1
1, y
0
f (1), y
1
f (1), y
t
0
f
t
(1), y
t
1
f
t
(1) donc
p(x)
1
4
_
f (1)(x +2)(x 1)
2
+ f
t
(1)(x +1)(x 1)
2
+ f (1)(2x)(x +1)
2
+ f
t
(1)(x 1)(x +1)
2
_

1
4
_
f (1)(x
3
3x +2) + f
t
(1)(x
3
x
2
x +1) + f (1)(x
3
+3x +2) + f
t
(1)(x
3
+x
2
x 1)
_

2f (1) + f
t
(1) +2f (1) f
t
(1)
4
+
3f (1) 3f (1) f
t
(1) f
t
(1)
4
x
+
f
t
(1) f
t
(1)
4
x
2
+
f (1) + f
t
(1) f (1) + f
t
(1)
4
x
3
.
Le polynme interpolateur dHermite est donc le polynme
p(x) +x +x
2
+x
3
o

2f (1) +2f (1) + f


t
(1) f
t
(1)
4
,
3f (1) +3f (1) f
t
(1) f
t
(1)
4
,

f
t
(1) + f
t
(1)
4
,
f (1) f (1) + f
t
(1) + f
t
(1)
4
.
Deuxime mthode : le polynme interpolateur dHermite est un polynme de degr 2n +1. On cherche donc un polynme
p(x) +x +x
2
+x
3
tel que
p(1) f (1), p
t
(1) f
t
(1), p(1) f (1), p
t
(1) f
t
(1),
cest--dire tel que
_

_
+ f (1),
+++ f (1),
2+3 f
t
(1),
+2+3 f
t
(1).
34 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
En utilisant la mthode dlimination de Gauss on obtient :
[A[b]
_
_
_
_
1 1 1 1 f (1)
1 1 1 1 f (1)
0 1 2 3 f
t
(1)
0 1 2 3 f
t
(1)
_
_
_
_
L
2
L
2
L
1

_
_
_
_
1 1 1 1 f (1)
0 2 0 2 f (1) f (1)
0 1 2 3 f
t
(1)
0 1 2 3 f
t
(1)
_
_
_
_
L
3
L
3

1
2
L
2
L
4
L
4

1
2
L
3

_
_
_
_
_
1 1 1 1 f (1)
0 2 0 2 f (1) f (1)
0 0 2 2 f
t
(1)
f (1)f (1)
2
0 0 2 2 f
t
(1)
f (1)f (1)
2
_
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
_
1 1 1 1 f (1)
0 2 0 2 f (1) f (1)
0 0 2 2 f
t
(1)
f (1)f (1)
2
0 0 0 4 f
t
(1) + f
t
(1) f (1) + f (1)
_
_
_
_
_
ainsi

2f (1) +2f (1) + f


t
(1) f
t
(1)
4
,
3f (1) +3f (1) f
t
(1) f
t
(1)
4
,

f
t
(1) + f
t
(1)
4
,
f (1) f (1) + f
t
(1) + f
t
(1)
4
.
Exercice 2.8
1. Construire le polynme de Lagrange p qui interpole les points (1, 0), (0, 0), (1, 0) et (2, 0).
2. Construire lensemble des polynmes de degr 4 qui interpolent les points (1, 0), (0, 0), (1, 0) et (2, 0).
3. Construire le polynme dHermite Q qui interpole les points (1, 0, 1) et (2, 0, 1).
SOLUTION.
1. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
Ici n 3 et y
i
0 pour i 0, 1, 2, 3 donc p
3
(x) 0.
2. Comme les points donns appartiennent tous la droite dquation y 0, il sagit de construire les polynmes de degr
4 qui ont 4 racines relles distinctes { x
1
, x
2
, x
3
, x
4
}. Ils sont tous de la forme r
a
(x) a(x x
1
)(x x
2
)(x x
3
)(x x
4
) ; ici
donc r
a
(x) a(x +1)x(x 1)(x 2) a(x
4
2x
3
x
2
+2x).
3. tant donn n+1 points distincts x
0
, . . . , x
n
et n+1 couples correspondantes (y
0
, y
t
0
), . . . , (y
n
, y
t
n
), le polynme dHERMITE
Q de degr N 2n +1 tel que Q(x
i
) y
i
et Q
t
(x
i
) y
t
i
, pour i 0, . . . n scrit
Q(x)
n

i 0
y
i
A
i
(x) +y
t
i
B
i
(x) P
N
o
_

_
L
i
(x)
n

j 0
j /i
xx
j
x
i
x
j
,
c
i

n

j 0
j /i
1
x
i
x
j
,
A
i
(x) (12(x x
i
)c
i
)(L
i
(x))
2
,
B
i
(x) (x x
i
)(L
i
(x))
2
.
Ici n 1 et le polynme de Hermite scrit
Q(x) y
0
A
0
+y
t
0
B
0
+y
1
A
1
+y
t
0
B
1
B
0
B
1
(x x
0
)
_
x x
1
x
0
x
1
_
2
(x x
1
)
_
x x
0
x
1
x
0
_
2
(x +1)
_
x 2
3
_
2
(x 2)
_
x +1
3
_
2

(x 2)
2
(x +1) (x 2)(x +1)
2
9

3(x 2)(x +1)
9

x
2
+x +2
3
.
Si on a oubli la formule, il suft de remarquer quon cherche un polynme de degr 3 qui a comme racines 1 et 2
et donc qui scrit Q(x) (x +1)(x 2)(ax +b) ax
3
+(a +b)x
2
+(b 2a)x 2b ; de plus on sait que Q
t
(1) 1 et
Q
t
(2) 1, on trouve alors a et b en rsolvant le systme linaire
_
3a(1)
2
+2(a +b)(1) +(b 2a) 1,
3a(2)
2
+2(a +b)(2) +(b 2a) 1,

_
3a +2a 2b b 2a 1,
12a 4a +4b b 2a 1,

_
a 0,
b 1/3.
G. Faccanoni 35
2. Interpolation Jeudi 10 mai 2012
On obtient le polynme Q(x)
(x+1)(x2)
3
.
Une autre ide pour calculer le polynme Q sans utiliser la formule ni la remarque prcdente est de calculer directe-
ment le polynme selon la dnition : on cherche un polynme de degr 3, donc de la forme Q(x) a
0
+a
1
x +a
2
x
2
+
a
3
x
3
, qui vrie Q(1) 0, Q(2) 0, Q
t
(1) 1 et Q
t
(2) 1. On doit alors rsoudre le systme linaire
_

_
a
0
a
1
+a
2
a
3
x
3
0
a
0
+2a
1
+4a
2
+8a
3
x
3
0
a
1
2a
2
+3a
3
x
3
1
a
1
+4a
2
+12a
3
x
3
1
quon peut rcrire sous la forme Aa b avec
A
_
_
_
_
1 1 1 1
1 2 4 8
0 1 2 3
0 1 4 12
_
_
_
_
, a
_
_
_
_
a
0
a
1
a
2
a
3
_
_
_
_
et b
_
_
_
_
0
0
1
1
_
_
_
_
On utilise la mthode dlimination de Gauss :
(A[b)
_
_
_
_
1 1 1 1 0
1 2 4 8 0
0 1 2 3 1
0 1 4 12 1
_
_
_
_
L
2
L
2
L
1

_
_
_
_
1 1 1 1 0
0 3 2 9 0
0 1 2 3 1
0 1 4 12 1
_
_
_
_
L
3
L
3
L
2
/3
L
4
L
4
L
3
/3

_
_
_
_
1 1 1 1 0
0 3 2 9 0
0 0 3 0 1
0 0 3 9 1
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 1 1 1 0
0 3 2 9 0
0 0 3 0 1
0 0 0 9 0
_
_
_
_
et nalement on obtient
a
3
0, a
2

1
3
, a
1

1
3
, a
0

2
3
,
do Q(x)
x
2
+x +2
3
.
P(x)
r
a
(x)
Q(x)
y x +1
y x +2
x
y
1 0 1 2
Exercice 2.9
Lesprance de vie dans un pays a volue dans le temps selon le tableau suivant :
Anne 1975 1980 1985 1990
Esprance 72,8 74,2 75,2 76,4
Utiliser linterpolation de Lagrange pour estimer lesprance de vie en 1977, 1983 et 1988. La comparer avec une interpo-
lation linaire par morceaux.
SOLUTION. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(x
i
, y
i
)}
n
i 0
scrit
p
n
(x)
n

i 0
_
_
_
_
y
i
n

j 0
j /i
x x
j
x
i
x
j
_
_
_
_
.
36 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
Ici n 3 et si on choisit de poser x
0
0 pour lanne 1975, x
1
5 pour lanne 1980 etc., on a
P(x) y
0
(x x
1
)(x x
2
)(x x
3
)
(x
0
x
1
)(x
0
x
2
)(x
0
x
3
)
+y
1
(x x
0
)(x x
2
)(x x
3
)
(x
1
x
0
)(x
1
x
2
)(x
1
x
3
)
+y
2
(x x
0
)(x x
1
)(x x
3
)
(x
2
x
0
)(x
2
x
1
)(x
2
x
3
)
+y
3
(x x
0
)(x x
1
)(x x
2
)
(x
3
x
0
)(x
3
x
1
)(x
3
x
2
)

72,8
(x 5)(x 10)(x 15)
(05)(010)(015)
+74,2
(x 0)(x 10)(x 15)
(50)(510)(515)
+75,2
(x 0)(x 5)(x 15)
(100)(105)(1015)
+76,4
(x 0)(x 5)(x 10)
(150)(155)(1510)

72,8(x 5)(x 10)(x 15) +374,2x(x 10)(x 15) 375,2x(x 5)(x 15) +76,4x(x 5)(x 10)
750
On a alors que
lesprance de vie en 1977 correspond P(2) 73,45,
lesprance de vie en 1983 correspond P(8) 74,81,
lesprance de vie en 1988 correspond P(13) 75,86.
P(x)
x
y
1975
72,8
1980
74,2
1985
75,2
1990
76,4
1977
73,45
1983
74,81
1988
75,86
Remarque : il est intressant de considrer une interpolation linaire par morceaux (splines de degr 1) ; on note que lesp-
rance de vie est sous-estim en 1977 et sur-estim en 1988 par rapport linterpolation prcdente car
lesprance de vie en 1977 correspond
74,272,8
50
2+72,8 73,36 <P(2),
lesprance de vie en 1983 correspond
75,274,2
105
8+73,2 74,8 P(8),
lesprance de vie en 1988 correspond
76,474,2
1510
13+72,8 75,92 >P(13).
Exercice 2.10
Pour calculer le zro dune fonction y f (x) inversible sur un intervalle [a; b] on peut utiliser linterpolation : aprs avoir
valu f sur une discrtisation x
i
de [a; b], on interpole lensemble
_
(y
i
, x
i
)
_
n
i 0
et on obtient un polynme x p(y) tel
que
f (x) 0 x p(0).
Utiliser cette mthode pour valuer lunique racine de la fonction f (x) e
x
2 dans lintervalle [0; 1] avec trois points
dinterpolation.
Comparer ensuite le rsultat obtenu avec lapproximation du zro de f obtenue par la mthode de Newton en 3 itrations
partir de x
0
0.
SOLUTION. Calculons dabord les valeurs interpoler
i x
i
y
i
0 0 1
1
1
2
_
e 2
2 1 e 2
G. Faccanoni 37
2. Interpolation Jeudi 10 mai 2012
Le polynme dinterpolation de Lagrange de degr n sur lensemble des n +1 points {(y
i
, x
i
)}
n
i 0
scrit
p
n
(y)
n

i 0
_
_
_
_
x
i
n

j 0
j /i
y y
j
y
i
y
j
_
_
_
_
.
Ici n 2 donc on a
p(y) x
0
(y y
1
)(y y
2
)
(y
0
y
1
)(y
0
y
2
)
+x
1
(y y
0
)(y y
2
)
(y
1
y
0
)(y
1
y
2
)
+x
2
(y y
0
)(y y
1
)
(y
2
y
0
)(y
2
y
1
)

1
2
(y +1)(y e +2)
(
_
e 2+1)(
_
e 2e +2)
+
(y +1)(y
_
e +2)
(e 2+1)(e 2
_
e +2)
.
Par consquent une approximation de la racine de f est p(0)
1
2
e+2
(
_
e2+1)(
_
e2e+2)
+

_
e+2
(e2+1)(e2
_
e+2)
0.7087486785.
La mthode de Newton scrit
_
x
0
0,
x
k+1
x
k

e
x
k 2
e
x
k
x
k
1+
2
e
x
k
,
on obtient ainsi la suite
k x
k
0 0
1 1
2
2
e
0.7357588825
3
2e
e

2
e
2
e
0.6940422999
Remarque : comme il ny a que trois points dinterpolation, on pourrait calculer directement le polynme interpolateur de
f plutt que de sa rciproque et chercher les zros de ce polynme directement car il sagit dun polynme de degr 2.
Cependant cette ide ne peu pas tre gnralise au cas de plus de trois points dinterpolation car on ne connait pas de
formule gnrale pour le calcul des zros dun polynme de degr n 3.
Exercice 2.11
Soit f une fonction continue dont on connait les valeurs uniquement pour t entier, cest--dire on suppose connues les
valeurs f () pour tout Z. Si t R\ Z, on dnit une approximation p(t ) de f (t ) en interpolant la fonction f par un
polynme de degr 3 aux quatre points entiers les plus proches de t . Calculer p(t ) et crire un algorithme qui fournit p(t ).
SOLUTION. Soit E[t ] la partie entire
1
de t . Alors t [; +1] et il sagit de dnir le polynme p interpolant les points
(1, f (1)), (, f ()), (+1, f (+1)), (+2, f (+2)),
ce qui donne
P(t )
3

i 0
_
_
_
_
f (1+i )
3

j 0
j /i
t (1+ j )
(1+i ) (1+ j )
_
_
_
_

i 0
_
_
_
_
f (1+i )
3

j 0
j /i
t +1 j
i j
_
_
_
_

f (1)
6
(t )(t 1)(t 2) +
f ()
2
(t +1)(t 1)(t 2)

f (+1)
2
(t +1)(t )(t 2) +
f (+2)
6
(t +1)(t )(t 1)
Require: f : ZR, t
E[t ]
x
0
1
1. Pour tout nombre rel x, la partie entire note E(x) est le plus grand entier relatif infrieur ou gal x. Par exemple, E(2.3) 2, E(2) 2 et
E(2.3) 3. La fonction partie entire est aussi note [x] (ou ]x] par les anglo-saxons). On a toujours E(x) x <E(x) +1 avec galit si et seulement si x
est un entier relatif. Pour tout entier relatif k et et pour tout nombre rel x, on a E(x +k) E(x) +k. Larrondi lentier le plus proche dun rel x peut tre
exprim par E(x +0.5).
38 G. Faccanoni
Jeudi 10 mai 2012 2. Interpolation
x
1

x
2
+1
x
3
+2
y 0
for i 0 to 3 do
L 1
for j 0 to 3 do
if j /i then
L
t x
j
x
i
x
j
L
end if
end for
y y + f (x
i
) L
end for
return y
G. Faccanoni 39
3. Quadrature
Calculer
_
b
a
f (x) dx o f est une fonction donne
Soit f une fonction relle intgrable sur lintervalle [a; b]. Le calcul explicite de lintgrale dnie I ( f )
_
b
a
f (x)dx peut tre
difcile, voire impossible. On appelle formule de quadrature ou formule dintgration numrique toute formule permettant
de calculer une approximation de I ( f ). Une possibilit consiste remplacer f par une approximation f
n
, o n est un entier
positif, et calculer I ( f
n
) au lieu de I ( f ). En posant I
n
( f ) I ( f
n
) (la dpendance par rapports aux extrmits a et b sous-
entendue), on a
I
n
( f )
_
b
a
f
n
(x)dx, n 0.
Si f est de classe C
0
sur [a; b], lerreur de quadrature E
n
( f ) [I
n
( f ) I ( f )[ satisfait
E
n
( f )
_
b
a
[ f (x) f
n
(x)[dx (b a)|f f
n
|

.
Lapproximation f
n
doit tre facilement intgrable, ce qui est le cas si, par exemple, f
n

n
i 0

i
x
i
R
n
[x] car
I ( f ) I
n
( f )
_
b
a
f
n
(x)dx
_
b
a
_
n

i 0

i
x
i
_
dx
n

i 0

i
__
b
a
x
i
dx
_

i 0

i
i +1
_
x
i +1
_
b
a

i 0
b
i +1
a
i +1
i +1

i
.
Une approche naturelle consiste prendre f
n

n
f

n
i 0
f (x
i
)L
i
(x), le polynme dinterpolation de LAGRANGE de f sur
un ensemble de n +1 nuds distincts {x
i
}
i n
i 0
. Ainsi on dduit
I
n
( f )
n

i 0
_
f (x
i
)
_
b
a
L
i
(x)dx
_
o L
i
(x)
n

j 0
j /i
x x
j
x
i
x
j
.
Il sagit dun cas particulier de la formule de quadrature suivante
I
n
( f )
n

i 0

i
f (x
i
)
qui est une somme pondre des valeurs de f aux points x
i
: on dit que ces points sont les nuds de la formule de quadrature
et que les nombres
i
R sont les coefcients ou encore les poids. La formule de quadrature de LAGRANGE peut tre gnra-
lise au cas o on connat les valeurs de la drive de f : ceci conduit la formule de quadrature dHERMITE. Les formules de
Lagrange et dHERMITE sont toutes les deux des formules de quadrature interpolatoires, car la fonction f est remplace par
son polynme dinterpolation.
Degr dexactitude
On dnit le degr dexactitude dune formule de quadrature comme le plus grand entier r 0 pour lequel I
n
(q) I (q)
pour tout polynme q R
r
[x].
Astuce
Si q est un polynme de R
r
[x], il existe
0
,
1
, . . . ,
r
tels que q(x)

r
k0

k
x
k
. Alors I (q)
_
b
a
q(x)dx

r
k0

k
(
_
b
a
x
k
)

r
k0

k
I (x
k
). Pour vrier quune formule de quadrature I
n
a degr dexactitude r il suft alors de vrier que I
n
(x
k
)
I (x
k
) pour tout k 0. . . r .
41
3. Quadrature Jeudi 10 mai 2012
Thorme
Toute formule de quadrature interpolatoire utilisant n +1 nuds distincts a un degr dexactitude au moins gale n.
En effet, si f R
n
[x], alors
n
f f .
La rciproque aussi est vraie : une formule de quadrature utilisant n +1 nuds distincts et ayant un degr dexactitude au
moins gale n est ncessairement de type interpolatoire.
Le degr dexactitude peut mme atteindre 2n +1 dans le cas des formules de quadrature de Gauss.
Stabilit
Une formule de quadrature I
n
( f )

n
i 0

i
f (x
i
) est dite stable sil existe M R

+
tel que

n
i 0
[
i
[ M.
Thorme
Une mthode de quadrature de type interpolation est convergente sur C[a; b] ssi les formules sont stables.
Formule de quadrature composite
On dcompose lintervalle dintgration [a; b] en m sous-intervalles T
j
[y
j
; y
j +1
] tels que y
j
a + j H o H
ba
m
pour
j 0, 1, . . . , m. On utilise alors sur chaque sous-intervalle une formule interpolatoire de nuds
_
x
( j )
k
_
n
k0
et de poids
_

( j )
k
_
n
k0
. Puisque
I ( f )
_
b
a
f (x)dx
m1

j 0
_
y
j +1
y
j
f (x)dx,
une formule de quadrature interpolatoire composite est obtenue en remplaant I ( f ) par
I
n,m
( f )
m1

j 0
n

k0

( j )
k
f (x
( j )
k
).
Changement de variable afne
Souvent on dnit dabord une formule de quadrature sur lintervalle [0; 1] ou sur lintervalle [1; 1] et puis on la gnra-
lise lintervalle [x
i
; x
i +1
] par un changement de variable afne.
Soit x [a; b] et soit y [c; d], on cherche une transformation y g(x) qui envoie lintervalle [a; b] dans lintervalle [c; d]
ainsi
_
d
c
g(y)dy
_
b
a
f (g(x))g
t
(x)dx.
Si g
t
(x) est une constante, i.e. si g est une transformation afne g(x) mx +q, alors
_
d
c
g(y)dy m
_
b
a
f (mx +q)dx.
Pour dterminer cette transformation afne, on doit rsoudre le systme linaire
_
c ma +q,
d mb +q.
On obtient
m
d c
b a
, q
cb ad
b a
.
Par consquent y
d c
b a
x +
cb ad
b a
do
_
d
c
f (y)dy
d c
b a
_
b
a
f
_
d c
b a
x +
cb ad
b a
_
dx.
42 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
a
b
a+b
2
x
(a) Formule du point milieu.
x
0
a x
1
x
2
x
3 x
4
b
x
0
+x
1
2
x
1
+x
2
2
x
2
+x
3
2
x
3
+x
4
2
x
(b) Formule du point milieu composite.
a
b
x
(c) Formule du trapze.
x
0
a x
1
x
2
x
3 x
4
b
x
(d) Formule du trapze composite.
a
b
a+b
2
x
(e) Formule de Cavalieri-Simpson.
x
0
a x
1
x
2
x
3 x
4
b
x
(f ) Formule de Cavalieri-Simpson composite.
FIGURE 3.1.: Formules de quadrature pour n 0, 1, 2.
Exemple
Transformer lintervalle [0; 1] dans lintervalle [x
i
; x
i +1
] par un changement de variable afne.
On a y (x
i +1
x
i
)x +x
i
et
_
x
i +1
x
i
f (y)dy (x
i +1
x
i
)
_
1
0
f ((x
i +1
x
i
)x +x
i
)dx.
On voit que lorsque x 0 alors y x
i
, lorsque x 1 alors y x
i +1
, ou encore lorsque x 1/2 alors y
x
i
+x
i +1
2
etc.
Exemple
Transformer lintervalle [1; 1] dans lintervalle [x
i
; x
i +1
] par un changement de variable afne.
On a y
x
i +1
x
i
2
x +
x
i +1
x
i
2
, quon peut rcrire y x
i
+(1+x)
x
i +1
x
i
2
et
_
x
i +1
x
i
f (y)dy
x
i +1
x
i
2
_
1
1
f
_
x
i
+(1+x)
x
i +1
x
i
2
_
dx.
G. Faccanoni 43
3. Quadrature Jeudi 10 mai 2012
Exemples de formules de quadrature interpolatoires
1. La formule du rectangle ou du point milieu est obtenue en remplaant f par une constante gale la valeur de f au
milieu de [a; b] (polynme de degr 0), ce qui donne
I
0
( f ) (b a) f
_
a +b
2
_
.
Si f C
2
([a; b]) alors lerreur de quadrature est
E
0
( f )
h
3
3
[ f
tt
()[, h
b a
2
, ]a; b[.
Le degr dexactitude de la formule du point milieu est 1.
On dcompose maintenant lintervalle dintgration [a; b] en m sous-intervalles de largeur H
ba
m
avec m 1 En
introduisant les nuds de quadrature x
k
a +
2k+1
2
H pour k 0, 1, . . . , m1 on obtient la formule composite du point
milieu
I
o,m
( f ) H
m1

k0
f
_
a +
2k +1
2
H
_
.
Si f C
2
([a; b]) alors lerreur de quadrature est
E
0,m
( f )
b a
24
H
2
[ f
tt
()[, ]a; b[.
2. La formule du trapze est obtenue en remplaant f par le segment qui relie (a, f (a)) (b, f (b)) (polynme de Lagrange
de degr 1), ce qui donne
I
1
( f )
b a
2
_
f (a) + f (b)
_
.
Si f C
2
([a; b]) alors lerreur de quadrature est
E
1
( f )
h
3
12
[ f
tt
()[, h b a, ]a; b[.
Le degr dexactitude de la formule du point milieu est 1, comme celle du point milieu.
Pour obtenir la formule du trapze composite, on dcompose lintervalle dintgration [a; b] en m sous-intervalles de
largeur H
ba
m
avec m1. En introduisant les nuds de quadrature x
k
a +kH pour k 0, 1, . . . , m1 on obtient
I
1,m
( f )
H
2
m1

k0
_
f (x
k
) + f (x
k+1
)
_
H
_
1
2
f (a) +
m1

k1
f (a +kH) +
1
2
f (b)
_
.
Si f C
2
([a; b]) alors lerreur de quadrature est
E
0,m
( f )
b a
12
H
2
[ f
tt
()[, ]a; b[.
3. La formule de Cavalieri-Simpson est obtenue en remplaant f par la parabole qui interpole (a, f (a)), (b, f (b)) et
_
a+b
2
, f
_
a+b
2
__
(polynme de Lagrange de degr 2), ce qui donne
I
2
( f )
b a
6
_
f (a) +4f
_
a +b
2
_
+ f (b)
_
.
Si f C
4
([a; b]) alors lerreur de quadrature est
E
2
( f )
h
5
90
[ f
(4)
()[, h
b a
2
, ]a; b[.
Le degr dexactitude de la formule du point milieu est 3.
44 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
Pour obtenir la formule composite, on dcompose lintervalle dintgration [a; b] en m sous-intervalles de largeur H
ba
2m
avec m1. En introduisant les nuds de quadrature x
k
a +kH pour k 0, 1, . . . , m on obtient
I
2,m
( f )
H
3
_
f (a) +2
m1

r 1
f (x
2r
) +4
s1

s0
f (x
2s+1
) + f (b)
_

H
3
_
f (a) +2
m1

r 1
f (a +r H) +4
m1

s0
f
_
a +
2s +1
2
H
_
+ f (b)
_
.
Si f C
4
([a; b]) alors lerreur de quadrature est
E
2,m
( f )
b a
180
_
H
4
_
4
[ f
(4)
()[, ]a; b[.
Algorithmes
MTHODE DU RECTANGLE
Require: f , a, b >a, n >0
h
ba
n
s 0
for i 0 to n 1 do
s s + f
_
a +
_
i +
1
2
_
h
_
end for
return I hs
MTHODE DES TRAPZES
Require: f , a, b >a, n >0
h
ba
n
s
f (a)+f (b)
2
for i 1 to n 1 do
s s + f
_
a +i h
_
end for
return I hs
MTHODE DE SIMPSON
Require: f , a, b >a, n >0
h
ba
2n
s
1
0
s
2
f (a +h)
for i 1 to n 1 do
s
1
s
1
+ f (a +2i h)
s
2
s
2
+ f (a +(2i +1)h)
end for
return I
h
3
_
f (a) + f (b) +2s
1
+4s
2
_
G. Faccanoni 45
3. Quadrature Jeudi 10 mai 2012
Exercices
Exercice 3.1
Estimer
_
5/2
0
f (x) dx partir des donnes
x 0
1
/2 1
3
/2 2
5
/2
f (x)
3
/2 2 2 1.6364 1.2500 0.9565
en utilisant la mthode des trapzes composite.
SOLUTION. La mthode des trapzes composite m+1 points pour calculer lintgrale dune fonction f sur lintervalle [a, b]
scrit
_
b
a
f (t )dt h
_
1
2
f (a) +
m1

i 1
f (a +i h) +
1
2
f (b)
_
avec h
b a
m
.
Ici on a a 0, b 5/2, h 1/2 donc
_
5/2
0
f (x) dx
1
2
_
3
4
+2+2+1.6364+1.2500+
0.9565
2
_
4.057325
Exercice 3.2
Estimer
_

0
sin(x) dx en utilisant la mthode des trapzes composite avec 8 et puis 16 sous-intervalles en prenant en
compte lerreur.
SOLUTION. La mthode des trapzes composite m+1 points pour calculer lintgrale dune fonction f sur lintervalle [a, b]
scrit
_
b
a
f (t )dt h
_
1
2
f (a) +
m1

i 1
f (a +i h) +
1
2
f (b)
_
avec h
b a
m
et lerreur est donn par
E
b a
12
h
2
f
tt
()
avec a < <b.
Ici on a a 0, b . Avec 8 sous-intervalles on a h /8 donc
_

0
sin(x) dx

8
_
sin(0)
2
+
7

i 1
sin(i /8) +
sin()
2
_
1.97423
et lerreur est
E

3
768
sin()
pour ]0; [. Comme on ne connait pas la valeur de , on ne peut pas connaitre E mais on peut en dterminer les bornes :
E
min


3
768
sin(0) 0 E
max


3
768
sin(/2)

3
768
0.04037
ainsi
(1.974230)
_

0
sin(x) dx (1.97423+0.04037) 2.01460
La valeur exacte est bien videmment 2.
Avec 16 sous-intervalles on a h /16 et les nouveaux noeuds se trouvent au milieux des sous-intervalles prcdents : x
j

/16+ j /8 (1+2j )/16 pour j 0, 1, . . . , 7, ainsi
_

0
sin(x) dx
1.97423
2
+

16
7

j 0
sin((1+2j )/16) 1.99358
46 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
et le limites de lerreur deviennent (observons que E est divis par 4 lorsque h est divis par 2) :
E
min
0 E
max

0.04037
4
0.01009
ainsi
1.99358
_

0
sin(x) dx (1.99358+0.01009) 2.00367.
Exercice 3.3
On considre lintgrale
I
_
2
1
1
x
dx.
1. Calculer la valeur exacte de I .
2. valuer numriquement cette intgrale par la mthode des trapzes avec m3 sous-intervalles.
3. Pourquoi la valeur numrique obtenue la question prcdente est-elle suprieure ln(2) ? Est-ce vrai quelque soit
m? Justier la rponse. (On pourra saider par un dessin.)
4. Quel nombre de sous-intervalles m faut-il choisir pour avoir une erreur infrieure 10
4
? On rappelle que lerreur
de quadrature associe scrit, si f C
2
([a; b]),
[E
m
[

(b a)
4
12m
2
f
tt
()

, ]a; b[.
SOLUTION.
1. Une primitive de
1
x
est F(x) ln(x). La valeur exacte est alors I
_
ln(x)
_
x2
x1
ln(2).
2. La mthode des trapzes composite m+1 points pour calculer lintgrale dune fonction f sur lintervalle [a, b] scrit
_
b
a
f (t )dt h
_
1
2
f (a) +
m1

i 1
f (a +i h) +
1
2
f (b)
_
avec h
b a
m
.
Ici on a f (x)
1
x
, a 1, b 2, m3 do h
1
3
et on obtient
I
1
3
_
1
2
f (1) + f (1+1/3) + f (1+2/3) +
1
2
f (2)
_

1
3
_
1
2
+
3
4
+
3
5
+
1
4
_

21
30
0,7.
3. La valeur numrique obtenue la question prcdente est suprieure ln(2) car la fonction f (x)
1
x
est convexe. On
peut se convaincre laide dun dessin que les trapzes sont au-dessus de la courbe y 1/x, laire sous les trapzes
sera donc suprieure laire sous la courbe. Pour bien visualiser la construction considrons m1 :
0.5 1 1.5 2
0
0.5
1
0.5 1 1.5 2
0
0.5
1
Cela reste vrai quelque soit le pas h choisi car la fonction est convexe ce qui signie quune corde dnie par deux
points de la courbe y 1/x sera toujours au-dessus de la courbe et par le raisonnement prcdant laire sous les
trapzes sera suprieure laire exacte.
4. Lerreur est majore par
[E[
(b a)
4
12m
2
sup
]a;b[
[ f
tt
()[.
Donc ici on a
[E[
1
12m
2
max
]1;2[
2

3

1
6m
2
.
Pour que [E[ <10
4
il suft que
1
6m
2
<10
4
, i.e. m>10
2
/
_
6 40,8. partir de 41 sous-intervalles, lerreur de quadra-
ture est infrieure 10
4
.
G. Faccanoni 47
3. Quadrature Jeudi 10 mai 2012
Exercice 3.4 Intgration
tant donne lgalit
4
__
+
0
e
x
2
dx
_
2
4
__
10
0
e
x
2
dx +
_
2
,
avec 0 < <10
44
, utiliser la mthode des trapzes composite 10 intervalles pour estimer la valeur de .
SOLUTION. La mthode des trapzes composite m intervalles pour calculer lintgrale dune fonction f sur lintervalle
[a, b] scrit
_
b
a
f (t )dt h
_
1
2
f (a) +
m1

i 1
f (a +i h) +
1
2
f (b)
_
avec h
b a
m
.
Ici on a f (x) e
x
2
, a 0, b 10, m10 do h 1 et on obtient
I
1
2
+
10

i 1
e
i
2
+
1
2e
100

1
2
+
1
e
+
1
e
4
+
1
e
9
+
1
e
16
+
1
e
25
+
1
e
36
+
1
e
49
+
1
e
64
+
1
e
81
+
1
2e
100
3.1422.
Exercice 3.5
Soit f une fonction C

(R, R).
1. On considre lapproximation
_
1
1
f (x) dx
2
3
_
2f
_

1
2
_
f (0) +2f
_
1
2
_
_
.
Quel est le degr dexactitude de cette formule de quadrature ?
2. On se donne les points {x
i
}
i n
i 0
de subdivision de lintervalle [a; b] : x
i
a +i h avec h
ba
n
. laide dun change-
ment de variable afne, en dduire une formule de quadrature pour lintgrale
_
x
i +1
x
i
f (x) dx.
En tirer une formule de quadrature composite pour lintgrale
_
b
a
f (x) dx.
3. crire lalgorithme pour approcher
_
b
a
f (x) dx.
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx
2
3
(2p
k
(1/2) p
k
(0) +2p
k
(1/2)) Degr dexactitude
0 1 2 2 au moins 0
1 x 0 0 au moins 1
2 x
2
2/3 2/3 au moins 2
3 x
3
0 0 au moins 3
4 x
4
2/5 1/6 3
La formule est donc exacte de degr 3.
2. Soit x mt +q, alors
_
x
i +1
x
i
f (x) dx m
_
1
1
f (mt +q) dt avec
_
x
i
m+q,
x
i +1
m+q,
do le changement de variable x x
i
+(t +1)
x
i +1
x
i
2
. On dduit la formule de quadrature (exacte sur lespace des
polynme de degr au plus 3)
_
x
i +1
x
i
f (x) dx
x
i +1
x
i
2
_
1
1
f
_
x
i
+(t +1)
x
i +1
x
i
2
_
dt
x
i +1
x
i
3
_
2f
_
x
i
+
x
i +1
+x
i
2
2
_
f
_
x
i +1
+x
i
2
_
+2f
_
x
i +1
+x
i
2
+x
i +1
2
__
.
Soit h x
i +1
x
i

ba
n
. La formule prcdente se rcrit
_
x
i +1
x
i
f (x) dx
h
3
_
2f
_
x
i
+
h
4
_
f
_
x
i
+
h
2
_
+2f
_
x
i
+
3h
4
__
.
48 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
et la formule de quadrature composite dduite de cette approximation est
_
b
a
f (x) dx
n1

i 0
_
x
i +1
x
i
f (x) dx
h
3
n1

i 0
_
2f
_
x
i
+
h
4
_
f
_
x
i
+
h
2
_
+2f
_
x
i
+
3h
4
__
.
3. Algorithme dapproximation de
_
b
a
f (x) dx
Require: f , a, b >a, n >0
h
ba
n
s 0
for i 0 to n 1 do
x a +i h
s s +2f
_
x +
h
4
_
f
_
x +
h
2
_
+2f
_
x +
3h
4
_
end for
return I
h
3
s
Exercice 3.6
Soit f une fonction C

(R, R). On se donne les points {x


i
}
i n
i 0
de subdivision de lintervalle [a; b] : x
i
a+i h avec h
ba
n
.
Le but de lexercice est de trouver une formule de quadrature 2n points pour approcher lintgrale
_
b
a
f (x) dx. (3.1)
On propose dans un premier temps (question 1 4) de construire la formule de quadrature deux points suivantes :
_
1
1
g(x) dx g() +g(), (3.2)
o 0 <<1 est dterminer.
1. Choisir pour rendre la formule de quadrature exacte pour des polynmes de degr le plus lev possible. Quel est
alors le degr dexactitude de cette formule de quadrature ?
2. laide dun changement de variable afne, tendre cette formule de quadrature pour lintgrale suivante :
_
x
i +1
x
i
f (x) dx.
3. En dduire une formule de quadrature 2n points, note F, pour le calcul approch de (3.1). Cette formule de
quadrature est-elle stable ?
4. crire lalgorithme du calcul de F.
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx p
k
() +p
k
() Degr dexactitude
0 1 2 2 au moins 0
1 x 0 0 au moins 1
2 x
2
2/3 2
2
1 si /1/
_
3, au moins 2 si 1/
_
3
Soit 1/
_
3
3 x
3
0 0 au moins 3
4 x
4
2/5 2/9 3
Donc la formule de quadrature a degr dexactitude 1 si /1/
_
3 et degr dexactitude 3 si 1/
_
3.
2. Par le changement de variable y x
i
+(x +1)
x
i +1
x
i
2
on dduit la formule de quadrature
_
x
i +1
x
i
f (y) dy
x
i +1
x
i
2
_
1
1
f
_
x
i
+(x +1)
x
i +1
x
i
2
_
dx

x
i +1
x
i
2
_
f
_
x
i
+
_
1
_
1
3
_
x
i +1
x
i
2
_
+ f
_
x
i
+
_
1+
_
1
3
_
x
i +1
x
i
2
__
.
3. Si h x
i +1
x
i

ba
n
(i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on trouve la formule
de quadrature composite (i.e. sur n sous-intervalles et 2n points)
_
b
a
f (x) dx
h
2
n1

i 0
_
f
_
x
i
+h
_
1
_
1
3
__
+ f
_
x
i
+h
_
1+
_
1
3
___

h
2
n1

i 0
_
f
_
a +h
_
i +1
_
1
3
__
+ f
_
a +h
_
i +1+
_
1
3
___
.
G. Faccanoni 49
3. Quadrature Jeudi 10 mai 2012
Cette formule de quadrature est stable puisque tous les coefcients sont positifs.
4. Algorithme du calcul de F :
Require: f , a, b >a, n >0
h
ba
n

1
a +
_
1
_
1
3
_
h

2
a +
_
1+
_
1
3
_
h
for i 0 to n 1 do
s s + f (
1
+i h) + f (
2
+i h)
end for
return I
h
2
s
Exercice 3.7 Interpolation et Intgration
1. Soit f une fonction de classe C
1
([1, 1]) et p le polynme de Lagrange qui interpole f aux points 1, 0 et 1. crire
le polynme p.
2. En dduire une mthode de quadrature pour approcher lintgrale
_
1
1
f (t ) dt .
3. tudier le degr dexactitude de la formule de quadrature ainsi trouve.
4. laide dun changement de variable afne, en dduire une formule de quadrature pour lintgrale
_
x
2i +2
x
2i
f (x) dx.
5. Soit h
ba
2n
et x
i
a+i h pour i 0, . . . , 2n. On subdivise lintervalle [a; b] en n intervalles [x
2i
; x
2i +2
] de largeur 2h.
a b
x
0
x
2i
x
2i +1
x
2i +2
x
2n
h h
En dduire la formule de quadrature composite pour le calcul approch de
_
b
a
f (x) dx.
6. crire lalgorithme associ cette formule de quadrature.
SOLUTION.
1. On a trois points, donc le polynme interpolateur de Lagrange est un polynme de R
2
[x]. On cherche alors les coef-
cients , et du polynme p(x) +x +x
2
tels que
_

_
f (1) +, (3.3a)
f (0) , (3.3b)
f (1) ++. (3.3c)
Lquation (3.3b) donne f (0), la somme (3.3c)+(3.3a) donne
f (1)f (1)
2
et enn la soustraction (3.3c)(3.3a)
donne
f (1)f (1)
2
.
2. On en dduit la mthode de quadrature
_
1
1
f (t ) dt
_
1
1
p(t ) dt 2(+/3)
f (1) +4f (0) + f (1)
3
.
3. Par construction, cette formule de quadrature a degr dexactitude au moins 2. De plus
k p
k
(x) x
k
_
1
1
p
k
(x) dx
p
k
(1)+4p
k
(0)+p
k
(1)
3
Degr dexactitude
3 x
3
0 0 au moins 3
4 x
4
2/5 2/3 3
La formule est exacte pour les polynmes de degr au plus 3.
50 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
4. Soit x mt +q, alors
_
x
2i +2
x
2i
f (x) dx m
_
1
1
f (mt +q) dt avec
_
x
2i
m+q,
x
2i +2
m+q,
do le changement de variable x x
2i
+(t +1)
x
2i +2
x
2i
2
. On dduit la formule de quadrature (exacte sur lespace des
polynme de degr au plus 3)
_
x
2i +2
x
2i
f (x) dx
x
2i +2
x
2i
2
_
1
1
f
_
x
2i
+(t +1)
x
2i +2
x
2i
2
_
dt
x
2i +2
x
2i
6
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_
.
5. h
ba
2n

x
i +1
x
i
2
pour i 0, . . . , 2n. On subdivise lintervalle [a; b] en n intervalles [x
2i
; x
2i +2
] de largeur 2h. On trouve
ainsi la formule de quadrature composite
_
b
a
f (x) dx
n1

i 0
_
x
2i +2
x
2i
f (x) dx
n1

i 0
x
2i +2
x
2i
6
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_

h
3
n1

i 0
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_

h
3
_
f (a) + f (b) +2
n1

i 1
f (x
2i
) +4
n1

i 0
f (x
2i
+h)
_

h
3
_
f (a) + f (b) +2
n1

i 1
f (a +2i h) +4
n1

i 0
f (a +(2i +1)h)
_
.
6. Algorithme du calcul associ cette formule de quadrature
Require: f , a, b >a, n >0
h
ba
2n
s
1
0
s
2
s
2
+ f (a +h)
for i 1 to n 1 do
s
1
s
1
+ f (a +2i h)
s
2
s
2
+ f (a +(2i +1)h)
end for
return
h
3
_
f (a) + f (b) +2s
1
+4s
2
_
Exercice 3.8
Soit f une fonction C

(R, R). On se donne les points {x


i
}
i 2n
i 0
de subdivision de lintervalle [a; b] : x
i
a+i h avec h
ba
2n
.
Le but de lexercice est de trouver une formule de quadrature 2n +1 points base sur la formule de SIMPSON pour
approcher
_
b
a
f (x) dx. (3.4)
On propose dans un premier temps (question 1 3) de construire la formule de quadrature 3 points de Simpson :
_
1
1
g(x) dx g(1) +g(0) +g(1), (3.5)
o les rels et sont dterminer.
1. Dterminer et pour que la formule de quadrature (3.5) ait degr dexactitude maximale.
2. laide dun changement de variable afne, en dduire une formule de quadrature exacte sur lespace des poly-
nme de degr au plus 3 pour lintgrale suivante :
_
x
2i +2
x
2i
f (x) dx.
3. En dduire une formule de quadrature 2n points, note F, pour le calcul approch de (3.4). Cette formule de
quadrature est-elle stable ?
4. crire lalgorithme du calcul de F.
5. Soit x un lment de [x
i
; x
i +1
]. crire une formule de Taylor f (x) P
i
(x) +R
i
(x) lordre 3 pour f en x, avec P
i

P
3
. Majorer R
i
sur [x
i
; x
i +1
] en fonction de h.
6. En dduire une estimation derreur entre (3.4) et F.
G. Faccanoni 51
3. Quadrature Jeudi 10 mai 2012
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx p
k
(1) +p
k
(0) +p
k
(1) Degr dexactitude
0 1 2 2+ mme pas 0 si /2(1), au moins 0 si 2(1)
Soit 2(1)
1 x 0 0 au moins 1
2 x
2
2/3 2 1 si /1/3, au moins 2 si 1/3
Soit 1/3
3 x
3
0 0 au moins 3
4 x
4
2/5 2/3 3
Si /2(1) la formule de quadrature nest mme pas exacte pour une constante, si 2(1) mais /1/3, elle est
exacte pour les polynmes de degr au plus 1, si 1/3 et 4/3 la formule est exacte pour les polynmes de degr
au plus 3.
2. Soit x mt +q, alors
_
x
2i +2
x
2i
f (x) dx m
_
1
1
f (mt +q) dt avec
_
x
2i
m+q,
x
2i +2
m+q,
do le changement de variable x x
2i
+(t +1)
x
2i +2
x
2i
2
. On dduit la formule de quadrature (exacte sur lespace des
polynme de degr au plus 3)
_
x
2i +2
x
2i
f (x) dx
x
2i +2
x
2i
2
_
1
1
f
_
x
2i
+(t +1)
x
2i +2
x
2i
2
_
dt
x
2i +2
x
2i
6
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_
.
3. On trouve ainsi la formule de quadrature composite (i.e. sur n sous-intervalles)
_
b
a
f (x) dx
n1

i 0
_
x
2i +2
x
2i
f (x) dx
n1

i 0
x
2i +2
x
2i
6
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_
.
Si h
x
i +1
x
i
2

ba
2n
(i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on a
_
b
a
f (x) dx
h
3
n1

i 0
_
f (x
2i
) +4f (x
2i +1
) + f (x
2i +2
)
_

h
3
_
f (a) + f (b) +2
n1

i 1
f (x
2i
) +4
n1

i 0
f (x
2i
+h)
_

h
3
_
f (a) + f (b) +2
n1

i 1
f (a +2i h) +4
n1

i 0
f (a +(2i +1)h)
_
.
Cette formule de quadrature est stable puisque tous les coefcients sont positifs et on a
h
3
_
1+1+2
n1

i 1
1+4
n1

i 0
1
_

b a
6n
[2+2(n 1) +4n]
b a
6n
6n (b a).
4. Algorithme du calcul de F :
Require: f : [a, b] R, a, b >a, n >0
H
ba
n
s
1
0
s
2
s
2
+ f (a +H/2)
for i 1 to n 1 do
s
1
s
1
+ f (a +i H)
s
2
s
2
+ f (a +(i +1)H/2)
end for
return I
H
6
_
f (a) + f (b) +2s
1
+4s
2
_
5. Soit x un lment de [x
2i
; x
2i +2
]. Une formule de TAYLOR lordre 3 pour f en x scrit
f (x) P
i
(x) +R
i
(x),
avec
P
i
(x) f (x
2i
) +(x x
2i
) f
t
(x
2i
) +(x x
2i
)
2
f
tt
(x
2i
)
2
+(x x
2i
)
3
f
ttt
(x
2i
)
6
P
3
52 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
et le reste de LAGRANGE
R
i
(x) (x x
2i
)
4
f
I V
()
24
avec ]x
2i
; x
2i +2
[.
On peut majorer R
i
sur [x
2i
; x
2i +2
] en fonction de H x
2i +2
x
2i
:
[R
i
(x)[
H
4
24
max[ f
I V
()[
b a
n
H
3
24
max[ f
I V
()[.
6. On en dduit lestimation derreur entre (3.4) et F suivante
1

_
b
a
f (x) dx F

n1

i 0
_
x
2i +2
x
2i
P
i
(x) dx F

n1

i 0
_
x
2i +2
x
2i
R
i
(x) dx

nH[R
i
(x
2i +2
)[ +

n1

i 0
_
x
2i +2
x
2i
R
i
(x) dx

nH
b a
n
H
3
24
max[ f
I V
()[ +nH
b a
n
H
3
24
max[ f
I V
()[
(b a)
H
4
12
sup[ f
I V
()[.
Exercice 3.9
Soit f une fonction C

(R, R). On se donne les points {x


i
}
i n
i 0
de subdivision de lintervalle [a; b] : x
i
a+i h avec h
ba
n
.
Le but de lexercice est de trouver une formule de quadrature 3n points pour approcher lintgrale
_
b
a
f (x) dx. (3.6)
On propose dans un premier temps de construire la formule de quadrature trois points suivantes :
_
1
1
g(x) dx
2
3
_
g() +g(0) +g()
_
, (3.7)
o le rel 0 <<1 sera dterminer par la suite.
1. Dterminer pour que la formule de quadrature (3.7) ait degr dexactitude maximale. Quel est alors le degr
dexactitude de cette formule de quadrature ?
2. laide dun changement de variable afne, tendre cette formule de quadrature pour lintgrale suivante :
_
x
i +1
x
i
f (x) dx.
3. En dduire une formule de quadrature 3n points, note F, pour le calcul approch de (3.6). Cette formule de
quadrature est-elle stable ?
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx
2
3
(p
k
() +p
k
(0) +p
k
()) Degr dexactitude
0 1 2 2 au moins 0
1 x 0 0 au moins 1
2 x
2
2/3 2
2
/3 1 si /1/
_
2, au moins 2 si 1/
_
2
Soit 1/
_
2
3 x
3
0 0 au moins 3
4 x
4
2/5 1/3 3
Si / 1/
_
2 la formule de quadrature est exacte pour les polynmes de degr au plus 1, si 1/
_
2 la formule est
exacte pour les polynmes de degr au plus 3.
1. N.B. : le polynme P
i
nest pas le polynme dinterpolation en x
2i
, x
2i +2
et (x
2i
+x
2i +2
)/2 donc
_
x
2i +2
x
2i
P
i
(x) dx F /0.
G. Faccanoni 53
3. Quadrature Jeudi 10 mai 2012
2. Par le changement de variable y x
i
+(x +1)
x
i +1
x
i
2
on dduit la formule de quadrature
_
x
i +1
x
i
f (y) dy
x
i +1
x
i
2
_
1
1
f
_
x
i
+(x +1)
x
i +1
x
i
2
_
dx

x
i +1
x
i
3
_
f
_
x
i
+
_
1
_
1
2
_
x
i +1
x
i
2
_
+ f
_
x
i
+
x
i +1
x
i
2
_
+ f
_
x
i
+
_
1+
_
1
2
_
x
i +1
x
i
2
__
.
3. Si H x
i +1
x
i

ba
n
(i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on trouve la formule
de quadrature composite (i.e. sur n sous-intervalles et 3n points)
_
b
a
f (x) dx
H
3
n1

i 0
_
f
_
x
i
+H
_
1
1
_
2
__
+ f
_
x
i
+
H
2
_
+ f
_
x
i
+H
_
1+
1
_
2
___

H
3
n1

i 0
_
f
_
a +H
_
i +1
1
_
2
__
+ f
_
x
i
+
H
2
_
+ f
_
a +H
_
i +1+
1
_
2
___
.
Cette formule de quadrature est stable puisque tous les coefcients sont positifs.
Exercice 3.10
Soit f une fonction C

(R, R). On se donne les points {x


i
}
i n
i 0
de subdivision de lintervalle [a; b] : x
i
a+i h avec h
ba
n
.
Le but de lexercice est de trouver une formule de quadrature n points pour approcher lintgrale dnie
_
b
a
f (x) dx. (3.8)
On propose dans un premier temps (question 1 2) de construire la formule de quadrature deux points :
_
1
1
g(x) dx
4
3
g(w/2) +
2
3
g(w), (3.9)
o 0 <w 1 est dterminer.
1. Dterminer w pour que la formule de quadrature (3.9) soit exacte pour toute fonction g polynomiale de degr
m>1 et donner la plus grande valeur de m.
2. laide dun changement de variable afne, en dduire une formule de quadrature pour lintgrale suivante :
_
x
i +1
x
i
f (x) dx.
3. En dduire une formule de quadrature 2n points, note F, pour le calcul approch de (3.8). Cette formule de
quadrature est-elle stable ?
4. crire lalgorithme du calcul de F.
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx
2
3
(2p
k
(w/2) +p
k
(w)) Degr dexactitude
0 1 2 2 au moins 0
1 x 0 0 au moins 1
2 x
2
2/3 w
2
1 si w /
_
2/3, au moins 2 si w
_
2/3
Soit w
_
2/3
3 x
3
0 w
3
/8?????? 2
Si w /
_
2/3 la formule de quadrature est exacte pour les polynmes de degr au plus 1, si w
_
2/3 la formule est
exacte pour les polynmes de degr au plus 2.
2. Par le changement de variable y x
i
+(x +1)
x
i +1
x
i
2
on dduit la formule de quadrature
_
x
i +1
x
i
f (y) dy
x
i +1
x
i
2
_
1
1
f
_
x
i
+(x +1)
x
i +1
x
i
2
_
dx

x
i +1
x
i
3
_
f
_
x
i
+(1+
_
2
3
)
x
i +1
x
i
2
_
+2f
_
x
i
+(1
_
1
6
)
x
i +1
x
i
2
__
.
54 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
3. Si H x
i +1
x
i

ba
n
(i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on trouve la formule
de quadrature composite (i.e. sur n sous-intervalles et 2n points)
_
b
a
f (x) dx
H
3
n1

i 0
_
f
_
x
i
+H
_
1+
_
2
3
__
+2f
_
x
i
+H
_
1
_
1
6
___

H
3
n1

i 0
_
f
_
a +H
_
i +1+
_
2
3
__
+2f
_
a +H
_
i +1
_
1
6
___
.
Cette formule de quadrature est stable puisque tous les coefcients sont positifs.
4. Algorithme du calcul de F :
Require: f , a, b >a, n >0
H
ba
n

1
a +H(1+
_
2/3)

2
a +H(1
_
1/6)
for i 0 to n 1 do
s s + f (
1
+i H) +2f (
2
+i H)
end for
return I
H
3
s
Exercice 3.11
1. Soit 0 <1 un nombre rel donn et soit
1
,
2
,
3
trois nombres rels. Considrons la formule de quadrature
_
1
1
g(t ) dt
1
g() +
2
g(0) +
3
g().
Calculer ,
1
,
2
,
3
pour que le degr dexactitude de la formule de quadrature soit de 5.
2. laide dun changement de variable afne, en dduire une formule de quadrature pour lintgrale
_
x
i +1
x
i
f (x) dx.
3. Soit h
ba
n
et x
i
a +i h pour i 0, . . . , n. On subdivise lintervalle [a; b] en n intervalles [x
i
; x
i +1
] de largeur h. En
dduire la formule de quadrature composite pour le calcul approch de
_
b
a
f (x) dx.
4. crire lalgorithme associ cette formule de quadrature.
SOLUTION.
1. On a
k p
k
(x) x
k
_
1
1
p
k
(x) dx
1
p
k
() +
2
p
k
(0) +
3
p
k
()
0 1 2
1
+
2
+
3
Soit
2
2
1

3
1 x 0
1
+
3
Soit
3

1
et donc
2
22
1
2 x
2 2
3
2
2

1
Soit
1

1
3
2
et donc
3

1
3
2
et
2
2
2
3
2
3 x
3
0 0
4 x
4 2
5
2
3

2
Soit
_
3
5
et donc
1

5
9
et
2

8
9
5 x
5
0 0
6 x
6 2
7
6
25
G. Faccanoni 55
3. Quadrature Jeudi 10 mai 2012
Si
_
3
5
,
1

5
9
et
2

8
9
alors la formule est exacte pour les polynmes de degr au plus 5 (il sagit de la formule
de GAUSS-LEGENDRE 3 points).
Remarquons que si on choisit 1 on retrouve la formule de SIMPSON.
2. Soit x mt +q, alors
_
x
i +1
x
i
f (x) dx m
_
1
1
f (mt +q) dt avec
_
x
i
m+q,
x
i +1
m+q,
do le changement de variable x x
i
+(t +1)
x
i +1
x
i
2
. On dduit la formule de quadrature (exacte sur lespace des
polynme de degr au plus 5)
_
x
i +1
x
i
f (x) dx
x
i +1
x
i
2
_
1
1
f
_
x
i
+(t +1)
x
i +1
x
i
2
_
dt

x
i +1
x
i
18
_
5f
_
x
i
+
_
1
_
3
5
_
x
i +1
x
i
2
_
+8f
_
x
i +1
+x
i
2
_
+5f
_
x
i
+
_
1+
_
3
5
_
x
i +1
x
i
2
__
.
3. h
ba
n
x
i +1
x
i
pour i 0, . . . , n. On subdivise lintervalle [a; b] en n intervalles [x
i
; x
i +1
] de largeur h. On trouve
ainsi la formule de quadrature composite
_
b
a
f (x) dx
n1

i 0
_
x
i +1
x
i
f (x) dx
n1

i 0
x
i +1
x
i
18
_
5f
_
x
i
+
_
1
_
3
5
_
x
i +1
x
i
2
_
+8f
_
x
i +1
+x
i
2
_
+5f
_
x
i
+
_
1+
_
3
5
_
x
i +1
x
i
2
__

h
18
n1

i 0
_
5f
_
x
i
+
_
1
_
3
5
_
h
_
+8f
_
x
i
+
h
2
_
+5f
_
x
i
+
_
1+
_
3
5
_
h
__

h
18
n1

i 0
_
5f
_
a +
_
i +1
_
3
5
_
h
_
+8f
_
a +
_
i +
1
2
_
h
_
+5f
_
a +
_
i +1+
_
3
5
_
h
__
.
4. Algorithme du calcul associ cette formule de quadrature
Require: f , a, b >a, n >0
h
ba
n
c
1
a +
_
1
_
3/5
_
h
c
2
a +
1
2
h
c
3
a +
_
1+
_
3/5
_
h
s 0
for i 0 to n 1 do
s s +5f (c
1
+i h) +8f (c
2
+i h) +5f (c
3
+i h)
end for
return
h
18
s
Exercice 3.12
Soit f une fonction de classe C
1
([1, 1]) et p le polynme interpolateur dHermite (de degr 3) de f vriant
p(1) f (1), p
t
(1) f
t
(1), p(1) f (1), p
t
(1) f
t
(1).
1. crire le polynme p.
2. En dduire la mthode dintgration numrique lmentaire
_
1
1
f (s) ds f (1) + f (1) +
1
3
_
f
t
(1) f
t
(1)
_
.
3. Connaissant la formule sur [1; 1], en dduire la formule de quadrature des trapzes-Hermite sur lintervalle [a; b]
par exemple grce au changement de variable y a +(x +1)
ba
2
.
SOLUTION. 1. On a deux mthodes pour calculer le polynme interpolateur dHermite :
Premire mthode : le polynme interpolateur dHermite scrit
p(x)
n

i 0
y
i
A
i
(x) +y
t
i
B
i
(x)
56 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
o
A
i
(x) (12(x x
i
)c
i
)(L
i
(x))
2
,
B
i
(x) (x x
i
)(L
i
(x))
2
,
L
i
(x)
n

j 0
j /i
x x
j
x
i
x
j
,
c
i

n

j 0
j /i
1
x
i
x
j
.
Pour n 1 on a alors
p(x) y
0
_
12(x x
0
)
_
1
x
0
x
1
___
(x x
1
)
(x
0
x
1
)
_
2
+y
t
0
(x x
0
)
_
(x x
1
)
(x
0
x
1
)
_
2
+y
1
_
12(x x
1
)
_
1
x
1
x
0
___
(x x
0
)
(x
1
x
0
)
_
2
+y
t
1
(x x
1
)
_
(x x
0
)
(x
1
x
0
)
_
2
.
Dans notre cas x
0
1, x
1
1, y
0
f (1), y
1
f (1), y
t
0
f
t
(1), y
t
1
f
t
(1) donc
p(x)
1
4
_
f (1)(x +2)(x 1)
2
+ f
t
(1)(x +1)(x 1)
2
+ f (1)(2x)(x +1)
2
+ f
t
(1)(x 1)(x +1)
2
_

1
4
_
f (1)(x
3
3x +2) + f
t
(1)(x
3
x
2
x +1) + f (1)(x
3
+3x +2) + f
t
(1)(x
3
+x
2
x 1)
_

2f (1) + f
t
(1) +2f (1) f
t
(1)
4
+
3f (1) 3f (1) f
t
(1) f
t
(1)
4
x
+
f
t
(1) f
t
(1)
4
x
2
+
f (1) + f
t
(1) f (1) + f
t
(1)
4
x
3
.
Le polynme interpolateur dHERMITE est donc le polynme
p(x) +x +x
2
+x
3
o

2f (1) +2f (1) + f


t
(1) f
t
(1)
4
,
3f (1) +3f (1) f
t
(1) f
t
(1)
4
,

f
t
(1) + f
t
(1)
4
,
f (1) f (1) + f
t
(1) + f
t
(1)
4
.
Deuxime mthode : le polynme interpolateur dHermite est un polynme de degr 2n +1. On cherche donc un poly-
nme
p(x) +x +x
2
+x
3
tel que
p(1) f (1), p
t
(1) f
t
(1), p(1) f (1), p
t
(1) f
t
(1),
cest--dire tel que
_

_
+ f (1),
+++ f (1),
2+3 f
t
(1),
+2+3 f
t
(1).
On obtient

2f (1) +2f (1) + f


t
(1) f
t
(1)
4
,
3f (1) +3f (1) f
t
(1) f
t
(1)
4
,

f
t
(1) + f
t
(1)
4
,
f (1) f (1) + f
t
(1) + f
t
(1)
4
.
2. En intgrant le polynme ainsi trouv on en dduit
_
1
1
p(x) dx
_
x +

2
x
2
+

3
x
3
+

4
x
4
_
1
1
G. Faccanoni 57
3. Quadrature Jeudi 10 mai 2012
2+
2
3

2f (1) +2f (1) + f
t
(1) f
t
(1)
2
+
f
t
(1) + f
t
(1)
6

6f (1) +6f (1) +3f


t
(1) 3f
t
(1) f
t
(1) + f
t
(1)
6
f (1) + f (1) +
1
3
( f
t
(1) f
t
(1)).
Remarque : la formule est au moins exacte de degr 3 par construction. Elle nest pas exacte de degr suprieure 3 car
si f (x) x
4
alors
_
1
1
f (x) dx
_
1
5
x
5
_
1
1

2
5

6
15
/
f (1) + f (1) +
1
3
( f
t
(1) f
t
(1)) 1+1+
1
3
(4+4)
14
3

70
15
3. Connaissant la formule sur [1; 1], on en dduit la formule sur un intervalle [a; b] quelconque par le changement de
variable y a +(x +1)
ba
2
qui donne
2
_
b
a
f (y)dy
b a
2
_
1
1
f
_
a +(x +1)
b a
2
_
dx

b a
2
_
f (a) + f (b) +
b a
6
( f
t
(a) f
t
(b))
_

b a
2
( f (a) + f (b)) +
(b a)
2
12
( f
t
(a) f
t
(b)).
Exercice 3.13
Soit f une fonction C

([0; 1], R). On se donne les points {x


i
}
i n
i 0
de subdivision de lintervalle [0; 1] : x
i
i h avec h
1
n
.
Le but de lexercice est de trouver une formule de quadrature pour approcher
_
1
0
f (x) dx. (3.10)
1. Soit i un entier x (1 i n 1). Trouver m
i
un point du segment [x
i
; x
i +1
] et a, b et c trois coefcients rels tels
que la formule de quadrature suivante, sur lintervalle [x
i
; x
i +1
], soit exacte pour p un polynme de degr le plus
haut possible :
_
x
i +1
x
i
p(x) dx ap(x
i
) +bp(m
i
) +cp(x
i +1
).
2. En dduire en fonction de a, b et c la formule de quadrature Q( f )
Q( f )
n

i 0

i
f (x
i
) +
n1

i 0

i
f (m
i
)
pour le calcul approch de 3.10 construite sur la formule de quadrature prcdente pour chaque intervalle du type
[x
i
; x
i +1
]. Cette formule de quadrature est-elle stable ?
3. On rappelle que si p interpole f en k points y
1
< y
2
< < y
k
, on a lestimation derreur
x [y
1
; y
k
], [ f (x) p(x)[
sup
[y
1
;y
k
]
[ f
(k)
()[
k!
k

j 1
(x y
j
).
En dduire une estimation de lerreur de quadrature entre (3.10) et Q
E(h)
_
1
0
f (x) dx Q( f ).
La dpendance en h dans cette estimation derreur est-elle optimale ?
4. crire lalgorithme qui calcule Q( f ).
2. Rappel : si y a +(x +1)
ba
2
alors dy
ba
2
dx et f
t
(y)
ba
2
f
t
(x).
58 G. Faccanoni
Jeudi 10 mai 2012 3. Quadrature
SOLUTION.
1. Pour simplier le calcul, on se ramne lintervalle [0; 1]. Soit x un lment de lintervalle [x
i
; x
i +1
] et y un lment
de lintervalle [0; 1]. On transforme lintervalle [x
i
; x
i +1
] dans lintervalle [0; 1] par le changement de variable afne
y
1
x
i +1
x
i
x
x
i
x
i +1
x
i
. On note h x
i +1
x
i
. Alors y
xx
i
h
et on a
_
1
0
f (y) dy
1
h
_
x
i +1
x
i
f (
xx
i
h
)dx. Comme
_
x
i +1
x
i
f (t ) dt
af (x
i
) +bf (m
i
) +c f (x
i +1
), alors
_
1
0
f (y) dy
1
h
_
x
i +1
x
i
f (
xx
i
h
) dx
1
h
_
af (0) +bf (
m
i
x
i
h
) +c f (1)
_
. On note alors A
a
h
,
B
b
h
, C
c
h
, M
m
i
x
i
h
do m
i
(1M)x
i
+Mx
i +1
. Rechercher a, b, c et m
i
revient chercher A, B, C et M avec
_

_
m
i
(1M)x
i
+Mx
i +1
,
a Ah,
b Bh,
c Ch
tels que
_
1
0
p(x) dx Ap(0) +Bp(M) +Cp(1),
o p(x) est un polynme. Si p P
3
(i.e. si p(x) d
0
+d
1
x +d
2
x
2
+d
3
x
3
) on a
1
_
0
p(x) dx Ap(0) +Bp(M) +Cp(1)
| |
_
d
0
x +
d
1
2
x
2
+
d
2
3
x
3
+
d
3
4
x
4
_
1
0
Ad
0
+Bd
0
+Cd
0
| |
d
0
+
d
1
2
+
d
2
3
+
d
3
4
(A+B +C)d
0
+(BM+C)d
1
+(BM
2
+C)d
2
+(BM
3
+C)d
3
Par consquent, pour que la formule soit exacte de degr au moins 3 il faut que
_

_
A+B +C 1
BM+C
1
2
BM
2
+C
1
3
BM
3
+C
1
4

_
A+B +C 1
BM
1
2
C
(
1
2
C)M
1
3
C
(
1
3
C)M
1
4
C

_
A
1
6
,
B
2
3
,
C
1
6
,
M
1
2
.
La mthode
_
1
0
f (x) dx
1
6
f (0) +
2
3
f
_
1
2
_
+
1
6
f (1),
est exacte pour tout polynme de degr au moins 3.
Soit maintenant f (x) x
4
. On a
_
1
0
f (x) dx
_
x
5
5
_
1
0

1
5
mais
1
6
f (0) +
2
3
f
_
1
2
_
+
1
6
f (1)
1
6
+
2
3
_
1
2
_
4
+
1
6

5
24
,
donc la formule de quadrature est exacte de degr 3.
Si on revient aux variables initiales, on trouve
_

_
m
i

1
2
x
i
+
1
2
x
i +1
,
a
1
6
h,
b
2
3
h,
c
1
6
h
2. Lintgrale
_
1
0
f (x)dx
n1

i 0
_
x
i +1
x
i
f (x) dx
peut tre calcule numriquement en utilisant la formule prcdente pour approcher chaque intgrale
_
x
i +1
x
i
f (x) dx
h
6
_
f (x
i
) +4f
_
x
i
+x
i +1
2
_
+ f (x
i +1
)
_
.
G. Faccanoni 59
3. Quadrature Jeudi 10 mai 2012
On obtient ainsi
_
1
0
f (x)dx
n1

i 0
_
x
i +1
x
i
f (x) dx

n1

i 0
h
6
_
f (x
i
) +4f
_
x
i
+x
i +1
2
_
+ f (x
i +1
)
_

h
6
_
n1

i 0
f (x
i
) +
n1

i 0
f (x
i +1
) +4
n1

i 0
f
_
x
i
+x
i +1
2
_
_

h
6
_
f (a) + f (b) +2
n1

i 1
f (x
i
) +4
n1

i 0
f
_
x
i
+x
i +1
2
_
_

i 0

i
f (x
i
) +
n1

i 0

i
f (m
i
) Q( f ) avec
i

2h
3
,
i

_
h
3
si i 1, . . . , n 1,
h
6
sinon.
Cette formule de quadrature est stable puisque tous les coefcients
i
et
i
sont positifs et on a
n

i 0

i
+
n1

i 0

i

h
6
+
n1

i 1
h
3
+
h
6
+
n1

i 0
2h
3

1
n
_
1
6
+
1
3
n1

i 1
1+
1
6
+
2
3
n1

i 0
1
_
1.
3. On reconnait la formule de Cavalieri-Simpson : remarquons alors que Q( f )

n1
i 0
_
x
i +1
x
i
p(x)dx avec p le polynme
qui interpole (x
i
, f (x
i
)), (m
i
, f (m
i
)) et (x
i +1
, f (x
i +1
)). Par consquent lerreur de quadrature entre (3.10) et Q est
[E(h)[

_
1
0
f (x) dx Q( f )

n1

i 0
_
x
i +1
x
i
f (x) dx
n1

i 0
_
x
i +1
x
i
p(x)dx

n1

i 0
_
x
i +1
x
i

f (x) p(x)

dx

n1

i 0
_
x
i +1
x
i
sup
[x
i
;x
i +1
]
[ f
ttt
()[
6
(x x
i
)(x m
i
)(x x
i +1
)dx
Dh
4
.
4. Algorithme
Require: x f
Require: n >0
a
1
6n
b
2
3n
c
1
6n
I af (0)
for i 1 to n 1 do
I I +(a +c) f
_
i
n
_
+bf
_
i
1
2
n
_
end for
return I I +c f (1) +bf
_
n
1
2
n
_
60 G. Faccanoni
4. Systmes linaires
Rsoudre lensemble dquations linaires Ax b
Dnition : systme linaire
Soit n, p, 1 des entiers. Un SYSTME LINAIRE n p est un ensemble de n quations linaires p inconnues de la forme
(S)
_

_
a
11
x
1
+ . . . + a
1p
x
p
b
1
,
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ . . . + a
np
x
p
b
n
.
Les COEFFICIENTS a
i j
et les SECONDES MEMBRES b
i
sont des lments donns de R. Les INCONNUES x
1
, x
2
, . . . , x
p
sont
chercher dans R.
Le SYSTME HOMOGNE associ (S) est le systme obtenu en remplaant les b
i
par 0.
Une SOLUTION de (S) est un p-uplet (x
1
, x
2
, . . . , x
p
) qui vrie simultanment les n quations de (S). Rsoudre (S)
signie chercher toutes les solutions.
Un systme est IMPOSSIBLE, ou incompatible, sil nadmet pas de solution. Un systme est POSSIBLE, ou compatible,
sil admet une ou plusieurs solutions.
Deux systmes sont QUIVALENTS sils admettent les mmes solutions.
criture matricielle
Si on note
x
_
_
_
x
1
.
.
.
x
p
_
_
_ b
_
_
_
b
1
.
.
.
b
n
_
_
_ A
_
_
_
a
11
. . . a
1p
.
.
.
.
.
.
a
n1
. . . a
np
_
_
_
le systme (S) est quivalent lcriture matricielle Ax b.
Dans ce chapitre, nous ne traiterons que des systmes linaires carrs dordre n coefcients rels, autrement dit A(a
i , j
)
R
nn
et b (b
i
) R
n
. Dans ce cas, on est assur de lexistence et de lunicit de la solution si une des conditions quivalentes
suivantes est remplie :
1. Aest inversible (i.e. det(A) /0) ;
2. le systme homogne Ax 0 admet seulement la solution nulle.
La solution du systme peut alors tre calcule par la formule de CRAMER (voir annexe). Cependant cette formule est dune
utilit pratique limite cause du calcul des dterminants qui est trs couteux. Pour cette raison, des mthodes numriques
alternatives aux formules de CRAMER ont t dveloppes. Elles sont dites directes si elles fournissent la solution du systme
en un nombre ni dtapes, et itratives si elles ncessitent (thoriquement) un nombre inni dtapes. Notons ds prsent
que le choix entre une mthode directe et une mthode itrative pour la rsolution dun systme dpend non seulement
de lefcacit thorique des algorithmes, mais aussi du type de matrice, des capacits de stockage en mmoire et enn de
larchitecture de lordinateur.
Systmes mal conditionns
Considrons le systme de deux quations deux inconnues suivant :
_
3.218613x
1
+6.327917x
2
10.546530,
3.141592x
1
+4.712390x
2
7.853982.
61
4. Systmes linaires Jeudi 10 mai 2012
Ce systme et non singulier et sa solution est donne par x
1
x
2
1. Considrons maintenant un systme dquations voisin
(le carr indique un changement de dcimale) :
_
3.21861 1 x
1
+6.327917x
2
10.546530,
3.14159 4 x
1
+4.712390x
2
7.85398 0 .
Ce systme et non singulier et sa solution est donne par x
1
5, x
2
5.
On voit donc que, bien que ces deux systmes soient voisins, leurs solutions sont trs diffrentes. On parle dans ce cas
de systmes mal conditionns. Rsoudre un systme mal conditionn avec un ordinateur peut tre une affaire dlicate si
lordinateur calcule avec trop peu de chiffres signicatifs. Dans lexemple prcdent nous observons que, si lordinateur
ne retient que 6 chiffres signicatifs, il compltement inespr dobtenir une solution raisonnablement proche de la solu-
tion.
Conditionnement dune matrice
Le conditionnement dune matrice A R
nn
non singulire est dni par
K(A) |A||A
1
|(1),
o || est une norme matricielle subordonne. En gnral, K(A) dpend du choix de la norme ; ceci est signal en intro-
duisant un indice dans la notation. Par exemple, on a les deux normes matricielles suivantes :
|A|
1
max
j 1,...,n
n

i 1
[a
i j
[, |A|

max
i 1,...,n
n

j 1
[a
i j
[.
Cas particulier
Si Aest symtrique et dnie positive
a
,
K
2
(A) |A|
2
|A
1
|
2


max

min
o
max
(resp.
min
) est la plus grande (resp. petite) valeur propre de A.
a. A R
nn
est
symtrique si a
i j
a
j i
pour tout i , j 1, . . . , n,
dnie positive si pour tout vecteurs x R
n
avec x /0, x
T
Ax >0.
Considrons un systme non singulier Ax b. Si b est une perturbation de b et si on rsout Ay b+b, on obtient par
linarit y x +x avec Ax b. La question est de savoir sil est possible de majorer lerreur relative |x|/|x| sur la
solution du systme en fonction de lerreur relative |b|/|b| commise sur le second membre. Il est possible de dmontrer
que
|x|
|x|
K(A)
|b|
|b|
oK(A) est le nombre de conditionnement de la matrice A. Onvoit alors que plus le conditionnement de la matrice est grand,
plus la solution du systme linaire est sensible aux perturbations des donnes. Cependant, le fait quun systme linaire
soit bien conditionn nimplique pas ncessairement que sa solution soit calcule avec prcision. Il faut en plus utiliser des
algorithmes stables. Inversement, le fait davoir une matrice avec un grand conditionnement nempche pas ncessairement
le systme global dtre bien conditionn pour des choix particuliers du second membre.
Si |b|/|b| est de lordre de la prcisionrelative 10
p
ducalculateur, alors |x|/|x| pourrait, aupire, tre gal
K(A) 10
log
10
(K(A))
10
p
0
log
10
(K(A)p)
.
Si on calcul la solution du systme linaire avec un ordinateur p chiffres signicatifs en valeur dcimale, on ne pourra pas
garantir priori plus de
E(p log
10
(K(A)))
chiffre signicatifs sur la solution. Si on applique cette rgle au systme linaire de lexemple, il est facile de vrier que
K(A) 10
7
, par consquent nous pouvons perdre jusqu 7 chiffres signicatifs lors de sa rsolution. Il faut donc un ordina-
teur calculant avec 10 chiffres signicatifs pour tre sr dobtenir les 3 premiers chiffres de la solution.
62 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
Mthode (directe) dlimination de Gauss et factorisation LU
Matrices et systmes triangulaires
On dit quune matrice carre A(a
i j
)
1i , j n
est TRIANGULAIRE SUPRIEURE (respectivement triangulaire INFRIEURE) si
i > j a
i j
0 (resp. si i < j a
i j
0).
Si la matrice est triangulaire suprieure (resp. triangulaire infrieure), on dira que le systme linaire est un systme
triangulaire suprieur (resp. triangulaire infrieur).
Pour rsoudre le systme triangulaire Ax b,
si A est une matrice triangulaire infrieure, on a x
1

b
1
a
11
et on dduit les inconnues x
2
, x
3
, . . . x
n
grce la relation
x
i

1
a
i i
_
b
i

i 1

j 1
a
i j
x
j
_
;
si Aest une matrice triangulaire suprieure on a x
n

b
n
a
nn
et on dduit les inconnues x
n1
, x
n2
, . . . x
1
grce la relation
x
i

1
a
i i
_
b
i

j i +1
a
i j
x
j
_
.
Proprit
Le dterminant dune matrice triangulaire est gal au produit des lments diagonaux.
La mthode du pivot de Gauss transforme le systme Ax b en un systme quivalent (cest--dire ayant la mme solution)
de la forme Ux y, o U est une matrice triangulaire suprieure et y est un second membre convenablement modi. Enn
on rsout le systme triangulaire Ux y.
Mthode du pivot de Gauss
Soit A(a
i j
)
1i n
1j p
la matrice des coefcients du systme Ax b. En permutant ventuellement deux lignes du systme,
on peut supposer a
i i
/0 (appel pivot de ltape i ).
tape j : pour i >k, les transformations
L
i
L
i

a
i k
a
kk
L
k
liminent linconnue x
k
dans les lignes L
i
.
En ritrant le procd pour i de 1 n, on aboutit un systme triangulaire suprieur.
Exemple
Soit le systme linaire
_

_
x
1
+2x
2
+3x
3
+4x
4
1,
2x
1
+3x
2
+4x
3
+x
4
2,
3x
1
+4x
2
+x
3
+2x
4
3,
4x
1
+x
2
+2x
3
+3x
4
4.
1. Rsolution par la mthode du pivot de Gauss :
_

_
x
1
+2x
2
+3x
3
+4x
4
1
2x
1
+3x
2
+4x
3
+x
4
2
3x
1
+4x
2
+x
3
+2x
4
3
4x
1
+x
2
+2x
3
+3x
4
4
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
2x
2
8x
3
10x
4
0
7x
2
10x
3
13x
4
0
L
3
L
3
2L
2
L
4
L
4
7L
2

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
4x
3
+4x
4
0
4x
3
+36x
4
0
L
4
L
4
+L
3

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
4x
3
+4x
4
0
40x
4
0
donc x
4
0, x
3
0, x
2
0 et x
1
1.
2. Rsolution par la mthode du pivot de Gauss en criture matricielle :
[A[b]
_
_
_
_
1 2 3 4 1
2 3 4 1 2
3 4 1 2 3
4 1 2 3 4
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 2 8 10 0
0 7 10 13 0
_
_
_
_
G. Faccanoni 63
4. Systmes linaires Jeudi 10 mai 2012
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 4 36 0
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 0 40 0
_
_
_
_
donc x
4
0, x
3
0, x
2
0 et x
1
1.
Si on a plusieurs systmes dont seul le second membre change, il peut tre utile de factoriser une fois pour toute la matrice
Aet rsoudre ensuite des systmes triangulaires.
Algorithme de factorisation LUsans pivot
Soit le systme linaire Ax b.
1. On factorise la matrice A R
nn
sous la forme dun produit de deux matrices ALU. Les termes non nuls de U et
les termes non nuls en-dessous de la diagonale principale de L sont mmoriss encore dans la matrice A et sont
ainsi calcules :
for k 1 to n 1 do
for i k +1 to n do
a
i k

a
i k
a
kk
for j k +1 to n do
a
i j
a
i j
a
i k
a
k j
end for
end for
end for
2. Rsoudre le systme linaire consiste simplement rsoudre successivement
2.1. le systme triangulaire infrieur Ly b : les lments non nuls de la matrice triangulaire infrieure L sont
donn par
i j
a
i j
pour i 1, . . . , n et j 1, . . . , i 1 et
i i
1 pour tout i 1, . . . , n, donc lalgorithme
scrit
y
1
b
1
for i 2 to n do
s
i
0
for j 1 to i 1 do
s
i
s
i
+a
i j
x
j
end for
y
i
b
i
s
i
end for
2.2. le systme triangulaire suprieure Ux y : les lments non nuls de la matrice triangulaire suprieure U sont
donn par u
i j
a
i j
pour i 1, . . . , n et j i , . . . , n, donc lalgorithme scrit
x
n

y
n
a
nn
for i n 1 to 1 by 1 do
s
i
0
for j 1 to i 1 do
s
i
s
i
+a
i j
y
j
end for
x
i

y
i
s
i
a
i i
end for
Attention
Pour une matrice quelconque A R
nn
, la factorisation LU existe et est unique si et seulement si les sous-matrices prin-
cipales A
i
de A dordre i 1, . . . , n 1 (celles que lon obtient en restreignant A ses i premires lignes et colonnes) ne
sont pas singulires (autrement dit si les mineurs principaux, i.e. les dterminants des sous-matrices principales, sont
non nuls).
On peut identier des classes de matrices particulires pour lesquelles les hypothses de cette proposition sont satisfaites :
Proposition
Si la matrice A R
nn
est symtrique et dnie positive ou si est diagonale dominante
a
alors la factorisation LU existe
et est unique.
a. A R
nn
est
64 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
symtrique si a
i j
a
j i
pour tout i , j 1, . . . , n,
dnie positive si pour tout vecteurs x R
n
avec x /0, x
T
Ax >0,
diagonale dominante par lignes si [a
i i
[

n
j 1
j /i
[a
i j
[, pour i 1, . . . , n ( diagonale dominante stricte par lignes si lingalit est stricte),
diagonale dominante par colonnes si [a
i i
[

n
j 1
j /i
[a
j i
[, pour i 1, . . . , n ( diagonale dominante stricte par colonnes si lingalit est stricte),
Une technique qui permet deffectuer la factorisation LU pour toute matrice A inversible, mme quand les hypothses de
cette proposition ne sont pas vries, est la mthode du pivot par ligne : il suft deffectuer une permutation convenable
des lignes de la matrice originale A chaque tape k o un terme diagonal a
kk
sannule.
Algorithme de Gauss avec pivot
Dans la mthode dlimination de Gauss les pivot a
(k)
kk
doivent tre diffrents de zro. Si la matrice est inversible mais un
pivot est zro (ou numriquement proche de zro), on peut permuter deux lignes avant de poursuivre la factorisation.
Lalgorithme modi scrit alors
for k 1 to n 1 do
for i k +1 to n do
Chercher r tel que [a
(k)
r k
[ max
r k,...,n
[a
(k)
r k
[ et changer la ligne k avec la ligne r

i k

a
(k)
i k
a
(k)
kk
for j k +1 to n do
a
(k+1)
i j
a
(k)
i j

(k)
i k
a
(k)
k j
end for
end for
end for
Une fois calcules les matrices L et U et la matrice des permutations P (i.e. la matrice telle que PA LU), rsoudre le
systme linaire consiste simplement rsoudre successivement le systme triangulaire infrieur Ly Pb puis le systme
triangulaire suprieure Ux y.
Dterminant
La factorisation LU permet de calculer le dterminant de Aen O(n
3
) car det(A) det(L) det(U)

n
k1
u
kk
.
Inverse dune matrice
Le calcul explicite de linverse dune matrice peut tre effectu en utilisant la factorisation LU comme suit. En notant X
linverse dune matrice rgulire A R
nn
, les vecteurs colonnes de X sont les solutions des systmes linaires
Ax
i
e
i
, pour i 1, . . . , n.
Ensupposant que PALU, oPest la matrice de changement de pivot partiel, ondoit rsoudre 2n systmes triangulaires
de la forme
Ly
i
Pe
i
, Ux
i
y
i
, pour i 1, . . . , n.
cest--dire une suite de systmes linaires ayant la mme matrice mais des seconds membres diffrents.
Exemple
Soit les systmes linaires
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
2
3
4
_
_
_
_
et
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
10
10
10
10
_
_
_
_
.
1. Rsoudre les systmes linaires par la mthode du pivot de Gauss.
2. Factoriser la matrice A(sans utiliser la technique du pivot) et rsoudre les systmes linaires.
3. Calculer le dterminant de A.
4. Calculer A
1
.
1. Rsolution par la mthode du pivot de Gauss du premier systme
[A[b]
_
_
_
_
1 2 3 4 1
2 3 4 1 2
3 4 1 2 3
4 1 2 3 4
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 2 8 10 0
0 7 10 13 0
_
_
_
_
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 4 36 0
_
_
_
_
G. Faccanoni 65
4. Systmes linaires Jeudi 10 mai 2012
L
4
L
4
+L
3

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 0 40 0
_
_
_
_
donc
x
4
0, x
3
0, x
2
0, x
1
1.
Rsolution par la mthode du pivot de Gauss du second systme
(A[b)
_
_
_
_
1 2 3 4 10
2 3 4 1 10
3 4 1 2 10
4 1 2 3 10
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 2 8 10 20
0 7 10 13 30
_
_
_
_
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 0 4 4 0
0 0 4 36 40
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 0 4 4 0
0 0 0 40 40
_
_
_
_
donc
_

_
x
1
+2x
2
+3x
3
+4x
4
10
x
2
2x
3
7x
4
10
4x
3
+4x
4
0
40x
4
40
x
4
1, x
3
1, x
2
1, x
1
1.
2. Factorisation de la matrice A:
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4
2 1 2 7
3 2 8 10
4 7 10 13
_
_
_
_
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4
2 1 2 7
3 2 4 4
4 7 4 36
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 2 3 4
2 1 2 7
3 2 4 4
4 7 1 40
_
_
_
_
donc
L
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
U
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
Pour rsoudre le premier systme linaire on rsout les systmes triangulaires Ly b
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
1
2
3
4
_
_
_
_
y
1
1, y
2
0, y
3
0, y
4
0
et Ux y
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
0
0
0
_
_
_
_
x
4
0, x
3
0, x
2
0, x
1
1.
Pour rsoudre le second systme linaire on rsout les systmes triangulaires Ly b
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
10
10
10
10
_
_
_
_
y
1
10, y
2
10, y
3
0, y
4
40
et Ux y
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
10
10
0
40
_
_
_
_
x
4
1, x
3
1, x
2
1, x
1
1.
3. Le dterminant de Aest u
11
u
22
u
33
u
44
1(1) (4) 40 160.
66 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
4. Pour calculer A
1
on rsout les quatre systmes linaires
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
0
0
0
_
_
_
_
i.e.
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
1
0
0
0
_
_
_
_

_
_
_
_
1
2
1
11
_
_
_
_
puis
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
2
1
11
_
_
_
_

_
_
_
_
9
/40
1
/40
1
/40
11
/40
_
_
_
_
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
1
0
0
_
_
_
_
i.e.
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
0
1
0
0
_
_
_
_

_
_
_
_
0
1
2
9
_
_
_
_
puis
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
1
2
9
_
_
_
_

_
_
_
_
1
/40
1
/40
11
/40
9
/40
_
_
_
_
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
0
1
0
_
_
_
_
i.e.
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
0
0
1
0
_
_
_
_

_
_
_
_
0
0
1
1
_
_
_
_
puis
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
0
1
1
_
_
_
_

_
_
_
_
1
/40
11
/40
9
/40
1
/40
_
_
_
_
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
0
0
1
_
_
_
_
i.e.
_
_
_
_
1 0 0 0
2 1 0 0
3 2 1 0
4 7 1 1
_
_
_
_
_
_
_
_
y
1
y
2
y
3
y
4
_
_
_
_

_
_
_
_
0
0
0
1
_
_
_
_

_
_
_
_
0
0
0
1
_
_
_
_
puis
_
_
_
_
1 2 3 4
0 1 2 7
0 0 4 4
0 0 0 40
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
0
0
0
1
_
_
_
_

_
_
_
_
11
/40
9
/40
1
/40
1
/40
_
_
_
_
et nalement
A
1

_
_
_
_
9
/40
1
/40
1
/40
11
/40
1
/40
1
/40
11
/40
9
/40
1
/40
11
/40
9
/40
1
/40
11
/40
9
/40
1
/40
1
/40
_
_
_
_

1
40
_
_
_
_
9 1 1 11
1 1 11 9
11 11 9 1
11 9 1 1
_
_
_
_
.
Mthodes itratives
Une mthode itrative pour le calcul de la solution dun systme linaire Ax b avec A R
nn
est une mthode qui construit
une suite de vecteurs x
(k)
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
)
T
R
n
convergent vers le vecteur solution exacte x (x
1
, x
2
, . . . , x
n
)
T
pour tout
vecteur initiale x
(0)
(x
(0)
1
, x
(0)
2
, . . . , x
(0)
n
)
T
R
n
lorsque k tend vers +. Dans ces notes on ne verra que deux mthodes itra-
tives :
la mthode de JACOBI,
la mthode de GAUSS-SEIDEL.
Mthode de JACOBI
Soit x
0
(x
0
1
, x
0
2
, . . . , x
0
n
) un vecteur donn. La mthode de JACOBI dnit la composante x
k+1
i
du vecteur x
k+1
partir des
composantes x
k
j
du vecteur x
k
pour j /i de la manire suivante :
x
k+1
i

b
i

j 1
j /i
a
i j
x
k
j
a
i i
, i 1, . . . , n
x
(k)

x
(k)
1
x
(k)
2
.
.
.
x
(k)
i 1
x
(k)
i
x
(k)
i +1
.
.
.
x
(k)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
(k+1)

x
(k+1)
1
x
(k+1)
2
.
.
.
x
(k+1)
i 1
x
(k+1)
i
x
(k+1)
i +1
.
.
.
x
(k+1)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Proposition
Si la matrice Aest diagonale dominante stricte, la mthode de JACOBI converge.
G. Faccanoni 67
4. Systmes linaires Jeudi 10 mai 2012
La mthode de GAUSS-SIDEL est une amlioration de la mthode de JACOBI dans laquelle les valeurs calcules sont utilises
au fur et mesure du calcul et non lissue dune itration comme dans la mthode de JACOBI.
Mthode de GAUSS-SIDEL
Soit x
0
(x
0
1
, x
0
2
, . . . , x
0
n
) un vecteur donn. La mthode de GAUSS-SIDEL dnit la composante x
k+1
i
du vecteur x
k+1

partir des composantes x


k+1
j
du vecteur x
k+1
pour j < i et des composantes x
k
j
du vecteur x
k
pour j i de la manire
suivante :
x
k+1
i

b
i

i 1

j 1
a
i j
x
k+1
j

n

j i +1
a
i j
x
k
j
a
i i
, i 1, . . . , n
x
(k)

x
(k)
1
x
(k)
2
.
.
.
x
(k)
i 1
x
(k)
i
x
(k)
i +1
.
.
.
x
(k)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
(k+1)

x
(k+1)
1
x
(k+1)
2
.
.
.
x
(k+1)
i 1
x
(k+1)
i
x
(k+1)
i +1
.
.
.
x
(k+1)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Proposition
Si la matrice Aest diagonale dominante stricte ou si elle est symtrique et dnie positive, la mthode de GAUSS-SEIDEL
converge.
Algorithmes
Ces algorithmes tentent de rsoudre le systme dquations linaires Ax b dinconnue x. La matrice A, de taille n n,
doit tre inversible et le second membre b doit tre de longueur n. Les itrations sarrtent quand le rapport entre la
norme du k-me residu est infrieure ou gale TOLL, le nombre ditrations effectues est alors renvoy dans iter.
MaxITER est le nombre maximum ditrations.
JACOBI
Require: A(a
i j
)
1i , j n
, b (b
i
)
1i n
, x, MaxITER, TOLL
iter 0
r |bAx|
while (r >TOLL & iter<MaxITER) do
iter iter +1
y x
for i from 1 to n do
s 0
for j from 1 to i 1 do
s s +a
i j
y
j
end for
for j from i +1 to n do
s s +a
i j
y
j
end for
x
i
(b
i
s)/a
i i
end for
r |bAx|
end while
GAUSS-SEIDEL
Require: A(a
i j
)
1i , j n
, b (b
i
)
1i n
, x, MaxITER, TOLL
iter 0
r |bAx|
while (r >TOLL & iter<MaxITER) do
iter iter +1
y x
for i from 1 to n do
s 0
for j from 1 to i 1 do
s s +a
i j
x
j
end for
for j from i +1 to n do
s s +a
i j
y
j
end for
x
i
(b
i
s)/a
i i
end for
r |bAx|
end while
Il ny a pas de rsultat gnral tablissant que la mthode de GAUSS-SEIDEL converge toujours plus vite que celle de JACOBI.
On peut cependant lafrmer dans certains cas, comme le montre la proposition suivante
68 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
Proposition
Soit A une matrice tridiagonale de taille n n inversible dont les coefcients diagonaux sont tous non nuls. Alors les
mthodes de JACOBI et de GAUSS-SEIDEL sont soit toutes les deux convergentes soit toutes les deux divergentes. En cas
de convergence, la mthode de GAUSS-SEIDEL est plus rapide que celle de JACOBI.
Exemple
Considrons le systme linaire
_
_
4 2 1
1 2 0
2 1 4
_
_
_
_
x
y
z
_
_

_
_
4
2
9
_
_
mis sous la forme
_

_
x 1
y
2

z
4
,
y 1+
x
2
,
z
9
4

x
2

y
4
.
Soit x
(0)
(0, 0, 0) le vecteur initial.
En calculant les itres avec la mthode de JACOBI on trouve
x
(1)

_
_
1
0
2

0
4
1+
0
2
9
4

0
2

0
4
_
_

_
_
1
1
9
/4
_
_
, x
(2)

_
_
_
1
1
2

9
/4
4
1+
1
2
9
4

1
2

1
4
_
_
_
_
_

1
/16
3
/2
3
/2
_
_
, x
(3)

_
_
_
1
3
/2
2

3
/2
4
1+

1
/16
2
9
4

1
/16
2

3
/2
4
_
_
_
_
_

1
/8

1
/32
61
/32
_
_
, x
(4)

_
_
_
1

1
/32
2

61
/32
4
1+

1
/8
2
9
4

1
/8
2

1
/32
4
_
_
_
_
_
5
/128
15
/16
265
/128
_
_
.
La suite x
(k)
converge vers (0, 1, 2) la solution du systme.
En calculant les itres avec la mthode de GAUSS-SEIDEL on trouve
x
(1)

_
_
_
1
0
2

0
4
1+
1
2
9
4

1
2

3
/2
4
_
_
_
_
_
1
3
/2
11
/8
_
_
, x
(2)

_
_
_
1
3
/2
2

11
/8
4
1+

3
/32
2
9
4

3
/32
2

61
/64
4
_
_
_
_
_

3
/32
61
/64
527
/256
_
_
, x
(3)

_
_
_
1

3
/32
2

61
/64
4
1+
9
/1024
2
9
4

9
/1024
2

2047
/2048
4
_
_
_
_
_
9
/1024
2047
/2048
16349
/8192
_
_
,
La suite x
(k)
converge vers (0, 1, 2) la solution du systme.
G. Faccanoni 69
4. Systmes linaires Jeudi 10 mai 2012
Exercices
Exercice 4.1
Soit le systme linaire
_
_
6 1 1
2 4 0
1 2 6
_
_
_
_
x
1
x
2
x
3
_
_

_
_
12
0
6
_
_
.
1. Approcher la solution avec la mthode de JACOBI avec 3 itrations partir de x
(0)
(2, 2, 2).
2. Approcher la solution avec la mthode de GAUSS-SEIDEL avec 3 itrations partir de x
(0)
(2, 2, 2).
3. Rsoudre les systmes linaires par la mthode dlimination de Gauss.
4. Factoriser la matrice A(sans utiliser la technique du pivot) et rsoudre les systmes linaires.
SOLUTION.
1. Mthode de JACOBI :
x
(0)

_
_
2
2
2
_
_
, x
(1)

_
_
_
12(12+12)
6
0(22+02)
4
6(12+22)
6
_
_
_
_
_
4
/3
1
0
_
_
, x
(2)

_
_
_
_
12(1(1)+10)
6
0(2
4
3
+00)
4
6(1
4
3
+2(1))
6
_
_
_
_

_
_
13
/6

2
/3
10
/9
_
_
, x
(3)

_
_
_
_
12(1
2
3
+1
10
9
)
6
0(2
13
6
+0
10
9
)
4
6(1
13
6
+2
2
3
)
6
_
_
_
_

_
_
52
/27

13
/12
31
/36
_
_
ainsi
x
_
_
1.926
1.083
0.861
_
_
.
2. Mthode de GAUSS-SEIDEL :
x
(0)

_
_
2
2
2
_
_
, x
(1)

_
_
_
_
12(12+12)
6
0(2
4
3
+02)
4
6(1
4
3
+2
2
3
)
6
_
_
_
_

_
_
4
/3

2
3
1
_
_
, x
(2)

_
_
_
_
12(1
2
3
+11)
6
0(2
35
18
+01)
4
6(1
35
18
+2
35
36
)
6
_
_
_
_

_
_
35
/18

35
/36
1
_
_
, x
(3)

_
_
_
_
12(1
35
18
+1
35
36
)
6
0(2
431
216
+01)
4
6(1
431
216
+2
431
432
)
6
_
_
_
_

_
_
431
/216

431
/432
1
_
_
ainsi
x
_
_
1.995
0.995
1
_
_
.
3. Mthode dlimination de Gauss :
(A[b)
_
_
6 1 1 12
2 4 0 0
1 2 6 6
_
_
L
2
L
2

2
6
L
1
L
3
L
3

1
6
L
1

_
_
6 1 1 12
0
11
3

1
3
4
0
11
6
35
6
4
_
_
L
3
L
3

11
6
11
3
L
2

_
_
6 1 1 12
0
11
3

1
3
4
0 0 6 6
_
_
donc
_

_
6x
1
+x
2
+x
3
12,
11
3
x
2

1
3
x
3
4
6x
3
6
x
3
1, x
2
1, x
1
2.
4. Factorisation de la matrice A:
_
_
6 1 1
2 4 0
1 2 6
_
_
L
2
L
2

2
6
L
1
L
3
L
3

1
6
L
1

_
_
6 1 1
2
6
11
3

1
3
1
6
11
6
35
6
_
_
L
3
L
3

11
6
11
3
L
2

_
_
_
_
6 1 1
2
6
11
3

1
3
1
6
11
6
11
3
6
_
_
_
_
donc
L
_
_
1 0 0
1
3
1 0
1
6
1
2
1
_
_
U
_
_
6 1 1
0
11
3

1
3
0 0 6
_
_
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly b
_
_
1 0 0
1
3
1 0
1
6
1
2
1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
12
0
6
_
_
y
1
12, y
2
4, y
3
6
70 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
et Ux y
_
_
6 1 1
0
11
3

1
3
0 0 6
_
_
_
_
x
1
x
2
x
3
_
_

_
_
1
4
6
_
_
x
3
1, x
2
1, x
1
2.
Exercice 4.2
Soit Aune matrice, A M
n,n
(R).
1. Rappeler les conditions ncessaires et sufsantes pour lexistence dune factorisation LUde la matrice Aet prciser
les dnitions de L et U.
2. On suppose L et U construites (i.e. on dispose de tous les coefcients
i , j
et u
i , j
de L et U), crire lalgorithme de
rsolution de Ax b, avec b M
n,1
(R) donn.
3. Soit la matrice Asuivante :
_
_
3 1 1
1 3 1
1 1 3
_
_
.
Construire la main les matrices L et U de la factorisation LU.
SOLUTION.
1. Pour une matrice quelconque A M
n,n
(R), la factorisation LU (sans pivot) existe et est unique ssi les sous-matrices
principales A
i
de Adordre i 1, . . . , n1 (celles que lon obtient en restreignant A ses i premires lignes et colonnes)
ne sont pas singulires (autrement dit si les mineurs principaux, i.e. les dterminants des sous-matrices principales,
sont non nuls). On peut identier des classes de matrices particulires pour lesquelles les hypothses de cette propo-
sition sont satisfaites. Mentionnons par exemple : les matrices diagonale strictement dominante, les matrices relles
symtriques dnies positives. Une technique qui permet deffectuer la factorisation LU pour toute matrice A inver-
sible, mme quand les hypothses de cette proposition ne sont pas vries, est la mthode du pivot par ligne : il suft
deffectuer une permutation convenable des lignes de la matrice originale A chaque tape k o un terme diagonal
a
kk
sannule.
2. Une fois calcules les matrices L et U, rsoudre le systme linaire Ax b, avec b M
n,1
(R) donn consiste simplement
rsoudre successivement
2.1. le systme triangulaire infrieur Ly b par lalgorithme
y
1
b
1
, y
i
b
i

i 1

j 1

i j
y
j
, i 2, . . . , n
2.2. le systme triangulaire suprieure Ux y par lalgorithme
x
n

y
n
u
nn
, x
i

1
u
i i
_
y
i

j i +1
u
i j
x
j
_
, j n 1, . . . , 1
3. Factorisation :
_
_
3 1 1
1 3 1
1 1 3
_
_
L
2
L
2

1
3
L
1
L
3
L
3

1
3
L
1

_
_
3 1 1
0
8
/3
4
/3
0
4
/3
8
/3
_
_
L
3
L
3

4
/3
8
/3
L
2

_
_
3 1 1
0
8
/3
4
/3
0 0 2
_
_
.
Par consquent
L
_
_
1 0 0

1
/3 1 0

1
/3
1
/2 1
_
_
et U
_
_
3 1 1
0
8
/3
4
/3
0 0 2
_
_
.
Exercice 4.3
Calculer, lorsquil est possible, la factorisation LU des matrices suivantes :
A
_
_
1 2 3
2 4 5
7 8 9
_
_
, B
_
_
1 2 3
7 8 9
2 4 5
_
_
.
G. Faccanoni 71
4. Systmes linaires Jeudi 10 mai 2012
Comment peut-on modier lalgorithme de factorisation pour pouvoir toujours aboutir une factorisation LUlorsque la
matrice est inversible ?
SOLUTION. Pour une matrice quelconque A M
n,n
(R), la factorisation LU (sans pivot) existe et est unique ssi les sous-
matrices principales A
i
de A dordre i 1, . . . , n 1 (celles que lon obtient en restreignant A ses i premires lignes et co-
lonnes) ne sont pas singulires (autrement dit si les mineurs principaux, i.e. les dterminants des sous-matrices principales,
sont non nuls).
Matrice A: comme det(A) /0, la matrice Aest bieninversible. Puisque det(A
1
) a
11
1 /0 mais det(A
2
) a
11
a
22
a12a
21

0, on ne peut pas factoriser Asans utiliser la technique du pivot. En effet,


A
_
_
1 2 3
2 4 5
7 8 9
_
_
L
2
L
2

2
1
L
1
L
3
L
3

7
1
L
1

_
_
1 2 3
0 0 1
0 6 12
_
_
La factorisation LU ne peut pas tre calcule car la prochaine tape il faudrait effectuer le changement L
3
L
3

6
0
L
2
.
Matrice B :
A
2

_
_
1 2 3
7 8 9
2 4 5
_
_
L
2
L
2

7
1
L
1
L
3
L
3

2
1
L
1

_
_
1 2 3
0 6 12
0 0 1
_
_
La factorisation LU de la matrice B est donc
L
_
_
1 0 0
7 1 0
2 0 1
_
_
, U
_
_
1 2 3
0 6 12
0 0 1
_
_
.
Lorsquun pivot est nul, la mthode de GAUSS pour calculer la factorisation LU de la matrice A nest plus applicable. De
plus, si le pivot nest pas nul mais trs petit, lalgorithme conduit des erreurs darrondi importantes. Cest pourquoi des
algorithmes qui changent les lments de faon avoir le pivot le plus grand possible ont t dvelopps. Les programmes
optimiss intervertissent les lignes chaque tape de faon placer en pivot le terme de coefcient le plus lev : cest la
mthode du pivot partiel. Pour la matrice Acela aurait donn
A
_
_
1 2 3
2 4 5
7 8 9
_
_
L
2
L
3

_
_
1 2 3
7 8 9
2 4 5
_
_
L
2
L
2

7
1
L
1
L
3
L
3

2
1
L
1

_
_
1 2 3
0 6 12
0 0 1
_
_
.
Bien videmment, il faut garder trace de cet change de lignes pour quil puisse tre rpercut sur le terme source et sur
linconnue lors de la rsolution du systme linaire ; ceci est ralis en introduisant une nouvelle matrice P, dite matrice
pivotale, telle que PA LU : la rsolution du systme linaire Ax b est donc ramen la rsolution des deux systmes
triangulaires Ly Pb et Ux y. Dans notre exemple cela donne
P
_
_
1 0 0
0 0 1
0 1 0
_
_
Exercice 4.4
Aprs avoir utilis la mthode dlimination de Gauss, une matrice symtrique A a t transforme en la matrice trian-
gulaire suprieure
U
_
_
_
_
4 2 1 0
0 3 3/2 1
0 0 3 3/2
0 0 0 35/12
_
_
_
_
.
Calculer la matrice A.
72 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
SOLUTION. Comme ALU, il suft de calculer L. En divisant chaque ligne de U par son terme diagonal on trouve
L
T

_
_
_
_
1 1/2 1/4 0
0 1 1/2 1/3
0 0 1 1/2
0 0 0 1
_
_
_
_
.
Alors
ALU
_
_
_
_
1 0 0 0
1/2 1 0 0
1/4 1/2 1 0
0 1/3 1/2 1
_
_
_
_
_
_
_
_
4 2 1 0
0 3 3/2 1
0 0 3 3/2
0 0 0 35/12
_
_
_
_

_
_
_
_
4 2 1 0
2 4 2 1
1 2 4 2
0 1 2 4
_
_
_
_
.
Exercice 4.5
Soit un paramtre rel et soient les matrices A

, P et le vecteur b dnis par


A

_
_
2 4 1
2 1
2 3 2
_
_
, P
_
_
1 0 0
0 0 1
0 1 0
_
_
, b
_
_
0
3/2
1
_
_
.
1. quelle condition sur , la matrice A

est inversible ?
2. quelle condition sur , la matrice A

admet-elle une dcomposition LU (sans pivot) ?


3. Soit 1. Calculer, si elle existe, la dcomposition LU de la matrice MPA

.
4. Soit 1. Rsoudre le systme linaire Ax b en rsolvant le systme linaire Mx Pb.
SOLUTION.
1. La matrice A

est inversible si et seulement si det(A) /0. Comme


det(A) det
_
_
2 4 1
2 1
2 3 2
_
_
(2(2) 2) +(4(1) 2) +(13) (2(1) 3) (42) (1(2) 2)
(8) +(8) +(3) (6) (8) (4)
65,
la matrice A

est inversible si et seulement si /


6
5
.
2. Pour une matrice A carre dordre n quelconque, la factorisation de Gauss existe et est unique si et seulement si les
sous-matrices principales A
i
de A dordre i 1, . . . , n 1 (celles que lon obtient en restreignant A ses i premires
lignes et colonnes) ne sont pas singulires (autrement dit si les mineurs principaux, i.e. les dterminants des sous-
matrices principales, sont non nuls).
Pour la matrice A

on a les sous-matrices principales suivantes :


A
1

_
2
_
, det(A
1
) 2;
A
2

_
2 4
2
_
, det(A
2
) 4(1+).
Par consquent, la matrice A

admet une dcomposition LU (sans pivot) si et seulement si /1.


3. Si 1 la matrice A

nadmet pas de dcomposition LU sans pivot. La matrice P change les lignes 2 et 3 de la


matrice Aet on obtient la matrice
PA
1

_
_
1 0 0
0 0 1
0 1 0
_
_
_
_
2 4 1
1 2 1
2 3 2
_
_

_
_
2 4 1
2 3 2
1 2 1
_
_
.
La matrice Madmet une dcomposition LU (sans pivot) et lon a
_
_
2 4 1
2 3 2
1 2 1
_
_
L
2
L
2
L
1
L
3
L
3

1
2
L
1

_
_
2 4 1
0 1 1
0 0
1
2
_
_
G. Faccanoni 73
4. Systmes linaires Jeudi 10 mai 2012
Par consquent, on obtient la dcomposition LU suivante de la matrice M:
L
_
_
1 0 0
1 1 0

1
2
0 1
_
_
, U
_
_
2 4 1
0 1 1
0 0
1
2
_
_
.
4. Pour rsoudre le systme linaire Mx Pb il suft de rsoudre les deux systmes triangulaires suivantes :
Ly Pb :
y
1
0, y
2
1y
1
1, y
3

3
2
+
1
2
y
1

3
2
;
Ux y :
x
3

3
2
(2) 3, x
2
(1x
3
)/(1) 4, x
1
(0x
2
4x
3
)/2
19
2
.
Exercice 4.6
Considrons les deux matrices carres dordre n >3 :
A
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 0 0 . . .
0 0 0 0 . . .
0 0 0
.
.
.
.
.
.
0
.
.
.
.
.
.
. . .
.
.
.
.
.
.
.
.
.
0
0 0 0
. . .
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
B
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 . . . . . . 0 0
0 0 0 0
.
.
. 0
.
.
.
0
.
.
.
. . .
.
.
.
.
.
. 0 0 0 0
0 0 0
. . .
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
avec et rels non nuls.
1. Vrier que la factorisation LU de la matrice B ne peut pas tre calcule sans utiliser la technique du pivot.
2. Calculer analytiquement le nombre doprations ncessaires pour calculer la factorisation LU de la matrice A.
3. Exprimer le dterminant de la matrice A sous forme rcursive en fonction des coefcients de la matrice et de sa
dimension n.
4. Sous quelles conditions sur et la matrice A est dnie positive ? Dans ce cas, exprimer le conditionnement de
la matrice en fonction des coefcients et de la dimension n.
SOLUTION.
1. La factorisation LU de la matrice B ne peut pas tre calcule sans utiliser la technique du pivot car llment pivotale
au deuxime pas est nul. Par exemple, si n 4, on obtient :
B
(1)

_
_
_
_
0 0
0 0
0 0

_
_
_
_
L
2
L
2
L
1
L
3
L
3
L
1
L
4
L
4

L
1
B
(2)

_
_
_
_
_
0 0
0 0
0 0
0

_
_
_
_
_
.
2. La matrice Aest une matrice en che : pour en calculer la factorisation LU il suft de transformer la dernire ligne,
ce qui requiert le calcul de lunique multiplicateur m/ et lexcution de n1 produits et sommes. Le cot globale
est donc de lordre de n.
3. Le dterminant
n
de la matrice Ade dimension n concide avec le dterminant de la matrice U. Comme u
i i
pour
tout i <n et u
nn
(n 1)
2
/, on conclut que

n
(n 1)
n2

2
.
4. Les valeurs propres de la matrice Asont les racines du dterminant de la matrice AI. Suivant le mme raisonnement
du point prcdant, ce dterminant scrit
()
n
(n 1)()
n2

2
dont les racines sont

1,2

_
(n 1),
3

n
.
74 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
Par consquent, pour que la matrice A soit dnie positive il faut que les valeurs propres soient tous positifs, ce qui
impose
>0, [[ <

_
n 1
.
Dans ce cas, le conditionnement de la matrice en norme 2 est
K
2
(A)
_

_
+
_
n1

_
n1
si 0,

_
n1
+
_
n1
sinon.
Exercice 4.7
Donner une condition sufsante sur le coefcient pour avoir convergence des mthodes de JACOBI et GAUSS-SEIDEL
pour la rsolution dun systme linaire associ la matrice
A
_
_
0 1
0 0
1 0
_
_
SOLUTION. Une condition sufsante pour la convergence des mthodes de JACOBI et de GAUSS-SEIDEL est que A est
diagonale strictement dominante. Avrie cette condition si et seulement si [[ >1.
Exercice 4.8
Considrons le systme linaire Ax b avec
A
_
_
0
0
0
_
_
avec , , et des paramtres rels. Donner des conditions sufsantes sur les coefcients pour avoir
1. convergence de la mthode de Jacobi
2. convergence de la mthode de Gauss-Seidel.
SOLUTION.
1. Une condition sufsante pour que la mthode de JACOBI converge est que la matrice soit dominance diagonale
stricte, ce qui quivaut imposer
_

_
[[ >[[,
[[ >[[,
[[ >[[,
cest--dire [[ >max
_
[[, [[, [[
_
.
2. La condition prcdente est aussi sufsante pour la convergence de la mthode de Gauss-Seidel. Une autre condition
sufsante pour la convergence de cette mthode est que la matrice soit symtrique dnie positive. Pour la symtrie il
faut que
_
0,
,
on obtient ainsi la matrice
A
_
_
0 0
0
0
_
_
.
Elle est dnie positive si ses valeurs propres sont positifs. On a

1
,
2
,
3
+,
donc il faut que >[[.
G. Faccanoni 75
4. Systmes linaires Jeudi 10 mai 2012
Exercice 4.9
crire les formules de la mthode dlimination de Gauss pour une matrice de la forme
A
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
1,1
a
1,2
0 . . . 0
a
2,1
a
2,2
a
2,3
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
. a
n1,n1
a
n1,n
a
n,1
a
n,2
. . . a
n,n1
a
n,n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Quelle est la forme nale de la matrice U A
(n)
? tant donn la forme particulire de la matrice A, indiquer le nombre
minimal doprations ncessaire pour calculer U ainsi que celui pour la rsolution des systmes triangulaires naux.
SOLUTION. Comme la matrice a une seule sur-diagonale non nulle, les formules de la mthode dlimination de Gauss
deviennent
a
(k+1)
i , j
a
(k)
i , j
+m
i ,k
a
(k)
k, j
, i , j k +1,
m
i ,k

a
(k)
i ,k
a
(k)
k,k
, i k +1.
La cot est donc de lordre de n et la matrice U est bidiagonale suprieure.
Exercice 4.10
Soit R

et considrons les matrices carres de dimension n


A
_
_
_
_
_
_
_
0 . . .
0
.
.
.
.
.
.
.
.
.
. . .
_
_
_
_
_
_
_
, B
_
_
_
_
_
_
_

. . .

.
.
.
.
.
.
.
.
.

. . .

_
_
_
_
_
_
_
.
1. Calculer et pour que B soit linverse de A.
2. Calculer le conditionnement K

(A) en fonction de n et en calculer la limite pour n qui tend vers linni.


SOLUTION.
1. Par dnition, B est la matrice inverse de Asi ABBAI. Comme
AB
_
_
_
_
_
_
_
+ 0 . . . 0
0
.
.
.
.
.
.
.
.
. + 0
+(n 3) . . . +(n 3) (n 2)
_
_
_
_
_
_
_
,
il faut que
_

_
+ 1
+(n 3) 0
(n 2) 1
ce qui donne

n 3
n 2
,
1
n 2
.
76 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
2. On trouve immdiatement |A|

n[[ tandis que


|A
1
|

1
[[
max
_
n,
n
n 2
_

2
[[
.
On conclut que le conditionnement K

(A) en fonction de n est


K

(A) n[[
2
[[
2n.
La matrice est donc mal conditionne pour n grand.
Exercice 4.11
On suppose que le nombre rel > 0 est assez petit pour que lordinateur arrondisse 1+ en 1 et 1+(1/) en 1/ ( est
plus petit que lerreur machine (relative), par exemple, 2
30
en format 32 bits). Simuler la rsolution par lordinateur
des deux systmes suivants :
_
a +b 1
2a +b 0
et
_
2a +b 0
a +b 1
On appliquera pour cela la mthode du pivot de Gauss et on donnera les dcompositions LUdes deux matrices associes
ces systmes. On fournira galement la solution exacte de ces systmes. Commenter.
SOLUTION.
Premier systme :
_
1
2 1
__
a
b
_

_
1
0
_
.
Factorisation LU :
_
1
2 1
_
L
2
L
2

L
1

_
1
0 1
2

_
donc
L
_
1 0
2

1
_
U
_
1
0 1
2

_
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly b et Ux y :
_
1 0
2

1
__
y
1
y
2
_

_
1
0
_
y
1
1, y
2

;
_
1
0 1
2

__
a
b
_

_
1

_
b
2

_
1
2

_ , a
1+
2

_
1
2

.
Mais avec lordinateur, comme 1+ 1 et 1+(1/) 1/, on obtient

L
_
1 0
2

1
_

U
_
1
0
2

_
Pour rsoudre ce systme linaire approch on rsout les systmes triangulaires

Ly b et

Ux y :
_
1 0
2

1
__
y
1
y
2
_

_
1
0
_
y
1
1, y
2

;
_
1
0
2

__
a
b
_

_
1

_
b 1, a 0.
Second systme :
_
2 1
1
__
a
b
_

_
0
1
_
.
Factorisation LU :
_
2 1
1
_
L
2
L
2

2
L
1

_
2 1
0 1

2
_
G. Faccanoni 77
4. Systmes linaires Jeudi 10 mai 2012
donc
L
_
1 0

2
1
_
U
_
2 1
0 1
2

_
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly b et Ux y :
_
1 0

2
1
__
y
1
y
2
_

_
0
1
_
y
1
0, y
2
1;
_
2 1
0 1
2

__
a
b
_

_
0
1
_
b
2

_
1
2

_ , a
1+
2

_
1
2

.
Mais avec lordinateur, comme 1+ 1 et 1+(1/) 1/, on obtient

L
_
1 0

2
1
_

U
_
2 1
0
2

_
Pour rsoudre ce systme linaire approch on rsout les systmes triangulaires

Ly b et

Ux y :
_
1 0

2
1
__
y
1
y
2
_

_
0
1
_
y
1
0, y
2
1;
_
2 1
0
2

__
a
b
_

_
0
1
_
b

2
, a

4
.
Exercice 4.12
Rappeler lalgorithme vu en cours pour calculer la dcomposition LU dune matrice A et la solution du systme Ax b
o le vecteur colonne b est donn. On appliquera ces algorithmes pour les cas suivants :
_
_
1 1 1
2 1 3
3 2 4
_
_
_
_
x
1
x
2
x
3
_
_

_
_
1
1
1
_
_
et
_
_
_
_
1 2 3 4
2 5 7 1
3 1 1 5
2 2 0 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
1
1
1
_
_
_
_
et
_
_
_
_
1 1 1 1
1 2 3 4
1 4 6 8
1 0 0 0
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
1
1
1
_
_
_
_
Donner, en fonction de n (nombre de lignes et de colonnes de A), une majoration du nombres doprations effectues
par lordinateur pour calculer la dcomposition LUde Aavec lalgorithme donn en cours. Donner aussi une estimation
du nombres doprations effectues pour rsoudre le systme Ax b quand la dcomposition LU est connue.
SOLUTION. Premier systme :
_
_
1 1 1 1
2 1 3 1
3 2 4 1
_
_
L
2
L
2

2
1
L
1
L
3
L
3

3
1
L
1

_
_
1 1 1 1
0 1 1 1
0 5 7 4
_
_
L
3
L
3

5
1
L
2

_
_
1 1 1 1
0 1 1 1
0 0 12 1
_
_
donc
L
_
_
1 0 0
2 1 0
3 5 1
_
_
U
_
_
1 1 1
0 1 1
0 0 12
_
_
Il ne reste rsoudre que le systme triangulaire
_

_
x
1
+x
2
+x
3
1
x
2
+x
3
1
12x
3
1
x
3

1
12
, x
2

11
12
, x
1

1
6
.
Deuxime systme :
_
_
_
_
1 2 3 4 1
2 5 7 1 1
3 1 1 5 1
2 2 0 3 1
_
_
_
_
L
2
L
2

2
1
L
1
L
3
L
3

3
1
L
1
L
4
L
4

2
1
L
1

_
_
_
_
1 2 3 4 1
0 9 1 7 1
0 5 8 7 2
0 2 6 5 1
_
_
_
_
78 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
L
3
L
3

5
9
L
2
L
4
L
4

2
9
L
2

_
_
_
_
1 2 3 4 1
0 9 1 7 1
0 0
77
9

28
9

13
9
0 0
56
9

31
9

7
9
_
_
_
_
L
4
L
4

56/9
77/9
L
2

_
_
_
_
1 2 3 4 1
0 9 1 7 1
0 0
77
9

28
9

13
9
0 0 0
13
11
3
11
_
_
_
_
donc
L
_
_
_
_
1 0 0 0
2 1 0 0
3
5
9
1 0
2
2
9
56
77
1
_
_
_
_
U
_
_
_
_
1 2 3 4
0 9 1 7
0 0
77
9

28
9
0 0 0
13
11
_
_
_
_
Il ne reste rsoudre que le systme triangulaire
_

_
x
1
+2x
2
+3x
3
+4x
4
1
9x
2
+x
3
7x
4
1

77
9
x
3

28
9
x
4

13
9

13
11
x
4

3
11
x
4

3
13
, x
3

23
91
, x
2

29
91
, x
1

48
91
.
Troisime systme :
_
_
_
_
1 1 1 1 1
1 2 3 4 1
1 4 6 8 1
1 0 0 0 1
_
_
_
_
L
2
L
2
L
1
L
3
L
3
L
1
L
4
L
4
L
1

_
_
_
_
1 1 1 1 1
0 3 2 3 0
0 3 5 7 0
0 1 1 1 0
_
_
_
_
L
3
L
3
(1)L
2
L
4
L
4

1
3
L
2

_
_
_
_
1 1 1 1 1
0 3 2 3 0
0 0 7 10 0
0 0
5
3
2 0
_
_
_
_
L
4
L
4

5/3
7
L
2

_
_
_
_
1 1 1 1 1
0 3 2 3 0
0 0 7 10 0
0 0 0
8
21
0
_
_
_
_
donc
L
_
_
_
_
1 0 0 0
1 1 0 0
1 1 1 0
1
1
3
5
21
1
_
_
_
_
U
_
_
_
_
1 1 1 1
0 3 2 3
0 0 7 10
0 0 0
8
21
_
_
_
_
Il ne reste rsoudre que le systme triangulaire
_

_
x
1
+x
2
+x
3
+x
4
1
3x
2
+2x
3
+3x
4
0
7x
3
+10x
4
0
8
21
x
4
0
x
4
0, x
3
0, x
2
0, x
1
1.
Exercice 4.13
crire les mthodes itratives de Gauss, JACOBI et GAUSS-SEIDEL pour les systmes suivants :
_
10a +b 11
2a +10b 12
et
_
2a +10b 12
10a +b 11.
Pour chacun de ces mthodes et systmes, on calculera le rayon spectral de la matrice associe la mthode. On illustrera
les rsultats thoriques de convergence/non-convergence en calculant les 3 premiers itrs en prenant comme point de
dpart le vecteur (a, b) (0, 0).
SOLUTION.
Gauss Premier systme :
_
10 1 11
2 10 12
_
L
2
L
2

2
10
L
1

_
10 1 11
0
49
5
49
5
_

_
10a +b 11
49
5
b
49
5

_
a 1
b 1.
G. Faccanoni 79
4. Systmes linaires Jeudi 10 mai 2012
Second systme :
_
2 10 12
10 1 11
_
L
2
L
2

10
2
L
1

_
2 10 12
0 49 49
_

_
2a +10b 12
49b 49

_
a 1
b 1.
Jacobi Premier systme :
_
10a +b 11
2a +10b 12

_
a
11b
10
b
122a
10
La matrice tant diagonale dominante stricte, la mthode converge et on a
x
(0)

_
0
0
_
, x
(1)

_
110
10
120
10
_

_
11
/10
12
/10
_
, x
(2)

_
_
11
12
10
10
122
11
10
10
_
_

_
49
/50
49
/50
_
, x
(3)

_
_
11
49
50
10
122
49
50
10
_
_

_
501
/500
502
/500
_
.
Second systme :
_
2a +10b 12
10a +b 11

_
a
1210b
2
b 1110a
La mthode ne converge pas, en effet on a
x
(0)

_
0
0
_
, x
(1)

_
120
2
110
_

_
6
11
_
, x
(2)

_
121011
2
11106
_

_
49
49
_
, x
(3)

_
1210(49)
2
1110(49)
_

_
251
501
_
.
Gauss-Seidel Premier systme :
_
10a +b 11
2a +10b 12

_
a
11b
10
b
122a
10
La matrice tant diagonale dominante stricte, la mthode converge et on a
x
(0)

_
0
0
_
, x
(1)

_
110
10
122
11
10
10
_

_
11
/10
49
/50
_
, x
(2)

_
_
11
49
50
10
122
501
500
10
_
_

_
501
/500
2499
/2500
_
, x
(3)

_
_
11
2499
2500
10
122
25001
25000
10
_
_

_
25001
/25000
12499
/125000
_
.
Second systme :
_
2a +10b 12
10a +b 11

_
a
1210b
2
b 1110a
La mthode ne converge pas, en effet on a
x
(0)

_
0
0
_
, x
(1)

_
120
2
11106
_

_
6
49
_
, x
(2)

_
1210(49)
2
1110251
_

_
251
2499
_
, x
(3)

_
1210(2499)
2
1110(12501)
_

_
12501
124999
_
.
Exercice 4.14
Rsoudre les systmes linaires suivants :
_

_
x 5y 7z 3
2x 13y 18z 3
3x 27y 36z 3
et
_

_
x 5y 7z 6
2x 13y 18z 0
3x 27y 36z 3
et
_

_
x 5y 7z 0
2x 13y 18z 3
3x 27y 36z 6.
SOLUTION. Le trois systmes scrivent sous forme matricielle
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
3
3
3
_
_
et
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
6
0
3
_
_
et
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
0
3
6
_
_
On remarque que seul le terme source change. On calcul dabord la dcomposition LU de la matrice A:
_
_
1 5 7
2 13 18
3 27 36
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1

_
_
1 5 7
0 3 4
0 12 15
_
_
L
3
L
3
4L
2

_
_
1 5 7
0 3 4
0 0 1
_
_
80 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
donc
L
_
_
1 0 0
2 1 0
3 4 1
_
_
U
_
_
1 5 7
0 3 4
0 0 1
_
_
Pour rsoudre chaque systme linaire on rsout les systmes triangulaires Ly b et Ux y.
1. Pour le premier systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
3
3
3
_
_
y
1
3, y
2
3, y
3
6;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
3
3
6
_
_
x
3
6, x
2
7, x
1
10.
2. Pour le seconde systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
6
0
3
_
_
y
1
6, y
2
12, y
3
27;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
6
12
27
_
_
x
3
27, x
2
32, x
1
35.
3. Pour le dernier systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
0
3
6
_
_
y
1
0, y
2
3, y
3
6;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
6
12
27
_
_
x
3
6, x
2
7, x
1
7.
Exercice 4.15
Soit Aune matrice, A M
n,n
(R).
1. Rappeler la mthode de JACOBI pour la rsolution du systme Ax b, avec b M
n,1
(R) donn.
2. Soit la matrice Asuivante :
_
_
4 1 1
1 3 1
1 1 4
_
_
.
La mthode de JACOBI est-elle convergente pour cette matrice ?
3. Construire la main les matrices L et U de la factorisation LU pour la matrice ci-dessus.
SOLUTION.
1. La mthode de JACOBI est une mthode itrative pour le calcul de la solution dun systme linaire qui construit une
suite de vecteurs x
(k)
R
n
convergent vers la solution exacte x pour tout vecteur initiale x
(0)
R
n
:
x
k+1
i

b
i

j 1
j /i
a
i j
x
k
j
a
i i
, i 1, . . . , n.
2. Comme [4[ >[ 1[ +[ 1[, [3[ >[ 1[ +[ 1[ et [4[ >[ 1[ +[ 1[, la matrice A est diagonale dominante stricte donc la
mthode de JACOBI converge
3. Factorisation :
_
_
4 1 1
1 3 1
1 1 4
_
_
L
2
L
2

1
4
L
1
L
3
L
3

1
4
L
1

_
_
4 1 1
0
11
/4
5
/4
0
5
/4
15
/4
_
_
L
3
L
3

5
/4
11
/4
L
2

_
_
3 1 1
0
11
/4
5
/4
0 0
35
/11
_
_
.
G. Faccanoni 81
4. Systmes linaires Jeudi 10 mai 2012
Par consquent
L
_
_
1 0 0

1
/4 1 0

1
/4
5
/11 1
_
_
et U
_
_
4 1 1
0
11
/4
5
/4
0 0
35
/11
_
_
.
Exercice 4.16
Soit la matrice A R
nn
dont les lments vrient
a
i j
1 si i j ou i n,
a
i j
1 si i < j ,
a
i j
0 sinon.
Montrer que Aadmet une factorisation LU avec

i i
1 pour i 1, . . . , n,

i j
0 si i <n et i / j ,

nj
2
j 1
si j <n ;
u
i j
a
i j
pour i=1,. . .,n-1, j=1,. . .,n,
u
nj
0 si j <n,
u
nn
2
n1
.
SOLUTION. Factorisation LU de la matrice A:
_
_
_
_
_
_
_
_
_
_
_
_
1 1 . . . . . . . . . 1
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . . . . 0 1 1
1 1 1 . . . 1 1
_
_
_
_
_
_
_
_
_
_
_
_
L
n
L
n

1
1
L
1

_
_
_
_
_
_
_
_
_
_
_
_
1 1 . . . . . . . . . 1
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . . . . 0 1 1
0 2 2 . . . 2 2
_
_
_
_
_
_
_
_
_
_
_
_
L
n
L
n

2
1
L
2

_
_
_
_
_
_
_
_
_
_
_
_
1 1 . . . . . . . . . 1
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . . . . 0 1 1
0 0 4 . . . 4 4
_
_
_
_
_
_
_
_
_
_
_
_
[. . . ]
L
n
L
n

2
n2
1
L
n1

_
_
_
_
_
_
_
_
_
_
_
_
1 1 . . . . . . . . . 1
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . . . . 0 1 1
0 0 0 . . . 0 2
n1
_
_
_
_
_
_
_
_
_
_
_
_
par consquent on obtient les matrices
L
_
_
_
_
_
_
_
_
_
_
_
_
1 0 0 . . . . . . 0
0 1 0
.
.
.
.
.
.
0 0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
0 0 . . . 0 1 0
1 2 4 . . . 2
n2
1
_
_
_
_
_
_
_
_
_
_
_
_
et U
_
_
_
_
_
_
_
_
_
_
_
_
1 1 1 . . . . . . 1
0 1 1
.
.
.
.
.
.
0 0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1
0 0 . . . 0 1 1
0 0 0 . . . 0 2
n1
_
_
_
_
_
_
_
_
_
_
_
_
.
Exercice 4.17
Soit les systmes linaires
_

_
4x
1
+3x
2
+3x
3
10
3x
1
+4x
2
+3x
3
10
3x
1
+3x
2
+4x
3
10
(4.1)
_

_
4x
1
+x
2
+x
3
6
x
1
+4x
2
+x
3
6
x
1
+x
2
+4x
3
6
(4.2)
1. Rappeler une condition sufsante de convergence pour les mthodes de JACOBI et de Gauss-Seidel. Rappeler une
82 G. Faccanoni
Jeudi 10 mai 2012 4. Systmes linaires
autre condition sufsante de convergence pour la mthode de GAUSS-SEIDEL (mais non pour la mthode de Ja-
cobi). Les systmes (4.1) et (4.2) vrient-ils ces conditions ?
2. crire les mthodes de JACOBI et de GAUSS-SEIDEL pour ces deux systmes linaires.
3. On illustrera les rsultats thoriques de convergence/non-convergence de ces deux schmas en prenant comme
point de dpart le vecteur (x
1
, x
2
, x
3
) (0, 0, 0) et en calculant les 3 premiers itrs dans lun des cas suivant (vous
tes libre de choisir) :
3.1. avec la mthode de JACOBI pour le systme (4.1),
3.2. avec la mthode de GAUSS-SEIDEL pour le systme (4.1),
3.3. avec la mthode de JACOBI pour le systme (4.2),
3.4. avec la mthode de GAUSS-SEIDEL pour le systme (4.2).
4. On comparera le rsultat obtenu avec la solution exacte (quon calculera laide de la mthode dlimination de
Gauss).
SOLUTION. crivons les deux systmes sous forme matricielle Ax b :
_
_
4 3 3
3 4 3
3 3 4
_
_
. .
A
1
_
_
x
1
x
2
x
3
_
_

_
_
10
10
10
_
_
et
_
_
4 1 1
1 4 1
1 1 4
_
_
. .
A
2
_
_
x
1
x
2
x
3
_
_

_
_
6
6
6
_
_
1. Rappelons deux proprits de convergence :
Si la matrice Aest diagonale dominante stricte, les mthodes de JACOBI et de GAUSS-SEIDEL convergent.
Si la matrice Aest symtrique et dnie positive, la mthode de GAUSS-SEIDEL converge.
Comme 4 > 1 +1, la matrice A
2
est diagonale dominante stricte : les mthodes de JACOBI et de GAUSS-SEIDEL
convergent.
Comme 4 <3+3, la matrice A
1
nest pas diagonale dominante stricte : les mthodes de JACOBI et de GAUSS-SEIDEL
peuvent ne pas converger. Cependant elle est symtrique et dnie positive (car les valeurs propres
1
sont
1

2
1
et
3
10) : la mthode de GAUSS-SEIDEL converge.
2. Pour les systmes donns les mthodes de JACOBI et GAUSS-SEIDEL scrivent
A
1
x b A
2
x b
Jacobi
_
_
_
_
_
_
_
x
(k+1)
1
x
(k+1)
2
x
(k+1)
3
_
_
_
_
_
_
_

1
4
_
_
_
_
_
_
_
103x
(k)
2
3x
(k)
3
103x
(k)
1
3x
(k)
3
103x
(k)
1
3x
(k)
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
(k+1)
1
x
(k+1)
2
x
(k+1)
3
_
_
_
_
_
_
_

1
4
_
_
_
_
_
_
_
6x
(k)
2
x
(k)
3
6x
(k)
1
x
(k)
3
6x
(k)
1
x
(k)
2
_
_
_
_
_
_
_
Gauss-Seidel
_
_
_
_
_
_
_
x
(k+1)
1
x
(k+1)
2
x
(k+1)
3
_
_
_
_
_
_
_

1
4
_
_
_
_
_
_
_
103x
(k)
2
3x
(k)
3
103x
(k+1)
1
3x
(k)
3
103x
(k+1)
1
3x
(k+1)
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
(k+1)
1
x
(k+1)
2
x
(k+1)
3
_
_
_
_
_
_
_

1
4
_
_
_
_
_
_
_
6x
(k)
2
x
(k)
3
6x
(k+1)
1
x
(k)
3
6x
(k+1)
1
x
(k+1)
2
_
_
_
_
_
_
_
3. On obtient les suites suivantes
3.1. JACOBI pour le systme (4.1) :
_
_
_
_
x
1
x
2
x
3
_
_
_
_
(0)

_
_
_
_
0
0
0
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(1)

1
4
_
_
_
_
103030
103030
103030
_
_
_
_

_
_
_
_
5
2
5
2
5
2
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(2)

1
4
_
_
_
_
103
5
2
3
5
2
103
5
2
3
5
2
103
5
2
3
5
2
_
_
_
_

_
_
_
_

5
4

5
4

5
4
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(3)

1
4
_
_
_
_
103
5
4
3
5
4
103
5
4
3
5
4
103
5
4
3
5
4
_
_
_
_

_
_
_
_
35
8
35
8
35
8
_
_
_
_
1. det A
1
() (4)
3
+27+279(4) 9(4) 9(4) 6448+12
2

3
+54108+27
3
+12
2
21+10. Une racine vidente est 1
et on obtient det A
1
() (1)(
2
+1110) (1)
2
(10).
G. Faccanoni 83
4. Systmes linaires Jeudi 10 mai 2012
3.2. GAUSS-SEIDEL pour le systme (4.1) :
_
_
_
_
x
1
x
2
x
3
_
_
_
_
(0)

_
_
_
_
0
0
0
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(1)

1
4
_
_
_
_
103030
103
5
2
30
103
5
2
3
5
8
_
_
_
_

_
_
_
_
5
2
5
8
5
32
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(2)

1
4
_
_
_
_
103
5
8
3
5
32
103
245
128
3
5
32
103
245
128
3
485
512
_
_
_
_

_
_
_
_
245
128
485
512
725
2048
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(3)

_
_
_
_
12485
8192
35765
32768
70565
131072
_
_
_
_
3.3. JACOBI pour le systme (4.2) :
_
_
_
_
x
1
x
2
x
3
_
_
_
_
(0)

_
_
_
_
0
0
0
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(1)

1
4
_
_
_
_
61010
61010
61010
_
_
_
_

_
_
_
_
3
2
3
2
3
2
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(2)

1
4
_
_
_
_
61
3
2
1
3
2
61
3
2
1
3
2
61
3
2
1
3
2
_
_
_
_

_
_
_
_
3
4
3
4
3
4
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(3)

1
4
_
_
_
_
61
3
4
1
3
4
61
3
4
1
3
4
61
3
4
1
3
4
_
_
_
_

_
_
_
_
9
8
9
8
9
8
_
_
_
_
3.4. GAUSS-SEIDEL pour le systme (4.2) :
_
_
_
_
x
1
x
2
x
3
_
_
_
_
(0)

_
_
_
_
0
0
0
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(1)

1
4
_
_
_
_
61010
61
3
2
10
61
3
2
1
9
8
_
_
_
_
_
_
_
_
3
2
9
8
27
32
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(2)

1
4
_
_
_
_
61
9
8
1
27
32
61
129
128
1
27
32
61
129
128
1
531
512
_
_
_
_

_
_
_
_
129
128
531
512
2025
2048
_
_
_
_

_
_
_
_
x
1
x
2
x
3
_
_
_
_
(3)

1
4
_
_
_
_
61
531
512
1
2025
2048
61
8139
8192
1
2025
2048
61
8139
8192
1
32913
32768
_
_
_
_

_
_
_
_
8139
8192
32913
32768
131139
131072
_
_
_
_
4. Calcul de la solution exacte laide de la mthode dlimination de Gauss :
Systme (4.1) :
_
_
4 3 3 10
3 4 3 10
3 3 4 10
_
_
L
2
L
2

3
4
L
1
L
3
L
3

3
4
L
1

_
_
4 3 3 10
0
7
/4
3
/4
5
/2
0
3
/4
7
/4
5
/2
_
_
L
3
L
3

3/4
7/4
L
2

_
_
4 3 3 10
0
7
/4
3
/4
5
/2
0 0
10
/7
10
/7
_
_
x
_
_
1
1
1
_
_
Systme (4.2) :
_
_
4 1 1 6
1 4 1 6
1 1 4 6
_
_
L
2
L
2

1
4
L
1
L
3
L
3

1
4
L
1

_
_
4 1 1 6
0
15
/4
3
/4
9
/2
0
3
/4
15
/4
9
/2
_
_
L
3
L
3

3/4
15/4
L
2

_
_
4 1 1 6
0
15
/4
3
/4
9
/2
0 0
18
/5
18
/5
_
_
x
_
_
1
1
1
_
_
84 G. Faccanoni
5. quations direntielles ordinaires
Calculer la fonction t y(t ) qui vrie lEDO y
t
(t ) f (t , y(t )) et la condition y(t
0
) y
0
Les quations diffrentielles dcrivent lvolution de nombreux phnomnes dans des domaines varis. Une quation diff-
rentielle est une quation impliquant une ou plusieurs drives dune fonction inconnue. Si toutes les drives sont prises
par rapport une seule variable, on parle dquation diffrentielle ordinaire. Une quation mettant en jeu des drives par-
tielles est appele quation aux drives partielles. On dit quune quation diffrentielle (ordinaire ou aux drives partielles)
est dordre p si elle implique des drives dordre au plus p. Dans le prsent chapitre, nous considrons des quations diff-
rentielles ordinaires dordre un.
quations diffrentielles
Une quation diffrentielle (EDO) est une quation, dont linconnue est une fonction y, exprime sous la forme dune
relation F(y, y
t
, y
tt
, . . . , y
(n)
) g(x) dans laquelle cohabitent la fois y y(x) et ses drives y
t
, y
tt
, . . . (n est appel lordre
de lquation). Si la fonction g, appele second membre de lquation, est nulle, on dit que lquation en question est
homogne.
Nous pouvons nous limiter aux quations diffrentielles du premier ordre, car une quation dordre p > 1 peut toujours se
ramener un systme de p quations dordre 1. Une quation diffrentielle ordinaire admet gnralement une innit de
solutions. Pour en slectionner une, on doit imposer une condition supplmentaire qui correspond la valeur prise par la
solutionenunpoint de lintervalle dintgration. Onconsidrera par consquent des problmes, dits de CAUCHY ainsi dni :
Problme de CAUCHY
Soit f : I RR une fonction donne et y
t
la drive de y par rapport t . On appelle problme de CAUCHY le problme
trouver y : I RR tel que
_
y
t
(t ) f (t , y(t )), t I ,
y(t
0
) y
0
,
avec t
0
un point de I et y
0
une valeur appele donne initiale.
Exemple
On se donne f (t , y(t )) 3t 3y(t ) et y
0
(un nombre quelconque). On cherche une fonction y : t R
+
y(t ) R qui satisfait
_
y
t
(t ) 3t 3y(t ), t >0,
y(0) .
Sa solution est donne par y(t ) (1/3)e
3t
+t +1/3.
Exemple Non unicit de la solution dun problme de CAUCHY
On se donne f (t , y(t ))
3
_
y(t ) et y
0
0. On cherche une fonction y : t R
+
y(t ) R qui satisfait
_
y
t
(t )
3
_
y(t ), t >0,
y(0) 0.
On vrie que les fonctions y
1
(t ) 0 et y
2,3
(t )
_
8t
3
/27, pour tout t 0, sont toutes trois solutions du problme de CAUCHY donn.
Cest exemple montre quun problme de CAUCHY nas pas ncessairement de solution unique.
85
5. quations direntielles ordinaires Jeudi 10 mai 2012
Exemple Non existence sur R de la solution dun problme de CAUCHY
On se donne f (t , y(t )) (y(t ))
3
et y
0
1. On cherche une fonction y : t R
+
y(t ) R qui satisfait
_
y
t
(t ) (y(t ))
3
, t >0,
y(0) 1.
Onvrie que la solution y est donne par y(t ) 1/
_
12t qui nest dnie que pour t [0; 1/2[. Cest exemple montre quunproblme
de CAUCHY nas pas toujours une solution pour tout t [0; +[ puisquici la solution explose lorsque t tend vars la valeur 1/2 (en effet,
nous avons lim
t (1/2)
y(t ) +).
Les trois exemples ci-dessus montrent que ltude mathmatique de lexistence et de lunicit de solutions dun problme
de CAUCHY peut tre une affaire dlicate. Dans ce chapitre, nous nous contentons de rappeler un rsultat dexistence et
dunicit global, au sens o on peut intgrer le problme de CAUCHY jusqu t :
Thorme de CAUCHY-Lipschitz
Soit un problme de CAUCHY. Si la fonction f (t , y) est
1. continue par rapport ses deux variables ;
2. lipschitzienne par rapport sa deuxime variable, cest--dire quil existe une constante positive L (appele
constante de Lipschitz) telle que
[ f (t , y
1
) f (t , y
2
)[ L[y
1
y
2
[, t I , y
1
, y
2
R,
alors la solution y y(t ) du problme de CAUCHY existe, est unique et appartient C
1
(I ).
Cas particulier
Soient a et g deux fonctions continues dun intervalle I dans R, si f (t , y(t )) a(t )y(t ) +g(t ) et si (t
0
, y
0
) I R, alors il
existe une unique solution y de lquation diffrentielle telle que y(t
0
) y
0
.
Remarque
Graphiquement, ce thorme signie que par tout point du plan dont labscisse est dans I , il passe une courbe intgrale
et une seule, autrement dit deux trajectoires ne peuvent pas se croiser. En particulier, si une quation diffrentielle admet
comme solution la solution nulle, alors toute autre solution est soit toujours positive soit toujours ngative.
Exemple
On se donne f (t , y(t )) [y(t )[ +sin(y(t )) +e
t
2
/2
et y
0
1. On cherche une fonction y : t R
+
y(t ) R qui satisfait
_
y
t
(t ) (y(t ))
3
, t >0,
y(0) 1.
On vrie facilement que

f (t , y
1
(t )) f (t , y
2
(t ))

[y
1
(t )[ +sin(y
1
(t )) [y
2
(t )[ sin(y
2
(t ))

[y
1
(t )[ [y
2
(t )[ +
_
y
1
y
2
sin()d

[y
1
(t )[ [y
2
(t )[ +[y
1
(t ) y
2
(t )[

y
1
(t ) y
2
(t )

Par le thorme de CAUCHY-Lipschitz, le problme de CAUCHY a une solution globale unique y(t ). Cependant, il nest pas possible de
donner une expression explicite de la solution.
En pratique, on ne peut expliciter les solutions que pour des quations diffrentielles ordinaires trs particulires. Dans cer-
tains cas, onne peut exprimer la solutionque sous forme implicite. Dans dautres cas, onne parvient mme pas reprsenter
la solution sous forme implicite. Pour ces raisons, on cherche des mthodes numriques capables dapprocher la solution de
toutes les quations diffrentielles qui admettent une solution.
86 G. Faccanoni
Jeudi 10 mai 2012 Schmas numriques
Problme de CAUCHY numriquement mal pos
Une fois calcule la solution numrique { u
n
}
N
h
n1
, il est lgitime de chercher savoir dans quelle mesure lerreur [y(t
n
)
u
n
[ est petite ou non pour n 1, 2, . . . . Nous essayons de rpondre cette question en reprenant le premier exemple du
chapitre. On se donne f (t , y(t )) 3t 3y(t ) et y
0
(un nombre quelconque). On cherche une fonction y : t R
+

y(t ) R qui satisfait
_
y
t
(t ) 3t 3y(t ), t >0,
y(0) .
Nous avons vu que sa solution est donne par y(t ) (1/3)e
3t
+t +1/3. Si nous cherchons rsoudre le problme
de CAUCHY jusqu t 10 avec 1/3, nous obtenons y(10) 10 +1/3 31/3. Par contre, si nous faisons le calcul
avec lapproximation 0.333333 au lieu de 1/3, nous avons y(10) (0.333333 1/3)e
30
+10 +1/3 e
30
/3000000 +
31/3 ce qui reprsente une diffrence avec la prcdente valeur de e
30
/3000000 10
7
/3. Cet exemple nous apprend
quune petite erreur sur la condition initiale (erreur relative dordre 10
6
) peut provoquer une trs grande erreur sur
y(10) (erreur relative dordre 10
6
). Ainsi, si le calculateur mis notre disposition ne calcul quavec 6 chiffres signicatifs
(en virgule ottante), alors 1/3 devient 0.333333 et il est inutile dessayer dinventer une mthode numrique
pour calculer y(10). En effet, la seule erreur sur la condition initiale provoque dj une erreur inadmissible sur la solution.
Nous sommes en prsence ici dun problme numriquement mal pos, appel aussi problme mal conditionn.
Schmas numriques
Considrons le problme de CAUCHY et supposons que lon ait montr lexistence dune solution y.
Le principe de toutes ces mthodes est de subdiviser lintervalle I [t
0
, T], avec T < +, en N
h
intervalles de longueur
h (T t
0
)/N
h
t
n+1
t
n
; h est appel le pas de discrtisation. Alors, pour chaque nud t
n
t
0
+nh (1 n N
h
) oncherche
la valeur inconnue u
n
qui approche y(t
n
). Lensemble des valeurs
_
u
0
y
0
, u
1
, . . . , u
N
h
_
reprsente la solution numrique.
Les schmas quon va construire permettent de calculer u
n+1
partir de u
n
et il est donc possible de calculer successivement
u
1
, u
2
,. . ., en partant de u
0
.
Si nous intgrons lEDO y
t
(t ) f (t , y(t )) entre t
n
et t
n+1
nous obtenons
y(t
n+1
) y(t
n
)
_
t
n+1
t
n
f (t , y(t ))dt .
Soit u
n
une approximation de y(t
n
) et u
n+1
une approximation de y(t
n+1
). On peut construire diffrentes schmas selon la
formule de quadrature utilise pour approcher le membre de droite.
Si on utilise la formule de quadrature du rectangle gauche, i.e.
_
t
n+1
t
n
f (t , y(t ))dt hf (t
n
, y(t
n
))
on obtient le schma d EULER progressif
_
u
0
y(y
0
) y
0
,
u
n+1
u
n
+hf (t
n
, u(t
n
)) n 0, 1, 2, . . .
Il sagit dun schma explicite car il permet dexpliciter u
n+1
en fonction de u
n
.
Si on utilise la formule de quadrature du rectangle droite, i.e.
_
t
n+1
t
n
f (t , y(t ))dt hf (t
n+1
, y(t
n+1
))
on obtient le schma d EULER rtrograde
_
u
0
y(y
0
) y
0
,
u
n+1
hf (t
n+1
, u
n+1
) u
n
n 0, 1, 2, . . .
Il sagit dun schma implicite car il ne permet pas dexpliciter directement u
n+1
en fonction de u
n
lorsque la fonction f
nest pas triviale.
G. Faccanoni 87
5. quations direntielles ordinaires Jeudi 10 mai 2012
Si on utilise la formule de quadrature du point du milieu, i.e.
_
t
n+1
t
n
f (t , y(t ))dt hf
_
t
n
+
h
2
, y
_
t
n
+
h
2
__
on obtient un nouveau schma :
_
u
0
y(y
0
) y
0
,
u
n+1
u
n
+hf (t
n
+h/2, u
n+1/2
) n 0, 1, 2, . . .
ou
n+1/2
est une approximationde y(t
n
+h/2). Nous pouvons utiliser une prdictiondEULER progressive pour approcher
le u
n+1/2
dans le terme f (t
n
+h/2, u
n+1/2
) par u
n+1/2
u
n
+(h/2) f (t
n
, u
n
). Nous avons construit ainsi un nouveau schma
appel schma d EULER modi qui scrit
_

_
u
0
y(y
0
) y
0
,
u
n+1/2
u
n
+(h/2) f (t
n
, u
n
),
u
n+1
u
n
+hf (t
n
+h/2, u
n+1/2
) n 0, 1, 2, . . .
Il sagit dun schma explicite car il permet dexpliciter u
n+1
en fonction de u
n
.
Si on utilise la formule du trapze, i.e.
_
t
n+1
t
n
f (t , y(t ))dt
h
2
_
f (t
n
, y(t
n
)) + f (t
n+1
, y(t
n+1
))
_
on obtient le schma du trapze ou de CRANCK-NICHOLSON
_
u
0
y(y
0
) y
0
,
u
n+1
hf (t
n+1
, u
n+1
) u
n
+hf (t
n
, u
n
) n 0, 1, 2, . . .
Il sagit nouveau dun schma implicite car il ne permet pas dexpliciter directement u
n+1
en fonction de u
n
lorsque la
fonction f nest pas triviale. En fait, ce schma fait la moyenne des schmas dEULER progressif et rtrograde.
Pour viter le calcul implicite de u
n+1
dans le schma du trapze, nous pouvons utiliser une prdiction dEULER progres-
sive et remplacer le u
n+1
dans le terme f (t
n+1
, u
n+1
) par u
n+1
u
n
+hf (t
n
, u
n
). Nous avons construit ainsi un nouveau
schma appel schma de HEUN. Plus prcisment, la mthode de HEUN scrit
_

_
u
0
y(y
0
) y
0
,
u
n+1
u
n
+hf (t
n
, u
n
),
u
n+1
u
n
+h
_
f (t
n
, u
n
) + f (t
n+1
, u
n+1
)
_
n 0, 1, 2, . . .
Remarque
Considrons le schma dEULER rtrograde. Si nous voulons calculer u
n+1
, nous dnissons la fonction
g(x) x hf (t
n+1
, x) u
n
et nous cherchons un zro de g(x) en prenant par exemple la mthode de NEWTON. Ainsi nous pouvons poser x
0
u
0
et
x
m+1
x
m
g(x
m
)/g
t
(x
m
), m0, 1, . . . . Puisque g
t
(x) 1h
x
f (t
n+1
, x), nous obtenons donc dans ce cas le schma
_
x
0
u
n
,
x
m+1
x
m

x
m
hf (t
n+1
,x)u
n
1h
x
f (t
n+1
,x)
m0, 1, 2, . . .
et u
n+1
lim
m
x
m
pour autant que f soit sufsamment rgulire et que x
0
soit sufsamment proche de u
n+1
, ce qui
est le cas si le pas h est sufsamment petit.
Stabilit
Dans la section prcdente, on a considr la rsolution du problme de CAUCHY sur des intervalles borns. Dans ce cadre, le
nombre N
h
de sous-intervalles ne tend vers linni que quand h tend vers zro. Il existe cependant de nombreuses situations
dans lesquelles le problme de CAUCHY doit tre intgr sur des intervalles en temps trs grands ou mme inni. Dans ce
cas, mme pour h x, N
h
tend vers linni. On sintresse donc des mthodes capables dapprocher la solution pour des
intervalles en temps arbitrairement grands, mme pour des pas de temps h assez grands.
88 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
A premire vue, il semble que le schma dEULER progressif soit prfrable au schma dEULER rtrograde puisque ce dernier
nest pas explicite. Cependant, nous verrons sur un exemple que le schma progressif peut engendrer des difcults que le
schma rtrograde nengendre pas.
Considrons le problme de CAUCHY dans le cas particulier o f (t , y(t )) y(t ) avec un nombre rel positif donn.
Sa solution est trivialement y(t ) y
0
e
t
. Puisque est positif, ce problme est numriquement bien pos : y(t ) dcrot
exponentiellement lorsque t tend vers linni. Pour discrtiser la demi-droite t 0, nous choisissons un nombre rel h > 0
et nous posons t
n
nh avec n 0, 1, 2, . . . Nous allons tudier dans ce cadre les deux schmas dEULER, savoir le schma
dEULER progressif et le schma dEULER rtrograde.
Le schma dEULER progressif devient
u
n+1
(1h)u
n
, n 0, 1, 2, . . .
et par suite
u
n+1
(1h)
n
u
0
, n 0, 1, 2, . . .
Bien que la solution y(t ) tend vers zro lorsque t tend vers linni, nous voyons que si u
0
/0 et 1h <1 alors u
n
tend
vers linni en alternant de signe lorsque t tend vers linni. Nous dirons dans ce cas que le schma dEULER progressif
est instable. Pour viter de phnomne, il convient donc dimposer 1 1h, ce qui aura pour effet de limiter h
h
2

.
Cette condition est appele condition de stabilit : elle limite le pas h davance en t lorsquon utilise le schma dEULER
progressif.
Le schma dEULER rtrograde devient dans le cadre de notre exemple
(1+h)u
n+1
u
n
, n 0, 1, 2, . . .
et par suite
u
n+1

1
(1h)
n+1
u
0
, n 0, 1, 2, . . .
Dans ce cas nous voyons que pour tout h >0 nous avons lim
n
u
n
0, le schma dEULER rtrograde est donc toujours
stable, sans limitations sur h.
Dnition
La proprit
lim
n+
u
n
0
est appele stabilit absolue (ou A-stabilit).
G. Faccanoni 89
5. quations direntielles ordinaires Jeudi 10 mai 2012
Exercices
Exercice 5.1 Stabilit de la mthode d EULER explicite en fonction du pas
On considre le problme de CAUCHY
_
y
t
(t ) y(t ),
y(0) 1,
sur lintervalle [0; 10].
1. Calculer la solution exacte du problme de CAUCHY.
2. Soit t le pas temporel. crire la mthode dEULER explicite pour cette quation diffrentielle ordinaire (EDO).
3. En dduire une forme du type
y
k+1
g(t , k)
avec g(t , k) prciser (autrement dit, litre en t
k
ne dpend que de t et k et ne dpend pas de y
k
).
4. Utiliser la formulation ainsi obtenue pour tracer les solutions
exacte,
obtenue avec la mthode dEULER avec t 2.5,
obtenue avec la mthode dEULER avec t 1.5,
obtenue avec la mthode dEULER avec t 0.5.
5. Que peut-on en dduire sur la stabilit de la mthode ?
SOLUTION.
1. Il sagit dune EDO variables sparables. Lunique solution constante de lEDO est la fonction y(t ) 0, toutes les
autres solutions sont du type y(t ) Ce
t
. Donc lunique solution du problme de CAUCHY est la fonction y(t ) e
t
dnie pour tout t R.
2. La mthode dEULER est une mthode dintgration numrique dEDO du premier ordre de la forme y
t
(t ) F(t , y(t ))
Cest une mthode itrative : la valeur y linstant t +t se dduisant de la valeur de y linstant t par lapproximation
linaire
y(t +t ) y(t ) +y
t
(t )t y(t ) +F(t , y(t ))t .
En choisissant un pas de discrtisation t , nous obtenons une suite de valeurs (t
k
, y
k
) qui peuvent tre une excellente
approximation de la fonction y(t ) avec
_
t
k
t
0
+kt ,
y
k
y
k1
+F(t
k1
, y
k1
)t .
La mthode dEULER explicite pour cette EDO scrit donc
y
k+1
(1t )y
k
.
3. En procdant par rcurrence sur k, on obtient
y
k+1
(1t )
k+1
.
4. On a donc
si t 2.5 alors y
k

_

3
2
_
k
,
si t 1.5 alors y
k

_

1
2
_
k
,
si t 0.5 alors y
k

_
1
2
_
k
.
Ci-dessous sont traces sur lintervalle [0; 10], les courbes reprsentatives de la solution exacte et de la solution calcule
par la mthode dEULER explicite. En faisant varier le pas t nous pouvons constater que si t 2.5 lerreur commise
entre la solution exacte et la solution calcule est amplie dun pas lautre.
90 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
t
y
1 2 3 4 5 6 7 8 9
3
2
1
0
1
2
3
Exacte
t 0.5
t 1.5
t 2.5
NB: les trois premires itres ont la mme pente (se rappeler de la construction gomtrique de la mthode dEULER).
5. De la formule y
k+1
(1t )
k+1
on dduit que
si 0 <t <1 alors la solution numrique est stable et convergente,
si 1 <t <2 alors la solution numrique oscille mais est encore convergente,
si t >2 alors la solution numrique oscille et divergente.
En effet, on sait que la mthode est absolument stable si et seulement si [1t [ <1.
Remarque : la suite obtenue est une suite gomtrique de raison q 1t . On sait quune telle suite
diverge si [q[ >1 ou q 1,
est stationnaire si q 1,
converge vers 0 [q[ <1.
Exercice 5.2
Soit >0 un nombre rel positif et considrons le problme de CAUCHY
_
y
t
(t ) y(t ), pour t >0,
y(0) y
0
,
(5.1)
o y
0
est une valeur donne. Soit t >0 un pas de temps donn, soit t
i
i t pour i Net y
i
une approximation de y(t
i
).
1. crire le schma de HEUN permettant de calculer y
i +1
partir de y
i
.
2. Sous quelle condition la relation lim
i +
y
i
0 a-t-elle lieu? Autrement dit, sous quelle condition le schma de HEUN
est A-stable ?
SOLUTION.
1. Le problme (5.1) est un problme du type
trouver y : I R
+
R tel que
_
y
t
(t ) f (t , y(t )), t I ,
y(t
0
) y
0
.
Le principe des mthodes dapproximation est de subdiviser lintervalle I en sous-intervalles de longueur t et, pour
chaque nud t
n
t
0
+i t (i 0 ), oncherche la valeur inconnue y
i
qui approche y(t
i
). Lensemble de valeurs
_
y
0
, y
1
, . . .
_
reprsente la solution numrique. Le schma de HEUN permet de calculer y
i +1
partir de y
i
et il est donc possible de
calculer successivement y
1
, y
2
,. . . en partant de y
0
.
Si nous intgrons lEDO y
t
(t ) f (t , y(t )) entre t
i
et t
i +1
nous obtenons
y(t
i +1
) y(t
i
)
_
t
i +1
t
i
f (t , y(t )) dt .
Soit y
i
une approximation de y(t
i
) et y
i +1
une approximation de y(t
i +1
). Si on utilise la formule du trapze, i.e.
_
t
i +1
t
i
f (t , y(t )) dt
t
2
_
f (t
i
, y(t
i
)) + f (t
i +1
, y(t
i +1
))
_
G. Faccanoni 91
5. quations direntielles ordinaires Jeudi 10 mai 2012
on obtient le schma du trapze ou de CRANCK-NICHOLSON
_
y
0
y(t
0
),
y
i +1

t
2
f (t
i +1
, y
i +1
) y
i
+
t
2
f (t
i
, y
i
), pour i 0, 1, 2, . . .
Il sagit dun schma implicite car il ne permet pas dcrire directement y
i +1
en fonction de y
i
lorsque la fonction f
nest pas triviale. Pour viter le calcul implicite de y
i +1
dans le schma du trapze, nous pouvons utiliser une prdiction
dEULER progressive et remplacer le y
i +1
dans le terme f (t
i +1
, y
i +1
) par y
i +1
y
i
+t f (t
i
, y
i
). Nous avons construit
ainsi le schma de HEUN. Plus prcisment, cette mthode scrit
_
y
0
y(t
0
),
y
i +1
y
i
+
t
2
_
f (t
i
, y
i
) + f
_
t
i +1
, y
i
+t f (t
i
, y
i
__
, pour i 0, 1, 2, . . .
2. En appliquant le schma de HEUN au problme (5.1) on obtient la suite dnie par rcurrence suivante
_
y
0
y(t
0
),
y
i +1

_
1t +
(t )
2
2
_
y
i
.
Par induction on obtient
y
i

_
1t +
(t )
2
2
_
i
y
0
.
Par consquent, lim
i +
y
i
0 si et seulement si

1t +
2
(t )
2
2

<1.
Notons x le produit t et q le polynme q(x)
1
2
x
2
x +1 dont le graphe est reprsent en gure.
x t
q
0 2
1
Nous avons [q(x)[ <1 si et seulement si 0 <x <2. La relation lim
i +
y
i
0 est donc satisfaite si et seulement si
t <
2

.
Exercice 5.3
On considre le problme de CAUCHY
_
y
t
(t ) (y(t ))
m
+cos(t ), pour t >0,
y(0) 0,
(5.2)
o m est un entier impair.
1. Montrer que le problme (5.2) possde une solution unique globale.
2. Soit t > 0 un pas de temps donn, soit t
i
i t pour i N et y
i
une approximation de y(t
i
). crire le schma
dEULER rtrograde permettant de calculer y
i +1
partir de y
i
.
3. partir du schma obtenu au point prcdent, crire un seul pas de la mthode de NEWTON pour calculer une
nouvelle approximation de y
i +1
. En dduire ainsi un nouveau schma explicite.
92 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
SOLUTION.
1. Le problme (5.2) est un problme du type
trouver y : I R
+
R tel que
_
y
t
(t ) f (t , y(t )), t I ,
y(t
0
) y
0
,
Si la fonction f (t , y) est
1.1. continue par rapport ses deux variables ;
1.2. lipschitzienne par rapport sa deuxime variable, cest--dire quil existe une constante positive L (appele
constante de Lipschitz) telle que
[ f (t , y
1
) f (t , y
2
)[ L[y
1
y
2
[, t I , y
1
, y
2
R,
alors la solution y y(t ) du problme de CAUCHY existe, est unique et appartient C
1
(I ).
Dans notre cas, f (t , y(t )) (y(t ))
m
+cos(t ) et y
0
0. Puisque m est impair et
t
f (y, y(t )) m(y(t ))
m1
0, la
fonction f est dcroissante et satisfait donc
_
f (t
1
, y(t
1
)) f (t
2
, y(t
2
))
_
(t
1
t
2
) 0 t
1
, t
2
R.
Par consquent, le problme (5.2) possde une solution unique globale.
2. Le problme (5.1) est un problme du type
trouver y : I R
+
R tel que
_
y
t
(t ) f (t , y(t )), t I ,
y(t
0
) y
0
.
Le principe des mthodes dapproximation est de subdiviser lintervalle I en sous-intervalles de longueur t et, pour
chaque nud t
n
t
0
+i t (i 0 ), oncherche la valeur inconnue y
i
qui approche y(t
i
). Lensemble de valeurs
_
y
0
, y
1
, . . .
_
reprsente la solution numrique. Le schma de EULER rtrograde tablit une relation entre y
i
et y
i +1
et il est donc
possible de calculer successivement y
1
, y
2
,. . ., en partant de y
0
.
Si nous intgrons lEDO y
t
(t ) f (t , y(t )) entre t
i
et t
i +1
nous obtenons
y(t
i +1
) y(t
i
)
_
t
i +1
t
i
f (t , y(t )) dt .
Soit y
i
une approximation de y(t
i
) et y
i +1
une approximation de y(t
i +1
). Si on utilise la formule du rectangle droite,
i.e.
_
t
i +1
t
i
f (t , y(t )) dt t f (t
i +1
, y(t
i +1
))
on obtient le schma d EULER rtrograde :
_
y
0
0,
y
i +1
y
i
+t
_
(y
i +1
)
m
+cos(t
i +1
)
_
.
Ce schma est implicite car il ne permet pas de calculer y
i +1
directement partir de y
i
.
3. Il sagit de trouver y
i +1
tel que
y
i +1
y
i
+t
_
y
m
i +1
+cos(t
i +1
)
_
.
Pour dterminer y
i +1
nous devons chercher le zro de la fonction g dnie par
g(x) x +t x
m

_
t cos(t
i +1
) +y
i
_
.
La mthode de NEWTON pour approcher le zro de g scrit
x
k+1
x
k

g(x
k
)
g
t
(x
k
)
x
k

x
k
+t x
m
k

_
t cos(t
i +1
) +y
i
_
1+mt x
m1
k
.
Le premier pas de la mthode de NEWTON scrit donc
x
1
x
0

x
0
+t x
m
0

_
t cos(t
i +1
) +y
i
_
1+mt x
m1
0
.
Choisissons x
0
y
i
comme valeur de dpart. Nous pouvons utiliser x
1
comme approximation de y
i +1
et on obtient le
schma
_

_
y
0
0,
y
i +1

y
i
+t y
m
i

_
t cos(t
i +1
) +y
i
_
1+mt y
m1
i
.
G. Faccanoni 93
5. quations direntielles ordinaires Jeudi 10 mai 2012
Exercice 5.4
Soit le problme de CAUCHY :
_
u
t
(t ) +10u(t ) 0, t R,
u(0) u
0
>0.
(5.3)
1. Montrer quil existe une unique solution globale u C

(R, R) que vous prciserez explicitement.


2. Soit le schma numrique de Cranck-Nicholson dni par la suite (u
n
)
nN
vriant
u
n+1
u
n
t
+5(u
n+1
+u
n
) 0, n N,
pour t >0 x.
Montrer que la suite (u
n
)
nN
est une suite gomtrique dont vous prciserez la raison.
3. Montrer que la raison r de la suite vrie [r [ <1 pour tout t >0. Ce schma est-il inconditionnellement A-stable ?
4. Sous quelle condition sur t >0 le schma gnre-t-il une suite positive ?
5. Donner lexpression de u
n
en fonction de n.
6. Soit T >0 x, soit n

(t ) tel que T t <n

t T. Montrer que
lim
t 0
u
n
u
0
e
10T
.
7. Soit (v
n
)
nN
la suite dnissant le schma dEULER explicite pour lquation diffrentielle (5.3). Montrer que
lim
t 0
v
n
u
0
e
10T
.
Montrer que la suite (u
n
) converge plus vite que (v
n
) lorsque t 0.
SOLUTION. Cest un problme de CAUCHY du type
_
u
t
(t ) f (t , u(t )), t R,
u(0) u
0
>0,
(5.4)
avec f (t , u(t )) g(u(t )) 10u(t ).
1. Comme g C
1
(R, R), daprs CAUCHY-Lipschitz, il existe T > 0 et une unique solution u C
1
([T, T], R). Par rcur-
rence, en exploitant lEDO et la rgularit de g, on grimpe en rgularit sur u ainsi u C

([T, T], R). La fonctionne


nulle est solution de lquation diffrentielle f (t , 0) 0, par lunicit de la solution du problme de CAUCHY, pour tout
t [T, T], u(t ) >0 si u
0
>0 et u(t ) <0 si u
0
>0 (autrement dit, deux trajectoires ne peuvent pas se croiser). De plus, u
est dcroissante si u
0
>0 et croissante si u
0
<0. On en dduit par le thorme des extrmits que la solution u admet
un prolongement sur R solution de lEDO.
Pour en calculer la solution, on remarque quil sagit dune EDO variables sparables. Lunique solution constante est
u(t ) 0, toutes les autres solutions sont du type u(t ) Ce
10t
. En prenant en compte la condition initiale on conclut
que lunique solution du problme de CAUCHY est u(t ) u
0
e
10t
dnie pour tout t R.
t
y
1 1
3
2
1
0
1
2
3
2. Soit le schma numrique de Cranck-Nicholson dni par la suite (u
n
)
nN
vriant
u
n+1
u
n
t
+5(u
n+1
+u
n
) 0, n N,
pour t >0 x. On obtient une formule de rcurrence rendue explicite par un calcul lmentaire :
u
n+1
5t u
n+1
5t u
n
+u
n
94 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
do
u
n+1

15t
1+5t
u
n
.
Il sagit dune suite gomtrique de raison
r
15t
1+5t
.
3. Pour tout t >0 on a
r
15t
1+5t
1
10t
1+5t
et
1 <1
10t
1+5t
<1.
Ce schma est donc inconditionnellement A-stable car [u
n+1
[ [r
n+1
u
0
[ [u
0
[.
4. Le schma gnre une suite positive ssi
1
10t
1+5t
>0
i.e. ssi
t <
1
5
.
5. Par rcurrence on obtient
u
n

_
15t
1+5t
_
n
u
0
.
6. Soit T >0 x et considrons n

(t ) tel que T t <n

t T. En se rappelant que
lim
x0
ln(1+x)
x
1
et en observant que
_
15t
1+5t
_
T
t
1

_
15t
1+5t
_
n

_
15t
1+5t
_
T
t
| |
e
(Tt )
ln(15t )ln(1+5t )
t
e
T
ln(15t )ln(1+5t )
t
| |
e
(Tt )
5ln(15t )5ln(1+5t )
5t
e
T
5ln(15t )5ln(1+5t )
5t

e
10T
e
10T
on conclut que
lim
t 0
u
n
u
0
lim
t 0
_
15t
1+5t
_
n

u
0
e
10T
.
7. La suite dnissant le schma dEULER explicite pour lEDO assigne scrit
v
n+1
v
n
t
f (t
n
, u
n
) v
n+1
v
n
10t v
n
(110t )v
n
(110t )
n+1
v
0
.
Il sagit nouveau dune suite gomtrique de raison
r
e
110t
qui converge si et seulement si [r
e
[ < 1, i.e. si et seulement si t < 0,2 (le schma dEULER pour cette EDO est condi-
tionnellement stable).
Soit T >0 x et considrons n

(t ) tel que T t <n

t T. Alors
(110t )
T
t
1
(110t )
n

(110t )
T
t
| |
e
(Tt )
ln(110t )
t
e
T
ln(110t )
t
| |
e
10(Tt )
ln(110t )
10t
e
10T
ln(110t )
10t

e
10T
e
10T
do
lim
t 0
v
n
u
0
lim
t 0
(110t )
T
t
u
0
e
10T
.
De plus, on sait (cf. cours) que la suite {u
n
}
nN
converge lordre 2 tandis que la suite {v
n
}
nN
converge lordre 1.
G. Faccanoni 95
5. quations direntielles ordinaires Jeudi 10 mai 2012
Exercice 5.5
Soit le problme de CAUCHY :
_
u
t
(t ) +u
5
(t ) 0, t R
+
,
u(0) u
0
>0.
(5.5)
1. Montrer quil existe une unique solution globale u C

(R
+
, R
+
).
2. Soit le schma numrique dni par la suite (u
n
)
nN
suivante
u
n+1
u
n
t
+u
n+1
u
4
n
0, n N,
pour t >0 x. Expliciter lexpression de u
n+1
en fonction de u
n
.
3. Montrer que la suite (u
n
)
nN
est une suite dcroissante et convergente vers 0. Ce schma est-il inconditionnelle-
ment A-stable ?
SOLUTION. Cest un problme de CAUCHY du type
_
u
t
(t ) f (t , u(t )), t R,
u(0) u
0
>0,
(5.6)
avec f (t , u(t )) g(u(t )) u
5
(t ).
1. Comme g C
1
(R
+
, R
+
), daprs CAUCHY-Lipschitz, il existe T >0 et une unique solution u C
1
([0, T], R
+
). Par rcur-
rence, en exploitant lEDO et la rgularit de g, on grimpe en rgularit sur u et u C

([0, T], R
+
).
La fonctionne nulle est solution de lquation diffrentielle g(0) 0. Comme u
0
> 0, par lunicit de la solution du
problme de CAUCHY on a u(t ) >0 pour tout t [0, T] (car deux trajectoires ne peuvent pas se croiser). De plus, u est
dcroissante, ainsi la solution est borne (u(t ) ]0, u
0
[). On en dduit par le thorme des extrmits que la solution u
admet un prolongement sur R
+
solution de lEDO.
2. Pour t >0 x on obtient
u
n+1

u
n
1+u
4
n
t
, n N.
3. On tudie la suite
_
u
0
>0,
u
n+1

u
n
1+u
4
n
t
, n N,
pour t >0 x.
Par rcurrence on montre que si u
0
>0 alors u
n
>0 pour tout n N. De plus,
u
n+1
u
n

1
1+u
4
n
t
<1 pour tout n N: la suite
est monotone dcroissante. On a alors une suite dcroissante et borne par zro, donc elle converge. Soit la limite de
cette suite, alors 0 et

1+
4
t
donc 0. Ce schma est donc inconditionnellement A-stable.
Exercice 5.6
Soit le problme de CAUCHY :
_
u
t
(t ) +sin(u(t )) 0, t R,
u(0) u
0
>0.
(5.7)
1. Montrer quil existe une unique solution globale u C

(R, R).
2. crire le schma le schma dEULER explicite pour ce problme de CAUCHY en explicitant vos notations.
3. Montrer que la suite (u
n
)
nN
construite par ce schma vrie
[u
n+1
[ [u
n
[ +t , n N,
o t >0 est le pas de la suite.
4. En dduire que
[u
n
[ [u
0
[ +nt , n N.
96 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
SOLUTION. Cest un problme de CAUCHY du type
_
u
t
(t ) f (t , u(t )), t R,
u(0) u
0
>0,
(5.8)
avec f (t , u(t )) g(u(t )) sin(u(t )).
1. Comme g C
1
(R, R), daprs CAUCHY-Lipschitz, il existe T > 0 et une unique solution u C
1
([T, T], R). Par rcur-
rence, en exploitant lEDO et la rgularit de g, on grimpe en rgularit sur u et u C

([T, T], R).


Toutes les fonctions constante u(t ) k pour k Z sont solutions de lquation diffrentielle car g(k) 0. Pour u
0
donn, soit

k Ztel que u
0
[

k; (

k+1)] ; par lunicit de la solution du problme de CAUCHY on a u(t ) [

k; (

k+1)]
pour tout t [T, T] (car deux trajectoires ne peuvent pas se croiser), i.e. la solution est borne. On en dduit par le
thorme des extrmits que la solution u admet un prolongement sur R solution de lEDO.
2. Soit t >0 x et t
n
nt pour tout n Z. Le schma dEULER explicite pour lEDO donne construit la suite
u
n+1
u
n
t sin(u
n
), n N.
3. Comme [a +b[ [a[ +[b[ et comme [ sin(x)[ 1 pour tout x R, on conclut que
[u
n+1
[ [u
n
t sin(u
n
)[ [u
n
[ +[t sin(u
n
)[ [u
n
[ +t
pour t >0 x.
4. Par rcurrence : [u
n+1
[ [u
n
[ +t [u
n1
[ +2t [u
0
[ +(n +1)t .
Exercice 5.7 Loi de NEWTON K
Considrons une tasse de caf la temprature de 75

C dans une salle 25

C. On suppose que la temprature du caf


suit la loi de Newton, cest--dire que la vitesse de refroidissement du caf est proportionnelle la diffrence des temp-
ratures. En formule cela signie quil existe une constante K < 0 telle que la temprature vrie lquation diffrentielle
ordinaire (EDO) du premier ordre.
T
t
(t ) K(T(t ) 25).
La condition initiale (CI) est donc simplement
T(0) 75.
Pour calculer la temprature chaque instant on a besoin de connatre la constante K. Cette valeur peut tre dduite en
constatant quaprs 5 minutes le caf est 50

C, cest--dire
T(5) 50.
Calculer la solution exacte de ce problme de CAUCHY et la comparer avec la solution approche obtenue par la mthode
dEULER explicite.
SOLUTION. Solution exacte 1. On commence par calculer toutes les solutions de lEDO. tant une quation diffrentielle
du premier ordre, la famille de solutions dpendra dune constante quon xera en utilisant la CI. Il sagit dune
EDO variables sparables donc formellement on a
T
t
(t ) K(T(t ) 25)
T
t
(t )
(T(t ) 25)
K
dT
(T 25)
Kdt
_
1
(T 25)
dT K
_
dt ln(T 25) Kt +c T 25 De
Kt
T(t ) 25+De
Kt
2. La valeur numrique de la constante dintgration D est obtenue grce la CI :
75 T(0) 25+De
K0
D 50 T(t ) 25+50e
Kt
3. Il ne reste qu tablir la valeur numrique de la constante de refroidissement K grce lindice :
50 T(5) 25+50e
Kt
K
ln(2)
5
T(t ) 25+50e

ln(2)
5
t
On peut donc conclure que la temprature du caf volue selon la fonction
T(t ) 25+50e

ln(2)
5
t
.
G. Faccanoni 97
5. quations direntielles ordinaires Jeudi 10 mai 2012
t
T
5 10 15
0
25
50
75
Solution approche par la mthode d Euler Supposons de connatre K mais de ne pas vouloir/pouvoir calculer la fonction T(t ).
Grce la mthode dEULER on peut estimer la temprature diffrentes instantes t
i
en faisant une discrtisation
temporelle du futur (i.e. on construit une suite de valeurs {t
i
0+i t }
i
) et en construisant une suite de valeurs {T
i
}
i
o chaque T
i
est une approximation de T(t
i
). Si on utilise la mthode dEULER, cette suite de temprature est ainsi
construite :
_
T
i +1
T
i

ln(2)
5
t (T
i
25),
T
0
75,
quon peut rcrire comme
_
T
i +1
(1
ln(2)
5
t )T
i
+5ln(2)t ,
T
0
75.
1. Exemple avec t 5 :
t
T
5 10 15
0
25
50
75
t
i
T(t
i
) T
i
T(t
i
) T
i
0.000000 75.000000 75.000000 0.000000
5.000000 50.000000 40.342641 9.657359
10.000000 37.500000 29.707933 7.792067
15.000000 31.250000 26.444642 4.805358
2. Exemple avec t 1 :
98 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
t
T
5 10 15
0
25
50
75
t
i
T(t
i
) T
i
T(t
i
) T
i
0.000000 75.000000 75.000000 0.000000
1.000000 68.527528 68.068528 0.459000
2.000000 62.892914 62.097962 0.794952
3.000000 57.987698 56.955093 1.032605
4.000000 53.717459 52.525176 1.192283
5.000000 50.000000 48.709377 1.290623
6.000000 46.763764 45.422559 1.341205
7.000000 43.946457 42.591391 1.355066
8.000000 41.493849 40.152707 1.341142
9.000000 39.358729 38.052095 1.306634
10.000000 37.500000 36.242691 1.257309
11.000000 35.881882 34.684123 1.197759
12.000000 34.473229 33.341618 1.131610
13.000000 33.246924 32.185225 1.061700
14.000000 32.179365 31.189141 0.990224
15.000000 31.250000 30.331144 0.918856
Exercice 5.8 Les experts - Toulon
La loi de Newton afrme que la vitesse de refroidissement dun corps est proportionnelle la diffrence entre la tempra-
ture du corps et la temprature externe, autrement dit quil existe une constante K <0 telle que la temprature du corps
suit lquation diffrentielle
_
T
t
(t ) K(T(t ) T
ext
),
T(0) T
0
.
1. Soit t le pas temporel. crire le schma dEULER implicite pour approcher la solution de cette quation diffren-
tielle.
2. Soit T
ext
0

C. En dduire une forme du type


T
n+1
g(t , n, T
0
)
avec g(t , n, T
0
) prciser (autrement dit, litr en t
n
ne dpend que de t , de n et de T
0
). Que peut-on en dduire
sur la convergence de la mthode ?
3. Problme. Un homicide a t commis. On veut tablir lheure du crime sachant que
pour un corps humaine on peut approcher K 0.007438118376 (lchelle du temps est en minutes et la
temprature en Celsius),
le corps de la victime a t trouv sur le lieu du crime 2H20 du matin,
lheure du dcs la temprature du corps tait de 37

C,
lheure de la dcouverte la temprature du corps est de 20

C,
la temprature externe est T
ext
0

C.
Approcher lheure de lhomicide en utilisant le schma dEULER implicite avec t 10 minutes.
4. Pour cette quation diffrentielle, il est possible de calculer analytiquement ses solutions. Comparer alors la solu-
tion exacte avec la solution approche obtenue au point prcdent.
G. Faccanoni 99
5. quations direntielles ordinaires Jeudi 10 mai 2012
SOLUTION.
1. La mthode dEULER implicite est une mthode dintgration numrique dEDO du premier ordre de la forme T
t
(t )
F(t , T(t )). En choisissant un pas de discrtisation t , nous obtenons une suite de valeurs (t
n
, T
n
) qui peuvent tre une
excellente approximation de la fonction T(t ) avec
_
t
n
t
0
+nt ,
T
n+1
T
n
+F(t
n+1
, T
n+1
)t .
La mthode dEULER implicite pour cette EDO scrit donc
T
n+1
T
n
+Kt (T
n+1
T
ext
).
2. Si T
ext
0

C, en procdant par rcurrence sur n on obtient


T
n+1
g(t , n)
1
1Kt
T
n

1
(1Kt )
n+1
T
0
,
autrement dit, litre en t
n
ne dpend que de t et de n mais ne dpend pas de T
n
. Comme 0 <
1
1Kt
< 1 pour tout
t >0, la suite est positive dcroissante ce qui assure que la solution numrique est stable et convergente.
3. On cherche combien de minutes se sont couls entre le crime et la dcouverte du corps, autrement dit on cherche n
tel que
20
1
(1Kt )
n+1
37 (1Kt )
n+1

37
20
n +1 log
(1Kt )
37
20

ln
37
20
ln(1Kt )
n 8.
Comme t
n
t
0
+nt , si t
n
2H20 alors t
0
t
n
nt 2H201H20 01H00.
4. Calcule analytique de toutes les solutions de lquation diffrentielle :
On cherche dabord les solutions constantes, i.e. les solutions du type T(t ) c R quelque soit t . On a
0 K(c T
ext
)
do lunique solution constante T(t ) T
ext
.
Soit T(t ) /T
ext
quelque soit t . Puisquil sagit dune EDO variables sparables on peut calculer la solution comme
suit :
T
t
(t ) K(T(t ) T
ext
)
T
t
(t )
T(t ) T
ext
K
dT
T T
ext
Kdt
_
1
T T
ext
dT K
_
dt ln(T T
ext
) Kt +c T T
ext
De
Kt
T(t ) T
ext
+De
Kt
.
La valeur numrique de la constante dintgration D est obtenue grce la CI :
T
0
T(0) De
K0
D T
0
T(t ) T
0
e
Kt
Ici T
0
37

C donc la temprature du cadavre suit la loi


T(t ) 37e
Kt
.
Pour dterminer lheure du meurtre il faut alors rsoudre lquation
20 37e
Kt
do t
1
K
ln
20
37
82,70715903 minutes, cest--dire 83 minutes avant 2H20 : le crime a t commit 00H57.
t
T[

C]
1
H
0
0
1
H
1
0
1
H
2
0
1
H
3
0
1
H
4
0
1
H
5
0
2
H
0
0
2
H
1
0
2
H
2
0
1
2
3
100 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
Exercice 5.9
Un modle pour la diffusion dune pidmie se base sur lhypothse que sa vitesse de propagation est proportionnelle au
nombre dindividus infects et au nombre dindividus sains.
Si on note I (t ) 0 le nombre dindividus infects linstant t 0 et A > 0 le nombre dindividus total, il existe une
constante k R
+
telle que I
t
(t ) kI (t )(AI (t )).
1. Montrer quil existe T >0 et une unique solution I C

([0, T]) au problme de CAUCHY :


_
I
t
(t ) kI (t )(AI (t )),
I (0) I
0
>0.
2. Montrer que si 0 < I
0
< A alors 0 < I (t ) < A pour tout t >0.
3. Montrer que si 0 < I
0
< A alors I (t ) est croissante sur R
+
.
4. Soit 0 < I
0
< A. On considre le schma semi-implicite
I
n+1
I
n
t
kI
n
(AI
n+1
).
Montrer que ce schma est inconditionnellement A-stable.
SOLUTION. Cest un problme de CAUCHY du type
_
I
t
(t ) f (t , I (t )), t R
+
,
I (0) I
0
>0,
(5.9)
avec f (t , I (t )) g(I (t )) kI (t )(AI (t )).
1. Comme g C
1
(R, R), daprs CAUCHY-Lipschitz, il existe T >0 et une unique I C
1
([0, T], R) solution du problme de
CAUCHY. Par rcurrence, en exploitant lEDO et la rgularit de g, on grimpe en rgularit sur I et I C

([0, T], R).


2. Puisque la fonction nulle et la fonction constante I (t ) A sont solutions de lquation diffrentielle, si 0 < I
0
< A alors
0 < I (t ) < A pour tout t [0, T] (car, par lunicit de la solution du problme de CAUCHY, deux trajectoires ne peuvent
pas se croiser).
3. Puisque I
t
(t ) kI (t )(AI (t )), si 0 < I
0
< A alors I est croissante pour tout t [0, T]. On en dduit par le thorme des
extrmits que la solution I admet un prolongement sur R
+
solution de lEDO et que I est croissante pour tout t R
+
.
4. Soit 0 < I
0
< A. On considre le schma semi-implicite
I
n+1
I
n
t
kI
n
(AI
n+1
)
pour t >0 x. On obtient une formule de rcurrence rendue explicite par un calcul lmentaire :
I
n+1

1+kAt
1+kI
n
t
I
n
.
Si 0 < I
0
< A alors
I
n
>0 quelque soit n ;
I
n
est majore par A car
I
n+1
A (1+kAt )I
n
(1+kI
n
t )A I
n
A
donc par rcurrence I
n+1
A quelque soit n ;
I
n
est une suite monotone croissante (encore par rcurrence on montre que [I
n+1
[ [I
n
[ [I
0
[) ;
donc ce schma est inconditionnellement A-stable.
Calcul analytique de toutes les solutions :
On a dj observ quil y a deux solutions constantes de lEDO : la fonction I (t ) 0 et la fonction I (t ) A.
Pour chercher toutes les solutions non constantes on remarque quil sagit dune EDO variables sparables donc on a
I (t )
A
De
Akt
+1
G. Faccanoni 101
5. quations direntielles ordinaires Jeudi 10 mai 2012
La valeur numrique de la constante dintgration D est obtenue grce la CI :
D
AI
0
I
0
Exemple avec A 5000, I
0
160, k
ln(363/38)
35000
et t 1 :
t
I
Exacte
I0
A
Approche avec t 1
Exercice 5.10
Considrons une population de bactries. Soit p(t ) le nombre dindividus ( 0) linstant t 0. Un modle qui dcrit
lvolution de cette population est lquation de la logistique : soit k et h deux constantes positives, alors p(t ) vrie
lquation diffrentielle ordinaire (EDO) du premier ordre
p
t
(t ) kp(t ) hp
2
(t ).
On veut calculer p(t ) partir dun nombre initiale dindividus donn
p(0) p
0
0.
SOLUTION.
Solution exacte
1. On commence par calculer toutes les solutions de lEDO. tant une quation diffrentielle du premier ordre,
la famille de solutions dpendra dune constante quon xera en utilisant la CI. Il sagit dune EDO variables
sparables.
On cherche dabord les solutions constantes, cest--dire les solutions du type p(t ) c pour tout t R
+
:
0 kc hc
2
.
On a donc deux solutions constantes :
p(t ) 0 et p(t )
k
h
.
tant donn que deux solutions dune EDOne sintersectent jamais, dornavant on supposera p(t ) /0 et p(t ) /
k
h
pour tout t R
+
, ainsi
p
t
(t )
kp(t ) hp
2
(t )
1.
Formellement on a
dp
kp hp
2
1dt
_
1
p(k hp)
dp
_
1dt
1
k
_
1
p
dp
1
k
_
h
k hp
dp
_
1dt
1
k
ln(p)
1
k
ln(k hp) t +c
ln
_
p
k hp
_
kt +kc
p
k hp
De
kt

p(t )
k
1
De
kt
+h
.
102 G. Faccanoni
Jeudi 10 mai 2012 Stabilit
2. La valeur numrique de la constante dintgration D est obtenue grce la CI :
p
0
p(0)
kD
1+hDe
0k
D
p
0
k hp
0
.
On peut donc conclure que la population volue selon la fonction
p(t )
_

_
0 si p
0
0,
k
h
si p
0

k
h
,
k
khp
0
p
0
e
kt
+h
sinon.
Une simple tude de la fonction p montre que
si p
0
]0; k/h[ alors p
t
(t ) >0 et lim
t +
p(t ) k/h,
si p
0
]k/h; +[ alors p
t
(t ) <0 et lim
t +
p(t ) k/h.
t
p
1 2 3
0
1
2
3
4
5
Exemple avec k 3, h 1
et diffrentes valeurs de
p
0
.
Solution approche Supposons de ne pas vouloir/pouvoir calculer la fonction p(t ). Grce la mthode dEULER on peut es-
timer le nombre dindivus diffrentes instantes t
i
en faisant une discrtisation temporelle du futur (i.e. on construit
une suite de valeurs {t
i
0+i t }
i
) et en construisant une suite de valeurs {p
i
}
i
o chaque p
i
est une approximation
de p(t
i
). Si on utilise la mthode dEULER, cette suite est ainsi construite :
_
p
i +1
p
i
+t p
i
(k hp
i
),
p
0
donn,
quon peut rcrire comme
_
p
i +1
(1+kt ht p
i
)p
i
,
p
0
donn.
On veut appliquer cette mthode au cas de la gure prcdente, i.e. avec k 3, h 1 et les valeurs initiales p
0
5 et
p
0
2. Si on choisit comme pas temporelle t 0,15, on obtient les gures suivantes :
t
i
p(t
i
) p
i
p(t
i
) p
i
0.00 5.000000 5.000000 0.000000
0.15 4.027123 3.500000 0.527123
0.30 3.582637 3.237500 0.345137
0.45 3.347079 3.122164 0.224915
0.60 3.212403 3.064952 0.147451
0.75 3.132046 3.035091 0.096956
0.90 3.082874 3.019115 0.063759
1.05 3.052319 3.010459 0.041861
1.20 3.033151 3.005736 0.027415
1.35 3.021054 3.003150 0.017904
1.50 3.013390 3.001731 0.011659
1.65 3.008524 3.000952 0.007573
1.80 3.005430 3.000523 0.004907
t
p
1 2 3
0
1
2
3
4
5
G. Faccanoni 103
5. quations direntielles ordinaires Jeudi 10 mai 2012
t
i
p(t
i
) p
i
p(t
i
) p
i
0.00 2.000000 2.000000 0.000000
0.15 2.274771 2.300000 0.025229
0.30 2.493175 2.541500 0.048325
0.45 2.655760 2.716292 0.060532
0.60 2.770980 2.831887 0.060907
0.75 2.849816 2.903298 0.053483
0.90 2.902469 2.945411 0.042942
1.05 2.937070 2.969529 0.032459
1.20 2.959567 2.983102 0.023535
1.35 2.974092 2.990663 0.016571
1.50 2.983429 2.994852 0.011423
1.65 2.989412 2.997164 0.007752
1.80 2.993240 2.998439 0.005199
t
p
1 2 3
0
1
2
3
4
5
Exercice 5.11 Mthode de Taylor
La mthode de Taylor est bas sur la relation
y(x +h) y(x) +y
t
(x)h +
1
2!
y
tt
(x)h
2
+
1
3!
y
ttt
(x)h
3
+ +
1
m!
y
(m)
(x)h
m
Cette relation prdit y(x +h) partir de y(x), ainsi elle permet dcrire une formule dintgration numrique. Le dernier
terme indique lordre de la mthode et lerreur de troncature, due aux termes omis, est
E
1
(m+1)!
y
(m+1)
()h
m+1
pour x < <x +h,
que lon peut approcher par
E
h
m
(m+1)!
_
y
(m)
(x +h) y
(m)
(x)
_
.
Considrons le problme de CAUCHY
_
y
t
(x) +4y(x) x
2
,
y(0) 1.
Estimer y(0.1) par la mthode de Taylor dordre 4 avec un seul pas dintgration.
SOLUTION. Le dveloppement de Taylor en 0 jusqu lordre 4 est
y(h) y(0) +y
t
(0)h +
1
2!
y
tt
(0)h
2
+
1
3!
y
ttt
(0)h
3
+
1
4!
y
I V
(0)h
4
.
En drivant lEDO on trouve
y(0) 1,
y
t
(x) 4y(x) +x
2
, y
t
(0) 4,
y
tt
(x) 4y
t
(x) +2x, y
tt
(0) 16,
y
ttt
(x) 4y
tt
(x) +2, y
ttt
(0) 62,
y
I V
(x) 4y
ttt
(x), y
I V
(0) 248.
donc, pour x 0 et h 0.1, on obtient
y(0.1) 1+
4
10
+
16
200
+
62
6000
+
248
240000
0.6707
et comme
y
I V
(x +h) 4y
ttt
(x) 4
_
4y
tt
(x) +2
_

_
4
_
4y
t
(x) +2x
_
+2
_

_
4
_
4
_
4y(x) +x
2
_
+2x
_
+2
_
alors y
I V
(0.1)
_
4
_
4
_
40.6707+(0.1)
2
_
+0.2
_
+2
_
166.259 et on obtient lestimation de lerreur
E
248
960000
_
y
I V
(0.1) y
I V
(0)
_

248
960000
(166.259248) 0.000068.
104 G. Faccanoni
A. Rappels danalyse et dalgbre linaire
A.1. Suites numriques
Suites
Une suite numrique est une application de Ndans R. La notation traditionnelle est (x
n
)
nN
.
Limite dune suite.
On dit quune suite (x
n
)
nN
converge vers x R (on crit lim
n
x
n
x) si
>0 N N n N n >N [x
n
x[ <.
On dit quune suite (x
n
)
nN
diverge vers plus linni (on crit lim
n
x
n
+) si
M R N N n N n >N x
n
>M.
On dit quune suite (x
n
)
nN
diverge vers moins linni (on crit lim
n
x
n
)
m R N N n N n >N x
n
<m.
Remarque
La suppression dun nombre ni de termes ne modie pas la nature de la suite, ni sa limite ventuelle.
Suite convergente
Soit (x
n
)
nN
une suite. On dit que (x
n
)
nN
est convergente sil existe x R tel que lim
n
x
n
x.
Suite borne, suite monotone
Une suite (x
n
)
nN
est croissante lorsque pour tout n, x
n
x
n+1
.
Une suite (x
n
)
nN
est dcroissante lorsque pour tout n, x
n
x
n+1
.
Une suite (x
n
)
nN
est majore sil existe a R tel que, pour tout n, x
n
a. On dit que a est un majorant de la suite.
Une suite (x
n
)
nN
est minore sil existe a R tel que, pour tout n, x
n
a. On dit que a est un minorant de la suite.
Une suite (x
n
)
nN
est dite borne si elle est la fois majore et minore, cest--dire sil existe M R tel que [x
n
[ M
pour tout n.
Thorme (condition ncessaire)
Tout suite convergente est borne.
Thorme de la convergence monotone (conditions sufsantes)
Une suite (x
n
)
nN
qui est croissante et majore est convergente et lim
n
x
n
sup
n
x
n
.
Une suite (x
n
)
nN
qui est croissante et non majore diverge vers +.
Une suite (x
n
)
nN
qui est dcroissante et minore est convergente et lim
n
x
n
inf
n
x
n
.
Une suite (x
n
)
nN
qui est dcroissante et non minore diverge vers .
105
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Thorme dencadrement (condition sufsante)
Soit (x
n
)
nN
une suite. Sil existe deux suites convergentes (u
n
)
nN
et (v
n
)
nN
ayant une mme limite x R et satisfaisant
N N n N n >N u
n
x
n
v
n
,
alors lim
n
x
n
x.
Valeur dadhrence
On dit que R est une valeur dadhrence de la suite (x
n
)
nN
si et seulement si il existe une sous-suite extraite qui
converge vers .
Thorme
Soit (x
n
)
nN
une suite. Si (x
n
) converge vers , toute sous-suite converge aussi vers .
Si une suite extraite de (x
n
)
nN
diverge, ou si deux suites extraites de (x
n
)
nN
ont des limites diffrentes, alors (x
n
)
nN
di-
verge.
Si deux suites extraites de (x
n
)
nN
convergent vers la mme limite et si x
n
est un terme dune de ces suites extraites, alors
(x
n
)
nN
converge aussi vers . Par exemple, si (x
2n
) et (x
2n+1
) convergent vers , alors (x
n
) converge vers .
Limites fondamentales
lim
n
P(n)
Q(n)

_

_
0 si a <b,
p
a
q
b
si a b,
si a >b,
avec
P(n) p
0
+p
1
n + +p
a
n
a
,
Q(n) q
0
+q
1
n + +q
b
n
b
.
lim
n
nsin
_
1
n
_
1 (n en radiant) lim
n
n
2
_
1cos
_
1
n
_
_

1
2
(n en radiant)
lim
n
_
1+

n
_
n
e

( R) lim
n
n
_
ln
_
1+
1
n
_
_
1
lim
n
n
_
a
1
/n
1
_
lna (a >0) lim
n
n
_
_
1+
1
n
_

1
_
( R)
Critre du rapport (ou de DALEMBERT)
Soit (u
n
)
nN
une suite telle que u
n
>0 pour tout n Net
u
n+1
u
n
; alors
si 0 <1 alors u
n
0,
si 1 < +alors u
n
+
si 1 on ne peut pas conclure.
Critre de la racine (ou de CAUCHY)
Soit (u
n
)
nN
une suite telle que u
n
>0 pour tout n Net
n
_
u
n
; alors
si 0 <1 alors u
n
0,
si 1 < +alors u
n
+
si 1 on ne peut pas conclure.
Suite arithmtique
Une suite (v
n
)
nN
est arithmtique de raison r R si
v
n+1
v
n
+r n N
et donc v
n
v
0
+nr et lon a
n1

k0
v
k
n
v
0
+v
n1
2
.
106 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Suite et srie gomtriques
Une suite (v
n
)
nN
est gomtrique de raison q R si
v
n+1
qv
n
n N
et donc v
n
v
0
q
n
.
Si q <1, la suite (v
n
) diverge et ne possde pas de limite.
Si q 1, la suite (v
n
) diverge et possde deux valeurs dadhrence 1 et 1.
Si [q[ <1, la suite (v
n
) converge vers 0.
Si q 1, la suite (v
n
) est constante et converge vers 1.
Si q >1, la suite (v
n
) est divergente mais possde une limite gale +.
Considrons la suite s
n1
:

n1
k0
v
k
v
0

n1
k0
q
k

_
v
0
1q
n
1q
si q /1
nv
0
si q 1
Si q <1, la suite (s
n
) est divergente et ne possde pas de limite.
Si q 1, la suite (s
n
) est divergente et possde deux valeurs dadhrence 0 et 1.
Si [q[ <1, la suite (s
n
) converge vers
1
1q
.
Si q 1, la suite (s
n
) est divergente mais possde une limite gale +.
Si q >1, la suite (s
n
) est divergente mais possde une limite gale +.
A.2. Primitives et intgrales
Primitive
Soit I un intervalle de R. Une fonction f : I R est intgrable sil existe une fonction drivable F : I R telle que pour
tout x I , F
t
(x) f (x). Une telle fonction F est une primitive (ou intgrale indnie) de f .
Existence des primitives
Soit I un intervalle de R et f : I R une fonction continue. Alors f est intgrable.
Proprit
Si F est une primitive de f alors, pour tout rel c, la fonction F +c est aussi une primitive de f .
Toute primitive de f est ncessairement de la forme F +c pour une certaine constante c.
Notation
Lensemble des primitives dune fonction f est not
_
f ou encore
_
f (x) dx.
Remarque
Si a I alors F(x)
_
x
a
f (t ) dt est lunique primitive qui sannule en a.
Linarit
Soit I un intervalle de R, f et g : I R deux fonctions intgrables et k R. Alors
_
( f (x) +g(x)) dx
_
f (x) dx +
_
g(x) dx et
_
k f (x) dx k
_
f (x) dx.
Intgration directe
Dans le tableau qui suit on sous-entend que lintgration est ralise sur un intervalle contenu dans lensemble de d-
nition de la fonction intgrer.
_
x
n
dx
x
n+1
n+1
+c
_
[ f (x)]
n
f
t
(x) dx
[ f (x)]
n+1
n+1
+c pour n /1
G. Faccanoni 107
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
_
1
x
dx ln(x) +c
_
f
t
(x)
f (x)
dx ln([ f (x)[) +c
_
e
x
dx e
x
+c
_
e
f (x)
f
t
(x) dx e
f (x)
+c
_
a
x
dx (log
a
e)a
x
+c
_
a
f (x)
f
t
(x) dx (log
a
e)a
f (x)
+c
_
sin(x) dx cos(x) +c
_
sin( f (x)) f
t
(x) dx cos( f (x)) +c
_
cos(x) dx sin(x) +c
_
cos( f (x)) f
t
(x) dx sin( f (x)) +c
_
1
cos
2
(x)
dx tan(x) +c
_
f
t
(x)
cos
2
( f (x))
dx tan( f (x)) +c
_
1
_
1x
2
dx arcsin(x) +c arccos(x) +c
_
f
t
(x)
_
1( f (x))
2
dx arcsin( f (x)) +c arccos( f (x) +c
_
1
1+x
2
dx arctan(x) +c
_
f
t
(x)
1+( f (x))
2
dx arctan( f (x)) +c
_
cosh(x) dx sinh(x) +c
_
cosh( f (x)) f
t
(x) dx sinh( f (x)) +c
_
sinh(x) dx cosh(x) +c
_
sinh( f (x)) f
t
(x) dx cosh( f (x)) +c
_
1
cosh
2
(x)
dx tanh(x) +c
_
f
t
(x)
cosh
2
( f (x))
dx tanh( f (x)) +c
Intgration par changement de variable
Soit F une primitive de f et g une fonction drivable. Alors la fonction f (g(x))g
t
(x) est intgrable et lon a
_
f (g(x))g
t
(x) dx F(g(x)) +c.
Autrement dit, en posant u g(x) on obtient
du
dx
g
t
(x), soit encore du g
t
(x) dx et donc
_
f (g(x))g
t
(x) dx
_
f (u) du F(u) +c.
Intgration par parties
Soit f et g deux fonctions drivables. Alors
_
f (x)g
t
(x) dx f (x)g(x)
_
f
t
(x)g(x) dx.
Exemple
Calculer une primitive de
lnx
x
avec les trois mthodes dcrites ci-dessus.
Intgration directe :
comme
_
lnx
x
dx
_
f (x) f
t
(x) dx avec f (x) ln(x) et comme
_
f (x) f
t
(x) dx
[ f (x)]
2
2
on conclut que
_
lnx
x
dx
ln
2
(x)
2
+c.
Intgration par changement de variable :
on pose u ln(x) donc du
dx
x
et
_
lnx
x
dx
_
u du
u
2
2
+c
ln
2
(x)
2
+c.
Intgration par parties :
si on pose g(x) ln(x) et f
t
(x)
1
x
alors g
t
(x)
1
x
et f (x) ln(x) donc
_
lnx
x
dx ln
2
(x)
_
lnx
x
dx, i.e. 2
_
lnx
x
dx ln
2
x +c et
nalement
_
lnx
x
dx
ln
2
(x)
2
+k.
Fonction rationnelle
Soit N(x) et D(x) deux polynmes de degr respectivement et . Toute fonction du type P(x)
N(x)
D(x)
est dite fonction
rationnelle.
Si on dit que P est une fonction rationnelle impropre.
108 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Si < on dit que P est une fonction rationnelle propre.
Proprit
Soit N et D deux polynmes de degr respectivement et et P(x)
N(x)
D(x)
une fonction rationnelle impropre (i.e. ).
Alors, en effectuant la division euclidienne de N par D, on peut rcrire P comme
P(x) Q(x) +
R(x)
D(x)
o Q est un polynme de degr et R un polynme de degr au plus 1, ainsi
R(x)
D(x)
est une fonction rationnelle
propre.
On en dduit que
_
P(x) dx
_
N(x)
D(x)
dx
_
Q(x) dx +
_
R(x)
D(x)
dx.
LintgrationdeQ tant triviale, onconclut que la difcult de lintgrationdune fonctionrationnelle se rduit lintgration
dune fonction rationnelle propre.
Proprit
Si
R(x)
D(x)
est une fonction rationnelle propre et si D possde
k racines relles a
k
chacune de multiplicit m
k
et
h couples de racines complexes conjugues qui sont racines du polynme x
2
+b
h
x +d
h
chacune de multiplicit n
h
(ainsi b
2
h
4d
h
<0 pour tout h),
alors D scrit
D(x) c(x a
1
)
m
1
(x a
2
)
m
2
. . . (x a
k
)
m
k
(x
2
+b
1
x +d
1
)
n
1
(x
2
+b
2
x +d
2
)
n
2
. . . (x
2
+b
h
x +d
h
)
n
h
et
R(x)
D(x)
se dcompose en fractions simples sous la forme
R(x)
D(x)

A
1,1
x a
1
+
A
1,2
(x a
1
)
2
+ +
A
1,m
1
(x a
1
)
m
1
+
A
2,1
x a
2
+
A
2,2
(x a
2
)
2
+ +
A
2,m
1
(x a
2
)
m
2
+ +
+
A
k,1
x a
k
+
A
k,2
(x a
k
)
2
+ +
A
k,m
k
(x a
k
)
m
k
+
B
1,1
x +C
1,1
x
2
+b
1
x +d
1
+
B
1,2
x +C
1,2
(x
2
+b
1
x +d
1
)
2
+ +
B
1,n
1
x +C
1,n
1
(x
2
+b
1
x +d
1
)
n
1
+
B
2,1
x +C
2,1
x
2
+b
2
x +d
2
+
B
2,2
x +C
2,2
(x
2
+b
2
x +d
2
)
2
+ +
B
2,n
2
x +C
2,n
2
(x
2
+b
2
x +d
2
)
n
2
+ +
+
B
h,1
x +C
h,1
x
2
+b
h
x +d
h
+
B
h,2
x +C
h,2
(x
2
+b
h
x +d
h
)
2
+ +
B
h,n
h
x +C
h,n
h
(x
2
+b
h
x +d
h
)
n
k
o les A
i , j
, B
i , j
et C
i , j
sont des constantes.
Pour intgrer une fonctionrationnelle il suft alors de connatre les primitives des quatre fractions simples suivantes :
f
1
(x)
A
x a
, f
2
(x)
A
(x a)
n
, f
3
(x)
Bx +C
x
2
+bx +d
, f
4
(x)
Bx +C
(x
2
+bx +d)
n
.
Intgration des fractions simples
Supposons
A, B,C, a, b, d R
n N, n >1
b
2
4d <0
alors
1. la primitive de f
1
(x)
A
xa
est
_
A
x a
dx Aln[x a[ +cnst;
G. Faccanoni 109
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
2. la primitive de f
2
(x)
A
(xa)
n
est
_
A
(x a)
n
dx
A
(1n)(x a)
n1
+cnst;
3. la primitive de f
3
(x)
Bx+C
x
2
+bx+d
est
_
Bx +C
x
2
+bx +d
dx
_
Bx +C
_
x +
b
2
_
2
+
_
d
b
2
4
_
dx

1
_
d
b
2
2
_B
_
_
d
b
2
4
t
b
2
_
+C
t
2
+1
dt

B
2
_
2t
1+t
2
dt +
C B
b
2
_
d
b
2
4
_
1
1+t
2
dt

B
2
ln[1+t
2
[ +
C B
b
2
_
d
b
2
4
arctan(t ) +cnst

B
2
ln

1+
_
x +
b
2
_
2
d
b
2
4

+
C B
b
2
_
d
b
2
4
arctan
_
_
_
x +
b
2
_
d
b
2
4
_
_
_+cnst;
x +
b
2

_
d
b
2
4
t
dx
_
d
b
2
4
dt
4. la primitive de f
4
(x)
Bx+C
(x
2
+bx+d)
n
est
_
Bx +C
(x
2
+bx +d)
n
dx
B
2
_
2x +b
(x
2
+bx +d)
n
dx
. .
I
1
+
_
C
Bb
2
__
1
(x
2
+bx +d)
n
dx
. .
I
2
avec
I
1

B
2
1
(1n)(x
2
+bx +d)
n1
I
2

_
1
(x
2
+bx +d)
n
dx

_
d
b
2
4
_
1
2
n _
1
(1+t
2
)
n
dt
. .
I
n
x +
b
2

_
d
b
2
4
t
dx
_
d
b
2
4
dt
et lintgrale I
n
se calcule par rcurrence
I
n

t
2(n 1)(1+t
2
)
n1
+
2n 3
2(n 1)
I
n1
.
Exemple
1. On veut intgrer la fonction rationnelle propre f (x)
x3
x
2
4x+5
. Comme 4
2
4 5 < 0 il sagit dun intgrale du type
_
Bx+C
x
2
+bx+d
dx. Le dnominateur se dcompose comme x
2
4x +5 (x 2)
2
+1 et lintgrale scrit
_
f (x) dx
_
x 3
(x 2)
2
+1
dx
_
(t +2) 3
t
2
+1
dt
1
2
_
2t
t
2
+1
dt
_
1
t
2
+1
dt

1
2
ln(1+t
2
) arctan(t ) +cnst
1
2
ln((x +2)
2
+1) arctan(x 2) +cnst
2. On veut intgrer la fonction rationnelle propre f (x)
3x+1
x
3
4x
. On doit dabord la dcomposer en fractions simples ; comme
x
3
4x x(x
2
4) x(x 2)(x +2) la fonction admet la dcomposition
f (x)
3x +1
x(x 2)(x +2)

A
1
x
+
A
2
x 2
+
A
3
x +2
Pour calculer les constantes A
i
on peut utiliser le principe didentit des polynmes :
3x +1
x(x 2)(x +2)

A
1
(x 2)(x +2) +A
2
x(x +2) +A
3
x(x 2)
x(x 2)(x +2)

(A
1
+A
2
+A
3
)x
2
+(2A
2
2A
3
)x 4A
1
x(x 2)(x +2)

_

_
A
1
+A
2
+A
3
0
2A
2
2A
3
3
4A
1
1
110 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
ainsi
_
f (x) dx
1
4
_
1
x
dx
5
8
_
A
2
x 2
dx +
7
8
_
A
3
x +2
dx
1
4
ln[x[
5
8
ln[x 2[ +
7
8
ln[x +2[ +c.
3. On veut intgrer la fonction rationnelle impropre f (x)
3x
3
+2x5
3x
2
5x2
. On effectue dabord la division euclidienne
3x
3
+2x 5 3x
2
5x 2
3x
3
+5x
2
+2x x +
5
3
5x
2
+4x 5
5x
2
+
25
3
x +
10
3
37
3
x
5
3
ainsi f (x) x+
5
3
+
37
3
x
5
3
3x
2
5x2
. Maintenant on dcompose le terme
37
3
x
5
3
3x
2
5x2
en fractions simples : on a 3x
2
5x2 (x+
1
3
)(x2)
et on doit chercher les deux constantes A
1
et A
2
telles que
37
3
x
5
3
3x
2
5x 2

A
1
x +
1
3
+
A
2
x 2
En utilisant le principe didentit des polynmes on a
37
3
x
5
3
3x
2
5x 2

A
1
(x 2) +A
2
(x +
1
3
)
3x
2
5x 2

(A
1
+A
2
)x 2A
1
+
A
2
3
3x
2
5x 2

_
A
1
+A
2

37
3
2A
1
+
A
2
3

5
3
On conclut que
f (x) x +
5
3
+
52/63
x +
1
3
+
207/63
x 2
et
_
f (x) dx
x
2
2
+
5
3
x +
52
63
ln

x +
1
3

+
207
63
ln[x 2[ +c.
4. On veut intgrer la fonction rationnelle propre f (x)
x4
x
3
x
2
5x3
. On doit dabord la dcomposer en fraction simples ; comme
x
3
x
2
5x 3 (x 3)(x +1)
2
la fonction f admet la dcomposition
f (x)
A
1,1
x 3
+
A
2,1
x +1
+
A
2,2
(x +1)
2
.
On dtermine les constantes en utilisant le principe didentit des polynmes
x 4
x
3
x
2
5x 3

A
1,1
(x +1)
2
+A
2,1
(x 3)(x +1) +A
2,2
(x 3)
x
3
x
2
5x 3

(A
1,1
+A
2,1
)x
2
+(2A
1,1
2A
2,1
+A
2,2
)x +A
1,1
3A
2,1
3A
2,2
x
3
x
2
5x 3

_

_
A
1,1
+A
2,1
0
2A
1,1
2A
2,1
+A
2,2
1
A
1,1
3A
2,1
3A
2,2
4
On conclut que
f (x)
1/16
x 3
+
1/16
x +1
+
5/4
(x +1)
2
et
_
f (x) dx
1
16
ln[x 3[ +
1
16
ln[x +1[
5
4(x +1)
+c.
5. On veut intgrer la fonction rationnelle propre f (x)
x
2
+2
(x
2
2x+5)
2
. Comme 420 <0, la fonction f se dcompose comme
f (x)
B
1
x +C
1
x
2
2x +5
+
B
2
x +C
2
(x
2
2x +5)
2
.
On dtermine les constantes en utilisant le principe didentit des polynmes
x
2
+2
(x
2
2x +5)
2

B
1
x +C
1
x
2
2x +5
+
B
2
x +C
2
(x
2
2x +5)
2

B
1
x
3
+(C
1
2B
1
)x
2
+(5B
1
2C
1
+B
2
)x +5C
1
+C
2
(x
2
2x +5)
2

_

_
B
1
0
C
1
2B
1
1
5B
1
2C
1
+B
2
0
5C
1
+C
2
2
On obtient alors que
_
f (x) dx
_
1
x
2
2x +5
dx
. .
I
1
+
_
2x 3
(x
2
2x +5)
2
dx
. .
I
2
.
G. Faccanoni 111
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
On calcule I
1
:
_
1
x
2
2x +5
dx
_
1
(x 1)
2
+4
dx

1
2
_
1
t
2
+1
dt

1
2
_
1
1+t
2
dt
1
2
arctan(t ) +c
1
2
arctan
_
x 1
2
_
+c;
x 1 2t
dx 2 dt
On calcule I
2
:
_
2x 3
(x
2
2x +5)
2
dx
_
2x 2
(x
2
2x +5)
2
dx
_
1
(x
2
2x +5)
2
dx
1
x
2
2x +5

_
1
(x
2
2x +5)
2
dx

1
x
2
2x +5

_
1
((x 1)
2
+4)
2
dx
1
x
2
2x +5

1
8
_
1
(t
2
+1)
2
dt

1
x
2
2x +5

1
8
_
1
2
t
1+t
2
+
1
2
_
1
1+t
2
dt
_

1
x
2
2x +5

1
16
_
t
1+t
2
+arctan(t )
_

1
x
2
2x +5

1
16
_
2(x 1)
x
2
2x +5
+arctan
_
x 1
2
__
+c
x +7
8(x
2
2x +5)

1
16
arctan
_
x 1
2
_
+c.
On conclut que
_
f (x) dx
7
16
arctan
_
x 1
2
_

x +7
8(x
2
2x +5)
+c.
6. On veut intgrer la fonction rationnelle propre f (x)
1
x
3
(x
2
+1)
2
qui se dcompose comme
f (x)
A
1
x
+
A
1
x
2
+
A
1
x
3
+
B
1
x +C
1
x
2
+1
+
B
2
x +C
2
(x
2
+1)
2
.
On dtermine les constantes en utilisant le principe didentit des polynmes
1
x
3
(x
2
+1)
2

A
1
x
+
A
2
x
2
+
A
3
x
3
+
B
1
x +C
1
x
2
+1
+
B
2
x +C
2
(x
2
+1)
2

(A
1
+B
1
)x
6
+(A
2
+C
1
)x
5
+(2A
1
+A
3
+B
1
+B
2
)x
4
+(2A
2
+C
1
+C
2
)x
3
+(A
1
+2A
3
)x
2
+(A
2
)x +(A
3
)
x
3
(x
2
+1)
2

_
A
1
+B
1
0
A
2
+C
1
0
2A
1
+A
3
+B
1
+B
2
0
2A
2
+C
1
+C
2
0
A
1
+2A
3
0
A
2
0
A
3
1
On obtient alors que
_
f (x) dx 2
_
1
x
dx +
_
1
x
3
dx +
_
2x
x
2
+1
dx +
_
x
(x
2
+1)
2
dx
2ln[x[
1
2x
2
+ln[x
2
+1[ +
1
2
_
2x
(x
2
+1)
2
dx
2ln[x[
1
2x
2
+ln[x
2
+1[
1
2
2x
(x
2
+1)
+c.
Thorme fondamentale du calcul diffrentiel et intgral
Soit f une fonction continue sur [a; b] et F une primitive de f sur [a; b]. Alors
1. la drive de g(x)
_
x
a
f (x) dx existe et est gale f (x) ;
2.
_
b
a
f (x) dx F(b) F(a).
Lexpression F(b) F(a) se note aussi [F(x)]
b
a
ou encore F(x)[
b
a
.
Remarque
Si f est de classe C
1
sur [a; b] alors g(x) f (x) f (a)
_
x
a
f
t
(x) dx.
112 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Interprtation gomtrique
Lintgrale dnie
_
b
a
f (x) dx correspond laire du do-
maine du plan situ entre le graphe de f et laxe des
abscisses, compt positivement pour la partie situe au-
dessus de laxe des abscisses et ngativement pour la par-
tie situe en dessous.
+

+
a
b
Calcul daires
Soit f et g deux fonctions intgrables sur [a; b] telles que f (x) g(x) sur [a; b]. Laire de la surface comprise entre les
graphes de f et g entre a et b est dnie par lintgrale
_
b
a
( f (x) g(x)) dx.
Exemple
_
3/2
0
x
2
dx
x
y
1 3
2
2 3
1
2
9
4
3
f (x) x
2
_
2
0
(g(x) f (x))dx
x
y
0 1 2 3
1
2
3
4
f (x) (x 1)
2
g
(
x
)

x
+
1
Proprit
Soit [a; b] un intervalle de R avec a <b, f et g : [a; b] R deux fonctions intgrables.
Relation de Chasles :
_
b
a
f (x) dx
_
c
a
f (x) dx +
_
b
c
f (x) dx pour tout c [a; b].
Relation dordre : si f (x) g(x) pour toute x [a; b] alors
_
b
a
f (x) dx
_
b
a
g(x) dx.
Nullit : si f est continue sur [a; b] et f (x) 0 pour toute x [a; b] alors
_
b
a
f (x) dx 0 si et seulement si f (x) 0.
Parit : si f est paire sur [a; a] avec a 0 alors
_
a
a
f (x) dx 2
_
a
0
f (x) dx ; si f est impaire sur [a; a] avec a 0 alors
_
a
a
f (x) dx 0.
Valeur absolue : [
_
b
a
f (x) dx[
_
b
a
[ f (x)[ dx.
Moyenne : si m f (x) M pour toute x [a; b] alors m
_
b
a
f (x) dx
ba
M. Le nombre
_
b
a
f (x) dx
ba
est la valeur moyenne de f
sur [a; b].
A.3. Matrices et calcul pratique dun dterminant
Dnition : matrice
On appelle MATRICE mn (ou dordre mn) coefcients dans Ktout tableau de m lignes et n colonnes dlments de
K. Lensemble des matrices mn coefcients dans Kest not M
m,n
(K).
Si mn on dit quon a une MATRICE CARRE. Lensemble des matrices carres n coefcients dans Kest not M
n
(K).
Une matrice m1 est appele VECTEUR-COLONNE et une matrice 1n est appele VECTEUR-LIGNE.
On convient de noter a
i j
llment de la matrice situ sur la i -me ligne et j -me colonne (1 i m et 1 j n).
G. Faccanoni 113
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Une matrice Aest reprsente entre deux parenthses ou deux crochets :
A
_
_
_
_
_
_
_
_
_
a
11
. . . a
1j
. . . a
1n
.
.
.
.
.
.
.
.
.
a
i 1
. . . a
i j
. . . a
i n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mj
. . . a
mn
_
_
_
_
_
_
_
_
_
ou A
_
_
_
_
_
_
_
_
_
a
11
. . . a
1j
. . . a
1n
.
.
.
.
.
.
.
.
.
a
i 1
. . . a
i j
. . . a
i n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mj
. . . a
mn
_
_
_
_
_
_
_
_
_
ou encore
A(a
i j
)
1i m
1j n
ou A[a
i j
]
1i m
1j n
Nous travaillerons avec KR, Qou Z.
Dnition : addition de matrices
Si A(a
i j
)
1i m
1j n
et B(b
i j
)
1i m
1j n
sont deux matrices mn, on dnit lADDITION des matrices par
A+B(a
i j
+b
i j
)
1i m
1j n
.
La MATRICE NULLE, note O
m,n
, est la matrice dont tous les lments sont nuls.
La MATRICE OPPOSE DUNE MATRICE Aest note A. Si A(a
i j
)
1i m
1j n
alors A(a
i j
)
1i m
1j n
.
La somme de deux matrices dordres diffrents nest pas dnie.
Proprit
Si A, B et C sont des matrices de mme ordre, alors nous avons
A+BB+A(commutativit),
A+(B+C) (A+B) +C (associativit).
Dnition
On appelle MATRICE DIAGONALE toute matrice carre D(d
i j
)
1i , j n
telle que i / j d
i j
0. Si on note d
i
d
i i
, une
matrice diagonale est de la forme
D
n

_
_
_
_
_
_
_
_
d
1
0 . . . 0 0
0 d
2
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . d
n1
0
0 0 . . . 0 d
n
_
_
_
_
_
_
_
_
.
On la note Diag(d
1
, d
2
, . . . , d
n
).
La MATRICE IDENTIT dordre n, note I
n
, est la matrice diagonale Diag(1, 1, . . . , 1).
Dnition
On dit quune matrice carre A(a
i j
)
1i , j n
est TRIANGULAIRE SUPRIEURE (resp. INFRIEURE) si i > j a
i j
0 (resp.
si i < j a
i j
0).
Une matrice triangulaire suprieure et infrieure est une matrice diagonale.
Dnition : produit dune matrice par un scalaire
Si A(a
i j
)
1i m
1j n
est une matrice mn et si K, on dnit le PRODUIT DUNE MATRICE PAR UN SCALAIRE par
A( a
i j
)
1i m
1j n
114 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Proprit
Soient Aet B deux matrices de mme ordre et Kun scalaire, on a
(A+B) A+ B (distributivit).
Dnition : produit de matrices
Si A(a
i k
)
1i m
1kn
est une matrice mn et si B(b
k j
)
1kn
1j p
est une matrice np, on dnit le PRODUIT DES MATRICES par
AB
_
n

k1
a
i k
b
k j
_
1i m
1j p
Cest une matrice mp.
a
11
. . . a
1k
. . . a
1n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i 1
. . . a
i k
. . . a
i n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mk
. . . a
mn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
A: m lignes n colonnes
b
11
. . . b
1j
. . . b
1p
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
b
k1
. . . b
k j
. . . b
kp
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
b
n1
. . . b
nj
. . . b
np
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
B : n lignes p colonnes
c
11
. . . c
1j
. . . c
1p
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
i 1
. . . c
i j
. . . c
i p
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
c
m1
. . . c
mk
. . . c
mp
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
CAB : m lignes p colonnes
a
i
1

b
1
j
a
i
k

b
k
j
a
i
n

b
n
j
+
.
.
.
+
+
.
.
.
+
Exemple
Soient les deux matrices
A
_
1 3 0
1 1 2
_
et B
_
_
1 2 0
0 2 3
0 1 2
_
_
La matrice Aest dordre 23, la matrice B est dordre 33, donc la matrice produit AB est une matrice dordre 23 :
AB
_
11+30+00 12+32+0(1) 10+33+0(2)
11+10+20 12+12+2(1) 10+13+2(2)
_

_
1 7 9
1 2 1
_
.
G. Faccanoni 115
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Proprit
Si A M
m,n
(K), B M
n,p
(K), C M
p,q
(K), alors
A(BC) (AB) C (associativit) ;
A((B+C) AB+AC (distributivit) ;
Si A M
n
(K) alors AI
n
I
n
AA.
Attention
AB/BAen gnral (non commutativit).
Prenons le cas gnral avec Adordre mp et B dordre p n. Le produit AB est dni, cest une matrice dordre mn. Quen
est-il du produit BA? Il faut distinguer trois cas :
si m/n le produit BAnest pas dni ;
si mn mais p /n, le produit AB est dni et cest une matrice dordre mn tandis que le produit BA est dni mais
cest une matrice dordre p p donc AB/BA;
si mn p, A et B sont deux matrices carres dordre m. Les produits AB et BA sont aussi carrs et dordre m mais l
encore, en gnral, AB/BA;
Exemple
Soient les matrices
A
_
1 1
3 0
_
, B
_
6 5
2 1
_
.
On obtient
AB
_
4 6
18 15
_
et BA
_
9 6
5 2
_
.
Dnition : matrice transpose
Si A(a
i j
)
1i m
1j n
est une matrice mn, on dnit la matrice TRANSPOSE de A, note A
T
, par A(a
j i
)
1j n
1i m
.
Cest donc une matrice n m obtenue en changeant lignes et colonnes de la matrice initiale.
Proprit
(A
T
)
T
Asi A M
m,n
(K),
(A)
T
A
T
si Ket A M
m,n
(K),
(A+B)
T
A
T
+B
T
si A, B M
m,n
(K),
(AB)
T
B
T
A
T
si A M
m,n
(K) et B M
n,p
(K).
Dnition : matrice symtrique, matrice anti-symtrique
Une matrice Aest dite SYMTRIQUE si A
T
A.
Une matrice Aest dite ANTI-SYMTRIQUE si A
T
A.
Exemple
A
_
_
1 5 9
5 4 0
9 0 7
_
_
est une matrice symtrique.
B
_
_
1 5 9
5 4 0
9 0 7
_
_
est une matrice anti-symtrique.
Dnition : matrice inversible, matrice singulire
Une matrice carre A M
n
(K) est dite INVERSIBLE ou rgulire si elle est symtrisable pour le produit matriciel, autre-
ment dit sil existe une matrice B M
n
(K) telle que ABBAI
n
. Une matrice non rgulire est dite SINGULIRE.
Linverse, sil existe, dune matrice Aest not A
1
.
116 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Proposition
Soit Aet B deux matrices inversibles, alors
A
1
lest aussi et
_
A
1
_
1
A,
A
T
lest aussi et
_
A
T
_
1

_
A
1
_
T
,
AB lest aussi et (AB)
1
B
1
A
1
.
Oprations lmentaires sur les matrices
Les oprations (ou manipulations) lmentaires sur les lignes dune matrices sont
la multiplication dune ligne par un scalaire non nul :
L
i
L
i
;
laddition dun multiple dune ligne une autre ligne :
L
i
L
i
+L
j
;
lchange de deux lignes :
L
i
L
j
.
Ces transformations sont quivalentes la multiplication gauche (pr-multiplication) par la matrice inversible obtenue en
appliquant la matrice identit la transformation correspondante.
Les oprations analogues sur les colonnes sont
la multiplication dune colonne par un scalaire non nul :
C
i
C
i
;
laddition dun multiple dune colonne une autre colonne :
C
i
C
i
+C
j
;
lchange de deux colonnes :
C
i
C
j
.
Elles sont quivalentes la multiplication droite (post-multiplication) par la matrice inversible obtenue en appliquant la
matrice identit la transformation correspondante.
Thorme
En partant dune matrice A, lutilisation dun nombre ni doprations lmentaires conduit une matrice quivalente.
Dterminant dune matrice dordre n
Soit Aune matrice carre dordre n.
tant donn un couple (i , j ) dentiers, 1 i , j n, on note A
i j
la matrice carre dordre n 1 obtenue en supprimant la
i -me ligne et la j -me colonne de A.
On dni le DTERMINANT de A, et on le note det(A), par rcurrence sur lordre de la matrice A:
si n 1 : le dterminant de Aest le nombre
det(A) a
11
,
si n >1 : le dterminant de Aest le nombre
det(A)
n

j 1
(1)
i +j
a
i j
det(A
i j
) quelque soit la ligne i , 1 i n,
ou, de manire quivalente, le nombre
det(A)
n

i 1
(1)
i +j
a
i j
det(A
i j
) quelque soit la colonne j , 1 j n.
Astuce
Pour se souvenir des signes de ces deux formules, on peut remarquer que la distribution des signes +et avec la formule
G. Faccanoni 117
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
(1)
i +j
est analogue la distribution des cases noirs et blanches sur un damier :

+ + . . .
+ + . . .
+ + . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

Exemple
Soit la matrice
A
_
a
11
a
12
a
21
a
22
_
alors
det(A
11
) a
22
, det(A
12
) a
21
, det(A
21
) a
12
, det(A
22
) a
11
,
donc on peut calculer det(A) par lune des formules suivantes :
a
11
det(A
11
) a
12
det(A
12
) a
11
a
22
a
12
a
21
(dveloppement suivant la ligne i 1)
a
21
det(A
21
) +a
22
det(A
22
) a
21
a
12
+a
22
a
11
(dveloppement suivant la ligne i 2)
a
11
det(A
11
) a
21
det(A
21
) a
11
a
22
a
21
a
12
(dveloppement suivant la colonne j 1)
a
12
det(A
12
) +a
22
det(A
22
) a
12
a
21
+a
22
a
11
(dveloppement suivant la colonne j 2)
Ces formules donnent bien le mme rsultat.
Exemple
Soit la matrice
A
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
alors
det(A
11
) det
_
a
22
a
23
a
32
a
33
_
a
22
a
33
a
23
a
32
, det(A
12
) det
_
a
21
a
23
a
31
a
33
_
a
21
a
33
a
23
a
31
, det(A
13
) det
_
a
21
a
22
a
31
a
32
_
a
21
a
32
a
22
a
31
,
det(A
21
) det
_
a
12
a
13
a
32
a
33
_
a
12
a
33
a
13
a
32
, det(A
22
) det
_
a
11
a
13
a
31
a
33
_
a
11
a
33
a
13
a
31
, det(A
23
) det
_
a
11
a
12
a
31
a
32
_
a
11
a
32
a
12
a
31
,
det(A
31
) det
_
a
12
a
13
a
22
a
23
_
a
12
a
23
a
13
a
22
, det(A
32
) det
_
a
11
a
13
a
21
a
23
_
a
11
a
23
a
13
a
21
, det(A
33
) det
_
a
11
a
12
a
21
a
22
_
a
11
a
22
a
12
a
21
,
donc on peut calculer det(A) par lune des formules suivantes :
a
11
det(A
11
) a
12
det(A
12
) +a
13
det(A
13
) (dveloppement suivant la ligne i 1)
a
21
det(A
21
) +a
22
det(A
22
) a
23
det(A
23
) (dveloppement suivant la ligne i 2)
a
31
det(A
31
) a
32
det(A
32
) +a
33
det(A
33
) (dveloppement suivant la ligne i 3)
a
11
det(A
11
) +a
21
det(A
21
) a
31
det(A
31
) (dveloppement suivant la colonne j 1)
a
12
det(A
12
) a
22
det(A
22
) +a
32
det(A
32
) (dveloppement suivant la colonne j 2)
a
13
det(A
13
) +a
23
det(A
23
) a
33
det(A
33
) (dveloppement suivant la colonne j 3)
Quelques calculs montrent que ces formules donnent bien le mme rsultat.
Astuce
Il convient dutiliser cette dnition aprs avoir fait apparatre sur une mme range le plus possible de zro sachant que
si deux colonnes (resp. deux lignes) sont identiques ou proportionnelles, alors det(A) 0 ;
si on change deux colonnes (resp. deux lignes), alors le dterminant est chang en son oppos ;
on ne change pas un dterminant si on ajoute une colonne (resp. une ligne) une combinaison linaire des autres
colonnes (resp. lignes).
Exemple
Soit la matrice
A
_
_
1 0 1
0 2 0
0 3 5
_
_
alors
det(A
11
) det
_
2 0
3 5
_
10, det(A
12
) det
_
0 0
0 5
_
0, det(A
13
) det
_
0 2
0 3
_
0,
118 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
det(A
21
) det
_
0 1
3 5
_
3, det(A
22
) det
_
1 1
0 5
_
5, det(A
23
) det
_
1 0
0 3
_
3,
det(A
31
) det
_
0 1
2 0
_
2, det(A
32
) det
_
1 1
0 0
_
0, det(A
33
) det
_
1 0
0 2
_
2,
donc on peut calculer det(A) par lune des formules suivantes :
1det(A
11
) +0det(A
12
) +1det(A
13
) 10+0+0 10
0det(A
21
) +2det(A
22
) +0det(A
23
) 0+25+0 10 formule pratique car il ny a quun dterminant calculer
0det(A
31
) +3det(A
32
) +5det(A
33
) 0+0+52 10
1det(A
11
) +0det(A
21
) +0det(A
31
) 10+0+0 10 formule pratique car il ny a quun dterminant calculer
0det(A
12
) +2det(A
22
) +3det(A
32
) 0+25+0 10
1det(A
13
) +0det(A
23
) +5det(A
33
) 0+0+52 10
Dterminant dune matrice dordre 2
Soit Aune matrice carre dordre n 2.
det(A) det
_
a
11
a
12
a
21
a
22
_
a
11
a
22
a
12
a
21
.
a
11
a
12
a
21
a
22
+

Exemple
Soit la matrice
A
_
5 7
4 3
_
alors
det(A) 5374 1528 13.
Rgle de Sarrus
Soit Aune matrice carre dordre n 3.
det(A) det
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_

_
a
11
a
22
a
33
+a
21
a
32
a
13
+a
31
a
12
a
33
_

_
a
13
a
22
a
31
+a
23
a
32
a
11
+a
33
a
12
a
31
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
13
+
+
+

Exemple
Soit la matrice
A
_
_
1 0 1
0 2 0
0 3 5
_
_
alors
det(A) (125+000+000) (120+031+500) 10.
G. Faccanoni 119
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Exemple
Soit la matrice
A
_
_
5 7 1
4 3 2
2 1 6
_
_
alors
det(A) (536+411+272) (132+215+746) 62.
Proprit
Le dterminant dune matrice triangulaire est gal au produit des lments diagonaux.
Thorme
Aest inversible si et seulement si det(A) /0.
Proprit
det(A
T
) det(A),
det(A
1
)
1
det(A)
,
det(AB) det(A) det(B).
Dnition : rang
Le RANG dune matrice quelconque A est gal au plus grand entier s tel que lon puisse extraire de A une matrice carre
dordre s inversible, cest--dire de dterminant non nul. Les oprations lmentaires sur les lignes ou les colonnes dune
matrice ne modient pas le rang.
Exemple
Soit Aet B les deux matrices suivantes
A
_
1 3 2
1 3 1
_
B
_
_
1 0 1
0 5 1
1 0 1
_
_
.
Le rang de Aest 2 car
Aest dordre 23 donc s min{2, 3} donc s 0, 1 ou 2 ;
comme le dterminant de la sous-matrice compose de la premire et de la deuxime colonne est nul, on ne peut pas conclure ;
comme le dterminant de la sous-matrice compose de la premire et de la troisime colonne est non nul, alors s 2.
Le rang de B est 2 car
B est dordre 33 donc s 3
le dterminant de B est 0 donc s /3
le dterminant de la sous-matrice
_
1 0
0 5
_
est 5, donc s 2.
A.4. Systmes linaires
Dnition : systme linaire
Soit n, p, 1 des entiers. Un SYSTME LINAIRE n p est un ensemble de n quations linaires p inconnues de la forme
(S)
_

_
a
11
x
1
+ . . . + a
1p
x
p
b
1
,
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ . . . + a
np
x
p
b
n
.
Les COEFFICIENTS a
i j
et les SECONDES MEMBRES b
i
sont des lments donns de R. Les INCONNUES x
1
, x
2
, . . . , x
p
sont
chercher dans R.
120 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Le SYSTME HOMOGNE associ (S) est le systme obtenu en remplaant les b
i
par 0.
Une SOLUTION de (S) est un p-uplet (x
1
, x
2
, . . . , x
p
) qui vrie simultanment les n quations de (S). Rsoudre (S)
signie chercher toutes les solutions.
Un systme est IMPOSSIBLE, ou incompatible, sil nadmet pas de solution. Un systme est POSSIBLE, ou compatible,
sil admet une ou plusieurs solutions.
Deux systmes sont QUIVALENTS sils admettent les mmes solutions.
criture matricielle
Si on note
x
_
_
_
x
1
.
.
.
x
p
_
_
_ b
_
_
_
b
1
.
.
.
b
n
_
_
_ A
_
_
_
a
11
. . . a
1p
.
.
.
.
.
.
a
n1
. . . a
np
_
_
_
le systme (S) est quivalent lcriture matricielle Ax b.
Dnition : systme chelonn
Un systme (S) est EN ESCALIER, ou CHELONN, si le nombre de premiers coefcients nuls successifs de chaque quation
est strictement croissant.
Autrement dit, un systme est chelonn si les coefcients non nuls des quations se prsentent avec une sorte descalier
marches de longueurs variables marquant la sparation entre une zone compose uniquement de zros et une zone o les
lignes situes droite de lescalier commencent par des termes non nuls, comme dans lexemple suivant de 5 quations 6
inconnues :
5x
1
x
2
x
3
+2x
4
+x
6
b
1
3x
3
x
4
+2x
5
b
2
x
5
+x
6
b
3
5x
6
b
4
0 b
5
_

_
Rduction
Quand un systme contient une quation du type
0x
1
+ +0x
p
b,
si b /0 le systme est impossible,
si b 0, on peut supprimer cette quation, ce qui conduit un systme quivalent (S) dit SYSTME RDUIT.
Dnition : matrice augmente
Si on ajoute le vecteur-colonne des seconds membres b la matrice des coefcients A, on obtient ce quon appelle la
matrice augmente que lon note [A[b].
Mthode du pivot de Gauss
Soit A(a
i j
)
1i n
1j p
la matrice des coefcients du systme (S). En permutant ventuellement deux lignes du systme, on
peut supposer a
i i
/0 (appel pivot de ltape i ).
tape j : pour i > j , les transformations
L
i
L
i

a
i j
a
j j
L
j
liminent linconnue x
j
dans les lignes L
i
.
En ritrant le procd pour i de 1 n, on aboutit un systme chelonn.
G. Faccanoni 121
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Exemple
Soit le systme linaire
_

_
x
1
+2x
2
+3x
3
+4x
4
1,
2x
1
+3x
2
+4x
3
+x
4
2,
3x
1
+4x
2
+x
3
+2x
4
3,
4x
1
+x
2
+2x
3
+3x
4
4.
1. Rsolution par la mthode du pivot de Gauss :
_

_
x
1
+2x
2
+3x
3
+4x
4
1
2x
1
+3x
2
+4x
3
+x
4
2
3x
1
+4x
2
+x
3
+2x
4
3
4x
1
+x
2
+2x
3
+3x
4
4
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
2x
2
8x
3
10x
4
0
7x
2
10x
3
13x
4
0
L
3
L
3
2L
2
L
4
L
4
7L
2

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
4x
3
+4x
4
0
4x
3
+36x
4
0
L
4
L
4
+L
3

_
x
1
+2x
2
+3x
3
+4x
4
1
x
2
2x
3
7x
4
0
4x
3
+4x
4
0
40x
4
0
donc x
4
0, x
3
0, x
2
0 et x
1
1.
2. Rsolution par la mthode du pivot de Gauss en criture matricielle :
[A[b]
_
_
_
_
1 2 3 4 1
2 3 4 1 2
3 4 1 2 3
4 1 2 3 4
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 2 8 10 0
0 7 10 13 0
_
_
_
_
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 4 36 0
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 0 4 4 0
0 0 0 40 0
_
_
_
_
donc x
4
0, x
3
0, x
2
0 et x
1
1.
Exemple
On veut rsoudre le systme linaire suivant par la mthode de Gauss.
_
_
_
x
1
+2x
2
x
3
2,
x
1
2x
2
3x
3
6,
x
1
+4x
2
+4x
3
3.
L
2
L
2
L
1
L
3
L
3
L
1

_
_
_
x
1
+2x
2
x
3
2,
4x
2
2x
3
8,
2x
2
+5x
3
1.
L
3
L
3
+L
2
/2

_
_
_
x
1
+2x
2
x
3
2,
4x
2
2x
3
8,
4x
3
3.
donc x
3

3
4
, x
2

19
8
et x
1

7
2
.
Exemple
On veut rsoudre le systme linaire suivant par la mthode de Gauss
_
_
_
x
1
+x
2
+3x
3
12
2x
1
x
2
+2x
3
8
4x
1
+x
2
4x
3
15
L
2
L
2
+2L
1
L
3
L
3
+4L
1

_
_
_
x
1
+x
2
+3x
3
12
x
2
+8x
3
16
5x
2
+8x
3
63
L
3
L
3
5L
2

_
_
_
x
1
+x
2
+3x
3
12
x
2
+8x
3
16
32x
3
17
donc x
3

17
32
, x
2

47
4
et x
1

43
32
.
Exemple
On utilise la mthode du pivot de Gauss pour rsoudre le systme linaire suivant :
_
_
_
2u4v+3w1
2v w1
u +v3w6
L
3
L
3
+L
1
/2

_
_
_
2u4v +3w1
2v w1
v
3
2
w
13
/2
L
3
L
3
+L
2
/2

_
_
_
2u4v+3w1
2v w1
2w6
donc w 3, v 2 et u 1.
122 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Exemple
On utilise la mthode du pivot de Gauss pour rsoudre le systme linaire :
_

_
2x y +4t 2
2x+3y+3z+2t 14
x+2y +z +t 7
x z +t 1
L
2
L
2
+L
1
L
3
L
3
+
1
2
L
1
L
4
L
4

1
2
L
1

_
2xy +4t 2
2y+3z+6t 16
3
2
y +z+3t 8
1
2
y z t 2
L
3
L
3

3
4
L
2
L
4
L
2

1
4
L
2

_
2xy +4t 2
2y +3z +6t 16

5
4
z
3
2
t 4

7
4
z
5
2
t 6
L
4
L
4

7
5
L
3

_
2xy +4t 2
2y +3z +6t 16

5
4
z
3
2
t 4

2
5
t
2
5
donc t 4, z 2, y 2 et x 0.
Exemple
On veut rsoudre le systme linaire
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
10
10
10
10
_
_
_
_
.
par la mthode du pivot de Gauss.
[A[b]
_
_
_
_
1 2 3 4 10
2 3 4 1 10
3 4 1 2 10
4 1 2 3 10
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 2 8 10 20
0 7 10 13 30
_
_
_
_
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 0 4 4 0
0 0 4 36 40
_
_
_
_
L
4
L
4
+L
3

_
_
_
_
1 2 3 4 10
0 1 2 7 10
0 0 4 4 0
0 0 0 40 40
_
_
_
_
donc
_

_
x
1
+2x
2
+3x
3
+4x
4
10
x
2
2x
3
7x
4
10
4x
3
+4x
4
0
40x
4
40
x
4
1, x
3
1, x
2
1, x
1
1.
Exemple
On veut rsoudre le systme linaire suivant par la mthode du pivot de Gauss :
_
_
6 1 1
2 4 0
1 2 6
_
_
_
_
x
1
x
2
x
3
_
_

_
_
12
0
6
_
_
.
[A[b]
_
_
6 1 1 12
2 4 0 0
1 2 6 6
_
_
L
2
L
2

2
6
L
1
L
3
L
3

1
6
L
1

_
_
6 1 1 12
0
11
3

1
3
4
0
11
6
35
6
4
_
_
L
3
L
3

11
6
11
3
L
2

_
_
6 1 1 12
0
11
3

1
3
4
0 0 6 6
_
_
donc
_

_
6x
1
+x
2
+x
3
12,
11
3
x
2

1
3
x
3
4
6x
3
6
x
3
1, x
2
1, x
1
2.
Exemple
On veut rsoudre les systmes linaires suivants :
_

_
x 5y 7z 3
2x 13y 18z 3
3x 27y 36z 3
et
_

_
x 5y 7z 6
2x 13y 18z 0
3x 27y 36z 3
et
_

_
x 5y 7z 0
2x 13y 18z 3
3x 27y 36z 6.
G. Faccanoni 123
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Le trois systmes scrivent sous forme matricielle
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
3
3
3
_
_
et
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
6
0
3
_
_
et
_
_
1 5 7
2 13 18
3 27 36
_
_
_
_
x
y
z
_
_

_
_
0
3
6
_
_
On remarque que seul le seconde membre change. On calcule alors dabord la dcomposition LU de la matrice A:
_
_
1 5 7
2 13 18
3 27 36
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1

_
_
1 5 7
0 3 4
0 12 15
_
_
L
3
L
3
4L
2

_
_
1 5 7
0 3 4
0 0 1
_
_
donc
L
_
_
1 0 0
2 1 0
3 4 1
_
_
U
_
_
1 5 7
0 3 4
0 0 1
_
_
Pour rsoudre chaque systme linaire on rsout les systmes triangulaires Ly b et Ux y.
1. Pour le premier systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
3
3
3
_
_
y
1
3, y
2
3, y
3
6;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
3
3
6
_
_
x
3
6, x
2
7, x
1
10.
2. Pour le seconde systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
6
0
3
_
_
y
1
6, y
2
12, y
3
27;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
6
12
27
_
_
x
3
27, x
2
32, x
1
35.
3. Pour le dernier systme on a
_
_
1 0 0
2 1 0
3 4 1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
0
3
6
_
_
y
1
0, y
2
3, y
3
6;
_
_
1 5 7
0 3 4
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_

_
_
6
12
27
_
_
x
3
6, x
2
7, x
1
7.
Exemple
Soit le systme linaire
_
_
6 1 1
2 4 0
1 2 6
_
_
_
_
x
1
x
2
x
3
_
_

_
_
12
0
6
_
_
.
1. Rsoudre les systmes linaires par la mthode du pivot de Gauss.
2. Factoriser la matrice A(sans utiliser la technique du pivot) et rsoudre le systme linaire.
1. Mthode du pivot de Gauss :
[A[b]
_
_
6 1 1 12
2 4 0 0
1 2 6 6
_
_
L
2
L
2

2
6
L
1
L
3
L
3

1
6
L
1

_
_
6 1 1 12
0
11
3

1
3
4
0
11
6
35
6
4
_
_
L
3
L
3

11
6
11
3
L
2

_
_
6 1 1 12
0
11
3

1
3
4
0 0 6 6
_
_
donc
_

_
6x
1
+x
2
+x
3
12,
11
3
x
2

1
3
x
3
4
6x
3
6
x
3
1, x
2
1, x
1
2.
124 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
2. Factorisation de la matrice A:
_
_
6 1 1
2 4 0
1 2 6
_
_
L
2
L
2

2
6
L
1
L
3
L
3

1
6
L
1

_
_
6 1 1
2
6
11
3

1
3
1
6
11
6
35
6
_
_
L
3
L
3

11
6
11
3
L
2

_
_
_
_
6 1 1
2
6
11
3

1
3
1
6
11
6
11
3
6
_
_
_
_
donc
L
_
_
1 0 0
1
3
1 0
1
6
1
2
1
_
_
U
_
_
6 1 1
0
11
3

1
3
0 0 6
_
_
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly b
_
_
1 0 0
1
3
1 0
1
6
1
2
1
_
_
_
_
y
1
y
2
y
3
_
_

_
_
12
0
6
_
_
y
1
12, y
2
4, y
3
6
et Ux y
_
_
6 1 1
0
11
3

1
3
0 0 6
_
_
_
_
x
1
x
2
x
3
_
_

_
_
1
4
6
_
_
x
3
1, x
2
1, x
1
2.
Mthode de Gauss-Jordan
Dans cette variante de la mthode du pivot de Gauss, chaque tape on fait apparatre des zros la fois au-dessus et
en-dessous du pivot.
tape j : pour i / j , les transformations
L
i
L
i

a
i j
a
j j
L
j
liminent linconnue x
j
dans les lignes L
i
.
En ritrant le procd pour i de 1 n, on aboutit un systme diagonal.
Exemple
Rsoudre le systme linaire
_
_
_
_
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_

_
_
_
_
1
2
3
4
_
_
_
_
par la mthode de Gauss-Jordan.
[A[b]
_
_
_
_
1 2 3 4 1
2 3 4 1 2
3 4 1 2 3
4 1 2 3 4
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
4L
1

_
_
_
_
1 2 3 4 1
0 1 2 7 0
0 2 8 10 0
0 7 10 13 0
_
_
_
_
L
1
L
1
+2L
2
L
3
L
3
2L
2
L
4
L
4
7L
2

_
_
_
_
1 0 1 10 1
0 1 2 7 0
0 0 4 4 0
0 0 4 36 0
_
_
_
_
L
1
L
1
L
3
/4
L
2
L
2
L
3
/2
L
4
L
4
+L
3

_
_
_
_
1 0 0 4 1
0 1 0 7 0
0 0 4 4 0
0 0 0 40 0
_
_
_
_
L
1
L
1
+11L
4
/40
L
2
L
2
+9L
4
/40
L
3
L
3
+4L
4
/40

_
_
_
_
1 0 0 0 1
0 1 0 0 0
0 0 4 0 0
0 0 0 40 0
_
_
_
_
donc
x
1
1, x
2
0, x
3
0, x
4
0.
Dnition : systme de Cramer
Un SYSTME est dit DE CRAMER sil a une solution, et une seule.
G. Faccanoni 125
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Proprit
Considrons un systme carr dordre n coefcients rels. Le systme est de Cramer si une des conditions quivalentes
suivantes est remplie :
1. Aest inversible ;
2. rg(A) n ;
3. le systme homogne Ax 0 admet seulement la solution nulle.
Mthode de Cramer
La solution dun systme de Cramer dcriture matricielle Ax b est donne par
x
j

det(A
j
)
det(A)
, 1 j n
o A
j
est la matrice obtenue partir de Aen remplaant la j -me colonne par la colonne des seconds membres b.
Cette formule est cependant dune utilit pratique limite cause ducalcul des dterminants qui est trs couteux.
Exemple
On veut rsoudre le systme linaire
_
a
11
a
12
a
21
a
22
__
x
1
x
2
_

_
b
1
b
2
_
par la mthode de Cramer. On a
A
_
a
11
a
12
a
21
a
22
_
, det(A) a
11
a
22
a
12
a
21
,
A
1

_
b
1
a
12
b
2
a
22
_
, det(A
1
) b
1
a
22
a
12
b
2
,
A
2

_
a
11
b
1
a
21
b
2
_
, det(A
2
) a
11
b
2
b
1
a
21
,
donc
x
1

b
1
a
22
a
12
b
2
a
11
a
22
a
12
a
21
, x
2

a
11
b
2
b
1
a
21
a
11
a
22
a
12
a
21
.
Exemple
On veut rsoudre par la mthode de Cramer le systme linaire
_
_
1 1 2
2 1 0
3 2 0
_
_
_
_
x
y
z
_
_

_
_
2
1
1
_
_
On a
A
_
_
1 1 2
2 1 0
3 2 0
_
_
, det(A) 2,
A
1

_
_
2 1 2
1 1 0
1 2 0
_
_
, det(A
1
) 6; A
2

_
_
1 2 2
2 1 0
3 1 0
_
_
, det(A
2
) 10; A
3

_
_
1 1 2
2 1 1
3 2 1
_
_
, det(A
3
) 10,
donc
x
6
2
3, y
10
2
5, z
10
2
5.
Dnition : cofacteur
Soit A une matrice carre dordre n. tant donn un couple (i , j ) dentiers, 1 i , j n, on note A
i j
la matrice carre
dordre n 1 obtenue en supprimant la i -me ligne et la j -me colonne de A. On appelle COFACTEUR de llment a
i j
le
126 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
nombre (1)
i +j
det(A
i j
).
Exemple
Soit A
_
a b
c d
_
. Alors la matrice des cofacteurs de Aest la matrice
_
d c
b a
_
.
Calcul de A
1
A tant inversible, pour obtenir A
1
il suft de rsoudre le systme Ax b qui admet pour solution x A
1
b. On peut
alors calculer A
1
en rsolvant n systmes linaires de termes sources (1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, 0, . . . , 1). Les
mthodes suivantes rsolvent ces n systmes linaires simultanment.
Premire mthode.
1. On calcul la matrice des cofacteurs des lments de A, appele comatrice de A;
2. on transpose la comatrice de A;
3. on divise par det(A).
Cette mthode est quasi-impraticable ds que n >3.
Deuxime mthode.
La matrice A est inversible si et seulement si on obtient par oprations lmentaires sur les lignes de A une ma-
trice triangulaire sans zros sur la diagonale ; non inversible si et seulement si on obtient une matrice triangulaire
avec un zro sur la diagonale. Si A est inversible, on effectue les mmes oprations sur la matrice [A[I
n
] jusqu
obtenir [I
n
[A
1
] :
[A[I
n
]
Oprations lmentaires
[I
n
[A
1
].
Exemple
Soit A
_
a b
c d
_
avec det(A) ad bc /0. Alors A
1

1
adbc
_
d b
c a
_
.
Exemple
On veut calculer linverse de la matrice A
_
_
1 1 1
1 1 1
1 1 1
_
_
.
Premire mthode.
1. On calcule la matrice des cofacteurs des lments de A, appele comatrice de A:
comatrice
_
_
_
_
_
_
_
_
_
(1)
1+1

1 1
1 1

(1)
1+2

1 1
1 1

(1)
1+3

1 1
1 1

(1)
2+1

1 1
1 1

(1)
2+2

1 1
1 1

(1)
2+3

1 1
1 1

(1)
3+1

1 1
1 1

(1)
3+2

1 1
1 1

(1)
3+3

1 1
1 1

_
_
_
_
_
_
_
_
_

_
_
2 2 0
0 2 2
2 0 2
_
_
;
2. on transpose la comatrice de A:
comatrice
T

_
_
2 0 2
2 2 0
0 2 2
_
_
;
3. on divise par det(A) :
A
1

1
4
_
_
2 0 2
2 2 0
0 2 2
_
_

_
_
1
/2 0
1
/2
1
/2
1
/2 0
0
1
/2
1
/2
_
_
.
G. Faccanoni 127
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
Deuxime mthode.
[A[I
3
]
_
_
1 1 1 1 0 0
1 1 1 0 1 0
1 1 1 0 0 1
_
_
L
2
L
2
+L
1
L
3
L
3
L
1

_
_
_
1 1 1 1 0 0
0 2 0 1 1 0
0 2 2 1 0 1
_
_
_
L
2
L
2
/2

_
_
1 1 1 1 0 0
0 1 0
1
/2
1
/2 0
0 2 2 1 0 1
_
_
L
1
L
1
L
2
L
3
L
3
+2L
2

_
_
_
1 0 1
1
/2
1
/2 0
0 1 0
1
/2
1
/2 0
0 0 2 0 1 1
_
_
_
L
3
L
3
/2

_
_
1 0 1
1
/2
1
/2 0
0 1 0
1
/2
1
/2 0
0 0 1 0
1
/2
1
/2
_
_
L
1
L
1
+L
3

_
_
_
1 0 0
1
/2 0
1
/2
0 1 0
1
/2
1
/2 0
0 0 1 0
1
/2
1
/2
_
_
_ [I
3
[A
1
].
Exemple
On veut calculer A
1
o Aest la matrice
_
_
1 0 1
4 1 2
2 0 1
_
_
.
[A[I
3
]
_
_
1 0 1 1 0 0
4 1 2 0 1 0
2 0 1 0 0 1
_
_
L
2
L
2
4L
1
L
3
L
3
+2L
1

_
_
1 0 1 1 0 0
0 1 2 4 1 0
0 0 1 2 0 1
_
_
L
2
L
2
L
3
L
3

_
_
1 0 1 1 0 0
0 1 2 4 1 0
0 0 1 2 0 1
_
_
L
1
L
1
+L
3
L
2
L
2
+2L
3

_
_
1 0 0 1 0 1
0 1 0 0 1 2
0 0 1 2 0 1
_
_
[I
3
[A
1
].
Exemple
On veut calculer A
1
o Aest la matrice
_
_
1 0 1
0 1 2
2 0 1
_
_
.
[A[I
3
]
_
_
1 0 1 1 0 0
0 1 2 0 1 0
2 0 1 0 0 1
_
_
L
3
L
3
2L
1

_
_
1 0 1 1 0 0
0 1 2 0 1 0
0 0 1 2 0 1
_
_
L
3
L
3

_
_
1 0 1 1 0 0
0 1 2 0 1 0
0 0 1 2 0 1
_
_
L
1
L
1
L
3
L
2
L
2
2L
3

_
_
1 0 0 1 0 1
0 1 0 4 1 2
0 0 1 2 0 1
_
_
[I
3
[A
1
].
A.5. quations diffrentielles dordre 1
quations diffrentielles
Une quation diffrentielle (EDO) est une quation, dont linconnue est une fonction y, exprime sous la forme dune
relation F(y, y
t
, y
tt
, . . . , y
(n)
) g(x) dans laquelle cohabitent la fois y y(x) et ses drives y
t
, y
tt
, . . . (n est appel lordre
de lquation). Si la fonction g, appele second membre de lquation, est nulle, on dit que lquation en question est
homogne.
Problme de Cauchy et thorme de Cauchy-Lipschitz
Soient a et g deux fonctions continues dun intervalle I dans R et (x
0
, y
0
) I R. Considrons le problme de Cauchy
_
y
t
(x) +a(x)y(x) g(x),
y(x
0
) y
0
.
Alors il existe une unique solution y de lquation diffrentielle telle que y(x
0
) y
0
.
128 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
Remarque
Graphiquement, ce thorme signie que par tout point du plan dont labscisse est dans I , il passe une courbe intgrale
et une seule, autrement dit deux trajectoires ne peuvent pas se croiser. En particulier, si une quation diffrentielle admet
comme solution la solution nulle, alors toute autre solution est soit toujours positive soit toujours ngative.
quations diffrentielles du premier ordre variables sparables
Lorsque lquation est de la forme
f (y(x))y
t
(x) g(x)
o f et g sont des fonctions donnes dont on connat des primitives F et G, on a
F(y(x)) G(x) +C o C R,
et si F possde une fonction rciproque F
1
, on en dduit
y(x) F
1
(G(x) +C),
relation qui donne toutes les solutions de lquation. Cette solution gnrale dpend de la constante dintgration C.
Astuce mnmotechnique
En pratique, on peut crire lquation sous la forme
f (y) dy g(x) dx,
puis intgrer formellement les deux membres
_
f (y) dy
_
g(x) dx,
et exprimer y en fonction de x.
Exemple
On veut rsoudre lquation diffrentielle y
t
(x) xy(x) sur des intervalles prciser. Il sagit dune EDO du premier ordre variables
sparables : la fonction y(x) 0 est solution, toute autre solution y(x) sera donc non nulle. On peut alors rcrire lEDO comme
y
t
(x)
y(x)
x
_
1
y
dy
_
x dx ln[y[
x
2
2
+C avec C R.
Ainsi, toute solution non nulle est
y(x) De
x
2
/2
avec D R.
Exemple
Le carbone 14 est un isotope prsent dans tout organisme vivant. Le nombre datomes de carbone 14 est constant tant que lorganisme
est envie. la mort de lorganisme, le nombre datomes dcrot avec une vitesse proportionnelle au nombre datomes. Onnote n(t ) >0
le nombre datomes au temps t , exprim en annes, aprs la mort de lorganisme. Ce mcanisme se traduit par lquation
n
t
(t ) kn(t )
o k est une constante positive.
1. Il sagit dune EDO du premier ordre variables sparables. Si n(t ) c est solution alors 0 kc do c 0 : lunique solution
constante est la solution n(t ) 0 quelque soit t R
+
.
Si n(t ) /0, on peut crire
n
t
(t )
n(t )
k
do la famille de solutions
n(t ) De
kt
, D R
+
.
On conclut que, quelque soit la condition initiale n(0) n
0
0, lunique solution est n(t ) n
0
e
kt
pour tout t R
+
.
2. Sachant quil faut 5700 ans pour que la quantit de carbone 14 diminue de moiti dans un organisme mort, on peu estimer k.
Puisque n
0
/2 n(5700) n
0
e
5700t
, on obtient k ln2
5700
1.216 10
4
.
G. Faccanoni 129
A. Rappels danalyse et dalgbre linaire Jeudi 10 mai 2012
3. On suppose que des ossements anciens rcemment exhums contiennent 9 fois moins de carbone 14 que des ossements si-
milaires daujourdhui. On peut alors dterminer lge des ossements exhums : puisque n
0
/9 n(

t ) n
0
e
k t
, on obtient

t 5700
ln9
ln2
18000 ans.
quations diffrentielles linaires du premier ordre
Elles sont de la forme
a(x)y
t
(x) +b(x)y(x) g(x)
o a, b et g sont des fonctions donnes, continues sur un intervalle I R. Pour la rsolution, on se place sur un intervalle
J I tel que la fonction a ne sannule pas sur J. Toute solution y(x,C) de cette EDO est de la forme y
H
(x,C) +y
P
(x) o
y
P
est une solution particulire de lEDO et y
H
est la solution gnrale de lquation homogne associe (cest--dire
de lEDO a(x)y
t
(x) +b(x)y(x) 0). On est donc conduit deux problmes : rechercher dabord la solution gnrale de
lquation homogne et ensuite une solution particulire de lquation complte.
Rsolution de lquation homogne associe : a(x)y
t
(x) +b(x)y(x) 0.
Cest une quation variables sparables. Elles comportent donc la fonction nulle et des fonctions qui ne san-
nulent jamais. On peut alors crire formellement
y
t
(x)
y(x)

b(x)
a(x)
ln[y[
_
b(x)
a(x)
dx.
Ses solutions sont du type
y
H
(x,C) Ce
A(x)
o A(x)
_
b(u)
a(u)
du
avec C constante arbitraire.
Recherche dune solution particulire (mthode de LAGRANGE).
Si y
1
(x) est une solution non nulle de lEDO homogne, on introduit une fonction auxiliaire inconnue K(x) telle
que y(x) K(x)y
1
(x) soit solution de notre EDO. On calcule alors y
t
(x) et on reporte y
t
(x) et y(x) dans notre EDO.
On observe que K(x) disparat, ce qui fournit une auto-vrication. Il ne reste que K
t
(x), ce qui permet de calculer
K(x) et donc y
P
(x).
Lintgrale gnrale est donc
y(x,C
1
) y
H
(x,C
1
) +y
P
(x).
Exemple
On veut rsoudre le problme de Cauchy
_
y
t
(x) +(4x
3
+5)y(x) x
3
e
5x
,
y(0) 1.
Il sagit dune EDOdu premier ordre linaire, sa solution est donc du type y(x) y
H
(x,C)+y
P
(x) o y
H
(x,C) est la famille de solutions
de lEDO homogne y
t
(x) +(4x
3
+5)y(x) 0 et y
P
(x) est une solution particulire de lEDO complte y
t
(x) +(4x
3
+5)y(x) x
3
e
5x
quon cherchera par exemple sous la forme y
P
(x) K(x)y
H
(x, 1).
Pour trouver toutes les solutions de lEDO homogne, on cherche dabord les solutions constantes, i.e. des fonctions y(x) A
solution de y
t
(x) +(4x
3
+5)y(x) 0 ; pour cela il faut que
0+(4x
3
+5)A 0;
lunique solution constante est la fonction y(x) 0 pour tout x R. Comme deux trajectoires ne peuvent pas se croiser, toutes
les autres solutions seront soit toujours positives soit toujours ngatives. Soit donc y(x) / 0 ; comme cest une EDO variables
sparables on peut alors crire
y
t
(x)
y(x)
(4x
3
+5)
_
1
y
dy
_
4x
3
+5 dx ln[y[ 4
x
4
4
5x +D y Ce
x
4
5x
pour C R

.
On conclut que les solutions de lEDO homogne sont les fonctions du type y
H
(x,C) Ce
x
4
5x
pour C R.
Pour que y
P
(x) K(x)y
H
(x, 1) K(x)e
x
4
5x
soit une solution particulire de lEDO complte y
t
(x) +(4x
3
+5)y(x) x
3
e
5x
il
faut quelle vrie lEDO; en injectant la drive premire y
t
P
(x) K
t
(x)y
H
(x, 1) +K(x)y
t
H
(x, 1) K
t
(x)e
x
4
5x
+K(x)((4x
3

5)e
x
4
5x
) dans lEDO complte on obtient
K
t
(x)e
x
4
5x
+
(
(
(
(
(
(
(
(
((
K(x)((4x
3
5)e
x
4
5x
) +
(
(
(
(
(
(
(
((
(4x
3
+5)K(x)e
x
4
5x
x
3
e
5x
K
t
(x) x
3
e
x
4
K(x)
e
x
4
4
.
On conclut quune solution de lEDO complte est la fonction y
P
(x)
1
4
e
x
4
e
x
4
5x

1
4
e
5x
.
Toutes les solutions de lEDO sont donc les fonctions y(x)
_
C
e
x
4
4
_
e
x
4
5x
pour C R.
On cherche parmi ces solutions celle qui vrie y(0) 1 ; comme y(0) C +
1
4
, lunique solution du problme de Cauchy donn est la
fonction y(x)
_
3
4
+
e
x
4
4
_
e
x
4
5x
.
130 G. Faccanoni
Jeudi 10 mai 2012 A. Rappels danalyse et dalgbre linaire
quations diffrentielles de BERNOULLI
Elles sont du premier ordre et de la forme
a(x)y
t
(x) +b(x)y(x) g(x)(y(x))

, R\{ 0; 1}
o a, b et g sont des fonctions donnes, continues sur un intervalle I R. Pour la rsolution, on se place sur un intervalle
J I tel que la fonction a ne sannule pas sur J et on fait le changement de fonction z y
1
. On arrive
a(x)z
t
(x) +(1)b(x)z(x) (1)g(x)
qui est une quation linaire du premier ordre.
Exemple
On veut rsoudre lquation diffrentielle
y
t
(x) +
1
2
y(x)
1
2
(x 1)y
3
(x).
Il sagit dune quation diffrentielle de BERNOULLI. Comme a(x) 1, on cherche sa solution gnrale sur R.
Rduction une quation diffrentielle linaire du premier ordre : si on pose z(x) 1/y
2
(x) elle se rcrit
z
t
(x) z(x) 1x.
Rsolution de lquation homogne associe : z
t
H
(x) z
H
(x) 0.
z
H
(x) 0 est solution et on sait que les autres solutions ne sannulent pas sur R. On peut donc crire
z
t
H
(x)
z
H
(x)
1, ce qui conduit
la solution gnrale sur R de lquation homogne
z
H
(x,C) Ce
x
avec C R
+
.
Recherche dune solution particulire (mthode de LAGRANGE).
Considrons une nouvelle fonction inconnue K(x) telle que z
P
(x) K(x)z
H
(x,C) K(x)e
x
soit solution de z
t
P
(x)z
P
(x) 1x.
On calcule z
t
P
(x) (K
t
(x) +K(x))e
x
et on le reporte dans lEDO; on obtient
_
K
t
(x) +K(x)
_
e
x
K(x)e
x
1x K
t
(x)
1x
e
x
.
On en dduit
K(x)
_
(1x)e
x
dx (1x)e
x

_
e
x
dx xe
x
et donc
z
P
(x) x.
La solution gnrale est donc
z(x,C) z
H
(x, A) +z
P
(x) Ae
x
+x avec A R
et on conclut
y(x,C)
1
_
x +Ae
x
.
G. Faccanoni 131